Chap1-La Loi Normale-Slah

23/10/2021
23/10/2021 Khlifi S. 1
 Un procédé de conditionnement de produits

alimentaires est réglé de sorte à verser une
quantité d’aliments égale à 100g dans un pot.
 Un opérateur prélève 50 pots et présente les

résultats dans le tableau et graphique
suivants :
23/10/2021 Khlifi S. 2
1
23/10/2021
N° Mesure N° Mesure N° Mesure N° Mesure N° Mesure

1 96,5 11 96,7 21 97,9 31 98,3 41 98,6
2 101,8 12 100,2 22 99,8 32 99,5 42 99,6
3 99,6 13 99,7 23 99,9 33 100,1 43 100,4
4 100,8 14 99,2 24 100,6 34 100,7 44 98,9
5 100,8 15 101,0 25 101,6 35 98,7 45 103,5
6 97,4 16 97,9 26 98,1 36 98,6 46 97,8
7 101,8 17 100,2 27 99,3 37 99,5 47 99,1
8 99,8 18 99,8 28 100,0 38 100,2 48 100,3
9 99,1 19 100,5 29 100,6 39 100,8 49 98,8
10 101,2 20 101,5 30 100,5 40 102,8 50 101,2
23/10/2021 Khlifi S. 3
• Regrouper les • Paramètres de • Probabilité et

mesures en position et de Intervalle de
classes • Etudier la dispersion • La Loi Normale Confiance
normalité centrée Réduite
23/10/2021 Khlifi S. 4
2
23/10/2021
Paramètres de Calcul de Probabilité

Regrouper les La Loi Normale
Etudier la normalité position et de et Intervalle de
mesures en classes Centrée réduite
dispersion confiance
1- Calculer le nombre de classe k
2- Calculer l’amplitude a des

classes
3- Répartir les observations sur

les différentes classes
23/10/2021 Khlifi S. 5

23/10/2021 Khlifi S. 6
3
23/10/2021

23/10/2021 Khlifi S. 7

96.5 98.7 99.6 100.2 100.8

96.7 98.8 99.7 100.3 101.0
97.4 98.9 99.8 100.4 101.2
97.8 99.1 99.8 100.5 101.2
97.9 99.1 99.8 100.5 101.5
97.9 99.2 99.9 100.6 101.6
98.1 99.3 100.0 100.6 101.8
98.3 99.5 100.1 100.7 101.8
98.6 99.5 100.2 100.8 102.8
98.6 99.6 100.2 100.8 103.5
23/10/2021 Khlifi S. 8
4
23/10/2021

Poids Nb de pots Histogramme des poids

96,5-97,5 3 20
15
97,5-98,5 5
10
98,5-99,5 11
5
99,5-100,5 16 0
100,5-101,5 10
101,5-102,5 3
102,5-103,5 2
23/10/2021 Khlifi S. 9


96,5-97,5 3 20
15
97,5-98,5 5
10
98,5-99,5 11
5
99,5-100,5 16 0
100,5-101,5 10
101,5-102,5 3
102,5-103,5 2
23/10/2021 Khlifi S. 10
5
23/10/2021


96,5-97,5 3 20
15
97,5-98,5 5
10
98,5-99,5 11
5
99,5-100,5 16 0
100,5-101,5 10
101,5-102,5 3
102,5-103,5 2
23/10/2021 Khlifi S. 11

1- Qu’est ce qu’une loi Normale ?

2- Vérification graphique de la
Normalité
a- Tracer l’histogramme
b- La droite d’Henry
4- Que faire en cas de données non-
normale.
23/10/2021 Khlifi S. 12
6
23/10/2021

• Distribution Normale est une fonction théorique souvent utilisée en statistique

inférentielle comme approximation de distributions d'échantillonnage.
• D'une manière générale, la loi normale fournit un bon modèle pour une variable
aléatoire lorsque :
• 1. La variable a une forte tendance à prendre une valeur centrale ;
• 2. Il existe une probabilité identique d'observer un écart positif ou négatif par
rapport à cette valeur centrale ;
• 3. La fréquence des écarts chute rapidement à mesure que ces écarts deviennent
plus importants.
23/10/2021 Khlifi S. 13

