Académique Documents
Professionnel Documents
Culture Documents
Soit X une v.a.c., par la suite on note DX f est continue sauf en un nombre fini de
l'ensemble des valeurs possibles de X. DX points.
peut être R tout entier, un intervalle de R
([a, b]; ]a, b];…) ou la réunion de quelques
f ( x)dx 1.
intervalles de R. (Se lit somme ou intégrale de -∞ à +∞ de f ).
I) Densité de probabilité et fonction de Interprétation:
répartition d'une v.a.c.
Courbe de f
1) Densité de probabilité
f(x) Aire = f(x)dx
Définition: Soit X une v.a.c., on appelle densité
de probabilité (ou densité) de X, une =P(x ≤X ≤ x+dx)
fonction f, de R dans R, telle que:
f ( x) 0 si x DX
dx
f est positive ou nulle.
.
0 sinon x x+dx
a x
b
Chapitre 5 1
a) Propriétés des intégrales b) Primitives de quelques fonctions usuelles
Soient f et g deux fonctions réelles continues, Fonction f(x) Primitive F ( x) f ( x)dx.
a, b, c et des nombres réels,alors on a:
x -1 x( 1) ( 1) .
i)
a ( f ( x) g ( x))dx a f ( x)dx a g ( x)dx.
b b b
1/x Ln(x)=Log(x)
ii)
a f ( x)dx a f ( x)dx.
b b
ex ex .
iii) Relation de Chasles ax avec a>0 et a1 a x Ln(a) .
a f ( x)dx a f ( x)dx b f ( x)dx.
c b c
1 x 2 x
iv) Intégration par parties (si f et g sont dérivables) Ln(x) avec 0 xLn(x) - x
c) Application aux calculs des probabilités Solution: Pour avoir une densité de probabilité, il
Soit X une v.a.c., de densité de probabilité f,
1
x² k
Exercice: Soit une v.a.c., de densité f définie k 1, si k 2.
par: 2 0 2
kx si x [0 ; 1]
f ( x) P (1 / 4 X 1 / 2) 1 / 4 f ( x)dx
1/ 2
0 sinon
1/ 2
x² 1 1 3
2 1 / 4 xdx 2
1/ 2
Déterminer k pour avoir une densité de .
probabilité et calculer P(1/4<X<1/2). 2 1 / 4 4 16 16
Chapitre 5 2
E ( X ) xf ( x)dx 0 xf ( x)dx
1
4) Fonction de répartition d'une v.a.c.
1
a) Définition : Soit X une v.a.c. de densité de
x3 2
2 0 x ² dx 2 .
1
probabilité f, la fonction de répartition de X
3 0 3 est l' application, FX (ou F) de R dans [0, 1],
V ( X ) E ( X ²) [ E ( X )]²; or définie par:
E ( X ²) x ² f ( x)dx 0 x ² f ( x)dx
1
FX (x ) P[X x] f (t )dt
x
1
x4 2 1
2 0 x 3 dx 2 ,
1
b) Propriétés :
0
4 4 2
La fonction de répartition F d'une v.a.c. X
donc V ( X ) (1 / 2) (2 / 3)² 1 / 18 vérifie les propriétés suivantes :
et X 1 / 18 0,236.
i) Par définition on a , 0≤ F(x) ≤1, x R. c) Application aux calculs des probabilités
ii) lim F ( x) 0 et lim F ( x) 1. Soit X une v.a.c., de densité de probabilité f, et
x x
de fonction de répartition F, alors on calcule
iii) F est continue et croissante, donc F est les probabilités des intervalles, [a; b], ]-∞; b]
bijective si elle est en plus strictement croissante. et [a; +∞[, par:
Chapitre 5 3
Exemple: On considère la v.a.c. X de l'exemple D'où,
précédent. Soit g(x)=x2. Déterminer la
fonction densité de Y=g(X)=X2.
0 si y 0
FY ( y ) y si y [0 ; 1]
La fonction g est continue et strictement croissante sur
1 si y 1
[0;+∞[ et g -1(x)=√x.
FY(y)=P(Y<y)=P(X²<y) y R. Donc,
Or X² ≥ 0, donc P(X²<y)=0 si y <0. 1 si y [0 ; 1]
fY ( y ) FY' ( y )
Si y ≥ 0, on a: FY(y)=P(X²<y)=P(X<√y )=FX(√y ). Or, 0 sinon
0 si y 0, (si y 0)
C’est la densité de la variable aléatoire
FX ( y ) ( y )² si y [0 ; 1] , ( si y [0 ; 1]) continue uniforme sur l’intervalle [0; 1].
