Vous êtes sur la page 1sur 17

DERNIRE IMPRESSION LE

26 juin 2013 15:10

Lois de probabilit densit Loi normale

Table des matires


1 Lois densit 1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . 1.2 Densit de probabilit et esprance mathmatique 1.3 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . 1.3.1 Dnition . . . . . . . . . . . . . . . . . . . 1.3.2 Esprance mathmatique . . . . . . . . . . 1.3.3 Application : mthode de Monte-Carlo . . 1.4 Loi exponentielle . . . . . . . . . . . . . . . . . . . 1.4.1 Dnition . . . . . . . . . . . . . . . . . . . 1.4.2 Loi sans mmoire ou sans vieillissement . . 1.4.3 Esprance mathmatique . . . . . . . . . . 1.4.4 Un exemple . . . . . . . . . . . . . . . . . . 1.4.5 Application la physique . . . . . . . . . . 1.5 Lien entre le discret et le continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2 2 3 3 3 4 5 5 6 6 7 7 9 9 9 9 9 10 11 12 12 13 13 14 15 17

2 La loi normale 2.1 Du discret au continu . . . . . . . . . . . . . . . . . . 2.2 La loi normale centre rduite . . . . . . . . . . . . . 2.2.1 La densit de probabilit de Laplace-Gauss . 2.2.2 Loi normale centre rduite . . . . . . . . . . 2.2.3 Calcul de probabilits . . . . . . . . . . . . . 2.2.4 Esprance et variance . . . . . . . . . . . . . 2.2.5 Probabilit dintervalle centr en 0 . . . . . . 2.3 Loi normale gnrale . . . . . . . . . . . . . . . . . . 2.3.1 Loi normale desprence et dcart type 2.3.2 Inuence de lcart type . . . . . . . . . . . . 2.3.3 Approximation normale dune loi binomiale 2.3.4 Thorme Central-Limit (hors programme) .

PAUL M ILAN

T ERMINALE S

LOIS DENSIT

1 Lois densit
1.1 Introduction
Lorsque lon sinteresse la dure dune communication tlphonique, la dure de vie dun composant lectronique ou la temprature de leau dun lac, la variable alatoire X associe au temps ou la temprature, peut prendre une innit de valeurs dans un intervalle donn. On dit alors que cette variable X est continue (qui soppose discrte comme cest le cas par exemple dans la loi binomiale). On ne peut plus parler de probabilit dvnements car les vnements lmentaires sont en nombre inni. La probabilit dune valeur isole de X est alors nulle. On contourne cette difcult en associant la variable X un intervalle de R et en dnissant une densit de probabilit.

1.2 Densit de probabilit et esprance mathmatique


Dfinition 1 : On appelle densit de probabilit dune variable alatoire

continue X, toute fonction f continue et positive sur un intervalle I ([ a; b], [ a; +[ ou R) telle que : P (X I) =
(I)

f ( t ) dt = 1

Dautre part la fonction F dnie par : F ( x ) = P( X de rpartition de la variable X F(x) =


x a

Pour tout intervalle J = [, ] inclus dans I, on a : P( X J) =

f ( t ) dt

x ) est appele la fonction

f ( t )dt

ou

a a

lim

f ( t )dt

Remarque : Comme la fonction f est continue et positive, la probabilit P(X I) correspond laire sous la courbe C f . Elle vaut alors 1 u.a. La probabilit P(X J), avec J = [; ], correspond laire du domaine dlimit par C f , laxe des abscisse et les droites dquation x = et y = . Comme la probabilit que X prenne une valeur isole est nulle, que lintervalle J soit ouvert ou ferm importe peu. Ainsi : P(X [, ]) = P(X [, [) = P(X ], ]) = P(X ], [)
PAUL M ILAN 2

1 Cf P (X J) P (X I)

1 u.a. O

1 Cf F(x) O x

T ERMINALE S

1.3

L OI UNIFORME

Lcriture (X I ) est une notation abusive car X nest pas un nombre, mais la fonction qui associe une issue un nombre. Elle prolonge la notation dj utilise pour des variables discrtes (X = a)

Dfinition 2 : Lesprance mathmatique dune variable alatoire continue X, de densit f sur I, est : E(X) =
(I)

t f ( t ) dt

1.3 Loi uniforme


1.3.1 Dnition

Dfinition 3 : Une variable alatoire X suit une loi uniforme dans lintervalle I = [ a, b], avec a = b, lorsque la densit f est constante sur cet intervalle. On en dduit alors la fonction f : 1 f (t) = ba Consquence Pour tout intervalle J = [, ] inclus dans I, on a alors : P ( X J) = longueur de J = ba longueur de I
1 ba 1 u.a. O P( X J ) b

La probabilit est donc proportionnelle la longueur de lintervalle considr.

