Upload
manar-sefiane
View
35
Download
0
Embed Size (px)
Citation preview
Probabilités 2 : Lois à densité ou Lois de probabilités continues
« I » : Grandes binomiales
1/ Evolution d'une loi binomiale en fonction du nombre d'essais n
X est la loi binomiale B (0,4 ; n). Ci-dessous, l'histogramme des probabilités pour n ∈ {5;10;15;20;25;60}
n = 5 n = 10 n = 15
n = 20 n = 25 n = 60
2/ Du calcul de probabilité à un calcul d'intégrale ►Dans les cas où n est assez grand par exemple n = 60, on peut approximer l' histogramme par la fonction f représentée en rouge.► La probabilité p(20 ≤ X ≤ 30) représentée en bleu interprétée
comme une aire peut être approximée par l’intégrale ∫20
30
f (x )d x
►C'est ce principe que l'on va généraliser. On va ainsi être amené à calculer des intégrales pour déterminer des probabilités. ► On reviendra sur les lois binomiales plus tard pour les lois normales.
3/ Historique
La célèbre courbe en cloche a été définie au début du XIXième siècle par la mathématicien allemand Karl Friedrich Gauss (1777-1855) lorsqu'il étudia la distribution des erreurs d'observation de l'astéroïde Cérès. A la même époque elle fut aussi décrite par la scientifique français Laplace (1812) qui repris et compléta les travaux du mathématicien Abraham de Moivre (1167-1754) en calculs de probabilité.
La loi associée à la courbe en cloche est appelée loi normale ou loi Laplace-Gauss. On qualifie la loi de normale car elle modélise des situations normales ou naturelles. Par exemple sur une population de 1000 personnes dont la taille moyenne est 1m 70, a un histogramme des tailles proche de la courbe en cloche de Gauss.
1 Lycée de Font Romeu SC
« I I » : Introduction, v ariables aléatoires discrètes ou continues
1/ Remarque : ► Si on choisit au hasard un nombre entier entre 3 et 6 compris, Ω = {3 ; 4 ; 5 ; 6}, on obtient un univers fini composé de 4 entiers. On dit que l'univers est un univers discret et fini►Si on choisit au hasard un nombre entier, Ω = N, on obtient un univers infini dont les éléments sont des valeurs isolés. On dit que l'univers est un univers discret et infini► Si on choisit au hasard un nombre réel entre 3 et 6 compris, Ω = [3 ; 6], on obtient un univers infini dont les valeurs ne sont pas isolées mais continues. On dit que l'univers est un univers continu.
2/ Définitions
Une variable aléatoire discrète est une variable aléatoire dont les valeurs sont isolées, ou discrète.
Exemples :1) Lancer un dé parfaitement équilibré et définir la variable aléatoire X qui prend la valeur 1 si c'est un nombre pair, la valeur 2 si c'est 3 et 0 si on obtient 1 ou 5. X( Ω) = {0 ; 1 ; 2}2) Lancer une pièce de monnaie équilibré et définir la variable aléatoire X qui prend la valeur 1 si c'est F et la valeur 0 si c'est P. X( Ω) = {0 ; 1}
Une variable aléatoire continue est une variable aléatoire qui prend toutes les valeurs d'un intervalle.
Exemples : 1) Appeler un opérateur mobile, attendre moins de 5 minutes et noter le temps d'attente en minutes, X( Ω) = [0; 5]2) Théoriquement un composant électronique peut durer indéfiniment. On note sa durée de vie. X( Ω) = [0 ; +∞[.
3/ Vers la densité de probabilité
► Dans la suite on va étudier des lois de probabilités de variables aléatoires continues telles que X( Ω) = I Avec I = [a ; b] avec a < b
ou I = [a ; + ∞ [ ou I = R
► Il est clair que pour tout réel k qui n' appartient pas à I, p(k) = 0. L'événement {k} est impossible et la probabilité de l’événement « choisir un nombre voisin de k » reste nulle De même, il paraît évident que pour tout réel k de I, p(k) = 0 car il y a une infinité de nombres dans I. Mais l'événement {k} n'est pas impossible, et la probabilité de l'événement « choisir un nombre voisin de k » n'est plus nulle puisque qu'une infinité de nombre conviennent.
► On ne s’intéresse donc pas à la probabilité d'un nombre mais à la probabilité d'un minuscule intervalle contenant ce nombre, cette probabilité f(k) est alors appelée densité de probabilité de ce nombre k . On distingue les deux cas précédents en disant que :
Si k ∉ I alors k est affectée d'une densité de probabilité nulle Si k ∈ I alors est affectée d'une densité de probabilité f(k) non nulle.
