La loi normale et ses dérivées

Y. LAMRANI ALAOUI

École Marocaine des Sciences de d’Ingénieur – EMSI

2020-2021

Youssef, L. A. (EMSI) 2020-2021 1 / 33

Variable aléatoire continue

Une variable aléatoire est une application de l’univers Ω dans R:

X : Ω → R
ω 7→ X (ω)

Une variable aléatoire X est dite continue ou à densité lorsque elle

peut prendre toutes les valeurs dans un intervalle de R.
Dans le cas d’une v.a continue X, la probabilité que X prenne une
valeur bien précise x est nulle, P(X = x) = 0 . Il y a en effet une
infinité de valeurs dans un intervalle, alors le poids d’une valeur
particulière est presque nul. Cependant on peut calculer la probabilité
que X prend ses valeurs dans un intervalle de R à l’aide de la fonction
de répartion.

Youssef, L. A. (EMSI) 2020-2021 2 / 33

Variables aléatoires continue

Fonction de répartition
La fonction de répartition d’une variable aléatoire continue X de
densité de probabilité f est :
Z x
FX (x) = P(X ≤ x) = f (t)dt
−∞

Avec f (x) la fonction densité de cette V.A

Rb
P(a ≤ X ≤ b) = a f (x)dx = F (b) − F (a), ∀(a, b) ∈ R avec a ≤ b

Youssef, L. A. (EMSI) 2020-2021 3 / 33

Exemple:

Youssef, L. A. (EMSI) 2020-2021 4 / 33

Loi normale

Loi normale

Youssef, L. A. (EMSI) 2020-2021 5 / 33

Loi normale

La loi normale, appelée également la loi de Laplace Gausse, est

presque la loi la plus connue en probabilité
Elle apparaı̂t dans de nombreux problèmes courants (elle sert à les
modéliser)
Cette loi est caractérisée par la fameuse courbe en cloche
Pour une v.a X qui suit une loi normale d’espérance µ et de variance
σ 2 on écrit:
X ∼ N(µ, σ)
La fonction densité d’une v.a X ∼ N(µ, σ) est donnée par:

1 (x − µ)2
f (x) = √ exp(− )
σ 2π 2σ 2

Youssef, L. A. (EMSI) 2020-2021 6 / 33

Loi normale

Youssef, L. A. (EMSI) 2020-2021 7 / 33

Loi normale

La loi N(0, 1) est appelée la loi normale centrée réduite (µ = 0; σ = 1)

Rz
La fonction de répartition de la loi N(0, 1) est: F (z) = −∞ f (z)dz
Les différentes valeurs de la fonctionF (z) sont calculées à l’aide de la
table de la loi normale centrée réduite

Youssef, L. A. (EMSI) 2020-2021 8 / 33

Loi normale
Exemple 1
Soit X ∼ N(0, 1), calculer P(X ≤ 1.56)

Solution:
On cherche P(X ≤ 1.56) = F (1.56)?

Youssef, L. A. (EMSI) 2020-2021 9 / 33

F (1.56) = P(X ≤ 1.56) = 0.9406

Youssef, L. A. (EMSI) 2020-2021 10 / 33

Loi normale

Propriétés
Soit X une v.a qui suit la loi N(0, 1), pour α > 0:
P(X = α) = 0
P(X < α) = F (α)
P(X ≥ α) = 1 − P(X < α) = 1 − F (α)
P(X ≤ −α) = F (−α) = P(X ≥ α) = 1 − F (α)
P(X ≥ −α) = 1 − P(X ≤ −α) = 1 − (1 − F (α)) = F (α)
p(−α ≤ X ≤ α) = 2F (α) − 1
Les 3 dernières sont vraies pour toute loi symétrique(ex. loi Normale, loi
de Student,. . . )

Youssef, L. A. (EMSI) 2020-2021 11 / 33

Remarque:
P(X ≤ −α) = P(X ≥ α) (regarder le graphe)
P(X ≥ α) = 1 − P(X ≤ α) = 1 − F (α)

Youssef, L. A. (EMSI) 2020-2021 12 / 33

Loi normale

Exemple 2
Soit X ∼ N(0, 1), calculer P(X ≥ 1.49)

Solution:
On cherche P(X ≥ 1.49) = 1 − P(X ≤ 1.49) = 1 − F (1.49)?
à l’aide de la table de la loi N(0, 1) on trouve que F (1.49) = 0.9319,
alors:
P(X ≥ 1.49) = 0.0681