Exemple : On choisit un nombre rel au hasard dans lintervalle [0 ;5]. On associe X le nombre choisi. Quelle est la probabilit que ce nombre soit suprieur 4 ? compris entre e et ? e 1 P(e X ) = 0, 085 P (X > 4) = 5 5 1.3.2 Esprance mathmatique

Thorme 1 : Si X suit une loi uniforme sur un intervalle I = [ a; b], avec a = b, alors son esprance mathmatique vaut : E(X) = a+b 2

Dmonstration : Daprs la dnition de lesprance, on a : E(X) =


PAUL M ILAN
b a

t t2 dt = ba 2( b a )

=
a

(b a)(b + a) b+a b2 a2 = = 2( b a ) 2( b a ) 2
T ERMINALE S

LOIS DENSIT

Remarque : Dans notre exemple prcdent, on trouve : E(X) = 2, 5 ce qui na rien de surprenant ! 1.3.3 Application : mthode de Monte-Carlo

Mthode de Mont-Carlo : mthode probabiliste trs utilise pour la rsolution approche de problmes varis allant de la thorie des nombres la physique mathmatique en passant par la production industrielle. Application : Calcul dune valeur approche du nombre Par la mthode du rejet : On admet, lors du tirage au hasard dun point dans un carr de ct 1, que la probabilit de tirer un point dans un domaine situ dans ce carr unit est proportionnelle laire de ce domaine. Comme il sagit du carr unit, cette probabilit est donc gale laire du domaine.

Zone de rejet

zone dacceptation 1 x2 y O 1

On tire un grand nombre de points (par exemple 10 000). Daprs la loi des grands nombres, la probabilit p davoir un point dans la zone dacceptation vaut : nombre de points dans la zone dacceptation p= nombre total de points p correspond laire du quart du cercle unit soit On peut alors crire lalgorithme suivant : 4

Variables N , D, I , X , Y Initialisation Effacer lcran Lire N 0D Traitement Pour I de 1 N random(0,1) X random(0,1) Y Si Y 1 X2 D+1 D Tracer le point ( X , Y ) FinSi FinPour Sortie D Afcher D, 4 N

On obtient N = 10 000 :

le

graphe

suivant

pour

On trouve les rsultats suivants : 3,157 2 1 La prcision est de lordre de 0, 01 N D = 7 893

PAUL M ILAN

T ERMINALE S

1.4

L OI EXPONENTIELLE

Par la mthode de lesprance : On choisit au hasard N valeurs de labscisse X dun point M dans [0 ;1]. On calcule la somme S des N valeurs prises par f ( X ) = 1 X 2 . La moyenne des N valeurs de f ( X ) est une valeur approche de la valeur moyenne de f donc de laire du quart de cercle. On trouve alors pour N = 10 000 : 3,151 5
Variables N , X , S, I , p trois entiers positifs Initialisation Lire N 0 S Traitement Pour I de 1 N faire random(0,1) X S + 1 X2 S FinPour S/ N p Sortie Afcher 4 p

1.4 Loi exponentielle


1.4.1 Dnition

Dfinition 4 : Une variable alatoire X suit une loi exponentielle de paramtre rel > 0 lorsque sa densit est la fonction f dnie sur [0; +[ par : f ( t ) = e t Consquence On peut vrier que : la fonction de rpartition F vaut : F ( x ) = P( X En effet : F ( x ) = P( X x) =
x 0

x ) = 1 e x
x 0

e t dt = e t

= e x + 1

f est bien une densit de probabilit, car la fonction f est positive et : on a


x +

lim F ( x ) = lim 1 e x = 1
x +

P (X

En passant par lvnement contraire, on a : P (X > a ) = 1 P ( X

a ) = F ( a ) = 1 e a a ) = 1 F ( a ) = e a

Enn si X se trouve dans un intervalle [ a, b], on a : P( a

b ) = F ( b ) F ( a ) = e a e b

P (X O PAUL M ILAN

a) a

P( a

b) b

P (X > b )

