cours 18
3.6 LOI CONTINUE 3
Au dernier cours, nous avons vu
Loi exponentielle
Au dernier cours, nous avons vu
Loi exponentielle
X ⇠ Exp( )
Au dernier cours, nous avons vu
Loi exponentielle
f (x) =
( e x 0 x
0 sinon
X ⇠ Exp( )
Au dernier cours, nous avons vu
Loi exponentielle
f (x) =
( e x 0 x
0 sinon
X ⇠ Exp( )
F (x) =
( e x + 1 0 x
0 sinon
Au dernier cours, nous avons vu
Loi exponentielle
f (x) =
( e x 0 x
0 sinon
X ⇠ Exp( )
F (x) =
( e x + 1 0 x
0 sinon
E(X) = 1
Au dernier cours, nous avons vu
Loi exponentielle
f (x) =
( e x 0 x
0 sinon
X ⇠ Exp( )
F (x) =
( e x + 1 0 x
0 sinon
E(X) = 1
Var(X) = 1
2
Au dernier cours, nous avons vu
Loi normale
Au dernier cours, nous avons vu
Loi normale
X ⇠ N (µ, )
Au dernier cours, nous avons vu
Loi normale
X ⇠ N (µ, ) f (x) = 1
p2⇡ e (x2 2µ)2
Aujourd’hui, nous allons voir
✓
Loi normaleX ⇠ N (µ, )
X ⇠ N (µ, )
E(X)
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
xe (x2 2µ)2 dx E(X)
X ⇠ N (µ, )
y = (x µ)
= 1
p2⇡
Z 1
1
xe (x2 2µ)2 dx E(X)
X ⇠ N (µ, )
y = (x µ)
dy = dx
= 1
p2⇡
Z 1
1
xe (x2 2µ)2 dx E(X)
X ⇠ N (µ, )
y = (x µ)
dy = dx
= 1
p2⇡
Z 1
1
xe (x2 2µ)2 dx E(X)
X ⇠ N (µ, )
y = (x µ)
dy = dx
= 1
p2⇡
Z 1
1
xe (x2 2µ)2 dx E(X)
X ⇠ N (µ, )
y = (x µ)
dy = dx
= 1 p2⇡
Z 1
1
xe y
2
2 dy
= 1
p2⇡
Z 1
1
xe (x2 2µ)2 dx E(X)
X ⇠ N (µ, )
y = (x µ)
dy = dx
= 1 p2⇡
Z 1
1
xe y
2
2 dy
= 1
p2⇡
Z 1
1
xe (x2 2µ)2 dx E(X)
X ⇠ N (µ, )
y = (x µ)
dy = dx
= 1 p2⇡
Z 1
1
xe y
2
2 dy
= 1
p2⇡
Z 1
1
xe (x2 2µ)2 dx E(X)
X ⇠ N (µ, )
y = (x µ)
dy = dx
= 1 p2⇡
Z 1
1
xe y
2
2 dy
x = y + µ
= 1
p2⇡
Z 1
1
xe (x2 2µ)2 dx E(X)
X ⇠ N (µ, )
y = (x µ)
dy = dx
= 1 p2⇡
Z 1
1
xe y
2
2 dy
x = y + µ
= 1 p2⇡
Z 1
1
( y + µ)e y
2
2 dy
= 1
p2⇡
Z 1
1
xe (x2 2µ)2 dx E(X)
X ⇠ N (µ, )
y = (x µ)
dy = dx
= 1 p2⇡
Z 1
1
xe y
2
2 dy
x = y + µ
= 1 p2⇡
Z 1
1
( y + µ)e y
2
2 dy
= 1
p2⇡
Z 1
1
xe (x2 2µ)2 dx E(X)
X ⇠ N (µ, )
y = (x µ)
dy = dx
= 1 p2⇡
Z 1
1
xe y
2
2 dy
x = y + µ
= 1 p2⇡
Z 1
1
( y + µ)e y
2
2 dy
= 1
p2⇡
Z 1
1
xe (x2 2µ)2 dx E(X)
X ⇠ N (µ, )
y = (x µ)
dy = dx
= 1 p2⇡
Z 1
1
xe y
2
2 dy
x = y + µ
= 1 p2⇡
Z 1
1
( y + µ)e y
2
2 dy
= p
2⇡
Z 1
1
ye y
2
2 dy + µ 1 p2⇡
Z 1
1
e y
2
2 dy
= 1
p2⇡
Z 1
1
xe (x2 2µ)2 dx E(X)
X ⇠ N (µ, )
y = (x µ)
dy = dx
= 1 p2⇡
Z 1
1
xe y
2
2 dy
x = y + µ
= 1 p2⇡
Z 1
1
( y + µ)e y
2
2 dy
= p
2⇡
Z 1
1
ye y
2
2 dy + µ 1 p2⇡
Z 1
1
e y
2
2 dy
= 1
p2⇡
Z 1
1
xe (x2 2µ)2 dx E(X)
X ⇠ N (µ, )
