Terminale ES Formulaire de mathématiques
3
Loi binomiale
X est une variable aléatoire discrète qui suit la loi binomiale B(n ;p) avec n le nombre d’expériences de Bernoulli
répétées et p la probabilité du succès.
On a : P(X = k) =
n
kp
k
(1 – p)
n-k
E(X) = np V(X) = np(1 – p) σ(X) = V(X) = np(1 – p)
Avec une calculatrice TI :
• P(X = k) se calcule avec : 2ND VARS binompdf(n,p,k)
• P(X ≤ k) se calcule avec : 2ND VARS binomcdf(n,p,k)
Lois de probabilités à densité
Si P est la loi de probabilité de densité f sur [a ;b] et X une variable aléatoire continue sur [a ;b] alors :
⌡
⌠
a
b
f(x)dx = 1 et P(c ≤ X ≤ d) =
⌡
⌠
c
d
f(x)dx.
La loi uniforme sur [a;b]
Si X est une variable aléatoire qui suit la loi uniforme sur [a;b], alors pour tout intervalle [c;d] inclus dans [a;b],
P(c ≤ X ≤ d) = d – c
b - a.
Espérance d’une variable aléatoire X de densité f sur [a;b] : E(X) =
⌡
⌠
a
b
tf(t)dt.
Espérance d’une variable aléatoire X qui suit la loi uniforme sur [a;b] : E(X) =a + b
2.
Loi normale centrée réduite N(0;1)
o densité de probabilité : f(x) = 1
2πe
-0,5x²
.
Propriétés de la loi normale centrée réduite N(0;1)
• P(T ∈ ] 0; + ∞[) = 1
2
• P(T ≤ -u) = 1 – P(T ≤ u)
• P(-1,96 ≤ T ≤ 1,96) ≈ 0,95
Loi normale d’espérance µ et d’écart-type σ
Dire qu’une variable aléatoire X suit une loi normale N(µ;σ²)
signifie que la variable aléatoire T = X - µ
σ suit la loi normale
N(0;1).
Les intervalles « un, deux, trois sigmas »
X est une variable aléatoire qui suit N(µ;σ²) et
T = X - µ
σ suit N(0;1).
• P(µ - σ ≤ X ≤ µ + σ) ≈ 0,68.
• P(µ - 2σ ≤ X ≤ µ + 2σ) ≈ 0,95
• P(µ - 3σ ≤ X ≤ µ + 3σ) ≈ 0,997
Avec une calculatrice TI pour la loi normale N(µ ;σ) :
• P(a ≤ X ≤ b) se calcule avec : 2ND VARS normalcdf(a,b,µ,σ)
• Pour calculer t tel que P(X ≤ t) = k se calcule avec : 2ND VARS invNorm(k,µ,σ)