Académique Documents
Professionnel Documents
Culture Documents
Issam Elhattab
2011 - 2012
2 Fonction de répartition
5 Loi uniforme
6 Loi normale
7 Loi exponentielle
Soit X une variable aléatoire dont les valeurs possibles est un intervalle de R. On dit
que X est une variable aléatoire continue s'il existe une fonction f : R → R+ , telle
que, pour tout ensemble A ⊆ R on a
Z
P(X ∈ A) = f (x)dx. (1)
A
Soit X une variable aléatoire dont les valeurs possibles est un intervalle de R. On dit
que X est une variable aléatoire continue s'il existe une fonction f : R → R+ , telle
que, pour tout ensemble A ⊆ R on a
Z
P(X ∈ A) = f (x)dx. (1)
A
On a aussi Z b
P(a ≤ X ≤ b) = f (x)dx.
a
Et pour a = b on a Z a
P(X = a) = f (x)dx =
a
Soit X une variable aléatoire dont les valeurs possibles est un intervalle de R. On dit
que X est une variable aléatoire continue s'il existe une fonction f : R → R+ , telle
que, pour tout ensemble A ⊆ R on a
Z
P(X ∈ A) = f (x)dx. (1)
A
On a aussi Z b
P(a ≤ X ≤ b) = f (x)dx.
a
Et pour a = b on a Z a
P(X = a) = f (x)dx = 0.
a
Ce qui exprime que la probabilité qu'une v.a. continue prenne une valeur donnée est
nulle.
Théorème
Une fonction f dénie sur R est une densité de probabilité si et seulement si :
1 f est continue sur R sauf peut être en un nombre dénombrable de points ;
Exemple
Soit f une fonction définie, pour tout x ∈ R, par
e−x
si x ≥ 0;
f (x) =
0 si x < 0.
Théorème
Une fonction f dénie sur R est une densité de probabilité si et seulement si :
1 f est continue sur R sauf peut être en un nombre dénombrable de points ;
Exemple
Soit f une fonction définie, pour tout x ∈ R, par
e−x
si x ≥ 0;
f (x) =
0 si x < 0.
Théorème
Une fonction f dénie sur R est une densité de probabilité si et seulement si :
1 f est continue sur R sauf peut être en un nombre dénombrable de points ;
Exemple
Soit f une fonction définie, pour tout x ∈ R, par
e−x
si x ≥ 0;
f (x) =
0 si x < 0.
Fonction de répartition
Définition
Soit X une v.a. de fonction de densité de probabilité f . La fonction de répartition F
de X est dénie par :
F(x) = P(X ≤ x) =
Définition
Soit X une v.a. de fonction de densité de probabilité f . La fonction de répartition F
de X est dénie par : Z x
F(x) = P(X ≤ x) = f (x)dx.
−∞
dF
Remarquons que f (x) = F 0 (x) = (x), ∀x ∈ R.
dx
Définition
Soit X une v.a. de fonction de densité de probabilité f . La fonction de répartition F
de X est dénie par : Z x
F(x) = P(X ≤ x) = f (x)dx.
−∞
dF
Remarquons que f (x) = F 0 (x) = (x), ∀x ∈ R.
dx
Théorème
Si X est une v.a. de fonction de densité de probabilité f , alors, on a :
Z x
1 F(x) = P(X ≤ x) = P(X < x) = f (x)dx.
−∞
Définition
Soit X une v.a. de fonction de densité de probabilité f . La fonction de répartition F
de X est dénie par : Z x
F(x) = P(X ≤ x) = f (x)dx.
−∞
dF
Remarquons que f (x) = F 0 (x) = (x), ∀x ∈ R.
dx
Théorème
Si X est une v.a. de fonction de densité de probabilité f , alors, on a :
Z x
1 F(x) = P(X ≤ x) = P(X < x) = f (x)dx.
−∞
2 ∀(a, b) ∈ R2 tel que a < b,
P(a < X ≤ b) = P(a ≤ X ≤ b) = P(a ≤ X < b) = P(a < X < b) =
Z b
F(b) − F(a) = f (x)dx.
a
Exemple
Soit X une v.a. continue de den- C(4x − 2x2 ) si 0 < x < 2;
f (x) =
sité de probabilité donnée par : 0 sinon.
1 Déterminer la valeur de C et calculer la fonction de répartition F de X .
Solution :
Exemple
Soit X une v.a. continue de den- C(4x − 2x2 ) si 0 < x < 2;
f (x) =
sité de probabilité donnée par : 0 sinon.