y = (x µ)
dy = dx
= 1 p2⇡
Z 1
1
xe y
2
2 dy
x = y + µ
= 1 p2⇡
Z 1
1
( y + µ)e y
2
2 dy
= p
2⇡
Z 1
1
ye y
2
2 dy + µ 1 p2⇡
Z 1
1
e y
2
2 dy
= 1
p2⇡
Z 1
1
xe (x2 2µ)2 dx E(X)
X ⇠ N (µ, )
= p
2⇡
Z 1
1
ye y
2
2 dy + µ 1 p2⇡
Z 1
1
e y
2
2 dy E(X)
X ⇠ N (µ, )
= p
2⇡
Z 1
1
ye y
2
2 dy + µ 1 p2⇡
Z 1
1
e y
2
2 dy E(X)
X ⇠ N (µ, )
= p
2⇡
Z 1
1
ye y
2
2 dy + µ 1 p2⇡
Z 1
1
e y
2
2 dy E(X)
= p
2⇡
Z 1
1
ye y
2
2 dy + µ
X ⇠ N (µ, )
= p
2⇡
Z 1
1
ye y
2
2 dy + µ 1 p2⇡
Z 1
1
e y
2
2 dy E(X)
= p
2⇡
Z 1
1
ye y
2
2 dy + µ u = y2
2
X ⇠ N (µ, )
= p
2⇡
Z 1
1
ye y
2
2 dy + µ 1 p2⇡
Z 1
1
e y
2
2 dy E(X)
= p
2⇡
Z 1
1
ye y
2
2 dy + µ u = y2
2
du = ydy
X ⇠ N (µ, )
= p
2⇡
Z 1
1
ye y
2
2 dy + µ 1 p2⇡
Z 1
1
e y
2
2 dy E(X)
= p
2⇡
Z 1
1
ye y
2
2 dy + µ u = y2
2
du = ydy
X ⇠ N (µ, )
= p
2⇡
Z 1
1
ye y
2
2 dy + µ 1 p2⇡
Z 1
1
e y
2
2 dy E(X)
= p
2⇡
Z 1
1
ye y
2
2 dy + µ u = y2
2
du = ydy
X ⇠ N (µ, )
= p
2⇡
Z 1
1
ye y
2
2 dy + µ 1 p2⇡
Z 1
1
e y
2
2 dy E(X)
= p
2⇡
Z 1
1
ye y
2
2 dy + µ u = y2
2
du = ydy
= p
2⇡
Z
e u du + µ
X ⇠ N (µ, )
= p
2⇡
Z 1
1
ye y
2
2 dy + µ 1 p2⇡
Z 1
1
e y
2
2 dy E(X)
= p
2⇡
Z 1
1
ye y
2
2 dy + µ u = y2
2
du = ydy
= p
2⇡
Z
e u du + µ
= p
2⇡ e y
2 2
1
1 + µ
0
X ⇠ N (µ, )
= p
2⇡
Z 1
1
ye y
2
2 dy + µ 1 p2⇡
Z 1
1
e y
2
2 dy E(X)
= p
2⇡
Z 1
1
ye y
2
2 dy + µ u = y2
2
du = ydy
= p
2⇡
Z
e u du + µ
= p
2⇡ e y
2 2
1
1 + µ
0
X ⇠ N (µ, )
= p
2⇡
Z 1
1
ye y
2
2 dy + µ 1 p2⇡
Z 1
1
e y
2
2 dy E(X)
= p
2⇡
Z 1
1
ye y
2
2 dy + µ u = y2
2
du = ydy
= p
2⇡
Z
e u du + µ
= µ
= p
2⇡ e y
2 2
1
1 + µ
X ⇠ N (µ, ) Var(X)
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
(x µ)2e (x2 2µ)2 dx Var(X)
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
(x µ)2e (x2 2µ)2 dx
Var(X) y = x µ
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
(x µ)2e (x2 2µ)2 dx
Var(X) y = x µ
dy = dx
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
(x µ)2e (x2 2µ)2 dx
Var(X) y = x µ
dy = dx
= 1 p2⇡
Z 1
1
(x µ)2e y
2
2 dy
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
(x µ)2e (x2 2µ)2 dx
Var(X) y = x µ
dy = dx
= 1 p2⇡
Z 1
1
(x µ)2e y
2
2 dy
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
(x µ)2e (x2 2µ)2 dx
Var(X) y = x µ
dy = dx
= 1 p2⇡
Z 1
1
(x µ)2e y
2
2 dy
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
(x µ)2e (x2 2µ)2 dx
Var(X) y = x µ
dy = dx
= 1 p2⇡
Z 1
1
(x µ)2e y
2
2 dy
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
