Vous êtes sur la page 1sur 39

Lois de probabilit 3/3

Anita Burgun
Contenu des cours
Loi binomiale
Loi hypergomtrique
Loi de Poisson
Loi normale
Loi du Chi2
Loi de Student
Loi normale
VA continue X
Densit de probabilit de X
Loi normale, loi de Gauss, loi de Laplace,
loi de Laplace-Gauss
Dnition
La distribution normale, appele aussi gaussienne
est une distribution continue qui dpend de 2
paramtres et !.
Une v.a. X suit une loi normale si sa densit est

!
f (x) =
1
" 2#
e
-
1
2
x$
"
%
&
'
(
)
*
2
Reprsentation graphique :
courbe en cloche
Reprsentation graphique :
courbe en cloche
Caractristiques
Notation N(;!
2
)
Courbe symtrique autour de et a 2 points
dinexion aux abscisses -! et +!
E(X) =
V(X) = !
2
Caractristiques
Dans la loi normale de moyenne et de variance
!
2

P(- 1.64 ! < X < + 1.64 !) = 0.90
P(- 1.96 ! < X < + 1.96 !) = 0.95
P(- 3.29 ! < X < + 3.29 !) = 0.999
Une v.a. X distribue normalement a 5 chances sur
100 de prsenter un cart la moyenne suprieur
1.96 ! (environ 2). Autrement dit, 95% des sujets
sont distribus dans une tendue de 4 !.
Exemple
Chez ladulte normal (non diabtique) la
glycmie est distribue selon une loi
normale de moyenne 4.8 mmol/l et dcart
type 0.4 mmol/l
Donc 95% des sujets non diabtiques de
cette population ont une glycmie comprise
entre 4.0 mmol/l et 5.6 mmol/l
Loi normale centre rduite
On dit que la distribution est centre
si E(X)=0 et rduite si V(X)=1
La distribution normale centre rduite
N(0;1) est dnie par
!
f (t) =
1
2"
e
-
1
2
t
2
Reprsentation graphique
Transformation dune loi normale
quelconque en loi N(0;1)
Soit X une v.a. continue suivant une loi
normale de moyenne et dcart-type !
Si on applique le changement de variable
!
t =
X "
#
la variable t suit une loi normale centre rduite
!
f (t) =
1
2"
e
-
1
2
t
2
Transformation dune loi normale
quelconque en loi N(0;1)
En effet, un changement de variable linaire
naffecte pas la nature normale de la variable
!
t =
X "
#
est une variable de moyenne
!
"
#
= 0
et dcart type
!
"
"
=1
Loi normale centre rduite
Une v.a. X distribue normalement a 5 chances sur 100
de prsenter un cart la moyenne suprieur 1.96 !
Table de la variable normale rduite
Table de la variable normale rduite
On considre une variable alatoire X distribue selon la loi
normale de moyenne 1 et dcart-type 3. Quelle est la
probabilit pour que X soit comprise entre 2 et +7#?
P(-2<X<+7)= p(X<7)-p(X<-2)
Changement de variable
On considre une variable alatoire X distribue selon la loi
normale de moyenne 1 et dcart-type 3. Quelle est la
probabilit pour que X soit comprise entre 2 et +7#?
1ere tape: Changement de variable
transformer X en Z, variable normale centre rduite
!
Z =
X "
#
=
X "1
3
!
X =1+ 3Z
X = "2, 7 quivalent respectivement :
Z = -1, 2
Table de lcart-rduit .
On utilise la symtrie de la courbe de Gauss
On considre une variable alatoire X distribue selon la loi
normale de moyenne 1 et dcart-type 3. Quelle est la
probabilit pour que X soit comprise entre 2 et +7#?
P(-2<X<+7)= p(X<7)-p(X<-2)
P(-1<Z<2)= p(Z<2)-p(Z<-1)
Table de la variable normale rduite
!
P(X < 7)est quivalent P(Z < 2)
Table de lcart-rduit . En prenant 1,96 au lieu de 2
On trouve " = 0.05
MAIS il sagit de la probabilit pour que Z lextrieur
de lintervalle
Donc P(Z<2) = 1-0,025=0,975
On considre une variable alatoire X distribue selon la loi
normale de moyenne 1 et dcart-type 3. Quelle est la
probabilit pour que X soit comprise entre 2 et +7#?
Table de la variable normale rduite
!
P(X < "2)est quivalent P(Z < "1)
Table de lcart-rduit . En prenant 0,994 au lieu de 1
On trouve " = 0.32
MAIS il sagit de la probabilit pour que Z lextrieur
de lintervalle
Symtrie
Donc P(Z<-1) = 0,16
On considre une variable alatoire X distribue selon la loi
normale de moyenne 1 et dcart-type 3. Quelle est la
probabilit pour que X soit comprise entre 2 et +7#?
Table de la variable normale rduite
On considre une variable alatoire X distribue selon la loi
normale de moyenne 1 et dcart-type 3. Quelle est la
probabilit pour que X soit comprise entre 2 et +7#?
P(-2<X<+7)= p(X<7)-p(X<-2)
P(-1<Z<2)= p(Z<2)-p(Z<-1)
P(-2<X<7)= 0,975-0,16= 0,815
On considre une variable alatoire X distribue selon la loi
normale de moyenne 1 et dcart-type 3. Dterminer le
nombre rel A tel que P(X<A) = 0.6
P(X<A) quivaut p(Z<B)
On cherche dans la table de lcart rduit
Avec
" /2 = 1-0,6
" = (1-0,6 ) x 2= 0,8
On trouve B=0,253
Donc A = 1,7599 (changement de variable)
Table de la variable normale rduite
Remarques utiles
Soient deux v.a. indpendantes X
1
et X
2

