Lois Continues2

Cours de Probabilité et Statistique pour la
deuxième année des conseillers en planication et

en orientation
C.O.P.E.
CHIKHI EL MOKHTAR
5 octobre 2021
CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Programme de Probabilités et Statistiques
Chapitre 1 : Lois continues des probabilités usuelles

1 Loi de Laplace-Gauss


2 Loi de Student


2 Loi de Student
3 Loi de Khi-deux


2 Loi de Student
3 Loi de Khi-deux
4 Loi de Fisher

Chapitre 2 : Échantillonnage et Estimation

1 Estimateur


1 Estimateur
2 Estimation ponctuelle (moyenne, variance, proportion)


1 Estimateur
3 Estimation par intervalle de conance (moyenne, variance,
proportion)


1 Estimateur
proportion)
4 Taille d'un échantillon représentatif


1 Estimateur
proportion)
4 Taille d'un échantillon représentatif
5 Quelques méthodes d'échantillonnages

Chapitre 3 : Tests d'hypothèses (test paramétrique)

1 Formulations des hypothèses statistiques


2 Tests unilatéraux et tests bilatéraux


3 Les erreurs liées à la décision


4 Test sur un paramètre ( moyenne, variance, proportion)


5 Comparaison de deux paramètres


5 Comparaison de deux paramètres
6 Test d'indépendance (test de Khi-deux)

•

I. Loi de Laplace-Gauss (Loi normale)

La loi de Laplace-Gauss, communément appelée loi normale,
est la loi de probabilité la plus utilisée pour modéliser des
phénomènes aléatoires.


Une loi normale est entièrement dénie par son espérance µ et
son écart-type σ. on note alors N (µ, σ).


Une loi normale est entièrement dénie par son espérance µ et
son écart-type σ. on note alors N (µ, σ).
Soit X une v.a. qui suit une loi normale de moyenne µ et
d'écart-type σ (X ∼ N (µ, σ)) alors :
1) la fonction densité de X est dénie par :
−(x−µ)2
f (x) = √1 e 2σ2 ∀x ∈ R.
,
2πσ
2) la fonction
R x de répartion F de X est donnée par :
F (x) = −∞ f (t)dt, ∀x ∈ R.

Chapitre 1 : Lois continues de probabilités usuelles
I.1 : La courbe d'une loi normale N (µ, σ)

La représentation graphique d'une loi normale N (µ, σ) est une
courbe en cloche.

I.2 : Remarque sur la loi normale N (µ, σ)

1) La loi normale est une loi symétrique et unimodale avec
E (X ) = Me = Mo = µ;
2) La fonction densité de probabilité a deux points d'inexion
pour µ ± σ avec f (µ ± σ) = σ√12πe ;
3) La fonction de répartition a un point d'inexion pour x = µ
avec F (µ) = 0.5

I.3 : Loi normale centrée réduite)

Si X suit une loi normale N (µ, σ) alors la variable Z = X σ−µ suit la
loi normale centrée réduite N (0, 1).
Dans la pratique, on rencontre très souvent la loi normale. An
d'éviter le calcul numérique de sa fonction de répartition pour
chaque application, on utilise la loi normale centrée réduite dont les
valeurs sont tabulées.

I.4 : Exemples de calcul des probabilités cas d'une Loi

normale centrée réduite)
Soit Z une v.a.distribuée selon une loi normale N (0, 1). Calculer les
probabilités suivantes :
1) P(Z 6 0.52), P(Z 6 0), P(Z 6 2.52), P(Z 6 3.21)
2) P(Z > 1.22), P(Z > 2.52), P(Z > 0.25)
3) P(Z 6 −0.32), P(Z 6 −1.52), P(Z 6 −2.01)
4) P(Z > −2.31), P(Z > −1.27), P(Z > −4.5)
5) P(Z 6 2.357), P(Z > 3.123), P(Z > −2.658)

I.5 : Remarque importante

Si Z est une v.a.distribuée selon une loi normale N (0, 1), alors on
a:
1 P(Z > z) = 1 − P(Z 6 z)


a:
1 P(Z > z) = 1 − P(Z 6 z)
2 P(Z 6 −z) = 1 − P(Z 6 z)


a:
1 P(Z > z) = 1 − P(Z 6 z)
2 P(Z 6 −z) = 1 − P(Z 6 z)
3 P(Z 6 −z) = P(Z > z)


a:
1 P(Z > z) = 1 − P(Z 6 z)
2 P(Z 6 −z) = 1 − P(Z 6 z)
3 P(Z 6 −z) = P(Z > z)

