Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Chapitre 08 Terminale ES Probabilités continues et lois à densité Ce que dit le

Chapitre 08 Terminale ES Probabilités continues et lois à densité Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Notion de loi à densité à partir d’exemples Loi à densité sur un intervalle. Les exemples étudiés s’appuient sur une expérience aléatoire et un univers associé Ω , muni d’une probabilité. On définit alors une variable aléatoire X, fonction de Ω dans R, qui associe à chaque issue un nombre réel d’un intervalle I de R. On admet que X satisfait aux conditions qui permettent de définir la probabilité de l’événement {X ∈J} comme aire du domaine : {M(x, y) ; x ∈J et 0 ≤y ≤f (x)} où f désigne la fonction de densité de la loi et J un intervalle inclus dans I. Toute théorie générale des lois à densité et des intégrales sur un intervalle non borné est exclue. Loi uniforme sur [ a , b ] . Espérance d’une variable aléatoire suivant une loi uniforme. Connaître la fonction de densité de la loi uniforme sur [a, b]. L’instruction « nombre aléatoire » d’un logiciel ou d’une calculatrice permet d’introduire la loi uniforme sur [0,1]. La notion d’espérance d’une variable aléatoire à densité sur [a;b] est introduite à cette occasion par : ∫a b t f (t)dt . On note que cette définition constitue un prolongement dans le cadre continu de l’espérance d’une variable aléatoire discrète. Loi normale centrée réduite N (0,1). Connaître la fonction de densité de la loi normale N (0,1) et sa représentation graphique. Connaître une valeur approchée de la probabilité de l’événement { X [ ∈−1,96;1,96 ]} lorsque X suit la loi normale N (0,1). Pour introduire la loi normale N (0,1), on s’appuie sur l’observation des représentations graphiques de la loi de la variable aléatoire Z n= X n−np √np(1−p) où Xn suit la loi binomiale B (n, p) et cela pour de grandes valeurs de n et une valeur de p fixée entre 0 et 1. À ce propos, on peut faire référence aux travaux de Moivre et de Laplace en les situant dans une perspective historique. Loi normale N ( μ , σ 2 ) d’espérance μ et d’écart-type σ. Utiliser une calculatrice ou un tableur pour obtenir une probabilité dans le cadre d’une loi normale N (μ,σ2 ). Connaître une valeur approchée de la probabilité des événements suivants : { X [ ∈μ −σ , + ]} μ σ , { X [ ∈μ −2 σ , + μ 2 ]} σ et { X [ ∈μ −3 σ , + μ 3 ]} σ , lorsque X suit la loi normale N (μ,σ2 ). Une variable aléatoire X suit la loi N (μ,σ2 ) si X −μ σ suit la loi normale N (0,1). On se limite à une approche intuitive de la notion d’espérance. On exploite les outils logiciels pour faire percevoir l’information apportée par la valeur de l’écart-type. La connaissance d’une expression algébrique de la fonction de densité de cette loi n’est pas un attendu du programme. On illustre ces notions par des exemples issus des sciences économiques ou des sciences humaines et sociales. I. Variable aléatoire continue 1.1) Rappels sur les v.a. discrètes On considère une expérience aléatoire et Ω l'univers (fini) associé, muni d'une probabilité. On appelle variable aléatoire discrète X, toute fonction de Ω dans ℝ, qui associe à chaque issue un nombre réel d’un intervalle I de ℝ, X prend un nombre fini de valeurs. Ici, comme Ω est fini, l'ensemble des valeurs prises par X est évidemment fini. On pose X(Ω)={x1 ; x1 ; ... ; xn}. On note "X = xk" l'événement formé de toutes les Term.ES – Ch. 08. Lois à densité © Abdellatif ABOUHAZIM. Lycée Fustel de Coulanges - Massy www.logamaths.fr Page 1/15 issues ω de Ω qui réalisent X(ω)= xk. On note en général pk= P(X = xk), la probabilité de l'événement "X = xk". Alors : • La loi de probabilité de la v.a. X, est définie par la donnée des probabilités de tous les événements "X = xk", notées pk . On présente (souvent) cette loi dans un tableau comme suit Valeurs xk x1 x2 ... xn pk = P(X = xk) p1 p2 ... pn • L'espérance mathématique de X, notée E(X), désigne la moyenne des valeurs prises par X, et pondérées par leurs probabilités de réalisation : E(X )= p1 x1+ p2 