SlideShare une entreprise Scribd logo
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Plan du chapitre
1 Généralités et définitions
Illustration
Définition
2 Variables aléatoires discrètes
Définitions
Les moments : Espérance et Variance
Loi discrètes usuelles
3 Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Brice DONGMEZO, Ing. Ph.D Proba & Stat - ISME 27 avril 2021 2 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Illustration
Définition
Généralités et définitions
Brice DONGMEZO, Ing. Ph.D Proba & Stat - ISME 27 avril 2021 3 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Illustration
Définition
Exemple introductif
Une expérience aléatoire consiste à tirer au hasard huit familles de 3 enfants
à Nouakchott. On s’intéresse au nombre de garçon dans chaque famille
tirée. L’univers associé à cette expérience est :
Ω = {FFF; FFG; FGF; FGG; GFF; GFG; GGF; GGG}, qui correspond aux
configurations possibles des 3 enfants dans la famille. Associons à chaque
élément ω ∈ Ω le nombre de garçons de la famille. On a :
ω FFF FFG FGF FGG GFF GFG GGF GGG
Nbre garçons 0 1 1 2 1 2 2 3
On remarque que deux évènements élémentaires de Ω peuvent conduire au
même nombre de garçons. Pour chaque évènement élémentaire, on peut
calculer la probabilité par exemple P ({ω = FFG}) = 1
8 mais
P ({Nbre Garcons = 1}) = 3
8 .
Associer ou faire correspondre à chaque élément de Ω une quantité
numérique réelle revient à définir une variable aléatoire.
Brice DONGMEZO, Ing. Ph.D Proba & Stat - ISME 27 avril 2021 4 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Illustration
Définition
Cas général
Définition
Soit (Ω, F, P) un espace probabilisé, on appelle variable aléatoire sur (Ω, F, P) à
valeur dans un ensemble (un corps) E l’application X définie par :
X : Ω → E
ω 7→ X(ω)
et qui vérifie ∀x ∈ E, X−1({x}) ∈ F.
Dans l’exemple introductif, E ⊂ N et X(ω) est le nombre de garçons pour la
configuration ω et c’est une réalisation de la variable aléatoire X.
Remarque
Une variable aléatoire peut être de deux types :
Discrète : si E est fini ou infini mais dénombrable; E ⊆ N (nombre de
garçons, résultat d’un lancé de dé ou de pièce de monnaie);
Continue : si E est un intervalle de R, X prend n’importe quelle valeur dans
un intervalle de R (taille d’un individu, concentration d’une solution).
Brice DONGMEZO, Ing. Ph.D Proba & Stat - ISME 27 avril 2021 5 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Les moments : Espérance et Variance
Loi discrètes usuelles
Variables aléatoires discrètes
Brice DONGMEZO, Ing. Ph.D Proba & Stat - ISME 27 avril 2021 6 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Les moments : Espérance et Variance
Loi discrètes usuelles
V.a.d, loi et fonction de répartition
Définition
Soit (Ω, F, P) un espace probabilisé, on appelle variable aléatoire discrète sur
(Ω, F, P) à valeur dans un ensemble (un corps) E l’application X définie par :
X : Ω → E
ω 7→ X(ω) = x
telle que E fini ou infini et dénombrable et qui vérifie
∀x ∈ E, X−1({x}) ∈ F.
Dans l’exemple introductif, on note X = « le nombre de garçons dans une
famille de 3 enfants » est une variable aléatoire définie de Ω vers l’ensemble
E = {0, 1, 2, 3}. On a par exemple X ({FFF}) = 0 ou encore
X−1 (1) = {FFG, FGF, GFF} ∈ F = P(Ω).
Définition
On appelle loi de probabilité d’une variable aléatoire discrète X, l’application PX
définie par :
PX : E → [0, 1]
x 7→ PX(x) = P (X = x)
Brice DONGMEZO, Ing. Ph.D Proba & Stat - ISME 27 avril 2021 7 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Les moments : Espérance et Variance
Loi discrètes usuelles
V.a.d, loi et fonction de répartition
Remarque : Pour définir une loi de probabilité associé à une variable
aléatoire, il suffit d’avoir la probabilité de chacune des valeurs que cette
variable aléatoire peut prendre. Autrement dit ∀x ∈ E on peut calculer
PX(x) = P(X = x)
Exemple : Dans l’exemple introductif, déterminer la loi de X
Proposition
Soit X une variable aléatoire discrète à valeur dans un espace E, alors on a :
∀x ∈ E, 0 6 PX(x) 6 1
∑
x∈E
PX(x) = 1
On a P (X ∈ [a, b]) = ∑
x∈[a,b]⊂E
PX(x)
Exemple : Dans l’exemple introductif, calculez : P (X ∈ [1, 2])
Brice DONGMEZO, Ing. Ph.D Proba & Stat - ISME 27 avril 2021 8 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Les moments : Espérance et Variance
Loi discrètes usuelles
V.a.d, loi et fonction de répartition
Définition
Soit X une variable aléatoire discrète, on appelle Fonction de répartition de la v.a.d
X l’application F définie telle que :
F : R → [0, 1]
x 7→ F(x) = P (X 6 x)
.
Si E = {x1, x2, ..., xn} est ordonné alors la fonction de répartition définie sur
E ⊂ R s’écrit encore : ∀j, 1 6 j 6 n F(xj) = P X 6 xj

=
j
∑
i=1
P(X = xi)
Exemple : Déterminer la fonction de répartition de X dans l’exemple introductif.
Proposition
Soit X une variable aléatoire réelle et F sa fonction de répartition associée, on a :
1 ∀t ∈ R, 0 6 F(t) 6 1
2 F est croissante sur R
3 lim
t→−∞
F(t) = 0 et lim
t→+∞
F(t) = 1
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 9 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Les moments : Espérance et Variance
Loi discrètes usuelles
Espérance mathématique
Définition
On appelle espérance mathématique d’une variable aléatoire discrète X prenant les
valeurs dans l’ensemble E = {x1, x2, ..., xn}, la quantité notée E [X] ou E(X)
définie par :
E [X] = ∑
x∈E
xP(X = x) =
n
∑
i=1
xiP(X = xi)
Exemple : Montrer que dans l’exemple introductif, E(X) = 3/2
Proposition
Soient X et Y deux variables aléatoires, et soient λ et δ deux constantes, alors on a :
E [λX] = λE [X]
E [X + Y] = E [X] + E [Y]
E [λX + δY] = λE [X] + δE [Y]
E [λ] = λ l’espérance mathématique d’une variable aléatoire constante est la
même constante.
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 10 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Les moments : Espérance et Variance
Loi discrètes usuelles
La variance
Définition
Soit X une variable aléatoire définie sur un espace probabilisé et d’espérance
mathématique E(X) , on appelle variance de X la quantité notée V(X) ou V [X] :
V [X] = E
h
(X − E [X])2
i
Si X prend des valeurs dans E = {x1, x2, ..., xn}, alors
V [X] =
n
∑
i=1
(xi − E [X])2
P (X = xi)
Remarque : V(X) ≥ 0 et la quantité σ(X) =
p
V(X) est appelé écart type
de X.
Exemple : Dans l’exemple introductif, la variance vaut 0,75.
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 11 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Les moments : Espérance et Variance
Loi discrètes usuelles
La variance
Proposition
Soient X et Y deux variables aléatoires, et soient λ et δ deux constantes, alors on a :
V (X) = E X2

