Vous êtes sur la page 1sur 48

Opration et systmes de dcision

Facult des Sciences de l administration




MQT-21919
Probabilits et statistique

Distributions de probabilits
continues

Chapitre 6
Volume du cours: Chapitre 6
Probabilit en gestion et en conomie,
Martel et Nadeau, sections 5.3 et 5.4

x
f(x)
Variable alatoire continue
(v.a.c)
Dfinition :
Une variable alatoire est dite continue si elle peut prendre
toutes les valeurs dun intervalle de nombres rels.

Exemples :
Soit la v.a. X reprsentant la dure de vie, en jours
dune ampoule lectrique.
Soit la v.a. X reprsentant le pourcentage dun projet
ralis aprs 6 mois
Variable alatoire
continue
Diffrente dune variable altoire discrte (v.a.d.) par le
calcul des probabilits
Pour une v.a.d. la fonction de masse f(x) fournit la
probabilit que la variable alatoire X prenne une valeur
particulire x: P(X=x)
Pour une v.a.c. f(x) est appele la fonction de densit de
probabilit. Cest lquivalent de la fonction de masse;
mais elle ne fournit pas directement les probabilits
P(X=x) = 0 pour une variable alatoire continue

Variable alatoire
continue

Pour une v.a.c. X, on ne peut pas parler de la
probabilit que X prenne une valeur x mais
plutt de la probabilit quelle se retrouve dans
un intervalle donn

C'est la vraisemblance qu'une variable alatoire
X prenne une valeur appartenant un intervalle
particulier

Variable alatoire
continue
f(x): fonction de densit de probabilit o X est la
variable alatoire correspondant la dure de vie en
annes dune ampoule

s s
s s
=
ailleurs 0
2 1 si 2
1 0 si
) ( x x
x x
x f
Forme
analytique
Variable alatoire
continue
La probabilit que la v.a.c. X prenne une valeur
dans un intervalle entre a et b est donne par
laire sous le graphique de la fonction de densit
de probabilit f(x) entre a and b.
La fonction de rpartition F(a)= P(Xa)=
}

a
dx x f ) (
) ( ) ( b X a P dx x f
b
a
s s =
} = F(b)- F(a)
Reprsentation
graphique
0
0,2
0,4
0,6
0,8
1
0 0,5 1 1,5 2
Dure de vie x
D
e
n
s
i
t


f
(
x
)
Laire sous la courbe
doit tre gale 1.
Variable alatoire
continue
Laire sous la courbe ] entre 2 valeurs a et b
reprsente la probabilit que la v.a. X prenne une
valeur dans lintervalle [a, b].
La probabilit
en un point est
nulle.
P(X=x)=0
Proprits de la fonction de densit de
probabilit
}


=
>
1 ) (
rel pour tout 0 ) (
dx x f
x x f
Laire totale sous la
courbe doit tre
gale 1.
Une probabilit est toujours
> 0.
Calcul des probabilits
}
= s s
b
a
x d x f b X a P ) ( ) ( ) (
Exemple :
Calculer la probabilit que la dure de vie de
lampoule lectrique soit comprise entre 0 et 0,5
an.
Reprsentation
graphique
0
0,2
0,4
0,6
0,8
1
0 0,5 1 1,5 2
Dure de vie x
D
e
n
s
i
t


f
(
x
)
P(0,5X1)
Rponse
125 , 0
2
5 , 0 * 5 , 0
) 5 , 0 0 ( = = s s X P
125 , 0 0
2
2
) ( ) 5 , 0 0 (
2
5 , 0
2
5 , 0
0
5 , 0
0
5 , 0
0
= =
= = = s s
} }
x
dx x dx x f X P
Exemple
La vie utile dune certaine composante dune pice lectronique est
dcrite par la densit de probabilit suivante:

s s
=
ailleurs 0
6 0
18
) (
x
x
x f
o x est exprim en centaines dheures.
a) Prouver que lon a bien une fonction de densit;
b) Donner la reprsentation graphique de cette fonction;
c) Calculer : P(X s 2); P(X > 4) et P(2 s X s 4)
Exemple
La surface sous la courbe
0,5*6*0,3333=1
P(X s 2) = 2*0,1/2=0,1
P(X > 4) = 1- P(X s 4)
=1-(4*0,2/2)
=1-0,4=0,6
P(2 s X s 4) = 1- 0,1-0,6=0,3
Distribution uniforme
Lorsque la probabilit est proportionnelle la
longueur de lintervalle, la v.a.c. est distribue
de faon uniforme
Une v.a.c X obit une distribution uniforme
sur un intervalle [a, b] si sa densit de
probabilit est donne par :

s s

=
ailleurs 0
b x a si
1
) (
a b
x f
Ont dit que X e U(a, b) o a et b e 9 et a < b
Exemple
Supposons que la concentration dun certain
polluant est distribue uniformment sur
lintervalle 6 22 ppm. Si la concentration
excde 16 ppm, on considre le polluant comme
toxique. Quelle est la probabilit de dclarer le
polluant comme toxique?
Exemple
f(x)
x
6
14
22
16
1/16
Concentration en ppm
P(X>16) = (1/16)(6) = 0,375

s s

=
ailleurs 0
2 2 x 6 si
6 22
1
) (x f

E(X) = = a+b
2
Var(X) = (b-a)
2

12

Distribution uniforme
( )

