15

IV - VARIABLES ALEATOIRES ET LOIS DE PROBABILITES CONTINUES

Dfinitions - Moments - Loi Normale - Thorme central limite - Approximations- Loi de
Student - Loi du Khy - deux (2) - Loi de Fisher - Sndcor.
1. Dfinitions
a) - Densit d'une variable alatoire relle - On dit qu'une v. a. X est absolument continue s'il
existe une fonction f intgrable telle que :
- f(x) 0, x

f(x)dx 1

f est alors la densit de probabilit de X.
x

x IR, F(x) f(t) dt

-

Si f est continue alors F est drivable et F' = f.

La loi de probabilit de X est donne par f ou F.
2. Moments

a) Esprance mathmatique : E(X) xf(x)dx =m

-

b) Variance : V(X) E[(X - E(X))2 ] E(X 2 ) (E(X))2 = (x - m) 2 f(x)dx

-

c) Ecart - type : V(X) V(X)

3. Loi de Laplace - Gauss - X suit une loi de Laplace - Gauss si sa densit de probabilit est
dfinie par :
1 x m 2

- (
)
1
f(x)
e2
; x IR
2
Moments de X : E(X) = m; V(X) = 2; on note XN(m, )

4. Loi normale centre rduite - N(0, 1)

1 2
1 -2x
a) Fonction, densit de probabilit : f(x)
e
2

E(X) 0 et V(x) 1 1

f(x)

0,242

0,054

-3

-2

-1

Programme GPE Lois Continues - Sow TiernoOumar

16

b) Fonction de rpartition ( (t))

2

-1 x
1
e 2 dx
- 2
La fonction (t) est tabule pour les valeurs positives de t. Et on a : (- t) = 1 - (t)
t

( t) P(T t)

Calculs pratiques
Soit XN(m, ); pour les calculs de probabilits concernant X, on se ramne
systmatiquement la loi normale centre rduite par le changement de variable :
Xm
T

On peut alors crire, par exemple :

x m X m x2 m
P(x1 X x 2 ) P( 1

) P(t1 T t 2 ) (t 2 ) (t1)

x -m

o : t 1

x -m
et t 2
2

Les diffrents cas possibles sont envisags ci - dessous, les calculs indiqus pouvant tre
annexs avec la table de l'annexe 4.

P(X<x)=P(T<t)= (t)

1-(-t)

-t

(-t)

P(X>x)= P(T>t) =1-(t)

-t

P[m - 1,645 X m 1,645 ] 0,90; P[m - 1,96 X m 1,96 ] 0,95

P[m - 2,33 X m 2,33 ] 0,99 ; P[m - 3,09 X m 3,09 ] 0,998
5. Proprit : Soient X1, X2, . . . , Xn des v. a. indpendantes et suivant des lois N(mi, i). On
n

dmontre que la v. a. Y i X i suit une loi N( i mi ,

i 1

i 1

i2 i2 )
i 1

(*)

6. Thorme central limite

Soit une suite (Xn) de variables alatoires indpendantes de mme loi, d'esprance
mathmatique commune m et de variance commune 2.

(*)

Ce thorme fondamental est l'origine de l'importance de la loi normale en probabilits et

statistique.
Programme GPE Lois Continues - Sow TiernoOumar

17

(X1 X 2 . . . X n ) - n.m
converge en loi vers une v. a. normale centre
n
rduite; c'est - - dire que :
F(z)= P(Z<z) tend vers (z) lorsque n tend vers l'infini.
Alors la v. a. Z

7; Approximations
Approximation de la loi binomiale par la loi normale
n 30, ou n grand et p petit

B(n, p) N(np, npq )

Approximation de la loi de Poisson par la loi normale
18
P ( )

N ( , )
En rsum, on a les approximations suivantes :
P(np)
P< 0,1
n>50

np>18

B(n , p)

N(np, npq )

n > 30
Correction de continuit
Dans les approximations prcdentes, on approche les calculs concernant des lois discrtes
valeurs entires l'aide d'une loi continue. Ceci entrane une difficult due au fait que, pour
une loi continue, les probabilits du type P(X=x) sont nulles; ce qui n'est pas forcment vrai
pour les lois discrtes.
On peut amliorer la prcision des calculs en utilisant les formules suivantes ( correction de
continuit) :
- si X suit une loi B(n , p ) et x{0, 1, 2, . . . , n}
x 0,05-np
x 0,05-np
P(X x) (
) et P(X x) (
)
np(1 p)
np(1 p)
On en dduit la valeur approche de P(X=x)
P(X=x) = P(x)-P(X<x)= (
-

x 0,05 np
x 0,05 np
)- (
)
np(1 p)
np(1 p)