− (E (X))2
V (λX) = λ2V (X) et V (λ) = V [λ] = 0
V (X + Y) = V (X) + V (Y) + 2 [E (XY) − E (X) E (Y)]
Définition
Soient X et Y deux variables aléatoires sur un espace probabilisé (Ω, P). On appelle
Covariance de X et Y notée Cov(X, Y) la quantité :
Cov (X, Y) = E [(X − E(X)) (Y − E(Y))] = E (XY) − E (X) E (Y)
Mesure de la variation simultanée de deux variables aléatoires : elle permet
d’évaluer l’importance et le sens de cette variation. Elle peut être positive,
négative ou nulle (lorsque les variables sont indépendantes).
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 12 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Les moments : Espérance et Variance
Loi discrètes usuelles
Loi discrète uniforme
Définition
Soit X une variable aléatoire discrète qui prend un nombre fini de valeurs dans R
notées x1, x2, ..., xn avec n ∈ N. On dit que X suit une loi discrète uniforme et non
note X ∼ U(n) si ∀i = 1, 2, ..., n , on a : pi = P (X = xi) = 1
n
On dit que la distribution de X est uniforme sur son ensemble de valeurs .
Exemple : Lancé d’un dé et lancé d’une pièce de monnaie conduisent à des
lois uniformes.
Proposition
Dans le cas d’une variable aléatoire discrète uniforme X dont les valeurs sont prises
dans l’ensemble {1, 2, ..., n}, c’est-à-dire que xi = i les moments de la variable
aléatoire sont donnés par :
Espérance E (X) = n+1
2
Variance V (X) = n2−1
12 et Écart-type σ (X) =
q
n2−1
12
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 13 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Les moments : Espérance et Variance
Loi discrètes usuelles
Loi de Bernouilli
Définition
Soit X une variable aléatoire discrète. On dit que X suit une loi de Bernoulli de
paramètre p et on note X ∼ B(p) si X ne peut prendre que deux valeurs
(symbolisées 0 et 1) et on peut associer une probabilité pour chacune de ses valeurs.
X =
(
1 succès avec la probabilité p
0 échec avec la probabilité q = 1 − p
On écrit alors P(X = 0) = 1 − p = q et P(X = 1) = p.
Exemple : Tirer une boule rouge dans une urne contenant 6 boules rouges et 18
boules noires peut être modéliser par une variable aléatoire qui suit une loi de
Bernouilli. Quel est le paramètre?
Proposition
Si X ∼ B(p) alors :
Espérance E (X) = p
Variance V (X) = p(1 − p) = pq et Écart-type σ (X) =
√
pq
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 14 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Les moments : Espérance et Variance
Loi discrètes usuelles
Loi Binomiale
Définition
La loi binomiale de paramètres n et p; notée B(n, p) est la loi de probabilité du
nombre de succès dans la répétition de n expériences identiques et indépendantes
d’une loi de Bernoulli de paramètre p (et q = 1 − p la probabilité de l’échec). On
définit la loi de cette probabilité comme suit : X ∼ B(n, p) si :
P (X = k) = Ck
n pk
qn−k
, ∀k ∈ N/0 6 k 6 n
Exemple : On lance deux fois un dé et on s’intéresse on nombre de fois
qu’on va obtenir un 6. Modéliser cette expérience.
Proposition
Si X ∼ B(n, p) alors :
Espérance E (X) = np
Variance V (X) = np(1 − p) = npq et Écart-type σ (X) =
√
npq
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 15 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Les moments : Espérance et Variance
Loi discrètes usuelles
Loi Géométrique
Définition
On dit que une variable aléatoire discrète X suit une loi de géométrique de
paramètre p (on note X ∼ G(p)) si elle enregistre le nombre d’épreuves successives
nécessaire à l’obtention du premier succès lorsqu’on répète indépendamment des
épreuves de bernouilli de paramètre p. On a :
∀k ∈ N∗
, P (X = k) = qk−1
p avec q = 1 − p.
Exemple : On lance un dé continuellement jusqu’à l’obtention d’un 6.
Quelle est la probabilité d’obtenir le 6 au 4e lancé?
Proposition
Si X ∼ G(p) alors :
Espérance E (X) = 1
p
Variance V (X) = 1−p
p2 = q
p2 et Écart-type σ (X) =
q
q
p2
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 16 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Les moments : Espérance et Variance
Loi discrètes usuelles
Loi de Poisson
Définition
On dit que une variable aléatoire discrète X suit une loi de poisson de paramètre
λ  0 (on note X ∼ P(λ)) si sa loi de probabilité vérifie :
∀k ∈ N, P (X = k) =
λke−λ
k!
Remarque : La loi de Poisson est aussi appelée loi des évènements rares, utilisée pour modéliser le nombre
de pièces défectueuses dans un lot important où la probabilité de pièces défectueuses est faible etc.
Exemple : On admet que le nombre d’accidents survenant sur une autoroute quotidiennement est une
variable aléatoire qui suit une loi de Poisson de paramètre λ = 2 : Quelle est la probabilité qu’il y ait au
moins 2 accidents lors d’un jour donné?
Proposition
Si X ∼ P(λ) alors :
Espérance E (X) = λ
Variance V (X) = λ et Écart-type σ (X) =
√
λ
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 17 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Variables aléatoires continues
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 18 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
V.a.c, loi et fonction de répartition
Définition
Soit (Ω, F, P) un espace probabilisé, on appelle variable aléatoire continue sur
(Ω, F, P) à valeur dans un ensemble (un corps) E l’application X définie par :
X : Ω → E
ω 7→ X(ω) = x
telle que E est un intervalle de R et qui vérifie
∀x ∈ E, X−1({x}) ∈ F.
On définit également dans certain contextes une variable aléatoire continue comme une variable aléatoire à
valeur dans R qui vérifie ∀x ∈ R, PX ({x}) = P (X = x) = 0.
Exemple : Taille, poids, âge, concentration, tension.
Définition
La loi de probabilité d’une variable aléatoire continue X est établie si il existe une
fonction f appelée densité de X continue par morceaux et qui vérifie :
∀t ∈ R, f (t)  0 et
R +∞
−∞ f (t)dt = 1
∀a, b ∈ R, P (X ∈ [a, b]) = PX ([a, b]) =
R b
a f (t)dt
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 19 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Fonction de répartition
Définition
Soit X une variable aléatoire continue sur un espace probabilisé (Ω, P). On appelle
fonction de répartition de X l’application F définie sur R telle que :
F : R → [0, 1]
x 7→ F(x) = P (X 6 x) =
Z x
−∞
f (t)dt
En utilisant la fonction de répartition, on a : P (X ∈ [a, b]) =
R b
a f (t)dt = F(b) − F(a)
Proposition
Soit X une v.a.c sur (Ω, F, P), soit F sa fonction de répartition, alors on a :
F est continue et croissante
lim
x→−∞
F(x) = 0 et lim
x→+∞
F(x) = 1
F0 = f
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 20 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Quantile
Définition
On définit le quantile d’ordre α ∈]0, 1[ de la variable aléatoire X comme étant le
réel xα qui vérifie F(xα) = α.
Exemple :
Le quantile d’ordre 0,5 est appelé la médiane.
Les quantile d’ordre k × 0, 25 sont appelés les quartiles k = 1, 2, 3.
Les quantiles d’ordre k × 0, 1 sont appelés les déciles k = 1, ..., 9.
Applications : On considère la fonction f (x) =
(
2x si x ∈ [0, 1]
0 si non
.
Montrez que f est la densité d’une variable aléatoire X. Calculer la fonction
de réparation de X et déterminer les quantiles d’ordre 0,5 de X et 0,8 (8eme
décile).
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 21 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Espérance mathématique
Définition
Soit X une v.a.c sur un espace probabilisé (Ω, F, P). On suppose que X admet une
densité noté f alors l’espérance mathématique de X est la quantité notée E(X)
définie par :
E (X) =
Z +∞
−∞
x f (x)dx
Exemple : Montrer que si X admet pour densité f (x) = 2x 1[0,1](x) alors
E(X) = 2/3.
Proposition
Soit X et Y deux v.a.c, et soit λ et µ deux réels non nuls. Alors on a :
E (λX) = λE (X)
E (X + Y) = E (X) + E (Y) (admis)
E (λX + µY) = λE (X) + µE (Y)
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 22 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Variance
Définition
Soit X une v.a.c sur un espace probabilisé (Ω, F, P). On suppose que X admet une
densité noté f alors la variance de X est la quantité notée V(X) ou V[X] définie
par : V [X] = E
h
(X − E [X])2
i
= E

