Chapitre 15 : Lois usuelles à densité · 12−7 15 = 5 15 = 1 3. 3) L’énoncé assure que 16%...
Transcript of Chapitre 15 : Lois usuelles à densité · 12−7 15 = 5 15 = 1 3. 3) L’énoncé assure que 16%...
Chapitre 15 : Lois usuelles à densité
Théorème/Définition (Loi uniforme)
X suit une loi uniforme sur [a, b] lorsqu’elle admet pour densité
la fonction fX définie sur R par
fX (x) =
1
b − asi x ∈ [a, b]
0 sinon.
On a X (Ω) = [a, b] ; X admet une espérance et une variance
données par :
E(X ) =a + b
2et V(X ) =
(b − a)2
12.
Exemple 11) On rappelle que
FX (x) =∫ x
−∞
fX (t) dt.
Exemple 11) On rappelle que
FX (x) =∫ x
−∞
fX (t) dt.
• Si x < a, alors
FX (x) =∫ x
−∞
fX (t) dt =∫ x
−∞
0 dt = 0.
Exemple 11) On rappelle que
FX (x) =∫ x
−∞
fX (t) dt.
• Si x < a, alors
FX (x) =∫ x
−∞
fX (t) dt =∫ x
−∞
0 dt = 0.
• Si x ∈ [a, b]. La relation de Chasles donne
FX (x) =∫ x
−∞
fX (t) dt
=∫ a
−∞
fX (t) dt +∫ x
a
fX (t) dt
=∫ a
−∞
0 dt +∫ x
a
1
b − adt
Ainsi :
FX (x) =
[
1
b − at
]x
a
=1
b − ax − 1
b − aa
=x − a
b − a.
Ainsi :
FX (x) =
[
1
b − at
]x
a
=1
b − ax − 1
b − aa
=x − a
b − a.
• Si x > b. La relation de Chasles donne :
FX (x) =∫ a
−∞
fX (t) dt +∫ b
a
fX (t) dt +∫ x
b
fX (t) dt
=∫ a
−∞
0 dt +∫ b
a
1
b − adt +
∫ x
b0 dt
= 0 +
[
1
b − at
]b
a
+ 0
= 1.
On résume :
∀x ∈ R, FX (x) =
0 si x < ax − a
b − asi x ∈ [a, b]
1 si x > b
.
On résume :
∀x ∈ R, FX (x) =
0 si x < ax − a
b − asi x ∈ [a, b]
1 si x > b
.
2) Si X est une variable aléatoire à densité dont on note FX lafonction de répartition et fX une densité, on a :
P (u ≤ (<)X ≤ (<)v ) = FX (v ) − FX (u) =∫ v
u
fX (t) dt.
On résume :
∀x ∈ R, FX (x) =
0 si x < ax − a
b − asi x ∈ [a, b]
1 si x > b
.
2) Si X est une variable aléatoire à densité dont on note FX lafonction de répartition et fX une densité, on a :
P (u ≤ (<)X ≤ (<)v ) = FX (v ) − FX (u) =∫ v
u
fX (t) dt.
Si a = 0 et b = 15 et le temps d’attente T suit une loi uniformesur l’intervalle [0, 15]. La fonction de répartition FT est
∀x ∈ R, FT (x) =
0 si x < 0x
15si x ∈ [0, 15]
1 si x > 15
.
La probabilité recherchée est :
P (7 ≤ T ≤ 12) = FT (12)− FT (7) =12
15− 7
15=
12 − 7
15=
5
15=
1
3.
La probabilité recherchée est :
P (7 ≤ T ≤ 12) = FT (12)− FT (7) =12
15− 7
15=
12 − 7
15=
5
15=
1
3.
3) L’énoncé assure que 16% des téléviseurs tombe en panne lapremière année, donc P (0 ≤ X ≤ 1) = 0,16.
La probabilité recherchée est :
P (7 ≤ T ≤ 12) = FT (12)− FT (7) =12
15− 7
15=
12 − 7
15=
5
15=
1
3.
3) L’énoncé assure que 16% des téléviseurs tombe en panne lapremière année, donc P (0 ≤ X ≤ 1) = 0,16. Or,
P (0 ≤ T ≤ 1) =1 − 0
T − 0=
1
T, ainsi
1
T= 0,16, on en déduit que
T =1
0,16= 6,25 .
Théorème/Définition (Loi exponentielle)
X suit une loi exponentielle de paramètre λ > 0 lorsque qu’elle
admet pour densité la fonction fX définie sur R par :
fX (x) =
λe−λx si x ∈ [0,+∞[
0 sinon.
On a X (Ω) = [0,+∞[ ; X admet une espérance et une variance
données par :
E(X ) =1
λet V(X ) =
1
λ2.
