Académique Documents
Professionnel Documents
Culture Documents
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Chapitre 4 : Introduction à l’étude des lois de probabilité des variables aléatoires réelles continues à une dimension
Les lois de pobabilité continues, sont pour l’essentiel et conformément au programme du cours de théorie des
probabilités 2 de 2ème année des classes préparatoires :
La loi UNIFORME appelée aussi loi du rectangle
La loi GAMMA
Par définition, les lois continues sont des lois infinies. Leur support est un ensemble infini non dénombrable.
Remarque : les graphiques dans ce chapitre ont été tracés à l’aide du logiciel de graphisme et de calcul
mathématique : LE MATLAB.
1. ETUDE THEORIQUE DE LA LOI UNIFORME
1.1 LE CAS D’UN SUPPORT PARTICULIER
1.1.1 Définition de la loi de probabilité
a. Le support
Y () 0,1
Le support est en ensemble infini non dénombrable.
b. La fonction de densité
1 0 y 1
g ( y)
0 sinon
Symbole de la loi
Y ~ U (0,1)
1.1.2 Les caractéristiques numériques
a. L’espérance mathématique
1
E (Y ) y g ( y ) dy
0
1
y dy
0
1
2
y2 1
0
1
2
b. La variance
Var (Y ) E (Y 2 ) E (Y )
2
1
E (Y 2 ) y
2
g ( y ) dy
0
1
y
2
dy
0
1
3
y3 1
0
1
3
2
1 1 1 1
Var (Y ) Y
3 2 12 2 3
|P a g e 1
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
c. Le mode
La distribution uniforme ne possède pas de mode.
1.2 GENERALISATION A UN SUPPORT QUELCONQUE
1.2.1 Définition de la loi de probabilité
a. La fonction de densité
Soit la variable aléatoire réelle X fonction affine de la variable aléatoire réelle Y et de fonction de densité f
inconnue.
x ( y)
a (b a ) y
y 1 ( x)
xa
ba
L’application est donc une application bijective, on peut écrire :
g ( y)
f ( x)
' ( y)
1
ba
' ( y) b a
1
a xb ( a b) ( a, b) IRxIR *
f ( x) b a
0 sinon
b. Le support
xa
x a 0 b a 1
0
y 0 b a 0 y 1 0 x a b a
x a a x b
x a
b a 1
y 1 x a b a
x b
D’où :
X () a , b
Symbole de la loi
X ~ U ( a, b)
Notation
X : désigne le temps ou la durée d’attente entre un instant quelconque et l’instant de réalisation de l’évènement
considéré, celui-i se reproduisant de manière régulière à l’intérieur d’un intervalle de temps fixe.
|P a g e 2
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
1
2 (b a )
x2 b
a
b a 2 2
2 (b a )
ab
2
ab
E( X )
2
b. La variance
Var ( X ) E ( X 2 ) E ( X )
2
b
E( X 2 ) x
2
f ( x) dx
a
b
1
x
2
dx
ba a
1
3 (b a )
x3 b
a
b3 a 3
3 (b a )
(b a ) ( a 2 ab b 2 )
3 (b a )
(a 2 ab b 2 )
3
(a b) 2 ab
3
(a b) 2 ab
E( X 2 )
3
(a b) 2 ab a b
2
Var ( X )
3 2
4( a b) 2 4ab 3 (a b) 2
12 12
( a b) 4ab
2
12
( a b) 2
12
(b a ) 2 ba ab
Var ( X ) X
12 2 3 2 3
|P a g e 3
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
c. La médiane
x Me vérifie l’équation suivante :
1
F ( Me)
2
1
P ( X Me)
2
Me
1
f ( x) dx
2
a Me
1
f ( x) dx a
fx ) dx
2
Me
1 1
0
ba dx 2
a
1
x Me
1
ba
a
2
Me a 1 ab
Me
ba 2 2
ab
Me
2
Remarque : dans la loi uniforme, nous avons :
ab
E ( X ) Me
2
1.2.3 Définition du moment simple d’ordre r
m r E( X r )
b
x
r
f ( x) dx
a
b
1
x
r
dx
ba a
1
( r 1) (b a )
x r 1
b
a
b r 1 a r 1
( r 1) (b a )
b r 1 a r 1
mr
(r 1) (b a )
m 1 E ( X )
b2 a2
Si r 1
2 (b a )
ab
2
|P a g e 4
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
m 2 E ( X 2 )
b3 a 3
Si r 2
3 (b a )
( a b) 2 ab
3
1.2.4 Définition de la fonction de répartition
x a
F1 ( x) P X 1 , x
P ( X x)
xa
f (t ) dt
0
x b
F2 ( x) P ( X x) P X 1 , x
xb
f (t ) dt
x a xb
f (t ) dt f (t ) dt
a
xb
F1 a
1
ba dt
a
0
1
t ax x a
ba ba
x
F3 ( x) P X 1 , x
P ( X x)
x
f (t ) dt
x b x
f (t ) dt f (t ) dt
b
F2 (b) 0
ba
ba
1
0 xa
x a
F ( x) a xb
b a
1 xb
|P a g e 5
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
G ( ) E ( X )
b
x f ( x) dx
a
b
1
b a a
x dx
1
Ln (b a )
x b
a
b a
Ln (b a )
1
b. La condition de normalisation
1 G (1) 1
1.2.6 La fonction génératrice des moments
a. Définition
M ( ) E (e X )
b
e x f ( x) dx
a
b
1
b a a
e x dx
1
(b a )
e x b
a
e b e a
(b a )
1
b. La condition de normalisation
0 M (0) 1
Exemple 1
Dans une station de métro, un départ a lieu toutes les 15 mn et ceci à partir de 7 h du matin. Un passager arrive à la
station de métro entre 7 h et 7 h 30 mn. La variable aléatoire réelle X désigne le temps d’attente du passager avant
le prochain départ.
1. Déterminer la loi de probabilité de la variable aléatoire réelle X
2. Représenter graphiquement la loi de probabilité
3. En déduire la fonction de répartition
4. Représenter graphiquement la fonction de répartition
5. En déduire les caractéristiques numériques (la médiane, la moyenne et la variance)
|P a g e 6
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Solution
1. Détermination de la loi de probabilité
a. Le support
X () 0,15
b. La fonction de densité
On peut remarquer que la variable aléatoire désigne le temps d’attente entre 2 instants :
L’instant d’arriver du passager à la station de métro
Et l’instant du prochain départ, celui-ci se reproduisant de manière régulière toutes les 15 mn.
Cela suffit pour conclure que la variable aléatoire réelle X suit une loi uniforme de paramètres a 0 et b 15
X ~ U 0,15
1
0 x 15
f ( x ) 15
0 sinon
0.07
0.06
15
0.05
0.04
f ( x) dx
P() 0
15
1
0.03
0.02
f ( x) dx
0
0.01
-5 0 5 10 15 20
0.07
0.06
P (0 X 10)
0.05 10
0.04 f ( x) dx 10
0.03
0
15
f ( x) dx
f ( x) dx 0
0.02 0
0.01
-5 0 5 10 15 20
|P a g e 7
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
0 x 0
x
F ( x) 0 x 15
15
1 x 15
1
0.9 x
F ( x)
0.8 15
0.7
0.6
0.5
0.4
0.3
0.2
0.1
-5 0 5 10 15 20
|P a g e 9
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
X () IR
Le support est en ensemble infini non dénombrable.
b. La fonction de densité
f : IR IR
x IR f ( x) IR
2
1 xm
1 2 X
f ( x) e
X 2
Symbole de la loi
X ~ LG(m, X2 )
Ou
X ~ N(m, X2 )
Si un phénomène quelconque peut être considéré comme étant le résultat d’un grand nombre de facteurs
aléatoires tels que :
Ces facteurs suivent des lois de probabilité quelconques
Aucun facteur pris individuellement, ne peut déterminer à lui seul de manière décisive le résultat final de
l’expérience aléatoire
Alors on peut considérer que le phénomène en question suit une loi normale.
