• Aucun résultat trouvé

3.5 LOI CONTINUE 2

N/A
N/A
Protected

Academic year: 2022

Partager "3.5 LOI CONTINUE 2"

Copied!
168
0
0

Texte intégral

(1)

cours 17

3.5 LOI CONTINUE 2

(2)

Au dernier cours, nous avons vu

(3)

Au dernier cours, nous avons vu

Variable aléatoire continue

(4)

Au dernier cours, nous avons vu

Variable aléatoire continue

Loi uniforme

(5)

Aujourd’hui, nous allons voir

(6)

Aujourd’hui, nous allons voir

Loi exponentielle

(7)

Aujourd’hui, nous allons voir

Loi exponentielle

Loi normale

(8)

Loi exponentielle

Soit une variable aléatoire ayant comme fonction de densité X

(9)

Loi exponentielle

Soit une variable aléatoire ayant comme fonction de densité X f (x) =

( e x 0  x

0 sinon

(10)

Loi exponentielle

Soit une variable aléatoire ayant comme fonction de densité X f (x) =

( e x 0  x

0 sinon

Alors on dira que cette variable aléatoire suit une loi exponentielle.

(11)

Loi exponentielle

Soit une variable aléatoire ayant comme fonction de densité X f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Alors on dira que cette variable aléatoire suit une loi exponentielle.

(12)

Loi exponentielle

Soit une variable aléatoire ayant comme fonction de densité X f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Alors on dira que cette variable aléatoire suit une loi exponentielle.

(13)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

(14)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Z 1

1

f (x) dx =

Z 1

0

e x dx

(15)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Z 1

1

f (x) dx =

Z 1

0

e x dx

(16)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Z 1

1

f (x) dx =

Z 1

0

e x dx

=

Z 1

0

e x dx

(17)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Z 1

1

f (x) dx =

Z 1

0

e x dx

=

Z 1

0

e x dx

(18)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Z 1

1

f (x) dx =

Z 1

0

e x dx

=

Z 1

0

e x dx

u = x

(19)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Z 1

1

f (x) dx =

Z 1

0

e x dx

=

Z 1

0

e x dx

u = x du = dx

(20)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Z 1

1

f (x) dx =

Z 1

0

e x dx

=

Z 1

0

e x dx

u = x du = dx

=

Z ?

?

eu du

(21)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Z 1

1

f (x) dx =

Z 1

0

e x dx

=

Z 1

0

e x dx

u = x du = dx

=

Z ?

?

eu du

(22)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Z 1

1

f (x) dx =

Z 1

0

e x dx

=

Z 1

0

e x dx

u = x du = dx

=

Z ?

?

eu du

(23)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Z 1

1

f (x) dx =

Z 1

0

e x dx

=

Z 1

0

e x dx

u = x du = dx

=

Z ?

?

eu du

(24)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Z 1

1

f (x) dx =

Z 1

0

e x dx

=

Z 1

0

e x dx

u = x du = dx

=

Z ?

?

eu du

(25)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Z 1

1

f (x) dx =

Z 1

0

e x dx

=

Z 1

0

e x dx

u = x du = dx

=

Z ?

?

eu du = e x 1

0

(26)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Z 1

1

f (x) dx =

Z 1

0

e x dx

=

Z 1

0

e x dx

u = x du = dx

=

Z ?

?

eu du = e x 1

0

= lim

t!1 e t + e0

(27)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Z 1

1

f (x) dx =

Z 1

0

e x dx

=

Z 1

0

e x dx

u = x du = dx

=

Z ?

?

eu du = e x 1

0

= lim

t!1 e t + e0 = 1

(28)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

Z 1

1

f (x) dx =

Z 1

0

e x dx

=

Z 1

0

e x dx

u = x du = dx

=

Z ?

?

eu du = e x 1

0

= lim

t!1 e t + e0 = 1

Donc est bien une fonction de densitéf (x)

(29)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

(30)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx

(31)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx

=

Z 1

0

xe x dx

(32)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx u = x

=

Z 1

0

xe x dx

(33)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx u = x dv = e x dx

=

Z 1

0

xe x dx

(34)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx u = x dv = e x dx

=

Z 1

0

xe x dx

(35)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx u = x dv = e x dx

=

Z 1

0

xe x dx

(36)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx u = x dv = e x dx du = dx