0.5 1.0 1.5 2.0 2.5
0.5
1.0
1.5
P(1 ≤ X ≤ 1.5)
y = λe−λx
Exemple 21) On rappelle que
∀x ∈ R, FX (x) =∫ x
−∞
fX (t) dt.
Exemple 21) On rappelle que
∀x ∈ R, FX (x) =∫ x
−∞
fX (t) dt.
• Si x ≤ 0, on a :
FX (x) =∫ x
−∞
fX (t) dt =∫ x
−∞
0 dt = 0.
Exemple 21) On rappelle que
∀x ∈ R, FX (x) =∫ x
−∞
fX (t) dt.
• Si x ≤ 0, on a :
FX (x) =∫ x
−∞
fX (t) dt =∫ x
−∞
0 dt = 0.
• Si x > 0. La relation de Chasles donne :
FX (x) =∫ x
−∞
fX (t) dt
=∫ 0
−∞
0 dt +∫ x
0
λe−λt
dt
= 0 +[
−e−λt
]x
0.
On déduit que si x > 0, on a :
FX (x) = −e−λx −
(
−e−0
)
= 1 − e−λx .
On déduit que si x > 0, on a :
FX (x) = −e−λx −
(
−e−0
)
= 1 − e−λx .
On en déduit que
∀x ∈ R, FX (x) =
0 si x ≤ 0
1 − e−λx si x > 0
.
On déduit que si x > 0, on a :
FX (x) = −e−λx −
(
−e−0
)
= 1 − e−λx .
On en déduit que
∀x ∈ R, FX (x) =
0 si x ≤ 0
1 − e−λx si x > 0
.
En particulier, si 0 ≤ α < β, on a :
P (α ≤ X ≤ β) = FX (β) − FX (α) = 1 − e−λβ −
(
1 − e−λα
)
= e−λα − e
−λβ.
2) On reprend la probabilité P (0 ≤ X ≤ 1) = 0,16 donnée par laquestion 3 de l’exemple 1.
2) On reprend la probabilité P (0 ≤ X ≤ 1) = 0,16 donnée par laquestion 3 de l’exemple 1.(a) On a :
0,16 = P (0 ≤ X ≤ 1) = FX (1) − FX (0) = 1 − e−λ.
2) On reprend la probabilité P (0 ≤ X ≤ 1) = 0,16 donnée par laquestion 3 de l’exemple 1.(a) On a :
0,16 = P (0 ≤ X ≤ 1) = FX (1) − FX (0) = 1 − e−λ.
On en déduit l’équation :
0, 16 = 1 − e−λ ⇐⇒ e
−λ = 0,84 ⇐⇒ λ = − ln (0,84) ≈ 0,17.
(b)
• La durée de vie moyenne correspond à l’espérance : la durée
de vie moyenne est donc1
λ=
1
0, 17≈ 5,88 années.
2) On reprend la probabilité P (0 ≤ X ≤ 1) = 0,16 donnée par laquestion 3 de l’exemple 1.(a) On a :
0,16 = P (0 ≤ X ≤ 1) = FX (1) − FX (0) = 1 − e−λ.
On en déduit l’équation :
0, 16 = 1 − e−λ ⇐⇒ e
−λ = 0,84 ⇐⇒ λ = − ln (0,84) ≈ 0,17.
(b)
• La durée de vie moyenne correspond à l’espérance : la durée
de vie moyenne est donc1
λ=
1
0, 17≈ 5,88 années.
• La durée de vie médiane, notée t1/2, est ..........
t1/2 vérifie l’équation
P (0 ≤ X ≤ t1/2) =1
2.
t1/2 vérifie l’équation
P (0 ≤ X ≤ t1/2) =1
2.
Comme P (0 ≤ X ≤ t1/2) = FX (t1/2) − FX (0) = 1 − e−λt1/2 , on
est donc ramené à résoudre
t1/2 vérifie l’équation
P (0 ≤ X ≤ t1/2) =1
2.
Comme P (0 ≤ X ≤ t1/2) = FX (t1/2) − FX (0) = 1 − e−λt1/2 , on
est donc ramené à résoudre
1 − e−λt1/2 =
1
2⇐⇒ e
−λt1/2 =1
2⇐⇒ t1/2 =
ln (1/2)
−λ≈ 4,08.
t1/2 vérifie l’équation
P (0 ≤ X ≤ t1/2) =1
2.
Comme P (0 ≤ X ≤ t1/2) = FX (t1/2) − FX (0) = 1 − e−λt1/2 , on
est donc ramené à résoudre
1 − e−λt1/2 =
1
2⇐⇒ e
−λt1/2 =1
2⇐⇒ t1/2 =
ln (1/2)
−λ≈ 4,08.
Au bout de 4,08 années, la moitié d’une population initiale detélévieurs est en panne.