2.1.1 Etude de la fonction de densité
a. La continuité
lim f ( x) 0 lim f ( x) 0
x x
c. La dérivée première
df ( x ) 1 x m 1 x m 2
exp
2 X
X
2
2
dx X
xm
2
3 exp 1 x m
X 2
2 X
d f ( x)
0 xm
dx
1
x m f ( m)
X 2
| P a g e 10
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
f (x) 1
X 2
0 0
df ( x) d 2 f ( x)
uv u ' v uv '
dx dx2
u x m u ' 1
X 2
3 X 2
3
1 x m 2
v exp
2 X
xm 1 x m 2
v ' exp
X2
2 X
d 2 f ( x) 1 1 x m 2 ( x m) 2 1 x m 2
exp
exp
dx 2 X3 2 2 X X 2 2 X
5
d 2 f ( x ) ( x m) 2 1
2
2
1 exp 1 x m
2 2 X
2 4
dx X X X
( x m) 2 X2
2
1 exp 1 x m
2
X4 X 2 X
d 2 f ( x)
0 ( x m) 2 X2 0
dx 2
x 1 m X
( x m) X 0
2 2
x m
2 X
| P a g e 11
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
x x1 m X x2 m X
d 2 f ( x)
+ 0 ___ 0 +
dx 2
0 1 1 0
f (x) X 2e
X 2e
f (x) est convexe dans le domaine , m X m X , ; concavité orientée vers le bas
f (x) est concave dans le domaine m X , m X
0 si x m X , m X
2
d f ( x)
dx 2
0 si x , m X m X ,
d 2 f ( x)
dx 2
1 1 m m 2
Si x m X f (m X ) exp X
X 2 2 X
1
1
e 2
X 2
1
X 2 e
1 1 m m 2
Si x m X f (m X ) exp X
X 2 2 X
1
1
e 2
X 2
1
X 2 e
D’où :
1
f (m X ) f (m X )
X 2 e
Conclusion : La fonction f est symétrique par rapport à la droite d’équation : xm
e. Représentation graphique de la fonction de densité
Au vu des résultats obtenus, on peut considérer que la courbe de densité a une forme en cloche.
Density
1
0.4 X 2
0.35
0.3
0.25
0.2
1
X 2e 1
0.15
X 2e
0.1
0.05
x1 m X m x2 m X x
| P a g e 12
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
m
E( X ) m
b. La variance
On démontre que :
Var ( X ) E ( X 2 ) E ( X )
2
E( X 2 ) x
2
f ( x) dx
2
1 xm
1 2 X
x
2
e dx
X 2
X2 m 2
Var ( X ) E ( X 2 ) E ( X )
2
( X2 m 2 ) m 2
X2
c. Le mode
Le mode x vérifie les conditions d’optimalité suivantes :
df ( x)
dx 0 x m
x Mo
d 2 f ( x)
0
dx 2
Mo m
d. La médiane
x Me vérifie l’équation suivante :
1
F ( Me)
2
1
P ( X Me)
2
Me
1
f ( x) dx 2 Me m
Me m
| P a g e 13
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
En raison du fait que la fonction f est symétrique par rapport à la droite d’équation : x m ; la droite d’équation
x m partage donc la surface totale en 2 surfaces égales.
2
1 x m
m
1 2 X
P ( X m)
X 2 e
dx
1
2
De même :
2
1 x m
1 2 X
P ( X m)
X 2 e
m
dx
1
2
Finalement nous avons :
E ( X ) Mo Me m
G ( ) E ( X
)
x
f ( x) dx
1
m Ln X2 Ln 2
e 2
1
b. La condition de normalisation
1 G (1) 1
M ( ) E (e X )
e
x
f ( x) dx
1
m X2 2
e 2
1
b. La condition de normalisation
0 M (0) 1
| P a g e 14
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
La variable normée T est une variable aléatoire fonction de la variable aléatoire X ; on peut remarque que La
variable normée T est une fonction affine.
3.2 Définition de la loi de probabilité de la variable normée
a. Le support
T () ( X ) ()
IR
Le support est en ensemble infini non dénombrable.
b. La fonction de densité
Soit g la fonction de densité de la variable normée et qui est déterminée comme suit :
t ( x) x 1 (t )
L’application est une application bijective, d’où :
f ( x)
g (t )
' ( x)
2
1 x m
2 X
e
X 2
' ( x)
xm 1
( x) ' ( x)
X X
D’où :
f ( x)
g (t )
' ( x)
2
1 x m
2 X
e
X 2
1
X
2
1 x m
2 X
e
2
2
1 x m
1 2 X
e
2
1
1 t2
e 2
2
1
1 t2
g (t ) e 2
2
| P a g e 15
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Symbole de la loi
T ~ LG (0,1) ou N (0,1)
3.3 Etude de la fonction de densité de la variable normée
a. La continuité
lim g (t ) 0 lim g (t ) 0
t t
c. La dérivée première
d g (t ) t 1
exp t 2
dt 2 2
d g (t )
0t 0
dt
1
t 0 g (0)
2
t 0
d g (t )
+ 0 ______
dt
1
2
g (t )
0 0
d 2 g (t ) t 2 1 1 2
exp 2 t
dt 2 2
| P a g e 16
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
d 2 g (t )
0 (t 2 1) 0
dt 2
t 1 1
(t 1) 0
2
t 1
2
d 2 g (t ) + 0 _____ 0 +
dt 2
0 1 1 0
g (t )
2e 2e
g (t ) est convexe dans le domaine ,1 1, ; concavité orientée vers le bas
g (t ) est concave dans le domaine 1,1
0 si t 1,1
d 2 g (t )
dt 2
0 si t ,1 1,
d 2 g (t )
dt 2
1
0.4
2
0.35
1
1
2e 0.3
2e
0.25
0.2
0.15
0.1
0.05
-4 -3 -2 -1 0 1 2 3 4
t
t1 t2
| P a g e 17
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
X m
E (T ) E
X
1 m
E( X )
X X
m m
X X
0
b. La variance
X m
Var (T ) Var
X
1
2 Var ( X ) 0
X
X2
X2
1 X 1
c. Le mode
Nous savons que le mode est défini comme étant la valeur possible t de la variable normée T qui satisfait aux
conditions d’optimalité suivantes :
d g (t )
dt 0
t Mo
d 2 g (t )
0
dt 2
Nous avons dans l’étude de la dérivée première, que :
d g (t )
0t 0
dt
Par ailleurs, dans l’étude de la dérivée seconde, dans le tableau de variation, nous avons :
0 1,1
Et dans cet intervalle, la dérivée seconde est de signe négatif. Donc :
Mo 0
d. La médiane
Nous avions vu que la fonction de densité g était une fonction paire et qu’elle admettait un axe de symétrie
d’équation :
t 0
La valeur nulle divise donc la surface totale comprise entre la courbe de densité et l’axe des abcisses t, d’où la
médiane :
Me 0
| P a g e 18
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
G ( ) E ( T )
t
g (t ) dt
1
Ln 2
e2
1
b. La condition de normalisation
1 G (1) 1
M ( ) E (e T )
e
t
g (t ) dt
1
2
e2
1
b. La condition de normalisation
0 M (0) 1
2
e 2
dt
| P a g e 19
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Quelques propriétés
Propriété 1
Propriété 2
GT (0) P (T 0)
t 0
g (t ) dt
t 0 1
1 t 2
2 e
2
dt
1
2
1
GT (0)
2
Propriété 3
GT (t ) P(T t )
P(T t ) ( par symétrie)
1 P(T t )
1 GT (t )
GT ( t ) 1 GT (t )
Exemple 2
Soit la variable aléatoire réelle X tel que X suit une loi normale de moyenne 12 et de variance 9. Calculer les
probabilités ci-après à l’aide de la fonction de répartition :
P ( X 16) ; P ( X 8) ; P (8 X 16) ; P (16 X 8)
Solution
Calcul de P ( X 16)
X m
Pour rappel : soit la variable aléatoire réelle normée T tel que T
X
X m
T X T X m
X
P ( X 16) P (T X m 16)
16 m
P T
x
16 12
P T
3
4
P T
3
P T 1.33
GT (1.33)
t 1.33
g (t ) dt
t 1.33 1
1 t2
2
e 2
dt
Remarque : pour le calcul de cette intégrale, on se sert d’une table statistique disponible dans les livres de théorie
des probabilités, ou bien on utilise le tableur EXCEL.
| P a g e 20
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
2ème position (.X): la position de la décimale se lit dans la 1ère colonne de la table
3ème position (.0X): la position du centième, se lit dans la 1ère ligne de la table
GT (X.XX) se lit à l’intersection de la valeur X.X (1ère et 2ème positions ) et de la valeur .0X (3ème
0.35 GT (1.33) e dt
2
0.3 0.9082
0.25
0.2
0.15
0.1
0.05
-4 -3 -2 -1 0 1 2 3 4
Critical Value
t 1.33
A la fin de cet exemple, on trouvera un extrait de cette table statistique que j’ai confectionné à l’aide du tableur
EXCEL.
