Chapitre 9 

: Lois de probabilités continues

I Loi de probabilité à densité sur un intervalle [a;b]

1. Exemples de variables aléatoires continues

Jusqu’à présent, les variables aléatoires étudiées prenaient un nombre fini de valeurs.

Exemple : Soit l'expérience aléatoire : "On lance un dé à six faces et on regarde le résultat."
On considère le jeu suivant :
- Si le résultat est pair, on gagne 1€.
- Si le résultat est 1, on gagne 5€.
- Si le résultat est 3 ou 5, on perd 2€.
X est la variable aléatoire qui, à chaque face, associe le gain du joueur.
La variable aléatoire ne prend qu'un nombre fini de valeurs, elle est dite discrète.

Il existe des variables aléatoires qui prennent n'importe quelle valeur dans un intervalle de IR .

Exemples : Une entreprise fabrique des disques durs.

On définit une variable aléatoire qui, à chaque disque dur, associe sa durée de vie en heures. Cette
durée n'est pas nécessairement un nombre entier et peut prendre toutes les valeurs de l'intervalle
[ 0 ;+∞ [ .
Temps d’attente téléphonique à un service, taux de glycémie, poids à la naissance…
Une telle variable aléatoire est dite continue.

2. Fonction de densité

Définition : Soit [a; b] un intervalle, on appelle densité de probabilité sur [a; b] ou fonction de
b
densité, toute fonction f continue et positive sur [a; b] telle que ∫a f ( x) dx=1 .

Définition : Soit X une variable aléatoire définie sur un univers Ω et à valeurs dans un intervalle
[a; b] de ℝ .
On dit que X suit une loi de probabilité à densité f sur [a; b] , si pour tout intervalle [c ; d ]
inclus dans [a; b] ,
d
P ( X ∈[c ; d ]) = P(c ≤ X ≤ d ) = ∫c f ( x) dx
On dit alors que X est une variable aléatoire continue.

p 1/7
Remarques:
• P ( X ∈[c ; d ]) est alors l'aire sous la courbe de f entre c et d.
x0
• Pour tout réel x 0 dans [a; b] , P ( X = x 0 ) = ∫x f ( x )dx = 0
0

• D'après précédemment, on peut transformer les inégalités larges en inégalité strictes, ainsi,
P (a≤ X ≤b) = P (a < X ≤b ) = P( a≤ X <b) = P(a < X <b)

3
x
Exercice 1: On considère la fonction f définie sur [0 ; 2] par f (x)= .
4
1) Montrer que f est une fonction à densité sur [0 ;2] .

2) On considère une variables aléatoire X suivant la loi de probabilité de densité f.

Calculer P (1≤ X ≤2) .

Correction :

p 2/7
Exercice 2: Utiliser une loi de densité

Une entreprise produit des dalles en plâtre suivant une variable aléatoire continue X, en tonnes, qui
prend ses valeurs dans l'intervalle [0 ; 20] avec une densité de probabilité f définie par :
f (t)=0,015 t−0,00075 t 2

Remarque : Ici on écrit t pour tonnes, mais c'est une variable

comme habituellement x.

a) Démontrer que f est une densité de probabilité sur [0 ; 20].

b) Calculer la probabilité de l'événement E : "La production quotidienne est supérieure ou égale à
12 tonnes".

Correction :

Définition : Soit X une variable aléatoire de densité f sur un intervalle [a ;b] . La fonction de
répartition de X est la fonction, notée F, définie sur [a ;b] , telle que pour tout x,
x
F ( x) = P( X≤ x) = ∫a f (t )dt .

p 3/7
II La loi uniforme

Définition : On appelle loi uniforme sur [a ;b] , la loi de probabilité de densité f définie par :
1
f (x) = si x ∈[ a ;b] ,
b−a

f (x) = 0 si x ∉[a ;b]

Représentation graphique

côté de longueur (b-a)

1
Remarque : Pourquoi avoir comme valeur de f ( x) , le nombre ?
b−a
1
Le nombre est celui qui permet d'avoir une aire sous la courbe de f égale à 1.
b−a
En effet, l'aire sous la courbe de f entre a et b est l'aire d'un rectangle dont un côté à pour longueur
1
b−a . Pour que l'aire totale fasse 1, il faut que l'autre côté mesure .
b−a
La formule de l'aire d'un rectangle étant longueur×largeur , on a donc :
1 b
Aire =(b−a)× = 1 , et ainsi ∫a f ( x)dx=1
b−a

Exemple : La loi uniforme sur [2 ; 6] est donc définie par :

1 1
f (x) = = si x est un nombre compris entre 2 et 6,
6−2 4
et f ( x)=0 si x n'est pas compris entre 2 et 6.
1
Ainsi, f (3)= et f (7)=0 .
4

Comment calculer dans ce cas P(3< X< 4) si X suit cette loi uniforme sur [2 ;6] ?

p 4/7
Question : Dans le chapitre précédent de probabilités sur les lois discrètes, on calculait l'espérance
pour obtenir une « valeur moyenne » des valeurs prises par X.
Comment fait-on dans le cas de lois continues ?

