• Aucun résultat trouvé

3.6 LOI CONTINUE 3

N/A
N/A
Protected

Academic year: 2022

Partager "3.6 LOI CONTINUE 3"

Copied!
160
0
0

Texte intégral

(1)

cours 18

3.6 LOI CONTINUE 3

(2)

Au dernier cours, nous avons vu

Loi exponentielle

(3)

Au dernier cours, nous avons vu

Loi exponentielle

X ⇠ Exp( )

(4)

Au dernier cours, nous avons vu

Loi exponentielle

f (x) =

( e x 0  x

0 sinon

X ⇠ Exp( )

(5)

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

(6)

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

(7)

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

(8)

Au dernier cours, nous avons vu

Loi normale

(9)

Au dernier cours, nous avons vu

Loi normale

X ⇠ N (µ, )

(10)

Au dernier cours, nous avons vu

Loi normale

X ⇠ N (µ, ) f (x) = 1

p2⇡ e (x2 2µ)2

(11)

Aujourd’hui, nous allons voir

Loi normale

(12)

X ⇠ N (µ, )

(13)

X ⇠ N (µ, )

E(X)

(14)

X ⇠ N (µ, )

= 1

p2⇡

Z 1

1

xe (x2 2µ)2 dx E(X)

(15)

X ⇠ N (µ, )

y = (x µ)

= 1

p2⇡

Z 1

1

xe (x2 2µ)2 dx E(X)

(16)

X ⇠ N (µ, )

y = (x µ)

dy = dx

= 1

p2⇡

Z 1

1

xe (x2 2µ)2 dx E(X)

(17)

X ⇠ N (µ, )

y = (x µ)

dy = dx

= 1

p2⇡

Z 1

1

xe (x2 2µ)2 dx E(X)

(18)

X ⇠ N (µ, )

y = (x µ)

dy = dx

= 1

p2⇡

Z 1

1

xe (x2 2µ)2 dx E(X)

(19)

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)

(20)

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)

(21)

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)

(22)

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)

(23)

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)

(24)

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)

(25)

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)

(26)

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)

(27)

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)

(28)

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)

(29)

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)

(30)

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)

(31)

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

(32)

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

(33)

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

(34)

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

(35)

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

(36)

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

(37)

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

(38)

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

(39)

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

(40)

X ⇠ N (µ, ) Var(X)

(41)

X ⇠ N (µ, )

= 1

p2⇡

Z 1

1

(x µ)2e (x2 2µ)2 dx Var(X)

(42)

X ⇠ N (µ, )

= 1

p2⇡

Z 1

1

(x µ)2e (x2 2µ)2 dx

Var(X) y = x µ

(43)

X ⇠ N (µ, )

= 1

p2⇡

Z 1

1

(x µ)2e (x2 2µ)2 dx

Var(X) y = x µ

dy = dx

(44)

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

(45)

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

(46)

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

(47)

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

(48)

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

(49)

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

(50)

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

(51)

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

(52)

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

(53)

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

(54)

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

(55)

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

(56)

X ⇠ N (µ, ) Var(X) =

2

p2⇡

Z 1

1

y2e y

2

2 dy

(57)

X ⇠ N (µ, ) Var(X) =

2

p2⇡

Z 1

1

y2e y

2

2 dy

u = y

(58)

X ⇠ N (µ, ) Var(X) =

2

p2⇡

Z 1

1

y2e y

2

2 dy

u = y dv = ye y

2

2 dy

(59)

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

(60)

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

(61)

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

(62)

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

(63)

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

(64)

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

(65)

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

(66)

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

(67)

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

(68)

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

(69)

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

(70)

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

(71)

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

(72)

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

(73)

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 ◆

(74)

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

(75)

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

(76)

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

(77)

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

(78)

X ⇠ N (µ, )

Var(X) = 2 E(X) = µ

(79)

X ⇠ N (µ, )

Comment faire pour calculer

(80)

X ⇠ N (µ, )

Comment faire pour calculer

P (X  a)

(81)

X ⇠ N (µ, )

Comment faire pour calculer

P (X  a) = 1

p2⇡

Z a

1

e (x2 2µ)2 dx

(82)

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

(83)

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!

(84)

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…

(85)

Si

(86)

Si X N (µ, )

(87)

Si X N (µ, )

on a vu que Z = X µ

est centré réduite

(88)

Si X N (µ, )

on a vu que Z = X µ

est centré réduite c’est-à-dire

(89)

Si X N (µ, )

on a vu que Z = X µ

est centré réduite

E(Z) = 0

c’est-à-dire

(90)

Si X N (µ, )

on a vu que Z = X µ

est centré réduite

E(Z) = 0 Var(Z) = 1 c’est-à-dire

(91)

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

(92)

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)

(93)

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

(94)

Mais on ne fera pas ça…

(95)

Mais on ne fera pas ça…

Quelqu’un l’a déjà fait pour nous.

(96)

Mais on ne fera pas ça…

Quelqu’un l’a déjà fait pour nous.

On va utiliser une table de la loi normale

(97)

Mais on ne fera pas ça…

Quelqu’un l’a déjà fait pour nous.

