VARIABLE ALÉATOIRE CONTINUE Chapitre 4

BTS CG Mathématiques
 

Introduction 
Prenons un exemple simple. Vous allez au supermarché du coin et vous choisissez une personne au hasard.
Vous vous intéressez au montant du ticket de caisse. On peut donc introduire une variable aléatoire X qui donne
le montant du ticket.
Il est évident de comprendre que P (X = 123, 54) = 0. Eectivement la probabilité est nulle de tomber sur un
montant précis. Ainsi, pour n'importe quel montant k, P (X = k) = 0.
Donc, on se contentera de calculer des évènements du style "X < 50" où "X⩾ 120"
Maintenant, comment va t-on faire pour calculer de tels évènements?
Pour cela, une étude statistique permet de trier les tickets suivants leur montant, ce qui donne le diagramme
suivant (g 1) et la courbe en pourcentage suivante(g2)

La fonction obtenue s'appelle pour la variable X une fonction de densité. Elle nous permet de calculer les
probabilité grâce à l'aire entre les valeurs. Ainsi, si on veut calculer P (90 ⩽ X ⩽ 190), il sut de connaitre
l'aire, comme sur la gure suivante

Nous allons étudier dans ce cours des variables aléatoires qui prennent leurs valeurs sur un intervalle, ce
qu'on appelle des variables aléatoires continues

Lycée Louis Payen 1/4 Année 2022/2023

 

Loi uniforme 
Introduction :
Prenons l'exemple simple d'un voyageur prenant un bus qui passe toutes les heures. Il ne sait pas combien de
temps il va attendre. Notons X la variable aléatoire représentant le temps d'attente. Alors X prend ses valeurs
sur l'intervalle [0, 1].
On dit que X suit une loi uniforme sur [0; 1]
Loi uniforme

On dit qu'une variable aléatoire suit la loi uniforme sur l'intervalle [a, b] si la fonction de densité est
dénie par :

si x ∈ [a, b]

 1

sinon
f (x) = b − a
0

Calcul des probabilités

Soit X une variable aléatoire suivant la loi uniforme sur l'intervalle [a, b]. Alors :

d−c
P (c ⩽ X ⩽ d) =
b−a

Espérance

Soit X une variable aléatoire suivant la loi uniforme sur l'intervalle [a, b]. Alors :
a+b
E(X) =
2

Exemple : Reprenons l'exemple donné en introduction, alors :

 La probabilité que la personne attende 12 min est : P (X = 0.2) = 0 1 − 0.5
 La probabilité que la personne attende plus de 30 min : P (X ⩾ 0.5) = 1 − 0 = 0.5.
 La probabilité que la personne attendent entre 15 min et 30 min : P (0.25 ⩽ x ⩽ 0.5) = 0.51−−0.25
0
= 0.25.

 E(X) = 2 = 0.5
1+0

Lycée Louis Payen 2/4 Année 2022/2023

 

Loi normale 
Introduction :
Quand on réalise le diagramme en bâton d'une loi binomiale, on constate pour n assez grand, que la dia-
gramme se rapproche d'une courbe, "en forme de cloche", symétrique par rapport à une valeur, correspondant
à l'espérance de la loi binomiale.

Cette courbe, appelée "courbe de Gauss", va servir pour introduire une nouvelle loi de densité, la loi normale.

Loi normale

On dit qu'une variable aléatoire suit une loi normale d'espérance µ et d'écart-type σ, notée N (µ, σ) si
elle admet comme fonction de densité la courbe de Gauss suivante :

Calcul des probabilités

Soit X une loi normale d'espérance µ et d'écart-type σ, alors :

Probabilité P (c ⩽ X ⩽ d) P (X ⩽ a) P (a ⩽ X)

Graphique
Calculatrice NormalFrep(c, d, µ, σ) NormalFrep −10 99
, a, µ, σ


NormalFrep a, 10 99
, µ, σ

Lycée Louis Payen 3/4 Année 2022/2023

 Intervalle 1,2,3 σ
Soit X une loi normale d'espérance µ et d'écart-type σ, alors :

 P (µ − σ ⩽ X ⩽ µ + σ) ≈ 0, 68
 P (µ − 2σ ⩽ X ⩽ µ + 2σ) ≈ 0, 95
 P (µ − 3σ ⩽ X ⩽ µ + 3σ) ≈ 0, 997

Exemple :
On s'intéresse au montant des achats, exprimé en euros, eectué par les clients d'un magasin électroménager.
On note M la variable aléatoire qui, à chaque client choisi au hasard, associe le montant total de ses achats. On
suppose que M suit la loi normale de moyenne 550 et d'écart type 195. On choisit un client au hasard. Calculer
les évènements suivants :
1. A="Le montant des achats du client est inférieur à 600e".
2. B="le montant des achats du client est de 800e au moins"
3. C="le montant des achats est compris entre 400e et 800e

1. P (A) = normalFrep(−10 , 600, 550, 195) ≈ 0, 60

99

2. P (B) = normalFrep(800, 10 , 550, 195) ≈ 0, 099

99

3. P (C) = normalFrep(400, 800, 550, 195) ≈ 0, 68

Approximation d'une loi binomiale par une loi normale

On admettra la propriété suivante :

Si n est "assez grand", et si p n'est ni trop proche de 0 ni trop proche de 1, alors on peut approcher
la loi binomiale B(n; p) par la loi normale N (µ; σ) avec :
µ = n × p et σ = n × p × (1 − p)
p

Exemple : soit une variable aléatoire X suivant une loi binomiale B(300; 0, 6).
On peut
√ approcher la loi de X par une loi Y normale d'espérance µ = 300 × 0, 6 = 180 et d'écart-type
σ= 300 × 0, 6 × 0.4 = 3, 19 ≈ 8, 49

Ainsi, P (X ⩽ 170) ≈ 0, 13 et P (Y ⩽ 170) ≈ 0, 12

On constate une diérence, ce qui s'explique par le fait que c'est une approximation.
Pour cela, on modie l'intervalle an de faire une correction de continuité. Ainsi, au lieu de prendre P (Y ⩽
170), on va prendre P (Y ⩽ 170 + 0, 5) ≈ 0.13. Ce changement d'intervalle vous sera fourni.

Lycée Louis Payen 4/4 Année 2022/2023