LOIS DE PROBABILITS CONTINUES Dans ce chapitre, on va s'intresser aux variables alatoires X qui prennent leurs valeurs dans un intervalle.

1. Densit et loi de probabilit 1.1. Dfinition Densit de probabilit Soit I un intervalle. On appelle densit de probabilit sur I toute fonction continue et positive sur I telle que :

(t )dt = 1
I

1 u.a.
C

Remarques : Si I = [a, b], alors la quantit note

(t )dt dsigne simplement

I

b a

(t ) dt .

Si I est un intervalle non born, par exemple [a, +[, alors la quantit note existe, la limite suivante :

(t )dt dsigne, lorsqu'elle

I

Enfin, si I = suivantes : , alors la quantit note

(t )dt = lim
I

x +

x a

(t )dt

Dfinition analogue si I est du type ]-, b[.

(t )dt dsigne, lorsqu'elles existent, la somme des deux limites

I

Exemples :

(t )dt = lim
I

x -

0 x

(t )dt + lim

x +

x 0

(t )dt

1. Dterminer un rel a de faon que la fonction dfinie sur [0, 1] par (x) = x + a soit une densit de probabilit sur [0, 1]. On cherche a tel que :

1 0

( x + a)dx = 1

Lois de probabilits continues

Page 1

G. COSTANTINI http://bacamaths.net/

 x2 + ax = 1 2 0 1 +a=1 2 a= 1 2

2. Soit une fonction constante sur un intervalle [a, b] (avec a < b). Quelle doit tre la valeur de la constante pour qu'elle soit une densit ? Notons g cette constante.

b a

(t )dt = 1
b

g dt = 1

g(b - a) = 1 g= 1 b-a
+

3. Soit l un rel strictement positif. Dmontrer que la fonction dfinie sur de probabilit sur Calculons :
+.

par (t) = le -lt est une densit

x 0

(t ) dt =

x 0

le

-l t

e -lt -lx dt = l =1- e l 0

Or, on a : La limite en + de

x +

lim (1 - e -lx ) = 1

x 0

(t ) dt existe bien et on a :

1.2. Dfinition Loi de probabilit

(t ) dt = 1

Soit I un intervalle et une densit de probabilit sur I. L'application P qui, tout sous-intervalle [a, b] de I associe la quantit P([a, b]) = est appele loi de probabilit sur I.

b a

(t )dt

En effet, cette dfinition est lgitime car on a :

P(I) = 1

Soit (In)n ! une famille de sous-intervalles disjoints de I, alors par linarit de l'intgrale : P In = n

(t )dt =

In

P( I )
n

On retrouve bien les proprits des probabilits.

Lois de probabilits continues

Page 2

G. COSTANTINI http://bacamaths.net/

Illustration :

P([a, b])

Remarques : Puisque [a, b] est inclus dans I et que est positive sur I, on bien P([a, b]) [0, 1]. La probabilit d'un singleton (ou intervalle rduit un point) est nulle. En effet : P({x0}) =

x0 x0

(t ) dt = 0

On dit alors que {x0} est un vnement "quasi-impossible". La dfinition s'tend des intervalles non borns lorsque la limite de l'intgrale existe.

Cas particuliers : Si est constante sur [a, b] (gale Si est de la forme (t) = le -lt sur 1 d'aprs un calcul prcdent), on dit que P est la loi uniforme. b-a
+

avec l > 0, on dit que P est la loi exponentielle de paramtre l.

2. Variables alatoires continues. Loi uniforme, loi exponentielle Sont dites continues les variables alatoires qui prennent leurs valeurs dans un intervalle I. 2.1. Dfinition Loi de probabilit d'une variable alatoire Soit P une loi de probabilit sur un intervalle I de densit . On dit qu'une variable alatoire X, valeurs dans I, suit une loi de probabilit P lorsque pour tout sousintervalle [a, b] de I, on a : P(a " X " b) =

b a

(t )dt

Exemples : Cas de la loi uniforme sur un intervalle [a, b] : P(a " X " b) =

b a

1 b-a dt = b-a b-a

Ainsi, si X suit une loi uniforme sur un intervalle I, alors la probabilit d'un sous-intervalle J est donne par la formule : longueur de J longueur de I
Lois de probabilits continues Page 3 G. COSTANTINI http://bacamaths.net/

 Cas d'une loi exponentielle de paramtre l > 0 sur P(0 " X " x) = Et par complmentarit :

x 0

le -lt dt = 1 - e -lx

P(X # x) = 1 - P(0 " X < x) = e -lx

Exercices : 1. Dans la journe, un mtro passe toutes les 6 minutes la station n14. Soit X le temps d'attente d'une personne cette station. On suppose que X suit la loi uniforme sur [0 ; 6]. Quelle est la probabilit que cette personne attende entre 3 et 5 minutes ? P(3 " X " 5) = 5-3 1 = 6 3