On va utiliser une table de la loi normale

(98)

P (Z  1, 64)

(99)

P (Z  1, 64)

(100)

P (Z  1, 64)

(101)

P (Z  1, 64) ⇡ 0, 9495

(102)

P (Z  a)

(103)

P (Z  a) P (Z a)

(104)

P (Z  a) P (Z a)

(105)

P (Z  a) P (Z a) = 1 P (Z  a)

(106)

P (Z  a) P (Z a) = 1 P (Z  a)

P (a  Z  b)

(107)

P (Z  a) P (Z a) = 1 P (Z  a)

P (a  Z  b)

(108)

P (Z  a) P (Z a) = 1 P (Z  a)

P (a  Z  b) = P (Z  b) P (Z  a)

(109)

Exemple

On achète une citrouille au marché. Son poids en livre suit une loi normale X N (5, 3)

(110)

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?

(111)

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)

(112)

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

(113)

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

(114)

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

(115)

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

(116)

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

(117)

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)

(118)

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

(119)

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

(120)

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

(121)

Faites les exercices suivants

# 3.49 à 3.59

(122)

Approximation d’une loi binomiale à l’aide de la loi normale.

X ⇠ B(n, p)

(123)

Approximation d’une loi binomiale à l’aide de la loi normale.

X ⇠ B(n, p) avec suffisamment grandn

(124)

Approximation d’une loi binomiale à l’aide de la loi normale.

X ⇠ B(n, p)

E(X) = np

avec suffisamment grandn

(125)

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

(126)

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

(127)

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

(128)

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.

(129)

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.

(130)

X ⇠ B(n, p) avec suffisamment grandn

(131)

X ⇠ B(n, p) avec suffisamment grandn Habituellement on utilise cette approximation si

(132)

X ⇠ B(n, p) avec suffisamment grandn Habituellement on utilise cette approximation si

n 30

(133)

X ⇠ B(n, p) avec suffisamment grandn Habituellement on utilise cette approximation si

n 30 np 5

(134)

X ⇠ B(n, p) avec suffisamment grandn Habituellement on utilise cette approximation si

n 30 np 5 nq 5

(135)

X ⇠ B(n, p)

X ⇡ N (np, p

npq)

avec suffisamment grandn Habituellement on utilise cette approximation si

n 30 np 5 nq 5

(136)

Correction de continuité.

X ⇠ B(n, p) Y ⇠ N (np, p

npq)

(137)

Correction de continuité.

X ⇠ B(n, p) Y ⇠ N (np, p

npq)

P (X = a) ⇡ P

a 1

2  Y  a + 1 2

(138)

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

(139)

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

(140)

Exemple

Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilité

d’obtenir 20 piles.

(141)

Exemple

Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilité

d’obtenir 20 piles.

X ⇠ B(40; 0, 5)

(142)

Exemple

Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilité

d’obtenir 20 piles.

X ⇠ B(40; 0, 5) E(X) = np = 20

(143)

Exemple

Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilité

d’obtenir 20 piles.

X ⇠ B(40; 0, 5) E(X) = np = 20

Var(X) = npq = 10

(144)

Exemple

Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilité

d’obtenir 20 piles.

X ⇠ B(40; 0, 5) E(X) = np = 20

X ⇠ N (20, p

10)

Var(X) = npq = 10

(145)

Exemple

Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilité

d’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

(146)

Exemple

Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilité

d’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

(147)

Exemple

Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilité

d’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

(148)

Exemple

Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilité

d’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

(149)

Exemple

Une variable aléatoire compte le nombre de piles lors d’une série de 40 jets. On veut la probabilité

d’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

(150)

Faites les exercices suivants

# 3.60 et 3.61

(151)

Aujourd’hui, nous avons vu

(152)

Aujourd’hui, nous avons vu

X ⇠ N (µ, )

(153)

Aujourd’hui, nous avons vu

X ⇠ N (µ, ) E(X) = µ

(154)

Aujourd’hui, nous avons vu

X ⇠ N (µ, )

Var(X) E(X) = µ

(155)

Aujourd’hui, nous avons vu

X ⇠ N (µ, )

Var(X) = 2 E(X) = µ

(156)

Aujourd’hui, nous avons vu

X ⇠ N (µ, )

Var(X) = 2 E(X) = µ

Z = X µ

(157)

Aujourd’hui, nous avons vu

X ⇠ N (µ, )

Var(X) = 2 E(X) = µ

Z = X µ

Z ⇠ N (0, 1)

(158)

Aujourd’hui, nous avons vu

X ⇠ N (µ, )

Var(X) = 2 E(X) = µ

Z = X µ

Z ⇠ N (0, 1)

(159)

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)

=)

(160)

Devoir:

3.49 à 3.61

Références

Documents relatifs

Lorsqu’on répète de façon identique et indépendante des épreuves de Bernoulli, on peut modéliser la situation par un arbre de probabilités. On répète 3 fois une épreuve

• 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

1) Complète les tables de multiplication. 2) Complète en choisissant le nombre qui te permet d’approcher le plus près

 Comparer : Retourne 1 si le premier élément de la première file et plus grand ou égal au premier élément de la deuxième file et 0 sinon. Définir les fonctions

On reprend les même exemples qu’au I ; calculer les espérances des deux variables aléatoires définies Exemple 1 ​à compléter à la maison au crayon à

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

Sont écrites en rouge les parties hors programme, en violet les parties traitées en TD (résultats à connaitre pour sa culture) et en bleu les parties modifiées par rapport au cours

PREPA COURCELLES DEUXIEME ANNEE!. Exemple d’utilisation de la loi uniforme continue