Chapitre Probabilité Proba-Stat Yassine Hachaı̈chi

Variables aléatoires Continues

Si X peut prendre toutes les valeurs réelles, on parle d’une variable continue.

Définition 1 (Densité de probabilité sur R) On appelle densité de probabilité sur R, toute fonction f :
R → R telle que :
– ∀x ∈ R; f (x) ≥ 0.
∫
– R f (t)dt = 1
∫
Si E ⊆ R, P (X ∈ E) = E f (x)dx.
donc, si X est une variable continue, la loi de probabilité de X ,c’est-à-dire
∫ x
P (X = x) = f (t)dt = 0∀x ∈ X(Ω) ⊆ R
x

Définition 2 (Fonction de répartition d’une v. a. continue X) Soit F la fonction de répartition de X

∫x
continue. f : R → [0, 1], x 7→ P (X ≤ x) = −∞ f (t)dt = F (X)
Propriétés de F :
– lim F (x) = 0
x→−∞
– lim F (x) = 1
x→+∞
– F est continue sur tout R
– F est une fonction croissante.
– P (a ≤ X ≤ b) = F (b) − F (a).
– f (x) = F ′ (x) si F est dérivable en x, et 0 sinon.
Espérance et variance.
∫
E(X) = R xf (x)dx
∫
V (X) = E(X 2 ) − (E(X))2 où E(X 2 ) = R x2 f (x)dx
E(aX + b) = aE(X) + b.
V (aX + b) = a2 V (X)

1 Lois continues usuelles

1.1 Loi uniforme

Densité : une variable aléatoire continue X suit la loi uniforme sur l’intervalle [a, b] si elle admet pour densité
la fonction f définie sur R par :
1 1
f (x) = 1[a,b] (x); C’est-à-dire Si x ∈ [a, b]; 0 Sinon
b−a b−a
Dans ce cas :
– Fonction de répartition : F (x) = x−a
b−a Si x ∈ [a, b]; 0 Si x < a; 1 Sinon
– Espérance : E(X) = a+b2

1
 2
– Variance : V (X) = (a−b)
12
– Notation X ∼ U(a, b)

1.2 Loi exponentielle

Densité : une variable aléatoire continue X suit la loi exponentielle de paramètre λ si elle admet pour densité
la fonction f définie sur R par :

f (x) = λe−λx 1[0,∞[ ; C’est-à-dire λe−λx Si x ≥ 0; 0 Sinon

Dans ce cas :
– F (x) = (1 − e−λx )1[0,∞[
– E(X) = λ1
– V (X) = λ12
– Notation X ∼ E(λ)

1.3 loi normale

Densité : une variable aléatoire continue X suit la loi normale de paramètres (moyenne m) et (écart-type
σ; (σ > 0)) si elle admet pour densité la fonction f dénie sur R par :
( )
1 (x − m)2
f (x) = √ exp −
σ 2π 2σ 2

– F (x) pas toujours connue.

– E(X) = m
– V (X) = σ 2
– Notation X ∼ N (m, σ) ou N (m, σ 2 )

1.4 loi normale centrée réduite

Densité : une variable aléatoire continue X suit la loi normale centrée réduite si elle admet pour densité la
fonction f dénie sur R par : ( 2)
1 x
f (x) = √ exp −
2π 2
– F (x) pas connue, mais ses valeurs à 10−3 près sont dans un tableau (voir TD 4).
– F (−x) = 1 − F (x)
– E(X) = 0
– V (X) = 1
– Notation X ∼ N (0, 1)
Sachant que : E(aX + b) = aE(X) + b et V (aX + b) = a2 V (X), on a :

Si X ∼ N (m, σ) alors aX + b ∼ N (am + b, |a|σ)

On utilisera le résultat :
X −m
Si X ∼ N (m, σ) alors Y = ∼ N (0, 1)
σ

2
On utilisera alors : FX (x) = FY ( x−mσ ) et aussi FY (−x) = 1 − FY (x) pour calculer la valeur de la fonction de
répartition de la variable suivant une loi normale X ∼ N (m, σ) à partir de la table des valeurs de la loi normale
centrée réduite.