4 De plus on a :
P(X 6 x) = P(X < x) et P(X > x) = P(X > x) pour toute
variable aléatoire continue X .

I.6 : Réponses
1 calcul de P(Z 6 0.52)
La lecture directe dans la table de la loi normale centrée
réduite, on trouve que : P(Z 6 0.52) = 0.6985

I.6 : Réponses
2 calcul de P(Z 6 0)
réduite, on trouve que : P(Z 6 0) = 0.5

I.6 : Réponses

I.6 : Réponses

I.6 : Réponses
1 2) Calcul de P(Z > 1.22) on utilise l'événement contraire
alors :
P(Z > 1.22) = 1 − P(Z 6 1.22)

= 1 − 0.8888 = 0.1112

I.6 : Réponses
alors :
P(Z > 1.22) = 1 − P(Z 6 1.22)

= 1 − 0.8888 = 0.1112

alors :
P(Z > 2.52) = 1 − P(Z 6 2.52)

= 1 − 0.9941 = 0.0059

I.6 : Réponses
1 3) Calcul de P(Z 6 −0.32) on utilise la relation suivante :
P(Z 6 −z) = 1 − P(Z 6 z)
alors :
P(Z 6 −0.32) = 1 − P(Z 6 0.32)

= 1 − 0.6255 = 0.3745

I.6 : Réponses
1 3) Calcul de P(Z 6 −0.32) on utilise la relation suivante :
P(Z 6 −z) = 1 − P(Z 6 z)
alors :
P(Z 6 −0.32) = 1 − P(Z 6 0.32)

= 1 − 0.6255 = 0.3745
P(Z 6 −1.52) = 1 − P(Z 6 1.52)

= 1 − 0.9357 = 0.0643

I.7 : Exemples de calcul des quantiles cas d'une Loi normale

centrée réduite)
Soit Z une v.a.distribuée selon une loi normale N (0, 1). Calculer le
quantile z dans les cas suivants :
1) P(Z 6 z) = 0.9875, P(Z 6 z) = 0.6555, P(Z 6 z) =
0.3456
2) P(Z > z) = 0.7, P(Z > z) = 0.3245, P(Z > z) = 0.9066

II. Loi de Khi-deux
II.1 théorème
Soit X1 ; X2 ; . . . ; Xk des variables aléatoires indépendantes et
identiquement distribuées selon une loi normale N (0, 1). Alors la
variable aléatoire Y = X12 + X22 + . . . + Xk2 suit une loi du khi-deux
à k degrés de liberté.
Théorème[Additivité la loi du khi-deux]
Soient X1 ; X2 ; . . . ; Xp des v.a. khi-deux indépendantes à
k1 ; k2 ; . . . ; kp degrés de liberté respectivement. Alors
Y = X1 + X2 + . . . + Xp suit une loi du khi-deux à
k = k1 + k2 + . . . kp degrés de liberté.

II. Loi de Khi-deux
II.2 : Fonction densité de Khi-deux

Si X est une v.a.r qui suit une loi du Khi-deux χ2 (ν) à ν degrés de
liberté, alors elle a pour densité la fonction
1
x 2 −1 e − 2 I[0,+∞[ (x),
ν x
f (x) = ν
2 2 Γ( ν )
2
où Γ(p)Rest la fonction eulérienne dénie par l'intégrale pour p > 0
Γ(p) = 0 t p−1 e −t dt .
∞
la fonction Γ a les propriétés suivantes :

Γ(1) = 1.
√
Γ(1/2) = π .
Γ(x) = (x − 1)Γ(x − 1) pour x > 1.
Si x = n ∈ N∗ alors Γ(n) = (n − 1)!.

III. Loi de Student
III.1 Dénition de Loi de Student

X v.a.r suit une loi de Student T (ν) à ν degrés de liberté, si elle a
pour densité la fonction
− ν+2 1
1 Γ( ν+2 1 ) x2

f (x) = √ 1+ , x ∈R
νπ Γ( ν2 ) ν
Remarque :
La fonction de densité f (x) est symétrique par rapport à sa
moyenne 0.
La loi T (ν) est approximativement identique à une loi normale
N (0, 1) lorsque ν est grand(≥ 30).