=

Z 1

0

xe x dx

(37)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx u = x dv = e x dx du = dx

v = e x

=

Z 1

0

xe x dx

(38)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx u = x dv = e x dx du = dx

v = e x

=

Z 1

0

xe x dx

=

✓ xe x

+

Z 1

0

e x

dx

(39)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx u = x dv = e x dx du = dx

v = e x

=

Z 1

0

xe x dx

=

✓ xe x

+

Z 1

0

e x

dx

(40)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx u = x dv = e x dx du = dx

v = e x

=

Z 1

0

xe x dx

=

✓ xe x

+

Z 1

0

e x

dx

(41)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx u = x dv = e x dx du = dx

v = e x

=

Z 1

0

xe x dx

=

✓ xe x

+

Z 1

0

e x

dx

(42)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx u = x dv = e x dx du = dx

v = e x

=

Z 1

0

xe x dx

=

✓ xe x

+

Z 1

0

e x

dx

(43)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx u = x dv = e x dx du = dx

v = e x

=

Z 1

0

xe x dx

=

✓ xe x

+

Z 1

0

e x

dx

(44)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx u = x dv = e x dx du = dx

v = e x

=

Z 1

0

xe x dx

=

✓ xe x

+

Z 1

0

e x

dx

= xe x +

Z 1

0

e x dx

(45)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx u = x dv = e x dx du = dx

v = e x

=

Z 1

0

xe x dx

=

✓ xe x

+

Z 1

0

e x

dx

= xe x +

Z 1

0

e x dx = xe x e x 1

0

(46)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx = xe x e x 1

0

(47)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx = xe x e x 1

0

= lim

t!1

te t e t ◆ ✓

0e 0 e 0

(48)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx = xe x e x 1

0

= lim

t!1

te t e t ◆ ✓

0e 0 e 0

(49)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx = xe x e x 1

0

= lim

t!1

te t e t ◆ ✓

0e 0 e 0

(50)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx = xe x e x 1

0

= lim

t!1

te t e t ◆ ✓

0e 0 e 0

(51)

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

E(X) =

Z 1

1

xf (x) dx = xe x e x 1

0

= lim

t!1

te t e t ◆ ✓

0e 0 e 0

= 1

(52)

Faites les exercices suivants

# 3.45

(53)

Dans le cas de la loi exponentielle, on est en mesure de trouver

(54)

Dans le cas de la loi exponentielle, on est en mesure de trouver F (x)

(55)

Dans le cas de la loi exponentielle, on est en mesure de trouver

=

Z x

0

e t dt F (x)

(56)

Dans le cas de la loi exponentielle, on est en mesure de trouver

=

Z x

0

e t dt = e t x

0

F (x)

(57)

Dans le cas de la loi exponentielle, on est en mesure de trouver

=

Z x

0

e t dt = e t x

0 = e x + 1

F (x)

(58)

Dans le cas de la loi exponentielle, on est en mesure de trouver

=

Z x

0

e t dt = e t x

0 = e x + 1

F (x)

P (X  x) = F (x)

(59)

Dans le cas de la loi exponentielle, on est en mesure de trouver

=

Z x

0

e t dt = e t x

0 = e x + 1

F (x)

P (X  x) = F (x) = e x + 1

(60)

Dans le cas de la loi exponentielle, on est en mesure de trouver

=

Z x

0

e t dt = e t x

0 = e x + 1

F (x)

P (X  x) = F (x) = e x + 1 P (X > x) = 1 F (x)

(61)

Dans le cas de la loi exponentielle, on est en mesure de trouver

=

Z x

0

e t dt = e t x

0 = e x + 1

F (x)

P (X  x) = F (x) = e x + 1

P (X > x) = 1 F (x) = 1 ( e x + 1)

(62)

Dans le cas de la loi exponentielle, on est en mesure de trouver

=

Z x

0

e t dt = e t x

0 = e x + 1

F (x)

P (X  x) = F (x) = e x + 1

P (X > x) = 1 F (x) = 1 ( e x + 1)

= e x

(63)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

(64)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s)

(65)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

(66)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

P (X > s) = P ((X > s + t) \ (X > t)) P (X > t)

(67)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

P (X > s) = P ((X > s + t) \ (X > t)) P (X > t)

(68)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

P (X > s) = P ((X > s + t) \ (X > t))

P (X > t) = P (X > s + t) P (X > t)

(69)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

P (X > s) = P ((X > s + t) \ (X > t))

P (X > t) = P (X > s + t) P (X > t)

(70)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

P (X > s) = P ((X > s + t) \ (X > t))

P (X > t) = P (X > s + t) P (X > t) P (X > s + t) = P (X > s)P (X > t)

