Académique Documents
Professionnel Documents
Culture Documents
Les V.A discrètes prennent leurs valeurs dans IN ou Z. Les V.A continues sont des
applications qui prennent leurs valeurs dans IR ou dans un intervalle de IR). Nous en
étudierons une classe particulière vérifiant la condition pour tout réel a P(X = a) = 0.
Propriétés :
FX
Les propriétés de sont les mêmes que dans le cas discret néanmoins dans le cas continue
FX FX '
F X =f
est continue sur IR et partout où est dérivable on a .
II. ELEMENTS CARACTERISTIQUES
Ces notions généralisent celles déjà vues dans le cas discret.
2.1. : Espérance ou moyenne de X :
+∞
∫ xf ( x)dx=−∞∫ xf ( x)dx.
IR
E(X) = (sous réserve de convergence de l’intégrale)
2.2. : Variance de X. Elle mesure l’écart à la moyenne
+∞ +∞
∫−∞ ( x−E( X)) ²f (x )dx= −∞∫ x² f ( x)dx−( E( X )) ²
V(X) = (sous réserve de convergence de
l’intégrale)
2-3 Moment de X : Soit k est un entier naturel non nul.
1/6
+∞
M k ( X ) = ∫ ( x−E ( X )) f ( x)dx .
k
−∞
- On appelle moment centré d’ordre k le nombre s’il existe :
+∞
μk ( X )= ∫ x f ( x)dx
k
−∞
- On appelle moment d’ordre k le nombre s’il existe :
μ1 ( X )=E ( X ) μk ( X )=E ( X k ) V ( X )=M 2 ( X ) . M 1 ( X )=0
En particulier : ; ; et .
- Soit a<b . On appelle V.A uniforme sur l’intervalle [ a;b ] une V.A X absolument ayant
pour densité de probabilité la fonction définie sur IR par :
{
0 si x ∉ [ a ,b ]
f ( x )= 1
si a≤x≤b
b−a
2/6
{
0 si x≤a
x−a
F( x )=P( X≤a)= si a≤x≤b
b−a
1 si x≥b
f (x )= {
αe
0
−αx
si x<0
si x≥0
1 1 1
E ( X )= ; V ( X )= ; σ ( X )=
c. Valeurs caractéristiques : α α2 α
h( x )=
1
√ 2 πσ
exp − (
( x−m)²
σ² ) pour tout réel x
.
b. Fonction de répartition :
x
H ( x )=P( X ≤x)= ∫ f (t )dt
x −∞
Pour tout réel . La fonction de répartition est donnée par :
E ( X )=m; V ( x ) =σ 2 ; σ ( X ) =σ .
c. Valeurs caractéristiques :
3/6
a. C’est la loi normale de moyenne 0 et d’écart type 1. Sa densité est alors :
x²
−
2
e
f (x )=
√2 π , pour tout réel x . On la note N(0 ; 1).
X−m
T=
X Ν ( m,σ ) σ Ν ( 0;1 ) . T
b. Soit alors suit On dit que est la Loi normale centrée
X.
réduite associée à
Remarque (très importante)
Ν ( 0;1 )
La fonction de répartition de la loi est tabulée. Elle sert moyennant le changement de
X−m
Τ=
σ Ν ( m;σ )
variable à l’étude de toute loi normale .
c. Utilisation pratique
X−m
Τ=
X Ν ( m,σ ) σ N ( 0;1 )
Soient et la loi normale centrée réduite associée. Soit un
réel donné alors on a les règles de calcul suivantes :
1.
P ( X≤α )=P ( X −m α−m
σ
≤
σ
=P T ≤ ) (
α −m
σ
. ) = P (T ≤a) avec a= α−m
σ
P ( X≤α )=F ( a )
et deux cas sont agréables.
a≥0 Ν ( 0;1 ) P ( X≤α )=F ( a )
, alors on lit directement dans la table de
a<0 F α
La table ne donne que les valeurs de pour 0 ; il faut exploiter la symétrie
de la fonction densité.
F (−a )=P ( T <−a )=P ( T >a ) 1−P ( T <a ) 1−F (a )
= =
F (−α )=1−F ( α )
D’où :
a≥0 F(−a )=P ( T <−a ) =1−P ( T <a )=1−F (a )
De même si .
On peut alors écrire pour tous réels a et b :
P (T >−a )=P ( T < a )
2. .
P (T >a )=1−P ( T ≤a ) .
3. (Evénement contraire).
P ( a<T <b )=P ( T <b )−P ( T <a ) .
4.
4/6
P (−a<T <a ) =P (|T|<a )=2 P (T <a )−1
5. .
P (T <a )= p 0< p<0,5 Ν ( 0;1 )
6. et c’est à dire p n’existe pas dans la table de alors
P (T <−a )=1− p .
X1 Ν ( m1 ;σ 1 ) . X2 Ν ( m 2 ;σ 2 ) .
Théorème : Soient , deux V.A normales indépendantes,
alors :
X 1 + X 2 =X N ( m1 + m2 ; √ σ 21 +σ 22 ) .
a.
X 1 −X 2 =Y N ( m1 −m2 ; √ σ 21 + σ 22 ) .
b.
Ν ( m,σ ) .
4.3.4 : Approximation d’une loi binomiale B(n ; p) par une loi normale
Théorème de Moivre-Laplace
X Ν ( np; √ npq ) .
Soit B(n ; p) lorsque n tend vers l’infini p fixé alors B(n ; p)
Dans la pratique les conditions d’approximation sont :
n≥30
¿ Ν ( np; √ npq )
(p proche de 0,5) B(n ; p)
np≥10
(c’est-à-dire ou15)
Récapitulatif
Début
Η ( N , B ,n )
n
<5 %
N
5/6
B ( n, p )
P ( λ=np )
Ν ( np, √ npq )
np≥15
Ν ( np , √ np ) FIN
a. Définition : Soit X1 ; X2 ; …. Xn n V.A normales centrées réduites Ν ( 0;1 ) la variable
χ 2n =X 12 + X 22 + .. .. . .. ..+ X 2n suit une loi dite du Khi-deux à n degrés de libertés (d.d.l)
b. Valeurs caractéristiques :
E ( Y )=n ; V (Y )=2 n
2
χn
Dans la pratique si n est grand ( càd n 30) alors suit sensiblement la loi normale
N( n ;
√ 2n )
4.5. LOI DE STUDENT
Cette Loi a été construite spécialement pour les besoins des sondages sur des petits
échantillons.
1 Y
Z n = χ 2n T n=
a. Définition : Soient
n
et
Y
N ( 0;1 ) .
Alors
√ Zn suit une loi de STUDENT à
n degrés de Libertés (d.d.l).
b. Paramètres statistiques
n
E ( T n ) =0 , V ( T n )=
n−2
On démontre que .
6/6
N ( 0;1 )
Dans la pratique si n est grand (càd n 30) on peut prendre la loi normale pour
loi limite de loi de Student..
7/6