Vous êtes sur la page 1sur 33

LOI DES PROBABILITES CONTINUE

Exercice 1: 1-1/ Calcul des probabilités issues de la loi normale N(m

a) avec la table de la loi normale réduite

k
calcul:
d'où P( X < k )

b) avec Excel --> LOI.NORMALE.N ou avec LOI.NORMAL.STANDA

k
calcul:
Formule: P( X > k )
P( X < k )
d'où P( X > k )

k
P( X < k)

calcul:
Formule: P( k1 < X < k2 )

d'où P( k1 < X < k2 )


k
Rappel: P( X < - k )

P( X < k )
d'où P( X < - k ) = 1 - P ( X < k )

Formule: P( X > - k )
d'où P( X > - k )

k
calcul:
Formule: P( -k1 < X < -k2 )
donc P( k2 < X < k1 )

P( X < k )

d'où P( -k1 < X < -k2 )

k
calcul:
Formule: P( -k1 < X < k2 )

P( X < k )
d'où P( -k1 < U < k2 )
LOI DES PROBABILITES CONTINUES - LOI NORMALE - LOI DE GAUSS

obabilités issues de la loi normale N(m;s) avec

a loi normale réduite

1 1.96
P( X < 1) P( X < 1,96)
0.8413 0.9750
0.841344746068543 0.975002104851779

.NORMALE.N ou avec LOI.NORMAL.STANDARD.N( )

1 1.63
P( X > 1) P( X > 1,63)
1 - P( X < k )
0.841344746068543 0.94844925150991
0.158655253931457 0.051550748490089
0.158655253931457 0.05155074849009

1-2/ Calcul des probabilités avec des intervalles positives

1 2
0 1
0.5 0.841344746068543

en plus
P( 0 < X < 1,3 ) P( 1 < X < 2 )
P (X < k2) - P (X < k1)
P( X < 1,3) - P( X < 0) P( X < 2) - P( X < 1 )
0.40319951541439 0.135905121983278
1-3/ Calcul des probabilités avec des bornes négatives

-1 -0.88
P(X>k) or P( X > k ) = 1 - P( X < k )
1 0.88
0.841344746068543 0.810570345223288
0.158655253931457 0.189429654776712

P( X < k )

1-4/ Calcul des probabilités avec des intervalles toutes négatives

k1 k2
-1.85 -1.07
P( -1,85 < X < -1,07 )
en multipliant les 2 bornes par (-), les bornes changent de sens
P( X < k1 ) - P(X < k2 )
1.85 1.07

0.967843225204386 0.857690345644061

P( X < k1 ) - P(X < k2 ) 0.110152879560326

1-5/ Calcul des probabilités avec des intervalles positives et négatives

k1 k1
-2.1 -1.12
P( -2,1 < X < 1,3 )
P( X < k2 ) - P( X < - k1 ) P( X < k2 ) - P( X > k1 )
2.1 1.12

0.982135579437183 0.868643118957269
P( X < k2 ) - [ 1 - P( X < k1 )] 0.594390001207196
LOI DE GAUSS

moyenne = E(X) = m = 0 écart-type = s = s =

en plus
2.58 1.5
P( X < 2,58) P( X < 1,5)
0.9951 0.9332
0.995059984242229 0.933192798731142

en plus
0.35 1.5
P( X < 0,35) P( X < 1,5)

0.636830651175619 0.933192798731142
0.363169348824381 0.066807201268858
0.363169348824381 0.066807201268858

3 4 5
1.3 2 0.42
0.90319951541439 0.977249868051821 0.66275727315175

P( 0,42 < X < 1,07 )

P( X < 1,07 ) - P( X < 0,42 )


0.19493307249231
-0.5 -2.23

0.5 2.23
0.691462461274013 0.987126278561398

P( k2 < X < k1 )

t négatives

k2 k2
0.6 1.3
P( -1,12 < U < 0,6 )
P( X < k2 ) - [ 1 - P( X < k1 )]
0.6 1.3
0.725746882249926 0.90319951541439
0.885335094851573
1

LOI.NORMAL.N(.)

LOI.NORMAL.N(.)