(71)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

P (X > s) = P ((X > s + t) \ (X > t))

P (X > t) = P (X > s + t) P (X > t) P (X > s + t) = P (X > s)P (X > t)

(72)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

P (X > s) = P ((X > s + t) \ (X > t))

P (X > t) = P (X > s + t) P (X > t) P (X > s + t) = P (X > s)P (X > t)

(73)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

P (X > s) = P ((X > s + t) \ (X > t))

P (X > t) = P (X > s + t) P (X > t) P (X > s + t) = P (X > s)P (X > t)

(74)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

P (X > s) = P ((X > s + t) \ (X > t))

P (X > t) = P (X > s + t) P (X > t) P (X > s + t) = P (X > s)P (X > t)

Mais

(75)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

P (X > s) = P ((X > s + t) \ (X > t))

P (X > t) = P (X > s + t) P (X > t) P (X > s + t) = P (X > s)P (X > t)

P (X > s + t) = e (s+t)

Mais

(76)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

P (X > s) = P ((X > s + t) \ (X > t))

P (X > t) = P (X > s + t) P (X > t) P (X > s + t) = P (X > s)P (X > t)

P (X > s + t) = e (s+t)

Mais

= e se t

(77)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

P (X > s) = P ((X > s + t) \ (X > t))

P (X > t) = P (X > s + t) P (X > t) P (X > s + t) = P (X > s)P (X > t)

P (X > s + t) = e (s+t)

Mais

= e se t

= P (X > s)P (X > t)

(78)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

P (X > s) = P ((X > s + t) \ (X > t))

P (X > t) = P (X > s + t) P (X > t) P (X > s + t) = P (X > s)P (X > t)

P (X > s + t) = e (s+t)

Mais

= e se t

= P (X > s)P (X > t)

(79)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

P (X > s) = P ((X > s + t) \ (X > t))

P (X > t) = P (X > s + t) P (X > t) P (X > s + t) = P (X > s)P (X > t)

P (X > s + t) = e (s+t)

Mais

= e se t

= P (X > s)P (X > t)

(80)

Une des particularités de la loi exponentielle est qu’elle est « sans mémoire ».

P (X > s + t|X > t) = P (X > s) 8s, t 0

P (X > s) = P ((X > s + t) \ (X > t))

P (X > t) = P (X > s + t) P (X > t) P (X > s + t) = P (X > s)P (X > t)

P (X > s + t) = e (s+t)

Mais

= e se t

= P (X > s)P (X > t)

(81)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

(82)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

Quelle est la probabilité que vous ayez à attendre

(83)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

Quelle est la probabilité que vous ayez à attendre plus de 10 min?

(84)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

Quelle est la probabilité que vous ayez à attendre plus de 10 min?

entre 10 et 20 min?

(85)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

Quelle est la probabilité que vous ayez à attendre plus de 10 min?

entre 10 et 20 min?

= 1 10

(86)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

Quelle est la probabilité que vous ayez à attendre X ⇠ Exp

✓ 1 10

plus de 10 min?

entre 10 et 20 min?

= 1 10

(87)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

Quelle est la probabilité que vous ayez à attendre X ⇠ Exp

✓ 1 10

P (X > 10) = 1 P (X  10)

plus de 10 min?

entre 10 et 20 min?

= 1 10

(88)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

Quelle est la probabilité que vous ayez à attendre X ⇠ Exp

✓ 1 10

P (X > 10) = 1 P (X  10) = 1 F (10)

plus de 10 min?

entre 10 et 20 min?

= 1 10

(89)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

Quelle est la probabilité que vous ayez à attendre X ⇠ Exp

✓ 1 10

P (X > 10) = 1 P (X  10) = 1 F (10)

plus de 10 min?

entre 10 et 20 min?

= 1 10

= 1 (1 e 1010 )

(90)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

Quelle est la probabilité que vous ayez à attendre X ⇠ Exp

✓ 1 10

P (X > 10) = 1 P (X  10) = 1 F (10)

plus de 10 min?

entre 10 et 20 min?

= 1 10

= 1 (1 e 1010 )

= e 1

(91)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

Quelle est la probabilité que vous ayez à attendre X ⇠ Exp

✓ 1 10

P (X > 10) = 1 P (X  10) = 1 F (10)

plus de 10 min?

entre 10 et 20 min?

= 1 10

= 1 (1 e 1010 )

= e 1 ⇡ 0, 3679

(92)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

Quelle est la probabilité que vous ayez à attendre X ⇠ Exp

✓ 1 10

P (X > 10) = 1 P (X  10) = 1 F (10)

plus de 10 min?

entre 10 et 20 min?