x 2+⋯+ pn xn qu'on note aussi avec le signe Σ = "Somme" : E(X )=∑ k=1 k =n pk xk • La variance de X, notée V(X), désigne la moyenne des carrés des écarts à la moyenne de X. Autrement dit, en posant m = E(X). V ( X )=E[(X −E(X )) 2]=∑ k =1 k=n pk (x k−m) 2 . La variance est le carré d'une distance donc, c'est un nombre positif ou nul. Théorème : V ( X )=E( X 2)−E( X )2 ou encore V ( X )=(∑ k=1 k=n pk x k 2)−m 2 La variance V(X) permet de caractériser la dispersion des valeurs xk par rapport à la moyenne E(X). • L'écart-type de X, noté σ (lire "sigma") ou σ(X) ou parfois σX , est égal à la racine carrée de la variance : σ( X )=√V ( X ) ou σ 2( X )=V (X ) ou simplement σ 2=V . Comme la variance, l'écart-type permet de caractériser la dispersion des valeurs xk par rapport à la moyenne E(X). Une différence d'utilisation entre σ et V= σ2, est que σ est de même dimension que les valeurs xk , donc les valeurs xk peuvent être directement comparées à σ. 1.2) Variables aléatoires continues Dans toute la suite, on considère une expérience aléatoire et Ω l'univers associé (non nécessairement fini), muni d'une probabilité. Définition 1. On appelle variable aléatoire X, toute fonction de Ω dans ℝ, qui associe à chaque issue un nombre réel d’un intervalle I dans ℝ. Exemples : 1°) La variable aléatoire X égale à la durée de vie (âge au décès) d'une personne Term.ES – Ch. 08. Lois à densité © Abdellatif ABOUHAZIM. Lycée Fustel de Coulanges - Massy www.logamaths.fr Page 2/15 dans une ville donnée ou dans un pays donné, est une v.a. continue. 2°) Le poids à la naissance d'un bébé, exprimé en kg, , est une v.a. continue. 3°) La variable aléatoire X égale à la durée de fonctionnement d'une ampoule électrique exprimée en heures, est une v.a. continue. 4°) La variable aléatoire X égale à la durée de communication téléphonique, exprimée en heures, d'un jeune de 16 à 25 ans, est une v.a. continue. 5°) L'instruction ALEA() sur un tableur ou RAND# ou nbrAleat() sur une calculatrice, donnent un nombre au hasard compris entre 0 et 1. Ces instructions définissent une v.a. continue X prenant ses valeurs dans [0;1]. Toutes ces valeurs "peuvent" être prises. 1.3) Fonction de densité de probabilité sur un intervalle Définition 2. On appelle fonction de densité de probabilité ou fonction de densité ou encore densité de probabilité sur un intervalle I, toute fonction f, continue et positive sur [a; b] et dont l'intégrale entre a et b est égale à 1. Autrement dit : f est une densité de probabilité sur l'intervalle [a; b] lorsque : 1°) f ⩾0 sur I ; 2°) f est continue sur I ; 3°) ∫ a b f (x)dx=1 si I = [a; b] et lim x →+∞∫ a x f (t)dt=1 si I =[a;+∞[ Exemples : 1°) Soit f la fonction définie sur [0;1] par f (x)=2 x. Montrer que f définit bien une fonction de densité sur [0;1]. 2°) Soit f la fonction définie sur [0;1] par f (x)=k x 2 . Déterminer k pour que f définisse une fonction de densité sur [0;1]. 1.4) Loi de probabilité à densité sur un intervalle On considère une expérience aléatoire et Ω l'univers associé, muni d'une probabilité. Définition 3. Term.ES – Ch. 08. Lois à densité © Abdellatif ABOUHAZIM. Lycée Fustel de Coulanges - Massy www.logamaths.fr Page 3/15 Soit X une variable aléatoire continue à valeurs dans un intervalle [a;b] muni d'une fonction de densité f. On définit la loi de probabilité de densité f de X, en associant à tout intervalle [c;d] inclus dans [a; b], la probabilité de l'événement X ∈[c;d ] c'est-à-dire c⩽X ⩽d , égale à l'aire du domaine D = {M(x;y) tels que : c ≤x ≤d et 0 ≤y ≤f (x)}, c'es-à- dire l'aire du domaine délimité par la courbe de f, l'axe des abscisses et les droites d'équations x = c et x = d. On a alors : P(X ∈[c; d ])=∫ c d f (x)dx. ou encore : P(c⩽X ⩽d)=∫ c d f (x)dx. P(a⩽X ⩽b)=1 et P(c⩽X ⩽d)=∫ c d f (x)dx Propriétés immédiates. Soit X une variable aléatoire continue à valeurs dans un intervalle [a;b] muni d'une fonction de densité f. Alors (P1) Probabilité d'un point : Pour tout réel c∈[a ;b]: P( X =c)=0. (P2) Les bornes n'ont pas uploads/Histoire/ aates-ch08-lois-a-densite-pdf.pdf