Vous êtes sur la page 1sur 8

Chapitre

Lois continues usuelles


9.1 Loi continue uniforme

La variable alatoire U est distribue uniformment sur l'intervalle [a, b] si sa densit de probabilit est constante sur cet intervalle : 1/(b a) si x [a, b] f (x) = 0 sinon On dit que U suit la loi uniforme et on note U U (a, b). Par consquent, sa fonction de rpartition est donne par : si x a 0 (x a)/(b a) si x [a, b] F (x) = 1 si x > b
E (X ) = a+b , 2 V (X ) = (b a)2 , 12 X (t) =
a sin( b eibt eiat 2 t) = eit(a+b)/2 ba it(b a) 2 t

Exercice : calcul de 1 et 2 .
9.2 Loi exponentielle

On considre la loi de Poisson comme la loi du nombre d'occurrences d'un vnement dans un intervalle de temps. On souhaite modliser l'intervalle de temps sparant deux occurrences successives d'un processus de Poisson. Cette loi permet entre autres de modliser la dure de vie de la radioactivit ou d'un composant lectronique.
p0 (t) = et (absence de mmoire de la loi exponentielle) et la fonction de rpartition est F (x) = 1 ex 0 ex 0

Ainsi la probabilit qu'il n'y ait aucune occurrence dans un intervalle de temps de longueur t est gale si x 0 si x < 0 si x 0 si x < 0

et sa fonction de densit
f (x) =

Caractristiques : E (X ) = 1/, V (X ) = 1/2 , X (t) = 1/(1 it/).

56

CHAPITRE 9.

LOIS CONTINUES USUELLES

9.3
9.3.1

Loi normale
Rappel : calcul de l'intgrale de Gauss

Soient
G=
0

ex dx

et

H=
R+ R+

e(x

+y 2 )

dx dy.

Compte tenu de ce que les variables x et y se sparent, le thorme de Fubini donne :


H=
R+ R+

ex ey dx dy =
0

ex dx
0

ey dy

= G2 .

On passe en coordonnes polaires en posant x = r cos et y = r sin ; les variables r et se sparent elles aussi :
H=
R+ [0, 2[ +
2

er r dr d =
0 +

er r dr
0

1 2 2

1 car 0 er r dr = 1 eu du = 2 (par le changement de variable r = u). On en dduit : G2 = 2 0 4, + x2 1 d'o G = 2 puisque G 0, et enn : e dx = 2G = par parit.

9.3.2

Gaussienne

On appelle loi normale (ou gaussienne) centre rduite la loi dnie par la densit de probabilit : R R+ dnie par :
t2 1 (t) = e 2 . 2

On peut vrier qu'elle est continue et que son intgrale sur R est gale 1 : On sait que (intgrale de Gauss) et en posant x = t/ 2, on trouve que R (t) dt = 1. Remarques : 1. la densit est une fonction paire ;

+ x2 e dx

2. elle est indniment drivable et vrie, pour tout t R, l'identit (t) = t(t). La reprsentation graphique de cette densit est une courbe en cloche (ou courbe de Gauss). On dmontre par la suite que la loi dnie par cette densit de probabilit admet une esprance nulle 2 et une variance gale 1. Sa fonction caractristique vaut X (u) = eu /2 ( ne pas confondre avec la fonction densit). Le calcul se fait de la faon suivante :
+

X (u) =

e t eitu dt. 2

1 2 1 2 2 2 2 2 Or t2 + iut = 2 (t 2iut) = 1 2 (t 2iut + (iut) (iut) ) = 2 (t iu) + u . On pose x = t iu, ainsi

1 X (u) = 2

ex

/2u2 /2

e u / 2 dx = 2

e x

/2

dx = eu

/2

Cours Proba-Stat / Pierre DUSART

57

9.3.3

Moments

Les moments de cette loi existent tous. Pour tout r N, le moment d'ordre r par rapport l'origine est :
+

mr =

tn (t) dt.

En raison de la parit de l'intgrande, tous les moments d'ordre impair sont nuls :
m2k+1 = 0.

Supposons prsent r pair : r = 2k , o k N. Si k 1, une intgration par parties donne :


+ + +

m2k =

t2k1 t(t)dt =

t2k1 (t)dt = (2k 1)

t2k2 (t)dt

ce qui fournit la relation de rcurrence :


m2k = (2k 1)m2k2 .

De cette relation, on dduit, comme m0 = 1, que :


m2k = 1 3 (2k 1) = (2k )! . 2k k !

