8 Lois à densités 8.1 Loi à densité sur un intervalle Dans de nombreux domaines, on est amené à étudier des variables pouvant prendre toute valeur réelle dans un intervalle I de R (du moins théoriquement). Définition : Une variable aléatoire continue X est une fonction qui à chaque issue associe un nombre réel d’un intervalle I de R. Exemple : On peut définir la variable aléatoire X égale à la durée de vie d’une machine exprimée en heures. Cette durée peut prendre toute valeur réelle dans l’intervalle I = [0 ; 20 000]. On va alors étudier des probabilités sous la forme : P (X > 8 000) ou P (0 < X < 12 000). Pour cela on utilise une fonction f définie sur I et de courbe représentative C. Définition : Soit X une variable aléatoire continue à valeurs dans l’intervalle I = [a ; b] et f une fonction continue et positive sur I telle que : Z b f (t) dt = 1 a Dire que P est la loi de probabilité de densité f de X signifie que pour tous réels c et d de I tels que : a 6 c 6 d 6 b, on a : Z d f (t) dt P (c 6 X 6 d) = c On dit que f est la fonction de densité de probabilité sur I. Représentation graphique : y y a b x a c P (a 6 X 6 b) = 1 b x d P (c 6 X 6 d) Remarque : P (c 6 X 6 d) est l’intégrale de c à d de f , c’est-à-dire l’aire sous la courbe de f (aire du domaine compris entre l’axe des abscisses et la courbe et les droites d’équations x = c et x = d). Conséquences : • P (a 6 X 6 b) = 1. • Pour tout réel c ∈ I, P (X = c) = 0 (en effet P (X = c) = P (c 6 X 6 c) = Z c f (t) dt = 0). c • Pour tous réels c et d de I, avec c 6 d : P (c 6 X 6 d) = P (c < X 6 d) = P (c 6 X < d) = P (c < X < d) 28 Maths Tes-Tl 8. Lois à densités prog 2011 Espérance Définition : L’espérance mathématique d’une variable aléatoire X de densité f sur [a; b] est le nombre réel : Z b E(X) = a t × f (t) dt 8.2 Loi uniforme sur l’intervalle [a ; b] Définition : Dire qu’une variable aléatoire continue X suit la loi uniforme sur l’intervalle [a ; b] signifie que la densité de probabilité de la loi X est une fonction constante sur [a ; b]. Propriété : La densité de probabilité de la loi uniforme sur[a ; b] est la fonction constante f définie 1 sur [a ; b] par : f (x) = b−a Preuve Z b : Une fonction constante sur [a ; b] est définie pour tout x ∈ [a ; b] par f (x) = λ ; or on a nécessairement : f (t) dt = 1, soit a Z b a λ dt = [λt]ba = λ b − λ a = λ(b − a) = 1, d’où λ = 1 . b−a Propriété : Soit X une variable aléatoire qui suit la loi uniforme sur [a ; b], alors pour tout intervalle d−c [c ; d] inclus dans [a ; b] : P (c 6 X 6 d) = . b−a Z d h id Preuve : P (c 6 X 6 d) = c 1 dt = b−a 1 t b−a = c 1 1 1 d−c d− c= (d − c) = . b−a b−a b−a b−a Espérance Propriété : L’espérance d’une variable aléatoire qui suit la loi uniforme sur [a ; b] est : E(X) = Preuve : E(X) = Z b t×f (t) dt = a Z a b t 1 dt = b−a h a+b 2 ib 1 1 × t2 b−a 2 = a 1 1 1 1 a+b × (b2 −a2 ) = × (b−a)(b+a) = . 2 b−a 2 b−a 2 Exemple : Choisir un nombre au hasard dans l’intervalle [a ; b] c’est choisir selon la loi uniforme sur [a ; b] ; a+b . l’espérance est la moyenne arithmétique des nombres a et b : µ = 2 1 En particulier pour la loi uniforme sur [0 ; 1] l’espérance est . 