chap 15 Lois normales

I) Loi normale centrée réduite.

1) Fonction de Laplace-Gauss :
a) déf : la fonction de (Laplace)-Gauss est la fonction  définie
x2
1 −
sur − ; + par  ( x) = e 2 .
2
b) propriétés :
▪la courbe représentative de  est symétrique par rapport à l’axe des ordonnées ▪  a pour limite 0 en 

▪ l’aire sous la courbe de  de − à + vaut 1 (admis)

2) Loi normale centrée réduite

a)déf : Une variable aléatoire X suit la loi normale centrée réduite (appelée aussi loi normale standard) si elle a pour
densité la fonction  de Laplace-Gauss. On la note n(0 ;1).

{remarque : on verra un peu plus loin que l’espérance de X est 0 et la variance 1, donc son écart-type 1, d’où la
notation., et on verra des loi normales d’espérance  et d’écart-type  quelconque}
x²
1 −
Si X suit la normale centrée réduite, on a donc pour tous a et b réels : p ( a  X  b ) =
b

a 2
e 2 dx .

b) premières propriétés : (immédiates par symétrie de la courbe)

1
i) p ( X  0 ) = p ( X  0 ) = ii) Pour tout a réel, p ( X  − a ) = p ( X  a )
2

3) Utilisation de la calculatrice : pour un élève de Tale, c’est le point central du chapitre !

La fonction  n’a pas de primitives « simple », on obtient des valeurs approchées des probabilités à la calculatrice, et
en utilisant éventuellement la symétrie de la courbe.

Lien tutoriel TI menu habituel distrib puis normalFrep(a,b,  ,  ) (la deuxième commande)
Pour les nspire menu>distrib>et NormalFdR, et on complète les champs.

Lien tutoriel Casio attention à l’ordre , c’est « a,b,  ,  » sur les casio

Les tutoriels expliquent comment rentrer une espérance et un écart-type quelconque, pour l’instant dans mon cours
c’est  = 0 et  = 1

exemple : X suit la loi normale centrée réduite. Déterminer une valeur approchée arrondie au millième des probabilités
suivantes :
a) p ( −1  X  1)

b) p ( X  1) : en toute rigueur , on ne peut pas utiliser des bornes infinies

dans la calculatrice, et utilise la propriété
p ( X  1) = p ( X  0 ) + p ( 0  X  1) = 0,5 + p ( 0  X  1)

1
en pratique : à peu près personne ne calcule comme ci-dessus. On remplace la borne « − » par une très grande
valeur négative, du type −1010 par exemple. Souvent, on se rend compte que ce n’est pas la peine d’aller si loin, car la
fonction densité s’approche très rapidement de l’asymptote.

Je détaille une fois les exemples, ce sera pareil ensuite

p ( X  1) ou

On voit que −1000 fait aussi bien l’affaire, et en exercice, on arrondit en gal au millième ou au dix-millième.

c) p ( X  1) même principe. en toute rigueur : p ( X  1) = 0,5 − p ( 0  X  1)

En pratique, on remplace la borne « + » par une très grande valeur, du type 10

10

par exemple.

4) Valeurs numériques à connaitre :

p ( −1  X  1)  0,68 p ( −2  X  2 )  0,95 p ( −3  X  3)  0,997

Pour être honnête : le programme demande de connaitre ces valeurs, elles ont une importance théorique. Avec ma
façon de faire cours, et au bac, vous avez auriez eu une calculatrice….
La troisième valeur permet de voir qu’en gros, rien ne se passe en dehors de  −3;3 , ce qu’on retrouvera un peu plus
tard pour une loi normale quelconque avec   − 3 ;  + 3 

5) Fonction de répartition :

a) définition : soit X qui suit la loi normale centrée réduite.

On appelle fonction de répartition de X la fonction  définie par  ( x ) = p ( X  x ) .

En d’autre terme,  ( x ) est l’aire sous la courbe représentative de  « à gauche de x »

Sur la copie d’écran, on lit que  ( 0,7 )  0,758

b):Théorème :  est la primitive de  telle que  ( 0 ) = 0,5

dém :  ( x ) = p ( X  x )

si x  0  ( x ) = p ( X  0 ) + p ( 0  X  x ) = 0,5 +   (t ) dt donc  ' ( x ) = 0 +  ( x )

x
•
0

 ( x ) = p ( X  0 ) − p ( x  X  0 ) = 0,5 −   ( t ) dt = 0,5 +   ( t ) dt donc  ' ( x ) = 0 +  ( x )