1 Déterminer la valeur de C et calculer la fonction de répartition F de X .
Solution :
2 3 2
1 Puisque f est une densité, on a : . Donc 2
= 1,
R
R f (x)dx = 1 C(2x − x )
3 0
3
d'où C = .
8
Exemple
Soit X une v.a. continue de den- C(4x − 2x2 ) si 0 < x < 2;
f (x) =
sité de probabilité donnée par : 0 sinon.
1 Déterminer la valeur de C et calculer la fonction de répartition F de X .
Solution :
2 3 2
1 Puisque f est une densité, on a : . Donc 2
= 1,
R
R f (x)dx = 1 C(2x − x )
3 0
3
d'où C = .
8
2 Calculons la fonction de répartition de X . On a :
Rx
• pour tout x ≤ 0 : F(x) = −∞ f (x)dx =
Exemple
Soit X une v.a. continue de den- C(4x − 2x2 ) si 0 < x < 2;
f (x) =
sité de probabilité donnée par : 0 sinon.
1 Déterminer la valeur de C et calculer la fonction de répartition F de X .
Solution :
2 3 2
1 Puisque f est une densité, on a : . Donc 2
= 1,
R
R f (x)dx = 1 C(2x − x )
3 0
3
d'où C = .
8
2 Calculons la fonction de répartition de X . On a :
Rx Rx
• pour tout x ≤ 0 : F(x) = −∞ f (x)dx = −∞ 0dx = 0.
Rx
• pour tout 0 < x < 2 : F(x) = −∞ f (x)dx =
Exemple
Soit X une v.a. continue de den- C(4x − 2x2 ) si 0 < x < 2;
f (x) =
sité de probabilité donnée par : 0 sinon.
1 Déterminer la valeur de C et calculer la fonction de répartition F de X .
Solution :
2 3 2
1 Puisque f est une densité, on a : . Donc 2
= 1,
R
R f (x)dx = 1 C(2x − x )
3 0
3
d'où C = .
8
2 Calculons la fonction de répartition de X . On a :
Rx Rx
• pour tout x ≤ 0 : F(x) = −∞ f (x)dx = −∞ 0dx = 0.
Rx R0
• pour tout 0 < x < 2 : F(x) = −∞ f (x)dx = −∞ 0 dx + 0x 38 (4x − 2x2 )dx =
R
h ix
3
8
(2x2 − 32 x3 ) = 34 x2 − 14 x3 .
0
• pour tout x ≥ 2 :
Rx
F(x) = −∞ f (x)dx =
Exemple
Soit X une v.a. continue de den- C(4x − 2x2 ) si 0 < x < 2;
f (x) =
sité de probabilité donnée par : 0 sinon.
1 Déterminer la valeur de C et calculer la fonction de répartition F de X .
Solution :
2 3 2
1 Puisque f est une densité, on a : . Donc 2
= 1,
R
R f (x)dx = 1 C(2x − x )
3 0
3
d'où C = .
8
2 Calculons la fonction de répartition de X . On a :
Rx Rx
• pour tout x ≤ 0 : F(x) = −∞ f (x)dx = −∞ 0dx = 0.
Rx R0
• pour tout 0 < x < 2 : F(x) = −∞ f (x)dx = −∞ 0 dx + 0x 38 (4x − 2x2 )dx =
R
h ix
3
8
(2x2 − 32 x3 ) = 34 x2 − 14 x3 .
0
• pour tout x ≥ 2 :
R0
0 dx + 02 38 (4x − 2x2 )dx + 2x 0 dx = 1. On résume,
Rx R R
F(x) = −∞ f (x)dx = −∞
si x ≤ 0;
0
3 2 1 3
on a donc : F(x) = x − x si 0 < x < 2;
4 4
si x ≥ 2.
1
Espérance
Exemple
Soit X une v.a. de fonction de densité de probabilité définie par :
1
si 0 < x < 2;
f (x) = 2
0 sinon.
Exemple
Soit X une v.a. de fonction de densité de probabilité définie par :
1
si 0 < x < 2;
f (x) = 2
0 sinon.
Exemple
Soit X une v.a. de fonction de densité de probabilité définie par :
1
si 0 < x < 2;
f (x) = 2
0 sinon.
Variance
Soit X une variable aléatoire de densité de probabilité f :
Définition
La variance mathématiques de X , notée Var(X), est dénie par :
h i
Var(X) = E (X − E(X))2
Z
= (x − E(X))2 f (x)dx.
R
Variance
Soit X une variable aléatoire de densité de probabilité f :
Définition
La variance mathématiques de X , notée Var(X), est dénie par :
h i
Var(X) = E (X − E(X))2
Z
= (x − E(X))2 f (x)dx.
