Aller au contenu principal
Statistiques & Probabilités · L2

L'indépendance statistique : définitions, conséquences et tests

L'indépendance est une notion centrale en statistiques et probabilités de L2 : elle formalise l'absence de lien entre événements ou variables aléatoires. Maîtriser la définition P(A ∩ B) = P(A)…

Indépendance de deux événements exprimée par le produit de leurs probabilités et l'invariance conditionnelle.
Si A et B sont indépendants et P(B)>0, alors P(A|B)=P(A). L'indépendance est plus forte qu'une covariance nulle.
9 questions Corrections détaillées Niveau L2
16 min de cours ~5 min de QCM 8 sections Intermédiaire
1 Introduction 16 min restant
1

indépendance

L'indépendance est une notion centrale en statistiques et probabilités de L2 : elle formalise l'absence de lien entre événements ou variables aléatoires. Maîtriser la définition P(A ∩ B) = P(A) × P(B), ses équivalences (P(A|B) = P(A)), ses conséquences sur l'espérance et la variance…

2

Objectifs d'apprentissage

  • Définir l'indépendance de deux événements et vérifier P(A ∩ B) = P(A)P(B)
  • Distinguer indépendance, incompatibilité et non-corrélation
  • Appliquer les propriétés E(XY) = E(X)E(Y) et Var(X+Y) = Var(X)+Var(Y) sous indépendance
  • Relier indépendance et covariance nulle (Cov(X,Y) = 0)
  • Mettre en œuvre le test du chi-deux d'indépendance sur un tableau de contingence
3

Concepts clés à maîtriser

Indépendance d'événements

Intermédiaire
Deux événements A et B sont indépendants si P(A ∩ B) = P(A) × P(B).
La réalisation de B ne modifie pas la probabilité de A.
Ne pas confondre avec l'incompatibilité (A ∩ B = ∅) qui implique P(A ∩ B) = 0.
P(A ∩ B) = P(A) P(B) ⇔ P(A|B) = P(A)

Indépendance vs incompatibilité

Intermédiaire
Incompatibles : A ∩ B = ∅ (ne peuvent pas se réaliser ensemble). Indépendants : P(A ∩ B) = P(A)P(B).
Incompatibles ⇒ P(A ∩ B) = 0. Si P(A) et P(B) > 0, incompatibles ⇒ dépendants.
Piège QCM : A ∩ B = ∅ n'est pas la définition de l'indépendance.

Indépendance de variables aléatoires

Intermédiaire
X et Y sont indépendantes si la loi jointe se factorise : f(x,y) = f(x)f(y) pour toutes les valeurs.
Connaître X n'apporte aucune information sur Y.
E(X+Y) = E(X)+E(Y) est toujours vrai, même sans indépendance.
Indépendance ⇒ E(XY) = E(X)E(Y) et Var(X+Y) = Var(X)+Var(Y)

Covariance et corrélation nulle

Intermédiaire
Indépendance ⇒ Cov(X,Y) = 0 et r = 0. La réciproque est fausse en général.
Absence de liaison linéaire, mais une liaison non linéaire peut exister (ex. parabole).
r = 0 n'implique pas l'indépendance ; Cov = 0 non plus (sauf cas gaussien).
Cov(X,Y) = E(XY) − E(X)E(Y) = 0 si indépendantes

Test du chi-deux d'indépendance

Intermédiaire
Compare les effectifs observés d'un tableau I×J aux effectifs théoriques sous H₀ (indépendance).
Si les écarts entre effectifs observés et attendus sont grands, on rejette l'indépendance.
Eᵢⱼ = (total ligne i × total colonne j) / n sous H₀.
χ² = Σ (Oᵢⱼ − Eᵢⱼ)²/Eᵢⱼ ; ddl = (I−1)(J−1)

Probabilités conditionnelles et Bayes

Intermédiaire
Sous indépendance : P(A|B) = P(A). La formule de Bayes permet de mettre à jour les probabilités.
L'indépendance simplifie les calculs conditionnels.
Formule des probabilités totales : P(A) = Σ P(A|Bᵢ)P(Bᵢ).
P(Bᵢ|A) = P(A|Bᵢ)P(Bᵢ) / P(A)
Quick check

Pour deux variables indépendantes X et Y :

Schema
Arbre probabiliste où la probabilité de B reste égale à 0,30 conditionnellement à A ou à son complément.
Arbre probabiliste de deux événements indépendantsLa probabilité de B reste 0,30 sur les deux branches : connaître A ne change pas B. Le produit le long du chemin donne P(A∩B)=0,40×0,30=0,12.
4