(c)
• On a :
P (X ≥ 2) = 1 − P (X < 2) = 1 −(
FX (2) − limx→−∞
FX (x)
)
.
(c)
• On a :
P (X ≥ 2) = 1 − P (X < 2) = 1 −(
FX (2) − limx→−∞
FX (x)
)
.
Or, FX (2) = 1 − e−λ×2 et lim
x→−∞FX (x) = 0, donc
P (X ≥ 2) = 1 −(
1 − e−λ×2
)
= e−λ×2.
(c)
• On a :
P (X ≥ 2) = 1 − P (X < 2) = 1 −(
FX (2) − limx→−∞
FX (x)
)
.
Or, FX (2) = 1 − e−λ×2 et lim
x→−∞FX (x) = 0, donc
P (X ≥ 2) = 1 −(
1 − e−λ×2
)
= e−λ×2.
• On a :
P(X≥3) (X ≥ 5) =P ((X ≥ 5) ∩ (X ≥ 3))
P (X ≥ 3)=
P (X ≥ 5)
P (X ≥ 3).
(c)
• On a :
P (X ≥ 2) = 1 − P (X < 2) = 1 −(
FX (2) − limx→−∞
FX (x)
)
.
Or, FX (2) = 1 − e−λ×2 et lim
x→−∞FX (x) = 0, donc
P (X ≥ 2) = 1 −(
1 − e−λ×2
)
= e−λ×2.
• On a :
P(X≥3) (X ≥ 5) =P ((X ≥ 5) ∩ (X ≥ 3))
P (X ≥ 3)=
P (X ≥ 5)
P (X ≥ 3).
Or,
P (X ≥ 5) = 1 − P (X < 5) = 1 −(
FX (5) − limx→−∞
FX (x)
)
= 1 −(
1 − e−λ×5
)
= e−λ×5.
On montre de même que P (X ≥ 3) = e−λ×3.
On montre de même que P (X ≥ 3) = e−λ×3. Il s’ensuit que
P(X≥3) (X ≥ 5) =e
−λ×5
e−λ×3= −5– + 3– = e
−2λ.
On montre de même que P (X ≥ 3) = e−λ×3. Il s’ensuit que
P(X≥3) (X ≥ 5) =e
−λ×5
e−λ×3= −5– + 3– = e
−2λ.
On a montré que P(X≥3) (X ≥ 5) = P (X ≥ 2).
Proposition (Absence de mémoire)
Soit X une variable aléatoire à densité d’univers image [0,+∞[ et
tel que P(X > x) > 0 pour tout x > 0.
On dit que X suit une loi de durée de vie sans vieillissement ou
qu’elle possède la propriété d’absence de mémoire lorsque,
pour tout (t, h) ∈ (R+)2,
P(X≥t)(X ≥ t + h) = P(X ≥ h).
X suit une loi de durée de vie sans vieillissement si, et seulement
si, elle suit une loi exponentielle.
Proposition (Moivre-Laplace)
Pour n ∈ N∗, p ∈]0, 1[, si Xn → B(n, p), alors
X ∗n =
Xn − np√
np(1 − p)
est centrée réduite.
Soient a et b deux réels, a < b. On a
limn→+∞
P(a ≤ X ∗n ≤ b) = P(a ≤ X ≤ b),
où X suit une loi appelée loi normale centrée réduite.
0 5 10 15 20 25 30
Xn → B(n, p)
n = 40 et p = 0,6
X ∗n = Xn−E(Xn)
σ(Xn)
bb
Théorème/Définition (Loi normale centrée réduite)
X suit une loi appelée loi normale centrée réduite notée N (0, 1)lorsqu’elle admet comme densité la fonction fX définie sur R par
∀x ∈ R, fX (x) =1√2π
e−x2/2.
On a X (Ω) = R ; X admet une espérance et une variance
données par :
E(X ) = 0 et V(X ) = 1.
On note très souvent Φ sa fonction de répartition. On a la
propriété suivante :
∀x ∈ R, Φ(−x) = 1 − Φ(x).
0.5 1.0 1.5 2.0 2.5−0.5−1.0−1.5−2.0−2.5−3.0
0.1
0.2
0.3
a = −1, b = 2 n = 150, p = 0.6
Théorème/Définition (Lois normales)
On dit que X suit la loi normale de paramètres µ et σ2, et on note
X → N(
µ, σ2)
si elle admet pour densité la fonction fX définie
sur R par
∀x ∈ R, fX (x) =1
σ√
2πe
−(x−µ)2
2σ2 .
X (Ω) = R ; X admet une espérance et une variance données par :
E(X ) = µ et V(X ) = σ2.
Par conséquent, si X ∗ =X − m
σ, on a X ∗ → N (0, 1)