0 x
• si x  0
x 0

 est donc continue puisque dérivable. courbe représentative de 

On a lim  ( x ) = lim p ( X  x ) = 1
x→+ x→+

et lim  ( x ) = lim p ( X  x ) = 0 (évident)

x→− x→−

2
c)Antécédents à la calculatrice : la calculatrice permet d’obtenir les valeurs approchées des antécédents de  ;
A SAVOIR FAIRE

exsemple : déterminer une valeur approchée au millième du réel  tel que  ( ) = 0,6 , càd tel que p ( X   ) = 0,6
On peut bien sûr le déterminer par balayage, par exemple :

On peut déduire des copies d’écrans que 0, 2    0,3 . Mais la calculatrice dispose d’une fonction qui donne tout
de suite la valeur :

Sur TI : distrib>invNorm donne

lien tutoriel TI lien tutoriel casio

6) Espérance et variance : On donne enfin le th dont on a abondamment parlé déjà :

Th : soit X qui suit la loi normale centrée réduite. Alors : E ( X ) = 0 et V ( X ) = 1 ( d’où la notation N ( 0,1) ).

dém pour l’espérance (rédigée à la main à part) On « sait » que E ( X ) = lim

x 0

x →+ 0
t (t )dt + lim
x →− x  t (t )dt
On admet le résultat pour la variance.

7)Intervalle centré en zéro de probabilité donnée :

a) Th : soit X qui suit la loi normale centrée réduite, et soit  un réel tel que : 0    1 .
Alors, il existe un unique réel u strictement positif tel que p ( −u  X  u ) = 1 − 
Ici, la formulation officielle du théorème rend très dur à comprendre quelque chose d’évident : quel que soit la valeur
 telle que : 0    1 on peut colorier une « zone symétrique » d’aire 1 −  .
Et on appelle u « l’endroit où on tombe ».Ci-dessous, j’ai fait le dessin pour  = 0,05 et  = 0,01

Bien sûr, « on appelle u « l’endroit où on tombe » » ne constitue pas une démonstration (comment faire la figure
sur geogebra par exemple ?).

démonstration : on appelle u l’unique antécédent de 1 − par la fonction de répartition  définie au paragraphe
2

5),càd que  ( u ) = p ( X  u ) = 1 −. Cet antécédent existe et est unique d’après le TVI, car  est continue ,
2
strictement croissante sur  0; + avec  ( 0 ) = 0,5 et lim  ( x ) = 1 .En utilisant la symétrie de la courbe de Gauss,
x→+

on obtient p ( −u  X  u ) = 1 −  .
b) Valeurs numériques à connaitre par cœur : (là aussi, c’est le programme…)
u0,05  1,96 càd que p ( −1,96  X  1,96 )  0,95 et u0,01  2,58 càd que p ( −2,58  X  2,58 )  0,99

3
II) Loi normales quelconques :
Remarques : les paragraphes 1) et 2) sont des « bricolages » pour définir proprement les lois normales générales
sans passer par leurs densités, hors programme du lycée. L’essentieldu II) se passera pour vous à la calculatrice, en
changeant les 0,1 par  ,  , et en s’aidant ds schémas des densités qu’on fera abondamment, même sans connaitre
leur expression. Il faudra comprendre qu’on « décale de  » et qu’on « étire » ou on qu’on « aplatit » la courbe de
Gauss en fonction de  (voir le 4), et surtout observer les figures dynamiques faites avec geogebra, que je vous
donne aussi.

1) définition : Soit  un réel quelconque et  un réel strictement positif. La variable aléatoire X suit une loi normale
X −
de paramètres  et  ² si la variable aléatoire Z = suit une loi normale centrée réduite.

On note cette loi N (  ,  ² ) .
2) Espérance, variance :
Théorème : On admet que si X suit une loi N (  ,  ² ) : son espérance est  et son l’écart-type est  .
(et donc sa variance est  ² )

La plupart des énoncés donnent l’espérance  et l’écart-type  , et ce sont ces données qui comptent pour la
calculatrice.On parlera quasiment systématiquement de loi normale d’espérance  et d’écart-type  ,
La notation N (  ,  ² ) , (avec la variance et pas l’écart-type) , a une utilisation théorique dans des cours supérieurs,
car la variance a des propriétés que n’a pas l’écart-type, mais qu’on ne verra pas en Tale

3) exemple d’utilisation de la définition :

X suit une loi normale d’espérance est 5 et d’écart-type 2. Déterminer p ( 3  X  9 ) , en utilisant la définition 1).
(C’est probablement la dernière fois qu’on utilise cette méthode.)

