Reproduction ( photocopie…) non autorisée
85
QUATRIEME PARTIE :
LOI DE PROBABILITE D’UNE VARIABLE ALEATOIRE CONTINUE A UNE DIMENSION
Dans cette partie, seules les lois usuelles seront présentées.
CHAPITRE I : LOI NORMALE
La loi normale dépend de 2 paramètres à savoir l’espérance généralement notée m et l’écart-type noté .
I-1 LOI NORMALE DE PARAMETRES m=0 et =1, dite loi normale centrée réduite : N(0,1)
1-1-1 Définition
Soit X une variable aléatoire continue pouvant prendre des valeurs de - à +. On dit que X suit la loi normale centrée réduite si sa densité de probabilité est la suivante :
1-1-2 Représentation graphique
Une simple étude de la fonction f(x) permet de la représenter graphiquement :
f(x)
1/ 2
A1 1/ 2e A2
-1 0 1 x
2
2
. 2 ) 1 (
x
e x
f
Reproduction ( photocopie…) non autorisée
86
1-1-3 Principales caractéristiques d’une variable aléatoire normale centrée réduite
113-1 La fonction de répartition
Elle est notée F ou et est définie par :
Cette fonction de répartition dont la dérivée est égale à la densité de probabilité f est une fonction toujours croissante [x, f(x)0]. Elle admet un point d’inflexion en t=0 et un centre de symétrie de coordonnées (0,1/2). La représentation graphique de la fonction de répartition est la suivante :
1
(t)
0 t
(t) représente l’aire du domaine compris entre la courbe représentative de la fonction f, l’axe des abscisses et la droite d’équation x=t.
f(x)
(t)
0 t x
Puisque : (t) = P(X<t), il vient : 1- (t) = 1-P(X<t) = P(Xt).
On peut également calculer les probabilités cumulées pour des valeurs négatives de t. En raison de la symétrie de la courbe représentative de la fonction de densité f(x), nous avons :
P(Xt) = P(X-t) d’où : 1- (t) = (-t).
t
x
dx e t
X P t t
F 2
2
2 ) 1 (
) ( )
(
Reproduction ( photocopie…) non autorisée
87
113-2 Le mode
La densité admettant un maximum pour x=0, le mode de cette variable aléatoire est égale à 0 : Mo = 0.
113-3 L’espérance mathématique
La variable aléatoire centrée réduite X est définie par :
Son espérance mathématique est égale à zéro. En effet,
113-4 La variance
Par construction la variance de la variable aléatoire X est égale à l’unité. En effet,
Exemple : Soit XN(0;1), à l’aide de la table de la variable normale centrée réduite p. 329, calculer :
Solution :
) , (
~ );
(
oùY N m
Y E Y m
X Y
( )
0) 1
(X E Y E Y
E
1 ( ) 1 )1 (
) ( )
1 ( ) 1 (
) (
2 2 2
2 2
2
Y V Y
E Y E
Y E Y E Y E Y E Y
E Y V X
V
1 1 ; 2 2
;
2
; 1
; 1
; 0
X P
X P
X P X
P X P X
P
2 1 2 2 . 2 1 2 . 0 , 977 1 0 , 954
2 2
2 2
;
682 , 0 1 841 , 0 . 2 1 1 . 2 1 1
1
1 1
1 1
977 , 0 2 2
841 , 0 1 1
1
841 , 0 1 1
5 , 0 0
X P X
P
X P X
P X
P
X P X
P
X P X
P X
P X P
X P X
P X P
X
P
Reproduction ( photocopie…) non autorisée
88
I-2 LOI NORMALE notée N(m,) 1-2-1 Définition
Soit Y une variable aléatoire continue pouvant prendre des valeurs de - à +. On dit que Y suit une loi normale (ou loi de Laplace – Gauss) : N(m,) si Y admet pour densité :
ou encore si elle est liée à la variable normale centrée réduite X par la relation linéaire suivante :
Y = m + X où : >0 et m.
1-2-2 Probabilité élémentaire de Y
Déterminons d’abord la probabilité élémentaire de X :
On sait que : Y = m + X, avec :
En remplaçant X par sa valeur dans l’expression de sa probabilité élémentaire, on obtient la probabilité élémentaire de Y.
Donc, la densité de probabilité de Y est effectivement la suivante :
1-2-3 Représentation graphique
L’étude de la fonction f(y) permet de la représenter graphiquement :
x X x dx
f x dx e dxP
x 2
2
2 . ) 1
(
dX dY m et
X Y
y Y y dy
e dyP
m
y 2
2 1
2 .
1
2
2 1
. 2 ) 1
(
m y
e y
f
2
2 1
. 2 ) 1
(
m y
e y
f
Reproduction ( photocopie…) non autorisée
89
f(y)
1/ 2
A1 1/ 2e A2
m- 0 m m+ Y
Plus est grand plus la courbe en cloche est aplatie (ex : m=0 et
=0,25 ; 0,5 et 1) :
f(y)
-1 -1/2 -1/4 0 1/4 1/2 1 Y
1-2-4 Principales caractéristiques d’une variable aléatoire normale 124-1 La fonction de répartition
Elle est généralement notée (t) et est définie par :
124-2 Mode, espérance et variance
Détermination du mode : en raison de la symétrie de f(y) par rapport à la droite d’équation y=m et sachant que la densité admet un maximum au point d’abscisse yo=m, le mode de cette variable aléatoire est égale à m.
P Y t t f y dy
t) ( ) ( )
(
dy
te y m
2
2 1
2
1
Reproduction ( photocopie…) non autorisée
90
L’espérance mathématique : On sait que : Y = m + X, donc : E(Y) = E(m + X) = m + E(X).
Or , E(X) = 0, par conséquent, E(Y) = m.
La variance :
Utilisons là encore la relation qui existe entre Y et X : V(Y) = V(m + X) = V(m) + ²V(X)
Or, V(m) = 0 et V(X) = 1, par conséquent, V(Y) = ².
124-3 Propriétés des variables aléatoires normales
La somme de deux variables aléatoires normales indépendantes ayant respectivement pour paramètres (m1, 1² ) et (m2, 2² ) est une variable aléatoire normale de paramètres :
(m1+m2 , 1² + 2²). Autrement dit : si Y1N(m1, 1²) ; Y2N(m2, 2²) et Y1 et Y2 sont indépendantes, alors : Y1+ Y2 N(m1+m2 , 1² + 2²).
Ce résultat se généralise au cas de n variables aléatoires normales et indépendantes deux à deux :
Si YiN(mi, i²), avec i=1,2,…,n
Et si cov(Yi ,Yj) = 0 i,j i=1,2,…,n et j=1,2,…,n avec ij.
Alors :
n
i i n
i i n
i
i N m avec m m et
Y Y
1 2 1
2 1
² ,
~