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)=∫cdf(x)dxP(c ≤ X ≤ d) = ∫_c^(d) f(x) d x, fonction de répartition, espérance ∫xf(x)dx∫ x f(x) d x et variance ; loi uniforme sur [a;b][a ;b] (E=2a+bE = (a + b)/2) ; loi exponentielle de densité λe−λxλ e ^(-λ x), P(X>t)=e−λtP(X > t) = e ^(-λ t), E=λ1E = frac1λ, absence de mémoire ; simulations à partir de la loi uniforme.
Pièges classiques : prendre f(x)f(x) pour une probabilité, confondre P(X>t)P(X > t) et P(X≤t)P(X ≤ t), confondre le paramètre λλ et l'espérance λ1frac1λ.
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…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 II est une fonction ff continue (sauf éventuellement en quelques points), positive sur II, dont l'aire totale sous la courbe vaut 11 :
f≥0et∫If(x)dx=1.f ≥ 0 et ∫_I f(x) d x = 1.
Une variable aléatoire XX de densité ff vérifie, pour [c;d]⊂I[c ;d] ⊂ I :
P(c≤X≤d)=∫cdf(x)dx.P(c ≤ X ≤ d) = ∫_c^(d) f(x) d x.
En particulier P(X=c)=0P(X = c) = 0, donc P(c≤X≤d)=P(c<X<d)P(c ≤ X ≤ d) = P(c < X < d) : inégalités larges ou strictes, c'est pareil.
Définition — Fonction de répartition.
La fonction de répartition de XX est F(x)=P(X≤x)F(x) = P(X ≤ x). C'est une fonction croissante, de 00 à 11, et P(c≤X≤d)=F(d)−F(c)P(c ≤ X ≤ d) = F(d) - F(c).
Définition — Espérance et variance.
Pour XX de densité ff sur [a;b][a ;b] :
E(X)=∫abxf(x)dxV(X)=∫ab(x−E(X))2f(x)dxσ(X)=V(X).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 ∑xipiΣ xᵢ pᵢ et ∑(xi−μ)2piΣ (xᵢ - μ)² pᵢ.
Exemple — Une densité polynomiale.f(x)=3x2f(x) = 3x² sur [0;1][0 ;1] est positive et ∫013x2dx=[x3]01=1∫₀¹ 3x² d x = [x³]₀¹ = 1 : c'est une densité.
V(X)=∫01(x−43)23x2dx=803=0,0375V(X) = ∫₀¹ (x - 3/4)² 3x² d x = 3/80 = 0,0375 (en développant).
La probabilité P(X≤0,5)=0,125P(X ≤ 0,5) = 0,125 est l'aire colorée sous la densité f(x)=3x2f(x) = 3x².
Loi uniforme
**Définition — Loi uniforme sur [a;b.∗∗[a ;b.**]
XX suit la loi uniforme sur [a;b][a ;b] si sa densité est constante : f(x)=b−a1f(x) = 1/(b - a) sur [a;b][a ;b]. La probabilité d'un intervalle est proportionnelle à sa longueur :
P(c≤X≤d)=b−ad−cetF(x)=b−ax−a sur [a;b].P(c ≤ X ≤ d) = (d - c)/(b - a) et F(x) = (x - a)/(b - a) sur [a ;b].
Pour [0;1][0 ;1] : f(x)=1f(x) = 1 et F(x)=xF(x) = x.
Propriété — Espérance et variance.E(X)=2a+bV(X)=12(b−a)2.E(X) = (a + b)/2 V(X) = ((b - a)²)/12.
Démonstration.E(X)=b−a1∫abxdx=b−a1×2b2−a2=2(b−a)(b−a)(b+a)=2a+bE(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 1515 minutes ; on arrive au hasard. Le temps d'attente TT suit la loi uniforme sur [0;15][0 ;15]. P(T>10)=155=31P(T > 10) = 5/15 = 1/3 ; E(T)=7,5E(T) = 7,5 min ; σ(T)=1215≈4,3σ(T) = 15/√(12) ≈ 4,3 min.
Remarque — Le paradoxe de l'inspection.
Si les intervalles entre deux bus sont irréguliers (parfois 55 min, parfois 2525), 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>0λ > 0.XX suit la loi exponentielle de paramètre λλ si sa densité sur [0;+∞[[0 ;+∞[ est
f(x)=λe−λx.f(x) = λ e ^(-λ x).
Pour t≥0t ≥ 0 : P(X≤t)=∫0tλe−λxdx=[−e−λx]0t=1−e−λtP(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−λt.P(X > t) = e ^(-λ t).
Quand t→+∞t → +∞, P(X≤t)→1P(X ≤ t) → 1 : l'aire totale vaut bien 11.
Propriété — Espérance.E(X)=λ1.E(X) = 1/λ.
Démonstration.
La fonction G(x)=−(x+λ1)e−λxG(x) = -(x + frac1λ) e ^(-λ x) a pour dérivée −e−λx+λ(x+λ1)e−λx=λxe−λx- e ^(-λ x) + λ(x + frac1λ) e ^(-λ x) = λ x e ^(-λ x) : c'est une primitive de xf(x)x f(x). Donc ∫0txf(x)dx=λ1−(t+λ1)e−λt∫₀^(t) x f(x) d x = frac1λ - (t + frac1λ) e ^(-λ t), qui tend vers λ1frac1λ quand t→+∞t → +∞ (on admet que te−λt→0t e ^(-λ t) → 0).