X2

− (E [X])2
en remplacant la densité on
a :
V [X] =
Z +∞
−∞
(x − E [X]) f (x)dx =
Z +∞
−∞
x2
f (x)dx − (E [X])2
.
Exemple : Montrer que si X admet pour densité f (x) = 2x 1[0,1](x) alors
V(X) = 1/18.
Proposition
Soit X et Y deux v.a.c, et soit λ et µ deux réels non nuls. Alors on a :
V (λX) = λ2V (X)
V (λX + µ) = λ2V (X)
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 23 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Loi continue uniforme
Définition
Soient a et b deux réels tels que a  b, une v.a.c X suit la loi continue uniforme
sur l’intervalle [a, b] si sa densité f est constante et vaut 1
b−a sur [a, b] et nulle
partout ailleurs. Elle est définie comme suit : f (x) =



1
b − a
si a 6 x 6 b
0 sinon
ou
f (x) = 1
b−a 1[a,b](x). On note X ∼ U[a, b]
La fonction de répartition de X ∼ U[a, b] est donnée par : F(x) =









0 pour x 6 a
x − a
b − a
pour a 6 x 6 b
1 pour x  b
Proposition
Si X ∼ U[a, b] alors, E (X) = a+b
2 et V (X) = (b−a)2
12 .
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 24 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Loi exponentielle
Définition
Soit λ un réel strictement positif, une v.a.c X à valeurs dans R∗
+ suit la loi
exponentielle de paramètre λ notée (ξ(λ)) si elle admet pour densité la fonction f
définie par :
f (x) = λe−λx
1]0,+∞[(x).
On note X ∼ ξ(λ).
On montre que la fonction de répartition d’une loi exponentielle de
paramètre λ est donnée par : F(x) = (1 − e−λx)1]0,+∞[(x)
Proposition
Si X ∼ ξ(λ) alors :
E (X) = 1
λ et V (X) = 1
λ2
P (X  t + s |X  t) = P (X  s), ∀t, s ∈ R∗
+
Loi exponentielle est utilisée pour modéliser les temps d’attente, les durées de vie.
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 25 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Loi normale ou loi de Laplace - Gauss
Définition
Soient µ et σ deux constantes réelles (σ  0), une v.a.c X suit une loi normale ou
une loi de Laplace Gauss si elle admet pour densité de probabilité la fonction f
définie sur tout R par :
f (x) =
1
σ
√
2π
e
−
(x−µ)2
2σ2
On note : X ∼ N (µ, σ).
On montre en utilisant une intégration par partie, les doubles intégrales et
un changement en coordonnée polaire que
+∞
R
−∞
f (x)dx = 1.
Proposition
Si X ∼ N (µ, σ) alors, E(X) = µ et V(X) = σ2.
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 26 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Loi normale centrée réduite
Définition
Une variable aléatoire Z suit une loi normale centrée réduite si sa densité de
probabilité est donnée par la fonction définie sur tout R par :
g(x) =
1
√
2π
e− x2
2
On note : Z ∼ N (0, 1).
C’est la normale de moyenne 0 et d’écart-type ou variance 1.
Proposition
Soit X une variable aléatoire continue, si X ∼ N (µ, σ) alors la quantité
Z = X−µ
σ ∼ N (0, 1). On dit que la variable aléatoire X a été centrée et réduite.
Remarque : Tout comme la loi normale générale, la loi normale centrée réduite a une
densité symétrique autour de sa moyenne 0 et par conséquent, sa fonction de
répartition possède des propretés intéressantes.
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 27 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Loi normale centrée réduite- Fonction de répartition
La fonction de répartition Φ d’une loi normale centrée réduite est donnée
par l’expression sous forme d’intégrale suivante :
Φ(x) = P (Z 6 x) =
x
R
−∞
g(t)dt =
x
R
−∞
1
√
2π
e− t2
2 dt
On a :
Φ(−∞) = 0 et Φ(+∞) = 1
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 28 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Loi normale centrée réduite- Fonction de répartition
La fonction de répartition Φ d’une loi normale centrée réduite est donnée
par l’expression sous forme d’intégrale suivante :
Φ(x) = P (Z 6 x) =
x
R
−∞
g(t)dt =
x
R
−∞
1
√
2π
e− t2
2 dt
On a :
Φ(−∞) = 0 et Φ(+∞) = 1
Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie.
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 28 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Loi normale centrée réduite- Fonction de répartition
La fonction de répartition Φ d’une loi normale centrée réduite est donnée
par l’expression sous forme d’intégrale suivante :
Φ(x) = P (Z 6 x) =
x
R
−∞
g(t)dt =
x
R
−∞
1
√
2π
e− t2
2 dt
On a :
Φ(−∞) = 0 et Φ(+∞) = 1
Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie.
On montre graphiquement que : P (Z  z) = 1 − P (Z 6 z) = 1 − Φ(z)
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 28 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Loi normale centrée réduite- Fonction de répartition
La fonction de répartition Φ d’une loi normale centrée réduite est donnée
par l’expression sous forme d’intégrale suivante :
Φ(x) = P (Z 6 x) =
x
R
−∞
g(t)dt =
x
R
−∞
1
√
2π
e− t2
2 dt
On a :
Φ(−∞) = 0 et Φ(+∞) = 1
Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie.
On montre graphiquement que : P (Z  z) = 1 − P (Z 6 z) = 1 − Φ(z)
On montre que : P (z1 6 Z 6 z2) = Φ(z2) − Φ(z1)
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 28 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Loi normale centrée réduite- Fonction de répartition
La fonction de répartition Φ d’une loi normale centrée réduite est donnée
par l’expression sous forme d’intégrale suivante :
Φ(x) = P (Z 6 x) =
x
R
−∞
g(t)dt =
x
R
−∞
1
√
2π
e− t2
2 dt
On a :
Φ(−∞) = 0 et Φ(+∞) = 1
Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie.
On montre graphiquement que : P (Z  z) = 1 − P (Z 6 z) = 1 − Φ(z)
On montre que : P (z1 6 Z 6 z2) = Φ(z2) − Φ(z1)
∀z ∈ R∗
+, Φ(z) + Φ(−z) = 1
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 28 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Loi normale centrée réduite- Fonction de répartition
La fonction de répartition Φ d’une loi normale centrée réduite est donnée
par l’expression sous forme d’intégrale suivante :
Φ(x) = P (Z 6 x) =
x
R
−∞
g(t)dt =
x
R
−∞
1
√
2π
e− t2
2 dt
On a :
Φ(−∞) = 0 et Φ(+∞) = 1
Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie.
On montre graphiquement que : P (Z  z) = 1 − P (Z 6 z) = 1 − Φ(z)
On montre que : P (z1 6 Z 6 z2) = Φ(z2) − Φ(z1)
∀z ∈ R∗
+, Φ(z) + Φ(−z) = 1
On peut lire sur la table des valeurs de Φ que : Φ(1, 645) = 0, 95
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 28 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Loi normale centrée réduite- Fonction de répartition
La fonction de répartition Φ d’une loi normale centrée réduite est donnée
par l’expression sous forme d’intégrale suivante :
Φ(x) = P (Z 6 x) =
x
R
−∞
g(t)dt =
x
R
−∞
1
√
2π
e− t2
2 dt
On a :
Φ(−∞) = 0 et Φ(+∞) = 1
Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie.
On montre graphiquement que : P (Z  z) = 1 − P (Z 6 z) = 1 − Φ(z)
On montre que : P (z1 6 Z 6 z2) = Φ(z2) − Φ(z1)
∀z ∈ R∗
+, Φ(z) + Φ(−z) = 1
On peut lire sur la table des valeurs de Φ que : Φ(1, 645) = 0, 95
On peut lire sur la table des valeurs de Φ que : Φ(1, 96) = 0, 975
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 28 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Loi normale centrée réduite- Fonction de répartition
La fonction de répartition Φ d’une loi normale centrée réduite est donnée
par l’expression sous forme d’intégrale suivante :
Φ(x) = P (Z 6 x) =
x
R
−∞
g(t)dt =
x
R
−∞
1
√
2π
e− t2
2 dt
On a :
Φ(−∞) = 0 et Φ(+∞) = 1
Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie.
On montre graphiquement que : P (Z  z) = 1 − P (Z 6 z) = 1 − Φ(z)
On montre que : P (z1 6 Z 6 z2) = Φ(z2) − Φ(z1)
∀z ∈ R∗
+, Φ(z) + Φ(−z) = 1
On peut lire sur la table des valeurs de Φ que : Φ(1, 645) = 0, 95
On peut lire sur la table des valeurs de Φ que : Φ(1, 96) = 0, 975
On peut lire sur la table des valeurs de Φ que : Φ(2, 362) = 0, 99
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 28 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Loi normale centrée réduite- Fonction de répartition
La fonction de répartition Φ d’une loi normale centrée réduite est donnée
par l’expression sous forme d’intégrale suivante :
Φ(x) = P (Z 6 x) =
x
R
−∞
g(t)dt =
x
R
−∞
1
√
2π
e− t2
2 dt
On a :
Φ(−∞) = 0 et Φ(+∞) = 1
Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie.
On montre graphiquement que : P (Z  z) = 1 − P (Z 6 z) = 1 − Φ(z)
On montre que : P (z1 6 Z 6 z2) = Φ(z2) − Φ(z1)
∀z ∈ R∗
+, Φ(z) + Φ(−z) = 1
On peut lire sur la table des valeurs de Φ que : Φ(1, 645) = 0, 95
On peut lire sur la table des valeurs de Φ que : Φ(1, 96) = 0, 975
On peut lire sur la table des valeurs de Φ que : Φ(2, 362) = 0, 99
On peut lire sur la table des valeurs de Φ que : Φ(2, 57) = 0, 995
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 28 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Utilisation de la Loi normale centrée réduite
Lorsque l’on a X ∼ N (µ, σ) ayant pour fonction de répartition F on a vu
que l’on peut toujours se ramener à une loi normale centrée réduite à l’aide
d’un changement de variable. En effet, la quantité Z = X−µ
σ suit une loi
normale centrée réduite. On a donc ∀t ∈ R,
F(t) = P (X 6 t) = P (X − µ 6 t − µ) = P