• La loi normale est considérée comme la conjonction d'une infinité

d'événements aléatoires indépendants (binomiaux) déterminant les valeurs
d'une variable particulière.
• Par exemple, il existe une infinité de facteurs qui déterminent la taille d'un
individu (des milliers de gênes, la nutrition, les maladies, etc...).
• Par ailleurs, peut-on s'attendre à une distribution normalement distribuée de la
taille dans la population.
• Sa réorientation graphique prend la forme d’une cloche
• Sa fonction mathématique est la suivante :
23/10/2021 Khlifi S. 14
7
23/10/2021

Représentation graphique (cloche)
 Forme de cloche
 Symétrique
 Infinie
23/10/2021 Khlifi S. 15

23/10/2021 Khlifi S. 16
8
23/10/2021

Forme de
cloche
Symétrique
Centrée / à
la moyenne
23/10/2021 Khlifi S. 17

14,00%
12,00%
10,00%
8,00%
6,00%
4,00%
2,00%
0,00%
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Taille des Français Somme de 3 dés
Fréquence battements
23/10/2021 Khlifi S. cardiaques 18
9
23/10/2021


Normalité
normale.
23/10/2021 Khlifi S. 19


96,5-97,5 3 20
15
97,5-98,5 5
10
98,5-99,5 11
5
99,5-100,5 16 0
100,5-101,5 10
101,5-102,5 3
102,5-103,5 2
23/10/2021 Khlifi S. 20
10
23/10/2021

Construire une droite d’Henry
• Le diagramme d’Henry (ou « droite

d’Henry ») permet d’apprécier
l’adéquation d’une distribution observée
à la loi de Gauss (ou normale)
23/10/2021 Khlifi S. 21

Principe de construction
• 1- Calculer l’effectif cumulé pour chaque valeur observée X (ou limite supérieure de la
classe si les observations sont regroupées en classes).
• 2- Calculer la fréquence cumulée, c’est-à-dire l’effectif cumulé divisé par l’effectif total.
• 3- Déterminer le normit (normal unit) de chaque valeur de X (il s’agit de la valeur t (ou x)
lue dans la table de la loi normale centrée réduite pour chaque fréquence cumulée.
• NB : la fonction LOI.NORMALE.STANDARD.INVERSE d’Excel
• 4- Représenter le nuage de points dont les coordonnées sont représentés par les couples
(x ; y), où les X sont les valeurs de la variable (ou limite supérieure de la classe) et y sont
les normits correspondants.
23/10/2021 Khlifi S. 22
11
23/10/2021

Règle d’Interprétation
• La règle stipule que pour une distribution Gaussienne (normale), les points seront alignés
(nuage points voisin d’une droite).
• Par conséquent :
• Si les points obtenus sont sensiblement alignés, on accepte l’hypothèse de normalité
dans la population.
• Si les points obtenus ne sont pas sensiblement alignés, on rejette l’hypothèse de
normalité.
• NB : Retenez que le jugement est assez subjectif.
23/10/2021 Khlifi S. 23


Normalité
normale.
23/10/2021 Khlifi S. 24
12
23/10/2021

Les paramètres
1- La moyenne µ
Estimée par X_bar
2- l’écart-type σ
Estimé par s
23/10/2021 Khlifi S. 25

Dans la Population (Valeurs

Dans l’échantillon (valeurs empiriques)
théoriques)
• Moyenne • Moyenne arithmétique

µ (Théorique) ou E(X)
Espérance Mathématique)
• Ecart-type • Ecart-type estimé
23/10/2021 Khlifi S. 26
13
23/10/2021

Signification des paramètres

(moyenne et écart-type en
contrôle stat de la qualité
23/10/2021 Khlifi S. 27

• Moyenne : 0
• Écart type : 3
• Moyenne : 4
• Écart type : 1
• Moyenne : -1
• Écart type : 0,5
23/10/2021 Khlifi S. 28
14
23/10/2021

 1- Définition :
La loi normale de moyenne=0 et d’écart type=1
est appelée la loi normale centrée réduite.
Si X suit une loi normale centrée réduite,
E(X) = 0 et Var(X) = 1 . On écrit X suit N(0;1)
x 2
1
Elle a pour densité f ( x)  e 2
2
23/10/2021 Khlifi S. 29