= 1 10

P (10  X  20)

= 1 (1 e 1010 )

= e 1 ⇡ 0, 3679

(93)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

Quelle est la probabilité que vous ayez à attendre X ⇠ Exp

✓ 1 10

P (X > 10) = 1 P (X  10) = 1 F (10)

plus de 10 min?

entre 10 et 20 min?

= 1 10

P (10  X  20) = F (20) F (10)

= 1 (1 e 1010 )

= e 1 ⇡ 0, 3679

(94)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

Quelle est la probabilité que vous ayez à attendre X ⇠ Exp

✓ 1 10

P (X > 10) = 1 P (X  10) = 1 F (10)

plus de 10 min?

entre 10 et 20 min?

= 1 10

P (10  X  20) = F (20) F (10)

= 1 (1 e 1010 )

= e 1 ⇡ 0, 3679

= (1 e 2) (1 e 1)

(95)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

Quelle est la probabilité que vous ayez à attendre X ⇠ Exp

✓ 1 10

P (X > 10) = 1 P (X  10) = 1 F (10)

plus de 10 min?

entre 10 et 20 min?

= 1 10

P (10  X  20) = F (20) F (10)

= 1 (1 e 1010 )

= e 1 ⇡ 0, 3679

= (1 e 2) (1 e 1)

= e 1 e 2

(96)

Exemple

La durée d’une conversation téléphonique est en moyenne 10 min. Vous arrivez devant une cabine téléphonique et il y a quelqu’un.

Quelle est la probabilité que vous ayez à attendre X ⇠ Exp

✓ 1 10

P (X > 10) = 1 P (X  10) = 1 F (10)

plus de 10 min?

entre 10 et 20 min?

= 1 10

P (10  X  20) = F (20) F (10)

= 1 (1 e 1010 )

= e 1 ⇡ 0, 3679

= (1 e 2) (1 e 1)

= e 1 e 2 ⇡ 0, 2325

(97)

Faites les exercices suivants

# 3.46 à 3.48

(98)

Loi normale

Un variable aléatoire ayant comme fonction de densité

(99)

Loi normale

Un variable aléatoire ayant comme fonction de densité f (x) = 1

p2⇡ e (x2 2µ)2

(100)

Loi normale

Un variable aléatoire ayant comme fonction de densité f (x) = 1

p2⇡ e (x2 2µ)2 où µ et

sont des constantes

(101)

Loi normale

Un variable aléatoire ayant comme fonction de densité

est dite une loi normale f (x) = 1

p2⇡ e (x2 2µ)2 où µ et

sont des constantes

(102)

Loi normale

Un variable aléatoire ayant comme fonction de densité

est dite une loi normale X ⇠ N (µ, )

f (x) = 1

p2⇡ e (x2 2µ)2 où µ et

sont des constantes

(103)

Loi normale

Un variable aléatoire ayant comme fonction de densité

est dite une loi normale X ⇠ N (µ, )

f (x) = 1

p2⇡ e (x2 2µ)2 où µ et

sont des constantes

(104)

p 1

2⇡

Z

e (x2 2µ)2 dx Malheureusement

ne possède pas de primitive analytique (x) =

(105)

On doit vérifier que

(106)

On doit vérifier que f (x) = p1

2⇡ e (x2 2µ)2

(107)

On doit vérifier que f (x) = p1

2⇡ e (x2 2µ)2 est bien une fonction de densité

(108)

p 1

2⇡

Z 1

1

e (x2 2µ)2 dx On doit vérifier que f (x) = p1

2⇡ e (x2 2µ)2 est bien une fonction de densité

(109)

p 1

2⇡

Z 1

1

e (x2 2µ)2 dx y = x µ On doit vérifier que f (x) = p1

2⇡ e (x2 2µ)2 est bien une fonction de densité

(110)

p 1

2⇡

Z 1

1

e (x2 2µ)2 dx y = x µ dy = dx On doit vérifier que f (x) = p1

2⇡ e (x2 2µ)2 est bien une fonction de densité

(111)

p 1

2⇡

Z 1

1

e (x2 2µ)2 dx y = x µ dy = dx On doit vérifier que f (x) = p1

2⇡ e (x2 2µ)2 est bien une fonction de densité

= 1 p2⇡

Z 1

1

e y

2

2 dy

(112)