T ERMINALE S

LOIS DENSIT

1.4.2

Loi sans mmoire ou sans vieillissement

Thorme 2 : La loi exponentielle est une loi sans mmoire cest dire que :

t > 0 et h > 0 on a
ROC

PX

t (X

t + h ) = P (X

h)

Dmonstration : On applique la formule des probabilits conditionnelles : PX


t (X

t + h) =

P (X

P (X t + h ) t et X t + h) = P (X t ) P (X t )

e(t+h) et eh = et et h)

= e h = P (X

Remarque : On dit que la dure de vie dun appareil est sans mmoire ou sans vieillissement lorsque la probabilit que lappareil fonctionne encore h annes supplmentaires sachant quil fonctionne lintant t, ne dpend pas de t. On peut montrer que la loi exponentielle est la seule loi sans veillissement (admis) Ceci est valable si lappareil nest pas sujet un phnomne dusure. On retrouve cette proprit en ce qui concerne la dure de vie dun noyau radioactif. 1.4.3 Esprance mathmatique

Thorme 3 : Si X suit une loi exponentielle de paramtre alors son esprance mathmatique vaut : E(X) = 1

ROC

Dmonstration : Daprs la dnition, en posant g(t) = tet , on a : E(X) = lim


x x + 0

g ( t ) dt

Il faut trouver une primitive de la fonction g, pour cela on drive la fonction g g (t) = et 2 tet = et g(t) On a alors :
x 0 x 0

g ( t ) = et
x 0

1 g (t)

g ( t ) dt =

et

1 g (t)

1 1 dt = e t g ( t )

1 1 e x g ( x ) + 1 + g (0) = ex xex + 1

On pose : Y = x , on a alors : Si x + alors Y


PAUL M ILAN 6 T ERMINALE S

1.4

L OI EXPONENTIELLE

Do :

Par somme et produit, on a alors : lim


x

x +

lim e x = lim eY = 0 et
Y

x +

lim xe x = lim YeY = 0


Y

x + 0

g ( t ) dt =

1.4.4

Un exemple

La dure de vie, en anne, dun composant lectronique est une variable alatoire note T qui suit une loi sans vieillissement de paramtre . Une tude statistique a montr que pour ce type de composant, la dure de vie ne dpasse pas 5 ans avec une probabilit de 0,675. 1) Calculer la valeur arrondie trois dcimales. 2) Quelle est la probabilit, arrondie trois dcimales, quun composant de ce type dure : a) moins de 8 ans b) plus de 10ans

c) au moins 8 ans sachant quil fonctionne encore au bout de trois ans 3) Quelle est lesprance de vie de ce composant.  1) Si T vrie une loi sans vieillissement, T suit donc une loi exponentielle. Si la dure de vie ne dpasse pas 5 ans avec une probabilit de 0,675, on a donc : P( T 5) =
5 0

e t dt = e t

5 0

= e 5 + 1 5 = ln 0, 325

On a alors : e5 + 1 = 0, 675 On trouve alors : = 2) On a : a) P( T < 8) = P( T b) P( T > 10) = P( T c) PT


3 (T

ln 0, 325 0, 225 5

e5 = 0, 325

8) = 1 e0,2258 0, 835 10) = e0,22510 0, 105 5) = e0.2255 0, 325

8) = P ( T

3) E( T ) = 1.4.5

1 1 = 4, 44 soit peu prs 4 ans et demi 0, 225

Application la physique

La dsintgration radioactive est un phnomne alatoire. cest dire que lon ne peut pas, lchelle microscopique , dire quand un noyau va se dsintgrer. Nanmoins, lchelle macroscopique, on a pu tablir que la dure de vie dun noyau radioactif suit une loi de dure de vie sans vieillissement cest dire une loi exponentielle de paramtre . tant la constante radioactive (en s-1) qui caractrise un radionuclide.
PAUL M ILAN 7 T ERMINALE S

LOIS DENSIT

On appelle T la variable alatoire associe la dure de vie dun noyau. La probabilit p quun noyau ne soit pas dsintgr linstant t est donc : p = P( T t ) = et

