Terminale S Probabilité 2
Thème 9 – Loi à densité – Loi uniforme
1. Variables aléatoires continues
Définition 1 : Variables aléatoires
Une variable aléatoire est une fonction qui à chaque issue d’une expérience aléatoire associe un nombre.
Exemple : On considère l’expérience aléatoire qui consiste à lancer deux dés. On peut alors définir plusieurs variables aléatoires :
• La variable aléatoire X qui au lancer associe la somme des faces supérieures ;
• La variable aléatoire Y qui au lancer associe le maximum des deux faces supé- rieures ;
• La variable aléatoire Y qui au lancer associe la valeur absolue de la différence des faces supérieures ;
Définition 2 : Variables aléatoires continues
Une variable aléatoire est continue si elle peut prendre toute valeur réelle dans un intervalle I de R. On ne s’intéresse pas alors aux probabilités de la forme P(X = a) mais à celles de la forme P(X>a) ou P(a6X 6b).
Exemple : On considère l’expérience aléatoire qui consiste à appeler le service clientèle d’un opérateur téléphonique et à mesurer le temps d’attente. On définit ainsi une variable aléatoire X que l’on peut considérer comme continue.
2. Loi à densité
Définition 3 : Lois à densité
Soit X une variable aléatoire continue à valeurs dans un intervalle [a, b] de R. S’il existe une fonction f positive ou nulle sur [a, b], et telle que, pour tous réels c et d,
P(c6X 6d) =
Z d c
f(t)dt,
alors on dit que la fonction f est la densité de probabilité de la variableX.
Illustration : Probabilité selon une loi à densité
Soit X une variable aléatoire donc la loi de densité est donnée ci-dessous.
c d
f
P(c6X 6d) =
Z d
c f(x)dx
Exercice résolu 1 :
On considère la variable aléatoire X à valeurs dans [0; 2] et de densité de probabilité f oùf est la fonction définie parf(x) = 12x si x∈[0,2] et f(x) = 0 sinon.
1. Représenter la fonctionf. 2. Calculer P(0,56X 61).
3. Calculer P(X >1).
Solution :
P(0,56X 61) =
Z 1 0,5
f(t)dt
P(0,56X 61) = (1−0,5) (f(0,5) +f(1)) 2
P(0,56X 61) = 0,5(0,25 + 0,5) 2
P(0,56X 61) = 0,1875
Illustration :
0.5 1.0
0.5 1.0 1.5 2.0
P(X >1) =
Z 2 1
f(t)dt
P(X >1) = (2−1) (f(1) +f(2)) 2
P(X >1) = 1(0,5 + 1) 2 P(X >1) = 0,75
Illustration :
0.5 1.0
0.5 1.0 1.5 2.0
Remarque : Si X est une variable aléatoire continue à valeurs dans un intervalle [a, b] et f sa densité de probabilité, alors pour tout réel cde [a, b], P(X =c) =P(c6 X 6c) =
Rc
c f(t)dt = 0. On ne s’intéressera donc jamais aux probabilités de cette forme, mais à celles correspondant à des intervalles. On pourra d’autre part utiliser indifféremment des inégalités larges ou strictes : pour tous réels cet d, P(c6X 6d) =P(c < X < d).
Proposition 1 : Une propriété des fonctions de densité
Si f est la densité de probabilité d’une variable aléatoire à valeurs dans un intervalle [a, b] de R, alors f doit vérifier la propriété Rabf(t)dt = 1.
Démonstration : Par définition, toutes les valeurs possibles pourXappartiennent à l’intervalle [a, b], donc la probabilitéP(a6X 6b) est égale à 1. Or cette probabilité est égale à l’intégrale Rb
af(t)dt.
Définition 4 : Espérance d’une variable aléatoire suivant une loi à densité
Soit X une variable aléatoire continue à valeurs dans un intervalle [a, b] de R, et de densité de probabilité f. L’espérance de la variable aléatoire est alors le nombre réel
E(X) =
Z b
a
tf(t)dt.
Remarque :cette définition constitue un prolongement dans le cadre continu de l’espérance d’une variable aléatoire discrète. E(X) = Pxip(X =xi).
3. Loi uniforme
Définition 5 : Lois uniformes
Une variable aléatoireX suit une loi uniforme sur un intervalle[a, b]deR si, intuitive- ment, la loi de probabilité deX est équirépartie sur l’intervalle [a, b]. Plus précisément, la densité de probabilité de la variable aléatoire X est alors la fonction constante par morceaux égale à b−a1 pour x∈[a, b] et à 0 sinon.
Illustration : Densité de probabilité d’une loi uniforme
a b
1 b−a
Remarque :L’intégraleRabf(t)dtest égale à l’aire d’un rectangle de baseb−aet de hauteur
1
b−a. On a donc Rabf(t)dt = (b −a)× 1
b−a = 1, comme il convient pour une densité de probabilité sur un intervalle [a, b].
Proposition 2 : Calculs de probabilités pour une loi uniforme
Soit X une variable aléatoire suivant la loi uniforme sur un intervalle [a, b]. Pour tous réels cet d dans l’intervalle [a, b],
P(c6X 6d) = d−c b−a.
Démonstration : Par définition,P(c6X6d) =Rcdf(t)dt. Or cette intégrale est égale à l’aire d’un rectangle de base d−c et de hauteur b−a1 . On a doncP(c6X6d) =Rcdf(t)dt= d−cb−a. Exemple : Soit X une variable aléatoire suivant la loi uniforme sur l’intervalle [1; 5]. Sa densité de probabilité est la fonction f constante par morceaux, égale à 51
−1 = 14 pour x ∈ [a, b] et à 0 sinon. On peut par exemple calculer la probabilité P(2 6 X 6 4) =
R4
2 f(t)dt= 45−2
−1 = 12.
Proposition 3 : Espérance d’une variable aléatoire suivant une loi uniforme
Si X est une variable aléatoire suivant la loi uniforme sur un intervalle [a, b] de R, alors son espérance est
E(X) = a+b 2 .
Démonstration : Par définition de la loi uniforme et de l’espérance d’une variable continue, E(X) =Rabtb−a1 dt. La représentation graphique de la fonctiont7→tb−a1 est la droite D passant par l’origine et de coefficient directeur b−a1 . Cette droite passe par les points de coordonnées (a,b−aa ) et (b,b−ab ). L’intégrale Rabtb−a1 dt est égale à l’aire de la zone délimité par la droite D, l’axe des abscisses et les droites d’équations x =aet x =b. Cette zone est un trapèze, et son aire est égale à 12(b−a)×(b−aa +b−ab ) = 12(b−a)×a+b
b−a = 12(a+b), par conséquentE(X) = a+2b. Exemple : L’espérance d’une variable aléatoire X suivant la loi uniforme sur [1; 5] est E(X) = 1+52 = 3.