Probabilités. Chapitre 5.

Les lois de probabilités absolument continues.

1 Du discret au continu.
Dans certains cas, l'ensemble des valeurs possibles pour une variable aléatoire n'est plus discret
(ensemble de valeurs numérotables) mais continu (intervalle de IR). Il en est ainsi, par exemple, des
temps, des distances, des tailles, des poids, etc. On peut alors discrétiser la situation, par exemple en
arrondissant les temps à la seconde, les distances au kilomètre, les tailles au centimètre, les poids au
kilogramme, etc. On peut aussi conserver toute la finesse du continu.
Le continu apparaît comme la limite d'une discrétisation de plus en plus fine.

2 Les correspondances entre le discret et le continu.

a) La densité de probabilité d’une variable aléatoire absolument continue.

Dans le cas discret, la loi de probabilité d’une variable aléatoire X est définie par la donnée des valeurs xi
possibles pour X (discrètes, en nombre fini ou infini) et des probabilités pi correspondantes
(pi = P(X = xi)). La donnée des pi équivaut à celle des probabilités cumulées P(X ≤ xi).
Dans le cas continu, la loi de probabilité d’une variable aléatoire X est définie par la donnée d’une
fonction f, appelée densité de probabilité, telle que :

x
(∀x∈IR) P(X ≤ x) = ∫ −∞
f ( u )du ce qui peut s’écrire : (∀x∈IR) P(x < X < x + dx) = f(x)dx

Pour être une densité de probabilité, une fonction doit être positive et d’intégrale sur IR égale à 1.

b) Les correspondances entre le discret et le continu.

Le premier tableau les résume. Le deuxième (à compléter) les exploite.

Discret xi pi ∑
i
Continu x f(x)dx
∫
R

Discret Continu Discret Continu

Fonction de
répartition F
P (X ≤ x) = ∑
{i / x i ≤ x}
pi
P (X ≤ x) = ∫
−∞
x
f (t)dt
Moment
d’ordre 0
∑p
i
i =1
∫
+∞

−∞
f (x)dx = 1

Espérance Moment E (Xn) = E (Xn) =

Mathématique ∑ x i pi ∫
+∞
f (x)dx d’ordre n ∑x
n +∞

µ
i −∞
(n∈IN*) i
i pi
∫ −∞
x n f (x)dx

E (X2) =
∑x E [(X – µ )n] = E [(X – µ )n] =
2 2
E (X ) = pi +∞ Moment
∫ ∑ (x
i
− µ ) pi
2 n +∞
x f (x)dx
Variance σ2 i
−∞ centré d’ordre i
∫ (x − µ ) n f (x)dx
σ = 2 −∞
n (n∈IN*)
i
σ2 =
E (X2) – [E (X)]2 E (X ) – [E (X)]2
2

__________________________
Probabilités Chapitre 5 Page 1
3 Quelques propriétés des lois absolument continues.
Hypothèses.
a et b sont deux réels tels que a < b.
X est un variable aléatoire absolument continue.
f est sa densité de probabilité. F est sa fonction de répartition.
Propriétés.
1) Si f est continue, alors :
F′ = f.
2) Les propriétés de l’espérance mathématique, de la variance, de l’écart-type et des moments
sont les mêmes que pour une variable aléatoire discrète.
3) Dans le cas continu, les valeurs isolées ont une probabilité nulle.
Il n’y a donc pas lieu de distinguer les inégalités strictes des inégalités larges.
P(X = a) = 0 ; P(X = b) = 0 ;
a
P(X ≤ a) = P(X < a) = F(a) = ∫−∞
f ( x )dx ;
+∞
P(X ≥ a) = P(X > a) = 1 – F(a) = ∫ f ( x )dx ;
a
b
P(a < X < b) = P(a ≤ X < b) = P(a < X ≤ b) = P(a ≤ X ≤ b) = F(b) – F(a) = ∫a
f ( x )dx .