Si au dpart on compte N0 noyaux au bout dun temps t, on en comptera N (t) qui vrie : N (t) = N0 et On appelle demi-vie t1/2 , le temps ncessaire pour que le nombre de radionucides soit divis par 2. On a alors : et1/2 = 1 2

t1/2 = ln 2

t1/2 =

ln 2

Dfinition 5 : Pour une variable alatoire X qui suit une loi de dure de vie sans vieillissement, on appelle demi-vie la dure t1/2 tel que P( X On obtient alors : t1/2 = ln 2 t1/2 ) = 1 . 2

Enn la dure de vie moyenne dun radionucide est donne par lesprance mathmatique : = 1 or = ln 2 t1/2 donc = t1/2 1, 44 t1/2 ln 2

Dfinition 6 :

Pour une variable alatoire X qui suit une loi de dure de

vie sans vieillissement, la dure de vie moyenne est donne par lesprance mathmatique. t = 1/2 1, 44 t1/2 ln 2

Remarque : La demi-vie t1/2 nest pas gale la dure de vie moyenne = E(X) car la courbe de densit de probabilit C f nest pas symtrique par rapport la droite verticale dabscisse E(X).
O

1 u.a. 2

1 u.a. 2 t1/2 E( X )

PAUL M ILAN

T ERMINALE S

1.5

L IEN ENTRE LE DISCRET ET LE CONTINU

1.5 Lien entre le discret et le continu


Discret
Univers vnement E sous-ensemble de Probabilits pi des vnements lmentaires

Continu
Intervalle I ou R vnement J sous-intervalle de I Densit de probabilit
(I)

pi = 1
Esprance de la variable alatoire X E (X) =

f ( t ) dt = 1

Esprance de la variable alatoire X E (X) =


(I)

pi xi

t f ( t ) dt

quiprobabilit P( E) = nbre de cas favorables nbre de cas possibles

Loi uniforme P (X J) = longueur de J longueur de I

2 La loi normale
2.1 Du discret au continu
Lorsquon tudie la loi binomiale sur un grand nombre dexpriences (n > 50 par exemple) condition que la probabilit de succs sur une exprience ne soit pas trop petite ( p > 0, 1), on peut approximer cette loi binomiale par une loi normale dont la reprsentation est une courbe en cloche ou courbe de Gauss. On passe ainsi dune distribution discrte une distribution continue beaucoup plus souple. Cette loi normale intervient dans de nombreuses distributions statistiques, lorsquun critre dun individu - par exemple la taille dune femme adulte - dpend dun grand nombre de facteurs ou paramtres. La rpartition de la taille dune femme adulte dans une population suit alors une loi normale (Thorme central limit)

2.2 La loi normale centre rduite


2.2.1 La densit de probabilit de Laplace-Gauss

Dfinition 7 : On appelle densit de probabilit de Laplace-Gauss, la fonction dnie sur R par :


t2 1 (t) = e 2 2

Remarque : Cette fonction correspond bien une densit de probabilit : est bien continue et positive sur R (compose de fonctions continues et la fonction exponentielle est positive sur R).
PAUL M ILAN 9 T ERMINALE S

LA LOI NORMALE

1 Cette fonction est paire et admet en 0 un maximum : (0) = 0, 4 2 Son intgrale sur R est gale 1. Sa d0.4 monstration est admise. Il faut cepenC dant savoir quil nexiste pas de primitive sexprimant avec des fonctions lmentaires pour cette fonction et que 0.2 le calcul de laire sous la courbe deR ( t ) dt = 1 mande des mthodes plus ou moins dtournes tel un changement de variable. O 3 2 1 1 2 La courbe C est appele courbe en cloche ou courbe de Gauss. Comme la fonction est paire, on a alors :
a+ a

lim

t2 1 e 2 dt = lim a+ 2

a 0

t2 1 1 e 2 dt = 2 2

2.2.2

Loi normale centre rduite

Dfinition 8 : On dit que la variable alatoire X suit une loi normale centre rduite, note N (0, 1) si sa densit de probabilit est gale la fonction . Sa fonction de rpartition est donc dnie par : ( x ) =
x