p 1

2⇡

Z 1

1

e (x2 2µ)2 dx y = x µ dy = dx On doit vérifier que f (x) = p1

2⇡ e (x2 2µ)2 est bien une fonction de densité

= 1 p2⇡

Z 1

1

e y

2

2 dy

(113)

p 1

2⇡

Z 1

1

e (x2 2µ)2 dx y = x µ dy = dx On doit vérifier que f (x) = p1

2⇡ e (x2 2µ)2 est bien une fonction de densité

= 1 p2⇡

Z 1

1

e y

2

2 dy

(114)

p 1

2⇡

Z 1

1

e (x2 2µ)2 dx y = x µ dy = dx On doit vérifier que f (x) = p1

2⇡ e (x2 2µ)2 est bien une fonction de densité

= 1 p2⇡

Z 1

1

e y

2

2 dy

(115)

p 1

2⇡

Z 1

1

e (x2 2µ)2 dx y = x µ dy = dx On doit vérifier que f (x) = p1

2⇡ e (x2 2µ)2 est bien une fonction de densité

= 1 p2⇡

Z 1

1

e y

2

2 dy

(116)

p 1

2⇡

Z 1

1

e (x2 2µ)2 dx y = x µ dy = dx

donc si On doit vérifier que f (x) = p1

2⇡ e (x2 2µ)2 est bien une fonction de densité

= 1 p2⇡

Z 1

1

e y

2

2 dy

(117)

p 1

2⇡

Z 1

1

e (x2 2µ)2 dx y = x µ dy = dx

Z 1

1

e y

2

2 dx = p

2⇡

donc si On doit vérifier que f (x) = p1

2⇡ e (x2 2µ)2 est bien une fonction de densité

= 1 p2⇡

Z 1

1

e y

2

2 dy

(118)

p 1

2⇡

Z 1

1

e (x2 2µ)2 dx y = x µ dy = dx

Z 1

1

e y

2

2 dx = p

2⇡

donc si

on aura bien

= 1 On doit vérifier que f (x) = p1

2⇡ e (x2 2µ)2 est bien une fonction de densité

= 1 p2⇡

Z 1

1

e y

2

2 dy

(119)

✓Z 1

1

e y

2

2 dy

2

=

✓Z 1

1

e y

2

2 dy

◆ ✓Z 1

1

e y

2

2 dy

=

✓Z 1

1

e x

2

2 dx

◆ ✓Z 1

1

e y

2

2 dy

=

Z 1

1

Z 1

1

e x

2

2 e y

2

2 dxdy

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy L’astuce

(120)

✓Z 1

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

(121)

✓Z 1

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

x = r cos ✓

(122)

✓Z 1

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

x = r cos ✓ y = r sin ✓

(123)

✓Z 1

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

x = r cos ✓ y = r sin ✓ x2 + y2 = r2 cos2 ✓ + r2 sin2

(124)

✓Z 1

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

x = r cos ✓ y = r sin ✓ x2 + y2 = r2 cos2 ✓ + r2 sin2 ✓ = r2

(125)

✓Z 1

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

x = r cos ✓ y = r sin ✓ x2 + y2 = r2 cos2 ✓ + r2 sin2 ✓ = r2

(126)

✓Z 1 ?

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

x = r cos ✓ y = r sin ✓ x2 + y2 = r2 cos2 ✓ + r2 sin2 ✓ = r2

(127)
(128)

Cartésien

(129)

Cartésien

Polaire

(130)

Cartésien

Polaire

dx dy

(131)

Cartésien

Polaire

dx dy

rd✓

dr

(132)

Cartésien

Polaire

dx dy

rd✓

dr dxdy = rd✓dr

(133)

✓Z 1 ?

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

x = r cos ✓ y = r sin ✓ x2 + y2 = r2 cos2 ✓ + r2 sin2 ✓ = r2

(134)

✓Z 1 ?

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

x = r cos ✓ y = r sin ✓ x2 + y2 = r2 cos2 ✓ + r2 sin2 ✓ = r2

=

Z 1

0

Z 2⇡

0

e r

2

2 r d✓dr

(135)

✓Z 1 ?

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

x = r cos ✓ y = r sin ✓ x2 + y2 = r2 cos2 ✓ + r2 sin2 ✓ = r2

=

Z 1

0

Z 2⇡

0

e r

2

2 r d✓dr

(136)

✓Z 1 ?

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

x = r cos ✓ y = r sin ✓ x2 + y2 = r2 cos2 ✓ + r2 sin2 ✓ = r2

=

Z 1

0

Z 2⇡

0

e r

2

2 r d✓dr

(137)

✓Z 1 ?

