Professional Documents
Culture Documents
1
Cours de Probabilité et Statistiques Mme Zghidi Sonia
Fonction de répartition
Dans le cas d’une variable aléatoire continue, la fonction de répartition
de X est définie par :
Z x
F (x) = P (X ≤ x) = f (t)dt ∀x ∈ R
−∞
◦ P (X > a) = 1 − F (a)
Dans le cas d’une variable continue, on a ∀ x P (X = x) = 0, par consé-
quent :
P (a < X < b) = P (a ≤ X < b) = P (a < X ≤ b) = P (a ≤ X ≤ b) = F (b)−F (a)
2
Cours de Probabilité et Statistiques Mme Zghidi Sonia
3
Cours de Probabilité et Statistiques Mme Zghidi Sonia
• Variance et écart-type
Propriétés :
◦ V (aX + b) = a2 V (X) ⇒ σ(aX + b) = |a|σ(X)
◦ Si X et Y sont indépendantes alors V (X + Y ) = V (X) + V (Y )
Exemple : Reprenons l’exemple précédent, calculer V(X).
........................................................................................................................
.........................................................................................................................
.........................................................................................................................
.........................................................................................................................
• Le quantile d’une variable aléatoire continue
Soit une variable aléatoire X de fonction de densité f(x) et de fonction
de répartition F(x). Soit 0 ≤ α ≤ 1, on appelle quantille d’ordre α de
X, le nombre qα tel que :
F (qα ) = P (X ≤ qα ) = α
4
Cours de Probabilité et Statistiques Mme Zghidi Sonia
5
Cours de Probabilité et Statistiques Mme Zghidi Sonia
• Caractéristiques :
E(X) = λ1
V (X) = λ12
• Fonction de répartition :
Si X suit une loi exponentielle, alors sa fonction de répartition F est
la suivante :
1 − e−λx si x ≥ 0
F (x) =
0 si x < 0
• Caractéristiques :
E(X) = µ
V (X) = σ 2
6
Cours de Probabilité et Statistiques Mme Zghidi Sonia
• Remarques :
7
Cours de Probabilité et Statistiques Mme Zghidi Sonia
• Fonction de répartition :
Si X suit une loi normale, alors sa fonction de répartition F est la
suivante :
Z x Z x
1 1 t−µ 2
F (x) = f (t)dt = √ e− 2 ( σ ) dt
−∞ −∞ σ 2Π
• Propriétés :
X−1
X ∼ N (1, 4) alorsY = 2
∼.......................................................................
8
Cours de Probabilité et Statistiques Mme Zghidi Sonia
1 1 2
fZ (z) = √ e− 2 z ∀ z∈R
σ 2Π
La représentation graphique de cette distribution est donnée par le graphique
suivant :
C’est une courbe sous forme de cloche symétrique par rapport à z=0.
9
Cours de Probabilité et Statistiques Mme Zghidi Sonia
Exemples :
P (Z ≤ 1.96) =........................................................................................................
P (Z ≤ 1.72) =........................................................................................................
P (Z ≤ −1.96) =.....................................................................................................
P (−1.96 < Z < 1.96) =..........................................................................................
Soit X ∼ N (µ, σ 2 ), dans ce cas P (X < x) n’est peut pas être
déterminé à travers la table, il faut centrer et réduire la variable X
en posant Z = X−µ σ
.
Exemples :
Soit X ∼ N (2, 4),
P (X ≤ 2) =........................................................................................................
P (X < 1) =........................................................................................................
10
Cours de Probabilité et Statistiques Mme Zghidi Sonia
Exemples :
Soit X ∼ N (1, 4), déterminer x/P (X < x) = 0.95
..............................................................................................................................
..............................................................................................................................
Soit X ∼ N (m, σ 2 ), calculer m et σ telles que : P(X>10)=0,5 et
P(X<8)=0,1587.
11
Cours de Probabilité et Statistiques Mme Zghidi Sonia
Exemple :
Déterminer Γ(1, λ).
..............................................................................................................................
..............................................................................................................................
• Caractéristiques :
E(X) = λa
V (X) = λa2
12