☛ ✡ I- Ch.8 Lois à densité ✟ ✠ Objectifs du chapitre Probabilités, aires et intégrales Lois uniformes Lois exponentielles Lois normales II- Pré-requis Histogrammes et notion de densité Loi de probabilité d’une variable aléatoire, espérance Intégration III1) Cours Définitions Définition 1 On dit qu’une fonction f , définie sur un intervalle I de R, est une densité de probabilité sur I lorsque : • f est continue et à valeurs positives sur I • l’aire sous la courbe de f est égale à 1 u.a. • I = [a; b] 1 Z b f (t)dt = 1 a a 1 • I = [a; +∞[ Z 1 +∞ f (t)dt = 1 a a • I =] − ∞; b] 1 b 1 Z b f (t)dt = 1 −∞ b • I = [−∞; +∞[ 1 Z +∞ f (t)dt = 1 −∞ 1 Définition 2 On dit que la variable aléatoire X suit la loi de densité f sur l’intervalle I (ou est ≪ à densité f sur I ≫) lorsque, pour tout événement J inclus dans I, la probabilité de l’événement (X ∈ J) est la mesure, en unités d’aire, de l’aire du domaine : {M(x; y); x ∈ J et 0 ≤ y ≤ f (x)}. Remarques : • P (X ∈ I) = 1 • La notion de densité est à rapprocher de celle des histogrammes à pas constant. La courbe est l’”allure limite” d’un histogramme dont le pas tend vers 0. (Activité 2 p 377) • En général, les probabilités seront calculées à l’aide d’intégrales. Propriété 3 Soit X une variable aléatoire qui suit la loi de densité f sur l’intervalle I, on a les propriétés suivantes : • Pour tout intervalle J = [c; d] de I, on a : P (c ≤ X ≤ d) = Z d f (x)dx c • Pour tout réel α de I, on a : P (X = α) = 0 • Pour tous réels c et d de I, P (c ≤ X ≤ d) = P (c < X ≤ d) = P (c ≤ X < d) = P (c < X < d) • Soit J un intervalle, on a : Ä ä P X ∈ J = 1 − P (X ∈ J) Exemples : Exercices 3, 4, 6 p 379 Définition 4 (Probabilités conditionnelles) Soit I ′ un intervalle de I tel que P (X ∈ I ′ ) 6= 0, et soit J un autre intervalle de I. On définit la probabilité conditionnelle P (X ∈ J ∩ I ′ ) P (X ∈ I ′ ) P(X∈I ′ ) (X ∈ J) = Définition 5 (Espérance) L’espérance d’une variable aléatoire à densité f sur [a; b] est définie par E(X) = Z b x f (x)dx a Remarque : On rappelle que l’espérance dans le cas d’une v.a. discrète (nombre fini d’issues) s’écrit E(X) = n X xk pk k=1 2) Lois uniformes Définition 6 On dit qu’une variable aléatoire X suit la loi uniforme sur l’intervalle [0; 1] si sa densité est la fonction définie sur [0; 1] par f (x) = 1. 1 1 Propriété 7 Pour tout intervalle [c; d] inclus dans [0; 1], on a : P (X ∈ [c; d]) = P (c ≤ X ≤ d) = d − c 1 c d 1 Définition 8 On dit qu’une variable aléatoire X suit la loi uniforme sur l’intervalle [a; b] si sa densité est la 1 fonction définie sur [0; 1] par f (x) = . b−a 1 0,25 1 a = −1 b=3 Loi uniforme sur [−1; 3] Propriété 9 Pour tout intervalle [c; d] inclus dans [a; b], on a : P (X ∈ [c; d]) = P (c ≤ X ≤ d) = d−c b−a Propriété 10 L’espérance E(X) d’une variable aléatoire X suivant une loi uniforme sur [a; b] est telle que : E(X) = a+b 2 Exemples : Exercices 33, 34, 40, 45 p 386, 81 p 395 3) Lois exponentielles Définition 11 Soit λ un nombre réel strictement positif. Une variable à densité X suit la loi exponentielle de paramètre λ si sa densité est la fonction f définie sur [0; +∞[ par f (x) = λe−λx . λ 1 Propriété 12 Quels que soient les nombres a, c et d positifs, • P (X ∈ [c; d]) = e−λc − e−λd • P (X ≤ a) = 1 − e−λa • P (X ≥ a) = e−λa Définition 13 On définit l’espérance E(X) d’une variable aléatoire suivant la loi exponentielle de paramètre λ en posant Z x 1 t × λe−λt dt = E(X) = lim x→+∞ 0 λ Exemples : Exercices 48, 50, 52 p 387, 58 p 389 (type bac), 70 p 393, 79 p 395 IV- Démonstrations Propriété 14 (page 382) L’espérance E(X) d’une variable aléatoire suivant une loi exponentielle de paramètre λ vaut E(X) = 1 λ • On cherche d’abord sur [0; +∞[ une primitive de la fonction f : t 7→ λte−λt sous la forme F (t) = (at + b)e−λt . La fonction F est dérivable sur [0; +∞[ et F ′ (t) = (a − λ(at + b))e−λt = (−λat + (a − λb))e−λt Pour que l’égalité f (t) = F ′ (t) soit vraie pour tout réel t positif, il suffit que : ( − λa = λ a − λb = 0 1 −λt 1 Il suffit donc que a = −1 et b = − , soit que F (t) = −t − e . λ λ Ç • Ensuite on calcule l’intégrale : å ñÇ ô Z x 1 −λt x −λt e tλe dt = −t − λ 0 0 å Ç å Ç 1 −λ×0 1 −λx e − −0 − e = −x − λ λ ä 1Ä 1 − e−λx − λxe−λx = λ å • Enfin, on étudie la limite quand x tend vers +∞ par composition et par différence : lim λxe−λx = 0 x→+∞ lim e−λx = 0 x→+∞ ä 1 1Ä 1 − e−λx − λxe−λx = x→+∞ λ λ Donc lim On conclut donc E(X) = lim Z x→+∞ 0 x tλe−λt dt = 1 λ