(x µ)2e (x2 2µ)2 dx
Var(X) y = x µ
dy = dx
= 1 p2⇡
Z 1
1
(x µ)2e y
2
2 dy
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
(x µ)2e (x2 2µ)2 dx
Var(X) y = x µ
dy = dx
= 1 p2⇡
Z 1
1
(x µ)2e y
2
2 dy
x µ = y
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
(x µ)2e (x2 2µ)2 dx
Var(X) y = x µ
dy = dx
= 1 p2⇡
Z 1
1
(x µ)2e y
2
2 dy
x µ = y
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
(x µ)2e (x2 2µ)2 dx
Var(X) y = x µ
dy = dx
= 1 p2⇡
Z 1
1
(x µ)2e y
2
2 dy
x µ = y
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
(x µ)2e (x2 2µ)2 dx
Var(X) y = x µ
dy = dx
= 1 p2⇡
Z 1
1
(x µ)2e y
2
2 dy
x µ = y
= 1 p2⇡
Z 1
1
( y)2e y
2
2 dy
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
(x µ)2e (x2 2µ)2 dx
Var(X) y = x µ
dy = dx
= 1 p2⇡
Z 1
1
(x µ)2e y
2
2 dy
x µ = y
= 1 p2⇡
Z 1
1
( y)2e y
2
2 dy
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
(x µ)2e (x2 2µ)2 dx
Var(X) y = x µ
dy = dx
= 1 p2⇡
Z 1
1
(x µ)2e y
2
2 dy
x µ = y
= 1 p2⇡
Z 1
1
( y)2e y
2
2 dy
=
2
p2⇡
Z 1
1
y2e y
2
2 dy
X ⇠ N (µ, )
= 1
p2⇡
Z 1
1
(x µ)2e (x2 2µ)2 dx
Var(X) y = x µ
dy = dx
= 1 p2⇡
Z 1
1
(x µ)2e y
2
2 dy
x µ = y
= 1 p2⇡
Z 1
1
( y)2e y
2
2 dy
=
2
p2⇡
Z 1
1
y2e y
2
2 dy
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
u = y
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
u = y dv = ye y
2
2 dy
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
u = y dv = ye y
2
2 dy du = dy
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
u = y dv = ye y
2
2 dy v =
Z
ye y
2
2 dy du = dy
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
u = y dv = ye y
2
2 dy v =
Z
ye y
2
2 dy w = y2
du = dy 2
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
u = y dv = ye y
2
2 dy v =
Z
ye y
2
2 dy w = y2
2 dw = ydy du = dy
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
u = y dv = ye y
2
2 dy v =
Z
ye y
2
2 dy
= Z
e wdw
w = y2 2 dw = ydy du = dy
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
u = y dv = ye y
2
2 dy v =
Z
ye y
2
2 dy
= Z
e wdw
= e w
w = y2 2 dw = ydy du = dy
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
u = y dv = ye y
2
2 dy v =
Z
ye y
2
2 dy
= Z
e wdw
= e w = e y
2 2
w = y2 2 dw = ydy du = dy
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
u = y dv = ye y
2
2 dy v =
Z
ye y
2
2 dy
= Z
e wdw
= e w = e y
2 2
w = y2 2 dw = ydy du = dy
=
2
p2⇡
✓
ye y
2 2
1
1 +