Calcul de P( X 8)
8 12
P ( X 8) P T
3
4
P T
3
4
1 P T 3
1 P T 1.33
1 GT ( 1.33)
1 1 GT (1.33)
GT (1.33)
0.9082
| P a g e 21
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
0.35
1 GT (1.33)
2
e 2
dt
0.9082
0.3
0.25
0.2
0.15
0.1
0.05
-4 -3 -2 -1 0 1 2 3 4
Critical Value
t 1.33
8 12 16 12
P (8 X 16) P T
3 3
4 4
P T
3 3
GT (1.33) GT ( 1.33)
GT (1.33) 1 GT (1.33)
2 GT (1.33) 1
2 (0.9082) 1
0.8164
0.15
0.1
0.05
-4 -3 -2 -1 0 1 2 3 4 t
Critical Value
t1 1.33 t 2 1.33
Calcul de P(16 X 8)
P (16 X 8) 1 P (16 X 8)
1 P (8 X 16)
1 0.8164
0.1836
-4 -3 -2 -1 0 1 2 3 4
Critical Value
t
t1 1.33 t 2 1.33
| P a g e 22
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Soit ci-après, un extrait de cette table statistique que j’ai confectionné à l’aide du tableur EXCEL :
Extrait de la table statistique de la fonction de répartition de la loi normale centrée-réduite
t 1
1 t2
GT (t )
2 e
2
dt
Density
Critical Value 0 t
| P a g e 23
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Suite
t 0.05 0.06 0.07 0.08 0.09
| P a g e 24
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
b. Représentation graphique
Density
0.4
0.35 t
xm
X 1 2
1 e t
0.3 h (t )
2
e 2
dt
0.25 0
0.2
0.15
0.1
0.05
-4 -3 -2 -1 0 1 2 3 4
Critical Value t
c. Propriétés
Propriété 1
h (0) 0
Propriété 2
t 1 2
1 e t
h ()
2
e 2
dt
0
1
2
Density
0.4
0.35 1 t
1
e t
2
0.3
h ()
2
e 2
dt
0
0.25 1
2
0.2
0.15
0.1
0.05
-4 -3 -2 -1 0 1 2 3 4 t
Critical Value
| P a g e 25
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Propriété 3
1 2
1 t
h ( )
2
e
0
2
dt
0 1 2
1 t
2
e
2
dt
1 2
1 t
2 0
e 2
dt
h ( )
Density
0.4
1 2
1
0.35 t
0.3
h ( )
2
e
0
2
dt
0.25
0.2
0.15
0.1
0.05
t
-4 -3 -2 -1 0 1 2 3 4
Critical Value
h (t ) GT (t ) GT (0)
1 1
GT (t ) GT (t ) h (t )
2 2
Density xm
0.4 t
X
0 1 1
1 t2 1 t2
0.35
0.3
GT (0)
2 e 2
dt h (t )
2
e 2
dt
0
0.25 0.50
0.2
0.15
0.1
0.05
-4 -3 -2 -1 0 1 2 3
Critical Value
t
Propriété 5
P (ti T t j ) GT (t j ) GT (ti ) (ti t j ) i j
1 1
h (t j ) h (ti )
2 2
h (t j ) h (ti )
Density
0.4 P (ti T t j ) h (t j ) h (ti )
tj 1 t 1
1 t2 1 i 2t2
2 e
0
2
dt
2 0
e dt
0.2
-4 -3 -2 -1 0 1 2 3 4 t
Critical Value ti tj
| P a g e 26
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Propriété 6
P (T t ) P (t T )
h () h (t )
1
h (t )
2
Density
t 1 2
0.4 1 t
0.35
h (t )
2
e
0
2
dt
0.3
0.25 1
t2
1
0.2 P (T t )
2
e 2
dt
0.15 t
0.1
0.05
-4 -3 -2 -1 0 1 2 3 4
Critical Value t
Propriété 7
P (T t ) P (t T )
h () h (t )
1
h (t )
2
Density
0 1 2 1
0.4 1 t 1 t2
h (t )
2
e
t
2
dt h ()
2
e
0
2
dt 0.5
0.2
-4 -3 -2 -1 0 1 2 3 4
Critical Value
t
Propriété 8
P (T t ) P ( T t )
h (t ) h ( )
h (t ) h ( )
1
h (t )
2
t 1
1 t2
P (T t )
2 e
2
dt
t 1 2
1 t
Density
h ( t )
2
e
0
2
dt
0.4
0.2
-4 -3 -2 -1 0 1 2 3 4
t Critical Value
| P a g e 27
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Propriété 9
Density
0.4
P(ti T t j )
0.2
-4 -3 -2 -1 0 1 2 3 4
Critical Value
ti tj
Propriété 10
ti 1
1 t2
h (t i ) e 2 ti 1 2
Density dt 1 t
0.4
2 0
h (t i )
2
e
0
2
dt
0.2
-4 -3 -2 -1 0 1 2 3 4
Critical Value
ti ti
Exemple 3
Soit la variable aléatoire réelle X tel que X suit une loi normale de moyenne 12 et de variance 9. Calculer les
probabilités ci-après à l’aide de la fonction impaire :
P ( X 16) ; P ( X 8) ; P (8 X 16) ; P (16 X 8)
Solution
Calcul de P ( X 16)
P ( X 16) P (T X m 16)
16 m
P T
x
16 12
P T
3
4
P T
3
4
P T
3
h 1.33 h
h 1.33 h
t 1.33
1
g (t ) dt 2
0
t 1.33 1 2
1 t 1
2
0
e 2
dt
2
| P a g e 28
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Une lecture de la table statistique de la fonction impaire (voir extrait de cette table à la fin de cet exemple et que j’ai
confectionné à l’aide du tableur EXCEL), donne :
t 1.33 1
t2
h 1.33
1
2
0
e 2
dt
0.4082
D’où :
P ( X 16) h 1.33 h
1
0.4082
2
0.9082
0.2
-4 -3 -2 -1 0 1 2 3 4
Critical Value
t 1.33
Calcul de P( X 8)
8 12
P ( X 8) P T
3
4
P T
3
P ( 1.33 T )
h ( ) h ( 1.33)
1
h ( 1.33)
2
1
0.4082
2
0.9082
0.35 e 2
dt 1
1 2
t
2 0
2
e 2
dt
0.3 0
0.25
0.2
0.15
0.1
0.05
-4 -3 -1 0 1 2 3 4
-2
t 1.33 Critical Value
| P a g e 29
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
8 12 16 12
P (8 X 16) P T
3 3
4 4
P T
3 3
2 h (1.33)
2 (0.4082)
0.8164
0.2
0.1
-4 -3 -2 -1 0 1 2 3 4
Critical Value
t 1.33 t 1.33
Calcul de P(16 X 8)
P (16 X 8) 1 P (16 X 8)
1 P (8 X 16)
1 2 h (1.33)
1 0.8164
0.1836
0.2
0.1
-4 -3 -2 -1 0 1 2 3 4
| P a g e 30
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Density
0
Critical Value t
| P a g e 31
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Suite
t 0.05 0.06 0.07 0.08 0.09
| P a g e 32
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
3 : trois sigmas
Soit la relation ci-après :
P (m t X X m t X ) 1
2 2
Tel que :
m E( X )
X Var ( X )
0 1
Density 1
t X t X
2 2 2 2
m
Critical Value x j m t X
xi m t X 2
2
P m t X X m t X 1
2 2
m t X m m t X m
T 1
2 2
P
X X
P t T t 1
2 2
1
2h t 1 h t
2 2 2
Premier cas
1
Si t 1 alors h (1) 0.3413 et 0.3413 1 0.6826
2 2
0.3413
Si t 1 alors P ( m X X m X ) 0.6826
2
Second cas
1
Si t 2 alors h (2) 0.4772 et 0.4772 1 0.9544
2
2
0.0456
Si t 2 alors P (m 2 X X m 2 X ) 0.9544
2
| P a g e 33
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Troisième cas
1
Si t 3 alors h (3) 0.4987 et 0.4987 1 0.9974
2
2
0.0026
Si t 3 alors P (m 3 X X m 3 X ) 0.9974
2
Remarque
xm
t
X 1
1 t2
lim GT (t ) 1
t
GT (t )
2
e 2
dt
( t 3)
xm
t
X 1
1 t2
lim h (t ) 0.5
t
h (t )
2
e 2
dt
( t 3) 0
m E ( X ) np
X Var ( X ) np (1 p)
b. De la loi de POISSON
Lim P ( ) LG (m, X )
( 18 )
m E( X )
X Var ( X )
H ( N , n, p)
n
0.10
N
B (n, p )
n 50 np 18
et p 0.10
P ( ) LG (m, X )
18
| P a g e 34
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
2ème relation
1
P ( X x) P X x
2
3ème relation
1
P ( X x) P X x
2
4ème relation
1 1
P ( xi X x j ) P xi X x j ( xi x j ) (i j )
2 2
| P a g e 35
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
X () IR
Le support est en ensemble infini non dénombrable.
