Support Pédagogogique 0

:
Les Indispensables pour les ingénieurs

La loi normale
ou

loi de Laplace-Gauss
(2015/2016)

Radouan MORCHADI

Bonjour tout le monde

La loi normale s ’applique en général à une
variable aléatoire continue représentant un caractère
résultant de nombreux facteurs indépendants, dont les
effets s ’additionnent, mais dont aucun n ’est
prépondérant.
Elle est caractérisée par deux paramètres qui sont
la moyenne et l ’écart type.

Exemple: Le poids des bagages à main des passagers de
la RAM suit une loi normale de moyenne 3 ( kg) et
d ’écart type 1,2 (kg).

Soit X une variable aléatoire dont la loi de
probabilité suit une loi normale
de moyenne m
et d’écart-type 

On note : X  N (m ; )
Soit x  R , on a alors :

1
P( X  x)  P( X  x)  
e

 2
x

1 t m 2
 (
)
2 

dt

Lorsque la variance d'une population diminue,
« cela se traduit par une dispersion moins
importante de la courbe autour de la moyenne.
Par conséquent, le sommet de la courbe tend à
s'élever afin de préserver une surface totale sous
la courbe égale à 1 (ou 100%). »

. l'écart-type se trouve au dénominateur(voir terme entouré en rouge). plus ce terme tend à devenir grand.En effet Dans l'équation de la courbe.. Plus l'écarttype est petit..

2 dt x .2 0.1 4 1  1.1 -1 0 1 2 0 3 4 5 6 7 -0.4 Moyenne 3 Ecart type 1. 2 2 P( X  4)   e 1 t 3 2  ( ) 2 1.2 0.Exemple : y Loi Normale 0.3 0.

1) est une loi normale centrée réduite.Pour calculer cette probabilité.1) X m T  On Pose: N(0. . ) Alors T  N (0. on fait un changement de variable: Si X  N (m .

2) X 3 On Pose : T  Alors T  N (0.1) 1.1. 2 X 3 43 P( X  4)  P(  )  P(T  0. 2 1. 2 Il reste à utiliser la table de la loi normale centrée réduite… .Exemple : Si X  N (3.83) 1.

2 0.1 3 4 x e dx .1) 1 On pose alors: (t )  P(T  t )  2   x2 2 t  y 0.5 0.Utilisation de la table de la loi normale centrée réduite: Soit T  N (0.3 0.4 0.1 -4 -3 -2 -1 0 1 2 t -0.

