Académique Documents
Professionnel Documents
Culture Documents
Cours de Probabilités :
e.1. Contexte
L’une des lois les plus utilisées en probabilités est la loi Gaussienne (Normale). Cette loi est
utilisée pour caractériser les phénomènes naturels issus de plusieurs évènements aléatoires.
Formellement, une variable aléatoires 𝑋 suit une loi Normale, si elle a une espérance et
variances finies, qui vont être utilisées comme paramètres de cette loi.
Exemple : Le temps qu’un chauffeur réagit au freins à l’arrivée au feu de signalisation est
généralement supposé suivre une loi Normale. On sait par ailleurs que le temps de réaction
moyen est de 1.25 secondes avec un écart-type de 0.46 secondes.
1 −
1
(𝑥−𝜇)2
𝑓𝑋 (𝑥) = 𝑒 2𝜎2 ,𝑥 ∈ ℝ
𝜎√2𝜋
Exemple : Le temps qu’un chauffeur réagit au freins à l’arrivée au feu de signalisation est
généralement supposé suivre une loi Normale. On sait par ailleurs que le temps de réaction
moyen est de 1.25 secondes avec un écart-type de 0.46 secondes.
1 1
− (𝑥−1.25)2
𝑓𝑋 (𝑥) = 𝑒 2(0.46)2 ,𝑥 ∈ ℝ
0.46√2𝜋
De la même manière que la loi Gamma, on peut utiliser la densité de la loi Normale pour
+∞ − 1 2 (𝑥−𝑢)2
calculer l’intégrale de la forme ∫−∞ 𝑒 2𝜎 𝑑𝑥
1 −
1
(𝑥−𝜇)2
𝑓𝑋 (𝑥) = 𝑒 2𝜎2 ,𝑥 ∈ ℝ
𝜎√2𝜋
Donc,
+∞ +∞ +∞
1 −
1
(𝑥−𝜇)2 −
1
(𝑥−𝜇)2
∫ 𝑓𝑋 (𝑥)𝑑𝑥 = 1 ⇒ ∫ 𝑒 2𝜎2 𝑑𝑥 =1⇒ ∫ 𝑒 2𝜎2 𝑑𝑥 = 𝜎√2𝜋
𝜎√2𝜋
−∞ −∞ −∞
Exemple :
1 2
+∞
Calcul de l’intégrale 𝐼 = ∫−∞ 𝑒 −2𝑥 𝑑𝑥
+∞
1 2
𝐼 = ∫ 𝑒 −2𝑥 𝑑𝑥
−∞
1 1
On a 𝜇 = 0 et 2𝜎2 = 2 ⇒ 𝜎 2 = 1 ⇒ 𝜎 = 1, donc :
+∞
1 2
𝐼 = ∫ 𝑒 −2𝑥 𝑑𝑥 = √2𝜋
−∞
+∞ 2
Calcul de l’intégrale 𝐼 = ∫−∞ 𝑒 −(𝑥−10) 𝑑𝑥
+∞
2
𝐼 = ∫ 𝑒 −(𝑥−10) 𝑑𝑥
−∞
1 1 1
On a 𝜇 = 10 et 2𝜎2 = 1 ⇒ 𝜎 2 = 2 ⇒ 𝜎 = , donc :
√2
+∞
2 1
𝐼 = ∫ 𝑒 −(𝑥−10) 𝑑𝑥 = √2𝜋 = √𝜋
√2
−∞
La densité de la loi Normale a la forme d’une cloche symétrique. Cette forme peut être modifié
selon les deux paramètres.
On peut transformer n’importe quelle loi Normale avec paramètres 𝜇 et 𝜎 2 vers une loi Normale
centrée et réduite.
Définition : Standardisation d’une loi Normale
𝑋−𝜇
𝑍= ~Normale(𝜇 = 0, 𝜎 2 = 1)
𝜎
Preuve :
- On doit utiliser le théorème qui cite que : « chaque transformation linéaire d’une
variable aléatoire Normale reste une loi Normale », donc
𝑋−𝜇 1 𝜇
𝑍= = 𝑋−
𝜎 𝜎 𝜎
𝑋−𝜇 1 𝜇 𝜇 𝜇
𝐸[𝑍] = 𝐸 [ ] = 𝐸[𝑋] − = − = 0
𝜎 𝜎 𝜎 𝜎 𝜎
𝑋−𝜇 1 𝜎2
𝑉(𝑍) = 𝑉 ( ) = 2 𝑉(𝑋) = 2 = 1
𝜎 𝜎 𝜎
𝑍~Normale(𝜇 = 0, 𝜎 2 = 1)
Pour calculer les probabilités on doit utiliser la fonction de répartition. Le problème est que
pour calculer la fonction de répartition d’une loi Normale, il faut calculer la fonction primitive
2
de la fonction 𝑒 −𝑥 , qui n’existe pas.
La table est définie seulement pour le cas ou 𝑧 > 0, pour trouver les valeurs pour le cas ou 𝑧 <
0, on utilise la propriété de symétrie d’une loi Normale.
𝜙(−𝑧) = 1 − 𝜙(𝑧)
Exemple : Le temps qu’un chauffeur réagit au freins à l’arrivée au feu de signalisation est
généralement supposé suivre une loi Normale. On sait par ailleurs que le temps de réaction
moyen est de 1.25 secondes avec un écart-type de 0.46 secondes.
