Lois Continues I] Loi uniforme sur [0 ; 1] : Probabilité Intervalle : 1 1 p 0; 2 2 1 1 p 0; 4 4 p0,45;0,55 0,1 a 0;1 et b 0;1 Notion de Densité : pa, b b a . On cherche IR . b b a f (x)dx a dx b a . On doit donc avoir b a b a 1. 0 a b 1 a 0;1 et b 0;1 avec a b . 1 pa; b 1dx b a . b a 0 1 a b II] Loi de probabilité continue : Les issues d’une expérience, où les valeurs prises par une variable aléatoire peuvent être n’importe quel réel d’un intervalle donné comme : - durée d’une communication - temps d’attente - durée de vie d’un composant électronique Les événements intéressants sont ici des intervalles. On cherche à définir la probabilité d’un intervalle. Soit I un intervalle de IR . On appelle densité de probabilité sur I toutes les fonctions f définies sur I et vérifiant : - f est continue sur I - f est positive sur I - l’aire du domaine associée à f sur I vaut 1. On définit alors la loi de probabilité associée à f sur I par : a I , b I avec a b . pa; b f ( x )dx . b a Cette loi de probabilité est continue. Exemple 1 : avec I borné. I 1;1 , f est définie sur I par f (x) 1 x . f est continue et positive sur I. Et l’aire du domaine associé à f sur I vaut 1. Donc f est une densité de probabilité sur 1;1 . 23 0 23 1 2 Calculons p ; f ( x )dx 1 x dx 1 x dx 1 3 1 3 0 3 3 1 x dx 0 1 x dx 1 3 0 23 2 0 2 3 x x x x 2 1 2 0 2 3 1 4 1 9 2 9 1 1 2 2 13 3 2 3 2 3 18 3 9 18 Exemple 2 : avec I non borné. I 1, X est la variable aléatoire prenant ses valeurs dans I. Dont la loi de probabilité admet sur cet 1 intervalle la densité g définie par g( x ) 2 . x 1) Justifier que cette loi existe (que g est bien une densité de probabilité). 2) Calculer pX 2 (deux méthodes). 1) - g est continue sur I g est positive sur I - démontrons que lim 1 1 1 g( x )dx 1 g( x )dx 1 1 1 dx 2 1 2 x x 1 1 1 lim g( x )dx lim 1 1 1 1 car lim 0 Donc l’aire du domaine associé à g sur 1; vaut 1. g est donc bien une densité de probabilité. 2) pX 2 p2; 1ère méthode : 2 pX 2 lim g(x)dx 2 1 1 1 2 g(x)dx x 2 2 1 pX 2 lim g( x )dx 2 2 2ème méthode : pX 2 1 pX 2 1 pX 2 car pX 2 0 car X suit une loi de probabilité continue. 2 1 g ( x )dx 1 1 2 1 x 1 1 1 1 2 1 2 III] Deux exemples de lois continues : 1) La loi uniforme : On choisit au hasard un nombre x d’un intervalle a; b IR avec a b . On modélise ce choix par la loi de probabilité dont la densité de probabilité f est définie sur a; b par f ( x ) 1 . ba Cette loi s’appelle la loi uniforme sur a; b . X suit la loi uniforme sur a; b . a; b , a; b avec . 1 p X p; dx ba ba Exemple : X suit la loi uniforme sur 1;4 . Déterminer pX 2 . 4 1 42 2 pX 2 dx . 2 4 1 5 5 2) La loi exponentielle : On appelle loi exponentielle de paramètre IR * la loi de probabilité continue dont la densité est la fonction f définie sur IR par f (x) e x . Démontrons que f est une densité de probabilité sur 0; . - f est continue sur IR . f est positive sur IR . f (x)dx 0 0 lim 0 f ( x )dx e x e x 0 1 e f (x)dx lim 0 lim 0 e 1 1 car lim e x 0 . x Donc l’aire du domaine associé à f sur IR vaut 1. f est donc une densité de probabilité sur IR . X est une variable aléatoire continue qui suit la loi exponentielle de paramètre IR * . k IR pX k e x dx 1 e k k 0 pX k 1 pX k 1 pX k car pX k 0 car X est une variable aléatoire continue. pX k e k pX k pX k 0 k IR * et k' IR * k k'. k pk X k ' e x dx e x k' k pk X k' e k e k ' k' k pk X k' 0 k’ k Exercice 1 : On choisit un réel x dans 0;10 (loi uniforme). Quelle est la probabilité pour que x soit solution de l’inéquation x 2 4x 3 0 . x 2 4x 3 0 x 1 ou x 3 x 2 4x 3 0 x 1 ou x 3 On doit chercher p0;1 3;10 p0;1 p3;10 car les événements sont incompatibles. p0;1 p3;10 car p 1 p3 0 . 1 0 10 3 10 10 1 7 10 10 8 4 10 5 Exercice 2 : On suppose que le tirage d’un réel t IR soit décrit par une variable aléatoire X suit la loi exponentielle de paramètre 1. Quelle est la probabilité que X prenne une valeur solution de l’inéquation x 2 4x 3 0 . p0;1 3; pX 1 X 3 pX 1 pX 3 car les événements sont incompatibles. pX 1 pX 3 car pX 1 pX 3 0 1 k x e x dx lim e k 3 0 dx 1 3 e x dx 1 e x dx 0 0 pX 1 1 0 pX 3 1 3 pX 1 pX 3 1 e 1 e 3 1 e 1 e 3 0,68 pX 1 X 3 1 p1 X 3 1 e x dx 1 e 1 e 3 1 e 1 e 3 3 1 IV] Durée de vie sans vieillissement : X suit une loi de probabilité de « durée de vie sans vieillissement ». On veut montrer que pX 150 sachant que X 90 pX 150 90 pX 60 . Puisque la durée de vie est sans vieillissement pX 150 sachant que X 90 pX 150 90 pX 60 . pX 150 pX 90 On en déduit que p 60 pX 90 pX 150 Et par conséquent pX 60 pX 150 pX 90 pX 60 . pX 90 X suit une loi exponentielle de paramètre 0 . Justifions que X suit une loi de durée de vie sans vieillissement. t 0 IR et t1 IR pX t t e t 0 t1 0 1 pX t 0 e t 0 pX t 1 e t1 Par ailleurs e t 0 t1 e t 0 t1 e t 0 e t1 Donc pX t 0 t1 pX t 0 pX t1 . Une loi exponentielle est une loi de durée de vie sans vieillissement. X suit une loi de durée de vie sans vieillissement. Démontrons que X suit une loi exponentielle. R est définie sur IR par R(x) pX x . 1) R0 pX 0 1 lim R ( x ) lim pX x 0 . x x 2) x IR R(x) pX x 1 pX x 1 pX x car p(X x ) 0 loi continue. x Donc pour x IR R ( x ) 1 f ( t )dt 0 x est définie sur IR par ( x ) f ( t )dt . 0 est la primitive de f sur IR qui s’annule en 0. est dérivable sur IR et ' ( x ) f ( x ) R est donc dérivable sur IR et pour x IR R ' ( x ) f ( x ) . Soit a IR et b IR . R (a b) pX a b or pX a b pX a pX b car X suit une loi de durée de R (a ) pX a R (b) pX b vie sans vieillissement. Donc Ra b R(a) R(b) . On cherche les fonctions g dérivables sur IR telles que pour tout x IR , pour tout y IR . g ( x y) g ( x ) g ( y) . Soit définie sur IR . Pour t IR ( t ) g ( t a ) g ( t ) g (a ) ' ( t ) 1 g ' ( t a ) g ' ( t ) g (a ) or pour tout t IR ( t ) 0 et donc ' (0) 0 ' (0) g ' (a ) g' (0) g(a ) 0 donc g ' (a ) g' (0) g(a ) Et pour a IR g(a ) ke a avec g ' (0) et pour x IR g(x) ke x avec g ' (0) . Par conséquent pour x IR R (x) ke x . Or R (0) 1 donc k 1 . Et pour x IR R (x) e x . 3) Or lim R ( x) 0 donc 0 . x 4) donc pour x IR R (x) e x . Donc R' (x) e x et f (x) R' (x) e x . Et en conclusion une loi de durée de vie sans vieillissement est une loi exponentielle.