Si X suit une loi de Poisson P(), xIN :

x 0,05-
x 0,05-
) et P( x) (
)

x 0,05-
x 0,05-
P(X x) (
)(
)

P(X x) (

8. Autres lois continues usuelles

a) Loi uniforme
Fonction densit de probabilit : une v. a. X suit une loi uniforme sur l'intervalle [a, b],
( a < b), si sa d.d.p. est dfinie par la fonction f suivante :
1

si x [a, b]
;
On note X U[a, b]
f(x) b a
0
si non
Programme GPE Lois Continues - Sow TiernoOumar

18

Esprance mathmatique et variance

ba
(b - a)2
et V(X)
2
12
b) Loi exponentielle
Fonction densit de probabilit - Une v. a. X suit une loi exponentielle de paramtre ( >0),
si sa d.d.p. est la fonction f suivante :
e - x si x 0
f(x)
; on note XExp ( )
0
si non
Esprance mathmatique et variance
1
1
E(X)
et V(X)

2
E(X)

c) Loi du 2 ( ou loi de Pearson)

Dfinition
Soit un systme de n v. a. X1, X2, . . . , Xn telles que pour tout i 1, 2, . . . ,n}, XiN(0, 1).
Alors X12 X 22 . . . X 2n suit une loi du Khy - deux n degrs de libert, note : 2 (n) .
Cette loi joue un rle fondamental dans la thorie des tests et elle est tabule.
Esprance mathmatique et variance
E(X) = n et V(X) = 2n
Approximation - On montre que pour 30 <n <100,

2 2 2n - 1 N (0, 1).

L
Et si n 100 2 (n)
N(n , 2n )

d) Loi de Student
Dfinition - Si X suit une loi N( 0, 1), Y suit loi 2(n) et si X et Y sont indpendantes, alors la
X
v. a. T dfinie par : T
suit une loi de Student n degrs de liberts, note T(n).
Y
n

Cette loi intervient notamment en thorie de l'estimation et en thorie des tests, et elle est
tabule.
Esprance mathmatique et variance
n
E(X) 0 pour n 1
et V(X)
pour n 2
n-2
Approximation - Pour n>30, la loi de Student peut tre approche par la loi N( 0 , 1 ).
e) Loi de Fisher - Sndcor ( loi du rapport des variances)
Dfinition - Si X suit une loi 2(m) et Y une loi 2 (n), et si X et Y sont indpendantes, alors la
X
v. a. F m suit une loi de Fisher - Sndcor m et n degrs de libert, note F(n , m)
Y
n
Cette loi intervient galement en thorie des tests, et elle est tabule.
Esprance mathmatique et variance

n
2n 2 (m n 2)
E(X)
pour n 2 et V(X)
pour n 4.
n -2
m(n 2)2 (n 4)

