Académique Documents
Professionnel Documents
Culture Documents
Probabilité continue
Donc dans le cas d'une variable continue, on ne calcule que la probabilité que X
soit entre deux valeurs réelles a et b par la façon suivante :
Z b
P (a ≤ X ≤ b) = f (x)dx
a
Une fonction qui vérie les conditions 1, 2 et 3 est appelée densité de probabi-
lité ou fonction de densité.
Exemple : Exemples de variables aléatoires continues :
1. Variable qui correspond à la taille d'une personne.
1
2. Variable qui correspond à la durée de communications téléphoniques.
3. Variable qui correspond aux temps d'attente à une caisse.
Dénition ;
La fonction de répartition F d'une variable aléatoire continue X est dénit par :
Z x
F (x) = P (X ≤ x) = f (t)dt
−∞
Propriété 1 :
La dénition nous permet d'écrire :
1. F (x) = P (X ∈] − ∞, x]).
2. P (a ≤ X ≤ b) = P (X ≤ b)−P (X ≤ a) = ab f (t)dt = F (b)−F (a), ∀a, b ∈ R
R
On a donc :
1. P (X ≤ a) = P (X < a) + P (X = a) = P (X < a),
2. P (X ≥ b) = P (X > b) + P (X = b) = P (X > b).
3. P (a ≤ X ≤ b) = P (a < X ≤ b) = P (a ≤ X < b) = P (a < X < b).
Propriété 2 :
La fonction de répartition F d'une variable aléatoire continue X a les propriétés
suivantes :
1. Si F est dérivable alors F (x) = f (x) pour tout x réel
0
2
1.1.2 Caractéristiques d'une variable aléatoire continue
1. Espérance mathématiques
Soit X une v.a.c admettant une densité f, l'espérance mathématique de X,
noté E(X), est le réel Z +∞
E(X) = xf (x)dx
−∞
une v.a.c X est dite centrée si et seulement si son espérance est nulle : E(X) =
0. Si X admettant une espérance alors la v.a X − E(X) est centrée.
2. Variance
Soit X une v.a.c. On appelle variance de X, noté V(X), le réel positif
Z +∞
2
V (X) = E[(X − E(X)) ] = (x − E(x))2 f (x)dx
−∞
3
3. Ecart-type
On appelle écart-type de X le réel, noté σ(X), dénit par :
p
σ(X) = V (X)
Une probabilité est dite continue si elle est associée à une variable aléatoire
continue. Il existe plusieurs lois de probabilité continue, les plus utilisées sont :
La loi uniforme est utilisée pour modéliser une grandeur aléatoire qui prend
au hasard ses valeurs dans un intervalle [a,b] de R. Pour cette loi, tous les inter-
valles de même longueur inclus dans l'intervalle [a,b] ont la même probabilité. Cela
se traduit par le fait que la densité de probabilité de cette loi est constante sur [a,b].
Dénition. Une v.a continue X suit une loi uniforme sur [a,b] si sa fonction
de densité est ( 1
si x ∈ [a, b],
f (x) = b−a
0 sinon
On note X ∼ U([a, b]).
4
Exemple : La durée de la communication téléphonique d'une personne est
entre 1 et 10 min. On considère la variable aléatoire continue X qui modélise cette
communication en minute, et on cherche la probabilité qu'elle soit entre 2 et 3 min.
On a : Z 3
1
P (2 ≤ X ≤ 3) = dx = 1/9
2 10 − 1
Propriétés :
Propriété :
Dans le cas d'une variable aléatoire continue X qui suit une loi exponentielle de
paramètre λ, on a
1 1
E(X) = et V (X) = 2
λ λ
5
La fonction de répartition de la loi exponentielle est la suivante :
1 − e−λx si x > 0,
F (x) =
0 sinon
Propriété :
Si X une variable aléatoire continue qui suit une loi normale, alors :
E(X) = m et σ(X) = σ.
Ainsi les paramètres d'une loi normale sont en fait son espérance mathématique
m et son écart-type σ .
Propriété :
La fonction de répartition correspondante à la loi normale n'a pas de formule
simple. Donc, pour tous a et b tels que a ≤ b, on écrit :
Z b
−1 (x − m)2
1
P (a ≤ X ≤ b) = √ e 2 σ2 dx.
2πσ 2 a
6
Si X suit une loi normale centré réduite, on a
E(X) = 0 et V (X) = 1
Remarque :
La loi normale N (0, 1) est tabulée. La table donne les valeurs des probabilités
F (x) = P (X ≤ x) pour diérentes valeurs de x, avec x ≥ 0.
Propriété :
Soit X une variable aléatoire continue qui suit une loi normale centrée réduite,
alors on peut utiliser les propriétés suivantes :
−x2
1
1.
Ra
P (X ≤ a) = −∞ √ e 2 dx = F (a)
2π
2. P (X ≥ a) = 1 − F (a)
3. Si a est positif : P (X ≤ −a) = F (−a) = 1 − P (X ≤ a) = 1 − F (a).
4. P (−a ≤ X ≤ a) = F (a) − F (−a) = 2F (a) − 1
Calcul de P (X ≥ 1, 25) :
P (X ≥ 1, 25) = 1 − F (1, 25) = 1 − 0, 8944 = 0, 1056.
Calcul de P (X ≤ −1, 17) :
P (X ≤ −1, 17) = 1 − F (1, 17) = 1 − 0, 8790 = 0, 121.
Calcul de P (1, 15 ≤ X ≤ 1, 37) :
P (1, 15 ≤ X ≤ 1, 37) = F (1, 37) − F (1, 15) = 0, 9147 − 0, 8749 = 0, 0398.
7
Lien avec la loi normale
Le résultat suivant montre comment passer d'une loi normale N (m, σ) à une
loi normale centrée réduite N (0, 1).
Proposition :
Soit X une v.a continue qui suit une loi normale N (m, σ), avec σ > 0 et m ∈ R.
X −m
On pose Z = , alors Z suit une loi normale centrée réduite N (0, 1). Réci-
σ
proquement, si Y une v.a continue qui suit une loi normale centrée réduite, alors
Y = σY + m suit une loi normale N (m, σ).
0
Ce résultat est très important, puisqu'alors il nous sut d'étudier la loi nor-
male centrée réduite puis de procéder à un changement de variable pour obtenir
n'importe quelle valeur de la loi normale.
Exemple :
Soit X une variable aléatoire qui suit une loi normale de paramètre m = 12 et
σ = 3.
X −m X − 12
On pose Y = = .
σ 3
Calcul de P (X ≤ 16) :
On a
4
X ≤ 16 ⇐⇒ Y ≤
3
Donc
P (X ≤ 16) = P (Y ≤ 1.33) = F (1.33)
D'après la table de la loi normale centrée réduite, on a :
P (X ≤ 16) = F (1.33) = 0.9082
Calcul de P (9 ≤ X ≤ 15) :
P (9 ≤ X ≤ 15) = P (−1 ≤ Y ≤ 1) = 2F (1) − 1 = (2 × 0, 8413) − 1 = 0, 6828