présentation - Mathématiques académie de Lille
Short Description
Download présentation - Mathématiques académie de Lille...
Description
Statistiques et probabilités : Loi Normale Les I.P.R. et Formateurs de l’Académie de LILLE
Bulletin officiel spécial 8 du 13 octobre 2011
Cadre général : loi à densité
Définition Une fonction f définie sur R telle que f est positive f est continue l’aire du domaine délimité par la courbe Cf , courbe représentative de la fonction f et par l’axe des abscisses, est égale à 1 est appelée fonction densité ou densité.
Cadre général : loi à densité
Définition Une fonction f définie sur R telle que f est positive f est continue l’aire du domaine délimité par la courbe Cf , courbe représentative de la fonction f et par l’axe des abscisses, est égale à 1 est appelée fonction densité ou densité.
ATTENTION :
Toute théorie générale des lois à densité et des intégrales sur un intervalle non borné est exclue.
Cadre général : loi à densité
Exemple :
Cadre général : loi à densité
Exemple : cas particulier de la loi Bêta (α = 2 et β = 6)
Cadre général : loi à densité
Définition - Notation Soient Ω l’univers d’une expérience aléatoire X une variable aléatoire continue, définie sur Ω, de densité f J est un intervalle de R. La probabilité que X prenne ses valeurs dans l’intervalle J, notée P({X ∈ J}), est définie comme l’aire du domaine suivant {M(x; y ) ; x ∈ J
et
0 ≤ y ≤ f (x)}
Cadre général : loi à densité
Définition - Notation Soient Ω l’univers d’une expérience aléatoire X une variable aléatoire continue, définie sur Ω, de densité f J est un intervalle de R. La probabilité que X prenne ses valeurs dans l’intervalle J, notée P({X ∈ J}), est définie comme l’aire du domaine suivant {M(x; y ) ; x ∈ J
et
0 ≤ y ≤ f (x)}
,→ Réinvestissement du chapitre sur l’intégration.
Cadre général : loi à densité
Exemple :
Cadre général : loi à densité
Exemple : cas particulier de la loi Bêta
Bulletin officiel spécial 8 du 13 octobre 2011
Loi normale centrée réduite : densité
Capacités attendues : Connaître la fonction de densité de la loi normale et sa représentation graphique.
Loi normale centrée réduite : densité
Capacités attendues : Connaître la fonction de densité de la loi normale et sa représentation graphique.
Définition-Notation Une variable aléatoire continue X suit la loi normale centrée réduite lorsque sa densité f est définie sur R par x2 1 − f (x) = √ e 2 2π Notation : N(0, 1)
Loi normale centrée réduite : densité Courbe représentative de la densité de la loi normale centrée réduite.
Loi normale centrée réduite : densité Courbe représentative de la densité de la loi normale centrée réduite.
La densité de la loi normale centrée réduite est une fonction paire
Loi normale centrée réduite : densité Courbe représentative de la densité de la loi normale centrée réduite.
La densité de la loi normale centrée réduite est une fonction paire ,→ sa courbe Cf est donc symétrique par rapport à l’axe des ordonnées
Loi normale centrée réduite : introduction Théorème de de Moivre-Laplace (admis), uniquement en S Soient n un entier naturel non nul p un nombre réel fixé appartenant à l’intervalle ]0; 1[ Xn une variable aléatoire suivant la loi binomiale B(n; p).
Loi normale centrée réduite : introduction Théorème de de Moivre-Laplace (admis), uniquement en S Soient n un entier naturel non nul p un nombre réel fixé appartenant à l’intervalle ]0; 1[ Xn une variable aléatoire suivant la loi binomiale B(n; p). Alors pour tous nombres réels a et b tels que a < b, x2 1 − √ e 2 dx lim P(a ≤ Zn ≤ b) = n→+∞ 2π a Xn − n × p où Zn est la variable aléatoire définie par Zn = p . n × p × (1 − p) Z
b
Loi normale centrée réduite : introduction Théorème de de Moivre-Laplace (admis), uniquement en S Soient n un entier naturel non nul p un nombre réel fixé appartenant à l’intervalle ]0; 1[ Xn une variable aléatoire suivant la loi binomiale B(n; p). Alors pour tous nombres réels a et b tels que a < b, x2 1 − √ e 2 dx lim P(a ≤ Zn ≤ b) = n→+∞ 2π a Xn − n × p où Zn est la variable aléatoire définie par Zn = p . n × p × (1 − p) Z
b
Introduction de la loi normale centrée réduite : ,→ observation des représentations graphiques des lois
Loi normale centrée réduite : introduction Théorème de de Moivre-Laplace (admis), uniquement en S Soient n un entier naturel non nul p un nombre réel fixé appartenant à l’intervalle ]0; 1[ Xn une variable aléatoire suivant la loi binomiale B(n; p). Alors pour tous nombres réels a et b tels que a < b, x2 1 − √ e 2 dx lim P(a ≤ Zn ≤ b) = n→+∞ 2π a Xn − n × p où Zn est la variable aléatoire définie par Zn = p . n × p × (1 − p) Z
b
Introduction de la loi normale centrée réduite : ,→ observation des représentations graphiques des lois Approximation d’une loi binomiale par une loi normale ,→ généralisation Théorème Centrale Limite
Loi normale centrée réduite : introduction Théorème de de Moivre-Laplace (admis), uniquement en S Soient n un entier naturel non nul p un nombre réel fixé appartenant à l’intervalle ]0; 1[ Xn une variable aléatoire suivant la loi binomiale B(n; p). Alors pour tous nombres réels a et b tels que a < b, x2 1 − √ e 2 dx lim P(a ≤ Zn ≤ b) = n→+∞ 2π a Xn − n × p où Zn est la variable aléatoire définie par Zn = p . n × p × (1 − p) Z
b
Introduction de la loi normale centrée réduite : ,→ observation des représentations graphiques des lois Approximation d’une loi binomiale par une loi normale ,→ généralisation Théorème Centrale Limite ATTENTION à la correction dite de continuité (qui n’est pas au programme).