Densités de lois exponentielles : plus λλ est petit, plus les attentes longues sont probables (espérance λ1frac1λ).
Théorème — Absence de mémoire.
Pour tous t≥0t ≥ 0 et s≥0s ≥ 0 :
PX>t(X>t+s)=P(X>s)P_X > t(X > t + s) = P(X > s)
Démonstration.PX>t(X>t+s)=P(X>t)P(X>t+s)=e−λte−λ(t+s)=e−λs=P(X>s)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 XX (en heures) d'une diode suit la loi exponentielle de paramètre λ=0,0005λ = 0,0005. Durée de vie moyenne : E(X)=2000E(X) = 2 000 h. P(X>1000)=e−0,5≈0,607P(X > 1 000) = e ^(-0,5) ≈ 0,607. La durée tt telle que P(X≤t)=0,5P(X ≤ t) = 0,5 (médiane) vérifie e−λt=0,5e ^(-λ t) = 0,5, soit t=λln2≈1386t = (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 λλ. La moitié d'un grand échantillon a disparu au temps TT tel que P(X>T)=21P(X > T) = 1/2 : T=λln2T = (ln 2)/λ, la demi-vie. Pour un échantillon de NN atomes, il en reste en moyenne Ne−λtN e ^(-λ t) au temps tt : on retrouve la loi de décroissance radioactive.
Simulations
Méthode — Tout simuler à partir de random().
Bernoulli de paramètre pp : 1 if random() < p else 0.
Dé à nn faces : int(n * random()) + 1.
Loi uniforme sur [a;b][a ;b] : a + (b - a) * random().
Loi exponentielle de paramètre λλ : -log(1 - random()) / lam. En effet, si UU est uniforme sur [0;1[[0 ;1[, P(−λln(1−U)>t)=P(1−U<e−λt)=e−λtP(-(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 66 : 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)f(x) est une probabilité : c'est l'aire sous ff qui en est une (ff peut dépasser 11).
Oublier de vérifier que l'aire totale vaut 11 pour reconnaître une densité.
Écrire P(X>t)=1−e−λtP(X > t) = 1 - e ^(-λ t) : c'est P(X≤t)P(X ≤ t).
Confondre le paramètre λλ et l'espérance λ1frac1λ.
Attribuer une probabilité non nulle à une valeur exacte.
Fiche de synthèse
Densité
f≥0f ≥ 0, aire totale 11 ; P(c≤X≤d)=∫cdfP(c ≤ X ≤ d) = ∫_c^(d) f ; P(X=c)=0P(X = c) = 0
E(X)=∫xf(x)dxE(X) = ∫ x f(x) d x ; V(X)=∫(x−E(X))2f(x)dxV(X) = ∫ (x - E(X))² f(x) d x
Uniforme [a;b][a ;b]
f=b−a1f = 1/(b - a) ; P=b−alongueurP = longueur/(b - a) ; E=2a+bE = (a + b)/2 ; V=12(b−a)2V = ((b - a)²)/12
Exponentielle
f(x)=λe−λxf(x) = λ e ^(-λ x) ; P(X>t)=e−λtP(X > t) = e ^(-λ t) ; E=λ1E = frac1λ
Sans mémoire
PX>t(X>t+s)=P(X>s)P_X > t(X > t + s) = P(X > s)
Exercices d'application
Exercice 1 – Une densité
Soit f(x)=k(4−x)f(x) = k(4 - x) sur [0;4][0 ;4]. Déterminer kk pour que ff soit une densité, puis calculer P(X≤2)P(X ≤ 2) et E(X)E(X).
Exercice 2 – Loi uniforme
XX suit la loi uniforme sur [2;10][2 ;10]. Calculer P(3≤X≤7)P(3 ≤ X ≤ 7), P(X>9)P(X > 9), E(X)E(X) et V(X)V(X).
Exercice 3 – Standard téléphonique
Le temps (en minutes) entre deux appels suit la loi exponentielle de paramètre 0,20,2. Calculer la probabilité qu'un appel arrive dans les 55 minutes, puis qu'on attende plus de 1010 minutes. Quel est le temps moyen entre deux appels ? On attend déjà depuis 88 minutes : probabilité d'attendre encore plus de 22 minutes ?
Corrigés des exercices
Corrigé de l'exercice 1
Corrigé.f≥0f ≥ 0 si k>0k > 0 et ∫04k(4−x)dx=k[4x−2x2]04=8k=1∫₀⁴ k(4 - x) d x = k[4x - x²/2]₀⁴ = 8k = 1, donc k=81k = 1/8. P(X≤2)=81[4x−2x2]02=86=0,75P(X ≤ 2) = 1/8[4x - x²/2]₀² = 6/8 = 0,75. E(X)=81∫04(4x−x2)dx=81(32−364)=34E(X) = 1/8∫₀⁴ (4x - x²) d x = 1/8(32 - 64/3) = 4/3.