4 Exemples de lois absolument continues : les lois uniformes.

Une variable aléatoire absolument continue X obéit à la loi uniforme sur [a ; b] (a < b)
si sa densité de probabilité est constante sur [a ; b] et nulle à l’extérieur de [a ; b].
L’intégrale de la densité de probabilité devant être égale à 1, sa valeur constante sur [a ; b] est
nécessairement :
1
.
b−a
Voici donc l’histogramme de X, c’est à dire la courbe représentative de sa densité de probabilité :
1
b−a

a b
x–a
La fonction de répartition F de X est telle que : ( ∀ x ∈ [a, b] ) F(x) = .
b–a

a+b (b − a) 2
On peut vérifier que X a pour espérance et pour variance .
2 12
La loi de probabilité uniforme sur [0, 1] est simulable par le générateur de nombres aléatoires d’un
ordinateur ou d’une calculette. On peut déduire les simulations de nombreuses autres lois de probabilités
à cause du résultat suivant :
Si la fonction de répartition F d’une variable aléatoire X est strictement croissante sur
{ x ∈ IR / 0 < F(x) < 1 } et si U est une variable aléatoire uniforme sur [0 , 1] alors les
variables aléatoires X et F-1oU ont la même loi de probabilité.
En effet, pour tout réel x, P(F-1oU ≤ x) = P(U ≤ F(x)) = F(x) = P (X ≤ x).

__________________________
Probabilités Chapitre 5 Page 2
 Exercices.
1. Le générateur de nombres aléatoires d’un ordinateur fournit, à chaque sollicitation,
un nombre aléatoire X compris entre 0 et 1.
Quelle est la loi de probabilité de X ? Son espérance mathématique ? Sa variance ?
Quelle est la probabilité, lors d’une sollicitation, d’obtenir un nombre entre 0,4 et 0,7 ?
2. f est la fonction ainsi définie : f(x) = 2x si 0 < x < 1 ; f(x) = 0 sinon.
X est une variable aléatoire de densité de probabilité f.
2.1. Expliquer pourquoi f peut être une densité de probabilité.
2.2. Déterminer la fonction de répartition F de X.
2.3. Calculer l’espérance mathématique et la variance de X.
2.4. Calculer la probabilité P(1/3 < X < 2/3).
x +1
3. X est une variable aléatoire de densité de probabilité f ainsi définie : f(x) = si 0 < x < 2 ; f(x) = 0 sinon.
4
Vérifier que f est bien une densité de probabilité ; tracer sa courbe représentative ; déterminer la fonction de répartition F de X
et tracer sa courbe représentative ; calculer l’espérance mathématique et la variance de X.
4. X est une variable aléatoire absolument continue telle que P(0 < X < 1) = 1.
Elle a pour densité de probabilité f, pour fonction de répartition F, pour espérance mathématique E(X) et pour variance V(X).
3
Déterminer f, F, P(1 < X < ), E(X) et V(X) dans chacun des cas suivants.
4 4
4.1. Il existe un réel a (à déterminer) tel que, pour tout réel x compris entre 0 et 1, F(x) = ax.
4.2. Il existe un réel b (à déterminer) tel que, pour tout réel x compris entre 0 et 1, f(x) = bx.
5. X est une variable aléatoire absolument continue.
3
f est sa densité de probabilité. f(x) = (1 – x2) si 0 < x < 1 ; f(x) = 0 sinon. F est sa fonction de répartition.
2
E(X) est son espérance mathématique. V(X) est sa variance.
5.1. Tracer la courbe représentative de f. On prendra 5 cm pour unité sur chaque axe.
5.2. Prouver que f est acceptable comme densité de probabilité.
5.3. Déterminer F.
5.4. Calculer E(X).
5.5. Calculer V(X).
5.6. Calculer la probabilité P(1/4 < X < 3/4) et matérialiser cette probabilité sur la figure tracée à la question 1.
6. X est une variable aléatoire de densité de probabilité f ainsi définie : f(x) = 1/x2 si x > 1 ; f(x) = 0 sinon.
On rappelle que la dérivée de ln x est 1/x et que la dérivée de 1/x est –1/x2.
a) Vérifier que f est une densité de probabilité. b) Calculer la probabilité P (2 < X < 3).
c) X possède-t-elle une espérance mathématique ?
7. Hypothèse.
X est une variable aléatoire absolument continue de densité de probabilité f ainsi définie :
f(x) = x3/4 si 0 < x < 2 ; f(x) = 0 sinon.
Questions.
7. 1. Vérifier que f est acceptable comme densité de probabilité.
7. 2. Calculer E(X).
7. 3. Calculer V(X).
7. 4. Calculer la probabilité P(1 < X < 2).
8. Hypothèses.
1
f est la fonction ainsi définie : f(x) =(8 – x3) si 0 ≤ x ≤ 2 ; f(x) = 0 sinon.
12
X est une variable aléatoire absolument continue admettant la fonction f pour densité de probabilité.
Questions.
8.1. Représenter f en repère orthonormé. On prendra 5 cm pour unité.
8.2. Vérifier que f est acceptable comme densité de probabilité.
8.3. a) Calculer la probabilité P(1 < X < 2).
b) Représenter cette probabilité sur la figure dessinée en question 1.
8.4. Calculer l’espérance mathématique de X et la variance de X.
9. On choisit au hasard un point B sur un segment de droite [A, C]. On désigne par X la plus petite (au sens large) des deux
longueurs AB et BC et par Y la plus grande (au sens large) des deux longueurs AB et BC.
Calculer la probabilité P(X/Y < 1/4).