Z 1
1
e y
2
2 dy
◆
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
u = y dv = ye y
2
2 dy v =
Z
ye y
2
2 dy
= Z
e wdw
= e w = e y
2 2
w = y2 2 dw = ydy du = dy
=
2
p2⇡
✓
ye y
2 2
1
1 +
Z 1
1
e y
2
2 dy
◆
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
u = y dv = ye y
2
2 dy v =
Z
ye y
2
2 dy
= Z
e wdw
= e w = e y
2 2
w = y2 2 dw = ydy du = dy
=
2
p2⇡
✓
ye y
2 2
1
1 +
Z 1
1
e y
2
2 dy
◆
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
u = y dv = ye y
2
2 dy v =
Z
ye y
2
2 dy
= Z
e wdw
= e w = e y
2 2
w = y2 2 dw = ydy du = dy
=
2
p2⇡
✓
ye y
2 2
1
1 +
Z 1
1
e y
2
2 dy
◆
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
u = y dv = ye y
2
2 dy v =
Z
ye y
2
2 dy
= Z
e wdw
= e w = e y
2 2
w = y2 2 dw = ydy du = dy
=
2
p2⇡
✓
ye y
2 2
1
1 +
Z 1
1
e y
2
2 dy
◆
Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
=
2
p2⇡
✓
ye y
2 2
1
1 +
Z 1
1
e y
2
2 dy
◆
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
=
2
p2⇡
✓
ye y
2 2
1
1 +
Z 1
1
e y
2
2 dy
◆
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
=
2
p2⇡
✓
ye y
2 2
1
1 +
Z 1
1
e y
2
2 dy 0 ◆
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
=
2
p2⇡
✓
ye y
2 2
1
1 +
Z 1
1
e y
2
2 dy 0 ◆
=
2
p2⇡
Z 1
1
e y
2
2 dy
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
=
2
p2⇡
✓
ye y
2 2
1
1 +
Z 1
1
e y
2
2 dy 0 ◆
=
2
p2⇡
Z 1
1
e y
2
2 dy
= 2
✓ 1 p2⇡
Z 1
1
e y
2
2 dy
◆
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
=
2
p2⇡
✓
ye y
2 2
1
1 +
Z 1
1
e y
2
2 dy 0 ◆
=
2
p2⇡
Z 1
1
e y
2
2 dy
= 2
✓ 1 p2⇡
Z 1
1
e y
2
2 dy
◆
X ⇠ N (µ, ) Var(X) =
2
p2⇡
Z 1
1
y2e y
2
2 dy
=
2
p2⇡
✓
ye y
2 2
1
1 +
Z 1
1
e y
2
2 dy 0 ◆
=
2
p2⇡
Z 1
1
e y
2
2 dy
= 2
✓ 1 p2⇡
Z 1
1
e y
2
2 dy
◆
= 2
X ⇠ N (µ, )
Var(X) = 2 E(X) = µ
X ⇠ N (µ, )
Comment faire pour calculer
X ⇠ N (µ, )
Comment faire pour calculer
P (X a)
X ⇠ N (µ, )
Comment faire pour calculer
P (X a) = 1
p2⇡
Z a
1
e (x2 2µ)2 dx
X ⇠ N (µ, )
Comment faire pour calculer
P (X a) = 1
p2⇡
Z a
1
e (x2 2µ)2 dx
Mais la fonction n’a pas de primitive analytique
X ⇠ N (µ, )
Comment faire pour calculer
P (X a) = 1
p2⇡
Z a
1
e (x2 2µ)2 dx
Mais la fonction n’a pas de primitive analytique Il faut donc utiliser les séries de Taylor!
X ⇠ N (µ, )
Comment faire pour calculer
P (X a) = 1
p2⇡
Z a
1
e (x2 2µ)2 dx
Mais la fonction n’a pas de primitive analytique Il faut donc utiliser les séries de Taylor!