b. La fonction de densité
f : IR IR
x IR f ( x) IR
e x x0 ( IR * )
f ( x)
0 sinon
t 1
Symbole de la loi
X ~ Exp ( )
Notation :
t : unité de temps
: moyenne de Poisson
3.2 DEFINITION DE LA VARIABLE EXPONENTIELLE
La variable exponentielle X désigne l’intervalle de temps qui sépare 2 instants :
L’intant t i qui est l’instant de réalisation de l’évènement E i
X t
t j ti (ti t j )
Ei Ej
ti X t t j ti tj
La durée mise par un agent de guichet de poste pour traiter la demande d’un client quelconque
| P a g e 36
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
b. Les limites
lim f ( x) lim f ( x) 0
x 0 x
c. La dérivée première
d f ( x)
2 e x
dx
d f ( x)
0 x
dx
x 0
df ( x) ___________
dx
f (x)
0
0.2
0.1
0
0 2 4 6 8 10 x
| P a g e 37
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
x 0
F1 ( x) P( X x)
P X 1 , x
x 0
f (t ) dt
0
x
F2 ( x ) P ( X x )
P X 1 , x
x
f (t ) dt
x 0 x
f (t ) dt f (t ) dt
0
x
F1 (0 ) e
t
dt
0
0 e t x
0
1 e x
0 x0
F ( x) x
1 e x0
On peut vérifier que :
dF ( x) 0 x0
f ( x) x
dx e x0
b. Représentation graphique de la fonction de répartition
Soit la fonction de répartition ci-après :
F ( x) 1 e 0.5 x
F (x)
1
F (2) 0.64
0.8
F ( x) 1 e 0.5 x
0.6
0.4
0.2
0
0 2 4 6 8 10
x
| P a g e 38
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
udv uv vdu
u x du dx
e x
dv e x dx v
x
udv xe 1
e x dx
xe x 1
E ( X ) e x dx
xe x e x
2
0
e x 1
xe x
0
1
E( X )
b. La variance
Var ( X ) E ( X 2 ) E ( X )
2
E( X 2 ) x
2
f ( x ) dx
0
x e x dx
2
u d v
u d v
u d v uv vd u
u x 2 du 2 xdx
1
dv e x dx v e x
2
u d v x e x 2 x e x dx
| P a g e 39
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
E( X 2 ) x
2
f ( x) dx
0
x e x dx
2
x 2 x 2
e x e x dx
2
x 2 e x x e x dx
0 0
2
x 2 e x E( X )
0
2
0
2
2
2
2 1 1
Var ( X )
2 2 2
1 1
Var ( X ) X
2
Remarque :
1
E ( x) X
c. La médiane
1
x Me P ( X x)
2
1
1 e Me
1 2
F ( Me)
2 e Me Me Ln 2
1
2
Ln 2
Me
d. Le mode
df ( x)
dx 0
x Mo
d 2 f ( x)
0
dx 2
e
x
df ( x) 2
0
0 x
dx
e 0 x
Mo
La loi exponentielle ne possède pas de mode.
| P a g e 40
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
e
x
( n) x n 1dx
0
(n) (n 1) (n 1)
Propriété 2
si n IN * (n) (n 1) !
b. Définition du moment simple d’ordre r
m r E( X r ) (r IN * )
x
r
f ( x) dx
0
x e
r x
dx
0
On pose :
yx
y
x
yx
dx dy
lim y lim x
x x
lim y lim x 0
x 0 x 0
mr x e
r x
dx
0
y e y dy
r
r 1 0
1
y e y dy
r
r 0
( r 1)
r
( r 1 ) 1 ! ( r IN* )
r
r!
r
r!
mr
r
| P a g e 41
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
On vérifie que :
1
si r 1 m1
E( X )
2
si r 2 m2
2
E( X 2 )
G ( ) E ( X
)
x
f ( x ) dx
0
x e x dx
0
e
x
dx
0
Ln e
e 0
x
(0 1)
Ln e
Ln e
Ln
( Ln )
Ln
1
lim e
x
x
lim x lim e
x x
x
1
x 0
lim e x
1
b. La condition de normalisation
1 G (1) 1
| P a g e 42
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
M ( ) E (e X )
e
x
f ( x ) dx
0
e
x
e x dx
0
e
x ( )
dx
0
e x ( ) 0
(0 1)
( )
1
lim e x ( ) 0
x
0
lim e x ( ) 1
x 0
b. La condition de normalisation
0 M (0) 1
Exemple 4
Soit l’espace de probabilité , A , P et la variable aléatoire réelle X tel que X désigne le nombre de clients qui
se présentent à un guichet de poste au cours d’une heure quelconque avec une moyenne de 10 personnes par heure.
1. Déterminer la loi de probabilité de la variable aléatoire réelle X
2. Calculer la probabilité que le guichet de poste reçoive plus d’un client au cours de l’heure quelconque
Soit la variable aléatoire réelle Y tel que Y désigne la durée (mesurée en minutes) mise par un client quelconque pour
le traitement de sa demande.
3. Déterminer la loi de probabilité de la variable aléatoire réelle Y
4. Calculer la probabilité que la durée mise par le client pour le traitement de sa demande soit au plus égale à 5
minutes
5. En déduire la durée moyenne, la variance et la durée médiane
6. En déduire la fonction génératrice des probabilités et calculer la durée moyenne, la variance à l’aide de cette
fonction
7. En déduire la fonction génératrice des moments et calculer la durée moyenne, la variance à l’aide de cette
fonction
| P a g e 43
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Solution
1. Détermination de la loi de probabilité de la variable aléatoire réelle X
a. Le support
X () 0, 1, 2, 3......, IN
b. La fonction de masse
L’évènement considéré à savoir : « le nombre de cleints qui se présentent au guichet de poste » se réalise dans un
intervalle temporel qui est l’heure quelconque. Cela suffit pour conclure que la variable aléatoire réelle X suit une loi
de Poisson de paramètre 10
X ~ P (10)
e x
P ( X x)
x!