X − µ
σ
6
t − µ
σ

= P

Z 6
t − µ
σ

F(t) = Φ

t − µ
σ

Du moment où l’on a la table de la loi normale centrée réduite, calculer la
probabilité qu’une variable aléatoire qui suit une loi normale quelconque se
ramènera toujours à calculer la valeur de la fonction Φ à un point précis.
Application : Soit X ∼ N (µ = 30, σ = 3), déterminons les probabilités suivantes :
P ({X = 28}), P ({X 6 33}) , P ({X 6 27}) , P ({27 6 X 6 33}) , P ({X  33}).
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 29 / 30
Généralités et définitions
Variables aléatoires discrètes
Variables aléatoires continues
Définitions
Moments : Espérance et Variance
Loi continues usuelles
Autre lois continues utiles
Il existe d’autres lois continues utilise en statistique mais que l’on n’a pas le
temps d’aborder. Vous pourrez faire des recherches dessus :
Loi du Khi-Deux ou Khi-Carré
Loi de Student
Loi de Fisher
Brice DONGMEZO, Ing. Ph.D Proba  Stat - ISME 27 avril 2021 30 / 30

Contenu connexe

Similaire à Chapitre1.pdf

éChantillonnage estimation
éChantillonnage   estimationéChantillonnage   estimation
éChantillonnage estimationmarouane hdidou
 
Equations différentielles, DUT MP, CM 2
Equations différentielles, DUT MP, CM 2Equations différentielles, DUT MP, CM 2
Equations différentielles, DUT MP, CM 2Christophe Palermo
 
Exam of June 2016, Mathematical Statistics 3rd year
Exam of June 2016, Mathematical Statistics 3rd yearExam of June 2016, Mathematical Statistics 3rd year
Exam of June 2016, Mathematical Statistics 3rd year
Christian Robert
 
L'essentiel du programme de l'agrégation de mathématiques
L'essentiel du programme de l'agrégation de mathématiquesL'essentiel du programme de l'agrégation de mathématiques
L'essentiel du programme de l'agrégation de mathématiques
CharvetXavier
 
01 lois-à-densité
01 lois-à-densité01 lois-à-densité
01 lois-à-densité
Manar Sefiane
 
Probabilité +echantillonage
Probabilité +echantillonageProbabilité +echantillonage
Probabilité +echantillonageImad Cov
 
Formalisation de la théorie des ensembles
Formalisation de la théorie des ensemblesFormalisation de la théorie des ensembles
Formalisation de la théorie des ensembles
Isomorphisme
 
Ch ensembles
Ch ensemblesCh ensembles
Ch ensembles
AHMED ENNAJI
 
Algebre1 s1 par www.etudecours.com
Algebre1 s1 par www.etudecours.comAlgebre1 s1 par www.etudecours.com
Algebre1 s1 par www.etudecours.com
etude cours
 
CHAPITRE 2 VARIABLE ALEATOIRE probabilité.ppt
CHAPITRE 2 VARIABLE ALEATOIRE probabilité.pptCHAPITRE 2 VARIABLE ALEATOIRE probabilité.ppt
CHAPITRE 2 VARIABLE ALEATOIRE probabilité.ppt
bentaha1011
 
Cours de probabilités chap2.pptx
Cours de probabilités chap2.pptxCours de probabilités chap2.pptx
Cours de probabilités chap2.pptx
HanaeElabbas
 
DS6-CB-sujet (1).pdf
DS6-CB-sujet (1).pdfDS6-CB-sujet (1).pdf
DS6-CB-sujet (1).pdf
hajar517389
 
Théorie des distributions
Théorie des distributionsThéorie des distributions
Théorie des distributions
Dodovrosky Francisco Medrano Rocha
 
Discrimination et régression pour des dérivées : un résultat de consistance p...
Discrimination et régression pour des dérivées : un résultat de consistance p...Discrimination et régression pour des dérivées : un résultat de consistance p...
Discrimination et régression pour des dérivées : un résultat de consistance p...
tuxette
 
Formes bilineaire symetrique et formes quadratiques (1).pdf
Formes bilineaire symetrique et formes quadratiques (1).pdfFormes bilineaire symetrique et formes quadratiques (1).pdf
Formes bilineaire symetrique et formes quadratiques (1).pdf
VrazylandGuekou1
 
Calcul scientifique IVP
Calcul scientifique IVPCalcul scientifique IVP
Calcul scientifique IVP
Mouhamed Ndao
 

Similaire à Chapitre1.pdf (20)

Rappels stats-2014-part2
Rappels stats-2014-part2Rappels stats-2014-part2
Rappels stats-2014-part2
 
éChantillonnage estimation
éChantillonnage   estimationéChantillonnage   estimation
éChantillonnage estimation
 
Equations différentielles, DUT MP, CM 2
Equations différentielles, DUT MP, CM 2Equations différentielles, DUT MP, CM 2
Equations différentielles, DUT MP, CM 2
 
Exam of June 2016, Mathematical Statistics 3rd year
Exam of June 2016, Mathematical Statistics 3rd yearExam of June 2016, Mathematical Statistics 3rd year
Exam of June 2016, Mathematical Statistics 3rd year
 
L'essentiel du programme de l'agrégation de mathématiques
L'essentiel du programme de l'agrégation de mathématiquesL'essentiel du programme de l'agrégation de mathématiques
L'essentiel du programme de l'agrégation de mathématiques
 
01 lois-à-densité
01 lois-à-densité01 lois-à-densité
01 lois-à-densité
 
Probabilité +echantillonage
Probabilité +echantillonageProbabilité +echantillonage
Probabilité +echantillonage
 
Formalisation de la théorie des ensembles
Formalisation de la théorie des ensemblesFormalisation de la théorie des ensembles
Formalisation de la théorie des ensembles
 
1s prob
1s prob1s prob
1s prob
 
Ch ensembles
Ch ensemblesCh ensembles
Ch ensembles
 
Espacesvec
EspacesvecEspacesvec
Espacesvec
 
Algebre1 s1 par www.etudecours.com
Algebre1 s1 par www.etudecours.comAlgebre1 s1 par www.etudecours.com
Algebre1 s1 par www.etudecours.com
 
