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

1 f ( x) = e " 2#

2 % ( x $ 1 - ' * 2& " )

Reprsentation graphique :  courbe en cloche


Reprsentation graphique :  courbe en cloche


Caractristiques

Notation N(;2)
Courbe symtrique autour de et a 2 points d inexion 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 l adulte normal (non diabtique) la glycmie est distribue selon une loi normale de moyenne 4.8 mmol/l et d cart 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 e 2"

1 2 - t 2

Reprsentation graphique

Transformation d une loi normale quelconque en loi N(0;1)



Soit X une v.a. continue suivant une loi normale de moyenne et d cart-type
Si on applique le changement de variable
X " t= # la variable t suit une loi normale centre rduite
1 2 t 1 2 f ( t ) = e ! 2"

Transformation d une loi normale quelconque en loi N(0;1)



En effet, un changement de variable linaire n affecte pas la nature normale de la variable

X " t= #
est une variable de moyenne

" = 0 #

et d cart 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 d cart-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 d cart-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

X " X "1 Z= = # 3
X = 1 + 3Z X = "2,7 quivalent respectivement : Z = -1, 2

On considre une variable alatoire X distribue selon la loi normale de moyenne 1 et d cart-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 l cart-rduit .
On utilise la symtrie de la courbe de Gauss

Table de la variable normale rduite

On considre une variable alatoire X distribue selon la loi normale de moyenne 1 et d cart-type 3. Quelle est la probabilit pour que X soit comprise entre 2 et +7?
P ( X < 7)est quivalent P ( Z < 2) Table de l cart-rduit . En prenant 1,96 au lieu de 2
On trouve = 0.05
MAIS il s agit de la probabilit pour que Z l extrieur  de l intervalle
Donc P(Z<2) = 1-0,025=0,975

Table de la variable normale rduite

On considre une variable alatoire X distribue selon la loi normale de moyenne 1 et d cart-type 3. Quelle est la probabilit pour que X soit comprise entre 2 et +7?
P ( X < "2)est quivalent P ( Z < "1) Table de l cart-rduit . En prenant 0,994 au lieu de 1
On trouve = 0.32
MAIS il s agit de la probabilit pour que Z l extrieur  de l intervalle
Symtrie
Donc P(Z<-1) = 0,16

Table de la variable normale rduite

On considre une variable alatoire X distribue selon la loi normale de moyenne 1 et d cart-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 d cart-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 l cart 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 X1 et X2 suivant respectivement les lois normales (1, 12) et (2, 22).
Alors, la v.a. X1 + X2 suit la loi normale (1 + 2, 12 + 22) .

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 X1, X2, .Xn n v.a. indpendantes suivant des lois de probabilits quelconques d esprance E(Xi) et de variance i2. Alors la loi suivie par la  n v.a.  X = " Xi  i= 1 peut tre approxime pour n grand et sous certaines conditions par une loi normale N(; 2) n n !avec
= " E ( X i ) et # 2 = "# i2
i= 1 i=1

En mdecine

Une donne inuence par une multitude de phnomnes alatoires indpendants qui s additionnent, 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

Xn tant une suite de variables binomiales B(n; p), alors  X n " np   np(1 " p) tend vers N(0; 1)
En d autres termes B(n; p) = N (np; np(1-p))
Conditions np et n(1-p) > 10 (Lelouch, Schwartz)

Approximation Poisson -> normale



Lorsque la moyenne d une 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 (loi du chi-2)



2

Dnition

La loi du chi-2 est une loi drive de la loi normale
Soient X1, X2, . Xn des v.a. indpendantes, chacune tant distribue selon une loi N(0; 1)
La distribution de S tel que  2 2 2 S = X1 + X 2 + .... + X n  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.

Loi de Student

Dnition

Une loi T de Student n d.d.l. est le quotient d une loi normale centre rduite U~ N (0; 1) par la racine carre d une loi du n degrs de liberts (d.d.l.) divise par n, les deux lois tant indpendantes.

" /n

2 n

Tables de distribution de T (loi de Student)



, n ,
:
( < - < ) =

: ( - < < ) = 1 -
: = 10 ( - < < ) = 0,95 => = 2,228 ( > ) = 0,025 => = 2,228 ( > ) = 0,05 => = 1,812 ( < ) = 0,90 => = 1,372 ( < 2,764) = 1-0,02/2 = 0,99