Un prof de maths qui te répond·30 €/mois

Découvrir
MathLvlMon espace
Terminale maths complémentaires

Lois à densité : loi uniforme et loi exponentielle en Terminale maths complémentaires

Densité de probabilité, fonction de répartition, loi uniforme sur [a ; b], loi exponentielle, espérance et absence de mémoire en maths complémentaires.

Mis à jour le

Un temps d'attente ou une durée de vie peut prendre n'importe quelle valeur réelle : on ne parle plus de la probabilité d'une valeur, mais de celle d'un intervalle, représentée par une aire sous une courbe de densité. Ce chapitre de maths complémentaires relie probabilités et calcul intégral.

Au programme : densité (positive, d'aire totale 1), P(c ≤ X ≤ d) = ∫_c^(d) f(x) d x, fonction de répartition, espérance ∫ x f(x) d x et variance ; loi uniforme sur [a ;b] (E = (a + b)/2) ; loi exponentielle de densité λ e ^(-λ x), P(X > t) = e ^(-λ t), E = frac1λ, absence de mémoire ; simulations à partir de la loi uniforme.

Pièges classiques : prendre f(x) pour une probabilité, confondre P(X > t) et P(X ≤ t), confondre le paramètre λ et l'espérance frac1λ.

Cours et fiche

📘

Leçon

Le cours complet du chapitre

📝

Fiche de révision

Synthèse + formules essentielles

S'entraîner

Quiz interactif

Auto-évaluation

Teste tes connaissances et vérifie que tu maîtrises le chapitre.

QCM — Lois à densité : uniforme et exponentielle (50 questions)

Leçon complète

Lois à densité : loi uniforme et loi exponentielle en Terminale maths complémentaires : cours complet

Variable aléatoire à densité

Remarque — Pourquoi une densité ?. Un temps d'attente, une durée de vie, une taille sont des grandeurs continues : elles peuvent prendre une infinité de valeurs dans un intervalle. La probabilité d'une valeur exacte (X = 7,000… minutes) est nulle ; ce qui a un sens, c'est la probabilité d'un intervalle, que l'on représente par une aire.

Définition — Densité de probabilité. Une densité sur un intervalle I est une fonction f continue (sauf éventuellement en quelques points), positive sur I, dont l'aire totale sous la courbe vaut 1 : f ≥ 0 et ∫_I f(x) d x = 1. Une variable aléatoire X de densité f vérifie, pour [c ;d] ⊂ I : P(c ≤ X ≤ d) = ∫_c^(d) f(x) d x. En particulier P(X = c) = 0, donc P(c ≤ X ≤ d) = P(c < X < d) : inégalités larges ou strictes, c'est pareil.

Définition — Fonction de répartition. La fonction de répartition de X est F(x) = P(X ≤ x). C'est une fonction croissante, de 0 à 1, et P(c ≤ X ≤ d) = F(d) - F(c).

Définition — Espérance et variance. Pour X de densité f sur [a ;b] : E(X) = ∫ₐ^(b) x f(x) d x V(X) = ∫ₐ^(b) (x - E(X))² f(x) d x σ(X) = √(V(X)). Ce sont les analogues continus de Σ xᵢ pᵢ et Σ (xᵢ - μ)² pᵢ.

Exemple — Une densité polynomiale. f(x) = 3x² sur [0 ;1] est positive et ∫₀¹ 3x² d x = [x³]₀¹ = 1 : c'est une densité.

  • F(x) = ∫₀^(x) 3t² d t = x³ ; P(X ≤ 0,5) = 0,125 ; P(X > 0,9) = 1 - 0,729 = 0,271.
  • E(X) = ∫₀¹ 3x³ d x = 3/4.
  • V(X) = ∫₀¹ (x - 3/4)² 3x² d x = 3/80 = 0,0375 (en développant).

La probabilité P(X ≤ 0,5) = 0,125 est l'aire colorée sous la densité f(x) = 3x².

Loi uniforme

**Définition — Loi uniforme sur [a ;b.**] X suit la loi uniforme sur [a ;b] si sa densité est constante : f(x) = 1/(b - a) sur [a ;b]. La probabilité d'un intervalle est proportionnelle à sa longueur : P(c ≤ X ≤ d) = (d - c)/(b - a) et F(x) = (x - a)/(b - a) sur [a ;b]. Pour [0 ;1] : f(x) = 1 et F(x) = x.