Loi normale centrée réduite : propriétés et démonstration
Propriété (uniquement en S) A savoir démontrer Pour tout nombre réel α dans l’intervalle ]0 ;1[, il existe un unique réel positif uα tel que P(−uα ≤ X ≤ uα ) = 1 − α où X est une variable aléatoire suivant la loi normale centrée réduite.
Loi normale centrée réduite : propriétés et démonstration
Propriété (uniquement en S) A savoir démontrer Pour tout nombre réel α dans l’intervalle ]0 ;1[, il existe un unique réel positif uα tel que P(−uα ≤ X ≤ uα ) = 1 − α où X est une variable aléatoire suivant la loi normale centrée réduite. ,→ Réinvestissement du chapitre sur l’intégration.
Loi normale centrée réduite : propriétés et démonstration
Propriété (uniquement en S) A savoir démontrer Pour tout nombre réel α dans l’intervalle ]0 ;1[, il existe un unique réel positif uα tel que P(−uα ≤ X ≤ uα ) = 1 − α où X est une variable aléatoire suivant la loi normale centrée réduite. ,→ Réinvestissement du chapitre sur l’intégration. ,→ Réinvestissement du chapitre sur les fonctions.
Loi normale centrée réduite : propriétés et démonstration
Propriété (uniquement en S) A savoir démontrer Pour tout nombre réel α dans l’intervalle ]0 ;1[, il existe un unique réel positif uα tel que P(−uα ≤ X ≤ uα ) = 1 − α où X est une variable aléatoire suivant la loi normale centrée réduite. ,→ Réinvestissement du chapitre sur l’intégration. ,→ Réinvestissement du chapitre sur les fonctions. Démonstration :
Loi normale centrée réduite : propriétés et démonstration
Propriété (uniquement en S) A savoir démontrer Pour tout nombre réel α dans l’intervalle ]0 ;1[, il existe un unique réel positif uα tel que P(−uα ≤ X ≤ uα ) = 1 − α où X est une variable aléatoire suivant la loi normale centrée réduite. ,→ Réinvestissement du chapitre sur l’intégration. ,→ Réinvestissement du chapitre sur les fonctions. Démonstration : Soit α un nombre réel dans l’intervalle ]0; 1[.
Loi normale centrée réduite : propriétés et démonstration
Propriété (uniquement en S) A savoir démontrer Pour tout nombre réel α dans l’intervalle ]0 ;1[, il existe un unique réel positif uα tel que P(−uα ≤ X ≤ uα ) = 1 − α où X est une variable aléatoire suivant la loi normale centrée réduite. ,→ Réinvestissement du chapitre sur l’intégration. ,→ Réinvestissement du chapitre sur les fonctions. Démonstration : Soit α un nombre réel dans l’intervalle ]0; 1[. On définit la fonction F sur [0; +∞[ par Z F (b) = 0
b
x2 1 − √ e 2 dx 2π
Loi normale centrée réduite : propriétés et démonstration
Propriété (uniquement en S) A savoir démontrer Pour tout nombre réel α dans l’intervalle ]0 ;1[, il existe un unique réel positif uα tel que P(−uα ≤ X ≤ uα ) = 1 − α où X est une variable aléatoire suivant la loi normale centrée réduite. ,→ Réinvestissement du chapitre sur l’intégration. ,→ Réinvestissement du chapitre sur les fonctions. Démonstration : Soit α un nombre réel dans l’intervalle ]0; 1[. On définit la fonction F sur [0; +∞[ par Z F (b) = 0
b
x2 1 − √ e 2 dx 2π
F est l’unique primitive de la densité f sur [0; +∞[ qui s’annule en 0.
