MAT2072L - Probabilités discrètes et statistiques descriptives

TD 8 : lois continues

Remarque préliminaire : déterminer la loi d’une variable aléatoire continue X, c’est déter-
miner au moins l’une des choses suivantes :
(a) la fonction de répartition, définie par FX (t) = P(X ≤ t) pour tout t ;
(b) les probabilités P(a ≤ X ≤ b) pour tous réels a et b avec a ≤ b ;
(c) la densité fX (si elle existe),
On pourra vérifier les relations suivantes, qui permettent de passer d’un item à l’autre :
— supposons connaître la fonction de répartition :
— pour tous a et b, on a : P(a ≤ X ≤ b) = FX (b) − FX (a) ;
— pour tout x, on a : fX (x) = FX0 (x) (là où FX est dérivable) ;
— supposons connaître les probabilités P(a ≤ X ≤ b) :
— pour tout t, on a : FX (t) = lim P(a ≤ X ≤ t) ;
a→−∞
P(a ≤ X ≤ b) − P(a ≤ X ≤ x)
— pour tout x, on a : fX (x) = lim (si existence ; a < x fixé) ;
b→x b−x
— supposons connaître la densité fZX :
t
— pour tout t, on a : FX (t) = fX (x) dx ;
−∞
Z b
— pour tous a et b, on a : P(a ≤ X ≤ b) = fX (x) dx.
a
En général, on essaie d’exprimer les probabilités P(a ≤ X ≤ b) comme des intégrales de a à b d’une
certaine fonction f : on en déduit alors facilement la fonction de répartition (c’est la limite quand
a → −∞) et la densité (c’est f ).

Exercice 1 Loi normale

Soit X une v.a. de loi normale N (0, 1). Ainsi, sa densité est définie pour tout x ∈ R par
 2
1 x
f (x) = √ exp − .
2π 2
1. Tracer le graphe de la densité f .
2. On considère la v.a. Y = −X. Montrez que Y suit aussi la loi normale N (0, 1) (indication : se
référer à la fin de la remarque préliminaire)
3. Donner, sans faire de calcul, P[X ≤ 0].
4. En utilisant la table de la fonction de répartition de la loi normale N (0, 1), que vous trouverez à
la suite des exercices, déterminer

P[X ≤ 2.2], P[X ≥ 1,25], P[X < −1], P[0 ≤ X ≤ 2]

puis
P[−1 ≤ X ≤ 1], P[−2 ≤ X ≤ 2], P[−3 ≤ X ≤ 3].

Exercice 2 Translation et changement d’échelle pour une loi normale

1
 1. Soient m ∈ R et σ ∈ R∗+ . Soit X une v.a. de loi normale N (m, σ 2 ). Quelle est la loi de Z = X−m
σ ?
2. Soit Z une v.a. de loi N (0, 1). Soient deux réels a et b avec a 6= 0. Déterminer la loi de Y = aZ +b.
3. Soit X de loi N (5, σ 2 = 4). Calculer la probabilité P [X > 4], grâce à la table de la fonction de
répartition de la loi normale standard.

Exercice 3 Estimation d’une probabilité

Dans une fonderie, on fabrique des barres en aluminium. Le procédé de fabrication est tel que la
longueur (en cm) d’une barre est distribuée selon une loi normale de paramètres m = 2 et σ = 0,012.
Les limites de tolérance sont données comme étant 2,000 ± 0,012. Quel sera le pourcentage de pièces
défectueuses ?
Exercice 4 Test d’hypothèse
Je lance 100 fois une pièce de monnaie et je tombe 43 fois sur « face ». Que dire ?
Plus généralement, notons p la probabilité d’avoir « face » quand on lance une fois la pièce. Et
posons n = 100 le nombre de lancers.
1. Modéliser cette expérience en donnant l’ensemble fondamental et construire une fonction proba-
bilité sur cet ensemble.
2. On considère la variable aléatoire Sn qui donne le nombre de « faces » obtenus après n lancers.
Précisez sa loi, son espérance et sa variance.
3. En utilisant l’inégalité de Tchebychev, que pouvez vous dire de la probabilité de s’écarter de np
de 7 ou plus ? Application numérique avec p = 1/2 et n = 100.
Sn
4. Par quelle loi peut-on approcher la loi de Sn ? On pose Fn = n . Calculer l’espérance et la
variance de Fn .
5. Déterminer le réel a tel que
 
P Fn − a < p < Fn + a = 0,95.

L’intervalle [Fn − a, Fn + a] est appelé intervalle de confiance pour la probabilité p de tomber

sur « face ». Conclusion ?

Exercice 5 Estimation d’une probabilité par sondage

Soit n ∈ N∗ . On cherche à estimer le taux de participation pour les prochaines élections en inter-
rogeant n citoyens de plus de 18 ans. Notons p ce taux de participation dans toute la population.
1. Pour tout 1 ≤ i ≤ n, on considère Xi la v.a. de Bernoulli qui indique si la i-ième personne
interrogée a l’intention d’aller voter. Soit X le nombre de personnes qui ont l’intention d’aller
voter parmi les n interrogées. Comment sont liées les Xi et X ? Quelle est la loi de X ?
2. On considère la proportion de votants dans notre échantillon : F = X/n. Quelle est l’espérance
et la variance de F ? Quelle évolution de ces indicateurs quand n devient grand ?
3. Soit ε > 0. Grâce à l’inégalité de Bienaymé-Tchebychev (chapitre 6, section 6), proposer une
majoration de P[|F − p| > ε]. Application numérique avec n = 1000, ε = 0,1, p = 0,5. Essayer
aussi avec n = 100 000.
4. En utilisant le théorème de Moivre-Laplace, approcher la loi de X, puis la loi de F par une loi
continue. Proposer un calcul approximatif de P[|F − p| > ε] avec n = 1000, ε = 0,1, p = 0,5.
Essayer aussi avec ε = 0,01.
5. Soit α ∈]0, 1[. On cherche un réel a, qui dépend de F , tel que

P[F − a ≤ p ≤ F + a] ' 1 − α.

6. On souhaite que cet intervalle soit de longueur inférieure à 2 %. Combien doit-on interroger de
personnes au minimum ? (on pourra majorer p(1 − p) par 1/4).

2
 Fonction de répartition de la loi normale centrée réduite

P(Z ≤ z)

z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389

1 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767

2 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986

Grandes valeurs de z :

z 3.0 3.1 3.2 3.3 3.4 3.5 4.0 4.5

F (z) 0.9987 0.99904 0.99931 0.99952 0.99966 0.99976 0.999968 0.999997