coursenligne1s6 site de cours en ligne première terminale et bac Coursenligne1s6.fr, fiches de révision pour lycéens de première, terminale & bac

Coursenligne1s6: 1er site de cours & révision en ligne fait pour des lycéens par des lycéens (2012)

Les lois de probabilité terminale

logo cours en ligne 1s6 site de cours en ligne pour première

Épreuve et Loi de Bernoulli

Épreuve de Bernoulli

Un épreuve de Bernoulli est une expérience aléatoire avec seulement 2 issues

->On a généralement :Échecs et Succès

REMARQUE: p(Succès) = 1-p(Échecs)

On choisis souvent X(succès) =1 et X(échecs) = 0

Loi de Bernoulli

Soit une variable aléatoire X

On choisit: X(a) = 1 et X(b) = 0

E(X) = 1*p+0*(1-p) = p

V(x) = ∑i = 1i = n pi*(xi-/X)² = p*(1-p)²+(1-p)(0-p)² = p*(1-p)²+p²*(1-p) = (1-p)*(p-p²+p²) = (1-)*p

Donc pour la loi de Bernoulli:

L'espérance E(X) = p

La variance V(X) = (1-p)*p

Définition: p s'appel le paramètre de la loi de Bernoulli

Loi binomiale e

Introduction

X1;X2;...;Xn sont des variables aléatoires indépendantes suivant la même loi de Bernoulli

Soit: la variable aléatoire X définie par X = X1+X2+...+Xn

Donc si a associe 1 à chaque succès de l'expérience (Xb=1 si succès), et Xb pour un échec, alors:

La variable aléatoire donne le nombre de succès pour n répétitions de la même expérience de Bernoulli

Définition de la loi binomiale e

Une variable aléatoire X suit une loi binomiale e de paramètre n et p si elle prend ses valeurs dans E={0;1;2;3;...;n} et si elle est définie par:

∀ k ∈ K p(X=k) = (kn)*(1-p)n-k*pk

Celle loi s'appel la loi binomiale e et ce note: B(n,p)

Propriété

Un schéma de Bernoulli de paramètre "p" que l'on répète n fois de manière identique et indépendante définie une loi binomiale e: B(n,p)

Espérance et variance

Soit X une variable aléatoire qui suit la loi B(n,p)

Comme on est dans le même cas qu'une expérience de Bernoulli, on a :

Espérance: E(X) = n*p

et

Variance: V(X) = n*p(1-p)

Variable aléatoire continues

Fonction de répartition d'une variable aléatoire

Cas d'un univers fini (variable aléatoire discrète (= non continue))

X, une variable aléatoire sur un univers finie ayant pour loi de probabilité:

Une variable aléatoire discrète est une variable que l'on peut dénombrer (ex: nombre de pile à pile ou face, nombre de boules rouges tirées...)

xi x1 x2 x3 ... xn
p(xi) p(x1) p(x2) p(x3) ... p(xn)

On a x1 < x2 <x3 <...<xn

A partir de cette loi, on construit le graphique suivante (pour n = 6)

img à venir

Définitions de la fonction de répartition

La fonction de répartition d'une variable aléatoire X est l'application F de R dans [0;1] qui à tout x ∈ R fait correspondre F(x) = p(X <x)

Une variable aléatoire suit une loi dite continue si sa fonction de répartition est continue

Continue signifie que la variable est indénombrable (ex: taille d'une population ect...)

Loi uniforme sur un intervalle[a;b]

a ∈ R, b ∈ R et a<b

Principe

C'est une loi qui correspond à un tirage au hasard d'un nombre choisi dans l'intervalle [a;b]

On a donc: si [α ; β] < [a;b] et a < α ≤ β ≤ b

Avec X; la variable aléatoire

Alors:

p(X) = [α;β] = p(α ≤X≤β) = d(α;β)/d(a;b) = (β-α)/(b-a)

Fonction de répartition

On est toujours dans l'intervalle[a;b]

Rappel: F(x) = p(X≤x)

1er cas: x≤a

F(x) = p(X≤x) = 0

->Donc pour ]-∞;a], la droite F(x) est d'équation y = 0

2ème cas: a ≤ x ≤ b

F(x) = p (X≤x) = p(a≤ X ≤ b) = (x-a)/(b-a)

->Donc pour [a;b], la droite F(x) est d'équation (x-a)/(b-a)

3ème cas: x>b

F(x) = p(X≤x) = p(X≤ b) = 1

->Donc la droite F(x) est d'équation y = 1

AL fonction de répartition est continue, donc on a affaire à une loi continue

Qu'est ce qu'une loi de probabilité à densité ?