Ouin…
Si
Si X ⇠ N (µ, )
Si X ⇠ N (µ, )
on a vu que Z = X µ
est centré réduite
Si X ⇠ N (µ, )
on a vu que Z = X µ
est centré réduite c’est-à-dire
Si X ⇠ N (µ, )
on a vu que Z = X µ
est centré réduite
E(Z) = 0
c’est-à-dire
Si X ⇠ N (µ, )
on a vu que Z = X µ
est centré réduite
E(Z) = 0 Var(Z) = 1 c’est-à-dire
Si X ⇠ N (µ, )
on a vu que Z = X µ
est centré réduite
E(Z) = 0 Var(Z) = 1 c’est-à-dire
et donc
Si X ⇠ N (µ, )
on a vu que Z = X µ
est centré réduite
E(Z) = 0 Var(Z) = 1 c’est-à-dire
et donc
Z ⇠ N (0, 1)
Si X ⇠ N (µ, )
on a vu que Z = X µ
est centré réduite
E(Z) = 0 Var(Z) = 1 c’est-à-dire
et donc
Z ⇠ N (0, 1)
Il suffit donc de calculer les séries de Taylor pour une seule loi normale
Mais on ne fera pas ça…
Mais on ne fera pas ça…
Quelqu’un l’a déjà fait pour nous.
Mais on ne fera pas ça…
Quelqu’un l’a déjà fait pour nous.
On va utiliser une table de la loi normale
Mais on ne fera pas ça…
Quelqu’un l’a déjà fait pour nous.
On va utiliser une table de la loi normale
P (Z 1, 64)
P (Z 1, 64)
P (Z 1, 64)
P (Z 1, 64) ⇡ 0, 9495
P (Z a)
P (Z a) P (Z a)
P (Z a) P (Z a)
P (Z a) P (Z a) = 1 P (Z a)
P (Z a) P (Z a) = 1 P (Z a)
P (a Z b)
P (Z a) P (Z a) = 1 P (Z a)
P (a Z b)
P (Z a) P (Z a) = 1 P (Z a)
P (a Z b) = P (Z b) P (Z a)
Exemple
On achète une citrouille au marché. Son poids en livre suit une loi normale X ⇠ N (5, 3)Exemple
On achète une citrouille au marché. Son poids en livre suit une loi normale X ⇠ N (5, 3)Quelle est la probabilité qu’une citrouille prise au hasard ait un poids entre 6 et 7 livres?
Exemple
On achète une citrouille au marché. Son poids en livre suit une loi normale X ⇠ N (5, 3)Quelle est la probabilité qu’une citrouille prise au hasard ait un poids entre 6 et 7 livres?
P (6 X 7)
Exemple
On achète une citrouille au marché. Son poids en livre suit une loi normale X ⇠ N (5, 3)Quelle est la probabilité qu’une citrouille prise au hasard ait un poids entre 6 et 7 livres?
P (6 X 7) = P
✓ 6 5
3 X 5
3 7 5 3
◆
Exemple
On achète une citrouille au marché. Son poids en livre suit une loi normale X ⇠ N (5, 3)Quelle est la probabilité qu’une citrouille prise au hasard ait un poids entre 6 et 7 livres?
P (6 X 7) = P
✓ 6 5
3 X 5
3 7 5 3
◆
Exemple
On achète une citrouille au marché. Son poids en livre suit une loi normale X ⇠ N (5, 3)Quelle est la probabilité qu’une citrouille prise au hasard ait un poids entre 6 et 7 livres?
P (6 X 7) = P
✓ 6 5
3 X 5
3 7 5 3
◆
Exemple
On achète une citrouille au marché. Son poids en livre suit une loi normale X ⇠ N (5, 3)Quelle est la probabilité qu’une citrouille prise au hasard ait un poids entre 6 et 7 livres?
P (6 X 7) = P
✓ 6 5
3 X 5
3 7 5 3
◆
= P
✓ 1
3 Z 2 3
◆
Exemple
On achète une citrouille au marché. Son poids en livre suit une loi normale X ⇠ N (5, 3)Quelle est la probabilité qu’une citrouille prise au hasard ait un poids entre 6 et 7 livres?
P (6 X 7) = P
✓ 6 5
3 X 5
3 7 5 3
◆
= P
✓ 1
3 Z 2 3
◆
= P
✓
Z 2 3
◆
P
✓
Z 1 3
◆
Exemple
On achète une citrouille au marché. Son poids en livre suit une loi normale X ⇠ N (5, 3)Quelle est la probabilité qu’une citrouille prise au hasard ait un poids entre 6 et 7 livres?