( t ) dt

Remarque : Le nombre ( a) reprsente laire du domaine dlimit par cette courbe en cloche laxe des absisses et la droite x = a. La fonction peut tre considre comme la primitive de la fonction qui vrie (0) = 0, 5. Avant larrive des calculatrices, on avait des tables donnant les valeurs de ( a) pour les valeurs de a positives. Avec la calculatrice TI, pour calculer (1, 24) on tape "distrib" puis on slectionne "normalFRp(1 E 99, 1.24)". On trouve alors 0,892 5 (voir notice page 290)
PAUL M ILAN 10
3 2 1

0.4 0.3 0.2 0.1

( a)
1

O
1.00

0.75

0.50

0.25

T ERMINALE S

2.2

L A LOI NORMALE CENTRE RDUITE

2.2.3

Calcul de probabilits

Thorme 4 : Si une variable alatoire X suit une loi normale centre rduite alors pour tous rels a et b tels que a P( a P( X P( X X b, on a : b) = (b) ( a)

| a|) = 1 (| a|)

a) = 1 ( a)

Dmonstration : La premire galit est lie la relation de Chasles pour lintgrale (soustraction des aires sous la courbe) La deuxime galit est lie lvnement contraire : P( X Enn la troisime galit est lie la parit de la fonction . Laire sous la courbe de la partie gauche est gale laire sous la courbe de la partie droite. Exemples : Une variable alatoire X suit une loi normale centre rduite. A laide dune table des valeurs de , dterminer les probabilits suivantes : a) P( X b) P( X d) P( X 1, 35) a) = 1 P( X a)

c) P(0, 56

0, 56)
X

1, 35) 1, 35)

0, 56 ou X

 On repre sur la table les valeurs : (0, 56) 0,712 3 et (1, 35) 0,911 5 a) P( X 1, 35) = 1 P( X 1, 35) = 1 (1, 35) = 1 0,911 5 = 0,088 5 b) P( X

0, 56) = (0, 56) = 1 (0, 56) = 1 0,712 3 = 0,287 7


X 1, 35) = (1, 35) (0, 56) = 0,911 5 0,287 7 = 0,623 8 1, 35) = P( X 0, 56) + P( X 1, 35) 1, 35) = 0,287 7 + 0,088 5 = 0,376 2
0.4 0.3 P( X P(0.56 X P( X 1, 35)

c) P(0, 56 d) P( X P( X

0, 56 ou X 0, 56 ou X

0, 56)

0.2 0.1

0, 56 ou X
1, 35)

1, 35)

P( X

3
PAUL M ILAN

1 -0,56
11

1 1,35

3 T ERMINALE S

LA LOI NORMALE

Remarque : Certaines valeurs interviennent souvent, il est bon de les mmoriser. P ( 1 X X X 1) = 0, 683 2) = 0, 954 3) = 0, 997

P ( 2

P ( 3

2.2.4

Esprance et variance

Thorme 5 : Si une variable alatoire X suit une loi normale centre rduite alors son esprance est nulle et sa variance est gale 1 Remarque : Cest pour cette raison que cette loi normale est centre (E( X ) = 0) et rduite (V( X ) = 1) 2.2.5 Probabilit dintervalle centr en 0 X est une variable alatoire qui suit une loi normale centre

Thorme 6 :

rduite. Soit un rel de lintervalle ]0 ;1[. Il existe un unique rel strictement positif u tel que : P(u X u ) = 1 ROC Dmonstration : On cherche un rel x strictement positif tel que :

P( x X x ) = 1 ( x ) ( x ) = 1 ( x ) 1 + ( x ) = 1 2 ( x ) 1 = 1 ( x ) = 1 2

2 u

2 u

On sait que la fonction est continue et strictement croissante sur ]0; +[. De plus : 1 lim ( x ) = (0) = et lim ( x ) = 1 x + x 0 2 1 < 1 < 1 et 0 < < 1 2 2 donc daprs le thorme des valeurs intermdiaires, il existe un unique x = u strictement positif tel que (u ) = 1 2 Remarque : Il est bon de retenir les valeurs de u0,05 et u0,01 , On obtient ainsi : P(1.96
PAUL M ILAN

