CHAPITRE 12 − Lois de probabilité à densité ( Deux premiers exemples ) 1/ QUELQUES GENERALITES 11/ Variables aléatoires continues Jusqu'à présent ( programme de la classe de première ) , chaque expérience aléatoire amenait une variable aléatoire discrète, ( à savoir, dont le nombre de valeurs possibles était fini : x1 , x2 , x3 , . . . , xn ). Dans ce cas, on définissait la loi de probabilité en donnant les probabilités : P (X = x 1 ),P ( X = x 2 ),P (X = x 3 ),Let P (X = x n ) . Résultats résumés par ailleurs dans un tableau. Il arrive néanmoins que les valeurs prises par une variable aléatoire puissent être n'importe quel nombre réel d'un intervalle I de . Exemples Durée ( exacte ) d'une communication téléphonique. Durée de vie d'un appareil électrique, d'un composant électronique. Durée du service, à la caisse d'un supermarché d'alimentation. Valeur d'un réel choisi au hasard entre 0 et 1. Poids ( exact ) d'un objet fabriqué sur une chaine de production. Taille ( exacte ) d'une femme dans la population mondiale. Dans ce cas : X est une variable aléatoire continue. Il n'est plus question de définir la loi de probabilité de X sur I, en donnant les probabilités de chaque élément de I ,car : X ( Ω ) contient une infinité de valeurs. De telles probabilités sont d'ailleurs nulles. On définit alors la loi de probabilité de X en donnant la probabilité pour que X appartienne à un intervalle [ a , b ] de I . 12/ Densité et loi de probabilité de densité f sur un intervalle I ( théorie ) DEF Soit I un intervalle inclus dans . On appelle densité de probabilité sur I, toute fonction f définie sur I vérifiant les trois conditions suivantes : (1) f est continue sur I. (2) f est positive ou nulle sur I. (3) L'aire située sous Cf sur I est égale à 1. Autrement dit : f (x ) dx . ∫ Exemples I 9x 2 + 1 . Montrer que f est une densité de probabilité sur [ 0 , 2 ]. 26 1 2) Soit g définie sur [ 1 , + ∞ [ par : g (x ) = 2 . Montrer que g est une densité de probabilité sur [ 1 , + ∞ [ . x 1) Soit f définie sur [ 0 , 2 ] par : f (x ) = DEF Soit f une densité de probabilité sur un intervalle I de . Soient α et β deux éléments de I . Soit X une variable aléatoire continue dont les valeurs sont dans I , et telle que : P ( X ∈ [ α ,β ] ) = On dit que X suit une loi continue à densité f sur I . Dans ce cas, l'espérance associée est définie par : E (X ) = ∫ x f (x ) dx I β ∫ f (x ) dx . α Illustration P ( X ∈ [ α ,β ] ) Cf r j r i O β α I PROP Soit X une variable aléatoire continue, suivant une loi à densité f sur I . Pour tous réels α et β de I, on a : *P(X=α)=0 *P(X>α)=1−P(X≤α) * Dans les calculs de probabilités, on peut remplacer des *P(α<X<β)=P(X<β)−P(X≤α) inégalités strictes par des inégalités larges et réciproquement. Exemples Soit X la variable aléatoire suivant la loi à densité g sur [ 1 , + ∞ [ ( ex. 2) précédent ) Calculer : P ( X = 3 ) , puis P ( X ∈ ] 2 , 10 [ ) , puis P ( X ≥ 5 ). 