2- Passage d’une N(m,) à N(0,1)
• Si la variable continue X suit une loi normale N(m,) alors

la variable aléatoire T :
X m
• Définie par : T

• suit la loi normale centrée réduite N(0,1)
23/10/2021 Khlifi S. 30
15
23/10/2021
X Changement de variable Z=(X-m)/ 

N (m , ) Conservation des aires N (0 , 1 )
1 2
1 z
2
g(z) 
2π
e- 2
1  x-μ 
-2 
f(x) 
1
e  σ  1
σ 2 π
2π
1
 2
a
a
23/10/2021 m XKhlifi
1 XS. 2
X
0 Z11 Z2
33 Z

2- Passage d’une N(m,) à N(0,1)
• Changement de variable (Deux transformations )
• 1ère transformation : X = x–m
• 2ème transformation : Z=X/

23/10/2021 Khlifi S. 34
16
23/10/2021

1ère transformation : X = x–m

On retire la moyenne (on centre sur 0)
23/10/2021 Khlifi S. 35

2ème transformation : Z=X/

On divise par l’écart type (Nouvel écart type = 1)
23/10/2021 Khlifi S. 36
17
23/10/2021
 Fonction de répartition
F (t )   (t ) 
t
P(T  t )  

f ( x) dx
 Nous rappelons : 1 x 2
f ( x)  e 2
2
23/10/2021 Khlifi S. 37
2
Z
z1 1 


2
 e 2 dZ
Remarque : L’aire totale comprise entre la courbe et l’axe des abscisses est égale
2
Z

à 1.  1


2
 e 2 dZ  1
23/10/2021 Khlifi S. 38
18
23/10/2021
23/10/2021 Khlifi S. 39
Application
•Exemple
• Le poids X est une variable normale N(m=100 et =2)
• Nous cherchons la probabilité des articles ayant un poids inférieur à 101 g
•On cherche :
•P[X < 101]= ??? (calcul difficile à faire)
•On procède à la transformation
• P[(X-100)/2 < (101-100)/2] = P[T < 0,5] : on note π (0,5)
• il suffit de consulter la table de la N(0,1)
23/10/2021 Khlifi S. 40
19
23/10/2021
P[T < t] on note π (t)

p
P[T<0,5] =π(0,5)
Linge 0,5
Colonne 0,00
P[T<0,5] = 0,6915
23/10/2021 Khlifi S. 41
 Exemple 2 :
 P[T<1,21] =π(1,21)
 Linge 1,2
 Colonne 0,01
 π(1,21)=0,8869
23/10/2021 Khlifi S. 42
20
23/10/2021
1 2
N ( 0,1)  a = P(Z > t) , t  0
1 -2z
f(z) 
2π
e (Echantillon de calculs d'intégrales)
1
2π  Grâce au changement de variable Z = (X - m)/,
on utilise la table de la loi Normale centrée
réduite pour calculer les probabilités (aires)
d'une loi Normale quelconque.
a
Z
0 t
23/10/2021 Khlifi S. 43
 Exemple 2 :
 P[T>2,36] = ??
 = 1-P[T<2,36]
 = 1-π(2,36)
 Linge 2,3
 Colonne 0,06
 1-0,9909=0,0091
23/10/2021 Khlifi S. 44
21
23/10/2021
23/10/2021 Khlifi S. 45
 Propriété 1
P[ T  t ]  1 - P[T  t]
 Exemple :
 P[T>2,36] = ??
 = 1-P[T<2,36]
 = 1-π(2,36)
 Linge 2,3
 Colonne 0,06
 1-0,9909=0,0091
23/10/2021 Khlifi S. 47
22
23/10/2021
Propriété 1 P( T  K )  1 -  (k )
y
P(T>0,9)
0,4
0,3
0,2
0,1
-3 -2 -1 0 1 2 3 x
-0,1
P(0,9) 0,4
0,3 P (T  1, 44)  0, 0749