R
h i2
Var g(X)
= E g(X) − E(g(X))
Z 2
= g(x) − E(g(X)) f (x)dx.
R
Exemple
Soit X une v.a. de fonction de densité de probabilité définie par :
1
si 0 < x < 2;
f (x) = 2
0 sinon.
Exemple
Soit X une v.a. de fonction de densité de probabilité définie par :
1
si 0 < x < 2;
f (x) = 2
0 sinon.
Exemple
Soit X une v.a. de fonction de densité de probabilité définie par :
1
si 0 < x < 2;
f (x) = 2
0 sinon.
Propriétés
Soit X et Y deux variables aléatoires, et, a et b deux réels, on a,
1 E(a) = a, E(aX + b) = aE(X) + b.
2 Var(a) = 0, Var(aX + b) = a2 Var(X).
Démonstration
La v.a. X étant continue, X admet donc une densité de probabilité f .
Z Z Z
1 On a : E(aX + b) = (ax + b)f (x)dx = a xf (x)dx + b f (x)dx = aE(X) + b.
R R R
Remarquons que pour a = 0 on a E(b) = b.
2 On a :
Z 2 Z 2
Var(aX + b) = ax + b − E(aX + b) f (x)dx = ax − aE(X) f (x)dx
R R
Z 2
2
= a x − E(X) f (x)dx
R
= a2 Var(X).
Introduction
1 Loi uniforme ;
2 Loi normale ;
3 Loi exponentielle.
Loi uniforme
Définition
On dit qu'une v.a. X est de loi uniforme sur un intervalle [a, b] (pour a < b), et on
note X ∼ U ([a, b]), si sa densité de probabilité est donnée par :
1
si a ≤ x ≤ b;
f (x) = b−a
sinon.
0
Définition
On dit qu'une v.a. X est de loi uniforme sur un intervalle [a, b] (pour a < b), et on
note X ∼ U ([a, b]), si sa densité de probabilité est donnée par :
1
si a ≤ x ≤ b;
f (x) = b−a
sinon.
0
Remarque
Z
1
Z b
On vérie que : f (x)dx = dx = 1.
R b−a a
1
Z d d−c
Aussi, pour a ≤ c ≤ d ≤ b, on a : P(c ≤ X ≤ d) = dx = .
b−a c b−a
Exemple
Soit X une v.a. de loi uniforme sur [0, 7]. Calculer la probabilité que : 2 < X < 5.
Définition
On dit qu'une v.a. X est de loi uniforme sur un intervalle [a, b] (pour a < b), et on
note X ∼ U ([a, b]), si sa densité de probabilité est donnée par :
1
si a ≤ x ≤ b;
f (x) = b−a
sinon.
0
Remarque
Z
1
Z b
On vérie que : f (x)dx = dx = 1.
R b−a a
1
Z d d−c
Aussi, pour a ≤ c ≤ d ≤ b, on a : P(c ≤ X ≤ d) = dx = .
b−a c b−a
Exemple
Soit X une v.a. de loi uniforme sur [0, 7]. Calculer la probabilité que : 2 < X < 5.
5−2 3
P(2 < X < 5) = = .
7−0 7
I. Elhattab (ENCG) Variables continues 2011 - 2012 18 / 28
Loi uniforme
Fonction de répartition
Soit X une v.a. de loi uniforme sur [a, b]. La fonction de répartition de X est dénie
par :
si x < a;
0
x−a
F(x) = si a ≤ x < b;
b−a
1 si x ≥ b
Exemple
Soit X une v.a. de loi uniforme sur [0, 7]. Calculer les probabilités que : X < 3,
X > 1.
Fonction de répartition
Soit X une v.a. de loi uniforme sur [a, b]. La fonction de répartition de X est dénie
par :
si x < a;
0
x−a
F(x) = si a ≤ x < b;
b−a
1 si x ≥ b
Exemple
Soit X une v.a. de loi uniforme sur [0, 7]. Calculer les probabilités que : X < 3,
X > 1.
3−0 3
P(X < 3) = = ,
7−0 7
Fonction de répartition
Soit X une v.a. de loi uniforme sur [a, b]. La fonction de répartition de X est dénie
par :
si x < a;
0
x−a
F(x) = si a ≤ x < b;
b−a
1 si x ≥ b
Exemple
Soit X une v.a. de loi uniforme sur [0, 7]. Calculer les probabilités que : X < 3,
X > 1.
3−0 3 7−1 6 1
P(X < 3) = = , et, P(X > 1) = = (= 1 − ).