Propriété — Espérance et variance. E(X) = (a + b)/2 V(X) = ((b - a)²)/12.

Démonstration. E(X) = 1/(b - a)∫ₐ^(b) x d x = 1/(b - a) × (b² - a²)/2 = ((b - a)(b + a))/(2(b - a)) = (a + b)/2, le milieu de l'intervalle.

Exemple — À l'arrêt de bus. Un bus passe toutes les 15 minutes ; on arrive au hasard. Le temps d'attente T suit la loi uniforme sur [0 ;15]. P(T > 10) = 5/15 = 1/3 ; E(T) = 7,5 min ; σ(T) = 15/√(12) ≈ 4,3 min.

Remarque — Le paradoxe de l'inspection. Si les intervalles entre deux bus sont irréguliers (parfois 5 min, parfois 25), on a plus de chances d'arriver pendant un long intervalle que pendant un court : l'attente moyenne observée dépasse alors la moitié de l'intervalle moyen. C'est pourquoi le bus semble toujours « en retard ».

Loi exponentielle

Définition — Loi exponentielle de paramètre λ > 0. X suit la loi exponentielle de paramètre λ si sa densité sur [0 ;+∞[ est f(x) = λ e ^(-λ x). Pour t ≥ 0 : P(X ≤ t) = ∫₀^(t) λ e ^(-λ x) d x = [- e ^(-λ x)]₀^(t) = 1 - e ^(-λ t), et donc P(X > t) = e ^(-λ t). Quand t → +∞, P(X ≤ t) → 1 : l'aire totale vaut bien 1.

Propriété — Espérance. E(X) = 1/λ.

Démonstration. La fonction G(x) = -(x + frac1λ) e ^(-λ x) a pour dérivée - e ^(-λ x) + λ(x + frac1λ) e ^(-λ x) = λ x e ^(-λ x) : c'est une primitive de x f(x). Donc ∫₀^(t) x f(x) d x = frac1λ - (t + frac1λ) e ^(-λ t), qui tend vers frac1λ quand t → +∞ (on admet que t e ^(-λ t) → 0).

Densités de lois exponentielles : plus λ est petit, plus les attentes longues sont probables (espérance frac1λ).

Théorème — Absence de mémoire. Pour tous t ≥ 0 et s ≥ 0 : P_X > t(X > t + s) = P(X > s)

Démonstration. P_X > t(X > t + s) = (P(X > t + s))/(P(X > t)) = (e ^(-λ(t + s)))/(e ^(-λ t)) = e ^(-λ s) = P(X > s).

Remarque — Modèle continu de la loi géométrique. La loi exponentielle est la version continue de la loi géométrique : un phénomène qui « ne vieillit pas » (désintégration d'un atome, panne d'un composant électronique hors usure, temps entre deux appels). On peut d'ailleurs montrer qu'une loi à densité sans mémoire est une loi exponentielle.

Exemple — Durée de vie d'une ampoule. La durée de vie X (en heures) d'une diode suit la loi exponentielle de paramètre λ = 0,0005. Durée de vie moyenne : E(X) = 2 000 h. P(X > 1 000) = e ^(-0,5) ≈ 0,607. La durée t telle que P(X ≤ t) = 0,5 (médiane) vérifie e ^(-λ t) = 0,5, soit t = (ln 2)/λ ≈ 1 386 h, inférieure à la moyenne.

Exemple — Demi-vie d'un atome. La durée de vie d'un noyau radioactif suit une loi exponentielle de paramètre λ. La moitié d'un grand échantillon a disparu au temps T tel que P(X > T) = 1/2 : T = (ln 2)/λ, la demi-vie. Pour un échantillon de N atomes, il en reste en moyenne N e ^(-λ t) au temps t : on retrouve la loi de décroissance radioactive.

Simulations

Méthode — Tout simuler à partir de random().