2. On suppose que la dure de vie X d'une voiture suit une loi exponentielle de paramtre 0,1. a. Calculer la probabilit qu'une voiture dpasse 10 ans de dure de vie : P(X > 10) = 1 - P(X " 10) = 1 b. On sait qu'une voiture a dur dj 10 ans. Quelle est la probabilit qu'elle dpasse 12 ans de dure de vie ? P(X > 12 | X > 10) = P(X > 10)(X > 12) = P ( X > 12) e -0,112 = = e-0,2 P ( X > 10) e -1 0,82

10 0

0,1e -0,1t dt =

1 e

c. Comparer le rsultat prcdent avec la probabilit que la dure de vie de la voiture dpasse deux ans : P(X > 2) = 1 - P(X " 2) = 1 -

2 0

0,1e -0,1t dt = e-0,2

0,82

On constate que la probabilit que la voiture dure deux ans de plus ne dpend pas de son ge. On dit que X est une loi de dure de vie sans vieillissement. Une tude plus systmatique de ce phnomne sera faite au paragraphe suivant.

2.2. Dfinition Fonction de rpartition Soit X une variable alatoire, valeurs dans un intervalle I de la forme [a, b] (ou de la forme [a, +[), qui suit une loi de probabilit P. On appelle fonction de rpartition de X, la fonction F dfinie pour tout rel x de I par : F(x) = P(X " x)

On a donc pour tout x de I :

F(x) =

x a

(t ) dt

Ce qui justifie la notation puisqu'il apparat alors que F est la primitive de la densit qui s'annule en a : F' =

Lois de probabilits continues

Page 4

G. COSTANTINI http://bacamaths.net/

De plus, on a les proprits suivantes : F est croissante sur [a, x] (puisque sa drive , qui est une densit, est positive sur I) F(a) = 0 F(b) = 1 (si I = [a, b]) ou P(X > x) = 1 - F(x) P(a < X " b) = F(b) - F(a) Exemple : dans le cas d'une variable alatoire qui suit une loi exponentielle de paramtre l, on a : F(x) = 1 - e -lx
x +

lim F(x) = 1 (si I = [a, +[)

3. Loi de dure de vie sans vieillissement 3.1. Dfinition Soit T la variable alatoire correspondant la dure de vie d'un individu ou d'un objet. On dit que T suit la loi de dure de vie sans vieillissement lorsque la probabilit que l'individu (ou l'objet) soit vivant (ou fonctionne) l'instant t + h sachant qu'il est vivant (ou qu'il fonctionne) l'instant t ne dpend pas de son ge t : P(T # t)(T # t + h) = P(T # h)

Remarque : la loi de dure de vie sans vieillissement s'applique-t-elle aux humains ? Non, ce n'est pas un modle pertinent long terme. En effet, un bb la naissance peut raisonnablement esprer vivre plusieurs dizaines d'annes alors qu'on ne peut en dire autant d'un vieillard. Le modle semble plus proche de la ralit lorsque h est petit. Par exemple la probabilit de vivre encore une minute semble comparable indpendamment de l'ge. Mais cette loi s'applique plutt des composants lectroniques par exemple.

3.2. Proprit Une variable alatoire T suit la loi de dure de vie sans vieillissement si seulement si elle suit une loi exponentielle. Dmonstration : Supposons que T suive une loi exponentielle de paramtre l Par dfinition d'une probabilit conditionnelle, on a : P(T # t)(T # t + h) = P ((T # t + h) (T # t )) P (T # t )
* +:

Or, l'vnement (T # t + h) est inclus dans l'vnement (T # t) donc : P((T # t + h) (T # t)) = P(T # t + h) = e -l( t + h ) Par ailleurs : P(T # t) = e -lt

Lois de probabilits continues

Page 5

G. COSTANTINI http://bacamaths.net/

D'o :

P(T # t)(T # t + h) =

e-l( t + h ) = e -lh = P(T # h) e -lt

Rciproquement, soit T une variable alatoire suivant une loi de dure de vie sans vieillissement. Alors pour tout rel t de
+

et tout rel h de

P(T # t)(T # t + h) = P(T # h) P(T # t + h) = P(T # h) P(T # t) Soit F la fonction de rpartition de la variable alatoire T. Notons j la fonction dfinie sur j(t) = 1 - F(t) = 1 - P(T " t) = P(T > t) = P(T # t) Comme F est drivable sur
+, +

par :

j l'est aussi et on a : j(0) = 1 - F(0) = 1 et j(t + h) = j(h) j(t)

Autrement dit, j vaut 1 en 0 et transforme les sommes en produits. On en dduit (voir thorme 3.1 dans la leon sur les quations diffrentielles du type y' = ky et la fonction exponentielle) qu'il existe un rel a tel que pour tout rel t de j(t) = e at Mais comme j est en fait une probabilit, on a pour tout t de j(t) " 1 e at " 1 at " 0 a"0 Posons l = -a
+. + +

Si a tait nul on aurait, pour tout rel t de j(t) = 1 P(T # t) = 1

Ce qui signifierait que notre individu est ternel, hypothse que l'on peut lgitimement rejeter. Donc on a bien : D'o, pour tout rel t de
+

l :

* +

j(t) = e -lt 1 - F(t) = e -lt

Et en drivant :

-(t) = -l e -lt (t) = l e -lt

La variable alatoire T suit donc une loi exponentielle de paramtre l.