Programme GPE Lois Continues - Sow TiernoOumar

19

Remarque - Si X suit F(m, n) , alors

1
suit F(n, m).
X

Exercices
1. Soit T une v. a. suivant une loi normale centre rduite.
Calculer : P(T<0) ; P(T<2,04); P(T< -1,95); P(0<T<2); P(-1<T<2); P(-3<T<-1):
P(T>2,21); P(T>-2); P( T 2); P( T 1) ; P(T<2,73 /T>2); P(T<2/T>1)
2. Utilisation des tables.
a) Soit X une variable alatoire normale centre et rduite.
Dterminer tel que : P( X > ) = 0,95.
b) Soit Y une variable alatoire N( m, ). Dterminer : P( Y [m- , m+ ]) et
P( Y [m-2 , m+2 ]). De plus dterminer tel que P(Y [m - , m+ ]) = 95 %
3. Lors d'un examen de fin d'tudes, uniformis au niveau national, la moyenne obtenue est
500, avec un cart - type de 100. La distribution est sensiblement normale. Quelle est la
probabilit pour qu'un tudiant choisi au hasard obtienne une note :
a) Infrieure 300?
b) Suprieure 650?
c) Comprise entre 450 et 600?
4. La dure moyenne d'utilisation d'un certain type de pneu est gale 38 000 km, avec un
cart - type de 3 000 km. On admettra que la dure d'utilisation d'un pneu suit une loi
normale.
a) Quelle est la probabilit pour qu'un pneu, prlev au hasard, la sortie de production :
- Qu'il dure plus de 45 000 km?
b) Un revendeur commande la manufacture 500 pneus. Combien de pneus livrs au titre
de cette commande auront une dure d'utilisation :
- comprise entre 40 000 km et 45 000 k?
- au moins 40 000 km?
c) Un automobiliste achte 4 pneus. Quelle est la probabilit pour que ces pneus aient
une dure d'utilisation :
- d'au moins 38 000 km?
5. A un guichet d'un bureau de caisse d'pargne, il a t tabli que la dure de service suit
approximativement une loi normale de moyenne 130 secondes, et d'cart - type 45
secondes.
a) Quelle est la probabilit pour qu'un client, choisi au hasard :
- accomplisse toutes ses oprations en moins de 100 secondes?
- Passe entre 2 et 3 minutes ce guichet ?
b) En moins de quelle dure par client sont accomplies les oprations de 20% de clients
venus traiter les affaires les plus simples?
c) Au moins combien de temps passera un client situ dans les 5% de clients venus traiter
les affaires les moins simples?
6. Dans une population masculine, la taille est une variable alatoire normale
X N(172 cm, 3cm). Et dans une population fminine comparable, la taille est une variable
alatoire normale YN(166 cm, 6cm).
a) Y - a - t - il plus d'hommes ou de femmes qui mesurent plus de 184 cm?
b) Quelle est la probabilit qu'une femme mesure plus de 184 cm, sachant qu'elle mesure
plus de 180 cm?
7. En une minute, une machine fabrique 3 pices. Pendant le rglage, elle est arrte. En
admettant que la dure, en minutes, d'un rglage suit N(20; 3),
a) Quel est le nombre moyen de pices non fabriques cause du rglage ?
b) Quelle est la probabilit que le rglage entrane une perte suprieure 78 pices ?

Programme GPE Lois Continues - Sow TiernoOumar

20

8. Une usine fabrique des vis dont 3 % ont des dfauts.

a) On prlve 1000 vis au hasard; quelle est la probabilit :
- d'avoir plus de 50 vis dfectueuses?
- d'avoir entre 20 et 40 vis dfectueuses?
b) On veut 1950 vis sans dfaut. Par prudence, on en prlve 2000 au hasard. Quelle est
la probabilit d'avoir suffisamment de vis en bon tat?
9. Le nombre de pannes, par mois, sur une certaine machine, suit une loi de Poisson de
moyenne gale 3. Un atelier fonctionne avec 12 machines de ce type, indpendantes.
En un mois, quelle est la probabilit de constater dans cet atelier :
- plus de 42 pannes?
- Entre 36 et 45 pannes?
10. On considre la fonction f de la variable alatoire relle t dfinie par :
si t 0
0

1t
f(t) 1
4
si t 0
16 t e
a) Etudier la fonction f et la reprsenter graphiquement.
b) Dterminer les primitives de f sur IR+.
c) a) vrifier que f est une densit de probabilit d'une variable alatoire T.
d) calculer P(T6).
e) Calculer l'esprance mathmatique de T.
f) On a vrifi exprimentalement que le temps de vie, exprim en mois, d'une certaine
varit d'insectes est une variable alatoire dont la densit est f.
g) Calculer la probabilit pour que, sur 100 insectes ns de cette varit, il y en ait encore
plus de la moiti qui soient vivants au bout de six mois.
11. On mesure la taille , en centimtres, de 2500 hommes. La distribution obtenue suit une loi
de Laplace Gauss de moyenne = 169 cm et d'cart type = 5,6 cm.
1 Indiquer sous forme de pourcentage les proportions d'hommes dont la taille est :
a) infrieure 155 cm
b) suprieure 172 cm
2 De part et d'autre de la valeur moyenne, quelles sont les tailles qui limitent un effectif
reprsentant 60 % de la population ?

Programme GPE Lois Continues - Sow TiernoOumar