  • Bernoulli de paramètre p : 1 if random() < p else 0.
  • Dé à n faces : int(n * random()) + 1.
  • Loi uniforme sur [a ;b] : a + (b - a) * random().
  • Loi exponentielle de paramètre λ : -log(1 - random()) / lam. En effet, si U est uniforme sur [0 ;1[, P(-(ln(1 - U))/λ > t) = P(1 - U < e ^(-λ t)) = e ^(-λ t).

Exemple — Somme de variables indépendantes.

from random import random
def somme(n):
    return sum(random() for i in range(n))

En simulant beaucoup de valeurs de somme(12) et en traçant leur histogramme, on observe une courbe « en cloche » centrée sur 6 : la somme de nombreuses variables indépendantes de même loi a une répartition très régulière, quelle que soit la loi de départ.

Erreurs classiques

Attention — À éviter.

  • Croire que f(x) est une probabilité : c'est l'aire sous f qui en est une (f peut dépasser 1).
  • Oublier de vérifier que l'aire totale vaut 1 pour reconnaître une densité.
  • Écrire P(X > t) = 1 - e ^(-λ t) : c'est P(X ≤ t).
  • Confondre le paramètre λ et l'espérance frac1λ.
  • Attribuer une probabilité non nulle à une valeur exacte.

Fiche de synthèse

Densité f ≥ 0, aire totale 1 ; P(c ≤ X ≤ d) = ∫_c^(d) f ; P(X = c) = 0
Répartition F(x) = P(X ≤ x) ; P(c ≤ X ≤ d) = F(d) - F(c)
Espérance E(X) = ∫ x f(x) d x ; V(X) = ∫ (x - E(X))² f(x) d x
Uniforme [a ;b] f = 1/(b - a) ; P = longueur/(b - a) ; E = (a + b)/2 ; V = ((b - a)²)/12
Exponentielle f(x) = λ e ^(-λ x) ; P(X > t) = e ^(-λ t) ; E = frac1λ
Sans mémoire P_X > t(X > t + s) = P(X > s)

Exercices d'application

Exercice 1 – Une densité

Soit f(x) = k(4 - x) sur [0 ;4]. Déterminer k pour que f soit une densité, puis calculer P(X ≤ 2) et E(X).

Exercice 2 – Loi uniforme

X suit la loi uniforme sur [2 ;10]. Calculer P(3 ≤ X ≤ 7), P(X > 9), E(X) et V(X).

Exercice 3 – Standard téléphonique

Le temps (en minutes) entre deux appels suit la loi exponentielle de paramètre 0,2. Calculer la probabilité qu'un appel arrive dans les 5 minutes, puis qu'on attende plus de 10 minutes. Quel est le temps moyen entre deux appels ? On attend déjà depuis 8 minutes : probabilité d'attendre encore plus de 2 minutes ?

Corrigés des exercices

Corrigé de l'exercice 1

Corrigé. f ≥ 0 si k > 0 et ∫₀⁴ k(4 - x) d x = k[4x - x²/2]₀⁴ = 8k = 1, donc k = 1/8. P(X ≤ 2) = 1/8[4x - x²/2]₀² = 6/8 = 0,75. E(X) = 1/8∫₀⁴ (4x - x²) d x = 1/8(32 - 64/3) = 4/3.

Corrigé de l'exercice 2

Corrigé. P(3 ≤ X ≤ 7) = 4/8 = 0,5 ; P(X > 9) = 1/8 ; E(X) = 6 ; V(X) = 64/12 = 16/3.

Corrigé de l'exercice 3

Corrigé. P(X ≤ 5) = 1 - e ⁻¹ ≈ 0,632 ; P(X > 10) = e ⁻² ≈ 0,135 ; E(X) = 1/0,2 = 5 min. Absence de mémoire : P_X > 8(X > 10) = P(X > 2) = e ^(-0,4) ≈ 0,670.

Tout sur probabilités en terminale

Dénombrement, probabilités conditionnelles, formule de Bayes, lois binomiale, géométrique et exponentielle, loi des grands nombres.

Le cours

Les notions du thème

S'entraîner

Sujets d'examen

Outils et pages dédiées

Tous les chapitres de Terminale maths complémentaires

Poursuis ta révision avec les autres chapitres du programme de Terminale maths complémentaires.