10
e 10 x
x!
2. Calcul de la probabilité que le guichet de poste reçoive plus d’un client au cours de l’heure quelconque
P ( X 1) 1 P ( X 1)
1 F (1)
1
e 10 10 x
1
x 0 x!
1 10
P ( X 1) 1 10 10
e e
11
1 10 0.9995
e
P( X 1) 0.9995
3. Détermination de la loi de probabilité de la variable aléatoire réelle Y
a. Le support
Y () IR
b. La fonction de densité
La variable aléatoire réelle Y désigne la durée (mesurée en minutes) mise par un client quelconque pour le
traitement de sa demande ; cette durée sépare 2 instants successifs :
L’instant d’arrivée du client au guichet de poste
Et l’instant où il quitte le guichet de poste
Il s’agit donc d’une variable aléatoire qui suit la loi exponentielle de paramètre
Y ~ Exp( )
t 1
10t 1
10
60 mn
1
mn 1
6
| P a g e 44
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
0 y 0
f ( y) y
e
y 0 ( IR * )
0 y 0
1 1 y
e
6
y 0
6
4. Calcul de la probabilité que la durée mise par le client pour le traitement de sa demande soit au plus égale à 5
minutes
P (Y 5) F (5)
1
5
1 e 6
0.57
Var (Y ) E (Y )
2
1
2
62
36 y 36 6 mn
c. La durée médiane
Ln 2
Me
Ln 2
1
6
6 Ln 2
4.16 mn
| P a g e 45
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
6. Déduction de la fonction génératrice des probabilités et calcul de la durée moyenne, de la variance à l’aide de cette
fonction
a. La fonction génératrice des probabilités
G ( )
Ln
1
6
1
Ln
6
1
1 6 Ln
b. La durée moyenne
m 1F m 1
E (Y )
d G ( )
d 1
6
2
(1 6 Ln ) 1
6 mn
c. La variance
Var (Y ) E (Y 2 ) E (Y )
2
m 2 m1
2
(m 2F m1F ) m1
2
m F2 E Y (Y 1)
d 2G ( )
d
2
1
6 72
2 2 3
(1 6 Ln ) (1 6 Ln ) 1
2
66
Var (Y ) m2 m1
2
(66 6) 6 2
36 Y 36 6 mn
| P a g e 46
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
7. Déduction de la fonction génératrice des moments et calcul de la durée moyenne, de la variance à l’aide de cette
fonction
a. La fonction génératrice des moments
M ( )
1
6
1
6
1
1 6
b. La durée moyenne
m 1 E (Y )
d M ( )
d 0
6
2
(1 6 ) 0
6 mn
c. La variance
Var (Y ) E (Y 2 ) E (Y )
2
m2 m1
2
m 2 E (Y 2 )
d 2 M ( )
d
2
0
72
3
(1 6 ) 0
72
Var (Y ) m2 m1
2
72 6 2
36 Y 36 6 mn
| P a g e 47
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
X () IR
Le support est en ensemble infini non dénombrable.
b. La fonction de densité
f : IR IR
x IR f ( x) IR
n x n1
e x x0 ( IR * ) (n 0)
f ( x ) ( n)
0
sinon
Symbole de la loi
X ~ Ga (n, )
Notation :
t 1
X i t
t j ti (ti t j )
De cette définition, on peut conclure que la variable GAMMA est la durée totale otenue en faisant la somme des n
durées, chaque durée suivant une loi exponentielle indépendamment des autres durées.
Ei Ej
ti X i t tj
t j ti (ti t j i j)
| P a g e 48
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Soit la suite d’instants auxquels se réalisent les évènements considérés (t 1 , t 2 , t 3 ,..., t n1 ) n 1
Soient les durées X i (i 1,2,..., n) qui séparent 2 instants successifs associés à 2 évènements successifs
n
Soit la durée totale X X
i 1
i
E1 E2 E3 ... En E n 1
...
n
X Xi
i 1
Remarque :
e x x0
si n 1 (1) 1 et f ( x)
0 sinon
On retrouve la loi exponentielle.
En conclusion, on peut dire que : la loi GAMMA généralise la loi exponentielle à un nombre de durées supérieur à 1
et que donc, la loi Exponentielle est un cas particulier de la loi GAMMA.
4.3 ETUDE DE LA FONCTION DE DENSITE DE PROBABILITE
a. La continuité
b. Les limites
lim f ( x) 0 lim f ( x) 0
x 0 x
c. La dérivée première
Soit la fonction de densité pour x 0
n
f ( x) e x x n 1
( n)
| P a g e 49
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
n
On pose : a
(n)
Il vient :
f ( x) a e x x n1
D’où la dérivée première :
df ( x)
a e x x n1 a (n 1) e x x n2
dx
a e x (n 1) x n2 x n1
Valeur pour laquelle s’annule la dérivée première
df ( x)
dx
0 a e x (n 1) x n 2 x n 1 0
a e x 0
(n 1) x
n2
x n 1 0
a e x (n 1) x n 2 x n 1
0 a e x 0 x
(n 1) x n 2 x n 1 0
(n 1) x n 2 x n 1
x n 1 n 1
( n 1 ) x n 1 x
x
d f ( x) n 1
0 x
dx
n 1 n 1 ( n 1) n 1
x f
e n 1(n)
d f ( x)
dx
a e x (n 1) x n 2 x n 1
a e x 0 x X ()
(n 1) x n 2 x n 1 0
d f ( x)
0 n 1
dx (n 1) x
n2
x n 1 x
(n 1) x n 2 x n 1 0
d f ( x)
0 n 1
dx (n 1) x
n2
x n 1 x
| P a g e 50
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Le tableau de variation
0 n 1
x
d f ( x) + 0 ___
dx
( n 1) n 1
e n 1( n)
f (x)
0 0
f n -1
La fonction est croissante dans le domaine 0,
n -1
La fonction f est décroissante dans le domaine
,
d. La dérivée seconde
d 2 f ( x) 2 ( n 1) ( n 1) ( n 2)
ae x x n 1 2
2
dx x x2
2 x2 2 (n 1) x ( n 1) (n 2)
ae x x n 1 2
x x2 x2
d 2 f ( x)
0 2 x 2 2 ( n 1) x (n 1) (n 2) 0
dx 2
x 2 2 2 (n 1) x (n 1) (n 2) 0
4 2 (n 1) 2 n 1
( n 1) n 1 ( n 1) n 1
x1
x ( n 1) n 1 ( n 1) n 1
2
d 2 f ( x) + 0 ______ 0 +
dx 2
f (x) 0 f ( x1 ) f (x 2 ) 0
La fonction f
est convexe dans le domaine 0, x 1 x 2 ,
La fonction f est concave dans le domaine x , x 1 2
| P a g e 51
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
si x 0, x 1 x 2 ,
d 2 f ( x)
0
d x2
si x x 1 , x 2
d 2 f ( x)
0
d x2
e. Représentation graphique de la fonction de densité
On considère la fonction de densité ci-après :
2 n 2 x n 1
f ( x) e x
( n)
0.8
0.7
n2
0.6
0.5 n4
0.4
n 8
0.3
0.2
0.1
0 1 2 3 4 5 6 7 8 9 10
On peut remarquer que lorsque n augmente, la courbe a tendance à avoir une forme en cloche semblable à celle de
la loi normale.
