01 76 38 08 47
Logo Kartable
AccueilParcourirRechercheSe connecter

Pour profiter de 10 contenus offerts.

Logo Kartable
AccueilParcourirRechercheSe connecter

Pour profiter de 10 contenus offerts.

  1. Accueil
  2. Terminale ES
  3. Mathématiques
  4. Cours : Les lois à densité

Les lois à densité Cours

Sommaire

ILa densité de probabilitéIILa loi uniforme sur \left[a ; b\right]IIILa loi normale centrée réduiteIVLa loi normale générale

Ce contenu a été rédigé par l'équipe éditoriale de Kartable.

Dernière modification : 01/10/2020 - Conforme au programme 2019-2020

I

La densité de probabilité

Loi de probabilité continue et densité de probabilité

Soit f une fonction définie sur un intervalle I = \left[a ; b \right], positive et continue sur I, telle que :
\int_{a}^{b}f\left(t\right) \ \mathrm dt = 1
Alors, en posant pour tout réel c de I :

p\left(X\in\left[a ; c\right]\right) =\int_{a}^{c}f\left(t\right) \ \mathrm dt

On définit une loi de probabilité continue sur I. La fonction f est une densité de probabilité de cette loi.

Considérons la fonction f définie pour tout réel x de \left[0;2\right] par f\left(x\right)=\dfrac{x}{2}. f est continue et positive sur \left[0;2\right].
De plus, une primitive de f est la fonction F définie pour tout réel x de \left[0;2\right] par F\left(x\right)=\dfrac{x^2}{4}. On a donc :

\int_{0}^{2} f\left(x\right) \ \mathrm dx=F\left(2\right)-F\left(0\right)=\dfrac44-0=1

f est donc une densité de probabilités sur \left[0;2\right].

Pour tout réel c de \left[0;2\right], on définit la loi de probabilité :

p\left(X\in\left[0;c\right]\right)=\int_{0}^{c} f\left(x\right) \ \mathrm dx

Soient a et b deux réels tels que a\leqslant b :

p\left(X \in \left[a ; b\right]\right) = p\left(a \leq X \leq b\right)

Soient a et b deux réels tels que a\leqslant b :

  • p\left(X\in\left[a ; b\right]\right) = p\left(X\in\left[a ; b\right[\right) = p\left(X\in\left]a ; b\right]\right) = p\left(X\in\left]a ; b\right[\right)
  • p\left(X\in\left[a ; a\right]\right) =p\left(X=a\right)= 0

P\left(a \leq X \leq b\right) = P\left(X \leq b\right) - P\left(X \leq a\right)

P\left(X \leq a\right) + P\left(X \gt a\right)=1

II

La loi uniforme sur \left[a ; b\right]

Loi uniforme

Une variable aléatoire X suit la loi uniforme sur l'intervalle \left[a ; b\right] (a \lt b) si et seulement si elle admet pour densité la fonction f définie sur \left[a ; b\right] par :

f\left(x\right) = \dfrac{1}{b-a}

Si X suit une loi uniforme sur l'intervalle \left[4;6\right], alors sa fonction de densité est la fonction f définie pour tout réel x de \left[4;6\right] par :

f\left(x\right)=\dfrac{1}{6-4}=\dfrac12

Si X suit la loi uniforme sur l'intervalle \left[a ; b\right], alors pour tous réels c et d tels que a \leq c \leq d \leq b :

p\left(c \leq X \leq d\right) = \dfrac{d-c}{b-a}

X suit la loi uniforme sur l'intervalle \left[2 ; 5\right]. On a alors :

p\left(3\leq X \leq 4\right) = \dfrac{4-3}{5-2}=\dfrac13

La valeur de p\left(X\in\left[c ; d\right]\right) est égale à l'aire de la surface comprise entre la droite d'équation y = \dfrac{1}{b-a}, l'axe des abscisses et les droites d'équation x = c et x = d.

-

Espérance d'une loi uniforme

Si X suit la loi uniforme sur l'intervalle \left[a ; b\right], son espérance est alors égale à :

E\left(X\right) = \dfrac{a+b}{2}

X suit la loi uniforme sur l'intervalle \left[2 ; 5\right]. On a alors :

E\left(X\right)=\dfrac{2+5}{2}=\dfrac72

III

La loi normale centrée réduite

Loi normale centrée réduite

Une variable aléatoire X suit la loi normale centrée réduite notée \mathcal{N}\left(0;1\right) si elle admet pour densité la fonction f définie sur \mathbb{R} par :

f\left(x\right) = \dfrac{1}{\sqrt{2\pi }} e^{-\frac{x^2}{2}}

La valeur de p\left(X \leq a\right) est égale à l'aire de la surface comprise entre la courbe d'équation y = \dfrac{1}{\sqrt{2\pi }} e^{-\frac{x^2}{2}}, l'axe des abscisses et la droite d'équation x = a.