III. Loi de Student
III.2 Théorème
Soit X une variable aléatoire normale N (0, 1) et Y une variable
aléatoire du khi-deux à k degrés de liberté. Si X et Y sont
indépendantes alors la variable aléatoire
X
T =p
Y /k
suit une loi T (k) de Student avec k degrés de liberté.

IV. Loi de Fisher
IV.1 Dénition de la Loi de Fisher

X v.a.r suit la loi de Fisher F(ν1 ; ν2 ), si elle a pour densité la
fonction
ν1 ν2
1 2 2

ν1 x ν1 x
f (x) = ν1 ν2
1− I[0,+∞[ (x),
β 2 , 2 x ν1 x + ν2 ν1 x + ν2
R1 ν1 ν2
où β ν1 ν2 2 −1 (1 2 −1 dt

2 , 2 = 0 t − t)
Remarque : Par la dénition de la loi de Fisher, 1/X ∼ F(ν2 ; ν1 )

IV. Loi de Fisher
IV.2 Théorème
Soient X et Y deux variables aléatoires indépendantes suivant une
loi du khi-deux avec u et v degrés de liberté, respectivement. Alors
la variable aléatoire
X /u
Z=
Y /v
suit une loi de Fisher à u et v degrés de liberté.

Langue

Lois Continues2

Transféré par

Informations du document

Titre original

Copyright

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Lois Continues2

Titre original :

Transféré par

Droits d'auteur :

Cours de Probabilité et Statistique pour la

deuxième année des conseillers en planication et

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 1 : Lois continues des probabilités usuelles

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 1 : Lois continues des probabilités usuelles

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 1 : Lois continues des probabilités usuelles

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 1 : Lois continues des probabilités usuelles

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 2 : Échantillonnage et Estimation

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 2 : Échantillonnage et Estimation

2 Estimation ponctuelle (moyenne, variance, proportion)

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 2 : Échantillonnage et Estimation

2 Estimation ponctuelle (moyenne, variance, proportion)

3 Estimation par intervalle de conance (moyenne, variance,

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 2 : Échantillonnage et Estimation

2 Estimation ponctuelle (moyenne, variance, proportion)

3 Estimation par intervalle de conance (moyenne, variance,

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 2 : Échantillonnage et Estimation

2 Estimation ponctuelle (moyenne, variance, proportion)

3 Estimation par intervalle de conance (moyenne, variance,

5 Quelques méthodes d'échantillonnages

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 3 : Tests d'hypothèses (test paramétrique)

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 3 : Tests d'hypothèses (test paramétrique)

2 Tests unilatéraux et tests bilatéraux

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 3 : Tests d'hypothèses (test paramétrique)

2 Tests unilatéraux et tests bilatéraux

3 Les erreurs liées à la décision

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 3 : Tests d'hypothèses (test paramétrique)

2 Tests unilatéraux et tests bilatéraux

3 Les erreurs liées à la décision

4 Test sur un paramètre ( moyenne, variance, proportion)

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 3 : Tests d'hypothèses (test paramétrique)

2 Tests unilatéraux et tests bilatéraux

3 Les erreurs liées à la décision

4 Test sur un paramètre ( moyenne, variance, proportion)

5 Comparaison de deux paramètres

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 3 : Tests d'hypothèses (test paramétrique)

2 Tests unilatéraux et tests bilatéraux

3 Les erreurs liées à la décision

4 Test sur un paramètre ( moyenne, variance, proportion)

5 Comparaison de deux paramètres

6 Test d'indépendance (test de Khi-deux)

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

Chapitre 1 : Lois continues des probabilités usuelles

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

I. Loi de Laplace-Gauss (Loi normale)

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

I. Loi de Laplace-Gauss (Loi normale)

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

I. Loi de Laplace-Gauss (Loi normale)

CHIKHI EL MOKHTAR Cours de Probabilité et Statistique pour la deuxième année

deuxième année des conseillers en planication et

3 Estimation par intervalle de conance (moyenne, variance,

3 Estimation par intervalle de conance (moyenne, variance,

3 Estimation par intervalle de conance (moyenne, variance,

III.1 Dénition de Loi de Student

IV.1 Dénition de la Loi de Fisher