Propriété : Espérance
Soit X une variable aléatoire suivant une loi uniforme sur [a;b].
b a+ b
X admet une espérance E( X) définie par E ( X ) = ∫a x f ( x) dx égale à .
2

b
Remarque : L'égalité E ( X ) = ∫a x f ( x) dx est valable pour toutes les lois continues, mais le
a+ b
résultat est spécifique à la loi uniforme.
2

Démonstration :
b x 1 b
E ( X ) = ∫a dx = ∫ x dx
b−a b−a a
b
1 x² 1 b ² a² b ²−a ² (b−a)(b +a) a+b
= [ ] = ( − )= = =
b−a 2 a b−a 2 2 2 (b−a) 2(b−a) 2

Exemple : Reprenons comme précédemment la variable aléatoire X suivant la loi uniforme sur
[2 ; 6] . Alors,
E( X )= .

Propriété : variance (admise)

Soit X une variable aléatoire suivant une loi uniforme sur [a;b].
b
X admet une variance, notée V ( X) définie par V ( X) = ∫a ( x− E( X ))2 f (x )dx et égale à
2
(b−a)
V ( X) = .
12

III La loi exponentielle

1) Définition

Définition : Soit λ un réel strictement positif.

On appelle loi exponentielle de paramètre λ, la loi de probabilité de
fonction à densité f sur [ 0  ;+ ∞ [ définie par f (x )=λe−λt .

Remarques :
+∞ x
• ∫0 λe−λt dt = lim x →+∞ ∫0 λe−λt dt = lim x →+∞ [e− λt ]0x = lim x →+∞ (1−e− λt ) = 1
La loi exponentielle est bien une densité de probabilité.
• Si I =[a; b] , et si T est une variable aléatoire suivant la loi exponentielle
b
P (T ∈ I )=∫a λe
− λt
dt

p 5/7
Applications :
a
P (T ≤a) = ∫0 λe
− λt −λa
• Pour tout réel a positif, dt = 1−e
− λa
• Pour tout réel a positif, P (T ≥a) = 1− P (T < a) = 1− P (T ≤a ) = e

Propriété : Soit X une variable aléatoire qui suit la loi exponentielle de paramètre λ.
La fonction de répartition F est définie sur ℝ par :
F ( x)=0 si x <0 et
−λx
F ( x)=1−e si x≥0 .

2) Durée de vie sans vieillissement

La loi exponentielle modélise la durée de vie de systèmes qui ne sont pas soumis à un phénomène
d'usure, par exemple la durée de vie d'un atome radioactif.

Propriété : Soit T une variable aléatoire suivant une loi exponentielle de paramètre λ, λ>0.
Pour tous réels positifs t et h,
P(T ≥t) (T ≥t+ h)=P(T ≥h)

Démonstration :
Pour tous réels t et h, P (T ≥t ) = e− λt et P (T ≥t + h) = e−λ (t +h) .
P [(T ≥t )∩(T ≥T +h )] P (T ≥T +h) e− λ(t +h) − λh
P (T ≥t ) (T ≥t +h) = = = −λt = e = P (T ≥h) .
P (T ≥t ) P (T ≥t ) e

Exemple : La durée de vie, exprimée en heures, d'un composant électronique est une variable
aléatoire T qui suit une loi exponentielle de paramètre λ=0,0035.
Sachant qu'un composant testé à duré plus de 200 heures, calculer la probabilité qu'il tombe en
panne avant 300 heures.

p 6/7
 3) Espérance

Définition : Soit T une variable aléatoire suivant une loi exponentielle de paramètre λ.
L'espérance de la v. a. T est :
+∞ x
E (T )=∫0 t× λ e−λt dt =lim x →+ ∞ ∫0 t×λ e−λt dt
Elle s'interprète comme la durée de vie moyenne.

Propriété :
1
L'espérance d'une variable aléatoire suivant une loi exponentielle de paramètre λ est E (T )= .
λ

Démonstration :
La densité de la loi exponentielle f  : t → λe−λt est continue sur [ 0 ;+ ∞ [ , elle admet donc des
primitives sur cet intervalle.
On remarque que pour tout réel t dans [ ;+ ∞ [ ,
(te −λt )' =e−λt −λte −λt
donc λte −λt =e−λt −(te− λt )'

Ainsi,
x x x
∫0 t λ e −λt dt=∫0 e− λt dt−∫0 (te−λ t )' dt
x
1 −λt −λt x
= [− e ] −[te ]0
λ 0
− λx
e 1 −λ x
= − + −x e
λ λ

x e−λ x 1 1
E (T ) = lim x →+∞ ∫0 t λ e− λ t dt = lim x →+∞ (− + − x e−λ x ) =
λ λ λ

1
Exemple : Si on reprend l'exemple précédent, E (T ) =
≃ 286
0,003
La durée de vie moyenne du composé est environ 286 heures.

p 7/7