0,2
P (T  2,1)  0, 9821
P (T  3, 05)  0, 001155
0,1
-3 -2 -1 0 1 2 3 x
-0,1
23/10/2021 Khlifi S. 48
 Propriété 2
P[T  t]  1  P[T  t]
 Exemple :
 P[T<-1,49] = ??
 = 1-P[T<1,49]
 = 1-π(1,49)
 Linge 1,4
 Colonne 0,09
 1-0,9319=0,0681
23/10/2021 Khlifi S. 49
23
23/10/2021
Propriété 2  (t )  1   (t )
y
0,5
(0,9) 0,4
0,3
0,2
0,1
-4 -3 -2 -1 0 1 2 3 4 x
-0,1
y
0,5
0,4
(0,9)
0,3
P(1, 47)  0, 0708
P(2, 73)  0, 0032
0,2
0,1
-4 -3 -2 -1 0 1 2 3 4 x
P(3)  0, 00135
-0,1
23/10/2021 Khlifi S. 50
 Propriété 3
P[T  t]  P[T  t]
 Exemple :
 P[T>-2,94] = ??
 = 1-P[T<-2,94]
 = 1- (1- P[T<2,94])
 = 1- 1 + P[T<2,94]
 = P[T<2,94])
 =0,9984
23/10/2021 Khlifi S. 51
24
23/10/2021
 Propriété 4
P( a  T  b )   (b)   (a)
 Exemple :
 P[0,36<T<2,58] = ??
 = P[T<2,58] - P[T<0,36]
 = π(2,58) – π(0,36)
 = 0,9951 – 0,6406
 = 0,3545
23/10/2021 Khlifi S. 52
 Propriété 4 P( a  T  b )   (b)   (a)

y
0,5
P(-0,8<T<1,7)
 (1,7)(0,8)
0,4
0,3
0,2
0,1
-4 -3 -2 -1 0 1 2 3 4 x
-0,1
P (0, 98  T  2, 89)  0,1616

P ( 1,15  T  2,12)  0, 8579
P ( 3, 2  T  2, 05)  0, 01951
23/10/2021 Khlifi S. 53
25
23/10/2021
 Propriété 5
P(k  T  k )  2 *[ (k )]  1
 Exemple :
 P[ -1,96<T<1,96] = ??
 = P[T<1,96] - P[T< -1,96]
 = P[T<1,96] – (1-P[T< 1,96])
 = P[T<1,96] – 1 +P[T< 1,96]
 2* P[T<1,96] - 1
 = 2*0,975 - 1
 = 0,95
23/10/2021 Khlifi S. 54
Propriété 5 P(k  T  k )  2 *[ (k )]  1

y
P(|T|<1,2) 0,4
0,3
0,2
0,1
-3 -2 -1 0 1 2 3 x
-0,1
P ( T  0, 89)  0, 6266
P ( T  2, 2)  0, 9722
P ( T  3)  0, 9973
23/10/2021 Khlifi S. 55
26
23/10/2021
Propriétés utiles
• P1 : P[ T  t ]  1 - P[T  t]
• P2 : P[T  t]  1  P[T  t]
• P3 P[T  t]  P[T  t]
• P4 : P( a  T  b )   (b)   (a)
• P5 : P(k  T  k )  2 *[ (k )]  1
23/10/2021 Khlifi S. 56
Autre Propriété utile (TD partie B)
• Si X1 et X2 deux variables normales indépendantes de paramètres

respectifs m1 ; σ1 et m2 ; σ2
• Alors la Variable Z = X1+X2 suit une loi normale de paramètres :
• mz = m1+m2 et σz =
• Remarque : pour Z’ = X1-X2

• m'z = m1- m2 et σ’z =
23/10/2021 Khlifi S. 57
27
23/10/2021

23/10/2021 Khlifi S. 58

23/10/2021 Khlifi S. 59
28
23/10/2021
Exercice « Les grains de maïs »