__________________________
Probabilités Chapitre 5 Page 3
10. Un cible circulaire de rayon 1 mètre est constituée de n bandes concentriques de même largeur.
Ces bandes sont numérotées de l'intérieur vers l'extérieur de 0 à n – 1.
Lorsqu'on tire une flèche vers la cible, la probabilité d'atteindre une bande est proportionnelle à l'aire de cette bande pondérée
par le complément à 1 de son rayon intérieur (en mètre).
De cette façon, la probabilité d'atteindre la cible est égale à 1.
Il n'y a jamais d'ambiguïté : la flèche n'atteint jamais la séparation entre 2 zones.
On désigne par X le rapport i/n où i est le numéro de la bande atteinte.
I On suppose n = 5.
1) Déterminer la loi de probabilité de X.
2) Dessiner le diagramme en bandes correspondant (unité : 10 cm). La réunion des bandes doit avoir une aire de 1 unité d’aire.
3) Déterminer et représenter la fonction de répartition de X.
4) Calculer l’espérance mathématique de X et la variance de X.
II On suppose n = 10.
Mêmes questions.

III On suppose n quelconque.

n −1 n −1
n(n − 1) n −1
n(n − 1)(2n − 1)
Rappels : ∑ a = na ; ∑i = 2
; ∑i 2
=
6
.
i =0 i =0 i =0

On désigne par x le réel i/n.

1) Déterminer la loi de probabilité de X en fonction de x et de n.
2) Multiplier par n puis faire tendre n vers l'infini. On obtient une expression f(x) ( 0 ≤ x ≤ 1).
3) Etudier et représenter f (unité : 10 cm).
4) Déterminer sa primitive F qui s'annule en 0. Etudier et représenter F.
1 1
5) Calculer les réels m = ∫0 x.f(x)dx et v = ∫0 x 2 .f(x)dx − m 2 .

11. Deux agents secrets se rendent indépendamment l’un de l’autre sur la place du Marché chaque premier lundi du mois,
aléatoirement entre 17 heures et 18 heures, dans le but de se rencontrer. La durée du séjour de chacun sur la place (la même
pour les deux) est fixée de telle sorte que la probabilité d’au moins une rencontre par trimestre soit égale à 0,96.
Calculer cette durée. Arrondir à la minute.