P (6 X 7) = P
✓ 6 5
3 X 5
3 7 5 3
◆
= P
✓ 1
3 Z 2 3
◆
= P
✓
Z 2 3
◆
P
✓
Z 1 3
◆
= P (Z 0, 67) P (Z 0, 33)
Exemple
On achète une citrouille au marché. Son poids en livre suit une loi normale X ⇠ N (5, 3)Quelle est la probabilité qu’une citrouille prise au hasard ait un poids entre 6 et 7 livres?
P (6 X 7) = P
✓ 6 5
3 X 5
3 7 5 3
◆
= P
✓ 1
3 Z 2 3
◆
= P
✓
Z 2 3
◆
P
✓
Z 1 3
◆
= P (Z 0, 67) P (Z 0, 33)
= 0, 7486 0, 6293
Exemple
On achète une citrouille au marché. Son poids en livre suit une loi normale X ⇠ N (5, 3)Quelle est la probabilité qu’une citrouille prise au hasard ait un poids entre 6 et 7 livres?
P (6 X 7) = P
✓ 6 5
3 X 5
3 7 5 3
◆
= P
✓ 1
3 Z 2 3
◆
= P
✓
Z 2 3
◆
P
✓
Z 1 3
◆
= P (Z 0, 67) P (Z 0, 33)
= 0, 7486 0, 6293
Exemple
On achète une citrouille au marché. Son poids en livre suit une loi normale X ⇠ N (5, 3)Quelle est la probabilité qu’une citrouille prise au hasard ait un poids entre 6 et 7 livres?
P (6 X 7) = P
✓ 6 5
3 X 5
3 7 5 3
◆
= P
✓ 1
3 Z 2 3
◆
= P
✓
Z 2 3
◆
P
✓
Z 1 3
◆
= P (Z 0, 67) P (Z 0, 33)
= 0, 7486 0, 6293 = 0, 1193
Faites les exercices suivants
# 3.49 à 3.59
Approximation d’une loi binomiale à l’aide de la loi normale.
X ⇠ B(n, p)
Approximation d’une loi binomiale à l’aide de la loi normale.
X ⇠ B(n, p) avec suffisamment grandn
Approximation d’une loi binomiale à l’aide de la loi normale.
X ⇠ B(n, p)
E(X) = np
avec suffisamment grandn
Approximation d’une loi binomiale à l’aide de la loi normale.
X ⇠ B(n, p)
E(X) = np Var(X) = npq
avec suffisamment grandn
Approximation d’une loi binomiale à l’aide de la loi normale.
X ⇠ B(n, p)
E(X) = np = µ Var(X) = npq
avec suffisamment grandn
Approximation d’une loi binomiale à l’aide de la loi normale.
X ⇠ B(n, p)
E(X) = np = µ Var(X) = npq = 2
avec suffisamment grandn
Approximation d’une loi binomiale à l’aide de la loi normale.
X ⇠ B(n, p)
E(X) = np = µ Var(X) = npq = 2
avec suffisamment grandn
Le théorème central limite.
Approximation d’une loi binomiale à l’aide de la loi normale.
X ⇠ B(n, p)
E(X) = np = µ Var(X) = npq = 2
X ⇡ N (np, p
npq)
avec suffisamment grandn
Le théorème central limite.
X ⇠ B(n, p) avec suffisamment grandn
X ⇠ B(n, p) avec suffisamment grandn Habituellement on utilise cette approximation si
X ⇠ B(n, p) avec suffisamment grandn Habituellement on utilise cette approximation si
n 30
X ⇠ B(n, p) avec suffisamment grandn Habituellement on utilise cette approximation si
n 30 np 5
X ⇠ B(n, p) avec suffisamment grandn Habituellement on utilise cette approximation si
n 30 np 5 nq 5
X ⇠ B(n, p)
X ⇡ N (np, p
npq)
avec suffisamment grandn Habituellement on utilise cette approximation si
n 30 np 5 nq 5
Correction de continuité.
X ⇠ B(n, p) Y ⇠ N (np, p
npq)
Correction de continuité.
X ⇠ B(n, p) Y ⇠ N (np, p
npq)
P (X = a) ⇡ P
✓
a 1
2 Y a + 1 2
◆
Correction de continuité.
