• Aucun résultat trouvé

Chapitre 15 :

N/A
N/A
Protected

Academic year: 2022

Partager "Chapitre 15 :"

Copied!
1
0
0

Texte intégral

(1)

Chapitre 15 :

Lois de

Probabilité à densité

• Définition : loi uniforme sur [𝒂 ; 𝒃]

𝑎 et 𝑏 désignent deux nombres réels distincts avec 𝑎 < 𝑏.

Dire qu'une variable aléatoire suit une loi uniforme sur l'intervalle [𝑎 ; 𝑏] signifie que la densité de probabilité est une fonction constante sur [𝑎 ; 𝑏].

On écrit 𝑋⤳ 𝑈[𝑎 ; 𝑏]

• Propriété : densité

La densité de probabilité de la loi uniforme sur [𝑎 ; 𝑏] est la fonction définie sur [𝑎 ; 𝑏] par :

𝑓(𝑥) = 1 𝑏 − 𝑎

• Propriété : probabilité d'un événement X est une variable aléatoire qui suit la loi uniforme sur [𝑎 ; 𝑏]

Pour tout intervalle [𝑐 ; 𝑑] inclus dans [𝑎 ; 𝑏]:

𝑃(𝑐 ≤ 𝑋 ≤ 𝑑) = 𝑑 − 𝑐 𝑏 − 𝑎

• Espérance

X est une variable aléatoire qui suit la loi uniforme sur [𝑎 ; 𝑏]

Son espérance est :

𝐸(𝑋) =

𝑎+𝑏

2

Loi à densité sur un intervalle

• Définition : variable aléatoire continue Une variable aléatoire continue X est une fonction qui à chaque issue de 𝛺 associe un nombre réel d'un intervalle I de ℝ.

• Définition : fonction de densité de probabilité On dit qu'une fonction est une fonction de densité de probabilité d'une variable aléatoire X sur I si :

𝑓 est définie, continue et positive sur I

• Définition : loi de probabilité

Dire que P est la loi de probabilité de densité 𝑓de X signifie que pour tout intervalle J inclus dans I, la probabilité 𝑃(𝑋 ∈ 𝐽) = 𝑎𝑖𝑟𝑒 𝑑𝑢 𝑑𝑜𝑚𝑎𝑖𝑛𝑒 {𝑀(𝑥 ; 𝑦) ;

𝑥 ∈ 𝐽 𝑒𝑡 0 ≤ 𝑦 ≤ 𝑓(𝑥)}

Si 𝐽 = [𝑎 ; 𝑏],

• Propriétés - Pour tout 𝑐 ∈ 𝐼,

- Pour tous réels 𝑐, 𝑑 ∈ 𝐼, 𝑃(𝑐 ≤ 𝑋 ≤ 𝑑

= 𝑃(𝑐 ≤ 𝑋 < 𝑑

= 𝑃(𝑐 < 𝑋 ≤ 𝑑

= 𝑃(𝑐 < 𝑋 < 𝑑)

- Pour tout 𝑐 ∈ 𝐼, 𝑃(𝑋 > 𝑐) = 1 − 𝑃(𝑋 ≤ 𝑐) - Pour tous réels 𝑐, 𝑑 ∈ 𝐼,

𝑃(𝑐 < 𝑋 < 𝑑) = 𝑃(𝑋 < 𝑑) − 𝑃(𝑋 ≤ 𝑐)

• Définition : Espérance mathématique

Soit X une variable aléatoire continue de fonction de densité 𝑓 sur l'intervalle [𝑎 ; 𝑏] alors l'espérance mathématique est le réel défini par :

• Définition : lois exponentielles 𝜆 désigne un nombre réel strictement positif.

Dire qu'une variable aléatoire X suit la loi exponentielle de paramètre 𝜆 sur [0 ; +∞[ signifie que sa densité de probabilité définie sur [0 ; +∞[ par 𝑓(𝑥) = 𝜆𝑒 −𝜆𝑥

• Propriété

X est une variable aléatoire qui suit une loi exponentielle de paramètre 𝜆.

Pour tout intervalle [𝑐 ; 𝑑] inclus dans [0 ; +∞[ : 𝑃(𝑐 ≤ 𝑋 ≤ 𝑑) = 𝑒−𝜆𝑐 − 𝑒−𝜆𝑑

𝑃(𝑋 ≥ 𝑐) = 𝑒 −𝜆𝑐 𝑃(𝑋 ≤ 𝑑) = 1 − 𝑒 −𝜆𝑑

• Propriété : durée de vie sans vieillissement Si T est une variable aléatoire suivant une loi exponentielle, alors pour tous réels positifs 𝑡 et ℎ : 𝑃𝑇≥𝑡(𝑇 ≥ 𝑡 + ℎ) = 𝑃(𝑇 ≥ ℎ)

Dém : Soit A l'événement "𝑇 ≥ 𝑡 + ℎ"et B l'événement "𝑇 ≥ 𝑡", alors 𝐴 ⊂ 𝐵donc 𝐴 ∩ 𝐵 = 𝐴

𝑃𝑇≥𝑡(𝑇 ≥ 𝑡 + ℎ) = 𝑃𝐵(𝐴) =𝑃(𝐴 ∩ 𝐵) 𝑃(𝐵) =𝑃(𝐴)

𝑃(𝐵)=𝑃(𝑇 ≥ 𝑡 + ℎ) 𝑃(𝑇 ≥ 𝑡)

=𝑒 −𝜆(𝑡+ℎ)

𝑒 −𝜆𝑡 =𝑒 −𝜆𝑡× 𝑒 −𝜆ℎ

𝑒 −𝜆𝑡 = 𝑒 −𝜆ℎ

= 𝑃(𝑇 ≥ ℎ)

• Espérance

X est une variable aléatoire qui suit une loi exponentielle de paramètre 𝜆.

Son espérance est : 𝐸(𝑋) =1

𝜆

Références

Documents relatifs

[r]

Déterminer alors les variations de f sur I, et les résumer dans un tableau en y ajoutant les limites

[r]

[r]

(Exemple d’ensemble non mesurable) Soit P la loi d’une variable al´eatoire uniforme sur [, π] (muni de la tribu bor´elienne sur

Soit F la variable aléatoire qui donne la proportion d’intentions de vote pour un échantillon de taille 200.. Or p la proportion théorique,

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

Si l’on consid`ere un test gaussien plus s´ev`ere, avec un risque de rejetter ` a tort l’hypoth`ese nulle en diminution (α = 0.01), alors l’hypoth`ese nulle ne serait pas