TS

Lois de probabilité continues

Lorsqu’on étudie des grandeurs physiques (longueurs, masses, durées,...) les valeurs prises
par une variable aléatoire X peuvent prendre leurs valeurs dans un intervalle de R.
Dans ce cas, il n’y a pas de sens à se demander quelle est la probabilité que X prenne une
valeur donnée (celle-ci vaudra toujours 0). Ce qui va plutôt nous intéresser c’est de calcu-
ler la probabilité que X se situe dans un intervalle (penser aux classes en statistiques).
Pour cela, une loi de probabilité va être définie par une fonction, appelée fonction de den-
sité, et les probabilités calculées se traduiront par des calculs d’aires (donc d’intégrales)
sous la courbe de cette fonction de densité.

1 Fonction de densité
Définition 1.1
Soit I un intervalle de R.
On appelle fonction de densité sur I une fonction f définie et continue sur I telle que :
• Zf (t ) > 0 sur I
• f (t ) dt = 1 (l’aire totale sous la courbe de f est égale à 1)
I

Définition 1.2
Soit X une variable aléatoire prenant ses valeurs dans un intervalle I .
On dit que X suit la loi de densité f sur I si pour tout intervalle [x 1 ; x 2 ] inclus dans I :
Z x2
P (X ∈ [x 1 ; x 2 ]) = f (t ) dt
x1

Remarque 1.1
• En pratique, un calcul de probabilité avec une variable aléatoire continue se résume
à un calcul d’aire sous la courbe de la fonction de densité f , soit avec les moyens du
calcul intégral lorsque c’est possible, soit avec la calculatrice.
• Pour tout x ∈ R, P (X = x) = 0. En particulier P(X > x) = 1 − P(X 6 x).

2 Loi uniforme
La loi uniforme est la plus simple : étant donnés deux réels a et b on tire un nombre "au
hasard" entre a et b de manière uniforme (penser à un singe qui jouerait aux fléchettes sur
une cible rectangulaire de longueur b − a).

maths.muller@gmail.com L OIS DE PROBABILITÉ CONTINUES 1/6

Définition 2.1
On dit qu’une variable aléatoire X suit la loi uniforme sur l’intervalle [a ; b], et on note
X U (a,b), si sa fonction de densité est la fonction f définie sur [a ; b] par :

1
f (t ) =
b−a

Propriété 2.1
Soit X une variable aléatoire suivant la loi uniforme U (a,b).
Soit [x 1 ; x 2 ] un intervalle inclus dans [a,b]. Alors :

x2 − x1
P (X ∈ [x 1 ; x 2 ]) =
b−a

Démonstration 2.1
En effet :
Z x2 ¸x 2
x2 x1 x2 − x1
·
1 1
P(X ∈ [x 1 ; x 2 ]) = dt = t = − =
x1 b−a b − a x1 b − a b − a b−a

Définition 2.2
L’espérance d’une variable aléatoire X qui suit la loi uniforme sur [a ; b] est définie par :
Z b 1
E(X ) = t× dt
a b−a

Propriété 2.2
a +b
Si X suit la loi uniforme U (a,b), alors : E(X ) =
2

Démonstration 2.2
On a :
1 2 b
Z b Z b
(b − a)(b + a)
· ¸ µ ¶
1 1 1 1 1 2 1 2
E(X ) = t dt = t dt = t = b − a =
a b−a b−a a b−a 2 a b−a 2 2 2(b − a)
a +b
E(X ) =
2
Exemple 2.1
Énoncé :
Sur une autoroute, deux postes consécutifs de téléphone de secours A et B sont distants
de 5 km. On note X la variable aléatoire qui, à tout véhicule tombant en panne entre A et
B, associe la distance en km parcourue depuis le poste A.
On considère que X suit une loi uniforme sur l’intervalle [0 ; 5].
1) Donner la fonction de densité f de la variable aléatoire X .
2) Calculer les probabilités P(X ∈ [0 ; 1]) et P(X ∈ [3 ; 5]).
3) Calculer l’espérance E(X ) et en donner une interprétation dans le contexte de l’énoncé.

maths.muller@gmail.com L OIS DE PROBABILITÉ CONTINUES 2/6

Solution :
1 1
1) f (t ) = = sur [0 ; 5].
5−0 5
2)
1
f (t ) =
1 5
5

−1 0 1 2 3 4 5 6
1−0 1 5−3 2
P(X ∈ [0 ; 1]) = = et P(X ∈ [3 ; 5]) = = .
5 5 5 5
a +b 5
3) E(X ) = = = 2,5
2 2
Pour un grand nombre de véhicules tombant en panne entre les postes A et B, la
distance moyenne parcourue depuis le poste A est proche de 2,5 km.

3 Loi exponentielle
La loi exponentielle est la loi qui sert à modéliser, entre autre, la durée de vie d’un phéno-
mène sans mémoire (c’est à dire sans usure ou sans vieillissement) comme par exemple la
durée de vie d’un composant électronique.