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

x = r cos ✓ y = r sin ✓ x2 + y2 = r2 cos2 ✓ + r2 sin2 ✓ = r2

=

Z 1

0

Z 2⇡

0

e r

2

2 r d✓dr

(138)

✓Z 1 ?

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

x = r cos ✓ y = r sin ✓ x2 + y2 = r2 cos2 ✓ + r2 sin2 ✓ = r2

=

Z 1

0

Z 2⇡

0

e r

2

2 r d✓dr

(139)

✓Z 1

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

=

Z 1

0

Z 2⇡

0

e r

2

2 r d✓dr

(140)

✓Z 1

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

=

Z 1

0

Z 2⇡

0

e r

2

2 r d✓dr

=

Z 1

0

e r

2

2 r✓

2⇡

0

dr

(141)

✓Z 1

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

=

Z 1

0

Z 2⇡

0

e r

2

2 r d✓dr

=

Z 1

0

e r

2

2 r✓

2⇡

0

dr En intégrant par

rapport à

on considère constantr

(142)

✓Z 1

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

=

Z 1

0

Z 2⇡

0

e r

2

2 r d✓dr

=

Z 1

0

e r

2

2 r✓

2⇡

0

dr

= 2⇡

Z 1

0

e r

2

2 r dr En intégrant par

rapport à

on considère constantr

(143)

✓Z 1

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

=

Z 1

0

Z 2⇡

0

e r

2

2 r d✓dr

=

Z 1

0

e r

2

2 r✓

2⇡

0

dr

= 2⇡

Z 1

0

e r

2

2 r dr u = r2

2

En intégrant par rapport à

on considère constantr

(144)

✓Z 1

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

=

Z 1

0

Z 2⇡

0

e r

2

2 r d✓dr

=

Z 1

0

e r

2

2 r✓

2⇡

0

dr

= 2⇡

Z 1

0

e r

2

2 r dr u = r2

2 du = rdr

En intégrant par rapport à

on considère constantr

(145)

✓Z 1

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

=

Z 1

0

Z 2⇡

0

e r

2

2 r d✓dr

=

Z 1

0

e r

2

2 r✓

2⇡

0

dr

= 2⇡

Z 1

0

e r

2

2 r dr u = r2

2 du = rdr

En intégrant par rapport à

on considère constantr

(146)

✓Z 1

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

=

Z 1

0

Z 2⇡

0

e r

2

2 r d✓dr

=

Z 1

0

e r

2

2 r✓

2⇡

0

dr

= 2⇡

Z 1

0

e r

2

2 r dr u = r2

2 du = rdr

En intégrant par rapport à

on considère constantr

(147)

✓Z 1

1

e y

2

2 dy

2

=

Z 1

1

Z 1

1

e (x2 +y2 )2 dxdy

=

Z 1

0

Z 2⇡

0

e r

2

2 r d✓dr

=

Z 1

0

e r

2

2 r✓

2⇡

0

dr

= 2⇡

Z 1

0

e r

2

2 r dr

= 2⇡

Z 1

0

e u du u = r2

2 du = rdr

En intégrant par rapport à

on considère constantr

Références

Documents relatifs

[r]

La masse d’un pain fabriqu´ e par la machine peut ˆ etre mod´ elis´ ee par une variable al´ eatoire X suivant la loi normale d’esp´ erance µ = 400 et d’´ ecart-type σ =

On note X n la variable aléatoire égale au nombre de tirages nécessaires pour l’obtention de la boule numéro 1.. On note Y n la variable aléatoire égale à la somme des numéros

• Lorqu’une variable aléatoire réelle prend des valeurs entières ou des valeurs réelles en nombre fini, on dit que la loi de probabilité de cette variable aléatoire est

Dans ce chapitre on désigne par (Ω, A , P) un espace probabilisé, c’est-à-dire, un espace mesurable (Ω, A ) muni d’une probabilité P.. Sont écrites en rouge les parties

La fonction set.seed() permet de spécifier l’amorce du générateur de nombre aléa- toire, ce qui se révèle utile quand on veut répéter une simulation à l’identique (les

f) Déterminer un intervalle [a; b] centré sur la moyenne tel que la probabilité pour qu’un individu choisi au hasard ait 95 % de chance d’avoir une concentration comprise entre a

Soit X une variable aléatoire continue de loi uniforme sur [−1, 1] et ε une variable aléatoire discrète uniforme sur {−1, 1}. Montrer que Y = |X| est une variable aléatoire