>
< s

<
=
b x si 1
b x a si
a x si 0
x F
a b
a x
Distribution
exponentielle

Si une v.a. X reprsente le temps requis pour
obtenir un premier succs ou le temps entre
deux succs conscutifs, alors X obit une
distribution exponentielle.

X ~ Exp ()

Ce qui se lit X suit une loi exponentielle de
paramtre
Distribution
exponentielle
La loi exponentielle est utile pour dcrire la dure de
ralisation dune tche
Exemples:
le temps entre les arrives un lave-autos
la distance entre les dfauts majeurs dune autoroute
dans les files dattente, la distribution exponentielle est
souvent utilise pour le temps de service
Lie la loi de Poisson qui fournit une bonne description
du nombre doccurrences par intervalle
Loi exponentielle fournit une bonne description de la
longueur de lintervalle entre les occurrences


Une v.a.c X pouvant prendre toutes les
valeurs x dans lintervalle de 0 , pour
>0 dont la fonction de densit est :
sappelle une v.a. exponentielle de paramtre
.
Distribution
exponentielle
( )

>
<
=
0 if e
1
0 if 0
x/
x
x
x f


E(X) =
VAR(X) =
2


Distribution
exponentielle
( )

>
<
=
0 x si e - 1
0 x si 0
x F
x/ -
t = 3.14159

e = 2.71828
Dans Excel: Le paramtre lambda est: 1/
Relation entre les distributions de
Poisson et exponentielle
Loi (discrte) de Poisson utile pour examiner le
nombre doccurrences dun vnement dans un
intervalle de temps ou despace donn
Loi de Poisson fournit une description du nombre
doccurrences par intervalle
Loi (continue) exponentielle fournit une
description de la longueur des intervalles entre
les occurrences
Le paramtre de la loi exponentielle est linverse
du paramtre de la loi Poisson
Le samedi soir, entre 20h et 21h, sur la route
transcanadienne entre Qubec et Vancouver, il y a en
moyenne 5 accidents de la route. Un samedi soir
particulier, entre 20h et 21h:
a) calculer la probabilit quil y ait plus de 10 accidents
de la route sur la transcanadienne;
b) si lon sait quun accident vient tout juste de se
produire sur cette route, calculer la probabilit quil
faille attendre plus de 10 minutes avant quil sy
produise un autre accident.
Exemple
Distribution normale
Une v.a.c X pouvant prendre toutes les valeurs
relles x dans lintervalle de - +, pour e
9, pour o e 9
+
dont la fonction de densit est :

sappelle une v.a. normale de paramtres
et o
2
: X ~N( , o
2
)
2
2
1
e
2
1
) (
|
.
|

\
|

=
o

t o
x
x f
Forme de la distribution
normale

x
f(x)
Il existe une famille entire de lois normales. Elles se diffrencient par leur moyenne et leur variance
Courbe en cloche
Courbe symtrique
La moyenne, le mode et la mdiane correspondent au mme point (le point le plus lev)
Lcart type dtermine la largeur de la courbe, plus il est grand, plus la courbe sera large et aplatie
Laire totale sous la courbe est 1
Aussi appele loi Gaussienne ou loi de Gauss
Distribution normale
68,26% des valeurs dune variable
alatoire normale sont comprises dans
lintervalle |o;+o]
95,44% des valeurs dune variable
alatoire normale sont comprises dans
lintervalle |2o;+2o]
99,72% des valeurs dune variable
alatoire normale sont comprises dans
lintervalle |3o;+3o]



E(X) =
VAR(X) = o
2


Distribution normale
) ( ) ( b x a P dx x f
b
a
s s =
}
= F(b)- F(a)
Pas facile de calculer laire sous la courbe
On utilise des tables
Distribution normale centre rduite
La loi normale centre
rduite
Une v.a.c. qui a une distribution de probabilit
normale de moyenne 0 et cart type 1, suit ce
quon appelle une loi normale centre rduite.
Cette variable est souvent dnote par la lettre Z
On peut convertir une v.a.c. X qui suit une loi
normale de moyenne et cart type o en une
variable normale centre rduite Z :

x
Z

=
La loi normale centre
rduite
tant donn une valeur z, nous utilisons la table
normale centre rduite pour trouver la
probabilit (laire sous la courbe) qui lui est
associe.
La loi normale
Courbe de distribution normale
-4 -2 0 2 4
Valeurs de x
f
(
x
)
0,5 0,5
Aire totale sous
la courbe = 1
m
2o 2o
4o 4o