► Si on veut calculer la probabilité d'un intervalle [c ; d] de I, on doit calculer la somme infinie de toutes les densité de probabilité des nombres x de l'intervalle [c ; d]
On va donc utiliser un intégrale, et calculer p ([c ; d ])=∫c
d
f ( x)d x ,
► p([c ; d]) = p(X ∈ [c ; d]) est l'aire sous la courbe sur l'intervalle [c ; d] de la fonction densité de probabilité f.
p([c ; d]) est l'aire coloriée en rose
2 Lycée de Font Romeu SC
« II I »: Densité de probabilité f sur un intervalle I avec I = [a ; b] ou I = [a ; + ∞ [ ou I = R
1/ Définition
On appelle densité de probabilité sur un intervalle I de R toute fonction f continue et positive sur I pour laquelle l'aire sous la courbe sur l'intervalle I vaut 1 ua
2/ Conséquences
Si I = [a ; b] avec a < b ∫a
b
f (x )dx=1
Si I = [a ; + ∞ [ limt→+∞
∫a
t
f (x )dx=1 qui peut se noter ∫a
+∞
f ( x)dx=1
Si I = R limt→−∞
∫t
0
f ( x)dx+ limt→+∞
∫0
t
f (x )dx=1 qui peut se noter ∫−∞
+∞
f (x )dx=1
Exercice 0 1 1/ Montrer que la fonction f définie par f(x) = 1 est une densité de probabilité sur [0 ; 1]
2/ Montrer que la fonction f définie par f(x) = 12
est une densité de probabilité sur [1; 3]
3/Montrer que la fonction f définie par f(x) = 0,2 e -0,2 x est une densité de probabilité sur [0 ; + ∞[
4/ 1/ Déterminer le réel k pour que la fonction f définie sur [0;1] par : f ( x ) = k
1+x soit une densité de
probabilité sur [1 ; 2]
1/ f est continue et positive sur [0 ; 1]
∫0
1
1dx=[ x ]10=1
2/ f est continue et positive sur [1 ; 3]
∫1
312
dx=[x2]31=
32−
12=1
3/ f est continue et positive sur [0 ; + ∞[
limt→+∞
∫a
t
f (x )dx= limt→+∞
∫a
t
0,2e−0,2 x dx=limt→+∞
[−e−0,2x] y0= lim
t→+∞
(−e−0,2 t+1)=0+1=1
4/ 1/ f est continue et positive sur [0;1] si k > 0 et on doit avoir ∫1
2k
1+ xdx=1
Or ∫1
2k
1+ xdx=[k ln(1+ x)]2
1=kln3−kln2=kln
32
Donc k ln32=1 et k=
1
ln32
qui est bien positif
« I V »: Loi de probabilité de densité f sur l'intervalle I
1/ Définition
X est la variable aléatoire qui donne les valeurs de I
On appelle loi de probabilité sur I de densité f la probabilité définie de la manière suivante:
Pour tout intervalle J de I, p(J) est l'aire sous la courbe de la fonction f sur l' intervalle J.
Ainsi : pour tout intervalle [c ; d] de I, p ([c ; d] = p(X ∈ [c ; d]) = p (c ≤ X ≤ d) = ∫d
cdxxf )(
3 Lycée de Font Romeu SC
2/ Illustrations
Si I = [a ; b]
p([c ; d]) est l'aire sous la courbe coloriée
Si I = [a ; + ∞ [
p([c ; d]) est l'aire sous la courbe en vert foncé
D'après la définition de la densité de probabilité,
Si I = [a ; b]
P([a ; b]) = 1 , c'est l' aire du domaine teinté.
Si I = [a ; + ∞ [
p([a ; + ∞ [ ) = 1 , c'est l' aire du domaine teinté.
Si I = [a ; + ∞ [ alors pour tout c ≥ a :
p( [c ; + ∞ [ ) = p(X ∈ [c ; + ∞ [) = p( X ≥ c ) = limt→+∞
∫c
t
f (x )dx
Remarque : p( [c ; + ∞ [ ) = 1 – p([a ; c]
p([c ; + ∞ [) est l'aire coloriée en vert foncé Si I = R
L'aire totale sous la courbe est 1.
p(]-∞ ; c[) est colorié en vert
p ([c ; d]) est colorié en gris
p([d ; + ∞ [) est en blanc.