________________________________________________

Réponses.
1. Si le générateur de nombres aléatoires était parfait, X serait uniforme sur [0 ; 1]. On fait cette hypothèse. E(X) = 1/2 ;
Var(X) = 1/12 ; P(0,4 < X < 0,7 = 0,7 – 0,4 = 0,3.
2.1. f est positive et d’intégrale sur IR égale à 1.
2.2. F(x) = 0 si x ≤ 0 ; F(x) = x2 si 0 < x <1 ; F(x) = 1 si x ≥ 1.
2.3. E(X) = 2/3 ; Var(X) = 1/18.
2.4. P(1/3 < X < 2/3) = F(2/3) – F(1/3 = 1/3.

x + 2x
2

3. F(x) = 0 si x < 0 ; F(x) = si 0 ≤ x < 2 ; F(x) = 1 si x ≥ 2. E(X) = 7/6 ; Var (X) = 11/36.
8
4.1. a = 1 ; X est uniforme sur [0, 1] ; f(x) = 1 si 0 < x < 1 ; f(x) = 0 sinon ; F(x) = 0 si x ≤ 0 ;
3 1 1
F(x) = x si 0 < x < 1 ; F(x) = 1 si x ≥ 1 ; P(1 < X < ) = 1 ; E(X) = ; V(X) = .
4 4 2 2 12
4.2. b = 2 ; f(x) = 2x si 0 < x < 1 ; f(x) = 0 sinon ; F(x) = 0 si x ≤ 0 ; F(x) = x2 si 0 < x < 1 ;
3 1 2 1
F(x) = 1 si x ≥ 1 ; P(1 < X < ) = ; E(X) = ; V(X) = .
4 4 2 3 18

__________________________
Probabilités Chapitre 5 Page 4
5.1.

+∞ 1 3 3
∫ ∫
1
5.2. (∀ x ∈ IR) f(x) ≥ 0 ;
−∞
f (x)dx =
0
(1 − x )dx =
2
 x − x 3 / 3 0 = 1.
2 
2
1
5.3. Si x ≤ 0 alors F(x) = 0 ; si 0 < x < 1 alors F(x) = (3x – x3) ; si x ≥ 1 alors F(x) = 1.
2
+∞ 1 3 3
∫ ∫
1
5.4. E(X) =
−∞
xf (x)dx =
0
(x − x )dx =
3

2

 x / 2 − x / 4  = 3/8.
2 4

0
2
+∞ 1 3 3
∫ ∫
1
5.5. E(X2) =
−∞
2
x f (x)dx =
0
(x − x )dx =
2 4

2

 x / 3 − x / 5  = 1/5.
3 5

0
2
V(X) = E(X2) –[E(X)]2 = 1/5 – 9/64 = 19/320.
5.6. P(1/4 < X < 3/4) = F(3/4) – F(1/4) = 35/64.
6. P (2 < X < 3) = 1/6. X ne possède pas d’espérance mathématique.
7. 1. f est acceptable comme densité de probabilité parce qu’elle est positive ou nulle et que son intégrale sur IR est égale à 1.
2
7.2. E(X) = 1/4 ∫0
x 4 dx = 8/5.
2
7.3. E(X2) = 1/4 ∫ 0
x 5 dx = 8/3 ; V(X) = 8/3 – 64/25 = 8/75.
2
7.4. P(1 < X < 2) = 1/4 ∫1
x 3dx = 15/16
8. 1.

P(1 < X < 2)

__________________________
Probabilités Chapitre 5 Page 5
 2
+∞ 2 (8 − x 3 )  32x − x 4 
8. 2. f est positive sur IR et ∫ −∞
f (x)dx = ∫
0 12
dx = 
 48  0
 = 1.
f est donc acceptable comme densité de probabilité.
2
2 (8 − x 3 )  32x − x 4  31 17
8. 3. a) P(1 < X < 2) = ∫
1 12
dx = 
 48 1
 = 1– 48 = 48 ≈ 0,3542.
2
+∞ 2 (8x − x 4 )  20x 2 − x 5  4
8. 4. E(X) = ∫
−∞
xf (x)dx = ∫
0 12
dx = 
 60
 = 5.
0
2
+∞ 2 (8x 2 − x 5 ) 16x 3 − x 6  8 8 16 56
∫ x f (x)dx = ∫
2
 = 9. V(X) = 9 – 25 = 225 ≈ 0,2489.
2
E(X ) = dx = 
−∞ 0 12  72  0