Courbe de distribution normale
-4 -2 0 2 4
Valeurs de z
f
(
z
)
0,5 0,5
Aire sous la
courbe = 1
La loi normale centre
rduite

o o

< = < = = o et
x X
P( X x) P( Z z) z Z
Exemple: Pep Zone
Pep Zone vend de lhuile moteur. Lorsque
linventaire de lhuile moteur descend 20
gallons, une commande est effectue auprs du
fournisseur. Le grant du magasin a remarqu
quil perdait des ventes lorsquil tait en attente
du nouveau stock. Il avait dtermin que la
demande lorsquon est en attente du nouveau
stock suit une loi normale de moyenne de 15
gallons et un cart type de 6 gallons. Le grant
aimerait savoir quelle est la probabilit dune
rupture de stock?
Exemple: Pep Zone
X est la variable alatoire qui reprsente la
demande en gallons dhuile moteur en
priode dattente de stock
On cherche P(X > 20)

Dfinissons: Z = (X - )/o
P(X > 20)=P(Z > (20 - 15)/6 )= P(Z > 0,83)
On cherche donc: P(Z> 0,83)

Exemple: Pep Zone
Les nombres de la table correspondent la
valeur de laire, ou la probabilit, situe sous la
courbe entre la moyenne et z carts type au-
dessus de la moyenne.

Exemple: Pep Zone
0 0,83
Aire = 0,2967
Aire = 0,5
Aire= 0,5 - 0,2967
= 0,2033
z
La table montre une surface de 0,2967 pour la rgion entre z = 0 et z = 0,83.
La rgion de lextrmit en vert correspond donc 0,5 - 0,2967 = 0,2033.
La probabilit dune rupture de stock est 0,2033
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
.1 .0398 .0438 .0478 .0517 .0557 .0596 .0636 .0675 .0714 .0753
.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .1064 .1103 .1141
.3 .1179 .1217 .1255 .1293 .1331 .1368 .1406 .1443 .1480 .1517
.4 .1554 .1591 .1628 .1664 .1700 .1736 .1772 .1808 .1844 .1879
.5 .1915 .1950 .1985 .2019 .2054 .2088 .2123 .2157 .2190 .2224
.6 .2257 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2518 .2549
.7 .2580 .2612 .2642 .2673 .2704 .2734 .2764 .2794 .2823 .2852
.8 .2881 .2910 .2939 .2967 .2995 .3023 .3051 .3078 .3106 .3133
.9 .3159 .3186 .3212 .3238 .3264 .3289 .3315 .3340 .3365 .3389
Distribution normale centre
rduite
.8
.03
Dans cette table on voit laire entre z=0 et z: P(0Zz) = P(-zZ0)
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
.1 .0398 .0438 .0478 .0517 .0557 .0596 .0636 .0675 .0714 .0753
.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .1064 .1103 .1141
.3 .1179 .1217 .1255 .1293 .1331 .1368 .1406 .1443 .1480 .1517
.4 .1554 .1591 .1628 .1664 .1700 .1736 .1772 .1808 .1844 .1879
.5 .1915 .1950 .1985 .2019 .2054 .2088 .2123 .2157 .2190 .2224
.6 .2257 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2518 .2549
.7 .2580 .2612 .2642 .2673 .2704 .2734 .2764 .2794 .2823 .2852
.8 .2881 .2910 .2939 .2967 .2995 .3023 .3051 .3078 .3106 .3133
.9 .3159 .3186 .3212 .3238 .3264 .3289 .3315 .3340 .3365 .3389
Distribution normale centre
rduite
.8
.03
Dans cette table on voit laire entre z=0 et z: P(0Zz) = P(-zZ0)
On a donc: P(Zz)=0,5+ P(0Zz)
P(Z -z)=0,5+ P(-zZ0)

Si le grant de Pep Zone veut que la probabilit
de rupture de stock ne dpasse pas 0,05, quel
niveau dinventaire devrait-il passer une
nouvelle commande?