6
1.07
0.857690345644061
Calcul des probabilités pour
EXERCICE 3

Question 1: Loi Normale N(50 ; 10) où

Calculer la probabilité

1
X 60
Formule: Z = ( X - E(X) ) / s(X) 1
calcul: P( Z < 1)
d'où P ( X < 60 ) = P (60) 0.841344746068543
calcul:
P ( X < 43 )
d'où P ( X < 43 )
calcul:
P ( 45 < X < 55)
P(45 < X < 55)
d'où P(45 < X < 55)

Question 2: Loi Normale N(3 ; 0,45) où

Calculer la probabilité

1
X 4
Formule: Z = (X - E(X)) / s(X) 2.22222222222222
Calcul:
P( Z > Z1) 1 - P( Z < 2,222)
d'où P( Z > Z1 ) 0.013134145691021
Calcul: P( X < 2,55 ) --> P( Z < -1 )
P( Z < - Z2)
d'où P( Z < - Z2)
Calcul:
P(Z3 < Z < Z4 )
P(Z3 < Z < Z4 )
d'où P(Z3 < Z < Z4 )

Question 3: Loi Normale N(22 ; 4) où

Calculer la probabilité

1
X 19
Formule: Z = (X - E(X)) / s(X) -0.75
Calcul: P( X <= 19) --> P ( Z <=
P ( Z <= Z1 ) P( Z <= -0,75 ) = P( Z >= 0,75 ) =
d'où P( Z <= Z1 ) 0.773372647623132
Calcul: P( X >= 25) --> P( Z >=
P( Z >= Z2 )
d'où P( Z >= Z2 )
Calcul:
P(Z3 <= Z <= Z4)

d'où P( Z3 <= Z <= Z4 )


l des probabilités pour une loi normale non réduite non centrée

N(50 ; 10) où E(X) = 50

P( X < 60), P( X < 43 ) et P( 45 < X < 55 )

-0.7
2 3 4
43 55 45
-0.7 0.5 -0.5
0.242

0.241963652223073

P( Z < -0,7 )
P( Z > 0,7 ) 1 - P( Z < 0,7 ) = 1 - P (0,7)
0.241963652223073
P( - 0,5 < Z < 0,5) = P( Z < 0,5) - P(Z < - 0,5)
P( Z < 0,5) - P( Z > 0,5 ) = P(Z < 0,5) - ( 1 - P(Z < 0,5))
2 * P( Z < 0,5 ) -1
0.382924922548026

N(3 ; 0,45) où E(X) = 3

P( X > 4 ), P( X < 2,55 ) et P( 3,2 < X < 3,7 )

2 3 4
2.55 3.2 3.7
-1 0.444444444444445 1.55555555555556
P( X > 4 ) --> P( Z > 2,222)

0.013134145691021 ok

P( X < 2,55 ) --> P( Z < -1 ) = P( Z > 1 )


P( Z > 1) = 1 - P( Z < 1)
0.158655253931457 0.158655253931457 ok

P( 3,2 < X < 3,7 ) ---> P( 0,444 < Z < 1,555 )


P( Z < 1,555) - P( Z < 0,444)
0.940093092897228 0.671639356718115
0.268453736179113
0.268453736179113 ok

N(22 ; 4) où E(X) = 22

P( X <= 19 ), P( X >= 25 ) et P( 18 <= X <= 26 )

2 3 4
25 18 26
0.75 -1 1
P( X <= 19) --> P ( Z <= -0,75 )
P( Z <= -0,75 ) = P( Z >= 0,75 ) = 1 - P( Z <= 0,75 )
0.773372647623132 ok

P( X >= 25) --> P( Z >= 0,75 )


1 - P( Z <= 0,75)
0.226627352376868 0.226627352376868 ok
P( 18 <= X <= 26 ) ---> P( -1 <= Z <= 1 )
P( Z <= 1 ) - P( Z<= -1 )
P( Z <= 1 ) - P( Z >= 1 )
P( Z <= 1 ) - (1 - P( Z <= 1 )) = 2 * P( Z <= 1) -1
0.682689492137086
0.682689492137086 ok
et l'écart-type s(X) = 10

loi.normal.stand
loi.normal.inverse

Constat: sans passer par le calul de Z:


LOI.NORMALE.N(X;E(X);s(X);VRAI)

0.841344746068543 0.691462461274

lecture Table: 0.242

et l'écart-type s(X) = 0.45


0.671639356718115 0.940093092897
0.268453736179113 ok

et l'écart-type s(X) = 4
CONTRÔLE QUALITE - ELECTROMENAGERS

Représentation graphique de la durée de vie (X) de l'appareil suivant le mois

(1) 64 mois = 5 ans et 4 mois et 84 mois =

(2) Cette durée de vie (X) suit la loi normale N(m, s)

Question 1-a Déterminer Pr( 64 <= X <= 104 ) ?