Auteurs et références

Pierre-Simon Laplace Probabilités conditionnelles et indépendance
Andrey Kolmogorov Axiomatique des probabilités
Georges Saporta Probabilités et statistique — manuel L2
Karl Pearson Test du chi-deux et corrélation
  • Saporta, G. (2019) — Probabilités, analyse des données et statistique, Editions Technip
  • Casella, G.; Berger, R. (2002) — Statistical Inference, Duxbury Press
  • Pearson, K. (1900) — On the Criterion that a given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it can be reasonably supposed to have arisen from Random Sampling, Philosophical Magazine
5

Pièges fréquents à éviter

Erreur Confondre indépendance et incompatibilité
Pourquoi Incompatibles : A ∩ B = ∅. Indépendants : P(A ∩ B) = P(A)P(B). Si P(A), P(B) > 0, incompatibles ne sont pas indépendants.
Solution Retenir : indépendance = produit des probabilités, pas intersection vide.
Erreur Croire que Cov(X,Y) = 0 implique l'indépendance
Pourquoi Cov = 0 signifie absence de liaison linéaire ; une relation non linéaire (ex. Y = X²) peut exister.
Solution Indépendance ⇒ Cov = 0, mais pas la réciproque (sauf loi normale bivariée).
Erreur Croire que r = 0 implique l'indépendance
Pourquoi r = 0 indique absence de liaison linéaire ; une parabole peut avoir r ≈ 0.
Solution Distinguer corrélation linéaire et indépendance statistique.
Erreur Exiger l'indépendance pour E(X+Y) = E(X)+E(Y)
Pourquoi La linéarité de l'espérance est toujours vraie, indépendance ou non.
Solution Indépendance requise pour E(XY) = E(X)E(Y), pas pour la somme.
Quick check

La somme de deux variables normales indépendantes X ~ N(μ1,σ1²) et Y ~ N(μ2,σ2²) suit :

Schema
Tableau comparant indépendance, événements incompatibles et covariance nulle avec leurs implications exactes.
Indépendance, incompatibilité et décorrélationDeux événements incompatibles positifs ne peuvent pas être indépendants. Pour des variables conjointement gaussiennes, la covariance nulle implique l'indépendance, mais ce cas est particulier.
6

Questions types d'examen

  1. Définissez l'indépendance de deux événements A et B.
  2. Montrez que si X et Y sont indépendantes, alors Var(X+Y) = Var(X)+Var(Y).
  3. Cov(X,Y) = 0 implique-t-il que X et Y sont indépendantes ?
  4. Comment construire le test du chi-deux d'indépendance sur un tableau de contingence ?
  5. Quel est le nombre de degrés de liberté pour un tableau I×J ?
7

À retenir

Indépendance : P(A ∩ B) = P(A)P(B) ou P(A|B) = P(A). ≠ incompatibilité (A ∩ B = ∅). Variables indépendantes : E(XY) = E(X)E(Y), Var(X+Y) = Var(X)+Var(Y), Cov = 0, r = 0. Réciproque fausse : Cov = 0 ou r = 0 n'implique pas indépendance. Test χ² d'indépendance : ddl = (I−1)(J−1). E(X+Y) = E(X)+E(Y) sans condition. L'examinateur attend définitions, propriétés et pièges incompatibilité/non-corrélation.

8

Teste tes connaissances

9 questions disponibles

Choisis ton mode et entraîne-toi avec des corrections détaillées.

Cette notion est aussi traitée dans d'autres matières — choisis ta matière de pratique :
10

Questions fréquentes

Qu'est-ce que indépendance en Statistiques & Probabilités ?

L'indépendance est une notion centrale en statistiques et probabilités de L2 : elle formalise l'absence de lien entre événements ou variables aléatoires. Maîtriser la définition P(A ∩ B) = P(A) × P(B), ses équivalences (P(A|B) = P(A)), ses conséquences sur…

Combien de questions sont disponibles ?

CampusQCM propose 9 questions corrigées sur indépendance avec explications pédagogiques détaillées.

Comment réviser indépendance efficacement ?

Commencez par le mode Révision, lisez les corrections, refaites les erreurs après quelques jours, puis passez en mode Examen.

Ce QCM est-il adapté au programme de L2 ?

Oui, nos questions correspondent au programme officiel de L2 du cursus Economie.

Les QCM fonctionnent-ils sur mobile ?

Oui, CampusQCM est entièrement optimisé pour smartphones et tablettes. Révisez indépendance où que vous soyez, vos scores se synchronisent entre vos appareils.

Les QCM sont-ils gratuits ?

Oui, tous nos QCM sont entièrement gratuits. Créer un compte vous permet de sauvegarder vos scores et suivre votre progression, mais ce n'est pas obligatoire.