4.4 LA FONCTION DE REPARTITION
a. Définition
F ( x) P( X x)
x
f (t ) dt
n x
(n)
t n1e t dt
n 1
( x)k
si n IN * F ( x) 1 e x ( x 0)
k 0 k!
| P a g e 52
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
0.9
n2
n4
0.8
n 8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0 1 2 3 4 5 6 7 8 9
( n) 0
On pose : yx
y dy
yxx et dx
lim y lim x
x x
lim y lim x 0
x 0 x 0
n
E( X ) x e x dx
n
( n) 0
1
y ey d y
n
( n) 0
(n 1)
( n)
n ( n)
( n)
n
n
E( X )
b. La variance
| P a g e 53
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Var ( X ) E ( X 2 ) E ( X )
2
E( X ) x
2 2
f ( x) dx
0
n
x
n 1 x
e dx
( n) 0
On pose : yx
y dy
yxx et dx
lim y lim x
x x
lim y lim x 0
x0 x0
n
x e x dx
n 1
E( X 2
)
( n) 0
1
y
n 1
ey d y
2
( n) 0
( n 2)
( n)
2
n ( n 1) ( n)
( n)
2
n ( n 1)
2
n (n 1)
E( X 2 )
2
2
n (n 1) n
Var ( X )
2
n
2
n 1 n
X
n n
Var ( X ) X
2
On peut remarquer que :
n
Var ( X )
2
n 1
Avec :
n
: la moyenne de la variable GAMMA
1
: la moyenne de la variable exponentielle
| P a g e 54
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Ce qui nous amène à conclure que : la variance de la variable GAMMA est le prroduit de 2 moyennes :
La moyenne de la variable GAMMA
Et la moyenne de la variable exponentielle
c. Le mode
df ( x)
dx 0
x Mo
d 2 f ( x)
0
dx 2
n
f ( x) e x x n 1
( n)
1ère condition d’optimalité
On a vu précédemment que :
df ( x) n 1
0 x
dx
n 1
Mo
n 1
2ème condition d’optimalité
Dans l’étude du signe de la dérivée seconde, nous avions vu que :
d 2 f ( x)
0
si x x 1 , x 2
d x2
d 2 f ( x)
0 si x n 1 n 1
,
n 1
n 1
d x2
d 2 f ( x) n 1 n 1
0 si x Mo , Mo
d x2
d 2 f ( x) n 1 n 1
0 Mo Mo , Mo
dx 2
| P a g e 55
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
( n) 0
n
x
r n 1 x
e dx
( n) 0
On pose :
yx
y dy
yxx et dx
lim y lim x
x x
lim y lim x 0
x0 x0
n
x
r n 1 x
mr e dx
( n) 0
n
y
r n 1 y
e dy
r n ( n) 0
1
y
r n 1 y
e dy
( n)
r
0
(n r )
r ( n)
(n r )
mr
r ( n)
On vérifie que :
( n 1)
si r 1 m1
( n)
n ( n)
( n)
n
E( X )
(n 2)
si r 2 m2
2 ( n)
n (n 1) (n)
2 ( n)
n (n 1)
2
E( X 2 )
| P a g e 56
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
G ( ) E ( X
)
x
f ( x) dx
0
n
e x x n 1
x
dx
( n) 0
On sait que :
x e Ln
x
e x Ln
D’où :
n
G ( ) e x x n1 dx
x
( n) 0
n
e
x Ln
e x x n1 dx
( n) 0
n
e
x ( Ln )
x n1 dx
( n) 0
On pose :
y x ( Ln )
D’où :
y
x Ln
y x ( Ln )
dx dy
Ln
lim y lim x ( Ln )
x x
( Ln ) lim x
x
lim y lim x ( Ln )
x0 x0
( Ln ) lim x
x0
0
| P a g e 57
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Il vient :
n
G ( ) e
x ( Ln )
x n 1 dx
( n) 0
n
( Ln ) (n) 0
n
e y y n 1 dy
n ( n)
( Ln ) n (n)
n
( Ln ) n
n
( Ln )
Ln
1
b. La condition de normalisation
1 G (1) 1
4.8 La fonction génératrice des moments
a. Définition
M ( ) E (e X )
e
x
f ( x) dx
0
n
e
x
e x x n1 dx
( n) 0
n
e
x ( )
x n1 dx
( n) 0
On pose :
y x ( )
D’où :
y
x
y x ( )
dx dy
lim y lim x ( )
x x
( ) lim x
x
lim y lim x ( L )
x 0 x 0
( ) lim x
x 0
0
| P a g e 58
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Il vient :
n
M ( ) e
x ( )
x n 1 dx
( n) 0
n
( ) ( n) 0
n
e y y n 1 dx
n ( n)
( ) n ( n)
n
( ) n
n
( )
1
b. La condition de normalisation
0 M (0) 1
4.9 Approximation de la loi GAMMA
lim Ga (n, ) LG (m, X )
n
m E( X )
n
n
X
L’approximation est pertinente lorsque : n 30
Exemple 5
On considère l’exemple 4 étudié plus haut et la variable aléatoire réelle Z tel que Z désigne la durée totale (mesurée
en minutes) mise par un agent de poste pour traiter la demande de 4 clients qui se présentent à son guichet.
1. Déterminer la loi de probabilité de la variable aléatoire réelle Z
2. Calculer la probabilité que la durée mise par l’agent de poste pour le traitement des 4 demande soit au plus égale
à 5 minutes
3. En déduire la durée moyenne, la variance et le mode
4. En déduire la fonction génératrice des probabilités et calculer la durée moyenne, la variance à l’aide de cette
fonction
5. En déduire la fonction génératrice des moments et calculer la durée moyenne, la variance à l’aide de cette
fonction
| P a g e 59
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Solution
1. Détermination de la loi de probabilité de la variable aléatoire réelle Z
a. Le support
Z () IR
b. La fonction de densité
La variable aléatoire réelle Z désigne la durée totale (mesurée en minutes) mise par l’agent de poste pour le
traitement des demandes des 4 clients ; cette durée totale désigne un intervalle de temps qui sépare :
L’instant d’arrivée du 1er client au guichet de poste
Et l’instant de départ du 4ème client du guichet de poste
Tout en sachant que :
Yi ~ Exp ( )
Yi Y j (i j )
n4
Z Yi
i 1
1
Il s’agit donc d’une variable aléatoire qui suit la loi GAMMA de paramètres n 4 et
6
1
Z ~ Ga 4,
6
t 1
10t 1
10
60 mn
1
mn 1
6
La fonction de densité s’écrit :
n z n 1
e z z0
f Z ( z ) ( n)
0
sinon
1 1
z
e 6
z3 z0
6 4 (4)
0
sinon
avec (4) (4 1)!
3!
2. Calcul de la probabilité que la durée mise par le client pour le traitement de sa demande soit au plus égale à 5
minutes
P ( Z 5) FZ (5)
5 1
1 z
6 (4) 0
4
e 6 z 3 dz
| P a g e 60
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Ou bien :
P (Z z ) 1 e z
n 1
z k
k 0 k!
5 41
1
6 1
5 k
P ( Z 5) 1 e 6
k 0 k!
3
0.83 k
FZ (5) 1 e 0.83
k 0 k!
0.0111
3. Déduction de la durée moyenne, de la variance et du mode
a. La durée moyenne
n
E (Z )
4
1
6
24 mn
b. La variance
n
Var ( Z )
2
4
2
1
6
144 Z 144 12 mn
c. Le mode
1
Mo E ( Z )
1
24
1
6
18 mn
4. Déduction de la fonction génératrice des probabilités et calcul de la durée moyenne, de la variance à l’aide de cette
fonction
a. Déduction de la fonction génératrice des probabilités
n
G ( )
Ln
4
1
6
1 Ln
6
1
(1 6 Ln ) 4
| P a g e 61
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
m F1 m 1
E (Z )
d G ( )
d 1
24
5
(1 6 Ln ) 1
24 mn
d. La variance
Var ( Z ) E ( Z 2 ) E ( Z )
2
m2 m1
2
m F2 E Z ( Z 1)
d 2 G ( )
d
2
1
24 720
2
(1 6 Ln ) 5 2
(1 6 Ln ) 6 1
696
Var ( Z ) m2 m1
2
(696 24) 24 2
144 Z 144 12 mn
5. Déduction de la fonction génératrice des moments et calcul de la durée moyenne, de la variance à l’aide de cette
fonction
a. Déduction de la fonction génératrice des moments
n
M ( )
4
1
6
1
6
1
(1 6 ) 4
| P a g e 62
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Var ( Z ) E ( Z 2 ) E ( Z )
2
m2 m1
2
m 2 E (Z 2 )
d 2 M ( )
d
2
0
720
6
(1 6 ) 0
720
Var ( Z ) m 2 m1
2
720 24 2
144 Z 144 12 mn
| P a g e 63
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
X () IR
Le support est en ensemble infini non dénombrable.