Les ingénieurs d'une coopérative agricole ont constaté que les grains d'un maïs issus d'une sélection (résistant mieux aux
intempéries) sont moins lourds que ceux du maïs utilisé jusqu'alors par la coopérative. Suite à des statistiques répétées sur plusieurs
années, on note que la masse des grains est distribuée normalement dans les 2 populations de maïs, avec pour moyennes et écart-
type exacts :
- maïs utilisé par la coopérative  moyenne : 3,4 g ; écart-type : 0,5 g
- variété sélectionnée pour sa résistance aux intempéries  moyenne : 3,2 g ; écart-type : 0,5 g
Seuls les grains de masse supérieure à 2,5 g sont commercialisables
A/ Calculez la probabilité des évènements suivants, d'une part pour le maïs utilisé par la coopérative,
d'autre par pour le maïs sélectionné :
- La masse des grains est inférieure à 2,5 g
- La masse des grains est comprise entre 3,0 et 4,0 g
- La masse des grains est supérieure à 4,0 g
B/ On prélève au hasard un grain de chacun des 2 types de maïs, quelle est la probabilité qu'un grain de
maïs utilisé par la coopérative ait une masse supérieure à celui du maïs sélectionné ?
C/ On dispose de données complémentaires qui montrent le traitement par un produit K translate les
distributions de 100 mg sur la gauche.
- Quelle est la proportion de grains non commercialisables chez le maïs exposé au traitement K et
chez le maïs non exposé au traitement K ?
- Quelle est l'augmentation relative du risque de non-commercialisation chez le maïs exposé au *
traitement K par rapport au maïs non exposé ?
23/10/2021 Khlifi S. 60
23/10/2021 Khlifi S. 61
29
23/10/2021
P[T < t] on note π (t)

p
P[T<1,8] =
Linge 1,8
Colonne 0,00
P[T<1,8] = 0,9641
23/10/2021 Khlifi S. 62
23/10/2021 Khlifi S. 63
30
23/10/2021
23/10/2021 Khlifi S. 64
31

Chap1-La Loi Normale-Slah

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Chap1-La Loi Normale-Slah

Uploaded by

Copyright:

Available Formats

23/10/2021

 Un procédé de conditionnement de produits

 Un opérateur prélève 50 pots et présente les

N° Mesure N° Mesure N° Mesure N° Mesure N° Mesure

• Regrouper les • Paramètres de • Probabilité et

Paramètres de Calcul de Probabilité

1- Calculer le nombre de classe k

2- Calculer l’amplitude a des

3- Répartir les observations sur

Paramètres de Calcul de Probabilité

Paramètres de Calcul de Probabilité

Paramètres de Calcul de Probabilité

96.5 98.7 99.6 100.2 100.8

Paramètres de Calcul de Probabilité

Poids Nb de pots Histogramme des poids

Paramètres de Calcul de Probabilité

Poids Nb de pots Histogramme des poids

Paramètres de Calcul de Probabilité

Poids Nb de pots Histogramme des poids

Paramètres de Calcul de Probabilité

1- Qu’est ce qu’une loi Normale ?

Paramètres de Calcul de Probabilité

1- Qu’est ce qu’une loi Normale ?

• Distribution Normale est une fonction théorique souvent utilisée en statistique

Paramètres de Calcul de Probabilité

1- Qu’est ce qu’une loi Normale ?

• La loi normale est considérée comme la conjonction d'une infinité

Paramètres de Calcul de Probabilité

Représentation graphique (cloche)

Paramètres de Calcul de Probabilité

Paramètres de Calcul de Probabilité

Paramètres de Calcul de Probabilité

Taille des Français Somme de 3 dés

Paramètres de Calcul de Probabilité

1- Qu’est ce qu’une loi Normale ?

Paramètres de Calcul de Probabilité

Poids Nb de pots Histogramme des poids

Paramètres de Calcul de Probabilité

Construire une droite d’Henry

• Le diagramme d’Henry (ou « droite

Paramètres de Calcul de Probabilité

Paramètres de Calcul de Probabilité

• NB : Retenez que le jugement est assez subjectif.

Paramètres de Calcul de Probabilité

1- Qu’est ce qu’une loi Normale ?

Paramètres de Calcul de Probabilité

Paramètres de Calcul de Probabilité

Dans la Population (Valeurs

• Moyenne • Moyenne arithmétique

Paramètres de Calcul de Probabilité

Signification des paramètres

Paramètres de Calcul de Probabilité

Paramètres de Calcul de Probabilité

Paramètres de Calcul de Probabilité

2- Passage d’une N(m,) à N(0,1)

• Si la variable continue X suit une loi normale N(m,) alors

X Changement de variable Z=(X-m)/ 

Paramètres de Calcul de Probabilité

2- Passage d’une N(m,) à N(0,1)

• Changement de variable (Deux transformations )

• 1ère transformation : X = x–m

• 2ème transformation : Z=X/

Paramètres de Calcul de Probabilité