La durée de vie moyenne de l'électroménager (m) =

En remarquant que P(X <= m - 20 ) = P(X <= 84 - 20) = P(X <= 64) =

et P(X >= m + 20 ) = P( X >= 84 + 20) = P(X >= 104)

en prenant tous les intervalles correspondant à leurs probabilités respectives:

P(X <= 64) + P(64 <= X <= 104) + P(X > = 104) = 1

P(64 <= X <= 104) = 1 - (P(X <= 64) + P(X > = 104) )

P(64 <= X <= 104) = 1 - (0,16 + 0,16)

P(64 <= X <= 104) = 0.68


Question 1-b Donner une valeur approchée entière de l'écart-type s(X)

En première approximation, le résultat P(64 <= X <= 104) =

nous indique que P( (m - s(X)) <= X <= (m + s(X)) )

P [ 84 - s(X) <= X <= 84 + s(X) ] qui partage la moyenne en deu

donc s(X) = 20

Question 2-a On note Z = (X - m)/s(X) Quelle est la loi suivie par Z ?

Question 2-b Calculer P( X <= 64 )

P ( (X - m)/s(X)) <= P((64 - 84)/s(X)) = P( -20/s(X)) =

donc -20/s(X) -0.994458

d'où l'écart-type s(X) 20.11146

Question 2-c Calculer la probabilité que la durée de vie de la lave vaisselle soit comprise entre 2 ans et

2 ans 24 mois
5 ans 60 mois

Calculer P[ 24 <= X <= 60] ? P[ X <= 60 ] - P[X <= 24]

P[(X - m)/s(X)] <= P[(60 - 84)/20,11 P[(X - m)/s(X)] <= P[(24 - 84)/20

P[ Z <= -24/20,11 ] P[ Z <= -60/20,11 ]

P[ Z >= 24/20,11 ] P[ Z >= 60/20,11 ]

1 - P[ Z <= 24/20,11 ] 1.19343610144207 1 - P[ Z <= 60/20,11 ]

1 - P[ Z <= 1,1934] 1 - P[Z <= 2,983]


Effectuons l'opération: 1 - P[ Z <= 1,1934] - (1 - P[ Z <= 2,983])

soit P[Z <= 2,983] - P [ Z <= 1,1934] nous donne 0.115

donc P[ 24 <= X <= 60] 0.115

Question 2-d Calculer la probabilité que la durée de vie de la lave vaisselle soit supérieure à 10 ans (12

P( X >= 120 ) 1 - P( X <= 120) 1 - P( (X-m)/s <= (120 - 84)/20,1

1 - P ( Z <= 1,79 ) 1.7901541521631

d'où P( X >= 120 ) 0.03671456664 Cette probabilité est très faible. On s


ou bien on prévoit faire un achat d'u
7 ans

avec m= 84 mois
s inconnu mois

84 mois

0.16 16%

0.16

64) + P(X > = 104) )


0.68

e la moyenne en deux parts égaux de s(X)

Þ Z suit la loi normale centrée et réduite

20/s(X)) = 0.16

-0.9944578832

mprise entre 2 ans et 5 ans

0.11494082 ok

X)] <= P[(24 - 84)/20,11

2.98359025
érieure à 10 ans (120 mois)

/s <= (120 - 84)/20,11)

ilité est très faible. On s'assure avec un contrat de dépannage


évoit faire un achat d'une nouvelle machine.
CONTRÔLE QUAL

Poids Tablette de chocolat:

Contrôle Qualité:

Mise sur le marché si son poids est compris entre 98 grammes et 10

Modélisation : X : une variable aléatoire qui suit une loi nor

Question 1: Calculer la probabilité de l'évènement "M": Tablette est mise sur le

ça revient à calculer

X 98
Z = (X - E(X)/ s(X) (98-100)/1
Z -2
P(98<= X <= 102) P( X <= 102) - P (X <= 98)

donc P(98<= X <= 102)

Question 2: Reglage machine en modifiant l'écart-type s(X) = s

ça revient à calculer
ONTRÔLE QUALITE - FABRICATION TABLETTES DE CHOCOLAT

100 grammes

100 grammes avec une tolérance de :

re 98 grammes et 102 grammes

e qui suit une loi normale

blette est mise sur le marché

P ( 98 <= X <= 102 )

102
(98+100)/1
2
P( Z <= 2 ) - P( Z <= -2)
P( Z <= 2 ) - [ 1 - P( Z <= 2) ] 2*P(Z <= 2) -1

0.9544

Þ pour obtenir une probabilité égale à

P ( 98 <= X <= 102 ) Þ P( X <= 102) - P( X <= 98 )

P [(98 - E(X))/s(X) <= (X - E(X))/s(X) <= (102 - E(x))/s(X)]

P [-2/s(X) <= Z <= +2/s(X)] Þ P( Z <= 2/s(X)) - P( Z <= -2/s(X) )

P( Z <= 2/s(X) ) - P(Z >= 2/s(X))

P( Z <= 2/s(X) ) - ( 1 - P(Z <= 2/s(X)))

2 P( Z <= 2) -1
d'où P( Z <= 2/s(X) = P (2/s(X))

donc 2/s(X)

enfin, s(X) =
AT

2 grammes

N( 100, 1 ) avec E(X) 100


s(X) 1

P( X <= 102) - P( X <= 98 )

2*P(2) - 1

0.97

0.97

0.97

0.97
0.97

0.985 lecture Table

2.030 grammes
LECTURE DE LA TABLE A L'ENVERS

LOI NORMALE CENTREE ET REDUITE Moy = E(X) =

Exercice 2: Déterminer k pour obtenir une probabilité donnée

(a) P ( X <= k1 ) = 0.9664 Chercher dans la table Normale la val

(b) P ( X <= k2 ) = 0.77 Chercher dans la table Normale la val

Prendre les deux valeurs les plus proc

Prendre la valeur la plus proche pour

d'où

(c ) P ( X <= k3 ) = 0.1271

Appliquer l'approche:

donc
(d ) P ( -k <= X <= k) = 0.7062
0 Ecart-type s(X) = s(X) = 1

dans la table Normale la valeur de la probabilité ® Cette valeur correspond à k1 =

dans la table Normale la valeur de la probabilité ® Cette valeur n'est pas présente dans la table

s deux valeurs les plus proches de 0.77 ® 0.7673

valeur la plus proche pour k2 0,77 - 0,7673

0.0027

k2 = 0.74 ¬ (lecture inverse de la table) sur 0,


0.740164805471005

Cette valeur de probabilité n'est pas sur la table donc elle est inférieure à 0,5

Obligatoirement, la valeur de k3 est négative On pose: k3 = - k0

P ( X <= k3 ) = P ( X <= - k0 ) = 0.1271

Proba (succès) + Proba (échec ) = 1

P (X <= - k0 ) + P ( X <= k3 ) = 1 Þ P ( X <= k3 ) = 1 - P ( X <= -k0 )

P ( X <= k3 ) = 1 - 0,1271 0.8729


d'où k3 = 1.14 (lecture inverse de la table)
1.14020717

P ( X <= k) - P ( X <= - k ) = 0.7062 sachant que

P ( X <= k) - [ 1 - P ( X <= k ) ] = 0.7062

2 * P ( X <= k ) - 1 = 0.7062

P ( X <= k ) = (1 + 0,7062) / 2

P ( X <= k ) = 0.8531

d'où k= 1, 05 (lecture inverse de la table)


1.83

ente dans la table

<= k2 <= 0.7704

0,7704 - 0,77

0.0004

se de la table) sur 0,7704

inférieure à 0,5

1 - P ( X <= -k0 )
se de la table)

P ( X <= - k) = 1 - P ( X <= k )

se de la table)