CHAPITRE 2 VARIABLE ALEATOIRE probabilité.ppt
CHAPITRE 2 VARIABLE ALEATOIRE probabilité.pptCHAPITRE 2 VARIABLE ALEATOIRE probabilité.ppt
CHAPITRE 2 VARIABLE ALEATOIRE probabilité.ppt
 
Cours de probabilités chap2.pptx
Cours de probabilités chap2.pptxCours de probabilités chap2.pptx
Cours de probabilités chap2.pptx
 
DS6-CB-sujet (1).pdf
DS6-CB-sujet (1).pdfDS6-CB-sujet (1).pdf
DS6-CB-sujet (1).pdf
 
Théorie des distributions
Théorie des distributionsThéorie des distributions
Théorie des distributions
 
Discrimination et régression pour des dérivées : un résultat de consistance p...
Discrimination et régression pour des dérivées : un résultat de consistance p...Discrimination et régression pour des dérivées : un résultat de consistance p...
Discrimination et régression pour des dérivées : un résultat de consistance p...
 
Formes bilineaire symetrique et formes quadratiques (1).pdf
Formes bilineaire symetrique et formes quadratiques (1).pdfFormes bilineaire symetrique et formes quadratiques (1).pdf
Formes bilineaire symetrique et formes quadratiques (1).pdf
 
Calcul scientifique IVP
Calcul scientifique IVPCalcul scientifique IVP
Calcul scientifique IVP
 
Exercices act2121-session5
Exercices act2121-session5Exercices act2121-session5
Exercices act2121-session5
 

Dernier

Proyecto Erasmus Jardineros y jardineras de paz
Proyecto Erasmus Jardineros y jardineras de pazProyecto Erasmus Jardineros y jardineras de paz
Proyecto Erasmus Jardineros y jardineras de paz
Morzadec Cécile
 
BATIMENT 5.pptx. Fil français tourné en France
BATIMENT 5.pptx. Fil français tourné en FranceBATIMENT 5.pptx. Fil français tourné en France
BATIMENT 5.pptx. Fil français tourné en France
Txaruka
 
Veille Audocdi 90 - mois de juin 2024.pdf
Veille Audocdi 90 - mois de juin 2024.pdfVeille Audocdi 90 - mois de juin 2024.pdf
Veille Audocdi 90 - mois de juin 2024.pdf
frizzole
 
Iris van Herpen. pptx
Iris         van        Herpen.      pptxIris         van        Herpen.      pptx
Iris van Herpen. pptx
Txaruka
 
Bibliothèque de L'Union - Bilan de l'année 2023
Bibliothèque de L'Union - Bilan de l'année 2023Bibliothèque de L'Union - Bilan de l'année 2023
Bibliothèque de L'Union - Bilan de l'année 2023
Bibliothèque de L'Union
 
cours-LasergrammetrieLe « LiDAR», de l’anglais « Light.pptx
cours-LasergrammetrieLe « LiDAR», de l’anglais « Light.pptxcours-LasergrammetrieLe « LiDAR», de l’anglais « Light.pptx
cours-LasergrammetrieLe « LiDAR», de l’anglais « Light.pptx
AbdessamadAmimi1
 
Textes de famille concernant les guerres V2.pdf
Textes de famille concernant les guerres V2.pdfTextes de famille concernant les guerres V2.pdf
Textes de famille concernant les guerres V2.pdf
Michel Bruley
 

Dernier (7)

Proyecto Erasmus Jardineros y jardineras de paz
Proyecto Erasmus Jardineros y jardineras de pazProyecto Erasmus Jardineros y jardineras de paz
Proyecto Erasmus Jardineros y jardineras de paz
 
BATIMENT 5.pptx. Fil français tourné en France
BATIMENT 5.pptx. Fil français tourné en FranceBATIMENT 5.pptx. Fil français tourné en France
BATIMENT 5.pptx. Fil français tourné en France
 
Veille Audocdi 90 - mois de juin 2024.pdf
Veille Audocdi 90 - mois de juin 2024.pdfVeille Audocdi 90 - mois de juin 2024.pdf
Veille Audocdi 90 - mois de juin 2024.pdf
 
Iris van Herpen. pptx
Iris         van        Herpen.      pptxIris         van        Herpen.      pptx
Iris van Herpen. pptx
 
Bibliothèque de L'Union - Bilan de l'année 2023
Bibliothèque de L'Union - Bilan de l'année 2023Bibliothèque de L'Union - Bilan de l'année 2023
Bibliothèque de L'Union - Bilan de l'année 2023
 
cours-LasergrammetrieLe « LiDAR», de l’anglais « Light.pptx
cours-LasergrammetrieLe « LiDAR», de l’anglais « Light.pptxcours-LasergrammetrieLe « LiDAR», de l’anglais « Light.pptx
cours-LasergrammetrieLe « LiDAR», de l’anglais « Light.pptx
 
Textes de famille concernant les guerres V2.pdf
Textes de famille concernant les guerres V2.pdfTextes de famille concernant les guerres V2.pdf
Textes de famille concernant les guerres V2.pdf
 