Loi normale centrée réduite : propriétés et démonstration (suite)
• F est continue sur [0; +∞[
Loi normale centrée réduite : propriétés et démonstration (suite)
• F est continue sur [0; +∞[ • F est strictement croissante sur [0; +∞[
Loi normale centrée réduite : propriétés et démonstration (suite)
• F est continue sur [0; +∞[ • F est strictement croissante sur [0; +∞[ • F prend ses valeurs dans [0; 12 ]
Loi normale centrée réduite : propriétés et démonstration (suite)
• F est continue sur [0; +∞[ • F est strictement croissante sur [0; +∞[ • F prend ses valeurs dans [0; 12 ] 1−α 1 • Comme 0 < α < 1, 0 < < . 2 2
Loi normale centrée réduite : propriétés et démonstration (suite)
• F est continue sur [0; +∞[ • F est strictement croissante sur [0; +∞[ • F prend ses valeurs dans [0; 12 ] 1−α 1 • Comme 0 < α < 1, 0 < < . 2 2
Loi normale centrée réduite : propriétés et démonstration (suite)
• F est continue sur [0; +∞[ • F est strictement croissante sur [0; +∞[ • F prend ses valeurs dans [0; 12 ] 1−α 1 • Comme 0 < α < 1, 0 < < . 2 2 Ainsi, d’après le corollaire du théorème des valeurs intermédiaires, il existe un unique nombre réel strictement positif que l’on note uα tel que F (uα ) =
1−α 2
Loi normale centrée réduite : propriétés et démonstration (suite)
• F est continue sur [0; +∞[ • F est strictement croissante sur [0; +∞[ • F prend ses valeurs dans [0; 12 ] 1−α 1 • Comme 0 < α < 1, 0 < < . 2 2 Ainsi, d’après le corollaire du théorème des valeurs intermédiaires, il existe un unique nombre réel strictement positif que l’on note uα tel que F (uα ) =
1−α 2
Par symétrie de la courbe Cf et par linéarité de l’intégrale, le résultat s’ensuit.
Loi normale centrée réduite : propriétés Propriété (série S) Soit X une variable aléatoire suivant la loi normale centrée réduite. La probabilité que X prenne ses valeurs dans l’intervalle [−1, 96; 1, 96] est telle que : P(X ∈ [−1, 96; 1, 96]) ≈ 0, 95 La probabilité que X prenne ses valeurs dans l’intervalle [−2, 58; 2, 58] est telle que : P(X ∈ [−2, 58; 2, 58]) ≈ 0, 99
Loi normale centrée réduite : propriétés Propriété (série S) Soit X une variable aléatoire suivant la loi normale centrée réduite. La probabilité que X prenne ses valeurs dans l’intervalle [−1, 96; 1, 96] est telle que : P(X ∈ [−1, 96; 1, 96]) ≈ 0, 95 La probabilité que X prenne ses valeurs dans l’intervalle [−2, 58; 2, 58] est telle que : P(X ∈ [−2, 58; 2, 58]) ≈ 0, 99
Propriété (série ES-L) Soit X une variable aléatoire suivant la loi normale centrée réduite. La probabilité que X prenne ses valeurs dans l’intervalle [−1, 96; 1, 96] est telle que : P(X ∈ [−1, 96; 1, 96]) ≈ 0, 95
Loi normale centrée réduite : propriétés Propriété (série S) Soit X une variable aléatoire suivant la loi normale centrée réduite. La probabilité que X prenne ses valeurs dans l’intervalle [−1, 96; 1, 96] est telle que : P(X ∈ [−1, 96; 1, 96]) ≈ 0, 95 La probabilité que X prenne ses valeurs dans l’intervalle [−2, 58; 2, 58] est telle que : P(X ∈ [−2, 58; 2, 58]) ≈ 0, 99
Propriété (série ES-L) Soit X une variable aléatoire suivant la loi normale centrée réduite. La probabilité que X prenne ses valeurs dans l’intervalle [−1, 96; 1, 96] est telle que : P(X ∈ [−1, 96; 1, 96]) ≈ 0, 95 ,→ Donne une idée de la répartition des valeurs prises par X
Loi normale centrée réduite : propriétés Propriété (série S) Soit X une variable aléatoire suivant la loi normale centrée réduite. La probabilité que X prenne ses valeurs dans l’intervalle [−1, 96; 1, 96] est telle que : P(X ∈ [−1, 96; 1, 96]) ≈ 0, 95 La probabilité que X prenne ses valeurs dans l’intervalle [−2, 58; 2, 58] est telle que : P(X ∈ [−2, 58; 2, 58]) ≈ 0, 99
Propriété (série ES-L) Soit X une variable aléatoire suivant la loi normale centrée réduite. La probabilité que X prenne ses valeurs dans l’intervalle [−1, 96; 1, 96] est telle que : P(X ∈ [−1, 96; 1, 96]) ≈ 0, 95 ,→ Donne une idée de la répartition des valeurs prises par X ,→ Justifie les valeurs utilisées dans le chapitre sur les intervalles de fluctuation.