2/ LOI DE PROBABILITE UNIFORME SUR [ a , b ] Soit I l'intervalle [ a , b ] , avec a et b réels tels que a < b . Le choix au hasard ( ou tirage au sort ) d'un élément x de I se modélise par la loi continue sur I, dont la densité est constante. L'aire 1 sous la courbe ( sur [ a , b ] ) devant être égale à 1, cette constante est égale à . b −a DEF On appelle loi uniforme sur I = [ a , b ] , la loi de probabilité continue sur I , dont la densité est la fonction constante égale à 1 b −a 1 , pour tout x ∈ [ a , b ] ). b−a β 1 β−α On a alors : P ( X ∈ [ α ,β ] ) = . On dit que X suit la loi uniforme sur [ a , b ]. dx = α b−a b−a ( autrement dit : f (x ) = ∫ En effet : P ( X ∈ [ α ,β ] ) = ∫ β α 1 1 β 1 dx = 1 dx = [x ]βα = β − α ∫ α b −a b −a b −a b −a PROP Soit X la variable aléatoire suivant la loi uniforme continue sur [ a , b ]. Alors , E (X ) = Démonstration E (X ) = ∫ b a 1 x f (x ) dx = b−a ∫ b a b+a . 2 b 1 x2 1 b2 − a 2 b + a x dx = × = . = b − a 2 a b − a 2 2 Exemples 1/ On choisit un réel quelconque , au hasard dans [ − 2 , 5 ]. On note X la valeur du réel choisi. X est donc une variable aléatoire continue ( elle peut prendre toutes les valeurs réelles comprises entre − 2 et 5 . X suit la loi uniforme sur [ − 2 , 5 ] , car le choix du réel est fait au hasard. Calcul : La probabilité de choisir un nombre réel compris entre 1 et 4 est égale à : P ( X ∈ [ 1, 4 ] ) = Remarque : P ( X ∈ [ 1, 4 ] ) = P ( X ∈ ]1, 4 [ ) , car : P (X = 1) = P ( X = 4 ) = 0. 4 −1 3 = . 5+2 7 2/ Christophe vient tous les matins chez Karine entre 7 h et 7 h 45 pour prendre un café. On sait qu'il ne vient jamais en dehors de cette plage horaire et qu'il peut arriver à tout instant avec les mêmes chances. On note X l'heure d'arrivée de Christophe. X suit la loi uniforme sur [ 7 ; 7,75 ] , car Christophe ne vient jamais en dehors de cette plage horaire et il peut arriver à tout instant avec les mêmes chances. Calcul : La probabilité pour que Christophe arrive entre 7 h ¼ et 7 h ½ est égale à : 7,5 − 7,25 0,25 1 P ( X ∈ [ 7,25 ; 7,5 ] ) = = = . 7,75 − 7 0,75 3 E(X)= 7 + 7,75 59 = = 7,375. Donc, en moyenne, on peut espérer que Christophe arrivera à 7 h 22 min 30 s. 2 8 3/ LOI EXPONENTIELLE + La durée de vie d'un appareil est une variable aléatoire T continue , prenant ses valeurs dans . Si on suppose que cette durée de vie ne dépend pas du temps pendant lequel l'appareil a déjà fonctionné ( on dit que la durée de vie est sans vieillissement ) ( Voir propriété dans ce § ) , on démontre que la loi de probabilité de T admet une densité f de la forme : + f (x ) = λe − λ x , avec x ∈ et λ réel positif non nul. TH & DEF + On appelle loi exponentielle de paramètre λ , la loi continue admettant pour densité la fonction f définie sur par : f (x ) = λe − λ x où λ est un réel strictement positif fixé. α et β sont deux réels positifs. β [ Soit T une variable aléatoire qui suit une telle loi exponentielle , alors : P ( T ∈ [ α ,β ] ) = ∫ λe − λ x dx = − e − λ x α PROP + Soient λ ∈ et α ∈ . Si T suit une loi exponentielle de paramètre λ , alors : Démonstration ] β α = e − λα − e − λβ * P ( T < α ) = 1 − e − λα * P ( T > α ) = e − λα . * P ( T < α ) = P ( 0 < T < α ) = e 0 − e − λα = 1 − e − λα * P ( T > α ) = 1 − P ( T < α ) = 1 − ( 1 − e − λα ) = e − λα . PROP Durée de vie sans vieillissement + Soit λ ∈ . Si T suit une loi exponentielle de paramètre λ , alors pour tous réels s et t : P(T ≥t ) ( T ≥ t + s ) = P ( T ≥ s ) Sachant que l'appareil a déjà fonctionné t années, la probabilité pour qu'il fonctionne encore s années supplémentaires est la même que la probabilité qu'il vive au moins s années à partir de sa première mise en fonctionnement. L'appareil fonctionne sans mémoire du temps d'usage déjà écoulé. Démonstration : P(T ≥t ) ( T ≥ t + s ) = P ((T ≥ t + s ) ∩ (T ≥ t )) P ( T ≥ t + s ) e −λ (t + s ) = = − λt = e − λ t − λ s + λ t = e − λ s = P ( T ≥ s P( T ≥ t ) P( T ≥ t ) e PROP Si T suit une loi exponentielle de paramètre λ , alors E (T ) = Démonstration E (T ) = ∫ IR + 1 . λ x f (x ) dx avec f (x ) = λe − λ x . Donc : E (T ) = ∫ IR + λx e −λx dx . Posons E k (T ) = ∫ λx e −λx dx . Exprimons E k (T ) en fonction de k, puis faisons tendre k vers + ∞ . k 0 On considère la fonction g définie sur par : g (x ) = λxe − λx . + ) On peut supposer que g admet une primitive de la forme : G(x ) = (Ax + B )e − λx , où A et B sont deux réels à déterminer. ( ) G est dérivable sur et on a : G ' (x ) = Ae − λx + (Ax + B ) − λe − λx = (− λAx + A − λB )e − λx = g ( x ) A 1 Si et seulement si : − λA = λ , soit A = − 1 et A − λB = 0 , soit B = = − . λ λ 1 + On en déduit que g admet sur une primitive G telle que : G(x ) = − x − e − λx λ + k 1 1 1 − kλe − kλ − e −kλ + 1 Alors : E k (T ) = − x − e −λx = − k − e −kλ + = λ λ λ λ 0 Lim − kλe −kλ = Lim Xe X = 0 et k →+∞ X →−∞ Lim − e −kλ = Lim − e X = 0 . On trouve : Lim E k (T ) = k →+∞ DEF La médiane est la valeur Me telle que : P ( T ∈ [ 0 , Me ] ) = k →+∞ X →−∞ 1 2 Remarque : Si T désigne la durée de vie d'un atome radioactif, Me représente la demi-vie. Cf On a : A1 = A2 A1 A2 r j O 1 = E (T ) . λ r i Me Exemple1 La durée T en minutes d'une communication téléphonique urbaine suit une loi exponentielle de paramètre 0,8. 1/ Calculer la probabilité pour qu'une communication dure entre 3 min. et 5 min. 2/ Calculer la probabilité pour qu'une communication dure plus de 4 min. 3/ Quelle est, dans ce cas, la durée moyenne en minutes d'une communication téléphonique ? Exemple2 La durée en jours d'une plongée effectuée par un sous−marin nucléaire est modélisée par une variable aléatoire T de loi exponentielle. En consultant les livres de bords, on constate que 88 % des plongées ont duré plus de 6 jours. − 1/ Déterminer à 10 2 près, le paramètre de la loi exponentielle. 2/ Calculer la probabilité pour qu'une plongée dure plus de 3 jours. 3/ Calculer la probabilité pour qu'une plongée dépasse 10 jours sachant que le sous−marin est immergé depuis déjà 7 jours. 4/ Comparer les résultats des questions 2/ et 3/ . Commenter. 5/ Quelle est la durée moyenne de plongée, en jours, de ce sous−marin ? Exemple3 La désintégration d'un noyau radio−actif, exprimé en années, est modélisée par une variable aléatoire suivant une loi exponentielle. − 1/ Dans le cas de l'uranium 238, le paramètre de la loi exponentielle est estimé à : 1,54 × 10 10 . On note X la durée de vie en années de l'atome d'uranium 238. a Calculer la probabilité qu'un atome d'uranium 238 se désintègre avant 2 milliards d'années. b On appelle période ( ou demi−vie ) d'un élément radio−actif, le temps T nécessaire pour que la moitué des atomes 1 d'un échantillon donné se soit désintégrée, autrement dit : P (X ≤ T ) = . Calculer la demi−vie de l'uranium 238. 2 2/ L'uranium 235 a une demi−vie égale à 550 millions d'années environ. On note Y la durée de vie en années de l'atome d'uranium 235. a Calculer le paramètre de la loi exponentielle suivie par Y . b L'âge de la terre a pu être évalué à quelques 4,5 milliards d'années. Quelle est aujourd'hui la probabilité qu'un atome d'uranium 235 soit encore actif ?