Une loi de probabilité à densité est une loi que l'on utilise pour calculer une probabilité continue

Exemple: on utilise une loi à densité pour calculer de trouver un individu qui mesure entre 1,5m et 1,6m

densité de probabilité

F(x) est dérivable sur ]-∞;a]; ]a;b[ et ]b;+∞[

f est la dérivée de F(x) sur chacun de ses intervalles

-> C'est la dérivée de la variable aléatoire X

Sur ]-∞;a[ F = 0

Sur ]a;b[ F = 1/(b-a)

Sur ]a;+∞[ F = 0

Propriété de la loi uniforme sur [a;b]

-Si [α ; β] < [a;b] alors p(X ∈ [α ;β]) = p(α ≤X≤β) ) (β-α)/(b-a)

Or, on peut écrire: p(α≤X≤β) = p(X≤β) - p(X≤α) = F(β-F(α)

p(α≤X≤β) = αβ f(x) dx

- Si α ≤β < a ou si b < α≤β alors:

P(X ∈[α;β]) = 0

-∀ α ∈ R, p(X=α) = αα f(x) dx = 0

-p(X∈ ]α;β[) = p(X∈ [α;β[) = p(X∈ ]α;β]) = p(X∈ [α;β])

Espérance

Dans ce cas, on calcul l'espérance mathématique avec la formule suivante:

E(X) = ab f(x) dx) = ab x*1/(b-a) dx

-> On a vue plus haut que f(x) x*1/(b-a)

On calcule l'intégrale et on a donc:

E(X) = (a+b)/2

Lois à densité continu

On considère les variables aléatoires à densité continue à valeur sur [0;+∞[

La représentation graphique donne une courbe toujours positive et qui tend vers 0

Soit F, la fonction de répartition de la variable aléatoire X tel que: F(x) = p(X≤x) et F(0) = 0

Soit f, la dérivée de F, on a donc:

F(x) = 0x f(t) dt

Alors: limx->+∞ F(x) = limx->+∞ 0x f(t) dt = 1

On peut donc écrire: 0+∞ f(t) dt = 1

-> Donc quand x tend vers l'infini alors la loi à densité continu est égale à 1

Loi de durée de vie sans vieillissement, ou loi exponentielle

Définition de la loi exponentielle

λ ∈ ]0;+∞[ ; Une variable X suit la loi exponentielle de paramètre λ si sa densité de probabilité est définie sur R+ par:

fλ(x) = λe-λx

-> Cette loi a pour fonction de répartition: F(x) = 0x f(t) dt = 1-e-λ x

Espérance mathématique de la loi exponentielle

Comme on suit la loi exponentielle: f(x) = λe-λx et f ∈ [0;+∞[

L'espérance de la loi exponentielle est:

E(X) = 0+∞ t*f(t) dt = 1/λ²

Donc si X suit une loi exponentielle de paramètre λ alors:

E(X) = 1/λ²

Loi de durée de vie sans vieillissement

X: une variable aléatoire qui suit une loi exponentielle

Propriétés:

p(x≤t) = F(t) = 1-e-λ*t

Donc:

p(x≥t) = e-λ*t

Calcule de pX≥t+t0) sachant que p(x≥t0) est réalisé

px≥t0(X≥t+t0) = (p[(X≥t0) ∩ [X≥t+t0)])/p(X≥t0 = p(X≥t+t0)/p(X≥t0

On a donc: e-λ*(t+t0)/e-λ*t0 = e-λ*t = p(X≥t)

On trouve alors que: pX≥t0(X≥t+t0 = p(X≥t)

La probabilité que X "dure" au moins t est égal à la probabilité que X ure au moins t+t0 sachant qu'il a déjà "durée" tO

Propriété: Si X suit une loi exponentielle, pX≥t0(X≥t+t0) = p(X≥t)

REMARQUE: t>0 et t0 >0

Partagez ce cours !

Suivez Nicolas KRITTER sur google + ( cours inspiré de celui fait par le professeur de la classe)