Chapitre1.pdf

  • 1. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Plan du chapitre 1 Généralités et définitions Illustration Définition 2 Variables aléatoires discrètes Définitions Les moments : Espérance et Variance Loi discrètes usuelles 3 Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Brice DONGMEZO, Ing. Ph.D Proba & Stat - ISME 27 avril 2021 2 / 30
  • 2. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Illustration Définition Généralités et définitions Brice DONGMEZO, Ing. Ph.D Proba & Stat - ISME 27 avril 2021 3 / 30
  • 3. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Illustration Définition Exemple introductif Une expérience aléatoire consiste à tirer au hasard huit familles de 3 enfants à Nouakchott. On s’intéresse au nombre de garçon dans chaque famille tirée. L’univers associé à cette expérience est : Ω = {FFF; FFG; FGF; FGG; GFF; GFG; GGF; GGG}, qui correspond aux configurations possibles des 3 enfants dans la famille. Associons à chaque élément ω ∈ Ω le nombre de garçons de la famille. On a : ω FFF FFG FGF FGG GFF GFG GGF GGG Nbre garçons 0 1 1 2 1 2 2 3 On remarque que deux évènements élémentaires de Ω peuvent conduire au même nombre de garçons. Pour chaque évènement élémentaire, on peut calculer la probabilité par exemple P ({ω = FFG}) = 1 8 mais P ({Nbre Garcons = 1}) = 3 8 . Associer ou faire correspondre à chaque élément de Ω une quantité numérique réelle revient à définir une variable aléatoire. Brice DONGMEZO, Ing. Ph.D Proba & Stat - ISME 27 avril 2021 4 / 30
  • 4. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Illustration Définition Cas général Définition Soit (Ω, F, P) un espace probabilisé, on appelle variable aléatoire sur (Ω, F, P) à valeur dans un ensemble (un corps) E l’application X définie par : X : Ω → E ω 7→ X(ω) et qui vérifie ∀x ∈ E, X−1({x}) ∈ F. Dans l’exemple introductif, E ⊂ N et X(ω) est le nombre de garçons pour la configuration ω et c’est une réalisation de la variable aléatoire X. Remarque Une variable aléatoire peut être de deux types : Discrète : si E est fini ou infini mais dénombrable; E ⊆ N (nombre de garçons, résultat d’un lancé de dé ou de pièce de monnaie); Continue : si E est un intervalle de R, X prend n’importe quelle valeur dans un intervalle de R (taille d’un individu, concentration d’une solution). Brice DONGMEZO, Ing. Ph.D Proba & Stat - ISME 27 avril 2021 5 / 30
  • 5. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Les moments : Espérance et Variance Loi discrètes usuelles Variables aléatoires discrètes Brice DONGMEZO, Ing. Ph.D Proba & Stat - ISME 27 avril 2021 6 / 30
  • 6. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Les moments : Espérance et Variance Loi discrètes usuelles V.a.d, loi et fonction de répartition Définition Soit (Ω, F, P) un espace probabilisé, on appelle variable aléatoire discrète sur (Ω, F, P) à valeur dans un ensemble (un corps) E l’application X définie par : X : Ω → E ω 7→ X(ω) = x telle que E fini ou infini et dénombrable et qui vérifie ∀x ∈ E, X−1({x}) ∈ F. Dans l’exemple introductif, on note X = « le nombre de garçons dans une famille de 3 enfants » est une variable aléatoire définie de Ω vers l’ensemble E = {0, 1, 2, 3}. On a par exemple X ({FFF}) = 0 ou encore X−1 (1) = {FFG, FGF, GFF} ∈ F = P(Ω). Définition On appelle loi de probabilité d’une variable aléatoire discrète X, l’application PX définie par : PX : E → [0, 1] x 7→ PX(x) = P (X = x) Brice DONGMEZO, Ing. Ph.D Proba & Stat - ISME 27 avril 2021 7 / 30
  • 7. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Les moments : Espérance et Variance Loi discrètes usuelles V.a.d, loi et fonction de répartition Remarque : Pour définir une loi de probabilité associé à une variable aléatoire, il suffit d’avoir la probabilité de chacune des valeurs que cette variable aléatoire peut prendre. Autrement dit ∀x ∈ E on peut calculer PX(x) = P(X = x) Exemple : Dans l’exemple introductif, déterminer la loi de X Proposition Soit X une variable aléatoire discrète à valeur dans un espace E, alors on a : ∀x ∈ E, 0 6 PX(x) 6 1 ∑ x∈E PX(x) = 1 On a P (X ∈ [a, b]) = ∑ x∈[a,b]⊂E PX(x) Exemple : Dans l’exemple introductif, calculez : P (X ∈ [1, 2]) Brice DONGMEZO, Ing. Ph.D Proba & Stat - ISME 27 avril 2021 8 / 30
  • 8. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Les moments : Espérance et Variance Loi discrètes usuelles V.a.d, loi et fonction de répartition Définition Soit X une variable aléatoire discrète, on appelle Fonction de répartition de la v.a.d X l’application F définie telle que : F : R → [0, 1] x 7→ F(x) = P (X 6 x) . Si E = {x1, x2, ..., xn} est ordonné alors la fonction de répartition définie sur E ⊂ R s’écrit encore : ∀j, 1 6 j 6 n F(xj) = P X 6 xj = j ∑ i=1 P(X = xi) Exemple : Déterminer la fonction de répartition de X dans l’exemple introductif. Proposition Soit X une variable aléatoire réelle et F sa fonction de répartition associée, on a : 1 ∀t ∈ R, 0 6 F(t) 6 1 2 F est croissante sur R 3 lim t→−∞ F(t) = 0 et lim t→+∞ F(t) = 1 Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 9 / 30
  • 9. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Les moments : Espérance et Variance Loi discrètes usuelles Espérance mathématique Définition On appelle espérance mathématique d’une variable aléatoire discrète X prenant les valeurs dans l’ensemble E = {x1, x2, ..., xn}, la quantité notée E [X] ou E(X) définie par : E [X] = ∑ x∈E xP(X = x) = n ∑ i=1 xiP(X = xi) Exemple : Montrer que dans l’exemple introductif, E(X) = 3/2 Proposition Soient X et Y deux variables aléatoires, et soient λ et δ deux constantes, alors on a : E [λX] = λE [X] E [X + Y] = E [X] + E [Y] E [λX + δY] = λE [X] + δE [Y] E [λ] = λ l’espérance mathématique d’une variable aléatoire constante est la même constante. Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 10 / 30
  • 10. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Les moments : Espérance et Variance Loi discrètes usuelles La variance Définition Soit X une variable aléatoire définie sur un espace probabilisé et d’espérance mathématique E(X) , on appelle variance de X la quantité notée V(X) ou V [X] : V [X] = E h (X − E [X])2 i Si X prend des valeurs dans E = {x1, x2, ..., xn}, alors V [X] = n ∑ i=1 (xi − E [X])2 P (X = xi) Remarque : V(X) ≥ 0 et la quantité σ(X) = p V(X) est appelé écart type de X. Exemple : Dans l’exemple introductif, la variance vaut 0,75. Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 11 / 30
  • 11. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Les moments : Espérance et Variance Loi discrètes usuelles La variance Proposition Soient X et Y deux variables aléatoires, et soient λ et δ deux constantes, alors on a : V (X) = E X2 − (E (X))2 V (λX) = λ2V (X) et V (λ) = V [λ] = 0 V (X + Y) = V (X) + V (Y) + 2 [E (XY) − E (X) E (Y)] Définition Soient X et Y deux variables aléatoires sur un espace probabilisé (Ω, P). On appelle Covariance de X et Y notée Cov(X, Y) la quantité : Cov (X, Y) = E [(X − E(X)) (Y − E(Y))] = E (XY) − E (X) E (Y) Mesure de la variation simultanée de deux variables aléatoires : elle permet d’évaluer l’importance et le sens de cette variation. Elle peut être positive, négative ou nulle (lorsque les variables sont indépendantes). Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 12 / 30
  • 12. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Les moments : Espérance et Variance Loi discrètes usuelles Loi discrète uniforme Définition Soit X une variable aléatoire discrète qui prend un nombre fini de valeurs dans R notées x1, x2, ..., xn avec n ∈ N. On dit que X suit une loi discrète uniforme et non note X ∼ U(n) si ∀i = 1, 2, ..., n , on a : pi = P (X = xi) = 1 n On dit que la distribution de X est uniforme sur son ensemble de valeurs . Exemple : Lancé d’un dé et lancé d’une pièce de monnaie conduisent à des lois uniformes. Proposition Dans le cas d’une variable aléatoire discrète uniforme X dont les valeurs sont prises dans l’ensemble {1, 2, ..., n}, c’est-à-dire que xi = i les moments de la variable aléatoire sont donnés par : Espérance E (X) = n+1 2 Variance V (X) = n2−1 12 et Écart-type σ (X) = q n2−1 12 Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 13 / 30