En particulier, m1 = 0 et m2 = 1, ainsi l'esprance est nulle (la loi est donc dite centre) et la variance vaut m2 m2 1 = 1 (la loi est donc dite rduite). Ceci justie l'appellation de loi normale centre rduite. Pour la suite on supposera = 0 et 2 = 1. Des formules prcdentes, on dduit encore : m3 = 0 et m4 = 3. La loi tant rduite, les moments centrs sont tous gaux aux moments par rapport l'origine de mme 3 rang ; en particulier : 2 = 2 = 1, 3 = 0 et 4 = 3 4 . On en dduit l'asymtrie (skewness) : 1 = 3 = 0 4 et l'aplatissement (kurtosis) : 2 = 4 = 3.
9.3.4 Fonction de rpartition

On note la fonction de rpartition de la loi normale centre rduite. Elle est dnie, pour tout rel x, par :
x x

(x) =

(t)dt =

t2 1 e 2 dt. 2

est la primitive de qui tend vers 0 en ;


fonctions usuelles

(exponentielle, etc.) mais devient elle-mme une fonction usuelle, importante, pour quiconque pratique le calcul des probabilits ou les statistiques. Les valeurs de cette fonction peuvent donc se trouver sous la forme d'une table ou directement dans des logiciels de calcul statistique. Proprits de : 1. Elle est indniment drivable, et = 2. Elle est strictement croissante, tend vers 0 en et vers 1 en +. (c'est donc une bijection R ]0, 1[ : pour tout p ]0, 1[, il existe un unique x R, not 1 (p), tel que (x) = p) 3. Pour tout x R, (x) = 1 (x) (ceci rsulte de la parit de la fonction densit) ; en particulier, (0) = 0, 5. La table de valeurs sera donc tablie pour les valeurs x positives.

cette primitive ne s'exprime pas l'aide des

58

CHAPITRE 9.

LOIS CONTINUES USUELLES

9.3.5

Loi Normale ou de Laplace-Gauss

Plus gnralement, on dit qu'une variable alatoire relle X suit une loi normale (ou loi normale gaussienne, loi de Laplace-Gauss) d'esprance et d'cart type strictement positif si cette variable alatoire relle X admet pour densit de probabilit la fonction suivante dnie, pour tout nombre rel x, par :
d(x) =
1 x 2 1 e 2 ( ) . 2

Une telle variable alatoire est appele variable gaussienne. On notera X N (, ). On aura alors 2 u2 E (X ) = , V (X ) = 2 et X (u) = eiu 2 . On pourrait tudier cette loi prcisment mais on se ramne au cas prcdent (loi normale centre rduite) en considrant le thorme suivant :
Thorme 9.3.1 Si

suit

N (, ),

alors

Z=

X suit

N (0, 1).

Ainsi une seule loi sera tabule (celle de la loi normale centre rduite), les autres pourront tre dduites. Cette loi est une des plus importantes dans la thorie des probabilits.

9.3.6

Somme de deux variables gaussiennes

Thorme 9.3.2 Si
respectives

et

et de variance

X et Y sont deux variables indpendantes suivant des lois normales de moyennes 2 2 2 et de variances 1 et 2 alors X + Y suit un loi normale de moyenne = 1 + 2 2 2 2 = 1 + 2 .

Ce thorme se gnralise bien sr toute somme nie de variables alatoires normales indpendantes. Preuve : Il s'agit de dterminer la loi de Z = X + Y . Calculons sa fonction caractristique :
Z (t) = X (t) Y (t) = ei1 t
(1 t)2 2 (2 t)2 2

ei2 t

= ei(1 +2 )t

2 + 2 )t2 (1 2 2

On en dduit que Z suit N (1 + 2 ,

2 + 2 ). 1 2

Cours Proba-Stat / Pierre DUSART

59

9.3.7

Somme de carrs de variables gaussiennes

Soient k variables alatoires indpendantes X1 , , Xk de mme loi normale centre et rduite, alors par dnition la variable X , telle que
k

X=
i=1

2 Xi

suit une loi du 2 k degrs de libert. La loi du 2 (prononcer  khi-deux ) est une loi caractrise par un paramtre dit degrs de libert valeur dans l'ensemble des entiers naturels (non nuls). Pour une variable alatoire suivant une loi du 2 k degrs de libert, on notera la loi de 2 (k) la loi de X . Alors la densit de note sera :
f (x) = 1 xk/21 ex/2 2k/2 (k/2)

pour tout x positif o (gamma) est la fonction


+

:z
0

tz1 et dt.

L'esprance mathmatique de X vaut k et sa variance vaut 2k.

