Académique Documents
Professionnel Documents
Culture Documents
.
.
.
.
.
.
.
.
.
.
.
.
.
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 desprance et dcart type
2.3.2 Influence de lcart type . . . . . . . . . . . .
2.3.3 Approximation normale dune loi binomiale
2.3.4 Thorme Central-Limit (hors programme) .
PAUL M ILAN
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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
T ERMINALE S
1 Lois densit
1.1 Introduction
Lorsque lon sintresse 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 infinit
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 infini. La probabilit dune valeur isole de X est alors nulle.
On contourne cette difficult en associant la variable X un intervalle de R et en
dfinissant une densit de probabilit.
(I)
f (t) dt = 1
f (t) dt
Z x
a
f (t)dt
ou
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.
lim
Z x
a a
1
Cf
1 u.a.
P (X I)
P (X J)
Cf
P(X [, ]) = P(X [, [)
= P(X ], ])
= P(X ], [)
PAUL M ILAN
f (t)dt
F(x)
O
T ERMINALE S
1. LOIS DENSIT
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)
(I)
t f (t) dt
Dfinition
Dfinition 3 : Une variable alatoire X suit une loi uniforme dans lintervalle
I = [ a, b], avec a 6= 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.
P( X J )
Esprance mathmatique
E(X) =
a+b
2
T ERMINALE S
Zone
de rejet
zone
dacceptation
y 6 1 x2
O
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 obtient
N = 10 000 :
Variables : N, D, I : entiers
X, Y : rels dans [0 ; 1]
Entres et initialisation
Effacer lcran
Lire N
0D
Traitement
pour I de 1 N faire
random(0,1) X
random(0,1) Y
si Y 6 1 X 2 alors
D+1 D
Tracer le point ( X, Y )
fin
fin
D
Sorties : Afficher D, 4
N
PAUL M ILAN
le
graphe
suivant
pour
3,157 2
1
La prcision est de lordre de 0, 01
N
T ERMINALE S
1. LOIS DENSIT
Variables : N, I : entiers
X, S, p rels
Entres et initialisation
Lire N
0 S
Traitement
pour I de 1 N faire
random(0,1) X
S + 1 X2 S
fin
S/N p
Sorties : Afficher 4p
On calcule la somme
S des N valeurs
prises par f ( X ) = 1 X 2 .
Pour a = 0, b = 1 et f (t) = 1 t2
1
=
ba
Z b
a
f (t) dt =
Z 1p
0
1 t2 dt =
4
f ( xi )
i =1
Dfinition
Z x
0
car
h
ix
e t dt = et = e x + 1
0
f est bien une densit de probabilit, car la fonction f est continue, positive et :
lim F ( x ) = lim 1 e x = 1
x +
x +
P (X 6 a ) = F ( a ) = 1 e a
P (X 6 a )
O
PAUL M ILAN
P( a 6 X 6 b)
a
P (X > b )
b
T ERMINALE S
1.4.2
Thorme 2 : La loi exponentielle est une loi sans mmoire cest dire que :
t > 0 et h > 0 on a
ROC
P (X > t + h )
P(X > t et X > t + h)
=
P (X > t )
P (X > t )
et eh
e(t+h)
=
et
et
= eh = P(X > h)
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 linstant t, ne dpend pas de t.
On admettra que la loi exponentielle est la seule loi sans vieillissement
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 :
ROC
E(X) =
Z x
x + 0
g(t) dt
x
Z x
Z x
1
1 t 1
t
e
g (t) dt = e
g(t) dt =
On a alors :
g(t)
0
0
0
1
1
ex g( x ) + 1 + g(0) =
ex xex + 1
=
g(t) = et
On pose : Y = x , do si x + alors Y
On a alors :
lim ex = lim eY = 0 et
x +
lim
Z x
x + 0
x +
g(t) dt =
T ERMINALE S
1. LOIS DENSIT
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 10 ans
1) Si T vrifie 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 6 5) =
Z 5
0
h
i5
et dt = et = e5 + 1
On a alors : e5 + 1 = 0, 675
On trouve alors : =
e5 = 0, 325
ln 0, 325
0, 225
5
5 = ln 0, 325
2) On a :
a) P( T < 8) = P( T 6 8) = 1 e0,2258 0, 835
3) E( T ) =
1.4.5
1
1
=
4, 44 soit peu prs 4 ans et demi
0, 225
Application la physique
T ERMINALE S
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 vrifie :
N (t) = N0 et
On appelle demi-vie t1/2 , le temps ncessaire pour que le nombre de radionuclides 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
1
sans vieillissement, on appelle demi-vie la dure t1/2 tel que P( X > t1/2 ) = .