b. La fonction de densité
f : IR IR
x IR f ( x) IR
1
1
x 1
e 2 x2 x0 ( IN * )
f ( x) 2 2
2
0 sinon
1
2
Symbole de la loi
X ~ 2
Notation :
Ti ~ LG (0,1)
Ti T j (i j )
La variable du KHI-DEUX est donc définie comme étant la somme du carré de variables normées mutuellement
indépendantes en probabilité (chaque variable normée suit une loi normale centrée-réduite).
a-Définition de la loi de probabilité dans le cas où 1
si 1 X T 2 et T ~ LG (0,1)
Soit ci-après la fonction de répartition de la variable du KHI-DEUX :
F ( x) P ( X x)
P (T 2 x)
P T x
P ( x T x)
GT ( x ) GT ( x )
GT ( x ) 1 GT ( x )
2GT ( x ) 1
| P a g e 64
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Notation :
d 2 GT ( x ) 1
dx
1
2 g ( x )
2 x
g ( x)
x
Par ailleurs, nous avons :
1 12 t 2
T ~ LG (0,1) g (t ) e
2
D’où :
1
1 ( x)2
g ( ( x) e 2
2
1
1 x
e 2
2
Il vient :
g( x )
f ( x)
x
1 1 x
1
e 2
2
x
1 1
1 x
e 2 x 2
2
1 1
1 x
1
e 2
x 2
2 2
1
1
1 1
2 1 x
e 2
x 2
2
1
1 2
1 1
2 x
2 2
e x
1
12
1
1 1
e 2 x 2
2 x
car
1 2
2
| P a g e 65
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
En posant :
1 1
et n
2 2
Nous obtenons la fonction de densité de probabilité de la loi GAMMA.
n x n 1
e x x0
f ( x ) ( n)
0
sinon
1
1 2
2 1
x
1
e 2
x 2
x0
1
2
0 sinon
1 1
12 Ga ,
2 2
1 1
Conclusion : la loi du KHI-DEUX à 1 degré de liberté, est la loi GAMMA de paramètres et n
2 2
b-Définition de la loi de probabilité dans le cas : 2
En prenant 2 dans la fonction de densité de probabilité de la variable du KHI-DEUX, nous obtenons :
1
1 x 1
f ( x) e 2
x2 x0 ( IN * )
2 2
2
1 2
1 x 1
e 2
x2
2
2
2
2
2
1
1 x
e 2 x0 (1) (1 1) ! 1
2 (1)
1
1 2 x
e
2
En posant :
1
2
Nous obtenons la fonction de densité de probabilité de la loi EXPONENTIELLE.
e x x0
f ( x)
0 sinon
1 12 x
e x0
2
0
sinon
1
22 Exp
2
1
Conclusion : la loi du KHI-DEUX à 2 degrés de liberté, est la loi EXPONENTIELLE de paramètre
2
| P a g e 66
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
1
2 G a ,
2 2
1
n
2 2
1
La loi du KHI-DEUX à degrés de liberté est la loi GAMMA de paramètres n et
2 2
1
1 x 1
X ~ 2 f ( x) e 2
x2 x0 ( IN * )
2
2
2
n x n1
f ( x ) e x x0
( n)
1
x
(1 / 2) / 2 2 2 1 1
X ~ Ga , e x 2 Ga ,
2 2 ( / 2 ) 2 2
1
x
1
/2 e 2x 2
2 ( / 2)
b. Les limites
lim f ( x) 0 lim f ( x) 0
x 0 x
c. La dérivée première
Soit la fonction de densité pour x 0
1
1 x 1
f ( x)
e 2
x2
2 2 ( / 2)
On pose :
1
a /2
2 ( / 2)
Il vient :
x
1
f ( x) ae 2 x 2 ( x 0)
| P a g e 67
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
d f ( x) a 2 x 2 2
1 1 1
x 2 a x 1
e x ae 2 x 2 e 2 x 2
dx 2 2
x 2 1 1
1
ae 2 x 2 1 x 2
2 2
df ( x)
dx
ae x x n 2 (n 1) x n 1 avec
1
2
et n
2
x 2 1 1
1
df ( x)
0 a e 2 x 2 1 x 2 0
dx 2 2
1
a e 2 x 0 x
x 2 2 1 1 x 2 1 0
x
1
2 1
1 2 2
a e 2 x 2 1 x 2 0 2
2 2
x 2 1 x 2
1 1
2 2
1 x 2 1 1 x 2 1
1
x 2 2
1 1 1 x 2
x 2 2
df ( x)
0 x 2 ( 2)
dx
2
2
x 2 f 2
1
( / 2) 2 e
(n 1) x n 2 x n 1 0
d f ( x)
0 n 1
dx (n 1) x
n2
x n 1 x
(n 1) x n 2 x n 1 0
d f ( x)
0 n 1
dx (n 1) x
n2
x n 1 x
| P a g e 68
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
1 1 1 2 1
2 2 2
2
d f ( x) x 1
ae 2
x2
dx 2 4 x x 2
2
1
x 1
ae 2
x2 x 4 2 1 x 4 2 2 2 1
d 2 f ( x)
0 x 2 4 1 x 4 2 1 0
dx 2 2 2 2
x 2 4 1 x 4 2 1 0
2 2 2
4 1 4 1 ( : discrimina nt de l' équation du second degré)
2 2
4 1 4 1
x 1 2 2
2
( 2) 2 1
2
4 1 4 1
2 2
x 2
2
( 2) 2 1
2
| P a g e 69
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
d 2 f ( x) + 0 _____ 0 +
dx 2
f (x) 0 f ( x1 ) f ( x2 ) 0
0.8
1
0.6
0.4 3
4
0.2
0 2 4 6 8 10
1 1
0.8
0.6 3
0.4
0.2
4
0 2 4 6 8 10
| P a g e 70
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
1
2 Ga ,
2 2
m r E ( X )
r
(n r )
r
1 ( n)
2 Ga ,
2 2
r
2
r
1
2 2
m1 E ( X )
1
2
1
2 2
2 2
1
2 2
E( X )
Ou bien, sachant que :
1
2 Ga ,
2 2
Alors :
n
E( X )
2
1
2
| P a g e 71
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
b. La variance
Var ( X ) E ( X 2 ) E ( X )
2
1
2 Ga ,
2 2
m r E ( X )
r
(n r )
r
1 ( n)
2 Ga ,
2 2
r
2
r
1
2 2
m 2 E( X 2 )
2
2
2
1
2 2
1 1
2 2
2
1
2 2
1
2 2
2
2
1
2 2
2 2
2 1
2 1
2 2
2 1 E ( X )
2
2 1
2
2
2
D’où :
Var ( X ) ( 2 2 ) 2
2
2 E ( X ) X 2
| P a g e 72
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
1
2 Ga ,
2 2
Alors :
n
Var ( X )
2
2
2
1
2
2
c. Le mode
1ère condition d’optimalité
On a vu précédemment que :
df ( x)
0 x 2 ( 2)
dx
Mo 2
E( X ) 2
2ème condition d’optimalité
Dans l’étude du signe de la dérivée seconde, nous avions vu que :
si x x 1 , x 2
d 2 f ( x)
0
d x2
d 2 f ( x)
0 si x ( 2) 2 1, ( 2) 2 1
d x2 2 2
d 2 f ( x)
0 si x Mo 2 1 , Mo 2 1
d x2 2 2
d 2 f ( x)
2
0 Mo Mo 2 1 , Mo 2 1
dx 2 2
On peut remarquer que la 2ème condition d’optimalité est satisfaite d’où : Mo 2
| P a g e 73
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
G ( ) E X
x f ( x) dx
0
1
1 x 1
e
x 2
x 2 dx
2 2 ( / 2) 0
On sait que :
x e Ln
x
e x Ln
D’où :
1
1 x 1
G ( ) e
x 2
x2 dx
2 ( / 2)
2 0
1
1 x 1
e e
x Ln
2
x2 dx
2 2 ( / 2) 0
1
1 x Ln 1
e 2
x2 dx
2 ( / 2)
2 0
On pose :
1
y x Ln :
2
y
x 1
Ln
1 2
y x Ln
2 dx dy
1
Ln
2
1
lim y lim x Ln
x x
2
1
Ln lim x
2 x
1
lim y lim x Ln
x0 x0
2
1
Ln lim x
2 x0
0
| P a g e 74
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Il vient :
1 1
G ( ) e y 2 dy
y
1 2 0
2 2 Ln
2 2
2
1 2
2 Ln
2
2 2
1
1
2 2 1 2 Ln 2
2
2
1
1 2 Ln 2