  • 13. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Les moments : Espérance et Variance Loi discrètes usuelles Loi de Bernouilli Définition Soit X une variable aléatoire discrète. On dit que X suit une loi de Bernoulli de paramètre p et on note X ∼ B(p) si X ne peut prendre que deux valeurs (symbolisées 0 et 1) et on peut associer une probabilité pour chacune de ses valeurs. X = ( 1 succès avec la probabilité p 0 échec avec la probabilité q = 1 − p On écrit alors P(X = 0) = 1 − p = q et P(X = 1) = p. Exemple : Tirer une boule rouge dans une urne contenant 6 boules rouges et 18 boules noires peut être modéliser par une variable aléatoire qui suit une loi de Bernouilli. Quel est le paramètre? Proposition Si X ∼ B(p) alors : Espérance E (X) = p Variance V (X) = p(1 − p) = pq et Écart-type σ (X) = √ pq Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 14 / 30
  • 14. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Les moments : Espérance et Variance Loi discrètes usuelles Loi Binomiale Définition La loi binomiale de paramètres n et p; notée B(n, p) est la loi de probabilité du nombre de succès dans la répétition de n expériences identiques et indépendantes d’une loi de Bernoulli de paramètre p (et q = 1 − p la probabilité de l’échec). On définit la loi de cette probabilité comme suit : X ∼ B(n, p) si : P (X = k) = Ck n pk qn−k , ∀k ∈ N/0 6 k 6 n Exemple : On lance deux fois un dé et on s’intéresse on nombre de fois qu’on va obtenir un 6. Modéliser cette expérience. Proposition Si X ∼ B(n, p) alors : Espérance E (X) = np Variance V (X) = np(1 − p) = npq et Écart-type σ (X) = √ npq Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 15 / 30
  • 15. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Les moments : Espérance et Variance Loi discrètes usuelles Loi Géométrique Définition On dit que une variable aléatoire discrète X suit une loi de géométrique de paramètre p (on note X ∼ G(p)) si elle enregistre le nombre d’épreuves successives nécessaire à l’obtention du premier succès lorsqu’on répète indépendamment des épreuves de bernouilli de paramètre p. On a : ∀k ∈ N∗ , P (X = k) = qk−1 p avec q = 1 − p. Exemple : On lance un dé continuellement jusqu’à l’obtention d’un 6. Quelle est la probabilité d’obtenir le 6 au 4e lancé? Proposition Si X ∼ G(p) alors : Espérance E (X) = 1 p Variance V (X) = 1−p p2 = q p2 et Écart-type σ (X) = q q p2 Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 16 / 30
  • 16. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Les moments : Espérance et Variance Loi discrètes usuelles Loi de Poisson Définition On dit que une variable aléatoire discrète X suit une loi de poisson de paramètre λ 0 (on note X ∼ P(λ)) si sa loi de probabilité vérifie : ∀k ∈ N, P (X = k) = λke−λ k! Remarque : La loi de Poisson est aussi appelée loi des évènements rares, utilisée pour modéliser le nombre de pièces défectueuses dans un lot important où la probabilité de pièces défectueuses est faible etc. Exemple : On admet que le nombre d’accidents survenant sur une autoroute quotidiennement est une variable aléatoire qui suit une loi de Poisson de paramètre λ = 2 : Quelle est la probabilité qu’il y ait au moins 2 accidents lors d’un jour donné? Proposition Si X ∼ P(λ) alors : Espérance E (X) = λ Variance V (X) = λ et Écart-type σ (X) = √ λ Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 17 / 30
  • 17. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Variables aléatoires continues Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 18 / 30
  • 18. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles V.a.c, loi et fonction de répartition Définition Soit (Ω, F, P) un espace probabilisé, on appelle variable aléatoire continue sur (Ω, F, P) à valeur dans un ensemble (un corps) E l’application X définie par : X : Ω → E ω 7→ X(ω) = x telle que E est un intervalle de R et qui vérifie ∀x ∈ E, X−1({x}) ∈ F. On définit également dans certain contextes une variable aléatoire continue comme une variable aléatoire à valeur dans R qui vérifie ∀x ∈ R, PX ({x}) = P (X = x) = 0. Exemple : Taille, poids, âge, concentration, tension. Définition La loi de probabilité d’une variable aléatoire continue X est établie si il existe une fonction f appelée densité de X continue par morceaux et qui vérifie : ∀t ∈ R, f (t) 0 et R +∞ −∞ f (t)dt = 1 ∀a, b ∈ R, P (X ∈ [a, b]) = PX ([a, b]) = R b a f (t)dt Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 19 / 30
  • 19. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Fonction de répartition Définition Soit X une variable aléatoire continue sur un espace probabilisé (Ω, P). On appelle fonction de répartition de X l’application F définie sur R telle que : F : R → [0, 1] x 7→ F(x) = P (X 6 x) = Z x −∞ f (t)dt En utilisant la fonction de répartition, on a : P (X ∈ [a, b]) = R b a f (t)dt = F(b) − F(a) Proposition Soit X une v.a.c sur (Ω, F, P), soit F sa fonction de répartition, alors on a : F est continue et croissante lim x→−∞ F(x) = 0 et lim x→+∞ F(x) = 1 F0 = f Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 20 / 30
  • 20. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Quantile Définition On définit le quantile d’ordre α ∈]0, 1[ de la variable aléatoire X comme étant le réel xα qui vérifie F(xα) = α. Exemple : Le quantile d’ordre 0,5 est appelé la médiane. Les quantile d’ordre k × 0, 25 sont appelés les quartiles k = 1, 2, 3. Les quantiles d’ordre k × 0, 1 sont appelés les déciles k = 1, ..., 9. Applications : On considère la fonction f (x) = ( 2x si x ∈ [0, 1] 0 si non . Montrez que f est la densité d’une variable aléatoire X. Calculer la fonction de réparation de X et déterminer les quantiles d’ordre 0,5 de X et 0,8 (8eme décile). Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 21 / 30
  • 21. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Espérance mathématique Définition Soit X une v.a.c sur un espace probabilisé (Ω, F, P). On suppose que X admet une densité noté f alors l’espérance mathématique de X est la quantité notée E(X) définie par : E (X) = Z +∞ −∞ x f (x)dx Exemple : Montrer que si X admet pour densité f (x) = 2x 1[0,1](x) alors E(X) = 2/3. Proposition Soit X et Y deux v.a.c, et soit λ et µ deux réels non nuls. Alors on a : E (λX) = λE (X) E (X + Y) = E (X) + E (Y) (admis) E (λX + µY) = λE (X) + µE (Y) Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 22 / 30
  • 22. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Variance Définition Soit X une v.a.c sur un espace probabilisé (Ω, F, P). On suppose que X admet une densité noté f alors la variance de X est la quantité notée V(X) ou V[X] définie par : V [X] = E h (X − E [X])2 i = E X2 − (E [X])2 en remplacant la densité on a : V [X] = Z +∞ −∞ (x − E [X]) f (x)dx = Z +∞ −∞ x2 f (x)dx − (E [X])2 . Exemple : Montrer que si X admet pour densité f (x) = 2x 1[0,1](x) alors V(X) = 1/18. Proposition Soit X et Y deux v.a.c, et soit λ et µ deux réels non nuls. Alors on a : V (λX) = λ2V (X) V (λX + µ) = λ2V (X) Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 23 / 30
  • 23. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Loi continue uniforme Définition Soient a et b deux réels tels que a b, une v.a.c X suit la loi continue uniforme sur l’intervalle [a, b] si sa densité f est constante et vaut 1 b−a sur [a, b] et nulle partout ailleurs. Elle est définie comme suit : f (x) =    1 b − a si a 6 x 6 b 0 sinon ou f (x) = 1 b−a 1[a,b](x). On note X ∼ U[a, b] La fonction de répartition de X ∼ U[a, b] est donnée par : F(x) =          0 pour x 6 a x − a b − a pour a 6 x 6 b 1 pour x b Proposition Si X ∼ U[a, b] alors, E (X) = a+b 2 et V (X) = (b−a)2 12 . Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 24 / 30
  • 24. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Loi exponentielle Définition Soit λ un réel strictement positif, une v.a.c X à valeurs dans R∗ + suit la loi exponentielle de paramètre λ notée (ξ(λ)) si elle admet pour densité la fonction f définie par : f (x) = λe−λx 1]0,+∞[(x). On note X ∼ ξ(λ). On montre que la fonction de répartition d’une loi exponentielle de paramètre λ est donnée par : F(x) = (1 − e−λx)1]0,+∞[(x) Proposition Si X ∼ ξ(λ) alors : E (X) = 1 λ et V (X) = 1 λ2 P (X t + s |X t) = P (X s), ∀t, s ∈ R∗ + Loi exponentielle est utilisée pour modéliser les temps d’attente, les durées de vie. Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 25 / 30