2
On obtient alors :
ln 2
t1/2 =
Enfin la dure de vie moyenne dun radionucide est donne par lesprance
mathmatique :
=
Dfinition 6 :
or
ln 2
t1/2
donc
t1/2
1, 44 t1/2
ln 2
vie sans vieillissement, la dure de vie moyenne est donne par lesprance
mathmatique.
t
= 1/2 1, 44 t1/2
ln 2
1
u.a.
2
O
PAUL M ILAN
1
u.a.
2
t1/2 E( X )
T ERMINALE S
2. LA LOI NORMALE
Continu
Univers
Intervalle I ou R
vnement E
sous-ensemble de
vnement J
sous-intervalle de I
Densit
de probabilit
Z
pi = 1
(I)
pi xi
quiprobabilit
P( E) =
f (t) dt = 1
(I)
t f (t) dt
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)
t2
1
(t) = e 2
2
T ERMINALE S
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
R ( 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.
Z 0
a+ a
2.2.2
t2
1
e 2 dt = lim
a+
2
Z a
0
t2
1
1
e 2 dt =
2
2
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 dfinie par :
( x ) =
Z x
(t) dt
Remarque :
0.4
10
0.3
0.2
0.1
( a)
1
1.00
0.75
0.50
0.25
T ERMINALE S
2. LA LOI NORMALE
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 6 b, on a :
P( a 6 X 6 b) = (b) ( a)
P( X > a) = 1 ( a)
P( X 6 | 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 > a) = 1 P( X 6 a)
Enfin 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 > 1, 35)
b) P( X 6 0, 56)
c) P(0, 56 6 X 6 1, 35)
d) P( X 6 0, 56 ou X > 1, 35)
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 6 1, 35) = 1 (1, 35) = 1 0,911 5 = 0,088 5
0.3
P( X 6 0, 56)
3
PAUL M ILAN
0.2
P( X 6 0, 56 ou X > 1, 35)
0.1
P( X > 1, 35)
1 -0,56
1 1,35
11
3
T ERMINALE S
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
Thorme 6 :
X est une variable alatoire qui suit une loi normale centre
P( x 6 X 6 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
12
T ERMINALE S
2. LA LOI NORMALE
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 lintervalle avec une prcision de 102 .
On a donc : 1 = 0, 8
= 0, 2
X
suit une loi normale
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
20 6 T 6 24, 5
3, 6
3, 6
On a alors : (1, 75) (0, 5) = 0, 960 0, 692 = 0, 268
0, 5 6 Z 6 1, 75
1
2
0.6
0.4
=1
0.2
=2
1
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 signifie 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. LA LOI NORMALE
68%
99,7%
99,7%
95%
95%
+ 2
+ 3
On a alors :
P( 6 X 6 + ) = 0, 68
P( 2 6 X 6 + 2 ) = 0, 95
P( 3 6 X 6 + 3 ) = 0, 997
2.3.3
n+
Z b
a
t2
1
e 2 dt
2
Remarque : Pour les grandes valeurs de n la loi binomiale B (n, p) est proche de
la loi normale N (np, np(1 p))
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
2
correspondante ( = 20 0, 5 = 10 et = 20 0, 5 = 5). Les deux dernires
conditions sont respectes (np = 10 et n(1 p) = 10)
PAUL M ILAN
10 11 12 13 14 15 16 17 18 19
15
T ERMINALE S
Calculons P(9 6 X 6 11) avec la loi binomiale B (20; 0, 5) puis avec la loi normale
N (10, 5).
Avec la loi binomiale. Sur la calculette "binomFdP(20 ;0.5,{9,10,11})"
P(9 6 X 6 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 6 X 6 11, 5. Cest ce quon appelle
la correction de continuit.
Avec la calculette : "NormalFRp(8.5,11.5,10, 5)"
P(8, 5 6 X 6 11, 5) 0, 4977
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
do E( X ) = 6 et ( X ) =
5, 56.
10 11 12 13
b) P( X > 40)
c) P( X 6 20 ou X > 40)
Il faut dabord calculer les paramtres de la loi normale correspondante cette loi
binomiale B (180, 1/6)
r
1
1 5
E( X ) = np = 180 = 30 et ( X ) = 180 = 5
6
6 6
Il faut vrifier quon se trouve dans les hypothses de lapproximation :
np = 30 > 5 et n(1 p) = 150 > 5
16
T ERMINALE S
2. LA LOI NORMALE
X 30
.
5
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 fluctuations indpendantes comme la taille dun individu.
PAUL M ILAN
17
T ERMINALE S