suivant respectivement les lois normales
(
1
, !
1
2
) et (
2
, !
2
2
).
Alors, la v.a. X
1
+ X
2
suit la loi normale (
1

+
2
, !
1
2
+ !
2
2
) .
Remarques utiles
Le mlange de deux populations gaussiennes n'est
pas une population gaussienne
Un mlange constitu de
2/3 d'individus dont la taille suit une loi normale de
moyenne 160 cm et d'cart type 15 cm, de densit f
1/3 d'individus dont la taille suit une loi normale de
moyenne 130 cm et d'cart type 10 cm, de densit g
suit une loi de moyenne (2/3)*160+(1/3)*130 =
150 cm, mais non gaussienne
la distribution est bimodale.
Remarques utiles
Thorme central limite
Soient X
1
, X
2
, .X
n
n v.a. indpendantes suivant
des lois de probabilits quelconques desprance
E(X
i
) et de variance !
i
2
. Alors la loi suivie par la
v.a.

peut tre approxime pour n grand et sous


certaines conditions par une loi normale N(; !
2
)
avec
!
X = X
i
i=1
n
"
!
= E(X
i
i=1
n
"
) et #
2
= #
i
2
i=1
n
"
En mdecine
#Une donne inuence par une multitude
de phnomnes alatoires indpendants qui
sadditionnent, est approximativement
dcrite par une loi normale mme si les
phnomnes qui la composent ne suivent
pas des lois normales#
Approximation binomiale->normale
Thorme de De Moivre-Laplace
X
n
tant une suite de variables binomiales B(n; p),
alors

tend vers N(0; 1)


En dautres termes B(n; p) = N (np; np(1-p))
Conditions np et n(1-p) > 10 (Lelouch, Schwartz)
!
X
n
" np
np(1" p)
Approximation Poisson -> normale
Lorsque la moyenne dune loi de Poisson est
grande, la loi de Poisson peut tre approxime par
une loi normale de mmes moyenne et cart-type
que la loi de Poisson de dpart.
P (#) = N (#; #)
E(X) = #
V(X) = #
Condition: # > 20 (selon Lelouch, Schwartz)
loi du $
2

(loi du chi-2)
Dnition
La loi du chi-2 est une loi drive de la loi
normale
Soient X
1
, X
2
, . X
n
des v.a. indpendantes,
chacune tant distribue selon une loi N(0; 1)
La distribution de S tel que

est appele loi du $


2
n degrs de liberts
(d.d.l.) o n est le nombre de d.d.l., seul paramtre
de la loi.
!
S = X
1
2
+ X
2
2
+ .... + X
n
2
Loi de Student
Dnition
Une loi T de Student n d.d.l. est le
quotient dune loi normale centre rduite
U~ N (0; 1) par la racine carre dune loi
du $
2
n degrs de liberts (d.d.l.) divise
par n, les deux lois tant indpendantes.

!
U
"
n
2
/ n
Tables de distribution de T (loi de
Student)
%&' (")#' *+&&' ,+-. " $/+0!0, ,+-. n
'&10!"2, #' (
"

3" (")#' *+&&':
4.+)" ( ( < (
"
'( (
"
< ( ) = "
*5+: 4.+)" ( (
"
< ( < (
"
) = 1 - "
67',#': & = 10 **#
4.+)" ( (
"
< ( < (
"
) = 0,95 => (
"
= 2,228
4.+)" ( ( > (
"
) = 0,025 => (
"
= 2,228
4.+)" ( ( > (
"
) = 0,05 => (
"
= 1,812
4.+)" ( ( < (
"
) = 0,90 => (
"
= 1,372
4.+)" ( ( < 2,764) = 1-0,02/2 = 0,99