9.3.8

Approximation de

par

(Voir Chap convergences pour justication) Pour n assez grand, la loi binomiale se comporte comme une loi normale gaussienne d'esprance np et de variance npq . Plus prcisment, le thorme de Moivre-Laplace prcise que si est la fonction de rpartition de la loi normale centre rduite et si Xn suit une loi binomiale de paramtres n et p, on a alors, pour tout rel t :
n

lim P

Xn np t npq

= (t).

Le thorme de Berry-Esseen fournit une majoration de l'erreur commise quand on remplace P (Xn x) par P (Yn x) o Yn suit une loi normale d'esprance np et de variance npq : l'erreur commise est C infrieure npq o C < 0, 4784 (Korolev & Shevtsova (2010)). En pratique, on remplace une loi binomiale par une loi normale pour n grand et p pas trop proche de 0 ni de 1 (par exemple pour n > 30, np > 5 et nq > 5 ou pour npq > 9)

9.3.9

Simulation

Pour simuler la loi normale, on peut utiliser la mthode de Box-Muller : Si U1 et U2 sont des variables alatoires indpendantes qui suivent la loi uniforme sur ]0,1[, alors on dmontre assez aisment que les variables alatoires :
T1 = 2 ln U1 cos(2U2 ) T2 = 2 ln U1 sin(2U2 )

suivent toutes deux la loi normale centre rduite (et sont indpendantes). On peut simuler toute loi normale N (, ), en construisant la variable Y = + T1 .

60

CHAPITRE 9.

LOIS CONTINUES USUELLES

9.4

Loi de Weibull

C'est une loi de probabilit continue applique aux dures de vie. C'est donc dans le contrle de abilit que les entreprises ont tendance l'utiliser, et plus prcisment lorsque le taux de dfaillance volue comme une puissance du temps (ce qui est le cas le plus courant). Rappelons que lorsque ce taux est constant, on utilise la loi exponentielle, forme particulire de celle de Weibull, et lorsque le taux augmente proportionnellement au temps, c'est la distribution de Rayleigh qui est employe. La loi de Weibull repose sur deux paramtres positifs, l'un de forme et l'autre d'chelle de temps. La loi de Weibull trois paramtres prend en compte la "localisation", c'est--dire un ventuel dcalage du dpart de la courbe par rapport l'origine (soit gauche soit droite). On prendra comme paramtre de forme, et tant celui de temps. Le paramtre est habituellement suprieur 1 : le taux de dfaillance crot avec le temps. S'il est infrieur, c'est pendant le rodage que les risques de dfaillance sont levs et s'il est gal 1, on retombe sur la loi exponentielle. Sa fonction de rpartition
F (x) = 1 ex 0

si x 0 si x < 0

et sa fonction de densit
f ( x) =

x1 ex 0

si x > 0 si x 0 o est la fonction Gamma


X 1/

Caractristiques : E (X ) = (1 + 1/)/1/ , V (X ) = d'Euler.


Proposition 9.4.1 Si

(1+2/)(1+1/) 2/

suit une loi exponentielle de paramtre

alors

suit une loi de Weibull

W (, ).

9.5

Loi de Pareto

L'conomiste italien Vilfredo Pareto (1848-1923) observa au dbut du XXe sicle que 20% de la population italienne possdait 80% de la richesse nationale d'o le nom de la loi 80-20 ou 20-80. La loi de Pareto admet deux paramtres (c, ). Le premier paramtre (c > 0) tronque la distribution : le domaine de dnition de X suivant cette loi est alors restreint ]c, +[ (introduction de la contrainte x > c). Le deuxime paramtre est le paramtre de forme > 0. Alors la distribution est caractrise par :
P ( X > x) = x c c x
k

avec x > c. La fonction de densit est alors


f (x) = c
+1

et la fonction de rpartition est


F (x) = 1

c x

Caractristiques : E (X ) = c 1 pour > 1, V (X ) = > k . Fonction caractristique : (ict) (, ict)

2 (1)2 (2) c

pour > 2, E (X k ) =

k c c

pour

Cours Proba-Stat / Pierre DUSART

61

9.6

Loi de Gumbel

C'est une loi de modlisation de valeurs extrmes dont la fonction de rpartition est la suivante :
F ( x ) = e e
(x)/

Sa fonction de densit est

f (x) = exe

Caractristiques de la loi : E (X ) = + (o = 0.5772156 est la constante d'Euler ), V (X ) = 2 2 /6, mode= . Fonction caractristique : X (t) = (1 it)eit

62

CHAPITRE 9.

LOIS CONTINUES USUELLES