Si I = R alors pour c réel, p( ]-∞ ; c] ) = p(X ∈ ]-∞ ; c] ) = p( X ≤ c ) = limt→−∞
∫t
c
f ( x)dx
pour d réel, p( [d ; + ∞ [ ) = p(X ∈ [d ; + ∞ [) = p( X ≥ d ) = limt→+∞
∫c
t
f (x )dx
L'interprétation d'un probabilité comme une aire induit des propriétés évidentes. ( p(X > d) = 1 – p(x < d) )
4 Lycée de Font Romeu SC
Exercice 0 2 1/ Montrer que la fonction f définie par f(x) = x est une densité de probabilité sur [0 ; √2 ] 2/Déterminer alors p([0,5 : 1])
1/ est continue et positive sur [0 ; 2 ]. De plus ∫0
√2
x dx = [12
x2]√2
0= 1
2/ p ([0,5 ; 1]= ∫1
5,0.dxx = [
12
x2] √10,5
=12−
12
14=
12−
18=
38=0,375
Exercice 0 3
1/ Déterminer le réel k pour que la fonction f définie sur [0;1] par : f ( x ) = kx
1+x2 soit une densité de probabilité
sur [0 ; 1] 2/ Déterminer alors p([0,5 : 1])
1/ f est continue et positive sur [0;1]. On doit avoir ∫0
1kx
1+ x2 dx=1
Or ∫0
1kx
1+ x2 dx=[k2
ln (1+ x2)]1
0=
k2
ln(2)−k2
ln(1)=k2
ln (2) Donc k2
ln2=1 et k=2
ln2
2/ f (x )=kx
1+ x2 et p([0,5 : 1]) = ∫0,5
1kx
1+ x2 dx=[k2
ln (1+ x 2)] 1
0,5=
k2
ln(2)−k2
ln(54)=
k2
ln (85)
Mais k=2
ln2 donc p([0,5 : 1]) =
1ln2
ln(85)=
ln8−ln5ln2
≈0,678
Exercice 0 4 Une entreprise produit des dalles en plâtre suivant une variable aléatoire continue X, en tonnes, qui prend
ses valeurs dans l'intervalle [0 ; 20] avec une densité de probabilité f définie par : f (x) = 0,015x – 0,00075 x2
1/ Démontrer que f est une densité de probabilité sur [0 ; 20].
2/ Calculer la probabilité de l'événement E "La production quotidienne est supérieure ou égale à 12 tonnes".
3/ Par définition, l'espérance de X vaut ∫0
20
xf (x )dx . Calculer l'espérance mathématique de X.
1/ f est une fonction trinôme du second degré avec a < 0 sa concavité est tournée vers le bas de plus, f(0) = 0 et f(20) = 0 donc sur [0 ; 20] f(x) ≥ 0 .
Elle est continue comme toute fonction polynôme.
∫0
20
f (x )dx=∫0
20
(0,015 x−0,00075 x2)dx=[0,0075 x2
−0,00025x3]20
0=1
La fonction f est donc une densité de probabilité sur [0 ; 20]
2/ On cherche p(X > 12) = p(12 < X < 20) = ∫12
20
0,015 x−0,00075 x2 dx=[0,0075 x2−0,00025 x3
]2012
= (0,0075× 20 2 – 0,00025× 20 3) - (0,0075× 12 2 – 0,00025× 12 3)
= 0,352
3/ E(X) = ∫0
20
xf (x )dx=∫0
20
(0,015 x2−0,00075 x3
)dx=[0,005 x3−0,0001875 x4
]200
=10
5 Lycée de Font Romeu SC
Exercice 0 5 1/ Montrer que la fonction f définie par f(x) = 3e−3 x est une densité de probabilité sur [0 ; + ∞[2/ Calculer alors p ([1 ; 2]) 3/ Calculer alors p ([3 ; + ∞[)
1/ f est continue et positive su[0 ; + ∞[.
De plus limt →+∞
∫0
t
3 e−3x dx = limt →+∞
[−e−3x] t0
= limt →+∞
(−e−3t+ 1) = 1
2/ p ([1 ; 2]) = ∫1
2
3e−3x dx=[−e−3x]21
= - e -6 + e -3 = 1
e3−
1
e6=0,047
3/ p ([3 ; + ∞[) = limt →+∞
∫3
t
3 e−3x dx = limt →+∞
[−e−3x] t3
= limt →+∞
(−e−3t+ e−9
) = e - 9
Exercice 0 6
1/ Montrer que la fonction f définie par f(x) = 110
e−110
x est une densité de probabilité sur [0 ; + ∞[
2/ a) p est la loi de probabilité sur [0 ; + ∞[ de densité f. Déterminer p([ 1 ; 5]) et p ( 0 ≤ X ≤ 1 ). Donner la valeur exacte puis la valeur approchée à 10 -3 près3/ On note en minutes la durée X d'une conversation téléphonique. On suppose que X suit la loi de probabilité sur
[0 ; + ∞[ de densité f ( x ) = 110
e−110
x. Quelle est la probabilité que la conversation dure :
a) Plus de 10 minutes ? Donner la valeur exacte puis approchée à 10 3 prèsb) Entre 10 et 20 minutes ? Donner la valeur exacte puis approchée à 10 3 près
1/ f est continue et positive su[0 ; + ∞[. De plus limt →+∞
∫0
t110
e−110
xdx = lim
t →+∞
[−e−110
x] t0
= limt →+∞
(−e−110
x+ 1) = 1
2/ a) p([ 1 ; 5]) = ∫1
5110
e−110
x
dx = [−e−110
x
]51=−e
−12 + e
−110 ≈0,298
p ( 0 ≤ X ≤ 1 )= ∫0
1110
e−110
x
dx = [−e−110
x
]10=−e
−110 + 1≈0,095
3/ a) p ( X > 10 ) = 1 – p([0 ; 10]) = 1 - ∫0
10110
e−110
xdx = 1 - [−e
−110
x]10
0 = 1−−e−11=e−1 ≈ 0,368
b) p(10 < X < 20) = dxet
∫−20
10
10
1
10
1 = 21 −− − ee ≈ 0,233
6 Lycée de Font Romeu SC