Exemple 3
Soit X ∼ N(0, 1), calculer P(X ≤ −1.1)

Solution
On a F (−1.1) = 1 − F (1.1) = 1 − 0.8643 = 0.1357

Youssef, L. A. (EMSI) 2020-2021 13 / 33

Loi normale
Théorème
Soit une v.a X ∼ N(µ, σ) alors:

X −µ
Z= ∼ N(0, 1)
σ

Exemple
Soit X ∼ N(10, 2), calculer P(X ≤ 12)

Solution:
X −10
On a Z = 2 ∼ N(0, 1) alors:
X − 10 12 − 10
p(X < 12) = P( ≤ )
2 2
= P(Z ≤ 1) = F (1) = 0.8413

On cherche la valeurde F(1) dans la table de N(0, 1)

Youssef, L. A. (EMSI) 2020-2021 14 / 33
Loi normale

Quantile d’ordre α de N(0, 1)

Le quantile d’ordre α pour la loi normale centrée réduite N(0, 1) noté zα
est la valeur qui vérifiée:

P(X ≤ zα ) = F (zα ) = α

Exemple 1
Déterminer le quantile d’ordre 0.97 de la loi normale centrée réduite

Youssef, L. A. (EMSI) 2020-2021 15 / 33

On trouve z0.97 = 1.8808
Youssef, L. A. (EMSI) 2020-2021 16 / 33
Loi normale

Exercice
Soit X une variable aléatoire qui suite la loi N(0, 1):
1 Montrer que
p(−z1−α/2 ≤ X ≤ z1−α/2 ) = 1 − α
z1−α/2 est le quantile d’ordre 1 − α/2 de la loi N(0,1)
2 En utilisant la table des quantiles de la loi N(0, 1) chercher le quantil
z1−α/2 avec α = 5%

Youssef, L. A. (EMSI) 2020-2021 17 / 33

Solution de la question 2:

Youssef, L. A. (EMSI) 2020-2021 18 / 33

Exercice
Un fabriquant d’ordinateurs affirme que X, la durée de vie de chacun de
ses ordinateurs, suit une loi normale de moyenne µ = 7ans et d’écart type
σ = 3ans. En cas de panne survenant durant les 3 premières années
suivant l’achat d’un de ses ordinateurs le frabriquant le remplace sans
aucune discussion.
1 Calculer le pourcentage d’ordinateurs remplacés par le fabriquant
durant les 3 premières années suivant l’achat
2 Calculer la probabilité que la durée de vie d’un de ces ordinateurs
dépasse 9 ans

Youssef, L. A. (EMSI) 2020-2021 19 / 33

Solution
X −7
On a X ∼ N(µ = 7, σ = 3). Soit Z = 3
1 P(X ≤ 3) = P( X 3−7 ≤ 3−7
3 ) = P(Z ≤ −1.33) = F (−1.33) =
1 − F (1.33)
2 P(X ≥ 9) = P( X 3−7 ≥ 9−7
3 ) = P(Z ≥ 0.66) = 1 − P(Z ≤ 0.66) =
1 − F (0.66)

Youssef, L. A. (EMSI) 2020-2021 20 / 33

Loi normale

Loi faible de grand nombre

Soit X une variable aléatoire admettant une variance. Soit X1 , . . . , Xn une
suite de variables aléatoires indépendantes de même loi que X, notons:
X1 + X2 + . . . Xn
X̄ =
n
Alors:
∀ > 0 lim P(|X̄ − E (X )| > ) = 0
n→∞

On dit que X̄ converge en probabilité vers E (X )

Youssef, L. A. (EMSI) 2020-2021 21 / 33

Loi normale

Théorème
Toute somme de variables aléatoires normales(X1 , . . . , Xn ); Xi ∼ N(µ, σ)
est une variable aléatoire normale. Ainsi:
X1 + X2 + . . . Xn σ
X̄ = ∼ N(µ, √ )
n n

Youssef, L. A. (EMSI) 2020-2021 22 / 33

Loi normale

Théorème centrale limite (TCL)

Soit (X1 , . . . , Xn ) une suite de variables aléatoires indépendantes de même
loi( c’est-à-dire de même éspérance µ et de même écart type σ). Notons:
Pn
X1 + X2 + . . . Xn Xi X̄ − µ
X̄ = = i=1 et Zn = σ
n n √
n

Alors:
Pn √
i=1 Xi converge(pour n grand) en loi vers N(nµ, nσ)
X̄ converge(pour n grand) en loi vers N(µ, √σn )
Zn converge(pour n grand) en loi vers N(0, 1)