591 0.6331 0.9979 0.9525 0.99952 3.7995 0.9732 0.8485 0.9864 0.8438 0.9463 0.5 2.985 0.7224 0.8 1.879 0.9 2 2.6664 0.9974 0.05 0.9857 0.9911 0.881 0.9981 0.9929 0.6217 0.9535 0.999841 3.5279 0.8686 0.9798 0.9357 0.6141 0.5 0.8907 0.9846 0.8051 0.9974 0.99966 3.9981 0.6 0.9719 0.8389 0.983 0.9961 0.758 0.9934 0.9971 0.9955 0.9508 0.7517 0.9779 0.8315 0.8643 0.4 1.5 0.9207 0.508 0.8621 0.9406 0.9082 0.834 0.1 2.09 0.9968 0.6879 0.9967 0.9599 0.9515 0.4 2.6255 0.7 0.9854 0.9319 0.9265 0.9793 0.898 0.9394 0.9554 0.5517 0.7764 0.8289 0.7088 0.9147 0.9306 0.6808 0.9 1 1.9931 0.9878 0.9032 0.9564 0.9756 0.9 0 0.99976 3.9881 0.9788 0.6985 0.07 0.9441 0.9783 0.02 0.06 0.5557 0.9985 0.2 0.5714 0.8729 0.6628 0.9131 0.6406 0.3 0.5636 0.9099 0.9964 0.9951 0.9222 0. (t ) Se lit dans la table de la loi normale centrée réduite: t 0 0.7881 0.9868 0.1 0.8133 0.5675 0.8078 0.9943 0.8365 0.9066 0.5753 0.9332 0.8106 0.7 2.9162 0.3 1.7389 0.998 0.99904 3.9986 t pi(t) 3 0.5987 0.9767 0.7611 0.648 0.8 0.8531 0.8 2.9946 0.999968 4.9713 0.729 0.9962 0.9875 0.9918 0.9292 0.9279 0.9965 0.8 0.5239 0.719 0.9429 0.8749 0.7549 0.8962 0.8186 0.9633 0.9932 0.9952 0.8888 0.9744 0.7794 0.9049 0.9871 0.7704 0.9649 0.5319 0.9927 0.999997 .9625 0.8508 0.9115 0.9505 0.9896 0.8023 0.9982 0.8997 0.504 0.7486 0.6736 0.6772 0.7054 0.9671 0.9573 0.8554 0.996 0.9838 0.9345 0.8944 0.8254 0.9884 0.9901 0.7357 0.9893 0.9772 0.9904 0.9909 0.2 1.5 1.6554 0.9963 0.997 0.7422 0.8599 0.67 0.5948 0.512 0.99865 3.9821 0.9726 0.7939 0.9693 0.2 2.7157 0.9474 0.4 0.2 0.9706 0.9982 0.7967 0.4 0.9973 0.9616 0.9545 0.5793 0.9382 0.6026 0.9834 0.8577 0.5398 0.994 0.8925 0.9812 0.9975 0.6443 0.5596 0.9969 0.7673 0.6517 0.9686 0.9251 0.9985 0.7823 0.6179 0.9984 0.9699 0.9484 0.9808 0.9956 0.9826 0.5 0.5199 0.9641 0.6064 0.9953 0.937 0.975 0.7852 0.999928 4 0.7123 0.9984 0.7019 0.9983 0.8849 0.9959 0.03 0.9418 0.9761 0.9177 0.883 0.5832 0.9979 0.5478 0.6591 0.9803 0.99931 3.9495 0.9656 0.5871 0.695 0.9938 0.9192 0.6 2.8238 0.9916 0.9738 0.6844 0.9452 0.877 0.9887 0.9925 0.9236 0.9948 0.8159 0.9936 0.9842 0.9906 0.9582 0.6293 0.3 0.9664 0.9591 0.5359 0.9922 0.516 0.6915 0.8212 0.9898 0.7642 0.6 0.6368 0.9913 0.01 0.791 0.08 0.9015 0.7324 0.9817 0.9949 0.992 0.9941 0.8708 0.9678 0.9945 0.9957 0.8665 0.9978 0.8461 0.3 2.9861 0.5 0.9972 0.1 0.6103 0.7734 0.04 0.8413 0.6 1.7 1.5438 0.9976 0.9966 0.9986 0.1 1.8869 0.7257 0.9977 0.989 0.9977 0.7454 0.

1.83)   (0.Retour sur notre exemple: Si X  N (3. 2  P(T  0. 7967 Il y a 79. 2) X 3 43 P( X  4)  P(  ) 1.83)  0. 2 1.67% des bagages à main du vol AF 157 qui ne dépassent pas 4 kg. .

7019  (2.9945  (3.99952 .54)  0.53)  0. calculer :  (0.3) 0.Exercice: A l ’aide de la table de la loi normale centrée réduite.

 (t )  1   (t ) y 0.4 (0.2 0.1 -4 -3 -2 -1 0 -0.9) 0.5 0.3 0.4 0.3 0.9) 0.5 (0.1 y 0.1 .2 0.1 -4 -3 -2 -1 0 1 2 3 4 x 1 2 3 4 x -0.

47)  0.0032  (3) 0. calculer :  (1.00135 .Exercice: A l ’aide de la table de la loi normale centrée réduite.0708  (2. 73)  0.

1 y (0.3 0.P(T  t )  1  (t ) y P(T>0.9) 0.3 0.9) 0.2 0.4 0.4 0.1 -3 -2 -1 0 1 2 3 x 1 2 3 x -0.1 .2 0.1 -3 -2 -1 0 -0.

1) calculer : PT ( 1.05)  0.9821 PT ( 3.Exercice: Soit TN(0. 001155 .1)  0.44)  0.0749 PT ( 2.

2 0.8) 0.1 1 2 3 4 x .7)  (1.1 -4 -3 -2 -1 0 -0.4 0.7)(0.3 0.P(a  T  b)  (b)  (a) y 0.8<T<1.5 P(-0.

