Académique Documents
Professionnel Documents
Culture Documents
K. Fatine
contact : kohenfatine@hotmail.fr
1
Table des matières
Introduction ........................................................................................................................... 3
Lois de probabilité continues ou à densité et lois usuelles ..................................................... 3
I. Lois de probabilités Continues .................................................................................... 3
1. Densité de probabilité d’une variable continue ........................................................ 4
2. Application aux calculs de probabilité ...................................................................... 4
3. Caractéristiques d’une variable continue ................................................................. 5
4. Fonction de répartition d’une variable continue ....................................................... 5
II. Lois continues usuelles : ............................................................................................. 7
1. Loi uniforme ............................................................................................................ 7
2. Loi normale ............................................................................................................. 8
3. Loi du Khi-deux ..................................................................................................... 11
III. Annexes ................................................................................................................ 13
2
Introduction
Cette statistique considère de manière rigoureuse cet ensemble de données comme plus ou
moins représentatif d’une population infinie à laquelle on peut attacher une loi de probabilité.
On prend un intervalle continue I = [-3, 17] et X un élément de I. Le but du jeu est de tirer un
nombre aléatoirement dans cet intervalle.
La chance sur I de tomber sur le nombre 12 : P(X=12) = = 0. En effet, dans cet intervalle I,
il existe une infinité de nombres réels. Pour généraliser, P(X= nombre réel)=0 pour toute loi
de probabilité continue.
3
1. Densité de probabilité d’une variable continue
Définition
Soit X une variable aléatoire continue, on appelle densité de probabilité de X, une fonction f
de R dans R tel que :
Corollaire
Soit X une Variable aléatoire continue de densité de probabilité f, alors si on a F une primitive
de f, on calcule la probabilité de l’évènement « X ∈ [a,b] » par :
Exemple :
∈
f(x)={
Solution :
On a ∫ =∫ =k ∫ = k [ ]=k( - 0)=
P( <X< ) = ∫ =2∫ = - =
4
3. Caractéristiques d’une variable continue
Si X est une v.a.c de densité de probabilité f, alors l’Espérance E(X) et la variance V(X) et
l’écart-type σ(X) de X sont données respectivement par :
V(X)= E( )- =∫ – [E(X)]2
σ(X) = √
Exemple :
∈
f(x)={
Solution :
E(X) = ∫ =∫ = ∫ =
V(X) = E( )-
Or E( )= ∫ =∫ = ∫ =
Donc V(X)= E( )- = - =
σ(X) = √ =√ =0,236
a. Définition
5
b. Propriétés
La loi d’une v.a.c X est donnée par sa densité f ou par les sa fonction de répartition F(x) =
P[X ≤ x] pour tout x.
Soit X une v.a.c de densité de probabilité f, et de fonction de répartition F, alors on calcule les
probabilités des intervalles [a,b], ]- et [a,+ par :
Exemple :
∈
f(x)={
Solution :
P(X< =
De la même façon, on trouve P(X< =
Donc P ( X< F( - F( = - =
6
II. Lois continues usuelles :
1. Loi uniforme
Définition :
Soit [a,b] un intervalle de R (a<b), une v.a.c X suit une loi uniforme continue sur [a, b], si elle
admet pour densité de probabilité la fonction suivante :
∈
fX(x)={
FX(x) ∫ { ∈
7
Exercice :
Soit X de loi uniforme sur [0, 10]. Calculer P[X < 3], P[X > 6] et P[3 < X < 8].
2. Loi normale
C’est la loi la plus importante. Elle est aussi connue sous le nom de la loi Gaussienne. Son
rôle est central dans de nombreux modèles probabilistes et dans toute la statistique. Elle
possède des propriétés intéressantes qui la rendent agréable à utiliser.
a. Définition :
Soient m ∈ R et σ ∈ R+*. On dit qu’une v.a.c suit une loi normale de paramètres m et si sa
densité de probabilité est donnée par :
fX(x)= , x∈
b. Propriétés du graphe :
P(X m) = P(X m) =
Pour calculer une probabilité, il faut effectuer un calcul d’intégration très compliqué de la
fonction densité de probabilité. La solution serait d’effectuer un changement de variable et de
passer par la loi normale centrée réduite.
8
c. Théorème
Si X suit la loi N(m, ) alors T= suit la loi Normale centrée réduite N(0,1)
Définition
Une v.a.c X suit une loi normale (ou loi gaussienne) N (0, 1) si sa densité f est donnée par :
La v.a.c X est centrée, c’est-à-dire de moyenne nulle (m=0), et réduite, c’est- à-dire de
variance 1.
P(X 0) = P(X 0) =
Soit X une V.a.c qui suit la loi normale centrée réduite, on a P(X a)= (a)
Pour calculer P[X ≤ a], on a recours à la table de la fonction de répartition de la loi Normale
centrée réduite qui donne P[X ≤ a]= (a) pour tout décimal positif a à deux chiffres après la
virgule. a étant la somme des valeurs lues sur la première ligne et la première colonne, (a)
correspond à la valeur lue sur l’intersection des ligne et colonne correspondante.
9
Exemples de lecture de table :
Propriétés :
Pour trouver P[X ≤ −a] = (-a) quand a > 0, on utilise la relation P[X ≤ −a] = (-a) = 1- (a)
P[a ≤ X ≤ b] = P[X ≤ b] − P[X ≤ a] = (b) - (a) puis on lit les probabilités dans la table si a
et b sont positifs.
P[X a] = 1- (a)
Exemples :
Soit une v.a.c de loi N(m, ), alors pour calculer les probabilités P(a<X<b) ; P(X<a) ou
P(X>a), on procède comme suit :
P[a ≤ X ≤ b] = P[ ≤ ≤ ]
P[a ≤ X ≤ b] = P[ ≤U≤ ]
P[a ≤ X ≤ b] = ( )- ( )
P[X < a] = P[ < ]= ( )
10
Exercice :
On suppose que la durée de vie des ampoules électriques est une v.a.c X de loi Normale
d’Espérance m=1000 heures et de variance =10000
Calculer la probabilité qu’une ampoule fonctionne :
1) Entre 1000 et 1200 heures ?
2) Moins que 750 heures ?
Solution :
Donc U = N(0,1)
1) P(1000<X<1200) = ( )- ( )
= (2) - (0)
Or (2)=0,9772 et (0)=0,5
Donc P(1000<X<1200) = 0,9772-0,5=0,4772
3. Loi du Khi-deux
a. Définition
fn(x)= {
11
b. Propositions
Proposition 1
La variable aléatoire S=∑ est une variable aléatoire qui suit une loi du Khi-deux à n
degrés de liberté notée (n) ou χn2
Proposition 2
L’Espérance de la loi du (n) est égale au nombre n de degrés de liberté et sa variance est
2n.
Le point important est que c’est par ce type d’expression que sont introduites généralement
les variables aléatoires de loi (n). Il est extrêmement rare d’avoir recours à la formule de la
densité. L’auteur de cette note s’en sera servi uniquement pour faire des graphiques. Dans la
pratique, on se sert de tables ou de logiciels de calcul pour ´évaluer des probabilités liées à ces
lois.
X étant une variable aléatoire de loi du Khi-deux à n degrés de liberté et de seuil de risque α
(un réel de [0,1])
Exemple :
12
III. Annexes
Table 1 : Variables aléatoires réelles continues
13
14
15