Académique Documents
Professionnel Documents
Culture Documents
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
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
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
E(X) = 2 = 0.5
1+0
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 :
Graphique
Calculatrice NormalFrep(c, d, µ, σ) NormalFrep −10 99
, a, µ, σ
NormalFrep a, 10 99
, µ, σ
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
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