7−0 7 7−0 7 7
Théorème
Soit X une v.a. de loi uniforme sur [a, b]. Alors on a :
a+b
E(X) = ,
2
et
(b − a)2
Var(X) = .
12
Exemple
Soit X une v.a. uniforme sur [0, 7]. Calculer E(3X 2 − 2) et Var(3X 2 − 2).
Loi normale
Définition
On dit qu'une v.a. X est de loi normale de paramètres µ et σ > 0, et on note
X ∼ N (µ, σ), si sa densité de probabilité est donnée par :
(x − µ)2
1
f (x) = √ exp − .
σ 2π 2σ 2
Définition
On dit qu'une v.a. X est de loi normale de paramètres µ et σ > 0, et on note
X ∼ N (µ, σ), si sa densité de probabilité est donnée par :
(x − µ)2
1
f (x) = √ exp − .
σ 2π 2σ 2
Remarque
Cas particulier (très important) : Si µ = 0 et σ = 1 on dit que X est de loi normale
centrée réduite. Dans ce cas, la densité de probabilité de X est donnée par :
2
1 x
f (x) = √ exp − .
2π 2
Exemple
Soit X une v.a. de loi normale centrée réduite. Calculer la probabilité que : X < 0.
Définition
On dit qu'une v.a. X est de loi normale de paramètres µ et σ > 0, et on note
X ∼ N (µ, σ), si sa densité de probabilité est donnée par :
(x − µ)2
1
f (x) = √ exp − .
σ 2π 2σ 2
Remarque
Cas particulier (très important) : Si µ = 0 et σ = 1 on dit que X est de loi normale
centrée réduite. Dans ce cas, la densité de probabilité de X est donnée par :
2
1 x
f (x) = √ exp − .
2π 2
Exemple
Soit X une v.a. de loi normale centrée réduite. Calculer la probabilité que : X < 0.
0 1 +∞ 1
Z 2 Z 2
1 x x 1
P(X < 0) = √ exp − dx = √ exp − dx = .
−∞ 2π 2 2 −∞ 2π 2 2
Fonction de répartition
Soit X une v.a. de loi normale centrée réduite. La fonction de répartition de X
s'écrit : Z x 2
1 x
F(x) = √ exp − dx.
2π −∞ 2
Propriété
Si X ∼ N (0, 1), alors, pour tout x ∈ R, on a : F(−x) = 1 − F(x).
Fonction de répartition
Soit X une v.a. de loi normale centrée réduite. La fonction de répartition de X
s'écrit : Z x 2
1 x
F(x) = √ exp − dx.
2π −∞ 2
Propriété
Si X ∼ N (0, 1), alors, pour tout x ∈ R, on a : F(−x) = 1 − F(x).
Démonstration
En effet,
x2 x2 x2
Z −x ( ) Z +∞ ( ) Z +∞ ( )
1 1 1
F(−x) = √ exp − dx = √ exp − dx − √ exp − dx
−∞ 2π 2 −∞ 2π 2 −x 2π 2
x2
Z x ( )
1
= 1− √ exp − dx = 1 − F(x).
−∞ 2π 2
Fonction de répartition
Soit X une v.a. de loi normale centrée réduite. La fonction de répartition de X
s'écrit : Z x 2
1 x
F(x) = √ exp − dx.
2π −∞ 2
Propriété
Si X ∼ N (0, 1), alors, pour tout x ∈ R, on a : F(−x) = 1 − F(x).
Démonstration
En effet,
x2 x2 x2
Z −x ( ) Z +∞ ( ) Z +∞ ( )
1 1 1
F(−x) = √ exp − dx = √ exp − dx − √ exp − dx
−∞ 2π 2 −∞ 2π 2 −x 2π 2
x2
Z x ( )
1
= 1− √ exp − dx = 1 − F(x).
−∞ 2π 2
Exemple
1
OnI. Elhattab
vérie (ENCG)
encore que pour une v.a. Variables
normale centrée réduite X , P(X < 0) =
continues 2011 .- 2012 23 / 28
Loi normale
Proposition
Si Y ∼ N (µ, σ), alors :
Y −µ
X= ∼ N (0, 1).
σ
Exemple
Théorème
Soit X une v.a. de loi normale centré réduite. Alors on a :
E(X) = 0,
et
Var(X) = 1.
Théorème
Soit X une v.a. de loi normale centré réduite. Alors on a :
E(X) = 0,
et
Var(X) = 1.
Théorème
Soit X une v.a. de loi normale centré réduite. Alors on a :
E(X) = 0,
et
Var(X) = 1.
Exemple
Soit X une v.a. normale de paramètres µ et σ > 0. Calculer E(X) Var(X).
Loi exponentielle