𝑋~Normale(𝜇 = 1.25, 𝜎 2 = 0.462 )
𝑋 − 1.25 1 − 1.25
𝑃(𝑋 ≤ 1) = 𝑃 ( ≤ ) = 𝑃(𝑍 ≤ 1.08) = 𝜙(−0.54) = 1 − 𝜙(0.54)
0.46 0.46
= 1 − 0.70540 = 0.29460
Trouver le temps de réaction 𝑥 que 90% des chauffeurs n’ont pas pu le dépasser
e.8. La médiane
𝑀𝑒 = 𝜇
Preuve :
1 𝑋 − 𝜇 𝑀𝑒 − 𝜇 1 𝑀𝑒 − 𝜇 1 𝑀𝑒 − 𝜇
= 𝑃(𝑋 ≤ 𝑀𝑒 ) ⇒ 𝑃 ( ≤ ) = ⇒ 𝑃 (𝑍 ≤ ) = ⇒ 𝜙( )
2 𝜎 𝜎 2 𝜎 2 𝜎
1 𝑀𝑒 − 𝜇
= ⇒ = 0 ⇒ 𝑀𝑒 − 𝜇 = 0 ⇒ 𝑀𝑒 = 𝜇
2 𝜎
Exemple : Le temps qu’un chauffeur réagit au freins à l’arrivée au feu de signalisation est
généralement supposé suivre une loi Normale. On sait par ailleurs que le temps de réaction
moyen est de 1.25 secondes avec un écart-type de 0.46 secondes.
e.9. Le mode
𝑥𝑚𝑜𝑑𝑒 = 𝜇
Preuve :
𝜕 𝜕 1 −
1
(𝑥−𝑢)2 1 1
𝑓𝑋′ (𝑥) = (𝑓𝑋 (𝑥)) = ( 𝑒 2𝜎2 )= (− 2 ) (2)(𝑥 − 𝑢)
𝜕𝑥 𝜕𝑥 𝜎√2𝜋 𝜎√2𝜋 2𝜎
−1
= (𝑥 − 𝑢)
3
𝜎 √2𝜋
−1
𝑓𝑋′ (𝑥) = 0 ⇒ (𝑥 − 𝑢) = 0 ⇒ (𝑥 − 𝑢) = 0 ⇒ 𝑥 = 𝜇
𝜎 3 √2𝜋
𝜕 𝜕 −1 −1
𝑓𝑋′′ (𝑥) = (𝑓𝑋′ (𝑥)) = ( (𝑥 − 𝑢)) =
𝜕𝑥 𝜕𝑥 𝜎 3 √2𝜋 𝜎 3 √2𝜋
−1
𝑓𝑋′′ (𝑥 = 𝜇) = <0
𝜎 3 √2𝜋
Exemple : Le temps qu’un chauffeur réagit au freins à l’arrivée au feu de signalisation est
généralement supposé suivre une loi Normale. On sait par ailleurs que le temps de réaction
moyen est de 1.25 secondes avec un écart-type de 0.46 secondes.
𝑥𝑚𝑜𝑑𝑒 = 𝜇 = 1.25
e.10. La fonction génératrice des moments
1 2 2
𝑀𝑋 (𝑡) = 𝑒 𝑡𝜇+2𝜎 𝑡
Preuve :
∞ ∞
𝑡𝑋 ] 𝑡𝑥
1 −
1
(𝑥−𝑢)2
𝑀𝑋 (𝑡) = 𝐸[𝑒 = ∫ 𝑒 𝑓𝑋 (𝑥)𝑑𝑥 = ∫ 𝑒 𝑡𝑥 𝑒 2𝜎2 𝑑𝑥
𝜎√2𝜋
−∞ −∞
∞
2
1 1 𝑥−𝑢
∫ 𝑒 𝑡𝑥 𝑒 −2( )
= 𝜎 𝑑𝑥
𝜎√2𝜋
−∞
𝑥−𝜇
𝑧= ⇒ 𝑥 = 𝜎𝑧 + 𝜇 et 𝑑𝑥 = 𝜎𝑑𝑧
𝜎
∞ ∞
1 1 2 1 1 2
𝑀𝑋 (𝑡) = ∫ 𝑒 𝑡(𝜎𝑧+𝜇) 𝑒 −2𝑧 𝜎𝑑𝑧 = 𝑒 𝑡𝜇 ∫ 𝑒 𝜎𝑡𝑧 𝑒 −2𝑧 𝑑𝑧
𝜎√2𝜋 √2𝜋
−∞ −∞
∞ ∞
1 1 2 1 1 2 −2𝜎𝑡𝑧)
= 𝑒 𝑡𝜇 ∫ 𝑒 𝜎𝑡𝑧 𝑒 −2𝑧 𝑑𝑧 = 𝑒 𝑡𝜇 ∫ 𝑒 −2(𝑧 𝑑𝑧
√2𝜋 √2𝜋
−∞ −∞
∞
1 1 2 −2𝜎𝑡𝑧+𝜎 2 𝑡 2 ) 1 2 2
= 𝑒 𝑡𝜇 ∫ 𝑒 −2(𝑧 𝑒 2𝜎 𝑡
𝑑𝑧
√2𝜋
−∞
∞
1 1 2 2 1
(𝑧−𝜎𝑡)2
1 2 2
= 𝑒 𝑡𝜇+2𝜎 𝑡 ∫ 𝑒 −2 𝑑𝑧 = 𝑒 𝑡𝜇+2𝜎 𝑡
√2𝜋
−∞
Exemple : Soit 𝑋 une variable aléatoire suivant une loi Normale de paramètres 𝜇 et 𝜎 2
𝑋~Normale(𝜇, 𝜎 2 )