Chapitre XII – Lois de probabilité à densité 1 Loi à densité Définition 1. On dit qu’une variable aléatoire est continue si elle peut prendre toutes les valeurs d’un intervalle I de R. Exemple 1. Soit X la variable aléatoire égale au temps de travail personnel quotidien (en heures) d’un(e) élève de terminale S. → X est une variable aléatoire continue définie sur [0; 6]. Elle peut prendre toutes les valeurs réelles entre 0 et 6. → Y la variable aléatoire égale au nombre de matières travaillées par jour est une variable aléatoire discrète. Définition 2. On appelle fonction de densité sur un intervalle I une fonction f telle que : 1. f est continue et positive sur I ; Z 2. f (x) dx = 1. I Remarque. Une fonction de densité peut être définie sur tout intervalle I, par exemple : [a; b], R, [0; +∞[... Si I = [a; b], • Z f (x) dx = I Z b f (x) dx = 1 a Si I est non borné comme [0; +∞[ ou R, on admet que Z A Z +∞ f (x) dx = 1 par exemple : f (x) dx = lim • a . x2 Calculer la valeur de a tel que g soit une fonction de densité. g est une fonction continue et positive si a > 0. 1 Exemple 2. Soit f la fonction définie sur [1; e] par f (x) = x . Montrer que f est une fonction de densité. Exemple 3. Soit g la fonction définie sur [1; 10] par g(x) = La fonction f est continue et positive sur [1; e] Z e f (x) dx = [ln (x)]e1 = ln (e) − ln (1) = 1 • f (x) dx=1, I A→+∞ 0 0 • Z On cherche la valeur de a > 0 telle que : 1 donc f est une fonction de densité sur [1 ; e]. donc g(x) = 10 sur [1; 10] 9 x2 Z 10 a dx x2 i a 10 − x 1 a a − + 10 1 a 1h = 1 = 1 = 1 = 10 9 Définition 3. Soit X une variable aléatoire continue à valeur dans un intervalle I et f une fonction de densité sur I. On dit que X suit la loi à densité f lorsque pour tout intervalle [a; b] inclus dans I : Z b P (X ∈ [a; b]) = P (a 6 X 6 b) = f (x) dx = Aire sous la courbe de f entre a et b a On dit aussi que P est la loi de probabilité de densité de f. Exemple 4. Soit X la variable aléatoire égale au temps de travail personnel quotidien (en heures) d’un élève de terminale S. Z 6 X suit une loi à densité f définie sur [0 ; 6] par : f (x) = f (x) dx 1 36 (6 x − x2). Vous pouvez le vérifier en étudier le signe de f (x) et en calculant 0 Calculer la probabilité qu’un élève travaille plus de 4 heures quotidiennes. P (X > 4) = P (4 6 X 6 6) = Z 4 6 f (x) dx = Z 4 6 1 1 x3 6 1 64 1 7 = (6 x − x2) dx = 3 x2 − (108 − 72) − 48 − = ≈ 0,2593 36 3 36 36 3 36 27 4 Tale S2 Chapitre XII – Lois de probabilité à densité Guist’hau - 2014/2015 Proposition 1. Soit X une variable aléatoire continue suivant une loi à densité f sur l’intervalle I. Pour tout a appartenant à I : 1. P (X = a) = 0. 2. P (X 6 a) = P (X < a). 3. P (X 6 a) = 1 − P (X > a). 4. Si A et B sont deux intervalle disjoints de I alors P (X ∈ A ∪ B) = P (X ∈ A) + P (X ∈ B). Définition 4. Soit X une variable aléatoire continue suivant une loi à densité f sur l’intervalle [a; b]. On appelle espérance mathématique de X le nombre : Z b E(X) = x f (x) dx a Remarque. L’espérance d’une variable aléatoire discrète continue s’interprète comme la moyenne des valeurs prises par X lorsque l’expérience est répétée un grand nombre de fois. Exemple 5. Reprendre l’exemple 4 et calculer le temps de travail personnel moyen d’un élève de terminale S. E(X) = Z 6 x × f (x) dx = 0 1 36 Z 6 0 (6 x2 − x3) dx = 108 1 x4 6 64 1 −0 = = 3 heures = 2 x3 − 2 × 63 − 36 4 0 36 4 36 2 Loi uniforme sur [α; β] : U [α; β] 1 β−α Définition 5. On dit qu’une variable aléatoire continue X suit la loi uniforme sur [α; β] si elle admet comme densité de probabilité la fonction f constante, définie sur [α; β] par : 1 f (x) = β −α α β Exemple 6. Soit X la variable aléatoire qui suit la loi uniforme sur l’intervalle [3; 9]. Déterminer sa fonction de densité. 