Chap 12 – Lois de probabilité à densité (partie 2) Terminale ES Chap 12 - Loi Normale I. Définition...............................................................................................................................................4 II. Courbe de la fonction densité de probabilité....................................................................................4 III. Espérance, variance et écart-type....................................................................................................4 IV. Calculs de probabilités.......................................................................................................................4 1) Loi normale et calculatrice.................................................................................................................4 2) Propriétés............................................................................................................................................5 3) Résolution d'équations avec une loi normale.....................................................................................5 V. Intervalles « un, deux, trois sigmas ».................................................................................................6 A. Gniady – 2015-2016 Chap 12 – Loi Normale 1 / 6 A. Gniady – 2015-2016 Chap 12 – Loi Normale 2 / 6 Activités : TES.51 Chap 12 – Lois de probabilité à densité (partie 2) Exercices TES.510 Calculer avec une loi normale N (m,s²). 16, 17 (corrigés), 18, 19 p 201 ; p 206 et 207 Feuille n°7, 41, 42, 43 TES.511 Résoudre des équations avec une loi normale. Feuille n°8, 47 AP : 23, 24, 25 p 202 Exercices bilan : 82, 85 p 212 ; 89 p 213 ; 94, 95, 96 p 215 ; Feuille : n° 50 à 72 Algo : p 210 A. Gniady – 2015-2016 Chap 12 – Loi Normale 3 / 6 I. Définition Soit μ un nombre réel et soit σ un nombre réel strictement positif. La variable aléatoire X suit la loi normale ℵ (μ , σ2 ) si, et seulement si, la variable aléatoire la loi normale centrée réduite ℵ(0,1). X −μ suit σ Remarque : Une loi normale ℵ (μ , σ2 ) est une loi à densité, par conséquent, il existe une fonction densité de probabilité, c'est-à-dire une fonction f définie sur ℝ telle que pour tous réels a et b , b P (a≤ X ≤ b )=∫ a − ( 1 f ( x )dx . Mais l'expression de cette fonction f (x )= e 2 σ √2 π 1 x− μ σ ) 2 n'est pas au programme. II. Courbe de la fonction densité de probabilité Soit f la fonction densité de probabilité de la loi normale ℵ (μ , σ2 ) . La courbe représentative C f de la fonction f dans un repère orthogonal est une courbe « en cloche », symétrique par rapport à la droite d'équation x=μ . Le nombre σ a un impact sur la forme de la cloche ; en effet, la courbe C f est d'autant plus « resserrée » autour de son axe de symétrie que σ est petit. Plus précisément, C f est « pointue » si 0<σ<1 , elle est « étalée » si σ>1 . III. Espérance, variance et écart-type Propriété admise : Si X est une variable aléatoire qui suit la loi normale ℵ (μ , σ2 ) , alors son espérance est μ sa variance est σ 2 , son écart-type σ . IV. Calculs de probabilités 1) Loi normale et calculatrice A. Gniady – 2015-2016 Chap 12 – Loi Normale 4 / 6 2) Propriétés Soit X une variable aléatoire suivant la loi normale ℵ (μ , σ2 ) . • • Comme pour la loi normale centrée réduite, étant donné que la courbe C f de la fonction densité de 1 probabilité est symétrique par rapport à la droite d'équation x=μ , on a : P ( X ≤μ )= P( X ≥ μ)= 2 ; Pour les calculs du type P ( X <a ) ou P ( X >a ) , on peut utiliser la méthode suivante : Exercice 1 : Une cantine sert des repas en nombre très important. Soit X la variable aléatoire qui donne le poids en grammes des rations de viande. On suppose que X suit la loi normale ℵ(120,225). Les probabilités seront arrondies au millième. a. Quel est le poids moyen d'une ration de viande ? b. Quelle est la probabilité pour que le poids d'une ration de viande soit compris entre 110g et 135g ? c. Le 19 septembre, la cantine a servi 850 repas. A combien peut-on évaluer le nombre de rations de viande dont le poids dépassait 130g ? 3) Résolution d'équations avec une loi normale Exercice 2 : La variable aléatoire X suit la loi normale ℵ (μ , σ2 ) , avec μ=90 et σ=20 . a. Déterminer le réel k 1 tel que P ( X <k 1 )=0,98 . b. Déterminer le réel k 2 tel que P ( X >k 2 )=0,60 . c. On souhaite déterminer un intervalle I de centre μ tel que P ( X ∈ I )=0,85 . a a ≤Y≤ =0,85 Montrer que répondre à la question revient à déterminer le réel a positif tel que P − 20 20 X − 90 où Y est la variable aléatoire définie par Y = . 20 Préciser la loi suivie par la variable aléatoire Y . Répondre à la question posée (on pourra s'aider de la question c de l'exercice de cours n°6). Les résultats seront arrondis au dixième. ( A. Gniady – 2015-2016 ) Chap 12 – Loi Normale 5 / 6 V. Intervalles « un, deux, trois sigmas » Propriété : Soit X une variable aléatoire continue suivant la loi normale ℵ (μ , σ2 ) . La probabilité de l'événement { X ∈[μ− σ ;μ+σ] } est approximativement égal à 0,683 ; La probabilité de l'événement { X ∈[μ− 2 σ ;μ +2 σ] } est approximativement égal à 0,954 ; La probabilité de l'événement { X ∈[μ− 3 σ ;μ+3 σ] } est approximativement égal à 0,997. Preuve : P ( X ∈[μ− σ ;μ +σ])=P(μ− σ≤ X ≤ μ+σ) (événement écrit autrement) P ( X ∈[μ− σ ;μ+σ])=P(− σ≤ X − μ≤ σ) (opération sur les inégalités) X−μ σ D'où : P ( X ∈[μ− σ ;μ+σ])=P( −σ (opération sur les inégalités) σ ≤ σ ≤σ) X −μ Ou encore : P ( X ∈[μ− σ ;μ+σ])=P(− 1≤ σ ≤ 1) X −μ Or X suit la loi normale ℵ (μ , σ2 ) , alors par définition, la variable aléatoire suit la loi normale σ centrée réduite. X −μ Et donc, la probabilité de l'événement −1≤ σ ≤ 1 est l'aire du domaine délimité par la courbe représentative de la fonction densité associée à la loi normale centrée réduite, l'axe des abscisses et les droites d'équation x=−1 et x=1 . 1 x X −μ 1 −2 e dx . C'est-à-dire : P −1≤ σ ≤ 1 =∫ −1 √ 2 π Or, on ne sait pas expliciter une primitive de la fonction densité de probabilité de la loi normale centrée réduite. Il n'est donc pas possible de déterminer la valeur exacte de cette probabilité. X −μ Par contre, la calculatrice nous en fournit une valeur approchée : P −1≤ σ ≤ 1 ≈ 0,682689 . Conclusion, quelque soit les valeurs de μ et σ , on a : P ( X ∈[μ− σ ;μ +σ])≈ 0,683 On a : Donc : { ( ) } 2 ( ) Preuve similaire pour les deux autres approximations. A. Gniady – 2015-2016 Chap 12 – Loi Normale 6 / 6