1 si y 1, ( si y 1)
La fonction de répartition de la v.a. U~N(0; 1), La densité fU est paire, donc sa courbe est
que l'on note est donnée par: symétrique par rapport à l'axe des ordonnées.
u R,
x² Donc il suffit de connaître les valeurs de (u)
1
(u ) P(U u )
u
2
(e 2
)dx . pour u≥0, et en déduire (u) pour u≤0 par
symétrie.(voir graphique ci-dessous)
D'où on calcule les probabilités par: D'où la table statistique de la loi N(0;1),
P(a ≤ U ≤ b)= (b)- (a) et P(U >a)=1- (a). donne (u) pour u≥0.
Chapitre 5 4
fU (u)
Courbe de fU
P(U<-u0 ) P(U>u0 )
-u0 0 u0 u
(0)=P(U<0)=P(U>0)=0,5.
Si u>0, on: (u)>0,5 et (-u)<0,5, avec
(-u) =P(U<-u)=P(U>u)=1-P(U<u)=1- (u) .
Table de la loi normale centrée réduite qui donne Exemples: Soit U~N(0;1). Calculer P(U<0,12)
π (u) =P(U<u) pour u≥ 0 [avec π(-u) = 1 - π (u)] et P(U<-0,2), en déduire P(-0,2<U<0,12).
u 0,00 0,01 0,02
Remarque:
3) Loi normale générale
La courbe de la densité fX a la même forme
a) Définition: Soient m et σ deux nombres (en cloche) que la loi N(0;1), mais elle est
réels avec (σ >0). On dit qu'une v.a.c. X suit symétrique par rapport à la droite (x=m).
une loi normale générale de paramètres m et σ f(x)
si sa densité de probabilité est donnée par:
1
1 ( x m ) ²
f X ( x)
1
e 2 x R 2
2
Chapitre 5 5
b) Relation entre N(m;σ) et N(0;1): c) Application aux calculs des probabilités
i) Soit X une v.a.c. de loi N(m;σ), alors la v.a. Soit X une v.a.c. de loi N(m;σ), alors pour
U centrée et réduite associée à X suit une loi calculer les probabilités, P(a<X<b), P(X<a) ou
N(0;1). P(X>a), on procède comme suit:
X m i) On centre et on réduit la v.a. X, par,
Si X~ N(m;σ), alors, U ~ N (0; 1).
X m
U ~ N (0; 1).
ii) Mais attention! Si a et b sont deux nombres
réels (avec a0) et U~N(0;1), alors la v.a. ii) On utilise le fonction de répartition (u) de U
X=aU+b suit une loi normale générale de
paramètres m=b et σ=|a| . pour calculer les probabilité à partir de la table
am X m bm
P ( a X b) P ( ) 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
am bm
P( U ) variance σ² =10000.
Calculer probabilité qu'une ampoule fonctionne:
bm am 1) entre 1000 et 1200 heures?
( ) ( ). 2) moins que 750 heures?
Solution: On a, X~N(1000; 100), car σ=100,
X m am am
P( X a) P( ) ( ). donc U=(X-1000)/100 ~N(0; 1),
1) P(1000 X 1200)
X m am am 1200 1000 1000 1000
P( X a ) P( ) 1( ). ( ) ( ) (2) (0 ).
100 100
Chapitre 5 6
4) Approximation d'une loi binomiale par une Exemple: Soit X une v.a.d. de loi binomiale
loi normale B(100; 0,2). Calculer P(X=25) et P(10≤X≤30).
Soit X une v.a.d. de loi binomiale B(n; p), si i) Avec la loi exacte on a:
n est grand (n≥30) et p voisin de 0,5 P(X=25)= 0,0438 et P(10≤X≤30)= 0,9916.
(0,4≤p≤0,6), alors on utilise l'approximation ii) Par l'approximation, on a, n=100≥30,
np=20≥15 et npq=16≥5; donc on peut utiliser
de la loi binomiale par une loi normale
l'approximation de cette loi binomiale par une
générale de paramètres, m np et npq . loi normale N(20;4). D'où,
Dans la pratique, si n≥30, np≥15 et npq≥5 on 1 1 ( 2520 ) ²
a: P( X 25) e 2 4
0,0457.
B(n; p) N (np; npq ). 4 2
X 20
P(10 X 30 ) P(2,5 2,5)
4
( 2,5) ( 2,5) 2 ( 2,5) 1 0,9876 .
Chapitre 5 7