9. P(X/Y < 1/4) = 2/5

10.
I (n = 5)
1)
x 0 1/5 2/5 3/5 4/5
P(X=x) (22)a=4a (42-22)a×0,8=9,6a (62-42)a×0,6=12a (82-62)a×0,4=11,2a (102-82a×0,2=7,2a
P(X ≤ x) 4a 13,6a 25,6a 36,8a 44a=1 a=1/44
x 0 1/5 2/5 3/5 4/5
P(X=x) 0,09 0,22 0,27 0,26 0,16
P(X ≤ x) 0,09 0,31 0,58 0,84 1
2) Table de valeurs : 10x 0 2 4 6 8
10y 4,5 10,9 13,6 12,7 8,2

L’aire de la première bande est la probabilité que la flèche atteigne la cible à moins de 20 centimètres du centre ; l’aire de la
bande suivante est la probabilité que la flèche atteigne la cible à une distance du centre comprise entre 20 cm et 40 cm, etc.

__________________________
Probabilités Chapitre 5 Page 6
3)

4) E(X) = 0,436 ; Var(X) = 0,057904.

II (n = 10)

x 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9

P(X=x) a 2,7a 4a 4,9a 5,4a 5,5a 5,2a 4,5a 3,4a 1,9a
P(X ≤ x) a 3,7a 7,7a 12,6a 18a 23,5a 28,7a 33,2a 36,6a 38,5a=1 a=1/38,5

x 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9

P(X=x) 0,026 0,07 0,104 0,127 0,140 0,143 0,135 0,117 0,088 0,049
P(X ≤ x) 0,026 0,096 0,2 0,327 0,467 0,61 0,745 0,862 0,95 1

E(X) = 0,4708 ; Var(X) = 0,05472736

__________________________
Probabilités Chapitre 5 Page 7
 III (n quelconque)
1) (∀i∈{0, 1, ..., n-1}) P(nX = i) = a[(i + 1)2 – i2](1 – i/n) = a(-2i2 + (2n – 1)i + n)
n −1 n ( n + 1)( 2 n + 1)
∑ P(nX = i) = a = 1.
i=0 6
6 6( 2 nx + 1)(1 − x )
Donc a = et (∀x∈{0, 1/n, ..., (n – 1)/n}) P(X = x) = .
n ( n + 1)( 2 n + 1) ( n + 1)( 2 n + 1)
2) 3) f(x) = 6x(1 – x) ; f ′(x) = 6(1 – 2x) ; f atteint en ½ son maximum égal à 3/2.
Courbe représentative de f :

4) 5) F(x) = x2(3x-2) ; m = 0,5 ; v = 0,05. Courbe représentative de F :

11. On choisit l’heure pour unité de temps.

On ramène l’intervalle [17,18] à l’intervalle [0,1].
On désigne par T1 et T2 les instants d’arrivée de chacun des agents et par t la durée de leurs séjours.
T1 et T2 sont deux variables aléatoires indépendantes uniformes sur [0,1].
Calcul de la probabilité de non rencontre un lundi soir donné :
1−t
P(T2>T1+t)+P(T1>T2+t) = 2 P(T2>T1+t) = 2 ∫0 P[(t1<T1<t1+dt1)∧(T2>t1+t)]
1−t 1−t 1− t
= 2 ∫0 P(t1<T1<t1+dt1).P(T2>t1+t) = 2 ∫0 dt1.(1-t1-t) =  2(1 − t)t 1 − t 1  = (1-t)2.
2

Probabilité de non rencontre durant un trimestre donné : (1-t)6.

Calcul de t pour que cette probabilité soit égale à 0,04 : (1-t)6 = 0,04 ; t=1- 6 0, 04 ≈ 0,415.
L’arrondi en minutes de la durée cherchée est 25.

__________________________
Probabilités Chapitre 5 Page 8