X −5
Posons Z = . Z suit la loi normale centrée réduite.
2
3 − 5 X − 5 11 − 5
Or : 3  X  11     −1  Z  2
2 2 2
, donc p ( 3  X  11) = p ( −1  Z  2 ) , avec Z qui suit la loi normale centrée réduite, ce qui permet le calcul si on sait
calculer les probabilités pour Z.
p ( 3  X  11) = p ( −1  Z  2 )  0,82

• Pour un lycéen actuel, cette méthode n’a pas d’intérêt, puisqu’on finit à la calculatrice, et qu’on aurait donc pu
mettre tout de suite  = 5 et  = 2 …
Mais avant les calculatrices modernes, on avait une table pour Z, et pas pour toutes les valeurs de  et 
possibles.
• Par ailleurs, ce changement de variable sera nécessaire en Tale pour certains exercices plus durs où  est
inconnu (voir plus loin paragraphe 7)

4) Allure des courbes de densité :

On admet que si X suit une loi normale d’espérance  et d’écart-type  ,
X est une variable aléatoire à densité.
X −
Or Z =  X =  Z +  Quand Z prend les valeurs −2; −1;0;1;2..... ,

X prend les valeurs  − 2 ;  −  ;  ;  +  ;  + 2 .....

Les courbes de densité sont donc « décalées de  » et

« aplaties » quand   1 , ou « resserrées » quand   1

courbes pour  = 0 ,  = 1 et  = 5 , et  = 0,5  = 1 et  = 1,5

4
Remarque (hors programme) si X suit une loi normale l’espérance  et l’écart-type  , sa densité de probabilité est
1  x− 
2

1 − 
 
définie par f  , ( x ) =  e 2
 2

5) les intervalles « un , deux, trois sigmas »

Soit X qui suit une loi normale d’espérance  et d’écart-type  , ,alors :

p (  −   X   +  )  0,68 p (  − 2  X   + 2 )  0,95 p (  − 3  X   + 3 )  0,997

X −
dém pour le premier résultat Posons Z = . Z suit la loi normale centrée réduite.

X −
Or :  −   X   +   −1   1  −1  Z  1 donc p (  −   X   +  ) = p ( −1  Z  1)  0,68


Remarque :
le dernier résultat ( p (  − 3  X   + 3 )  0,997 ) permet de lire graphiquement une estimation de 3 donc de
 ,puisque la probabilité que X prenne des valeurs en dehors de   − 3 ;  + 3  est quasiment nulle.

En gros, on ne distingue plus la courbe de densité de son

asymptote horizontale en dehors de   − 3 ;  + 3 

6) utilisation de la calculatrice :

a) Calcul de probabilité :
je ne reprends pas les explications du paragraphe I), il suffit de remplir les champs
 et  avec les bonnes valeurs, même commentaire sur les bornes infinies remplacées par des « grandes valeurs »

exemple :soit X qui suit une loi normale d’espérance 8 et écart-type 5. Déterminer :

p ( 3  X  9 )  0, 421

p ( X  4 )  0, 212 j’ai remplacé − par −10 par exemple

20

p ( X  10 )  0,344 j’ai remplacé + par 10

20
par exemple

b) utilisation de « invnorm » ou « fracnorm »

Comme en I), la calculatrice permet de déterminer un réel a tel que p ( X  a ) = k , pour k donné.

exemple : X suit une loi normale d’espérance 8 et écart-type 2.

Déterminer le réel a tel que p ( X  a ) = 0,7

5
7)exercice classique : trouver  connaissant l’espérance et une probabilité à savoir faire, voir ex Polynésie sept15A

X −
Dans ce type d’exercice, on est obligé de connaitre la déf II1) : la variable aléatoire Z = suit une loi normale

centrée réduite. (Rédigé à la main, à part)

III) Théorème de Moivre-Laplace : C’est ce théorème qui a motivé l’étude de la loi normale .(cf intro).Il est admis.

1) Théorème : On suppose que, pour tout entier n la variable aléatoire X n suit une loi binomiale B ( n, p ) .
X n − np
On pose Z n = , variable centrée réduite associée à X n .Alors, pour tous réels a et b tels que a  b , on a :
np (1 − p )
x²
1 −
lim p ( a  Z n  b ) =
b

n →+ 
a 2
e 2 dx

2) Approximation de la loi binomiale par une loi normale : il est usuel de pratiquer l’approximation de la loi
binomiale de paramètres n et p par la loi normale de même espérance et de même écart-type, càd par la loi normale
d’espérance  = np et d’écart-type  = np (1 − p ) quand les conditions suivantes sont satisfaites :
n  30 np  5 n (1 − p )  5

Cette approximation avait une importance pratique considérable avant les calculatrices ou ordinateurs modernes :on
disposait de table pour la loi normale (centrée réduite) et on s’y ramenait)