MATHS-ES.FR TES-aide mémoire 1 Chapitre 8: Loi à densité Loi à densité sur un intervalle Méthode : Pour justifier qu’une fonction f correspond bien à une loi à densité sur un intervalle [a; b], il faut donc vérifier que : www.maths-es.fr-mathématiques en Terminale ES –aide mémoire chapitre 8 : loi à densité R F . S E - 1. f continue sur [a; b]. S 2. f (x) ≥ 0 pour tout réel x de [a; b] R1 3. 0 f (x)dx = 1 H AT .M Propriétés X est une variable aléatoire suivant une loi à densité f sur I. • p(X = a) = 0 • p(X ≤ a) = p(X < a) • p(X ≥ a) = 1 − p(X < a) • p(a ≤ X ≤ b) = p(x ≤ b) − p(x < a) W W W Définition :espérance mathématique Soit X une variable aléatoire de fonction de densité f sur un intervalle I = [a; b] (a < b), l’espérance Rb mathématique de X est E(X) = a xf (x)dx 2 Loi uniforme R F S. Définition : Loi uniforme E S La loi uniforme sur [a; b] est la loi ayant pour densité la fonction constante f définie par f (x) = H 1 b−a AT Propriétés Soit X suivant la loi uniforme f sur I = [a; b], on a : α−a a+b p(X ≤ α) = et E(x) = b−a 2 .M 3 W W réduite Loi normale centrée W Définition : Loi normale centrée réduite Un variable aléatoire X suit la loi normale centrée réduite, notée N (0; 1) si sa densité de probabilité −x2 1 est la fonction f définie sur R par f (x) = √ e 2 2π Chapitre 8: Loi à densité Page 1/?? Maths TES www.maths-es.fr-mathématiques en Terminale ES –aide mémoire chapitre 8 : loi à densité Définition : Loi de probabilité à densité sur un intervalle Soit X une variable aléatoire à valeurs dans un intervalle I. On dit que X suit la loi à densité de f sur I si : • fR est continue et positive sur I. b • a f (x)dx = 1 avec I = [a; b] Rβ • Pour tous réels α et β de I (α < β), on a p(α < X < β) = α f (x)dx La fonction f est appelée densité de probabilité de la variable aléatoire X MATHS-ES.FR TES-aide mémoire Chapitre 8: Loi à densité Représentation graphique de f : www.maths-es.fr-mathématiques en Terminale ES –aide mémoire chapitre 8 : loi à densité 4 S E - 2 Loi normale N (µ; σ ) S H AT Définition : Loi normale Dire qu’une variable aléatoire X suit une loi normale de paramètres µ et σ 2 notée N (µ; σ 2 ) signifie X −µ que la variable aléatoire T = suit la loi normale centrée réduite N (0; 1) σ W W .M Propriété : paramètres de N (µ; σ 2 ) (admise) Si une variable aléatoire suit une loi N (µ; σ 2 ) alors son espérance est µ et son écart type est σ W Propriété : valeur ”remarquable” Si X suit une loi normale de paramètres µ et σ, on a p(µ − 2σ ≤ X ≤ µ + 2σ) ≈ 0, 95 Graphiquement, on a : R F S. H E S AT .M W Calculatrice (voir fiche méthode W calculatrice et loi normale) : • CASIO : W MENU STAT puis DIST puis BINM pour la loi binomiale : Npd pour calculer p(X = k) et Bcd pour calculer p(X ≤ k) et NORM pour la loi normale avec Npd pour calculer f (x) (loi de densité de X), Ncd pour calculer p(a ≤ X ≤ b) et InvN pour déterminer k tel que p(X ≤ k) = p ou p(X ≥ k) = p (p donné) • TEXAS : Menu DISTR puis Binompdf pour calculer p(X = k) et Binomcdf pour calculer p(X ≤ k) Syntaxe Binomcdf(n,p,k) Chapitre 8: Loi à densité Page 2/?? Maths TES www.maths-es.fr-mathématiques en Terminale ES –aide mémoire chapitre 8 : loi à densité R F . MATHS-ES.FR TES-aide mémoire Chapitre 8: Loi à densité et Normalcdf pour la loi normale pour calculer p(a ≤ X ≤ b) et InvNorm pour déterminer k tel que p(X ≤ k) = p ou p(X ≥ k) = p (p donné) Syntaxe Normalcdf(a,b,µ, σ) Intervalle de fluctuation Propriété : Intervalle de fluctuation Soit X une variable B(n; p) " aléatoirepsuivant la loi binomiale # (p ∈]0; 1[) p p(1 − p) p(1 − p) √ √ L’intervalle IF = p − 1, 96 ; p + 1, 96 est l’intervalle de fluctuation asympton n X tique au seuil de 95% de la variable aléatoire F = n www.maths-es.fr-mathématiques en Terminale ES –aide mémoire chapitre 8 : loi à densité R F . S E - On considère que l’approximation effectuée avec l’intervalle I est valable si : – n ≥ 30 – np ≥ 5 – n(1 − p) ≥ 5 On observe la fréquence f dans un échantillon de la population. On note I l’intervalle de fluctuation asymptotique au seuil de 95%. On émet l’hypothèse suivante : ”La proportion du caractère dans (toute) la population est p” – Si f ∈ I alors on peut considérer que l’hypothèse formulée est vraie au seuil de confiance de 95% – Si f ∈ / I alors on peut considérer que l’hypothèse formulée est fausse avec un risque d’erreur de 5% S H AT W 5 W W .M Estimation d’une proportion à partir d’un échantillon On étudie la proportion f d’un caractère dans un échantillon et l’estimation consiste à déterminer la proportion p de ce caractère à partir de cet échantillon. Définition : Intervalle de confiance Si on " note donc p f la fréquence observée dans un échantillon de taille n alors l’intervalle # p d’un caractère f (1 − f ) f (1 − f ) √ √ IE = f − 1, 96 ; f + 1, 96 n n est l’intervalle de confiance de la proportion de ce caractère dans la population totale au niveau de confiance 95% R F S. H E S Il faut aussi n ≥ 30, nf ≥ 5 et n(1 − f ) ≥ 5 Cela signifie que la proportion p du caractère dans la population totale est dans cet intervalle avec un probabilité supérieure ou égale à 0,95. 1 1 qui est une approximation de l’intervalle satisfaisante. On peut aussi utiliser IE f − √ ; f + √ n n AT W Chapitre 8: Loi à densité W W .M Page 3/?? Maths TES www.maths-es.fr-mathématiques en Terminale ES –aide mémoire chapitre 8 : loi à densité 4.1