Vous êtes sur la page 1sur 22

La loi Normal

Présent par:
Le plan de travail
 1 Définition

2 la formule de la loi

3 la courbe

4 propriétés et calcules de loi

5 exemple

6 les test de normalité


Définition
 La loi de probabilité la plus utilisée en statistique est la loi normale,
encore appelée loi de Gauss, ou de Laplace-Gauss. La v.a. X suit une loi
normale si sa densité de probabilité suit la courbe en cloche d'équation
: Si la v.a. binomiale X a comme moyenne μ et comme écart-type σ, on dit
qu'elle suit la loi N(μ,σ).
La courbe de la loi normale
Utilisation:
 La loi Normale ou de Gauss est très utilisée. Il existe des raisons
mathématiques à cela (convergence en probabilité notamment) que nous
ne développerons pas ici.
 Signalons quelques phénomènes qui obéissent à la loi Normale :
 quasiment tout ce qui est humain (taille, poids, pousse des cheveux, des
ongles, paramètres biologiques, durée du sommeil, etc.),
 au delà, quasiment tout le vivant ( taille et poids des
graines, vitesse de pousse, rendement à l'hectare, poids
des animaux, etc.),
 et encore toute la production industrielle de masse
(prenons des balles de tennis, donc le poids, la
résistance à l'usure, la pression, etc.),
 La loi Normale est aussi utilisée comme approximation
de la loi Binomiale lorsque la loi de Poisson ne convient
plus, ou moins bien.
Propriétés:

* Soit Z ∼ N (0; 1). P [|Z| >3] = 0, 002 .


*P [|Z| >2] = 0, 04.
Calculs de probabilités :
Soit X une variable aléatoire suivant la loi normale N (µ , σ 2 ) et soit a et b deux
réels.
P(X∈ IR) = 1.
P(X≤ µ) = P X− µ σ ≤ µ − µ σ = P(Y≤ 0) = 0,5.
P(X≥ µ) = P X− µ σ ≥ µ − µ σ = P(Y≥ 0) = 0,5.
 P(µ − σ ≤ X≤ µ + σ) = P µ−σ−µ σ ≤ X− µ σ ≤ µ + σ − µ σ = P(− 1
≤ Y≤ 1) ∼– 0,68 (à 10 −2 près);
 P(µ − 2 σ ≤ X≤ µ + 2 σ) = P µ−2σ−µ σ ≤ X− µ σ ≤ µ + 2 σ − µ σ
= P(− 2 ≤ Y≤ 2) ∼– 0,95 (à 10 − 2 près);
 P(µ − 3 σ ≤ X≤ µ + 3 σ) = P µ−3σ−µ σ ≤ X− µ σ ≤ µ + 3 σ − µ σ
= P(− 3 ≤ Y≤ 3) ∼– 0,997 (à 10 − 3 près).
 Les résultats précédents peuvent s'illustrer sur les graphiques suivants à
l'aide de la courbe représentative de la densité de la loi normale N (µ , σ 2
):
 Les calculatrices ou des logiciels (tableurs...) permettent seulement d'avoir des
valeurs approchées des probabilités du type P(a ≤ X≤ b) où a et b sont des nombres
réels. () Pour le calcul de P(X≤ a), on peut procéder la façon suivante : • Si a ≥ µ,
on utilise P(X≤ a) = 0,5 + P(µ ≤ X≤ a). • Si a ≤ µ, on utilise P(X≤ a) = 0,5 − P(a ≤ X≤
µ). Pour le calcul de P(X≥ a), on peut procéder la façon suivante : • Si a ≥ µ, on
utilise P(X≥ a) = 0,5 − P(µ ≤ X≤ a). • Si a ≤ µ, on utilise P(X≥ a) = 0,5 + P(a ≤ X≤ µ).
Exemple:

 On suppose qu’une certaine variable X ∼ N (0, 1). Pour


quelle proportion d’individus est-ce que X ≤ 1, 56 ? On
cherche P(X ≤ 1, 56) (rappel : on ´écrit aussi F(1, 56)).
 On cherche P(X ≤ 1, 56) (rappel : on ´ecrit aussi F(1,
56)). On cherche 1,56 dans la table
 Donc P(X ≤ 1, 56) = 0, 9406. Pour 94, 06 % des individus,
la variable X est inf´erieure `a 1, 56.
Tests de normalité
Test de Kolmogorov-Smirnov:
 Utilité : Comparer deux distributions de fréquences et tester si celles-ci
sont significativement différentes. •Utilisé ici pour vérifier si la
distribution de fréquences d’une variable x suit la distribution normale.
 Étape 1 : Question biologique
 La variable … suit-elle une distribution normale ?
 Étape 2 : Déclaration des hypothèses
 H0 : La distribution de la variable … suit une loi normale. H1 : La
distribution de la variable … ne suit pas la loi normale.
 Étape 3 : Choix du test
 Étape 4 : Condition d’application:
 La variable x est continue
 Étape 5 : Distribution de la variable auxiliaire
 Si H 0 est vraie, la variable Dobs suivra une distribution
selon la fonction de KolmogorovSmirnov.
 Étape 6 : Règles de décision
 On rejette H0 au seuil α =0,05 si Dobs > Dα où
 Étape 7 : Calculs du test
 Ici (n= 22=, on a un petit échantillon, donc on utilise la formule pour les
données non groupées en classes. Étape 1 : Tri des données brutes en ordre
croissant Étape 2 : Centrage et réduction des valeurs de x Étape 3 : Trouver les
valeurs de f correspondantes avec les valeurs calculées à l’étape précédente
Étape 4 : Calcul les fréquences observées cumulées Fcum Étape 5 : Trouver la
valeur maximale de di+ et di-, et le comparer à notre valeur critique
 Étape 8 : Décision statistique
 Puisque dmax 0,146008294 < Dcritique = 0,184094394 on
ne rejette pas H0
 Étape 9 : Interprétation biologique
 Notre distribution n’est pas différente de la normale car la
valeur de dmax est inférieure à la valeur critique. (Il n'y a
pas forcément d'interprétation biologique à ce test, qui est
souvent réalisé surtout pour des raisons techniques).
Test de sharpie _wilk

 En statistique, le test de Shapiro–Wilk teste


l'hypothèse nulle selon laquelle un échantillon x1,
..., xn est issu d'une population normalement distribuée.
Il a été publié en 1965 par Samuel Shapiro et Martin
Wilk1.
une distribution normale
 Sachant que l'hypothèse nulle est que la population est normalement
distribuée, si la p-value est inférieure au niveau alpha choisi, alors
l'hypothèse nulle est rejetée (i.e. on conclut que les données ne sont pas
issues d'une population normalement distribuée).
 Si la p-value est supérieure au niveau alpha choisi, alors on ne peut pas
rejeter l'hypothèse nulle selon laquelle les données sont issues d'une
population normalement distribuée. Par exemple, pour un niveau alpha de
0.05, un jeu de données avec une p-value de 0.32 n'entraîne pas le rejet
de l'hypothèse nulle selon laquelle les données sont issues d'une
population normalement distribuée. Donc si la p-value est grande, la
distribution tend vers
La fin

Merci pour
votre attention