8 9 ) 0.9 8  T 2 .1 5  T  2 .01951 .8579 P (3 .Exercice: Soit TN(0.0 5 )0.1 2 ) 0.1616 P (1 .1) calculer : P (0 .2  T   2 .

P( T  t )  P(t  T  t )  2(t )  1 y P(|T|<1.2 0.4 0.1 -3 -2 -1 0 -0.2) 0.3 0.1 1 2 3 x .

1) calculer : P( T0.2)  0.6266 P( T 2.89)  0.9973 .9722 P( T 3)  0.Exercice: Soit TN(0.

.

très utilisées dans les estimations et les tests statistiques de formulation connue mais complexe seules leurs principales caractéristiques seront données .Introduction On va présenter trois lois dérivées de la loi normale.

Loi dérivée de la loi Normale Loi du Chi2 ● .

en particulier. de comparer des distributions  c2   0.Propriétés  Permet. + ∞     distribution de c2 continue c2 à 1 degré de liberté est le carré d’une variable normale centrée réduite représentation graphique de la loi de c2   courbe en cloche unimodale asymétrique avec étalement vers la droite (pour les faibles valeurs de n) famille de courbes de c2 suivant le nombre n de degrés de liberté .

● .

en fonction du nombre de degrés de liberté. celle de n en colonne. la valeur recherchée c2a se situant à l’intersection . les valeurs limites c2a du c2 correspondant au coefficient de risque a table à double entrée (du fait de la dépendance en n) ● ● La valeur de a est lue en ligne.Lecture dans la Table du c2 (la plus utilisée) donne.

09 .Dans les tests statistiques. on utilise souvent comme seuil de risque :   a=5% a=1% soit pour n = 8c25% = 15.51 " c21% = 20.

Remarques : .la table s’arrête pour n = 30. les valeurs sont celles du carré de la variable normale centrée réduite t .pour toute la 1ère ligne. au-delà on prend l’approximation de la loi normale et on utilise donc la table de la loi normale .

Exercice solution .

Espérance et variance ● .

● .

Loi de student ● .

est une courbe en cloche symétrique. + ∞ [ Représentation graphique de la loi de STUDENT.∞.Propriétés ● ● ● Ts   . plus aplatie que la courbe de Gauss (courbe hyper-normale) . Autant plus aplatie que n est plus petit .

. famille de distributions de t s suivant le nombre n de degrés de liberté ● .

.En pratique Table de la variable de STUDENT-FISHER (la plus utilisée). est similaire à celle de l’écart-réduit (loi normale). La table à double entrée (du fait de la dépendance en n) ● La valeur de a est lue en ligne. celle de n en colonne. la valeur recherchée T s se situant à l’intersection .

on utilise souvent comme seuil de risque.228 (t = 1.169 (t = 2.Dans les tests statistiques.  a = 5 % soit  a=1% t s = 2.96 pour loi normale) t s = 3.58 " .

.

.

Espérance et variance ● .

Loi de Fisher-Snedecor ● .

Propriétés ● .

Espérance et variance ● .

Approximation d’une loi binomiale par une loi normale .

Explication ● .

Approximation d’une loi de poisson par une loi normale .

ce qui n'est pas le cas pour des lois discrètes.On sait que pour une variable aléatoire continue. on utilise alors le procédé appelé correction de continuité. Pour pallier à ce problème. . des probabilités du type P(X = a) avec a réel sont nulles.

correction de continuité. .

. Elles permettent pour une variable aléatoire X d’espérance E(X) = m et de variance σ2 d’évaluer la probabilité pour que X diffère de la moyenne d’une quantité inférieure à une valeur h.Inégalité de BienayméTchébycheff L’inégalité de Markov et l’inégalité de BienayméTchébycheff s’appliquent aussi bien aux variables aléatoires discrètes ou continues.

plus sa distribution de probabilité est concentrée autour de son espérance mathématique. plus l’écart-type d’une variable aléatoire est faible. .Le problème est de donner une consistance quantitative à la remarque suivante. nous allons présenter tout d’abord l’inégalité de Markov. Afin de démontrer cette inégalité.

Inégalité de Markov ● .

Voici pourquoi ● .

Inégalité de Bienaymé-Tchébycheff ● .

● .