Exemple: Pep Zone
Exemple: Pep Zone
Aire = 0,05
Aire = 0,5 Aire = 0,45
0
k

On cherche k tel que P(Z>k) 0,05

Dans la table, on trouve la valeur de z qui
correspond une probabilit de 0,4500






k = 1,645 est une estimation raisonnable
P(Z 1,645)=0,95 donc P(Z>k) 0,05
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
.
1.5 .4332 .4345 .4357 .4370 .4382 .4394 .4406 .4418 .4429 .4441
1.6 .4452 .4463 .4474 .4484 .4495 .4505 .4515 .4525 .4535 .4545
1.7 .4554 .4564 .4573 .4582 .4591 .4599 .4608 .4616 .4625 .4633
1.8 .4641 .4649 .4656 .4664 .4671 .4678 .4686 .4693 .4699 .4706
1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767
.
Exemple: Pep Zone

La valeur correspondante de x est:
x = + ko
= 15 + 1,645(6)
= 24,87
Une commande de of 24,87 gallons rendra la
probabilit dune rupture de stock gale 0,05.
Donc, Pep Zone devrait passer une nouvelle
commande lorsque il leur reste 25 gallons pour
garder cette probabilit sous 0,05.
Exemple: Pep Zone
Exemple
Une machine fabrique des rondelles de mtal dont le
diamtre est distribu normalement avec une moyenne
de 2,4 cm et un cart type de 0,05 cm. Des rondelles
produites par cette machine, trouvons la proportion de
celles dont le diamtre:
i) excde 2,5 cm; Rp. 0,0228
ii) nexcde pas 2,32 cm; Rp. 0,0548
iii) est compris entre 2,35 cm et 2,46 cm. Rp. 0,7262

Trouvons la valeur de x telle que 5 % des rondelles
prsentent un diamtre qui lui est suprieur. Rp.
2,48225
Convergence de la binomiale vers la
normale
Si X e Bi (n, p) X ~ N ( np, npq)
La distribution normale est une bonne approximation
de la distribution binomiale lorsque:
np5 et n(1-p) 5
Un factor de correction de continuit peut tre
ncessaire pour s'assurer que la probabilit d'une
valeur spcifique discrte est incluse dans le calcul.
P(X=12) est approxim par P(11,5 X 12,5)
Facteur de correction = 0,5
Exemple (sol intranet)
Une station-service est approvisionne en essence une fois par semaine.
Son volume de ventes hebdomadaires, en milliers de litres, est une
variable alatoire continue, note par X, dont la fonction de rpartition
est :



a. Dterminer analytiquement les fonctions de rpartition et de
densit de la variable alatoire X.
b. Dterminer le volume de ventes hebdomadaires espr.
c. Quelle doit tre la valeur x du volume de ventes
hebdomadaires pour que la probabilit que l'on dpasse cette
valeur x soit de 0,25 ?

Exemple (sol intranet)
La firme PizzaYUM affirme dans sa publicit que sa toute nouvelle pizza est servie en
cinq minutes. Par souci dintgrit et defficacit, le grant de PizzaYUM a men sa
petite enqute dans sa succursale, et a fait les constatations suivantes : On a autant de
chances de livrer une pizza en moins de 5 minutes quen plus de 5 minutes. Dans 20% des
cas, la pizza est servie en plus de 5,5 minutes; On peut faire lhypothse que le temps de
service X suit une distribution Gaussienne (cest dire une loi normale).
a) Dterminer E(X) et (X)
b) Quel devrait tre le temps moyen de prparation pour que 80% des pizzas soient servies
en moins de 5 minutes?
c) Lorsquun client commande une pizza, on lui affirme quelle sera prte dans 5 minutes.
Cependant, en priode de pointe, il faut 45 secondes de plus pour servir la pizza. En
priode de pointe, quelle est la probabilit que la pizza ne soit pas encore servie aprs 6
minutes.
d) Quelle est la proportion de pizzas qui seront servies entre 4 et 5 minutes :
i. En priode de pointe?
ii. En priode normale?

Exemple (sol intranet)
Un grant de production se demande s'il devrait acheter une machine qui
pourrait pargner plusieurs heures de travail. Le cot l'achat de cette
machine est 100 000$ et peut tre utilise pendant 1 an un cot horaire de
50 $. la fin de cette anne, elle peut tre vendue pour 28 000$. Le grant
estime qu'il peut conomiser 2 800 heures de travail en une anne et que
chaque heure conomise se traduit en une pargne de 80 $. Aprs avoir
rflchi la situation, il a constat que le nombre d'heures pargnes suit
une distribution normale de mode 2 800 et qu'il y a 90% de chances que ce
nombre se situe entre 2600 et 3000.

a) Quels sont les paramtres de la distribution du nombre d'heures
pargnes?
b) Le grant dcide d'acheter la machine. Si le nombre d'heures pargnes
dpasse 2400, il aura pris une bonne dcision. Quelle est la probabilit qu'il
ait prix une mauvaise dcision?