Définition 3.1
Soit λ un réel, λ > 0. On dit qu’une variable aléatoire X suit la loi exponentielle de para-
mètre λ, et on note X E (λ), si sa fonction de densité est la fonction f définie sur [0,+∞[
par :
f (t ) = λe−λt

Propriété 3.1
Soit X une variable aléatoire suivant la loi exponentielle E (λ)
Soit [x 1 ,x 2 ] un intervalle inclus dans [0, + ∞[. Alors :
Z x2
P(X ∈ [x 1 ,x 2 ]) = λe−λt dt = e−λx1 − e−λx2
x1

En particulier, pour tout x > 0 :

Z x
P(X 6 x) = λe−λt dt = 1 − e−λx
0

et
P(X > x) = 1 − P(X 6 x) = e−λx

maths.muller@gmail.com L OIS DE PROBABILITÉ CONTINUES 3/6

Démonstration 3.1
On a :
Z x2 · ¸x 2
−λt 1 −λt
³ ´
P(X ∈ [x 1 ,x 2 ]) = λe dt = − × λe = −e−λx2 − −e−λx1 = e−λx1 − e−λx2
x1 λ x1

Propriété 3.2
Si X suit la loi E (λ), alors, pour tous nombres positifs t et h :

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

Démonstration (démo Bac) 3.1
On a :
P(X > t + h et X > t )
P X >t (X > t + h) =
P(X > t )
P(X > t + h)
= (car h > 0)
P(X > t )
e−λ(t +h)
=
e−λt
−λt −λh
e e
=
e−λt
= e−λh
P X >t (X > t + h) = P(X > h)

Remarque 3.1
Cette propriété illustre le fait que X suit une loi sans vieillissement (ou sans mémoire) :
la durée de vie X d’un composant sur un laps de temps h ne dépend pas de l’âge t du
composant à partir duquel on considère cet événement.

Définition 3.2
L’espérance d’une variable aléatoire X qui suit la loi exponentielle E (λ) est définie par :
Z x
E(X ) = lim t × λe−λt dt
x→+∞ 0

Propriété 3.3
1
Si X suit la loi exponentielle E (λ), alors : E(X ) =
λ

Démonstration (démo Bac) 3.2

Il faut calculer :
Z x
lim t × λe−λt dt
x→+∞ 0

On va chercher une primitive de g : t 7→ g (t ) = t × λe−λt sous la forme G(t ) = (at + b)e−λt ,

où a et b sot deux réels à déterminer.³ ´
On a alors G 0 (t ) = ae−λt + (at + b) −λe−λt = (−λat + (a − λb))e−λt
−λa = λ
½ ½
a = −1
Donc G est une primitive de g si, et seulement si, ⇔
a − λb = 0 b = − λ1

maths.muller@gmail.com L OIS DE PROBABILITÉ CONTINUES 4/6

 µ ¶
1 −λt
Donc G : t 7→ −t − e est une primitive de g sur [0 ; +∞[.
Z x λ µ ¶
−λt 1 −λx 1
Donc t × λe dt = G(x) −G(0) = −x − e +
0 µ ¶ Z x λ λ
1 −λx −λt 1
Or lim −x − e = 0, donc lim t × λe dt =
x→+∞ λ x→+∞ 0 λ
1
Donc E (X ) =
λ

Exemple 3.1
Énoncé :
On note X la variable aléatoire qui, à tout composant électronique d’un certain type, pré-
levé au hasard dans un stock, associe sa durée de fonctionnement (en heures) avant dé-
faillance.
On suppose que X suit la loi exponentielle de paramètre 0,000 5.
1) Donner la fonction de densité de X .
2) Calculer les probabilités de événements suivants (arrondir à 10−3 ) :
a) A : "La durée de bon fonctionnement du composant prélevé est inférieure à
1000 heures"
b) B : "Le composant prélevé fonctionne encore au bout de 500 heures"
c) C : "La durée de bon fonctionnement du composant prélevé est comprise entre
500 et 1000 heures"
3) Déterminer l’espérance E(X ) et en donner une interprétation dans le contexte de
l’énoncé.
Solution :
1) f (t ) = 0,000 5e−0,000 5t sur [0, + ∞[
2)

0,000 6

0,000 5

0,000 4

0,000 3
f (t ) = 0,000 5e−0,000 5t
0,000 2

0,000 1

0
0 250 500 750 1 000 1 250 1 500 1 750 2 000 2 250 2 500 2 750 3 000

maths.muller@gmail.com L OIS DE PROBABILITÉ CONTINUES 5/6

 Z 1000
a) P(X 6 1000) = 0,000 5e−0,000 5t dt = 1 − e−0,000 5×1000 = 1 − e−0,5 ≈ 0,393
0
−0,000 5×500
b) P(X > 500) = e = e−0,25 ≈ 0,779
Z 1000
c) P(500 6 X 6 1000) = 0,000 5e−0,000 5t dt = e−0,000 5×500 − e−0,000 5×1000
500
= e−0,25 − e−0,5 ≈ 0,172
1 1
3) E(X ) = = = 2000
λ 0,000 5
Pour un grand nombre de composants prélevés, la moyenne de leur bon temps de
fonctionnement avoisine 2000 heures.

maths.muller@gmail.com L OIS DE PROBABILITÉ CONTINUES 6/6