2 8.3 Loi normale centrée réduite : N (0 ; 1) L’observation de représentations graphiques de certaines loi binomiales B(n ; p), pour n suffisamment grand, conduit à une nouvelle loi appelée loi normale. Définition : La loi normale centrée réduite, notée N (0 ; 1), est la loi continue ayant pour densité de probabilité la fonction définie pour tout réel x de R : x2 1 f (x) = √ e− 2 2π Propriétés : • f est continue sur R. • Pour tous nombres réels a et b : P (a 6 X 6 b) = Z b f (t) dt. a • L’aire sous la courbe est égale à 1 ; elle représente la probabilité que X prenne une valeur réelle quelconque : P (X ∈ R) = P (X ∈] − ∞ ; +∞[) = 1. Courbe représentative de f : math4bac – 29 – v1.618 Maths Tes-Tl 8. Lois à densités prog 2011 x x2 f est dérivable et f ′ (x) = − √ e− 2 , f ′ (0) = 0 et pour tout réel x, f ′ est du signe opposé à t ; ainsi 2π la fonction f est strictement croissante sur ] − ∞ ; 0], puis est strictement décroissante sur [0 ; +∞[ ; elle 1 atteint donc son maximum en 0 : f (0) = √ . 2π y 1 √ 2π x La représentation graphique de la fonction f est une « courbe en cloche », appelée courbe de Gauss. Elle est symétrique par rapport à l’axe des ordonnées. (−x)2 x2 1 1 Preuve : Pour tout réel x, f (−x) = √ e− 2 = √ e− 2 = f (x), donc si le point M (x ; y) appartient à la courbe f , 2π 2π alors M ′ (−x ; y) appartient aussi à la courbe de f . Propriété : Pour tout réel a : P (X 6 − a) = P (X > a) = 1 − P (X 6 a) Preuve : L’égalité P (X 6 − a) = P (X > a) est une conséquence directe de la symétrie de la courbe démontrée précédemment. f étant la densité de probabilité de la loi binomiale, l’aire sous la courbe est égale à 1, alors : P (x ∈ R) = 1 , donc P (X 6 − a) + P (X > −a) = P (X 6 − a) + P (X > − a) = 1 or par symétrie de la courbe P (X > − a) = P (X 6 a), d’où P (X 6 − a) + P (X 6 a) = 1 et par suite P (X 6 − a) = 1 − P (X 6 a). y y a x P (X 6 a) a y b x P (a 6 X 6 b) a x P (X > a) Propriété : Valeur à connaître : P (−1,96 6 X 6 1,96) ≈ 0,95 Cela signifie que lorsqu’une variable aléatoire X suit une loi normale centrée réduite, la probabilité que X soit compris entre -1,96 et 1,96 est égale à 0,95, ou encore que 95 % des valeurs d’une variable aléatoire suivant une loi normale centrée réduite sont comprises entre -1,96 et 1,96. 8.4 Loi normale d’espérance µ et d’écart-type σ : N (µ ; σ 2) Définition : On dit qu’une variable aléatoire X suit une loi normale d’espérance µ et d’écart-type X −µ σ, notée N (µ ; σ 2 ), si, et seulement si, la variable aléatoire : T = suit la loi normale centrée σ réduite N (0 ; 1). Propriété (admise) : Si une variable aléatoire suit une loi normale N (µ ; σ 2 ), alors son espérance est µ, sa variance est σ 2 et son écart-type est σ. math4bac – 30 – v1.618 Maths Tes-Tl 8. Lois à densités prog 2011 Représentation graphique de la loi N (µ ; σ 2 ) La courbe représentative de la fonction densité de la loi N (µ; σ 2 ) est une courbe « en cloche » symétrique par rapport à la droite d’équation x = µ et d’autant plus « resserrée » autour de son axe de symétrie que σ est petit. Allure de la courbe : – pour un même écart type σ ; – pour une même espérance µ. y y µ = 15 µ = 30 µ = 45 σ=5 σ = 10 σ = 20 15 30 Valeurs à connaître : 45 x x µ 1. P (µ − σ 6 X 6 µ + σ) ≈ 0,683 2. P (µ − 2σ 6 X 6 µ + 2σ) ≈ 0,954 3. P (µ − 3σ 6 X 6 µ + 3σ) ≈ 0,997 Interprétation : Cela signifie que, dans le cadre d’une loi N (µ ; σ 2 ) : 1. environ 68,3 % des valeurs sont distantes d’un écart-type σ au plus de l’espérance µ ; 2. environ 95,4 % des valeurs sont distantes de l’espérance µ d’au plus deux fois l’écart-type ; 3. et que la probabilité d’obtenir une valeur distante de plus de trois fois l’écart-type est presque nulle, soit inférieure à 0,3 %. y 68,3 % µ 68,3 % µ−σ µ − 2σ µ+σ 95,4 % µ + 2σ 99,7 % µ − 3σ math4bac x µ + 3σ – 31 – v1.618