X X
12

1.96) = 0, 95 2.58) = 0, 99
T ERMINALE S

P(2.58

2.3

L OI NORMALE GNRALE

Exemple : X est une variable alatoire qui suit une loi normale centre rduite. Dterminer lintervalle I centr en 0 tel que P(X I) = 0, 8. On donnera les bornes de lintevalle avec une prcision de 102 .  = 0, 2 On doit donc avoir : (u ) = 1 = 0, 9 u = 1 (0, 9). 2 A laide de la calculatrice avec la fonction "FracNorm(0.9)" ou laide dune table, on trouve : u 1, 28 donc I = [1, 28; 1, 28] On a donc : 1 = 0, 8

2.3 Loi normale gnrale


2.3.1 Loi normale desprence et dcart type

Dfinition 9 : Si une variable alatoire X suit une loi normale de paramtres et note N (, 2 ), alors la variable alatoire Z = centre rduite N (0, 1) et rciproquement. X suit une loi normale

Proprit 1 : Si une variable alatoire X suit une loi normale N (, 2 ) alors son esprance vaut et sa variance vaut 2 . Dmonstration : De la linarit de lesprance, on en dduit : E( Z ) = E( X ) =0 comme E( Z ) = 0 alors E( X ) =

De plus, comme V ( aX ) = a2 V ( X ), on a : 1 V ( X ) comme V ( Z ) = 1 alors V ( X ) = 2 2 Exemple : Les tempratures de leau du mois de juillet, autour du lac Lman, suivent la loi normale desprance 18,2C et dcart-type 3,6 C. Une personne part camper en juillet sur le pourtour du lac Lman. Que peut-on lui indiquer comme probabilit de temprature de leau des plages dans les cas suivants : a) tempratures infrieures 16 C b) tempratures comprises entre 20C et 24,5C c) tempratures suprieures 21C. V (Z) =  On appelle T la variable alatoire associe aux tempratures et Z la variable alatoire associe la loi normale centre rduite. Il y a deux faons dobtenir les rsultats, soit on utilise une table et alors on doit revenir la loi normale centre rduite, soit on utilise la calculette et alors on peut utiliser la loi normale de lnonc.
PAUL M ILAN 13 T ERMINALE S

LA LOI NORMALE

a) On veut calculer : P( T

16)

Avec une table, on revient la variable X , on a alors : 16 18, 2 T 16 Z Z 0, 611 3, 6 On a alors : (0, 611) = 1 (0, 611) = 1 0, 729 = 0, 271 b) On veut calculer : P(20 T 24, 5) Avec la calculatrice, on tape : "normalFRp(20, 24.5, 18.2, 3.6)", on trouve alors : 0,268 Avec une table, on revient la variable X , on a alors : 24, 5 18, 2 20 18, 2 Z 20 T 24, 5 3, 6 3, 6 On a alors : (1, 75) (0, 5) = 0, 960 0, 692 = 0, 268 c) On veut calculer : P( T 21) Avec la calculatrice, on tape : "normalFRp(21, 1 E 99, 18.2, 3.6)", on trouve alors : 0,218 Avec une table, on revient la variable X , on a alors : 21 18, 2 T 21 Z Z 0, 78 3, 6 On a alors : 1 (0, 78) = 1 0, 782 = 0, 218 2.3.2 Inuence de lcart type 0, 5 1, 75

Avec la calculatrice, on tape : "normalFRp(1 E 99, 16, 18.2, 3.6)", on trouve alors : 0,271

Voici ci-dessous les courbes des densits correspondantes une esprance de 4 et 1 aux carts types respectifs de : , 1 et 2. 2
0.8

1 2

0.6

0.4

=1
0.2

=2
1 2 3 4 5 6 7 8

On constate que plus lcart type est important, plus la courbe de densit est vase et plus le maximum est petit. En effet un cart type important signie que la dispersion des donnes est importante. Ces diffrentes courbes peuvent tre repres par 3 intervalles caractristiques : [ , + ], [ 2; + 2] et [ 3; + 3]
PAUL M ILAN 14 T ERMINALE S

2.3

L OI NORMALE GNRALE

99,7% 95% 3 2

68% 95% + + 2

99,7%

+ 3

On a alors : P( X X X + ) = 0, 68 + 2 ) = 0, 95 + 3 ) = 0, 997 P ( 2 P ( 3 2.3.3

Approximation normale dune loi binomiale

Thorme 7 : Thorme de Moivre-Laplace X est une variable alatoire qui suit la loi binomiale B (n, p) et Z la variable alaX E( X ) X np toire telle que : Z = = . ( X ) np(1 p) Pour tous nombres a et b tels que a < b, on a :
n+

lim P( a

b) =

b a

t2 1 e 2 dt 2

En pratique, on pourra faire lapproximation dune loi binomiale par une loi normale lorsque lon aura les conditions suivantes : n 30, np 5 et n (1 p ) 5