1 La fonction de densité de probabilité f de la loi de X est définie sur [3; 9] par : f (x) = 9 − 3 = Proposition 2. Soit X une variable aléatoire suivant la loi uniforme sur [α; β]. Pour tout intervalle [a; b] inclus dans [α; β], P (X ∈ [a; b]) = P (a 6 X 6 b) = b−a 1 = longueur de [a; b] × β −α β −α 1 6 faire un schéma si besoin... 1 β−α α a Exemple 7. Soit X la variable aléatoire qui suit la loi uniforme sur l’intervalle [3; 9]. Calculer P (X > 7) et P (4 < X 6 7). 9−7 2 7−4 3 1 1 P (X > 7) = = = et P (4 < X 6 7) = = = 6 6 6 6 3 2 Proposition 3. Si X est une variable aléatoire qui suit la loi uniforme sur [α; β] alors son espérance E(X) = α+ β 2 Exemple 8. Soit X la variable aléatoire qui suit la loi uniforme sur l’intervalle [3; 9]. Calculer l’espérance de X. 9 + 3 12 E(X) = = = 6 , la « valeur moyenne » de X sur [3; 9] est donc égale à 6. 2 2 2 b β Tale S2 Chapitre XII – Lois de probabilité à densité Guist’hau - 2014/2015 3 Loi exponentielle de paramètre λ : E(λ) Définition 6. On dit qu’une variable aléatoire continue X suit la loi exponentielle de paramètre λ, avec λ > 0, si elle admet comme densité de probabilité la fonction f, définie sur [0; +∞[ par : λ f (x) = λ e−λx 0 Remarque. • • Pour λ > 0, on notera souvent fλ(x) = λ e−λ. La fonction fλ: x → → y = λe−λx λe −λx est bien une fonction de densité sur [0; +∞[ car fλ est continue et positive Z A −λA et pour tout A > 0, λ e−λx dx = [−e−λx]A + e0 = 1 − e−λA 0 = −e Z Z +∞ 0 A d’où λ e−λx dx = lim λ e−λx dx = 1 A→+∞ 0 0 Proposition 4. Pour tous réels positifs a et b tels que a 6 b, P (X 6 a) = 1 − e−λa P (X > a) = e−λa P (a 6 X 6 b) = e−λa − e−λb Exemple 9. La durée de vie d’une ampoule peut être modélisée par une variable aléatoire X qui suit une loi exponentielle. Calculer le paramètre λ de cette loi sachant que P (X > 800) = 0,2. En donner un arrondi au millième. ln (0,2) e−800λ = 0,2 −800 λ = ln (0,2) P (X > 800) = 0,2 λ=− ≈ 0,002 800 Proposition 5. Si X est une variable aléatoire qui suit la loi exponentielle de paramètre λ alors son espérance Z A 1 x λ e−λx dx E(X) = = lim A→+∞ 0 λ Exemple 10. La durée d’attente (en min) pour obtenir un autographe du professeur de maths à la fin de son cours est une variable aléatoire T qui suit la loi exponentielle de paramètre λ = 0,05. 1. Calculer, en minutes, le temps moyen d’attente pour obtenir un autographe. 1 1 = 20 , le temps d’attente moyen est donc de 20 minutes. E(T ) = = λ 0,05 2. Calculer, à 10−2 près, la probabilité d’attendre moins de 30 minutes et la probabilité d’attendre entre 10 et 30 minutes. P (T < 30) = 1 − e −30λ = 1 − e−1,5 ≈ 0,78 P (10 < T < 30) = e−10λ − e−30λ = e−0,5 − e −1,5 ≈ 0,38 3. Un élève arrive au bureau du prof. Un panneau indique que le temps d’attente est d’au moins 10 minutes. Calculer à 10−2 près la probabilité qu’il soit inférieur à 30 minutes. P ((10 6 T ) ∩ (T < 30)) P (10 6 T < 30) e−10λ − e −30 λ PT >10(T < 30) = = = = 1 − e−20λ ≈ 0,63 P (T > 10) P (T > 10) e −10λ Loi de durée de vie sans vieillissement Définition 7. Une variable aléatoire X à valeurs dans [0 ; +∞[ suit une loi de vie sans vieillissement (ou sans mémoire) lorsque, pour tous réels positifs t et h, PX >t(X > t + h) = P (X > h) Proposition 6. Soit X est une variable aléatoire. vieillissement. X suit une loi exponentielle si, et seulement si, X est sans Exemple 11. La durée de vie (en heures) d’un certain type d’ampoules électriques est une variable aléatoire T qui suit une loi exponentielle de paramètre λ = 0,002. Calculer, à 10−3 près, la probabilité pour qu’une ampoule de ce type fonctionne encore au bout de 600 h sachant qu’elle fonctionnait encore au bout de 500 h. PT >500(T > 600) = PT >500 (T > 500 + 100) = P (T > 100) = e−100λ = e−0,2 ≈ 0,819 3