1 1
Ln
1 2 Ln 2
1
b. La condition de normalisation
1 G (1) 1
5.6 LA FONCTION GENERATRICE DES MOMENTS
a. Définition
M ( ) E e X
e
x
f ( x) dx
0
1
1 x 1
e e
x
2
x2 dx
2 2 ( / 2) 0
1
1 x 1
e 2
x2 dx
2 2 ( / 2) 0
On pose :
1
y x
2
y
x 1
1 2
y x
2 dx dy
1
2
| P a g e 75
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
1
lim y lim x
x x
2
1
lim x
2 x
1
lim y lim x
x0 x0
2
1
lim x
2 x0
0
Il vient :
22 1
M ( ) e y 2 dy
y
2 2 1 2 2 0
2
2
1 2 2
2
1
1
2 2 1 2 2
2
2
1
1 2 2
1 1
1 2 2
1
b. La condition de normalisation
0 M (0) 1
5.7 APPROXIMATION DE LA LOI DU KHI-DEUX
lim 2 LG ( m, X )
m E( X )
X Var ( X )
2
| P a g e 76
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Exemple 6
Calculer le moment simple d’ordre 1 et le moment simple d’ordre 2 de la variable aléatoire réelle du KHI-DEUX à
l’aide :
1. De la fonction génératrice des probabilités
2. Et de la fonction génératrice des moments
Solution
1. Calcul des moments à l’aide de la fonction génératrice des probabilités
a. Calcul du moment simple d’ordre 1
X ~ 2
1
G ( )
1 2 Ln
m1F m1
E( X )
dG ( )
d 1
1
(1 2 Ln ) 2 1
b. Calcul du moment simple d’ordre 2
m 2 E( X 2 )
m 2F m1F
d 2G ( )
m 2F
d
2
1
2 1
2
2 2 1
(1 2 Ln ) (1 2 Ln ) 2
2 2
1
2 1
2
v
2
m 2 m 2F m1F
(v 2 )
v 2 2
| P a g e 77
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
X ~ 2
1
M ( )
1 2
m 1 E( X )
dM ( )
d 0
1
(1 2 ) 2 0
b. Calcul du moment simple d’ordre 2
m 2 E( X 2 )
d 2 M ( )
d
2
0
2 2 1
2
(1 2 )
2
0
2 2
| P a g e 78
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
6.INEGALITE DE BIENAYME-TCHEBYTCHEV
Notation :
X : variable aléatoire réelle discrète ou continue et qui suit une loi de probabilité quelconque.
6.1 LES HYPOTHESES
a. Première hypothèse
E ( X )
Var (X )
6.2 DEFINITION DE L’INEGALITE DE BIENAYME-TCHEBYTCHEV
L’inégalité de Bienayme-Tchebytchev définit 2 bornes :
Une borne supérieure relative à la probabilité de réalisation d’un évènement donné
Une borne inférieure relative à la probabilité de réalisation d’un évènement donné
a. Définition de la borne supérieure (1ère forme de l’inégalité)
Soit l’évènement ci-après :
X E ( X ) a E ( X ) a X E ( X ) a
X E ( X ) a, E ( X ) a
X , E ( X ) a E ( X ) a,
a a
xi E ( X ) a E( X ) x j E( X ) a
P X E ( X ) a
Var ( X )
(a 0)
a2
b. Définition de la borne inférieure (2ème forme de l’inégalité)
c. Soit l’évènement ci-après :
X E( X ) a E ( X ) a X E ( X ) a
X E ( X ) a, E ( X ) a
a a
x
xi E ( X ) a E( X ) x j E( X ) a
| P a g e 79
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
P X E ( X ) a 1
Var ( X )
(a 0)
a2
Remarque : l’intervalle est centré sur son espérance mathématique.
Exemple 7
Soit la variable aléatoire réelle X tel que X désigne le nombre de véhicules automobiles qui traversent une
agglomération urbaine et ceci entre 16 : 00 h et 18 :00 h. La variable aléatoire réelle X suit une loi de probabilité
quelconque. Par ailleurs, nous avons :
E ( X ) 4 000 Var ( X ) 10 000
Définitissez une borne pour les probabilités suivantes :
P (3500 X 4500) P (4500 X 3500)
Solution
1. Borne pour : P (3500 X 4500)
Puisqu’on ne connait pas de manière explicite la loi de probabilité de la variable aléatoire réelle X , on peut alors
utiliser l’inégalité de Bienayme-Tchebytchev.
a a
xi 3500 x j 4500
4000 a E ( X ) 4000 4000 a
a 500 a 500
On peut remarquer que X E ( X ) a, E ( X ) a d’où l’utilisation de la 2ème forme de l’inégalité.
P X E ( X ) a 1
Var ( X )
a2
P (3500 X 4500) P X E ( X ) a
P X 4000 500
P X 4 000 500 1
Var ( X )
a2
P X 4 000 500 1
10 000
0.96
500 2
P (3500 X 4500) 0.96
P (3500 X 4500) 0.96,1
| P a g e 80
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Puisqu’on ne connait pas de manière explicite la loi de probabilité de la variable aléatoire réelle X , on peut alors
utiliser l’inégalité de Bienayme-Tchebytchev.
a a
xi 3500 x j 4500
4000 a E ( X ) 4000 4000 a
a 500 a 500
On peut remarquer que X E ( X ) a, E ( X ) a d’où l’utilisation de la 1ère forme de l’inégalité.
P X E ( X ) a
Var ( X )
a2
P ( 4500 X 3500) P X E ( X ) a
P X 4000 500
P X 4 000 500
Var ( X )
a2
P X 4 000 500
10 000
0.04
500 2
P (4500 X 3500) 0.04
P (4500 X 3500) 0,0.04
| P a g e 81
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Exemple 8
Soit la variable aléatoire réelle X tel que X désigne le nombre de boules blanches obtenues lorsqu’on tire avec
remise 8 fois de suite une boule d’un sac qui contient 10 boules dont 5 blanches.
P (1 X 6) P (2 X 6)
F (6) F (1)
6 1
P( X x) P( X x)
x 0 x 0
x 8 x x 8 x
6
1 1 1
1 1
C
x
8 C x
8
x 0 2 2 x 0 2 2
0.9297
3. Détermination de la borne pour la probabilité précédente
Puisqu’on suppose que la loi de probabilité de la variable aléatoire réelle X n’est pas connue, on peut alors utiliser
l’inégalité de Bienayme-Tchebytchev et notamment la 2ème forme, ce qui signifie que l’on va déterminer une borne
inférieure.
a a
xi 2 xj 6
4a E( X ) 4 4a
a2 a2
| P a g e 82
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
P X E ( X ) a 1
Var ( X )
a2
P ( 2 X 6) P X E ( X ) a
P X 4 2
P X 4 2 1
Var ( X )
a2
P X 4 2 1 2 0.50
2
2
P (2 X 6) 0.50
P (2 X 6) 0.50,1
4. Remarque
La probabilité déterminée par la loi exacte est de 0.8203 et on peut écrire :
0.9297 0.50,1
| P a g e 83