Lois de probabilits continues

Page 6

G. COSTANTINI http://bacamaths.net/

4. Loi de dsintgration radioactive Nous avons dj vu (voir les exercices sur les quations diffrentielles) que dans un corps radioactif, le nombre moyen de noyaux d'atomes qui se dsintgrent pendant un intervalle de temps Dt est proportionnel au produit de Dt et du nombre N(t) de noyaux prsents l'instant t. Il existe donc une constante l strictement positive(1) , indpendante du temps t telle que : DN(t) = -l N(t) Dt Lorsqu'on a affaire un trs grand nombre de noyaux atomiques (ce qui est le cas en pratique) on assimile la fonction t a N(t) une fonction continue et drivable. En faisant tendre l'intervalle d'observation Dt vers 0, la relation ci-dessus s'crit : dN(t) = -l N(t) dt dN (t ) = -l N(t) dt Ce que, nous autres mathmaticiens notons encore : N'(t) = -l N(t) On en dduit la loi de dsintgration radioactive : N(t) = N0 e -lt Nous proposons maintenant de retrouver cette loi par une autre approche. En effet, selon les physiciens la dure de vie T d'un noyau radioactif suit une loi de dure de vie sans vieillissement, autrement dit, une loi exponentielle. Considrons l'exprience E : "on examine un noyau l'instant t". Notons S l'vnement "ce noyau n'est pas dsintgr". D'aprs la loi exponentielle, il existe un rel l strictement positif tel que : P(S) = P(T # t) = e -lt Supposons que l'on ait au dpart (t = 0), dans notre corps radioactif, N0 noyaux. Notons Xt la variable alatoire gale au nombre de noyaux non dsintgrs l'instant t. Comme chaque noyau se dsintgre indpendamment des autres, on peut affirmer que Xt suit une loi binomiale de paramtres n = N0 et p = P(S) = e -lt . Le nombre moyen N(t) de noyaux prsents l'instant t est donc donn par l'esprance de Xt : N(t) = $(Xt) = np = N0 e -lt

5. Esprance d'une variable alatoire continue 5.1. Dfinition Esprance d'une variable alatoire continue Soit X une variable alatoire continue prenant ses valeurs dans un intervalle I. On appelle esprance de X la quantit : $(X) =

t (t ) dt
I

(Sous rserve d'existence lorsque I n'est pas born)

(1)

La constante l est appele "constante radioactive du noyau" Page 7 G. COSTANTINI http://bacamaths.net/

Lois de probabilits continues

Exemples : 1. Cas d'une variable alatoire X suivant une loi uniforme sur I = [a, b] : $(X) =

b a

t 1 dt = b-a b-a

t2 b+a = 2 2 a

Rien de bien surprenant dans ce rsultat, on obtient la moyenne arithmtique de a et b. 2. Cas d'une variable alatoire X suivant une loi exponentielle de paramtre l > 0 sur Calculons tout d'abord l'intgrale suivante :
+.

On pose : Ainsi : Une intgration par parties donne : l

x 0

t le -lt dt = l

x 0

te -lt dt

u(t) = t et v'(t) = e -lt u'(t) = 1 et v(t) = e -lt l

te -lt dt = -te-lt + 0 0

x 0

e -lt dt = -x e -lx -

1 -lt x -lxe -lx - e -lx + 1 e = 0 l l

Puis, on tudie la limite lorsque x tend vers +. On sait que :

x +

lim -x e -lx = 0 (car lim Xe-X = 0 et l > 0)

X +

Et : D'o :

x +

lim e -lx = 0

$(X) =

1 l

6. Liens entre le discret et le continu

DISCRET Univers X(W) Evnement E : partie de X(W)

CONTINU Intervalle I Evnement J : sous-intervalle de I (ou partie engendre par des intervalle)(1) Densit de probabilit

Probabilits pi des vnements lmentaires

p =1
i i

(t )dt = 1
I

Esprance d'une variable alatoire discrte X $(X) =

Esprance d'une variable alatoire continue X $(X) =

x p
i

i i

t (t ) dt
I

On ne peut pas considrer que chaque partie de I est un vnement car on aurait une structure bien trop lourde qui nous empcherait de calculer les probabilits. En pratique, on considre que les vnments sont les parties de I engendres par les intervalles (tribu des Borliens) Lois de probabilits continues Page 8 G. COSTANTINI http://bacamaths.net/

(1)