Lois à densité 1. Variable aléatoire suivant une loi à densité I désigne un intervalle (borné ou non) de R Définition On appelle densité de probabilité sur I toute fonction f définie sur I telle que : 1) f est continue et positive sur I 2) L’aire sous la courbe C de f est égale à 1 u.a. Définition f désigne une densité de probabilité sur I. Une variable aléatoire X suit la loi de densité f si, pour tout intervalle J inclus dans I, la probabilité de l’événement X ∈ J est donnée par : p(X ∈ J) = Aire(D) où D est le domaine sous la courbe C sur l’intervalle J Z b Si J = [a; b], p(X ∈ J) = f (x)dx a On dit aussi que X est une variable aléatoire continue de densité f . 2. Propriétés Pour tous réels a et b de I : 1) p(X = a) = 0 2) p(X > a) = 1 − p(X ≤ a) et p(a < X < b) = p(X < b) − p(X ≤ a) 3. Espérance mathématique Soit X une variable aléatoire continue de densité f sur l’intervalle [a; b] alors l’espérance mathématique de X est le réel défini par : Z b E(X) = tf (t)dt a 4. Exercice 1) Soit f la fonction définie sur l’intervalle [0; 10] par : f (x) = 0, 006(10x − x2 ). Vérifier que f est une densité de probabilité sur [0; 10]. 2) Soit X une variable aléatoire continue ayant f pour densité de probabilité. Calculer : p(X ≤ 7) et p(X > 6) 3) Calculer l’espérance mathématique E(X) 5. Loi uniforme sur [a ; b] (a) Définition Soit a et b deux nombres réels tels que a < b. La loi uniforme sur [a ; b] est la loi ayant pour densité de probabilité la fonction 1 constante f définie sur [a; b] par : f (x) = b−a (b) Propriétés x−a 1) Pour tout réel x appartenant à [a; b] : p(a ≤ X ≤ x) = b−a b+a 2) E(X) = 2 Démonstrations Exercice 1 6. Loi exponentielle (a) Définition Une variable aléatoire continue T suit une loi exponentielle de paramètre le réel λ > 0 si sa densité de probabilité est la fonction f définie sur [0; +∞[ par : f (x) = λe−λx Dans ce cas,on a pour t > 0 : Z t t p(T ≤ t) = λe−λx dx = −e−λx 0 = 1 − e−λt 0 p(T > t) = e−λt (b) Remarque (ROC) F Si T suit la loi exponentielle de paramètre λ alors, pour tout t ≥ 0 et h ≥ 0, on a : p(T ≥ t + h) e−λ(t+h) p ((T ≥ t + h) ∩ (T ≥ t)) = = = e−λh = p(T ≥ h) pT ≥t (T ≥ t + h) = −λt p(T ≥ t) p(T ≥ t) e On dit que T suit une loi de durée de vie sans vieillissement c’est-à dire, si, par exemple, T donne la durée de vie d’un appareil en années alors, sachant qu’il a déjà fonctionné t années, la probabilité qu’il fonctionne h années supplémentaires est la même que la probabilité qu’il fonctionne au moins h années à partir de sa première mise en fonction. (c) Espérance mathématique Soit X une variable aléatoire qui suit une loi exponentielle de densité f . On définit l’espérance mathématique de X par : Z t E(X) = lim xf (x)dx t→+∞ 0 (d) Propriété Soit X une variable aléatoire qui suit une loi exponentielle de paramètre λ > 0. 1 Alors : E(X) = λ Démonstration(ROC) F Soit t ≥ 0. 0 Pour tout x ≥ 0, xe−λx = e−λx − λxe−λx Z t Z t Z t 0 −λx −λx Donc : xλe dx = e dx − xe−λx dx 0 0 0 −λx t −λx t e − xe = − 0 λ 0 1 e−λt = − − te−λt λ λ 1 Quand t tend vers +∞, on obtient : E(X) = λ 2 7. Loi Normale (a) Loi normale centrée réduite Une variable aléatoire continue X suit la loi normale centrée réduite si sa densité f est définie sur R par : x2 1 f (x) = √ e 2 2π − On note : X suit la loi N(0; 1). (b) Remarque La fonction f est paire donc sa courbe est symétrique par rapport à l’axe des ordonnées. On dit que cette courbe est une courbe en cloche ou courbe de Gauss. (c) Propriétés Soit X est une variable aléatoire qui suit la loi N(0; 1) i. Pour tout nombre réel u : p(X ≤ −u) = 1 − p(X ≤ u) Démonstration Par symétrie de la courbe en cloche par rapport à l’axe des ordonnées, p(X > −u) = p(X ≤ u) et donc : p(X ≤ −u) = 1 − p(X ≤ u) ii. Pour tout nombre réel α ∈]0; 1[, il existe un unique nombre réel positif uα tel que : p(−uα ≤ X ≤ uα ) = 1 − α Démonstration (ROC) F Pour tout réel t positif, p(−t ≤ X ≤ t) = 2p(0 ≤ X ≤ t) = 2 Z t f (x)dx = 2G(t) 0 où G est la primitive de f sur R qui s’annule en 0. La fonction 2G est continue et strictement croissante sur [0; +∞[. On a le tableau de variation ci-dessous : t 2G 0 +∞ 1 0 Si α ∈]0; 1[, 1 − α aussi.et d’après le corollaire du théorème des valeurs intermédiaires, il existe un unique réel positif uα tel que 2G(uα) = 1 − α = p(−uα ≤ X ≤ uα ) iii. Cas Particuliers à connaître Pour α = 0, 05 une valeur approchée de u0,05 est 1,96 Pour α = 0, 01 une valeur approchée de u0,01 est 2,58 u0,05 = 1, 96 soit p(−1, 96 < X < 1.96) ≈ 0, 95 u0,01 = 2, 58 soit p(−2, 58 < X < 2, 58) ≈ 0, 99 iv. L’espérance mathématique de X est 0 et sa variance est 1 où la variance de X est définie par : V (X) = E ((X − E(X))2 ) 3 (d) Loi Normale Générale Soit µ un nombre réel et σ un réel strictement positif. Une variable aléatoire X suit la loi normale de paramètres µ et σ 2 si le variable aléatoire X −µ suit la loi normale N(0; 1). Z= σ On dit alors que X suit la loi N(µ; σ 2 ) i. Propriété Si X suit la loi N(µ; σ 2 ) alors son espérance est µ et sa variance σ 2 ii. Trois valeurs à connaître X suit la loi N(µ; σ 2 ) * p(µ − σ < X < µ + σ) ≈ 0, 68 * p(µ − 2σ < X < µ + 2σ) ≈ 0, 95 * p(µ − 3σ < X < µ + 3σ) ≈ 0, 99 Exercice Vérifier ces résultats à l’aide de votre calculatrice. iii. Théorème de Moivre-Laplace Xn est une variable aléatoire qui suit la loi B(n; p) et Zn la variable aléatoire Zn = Xn − E(Xn ) Xn − np =p σ(Xn ) np(1 − p) Pour tous nombres réels a et b avec a ≤ b et si f la densité de probabilité de la loi normale centrée réduite alors Z b lim p(a ≤ Zn ≤ b) = f (t)dt n→+∞ iv. Exemple n = 36, p = 0, 5 donc np = 18, σ = √ a 9=3 v. Remarque Si on a n ≥ 30, np ≥ 5, n(1 − p) ≥ 5 la loi binomiale B(n; p) est très proche de la loi normale de même espérance np et de même variance np(1 − p) C Gerlein Maths Outils