  • 25. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Loi normale ou loi de Laplace - Gauss Définition Soient µ et σ deux constantes réelles (σ 0), une v.a.c X suit une loi normale ou une loi de Laplace Gauss si elle admet pour densité de probabilité la fonction f définie sur tout R par : f (x) = 1 σ √ 2π e − (x−µ)2 2σ2 On note : X ∼ N (µ, σ). On montre en utilisant une intégration par partie, les doubles intégrales et un changement en coordonnée polaire que +∞ R −∞ f (x)dx = 1. Proposition Si X ∼ N (µ, σ) alors, E(X) = µ et V(X) = σ2. Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 26 / 30
  • 26. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Loi normale centrée réduite Définition Une variable aléatoire Z suit une loi normale centrée réduite si sa densité de probabilité est donnée par la fonction définie sur tout R par : g(x) = 1 √ 2π e− x2 2 On note : Z ∼ N (0, 1). C’est la normale de moyenne 0 et d’écart-type ou variance 1. Proposition Soit X une variable aléatoire continue, si X ∼ N (µ, σ) alors la quantité Z = X−µ σ ∼ N (0, 1). On dit que la variable aléatoire X a été centrée et réduite. Remarque : Tout comme la loi normale générale, la loi normale centrée réduite a une densité symétrique autour de sa moyenne 0 et par conséquent, sa fonction de répartition possède des propretés intéressantes. Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 27 / 30
  • 27. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Loi normale centrée réduite- Fonction de répartition La fonction de répartition Φ d’une loi normale centrée réduite est donnée par l’expression sous forme d’intégrale suivante : Φ(x) = P (Z 6 x) = x R −∞ g(t)dt = x R −∞ 1 √ 2π e− t2 2 dt On a : Φ(−∞) = 0 et Φ(+∞) = 1 Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 28 / 30
  • 28. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Loi normale centrée réduite- Fonction de répartition La fonction de répartition Φ d’une loi normale centrée réduite est donnée par l’expression sous forme d’intégrale suivante : Φ(x) = P (Z 6 x) = x R −∞ g(t)dt = x R −∞ 1 √ 2π e− t2 2 dt On a : Φ(−∞) = 0 et Φ(+∞) = 1 Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie. Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 28 / 30
  • 29. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Loi normale centrée réduite- Fonction de répartition La fonction de répartition Φ d’une loi normale centrée réduite est donnée par l’expression sous forme d’intégrale suivante : Φ(x) = P (Z 6 x) = x R −∞ g(t)dt = x R −∞ 1 √ 2π e− t2 2 dt On a : Φ(−∞) = 0 et Φ(+∞) = 1 Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie. On montre graphiquement que : P (Z z) = 1 − P (Z 6 z) = 1 − Φ(z) Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 28 / 30
  • 30. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Loi normale centrée réduite- Fonction de répartition La fonction de répartition Φ d’une loi normale centrée réduite est donnée par l’expression sous forme d’intégrale suivante : Φ(x) = P (Z 6 x) = x R −∞ g(t)dt = x R −∞ 1 √ 2π e− t2 2 dt On a : Φ(−∞) = 0 et Φ(+∞) = 1 Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie. On montre graphiquement que : P (Z z) = 1 − P (Z 6 z) = 1 − Φ(z) On montre que : P (z1 6 Z 6 z2) = Φ(z2) − Φ(z1) Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 28 / 30
  • 31. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Loi normale centrée réduite- Fonction de répartition La fonction de répartition Φ d’une loi normale centrée réduite est donnée par l’expression sous forme d’intégrale suivante : Φ(x) = P (Z 6 x) = x R −∞ g(t)dt = x R −∞ 1 √ 2π e− t2 2 dt On a : Φ(−∞) = 0 et Φ(+∞) = 1 Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie. On montre graphiquement que : P (Z z) = 1 − P (Z 6 z) = 1 − Φ(z) On montre que : P (z1 6 Z 6 z2) = Φ(z2) − Φ(z1) ∀z ∈ R∗ +, Φ(z) + Φ(−z) = 1 Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 28 / 30
  • 32. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Loi normale centrée réduite- Fonction de répartition La fonction de répartition Φ d’une loi normale centrée réduite est donnée par l’expression sous forme d’intégrale suivante : Φ(x) = P (Z 6 x) = x R −∞ g(t)dt = x R −∞ 1 √ 2π e− t2 2 dt On a : Φ(−∞) = 0 et Φ(+∞) = 1 Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie. On montre graphiquement que : P (Z z) = 1 − P (Z 6 z) = 1 − Φ(z) On montre que : P (z1 6 Z 6 z2) = Φ(z2) − Φ(z1) ∀z ∈ R∗ +, Φ(z) + Φ(−z) = 1 On peut lire sur la table des valeurs de Φ que : Φ(1, 645) = 0, 95 Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 28 / 30
  • 33. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Loi normale centrée réduite- Fonction de répartition La fonction de répartition Φ d’une loi normale centrée réduite est donnée par l’expression sous forme d’intégrale suivante : Φ(x) = P (Z 6 x) = x R −∞ g(t)dt = x R −∞ 1 √ 2π e− t2 2 dt On a : Φ(−∞) = 0 et Φ(+∞) = 1 Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie. On montre graphiquement que : P (Z z) = 1 − P (Z 6 z) = 1 − Φ(z) On montre que : P (z1 6 Z 6 z2) = Φ(z2) − Φ(z1) ∀z ∈ R∗ +, Φ(z) + Φ(−z) = 1 On peut lire sur la table des valeurs de Φ que : Φ(1, 645) = 0, 95 On peut lire sur la table des valeurs de Φ que : Φ(1, 96) = 0, 975 Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 28 / 30
  • 34. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Loi normale centrée réduite- Fonction de répartition La fonction de répartition Φ d’une loi normale centrée réduite est donnée par l’expression sous forme d’intégrale suivante : Φ(x) = P (Z 6 x) = x R −∞ g(t)dt = x R −∞ 1 √ 2π e− t2 2 dt On a : Φ(−∞) = 0 et Φ(+∞) = 1 Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie. On montre graphiquement que : P (Z z) = 1 − P (Z 6 z) = 1 − Φ(z) On montre que : P (z1 6 Z 6 z2) = Φ(z2) − Φ(z1) ∀z ∈ R∗ +, Φ(z) + Φ(−z) = 1 On peut lire sur la table des valeurs de Φ que : Φ(1, 645) = 0, 95 On peut lire sur la table des valeurs de Φ que : Φ(1, 96) = 0, 975 On peut lire sur la table des valeurs de Φ que : Φ(2, 362) = 0, 99 Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 28 / 30
  • 35. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Loi normale centrée réduite- Fonction de répartition La fonction de répartition Φ d’une loi normale centrée réduite est donnée par l’expression sous forme d’intégrale suivante : Φ(x) = P (Z 6 x) = x R −∞ g(t)dt = x R −∞ 1 √ 2π e− t2 2 dt On a : Φ(−∞) = 0 et Φ(+∞) = 1 Φ(0) = 0, 5 : la densité admettant x = 0 comme axe de symétrie. On montre graphiquement que : P (Z z) = 1 − P (Z 6 z) = 1 − Φ(z) On montre que : P (z1 6 Z 6 z2) = Φ(z2) − Φ(z1) ∀z ∈ R∗ +, Φ(z) + Φ(−z) = 1 On peut lire sur la table des valeurs de Φ que : Φ(1, 645) = 0, 95 On peut lire sur la table des valeurs de Φ que : Φ(1, 96) = 0, 975 On peut lire sur la table des valeurs de Φ que : Φ(2, 362) = 0, 99 On peut lire sur la table des valeurs de Φ que : Φ(2, 57) = 0, 995 Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 28 / 30
  • 36. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Utilisation de la Loi normale centrée réduite Lorsque l’on a X ∼ N (µ, σ) ayant pour fonction de répartition F on a vu que l’on peut toujours se ramener à une loi normale centrée réduite à l’aide d’un changement de variable. En effet, la quantité Z = X−µ σ suit une loi normale centrée réduite. On a donc ∀t ∈ R, F(t) = P (X 6 t) = P (X − µ 6 t − µ) = P X − µ σ 6 t − µ σ = P Z 6 t − µ σ F(t) = Φ t − µ σ Du moment où l’on a la table de la loi normale centrée réduite, calculer la probabilité qu’une variable aléatoire qui suit une loi normale quelconque se ramènera toujours à calculer la valeur de la fonction Φ à un point précis. Application : Soit X ∼ N (µ = 30, σ = 3), déterminons les probabilités suivantes : P ({X = 28}), P ({X 6 33}) , P ({X 6 27}) , P ({27 6 X 6 33}) , P ({X 33}). Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 29 / 30
  • 37. Généralités et définitions Variables aléatoires discrètes Variables aléatoires continues Définitions Moments : Espérance et Variance Loi continues usuelles Autre lois continues utiles Il existe d’autres lois continues utilise en statistique mais que l’on n’a pas le temps d’aborder. Vous pourrez faire des recherches dessus : Loi du Khi-Deux ou Khi-Carré Loi de Student Loi de Fisher Brice DONGMEZO, Ing. Ph.D Proba Stat - ISME 27 avril 2021 30 / 30