Youssef, L. A. (EMSI) 2020-2021 23 / 33

Exemple d’application
Soit (X1 , . . . , Xn ) des variables aléatoires indépendantes
p de même loi de
bernoulli(p);c’est-à-dire E (Xi ) = p et σ(Xi ) = p(1 − p). Selon le TCL:
n
X
X1 + · · · + Xn = Xi
i=1
p
converge en loi vers N(np, np(1 − p))

Remarque
On sait que la somme de n variables de bernoulli(p) suit la loi B(n, p).
Le TCL montre qu’on peut approximer la loi binomiale par une loi
normale quand n est grand

Youssef, L. A. (EMSI) 2020-2021 24 / 33

Loi du Khi-deux

Soient X1 , X2 , . . . , Xn des v.a

P de même loi normale centrée réduite N(0, 1).
La variable aléatoire: Z = ni=1 Xi2 suit une loi de khi-deux χ2 (n) à n
degré de liberté

Figure: la fonction densité de la loi de χ2 de n degrés de liberté. La

surface à gauche de χ21−α est égale à 1 − α. La surface à droite de
χ21−α est égale à α
Youssef, L. A. (EMSI) 2020-2021 25 / 33
Loi du Khi-deux

Propriétés de la loi de khi-deux

La loi de χ2 n’est une loi symétrique, si U ∼ χ2n , on a :

p(U ≤ χ2n,1−α ) = 1 − α et p(U ≥ χ2n,1−α ) = α

χ2n,1−α est le quantile d’ordre 1 − α de la loi de χ2 de n degrés de liberté

(voir figure en haut).
On a également: E (U) = n et Var (U) = 2n

Youssef, L. A. (EMSI) 2020-2021 26 / 33

Loi du Khi-deux

Exercice
Soit U ∼ χ2n :
1 Montrer que
p(χ2n,α/2 ≤ U ≤ χ2n,1−α/2 ) = 1 − α

χ2n,α/2 et χ2n,1−α/2 sont respectivent le quantile d’ordre α/2 et le

quantile d’ordre 1 − α/2 de la loi de χ2 à n degrès de lberté.
2 En utilisant la table des quantiles de la loi de χ2 , chercher le quantiile
χ23,1−α/2 avec α = 5%

Youssef, L. A. (EMSI) 2020-2021 27 / 33

Solution de la question 2:

Youssef, L. A. (EMSI) 2020-2021 28 / 33

Loi du Student

Loi de Student
Soient X ∼ N(0, 1) et Y ∼ χ2 (n). La variable aléatoire: T = √X suit
Y /n
une loi de Student tn à n degré de liberté

Figure: la fonction densité d’une loi de Student de n degré de liberté, la

surface à gauche de tn,1−α est égale 1 − α. La surface à droite
de tn,1−α est égale à α
Youssef, L. A. (EMSI) 2020-2021 29 / 33
Loi du Student

Propriétés d’une loi de student

La loi de Student est une loi symétrique par rapport à 0, c’est-à-dire :
p(T ≤ −b) = P(T ≥ b) = 1 − p(T ≤ b)
p(−b ≤ T ≤ b) = 2p(T ≤ b) − 1
p(T ≤ tn,1−α ) = 1 − α, avec tn,1−α est le quantile d’ordre 1 − α de la
loi student de degré n
p(T ≥ tn,1−α ) = p(T ≤ −tn,1−α ) = α
E (T ) = 0; Var (T ) = n/(n − 2) si n > 2

Youssef, L. A. (EMSI) 2020-2021 30 / 33

Loi du Student

Exercice
Soit X une variable aléatoire qui suite la loi de student de n degrés de
liberté
1 montrer que:

p(−t1−α/2 ≤ X ≤ t1−α/2 ) = 1 − α

t1−α/2 est le quantile d’ordre 1 − α/2 de la loi de student de n degrès

de liberté.
2 En utulisant la table des quantiles de la loi de Student, chercher le
quantile t10,1−α/2 pour α = 5%

Youssef, L. A. (EMSI) 2020-2021 31 / 33

Solution de la question 2:

Youssef, L. A. (EMSI) 2020-2021 32 / 33

 La loi normale et ses dérivées

Y. LAMRANI ALAOUI

École Marocaine des Sciences de d’Ingénieur – EMSI

2020-2021

Youssef, L. A. (EMSI) 2020-2021 33 / 33