-

Si X suit la loi normale centrée réduite :

p\left( -1{,}96\leqslant X\leqslant1{,}96 \right)\approx 0{,}95

Espérance d'une loi normale centrée réduite

Si X suit la loi normale centrée réduite, son espérance est :

E\left(X\right) = 0

De façon similaire à ce que l'on voit en statistiques discrètes, on peut définir la variance et l'écart-type d'une variable aléatoire continue par :

V\left(X\right)=E\left(X^2\right)-\left(E\left(X\right)\right)^2

\sigma\left(X\right)=\sqrt{V\left(X\right)}

Variance d'une loi normale centrée réduite

Si X suit la loi normale centrée réduite, sa variance vaut :

V\left(X\right) = 1

Si X suit la loi normale centrée réduite, l'écart-type de X noté \sigma\left(X\right) vaut 1.

IV

La loi normale générale

Loi normale \mathcal{N}\left(\mu;\sigma^2\right)

Une variable aléatoire X suit la loi normale \mathcal{N}\left(\mu;\sigma^2\right) (\mu \in \mathbb{R}, \sigma \in \mathbb{R}^{+*}) si et seulement si la variable aléatoire \dfrac{X-\mu}{\sigma} suit la loi normale centrée réduite.

Espérance d'une loi normale

Si X suit la loi normale \mathcal{N}\left(\mu;\sigma^2\right), son espérance vaut :

E\left(X\right) = \mu

Variance d'une loi normale

Si X suit la loi normale \mathcal{N}\left(\mu;\sigma^2\right), sa variance vaut :

V\left(X\right) = \sigma^2

Si X suit la loi normale \mathcal{N}\left(\mu;\sigma^2\right), son écart-type vaut \sigma.

-

On observe que plus \sigma augmente, plus la courbe de la densité de la loi normale \mathcal{N}\left(\mu;\sigma^2\right) est "aplatie". De plus, cette courbe est centrée sur la moyenne, c'est-à-dire la droite d'équation x=\mu.

Si \mu=0 et \sigma=1, on retrouve la courbe de Gauss normalisée, soit la loi normale centrée réduite.

Valeurs remarquables de la loi normale

Si X suit la loi normale \mathcal{N}\left(\mu;\sigma^2\right), on a les valeurs remarquables suivantes :

p\left(\mu - \sigma \leq X \leq\mu + \sigma\right) \approx 0{,}683

p\left(\mu - 2\sigma \leq X \leq \mu + 2\sigma\right) \approx 0{,}954

p\left(\mu - 3\sigma \leq X \leq \mu + 3\sigma\right) \approx 0{,}997

La charte éditoriale garantit la conformité des contenus aux programmes officiels de l'Éducation nationale. en savoir plus

Les cours et exercices sont rédigés par l'équipe éditoriale de Kartable, composéee de professeurs certififés et agrégés. en savoir plus

Voir aussi
  • Quiz : Les lois à densité
  • Méthode : Reconnaître une fonction densité de probabilité
  • Méthode : Calculer l'espérance d'une variable aléatoire continue
  • Méthode : Calculer la probabilité d'un événement avec une loi continue
  • Méthode : Passer d'une loi normale générale à la loi normale centrée réduite
  • Méthode : Déterminer un des paramètres d'une loi normale
  • Exercice : Montrer qu'une fonction est une densité de probabilité
  • Exercice : Calculer l'espérance d'une variable aléatoire continue
  • Exercice : Calculer la probabilité d'un événement avec une loi continue
  • Exercice : Etudier une loi de probabilité continue quelconque
  • Exercice : Etudier une loi uniforme
  • Exercice : Reconnaître et utiliser une loi uniforme
  • Exercice : Calculer des probabilités dans le cadre de la loi normale
  • Exercice : Passer d'une loi normale générale à la loi normale centrée réduite
  • Exercice : Calculer les probabilités d'une loi normale en utilisant les formules

Nos conseillers pédagogiques sont à votre écoute 7j/7

Nos experts chevronnés sont joignables par téléphone et par e-mail pour répondre à toutes vos questions.
Pour comprendre nos services, trouver le bon accompagnement ou simplement souscrire à une offre, n'hésitez pas à les solliciter.

support@kartable.fr
01 76 38 08 47

Téléchargez l'application

Logo application Kartable
KartableWeb, iOS, AndroidÉducation

4,5 / 5  sur  20259  avis

0.00
app androidapp ios
  • Contact
  • Aide
  • Livres
  • Mentions légales
  • Recrutement

© Kartable 2025