X ⇠ B(n, p) Y ⇠ N (np, p
npq)
P (X = a) ⇡ P
✓
a 1
2 Y a + 1 2
◆
P (X a) ⇡ P
✓
Y a + 1 2
◆
Correction de continuité.
X ⇠ B(n, p) Y ⇠ N (np, p
npq)
P (X = a) ⇡ P
✓
a 1
2 Y a + 1 2
◆
P (X a) ⇡ P
✓
Y a + 1 2
◆
P (X < a) ⇡ P
✓
Y a 1 2
◆
Exemple
Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilitéd’obtenir 20 piles.
Exemple
Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilitéd’obtenir 20 piles.
X ⇠ B(40; 0, 5)
Exemple
Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilitéd’obtenir 20 piles.
X ⇠ B(40; 0, 5) E(X) = np = 20
Exemple
Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilitéd’obtenir 20 piles.
X ⇠ B(40; 0, 5) E(X) = np = 20
Var(X) = npq = 10
Exemple
Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilitéd’obtenir 20 piles.
X ⇠ B(40; 0, 5) E(X) = np = 20
X ⇠ N (20, p
10)
Var(X) = npq = 10
Exemple
Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilitéd’obtenir 20 piles.
X ⇠ B(40; 0, 5) E(X) = np = 20
X ⇠ N (20, p
10)
P (X = 20) = P (19, 5 X 20, 5)
Var(X) = npq = 10
Exemple
Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilitéd’obtenir 20 piles.
X ⇠ B(40; 0, 5) E(X) = np = 20
X ⇠ N (20, p
10)
P (X = 20) = P (19, 5 X 20, 5)
= P
✓ 19, 5 20
p10 X 20
p10 20, 5 20 p10
◆ Var(X) = npq = 10
Exemple
Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilitéd’obtenir 20 piles.
X ⇠ B(40; 0, 5) E(X) = np = 20
X ⇠ N (20, p
10)
P (X = 20) = P (19, 5 X 20, 5)
= P
✓ 19, 5 20
p10 X 20
p10 20, 5 20 p10
◆
= P ( 0, 16 Z 0, 16)
Var(X) = npq = 10
Exemple
Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilitéd’obtenir 20 piles.
X ⇠ B(40; 0, 5) E(X) = np = 20
X ⇠ N (20, p
10)
P (X = 20) = P (19, 5 X 20, 5)
= P
✓ 19, 5 20
p10 X 20
p10 20, 5 20 p10
◆
= P ( 0, 16 Z 0, 16)
= P (Z 0, 16) P (Z 0, 16)
Var(X) = npq = 10
Exemple
Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilitéd’obtenir 20 piles.
X ⇠ B(40; 0, 5) E(X) = np = 20
X ⇠ N (20, p
10)
P (X = 20) = P (19, 5 X 20, 5)
= P
✓ 19, 5 20
p10 X 20
p10 20, 5 20 p10
◆
= P ( 0, 16 Z 0, 16)
= P (Z 0, 16) P (Z 0, 16) = 0, 1272 Var(X) = npq = 10
Faites les exercices suivants
# 3.60 et 3.61
Aujourd’hui, nous avons vu
Aujourd’hui, nous avons vu
X ⇠ N (µ, )
Aujourd’hui, nous avons vu
X ⇠ N (µ, ) E(X) = µ
Aujourd’hui, nous avons vu
X ⇠ N (µ, )
Var(X) E(X) = µ
Aujourd’hui, nous avons vu
X ⇠ N (µ, )
Var(X) = 2 E(X) = µ
Aujourd’hui, nous avons vu
X ⇠ N (µ, )
Var(X) = 2 E(X) = µ
Z = X µ
Aujourd’hui, nous avons vu
X ⇠ N (µ, )
Var(X) = 2 E(X) = µ
Z = X µ
Z ⇠ N (0, 1)
Aujourd’hui, nous avons vu
X ⇠ N (µ, )
Var(X) = 2 E(X) = µ
Z = X µ
Z ⇠ N (0, 1)
Aujourd’hui, nous avons vu
X ⇠ N (µ, )
Var(X) = 2 E(X) = µ
Z = X µ
Z ⇠ N (0, 1)
X ⇠ B(n, p) X ⇡ N (np, p
npq)
=)