Vous êtes sur la page 1sur 2

STS MAI 2 2006/2007

 
Chapitre 2 : Probabilités

 Fiche 4 : Loi normale 

1 Variables aléatoires continues


Définition 1
Soit X une variable aléatoire.
On dit que X est une variable aléatoire continue lorsqu’il existe une fonction f définie sur R telle que :
– pour tout réel x, f (x) > 0 ;
Z +∞
– f (x)dx = 1 ;
−∞ Z t
– pour tout réel t, P (X 6 t) = f (x)dx.
−∞
Cette fonction f est appelée densité de probabilité de la variable
Z taléatoire X.
La fonction F , qui à tout réel t associe le nombre P (X 6 t) = f (x)dx est appelée fonction de
−∞
répartition de X.
Théorème 1 (admis)
Soit X une variable aléatoire continue de densité de probabilité f .
Z b
Pour tous réels a et b, on a : P (a 6 X 6 b) = f (x)dx.
a
Cette probabilité est l’aire de la surface comprise entre la courbe représentative de f , l’axe des abscisses et les
droites d’équations x = a et x = b.

 f (x) = 0 si x < 0
Exemple 1 : Soit f la fonction définie par : f (x) = 1 si 0 6 x 6 1 . On admet que f est la densité de probabilité
f (x) = 0 si x > 1

d’une variable aléatoire X (il s’agit d’une loi uniforme sur [0; 1]).
Représenter f dans un repère orthogonal.
Calculer et représenter P (X 6 0, 5) et P (X > 0, 8).

2 Définition et propriétés de la loi normale


Définition 2
Soit m ∈ R, σ ∈ R∗+ et X une variable aléatoire continue.
On dit que la variable aléatoire X suit la loi normale de paramètres m et σ, et on note X N (m, σ), lorsque :
– L’ensemble des valeurs prises par X est l’ensemble de tous les réels : X(Ω) = R.
– La densité de probabilité de X est la fonction f définie par :
x−m 2
1 −2( 1
σ )
f (x) = √ e
σ 2π
Remarque : la loi normale est aussi appelée loi de Laplace1 -Gauss2 .
La courbe représentative de la fonction f est nommée courbe de Gauss.

Conséquence Z t
Pour tout réel t, P (X 6 t) = f (x)dx.
−∞

1
Pierre Laplace (1749-1827) : mathématicien et physicien français.
2
Carl-Friedrich Gauss (1777-1855) : très grand mathématicien et physicien allemand.

Page 1/2 Lycée Jean Monnet (Aurillac)


STS MAI 2 2006/2007

Exemple 2 : voici les courbes de Gauss pour m = 0 et σ = 1, et pour m = 2 et σ = 1, 5.


Représenter sur le dessin, dans chacun des cas P (X 6 1) et P (1, 5 6 X 6 2).
Sur le second graphique, représenter P (X > 3).

m = 0 et σ = 1 m = 2 et σ = 1, 5
~j ~j

O ~i O ~i

3 Paramètres de aX + b, X + Y , X − Y
On a vu dans la fiche n°2 les règles relatives au calcul de l’espérance, de la variance et de l’écart-type de aX + b,
de X + Y et de X − Y . Si on applique ces règles dans le cas de variables aléatoires suivant des lois normales, on
obtient les résultats suivants :

Théorème 2 (admis)
Soit X une variable aléatoire de loi N (m, σ) et Y une variable aléatoire de loi N (m′ , σ ′ ).
Soit a et b deux réels, avec a 6= 0.
– La variable aléatoire aX + b suit la loi N (am + b, |a|σ). p
– Si X et Y sont indépendantes, alors la variable aléatoire X + Y suit la loi N (m + m′ , pσ 2 + σ ′2 ).
– Si X et Y sont indépendantes, alors la variable aléatoire X − Y suit la loi N (m − m′ , σ 2 + σ ′2 ).

4 Calcul pratique
Soit X une variable aléatoire suivant une loi normale N (m, σ). Soit t ∈ R. Pour calculer P (X 6 t), il faut calculer
t 2
1 − 12 ( x−m
σ )
Z
l’intégrale : P (X 6 t) = √ e dx. Or on ne sait pas calculer cette intégrale de manière exacte, on
−∞ σ 2π
utilise donc des valeurs approchées.
Dans un premier temps, on se ramène à la loi normale centrée réduite N (0, 1).

Théorème 3 (admis)
Soit X une variable aléatoire suivant une loi normale N (m, σ).
X −m
La variable aléatoire X ∗ définie par X ∗ = suit la loi N (0, 1).
σ
X −m t−m t−m
On a alors : X 6 t ⇔ X − m 6 t − m ⇔ 6 ⇔ X∗ 6 .
σ σ σ
On utilise enfin une table donnant des valeurs approchées des probabilités P (X ∗ 6 t), notées Π(t), pour t compris
entre 0 et 4,5.
Dans la cas où t est négatif, on utilise l’égalité Π(−t) = 1 − Π(t) pour conclure. Cette formule est justifiée par
la symétrie de la courbe de la fonction de densité par rapport à l’axe des ordonnées (voir graphique ci-dessus).
Une table de la loi normale se trouve sur le formulaire de l’examen.

Exemple 3
1. Soit X une variable aléatoire de loi N (0, 1).
Déterminer P (X 6 1, 46), P (X < 0, 63), P (X > 2, 51) et P (1, 46 < X < 2, 51)
2. Soit X une variable aléatoire de loi N (112, 42). Calculer P (110 < X < 120).

Page 2/2 Lycée Jean Monnet (Aurillac)