Remarque : Pour les grandes valeurs de n la loi binomiale B (n, p) est proche de la loi normale N (np, np(1 p))

Dans lexemple ci-dessous, on a trac B (20; 0, 5) et la densit de la loi normale correspondante ( = 20 0, 5 = 10 et = 20 0, 52 = 5). Les deux dernires conditions sont respectes (np = 10 et n(1 p) = 10)

10 11 12 13 14 15 16 17 18 19

PAUL M ILAN

15

T ERMINALE S

LA LOI NORMALE

Calculons P(9 N (10, 5).

11) avec la loi binomiale B (20; 0, 5) puis avec la loi normale

Avec la loi binomiale. Sur la calculette "binomFdP(20 ;0.5,{9,10,11})" P (9 X 11) 0, 4966 Avec la loi normale. Comme on remplace un diagramme en bton par un histogramme, il faut intgrer trois rectangles centrs en 9, 10 et 11. donc il faut calculer 8, 5 X 11, 5. Cest ce quon appelle la correction de continuit. Avec la calculette : "NormalFRp(8.5,11.5,10, 5)" P(8, 5 Lerreur est donc de 0,1% Il se peut par contre que n soit grand et cependant p trop petit pour quon soit dans les conditions de lapproximation normale. Cela se produit par exemple lorsque lon considre le nombre daccidents provoqus par un vaccin, le nombre de suicides dans une grande ville, pour une priode donne. Dans le cas des petites valeurs de p cest dire pour p < 0, 1, lapproximation de la loi binomiale ne pourra pas se faire avec une loi normale Dans lexemple ci-dessous, on a : n = 100 et p = 0, 06 X 11, 5) 0, 4977

do E( X ) = 6 et ( X ) = Calculons alors P(8 X

5, 56.

10).

Avec la loi binomiale P(8 X 10) 0, 2140 Avec la loi normale P(7.5 X 10.5) 0, 2342 Lerreur est alors de 2% 14

10 11 12 13

Exemple : On lance 180 fois un d jouer et on note X la variable alatoire qui reprsente le nombre dapparition du 6. En utilisant lapproximation normale calculer au millime les probabilits suivantes : a) P( X 20) b) P( X > 40) c) P( X 20 ou X > 40)  Il faut dabord calculer les paramtres de la loi normale correspondante cette loi binomiale B (180, 1/6) 1 1 5 E( X ) = np = 180 = 30 et ( X ) = 180 = 5 6 6 6 Il faut vrier quon se trouve dans les hypothses de lapproximation : np = 30 5 et n(1 p) = 150 5

A laide dune caculatrice, on trouve alors :


PAUL M ILAN 16

T ERMINALE S

2.3

L OI NORMALE GNRALE

a) P( X

20) = PN ( X

20, 5) = NormalFRp(-1 E 99,20.5, 30,5) 0, 029 40, 5) = NormalFRp(40.5,1 E 99, 30,5) 0, 018 20.5) + PN ( X > 40, 5) 0, 047 X 30 . 5

b) P( X > 40) = PN ( X c) P( X

20 ou X > 40) = PN ( X

Si on utilise une table, il faut changer de variable : Z = a) P( X P( X 20) = PN ( X 20) = PN ( Z 20, 5) = PN Z 20, 5 30 5

1, 9) = (1, 9) = 1 (1.9) 0, 029


40, 5) = P( Z 2, 1) 0, 018

b) P( X > 40) = PN ( X 2.3.4

Thorme Central-Limit (hors programme)

Thorme 8 : Lorsque lon fait la somme dun trs grand nombre de variables alatoires de loi quelconque, cette somme suit une loi normale. Remarque : Un grand nombre de distributions dans la nature suivent une loi normale car ces distributions dcrivent des phnomnes qui rsultent dun grand nombre de causes de uctuations indpendantes comme la taille dun individu.

PAUL M ILAN

17

T ERMINALE S