Loi normale centrée réduite : propriétés et illustrations
P(X ∈ [−1, 96; 1, 96]) ≈ 0, 95
P(X ∈ [−2, 58; 2, 58]) ≈ 0, 99
Bulletin officiel spécial 8 du 13 octobre 2011
Loi normale : définition
Définition-Notation Une variable aléatoire continue X suit une loi normale d’espérance µ et d’écart-type σ si la variable aléatoire continue Notation : N(µ, σ 2 )
X −µ suit la loi normale centrée réduite. σ
Loi normale : définition
Définition-Notation Une variable aléatoire continue X suit une loi normale d’espérance µ et d’écart-type σ si la variable aléatoire continue
X −µ suit la loi normale centrée réduite. σ
Notation : N(µ, σ 2 )
ATTENTION :
la connaissance d’une expression algébrique de la densité d’une loi normale n’est pas un attendu du programme !
Loi normale : propriétés Commentaires : On fait percevoir l’information apportée par la valeur de l’écart-type.
Loi normale : propriétés Commentaires : On fait percevoir l’information apportée par la valeur de l’écart-type. Capacités attendues : Connaître une valeur approchée de la probabilité de certains évènements.
Loi normale : propriétés Commentaires : On fait percevoir l’information apportée par la valeur de l’écart-type. Capacités attendues : Connaître une valeur approchée de la probabilité de certains évènements. Propriétés Soit X une variable aléatoire suivant la loi normale N(µ, σ 2 ). Alors La probabilité de l’événement {X ∈ [µ − σ; µ + σ]} est telle que P({X ∈ [µ − σ; µ + σ]}) ≈ 0, 68 La probabilité de l’événement {X ∈ [µ − 2σ; µ + 2σ]} est telle que P({X ∈ [µ − 2σ; µ + 2σ]}) ≈ 0, 95 La probabilité de l’événement {X ∈ [µ − 3σ; µ + 3σ]} est telle que P({X ∈ [µ − 3σ; µ + 3σ]}) ≈ 0, 99
Loi normale : propriétés et illustration
Loi normale : calcul d’une probabilité et calculatrices
Texas Instrument :
T.I. 83 plus
La fonction s’appelle normalFRép
Loi normale : calcul d’une probabilité et calculatrices
Texas Instrument :
T.I. 83 plus
La fonction s’appelle normalFRép
Loi normale : calcul d’une probabilité et calculatrices
Texas Instrument :
T.I. 83 plus
La fonction s’appelle normalFRép
Pour calculer P(a ≤ X ≤ b) où X suit la loi normale N (µ, σ 2 ),
Loi normale : calcul d’une probabilité et calculatrices
Texas Instrument :
T.I. 83 plus
La fonction s’appelle normalFRép
Pour calculer P(a ≤ X ≤ b) où X suit la loi normale N (µ, σ 2 ), il faut saisir dans cet ordre a, b, µ et σ.
Loi normale : calcul d’une probabilité et calculatrices
CASIO :
CASIO Graph 35+
Loi normale : calcul d’une probabilité et calculatrices
CASIO :
CASIO Graph 35+
La fonction s’appelle Normal C.D.
Loi normale : calcul d’une probabilité et calculatrices
CASIO :
CASIO Graph 35+
La fonction s’appelle Normal C.D.
Loi normale : calcul d’une probabilité et calculatrices
CASIO :
CASIO Graph 35+
La fonction s’appelle Normal C.D.
Pour calculer P(a ≤ X ≤ b) où X suit la loi normale N (µ, σ 2 ),
Loi normale : calcul d’une probabilité et calculatrices
CASIO :
CASIO Graph 35+
La fonction s’appelle Normal C.D.
Pour calculer P(a ≤ X ≤ b) où X suit la loi normale N (µ, σ 2 ), il faut saisir dans cet ordre a, b, σ et µ.
Loi normale : calcul d’une probabilité et tableurs
TABLEURS :
Open office ; Excel
Loi normale : calcul d’une probabilité et tableurs
TABLEURS :
Open office ; Excel
La fonction s’appelle LOI.NORMALE
Loi normale : calcul d’une probabilité et tableurs
TABLEURS :
Open office ; Excel
La fonction s’appelle LOI.NORMALE
Loi normale : calcul d’une probabilité et tableurs
TABLEURS :
Open office ; Excel
La fonction s’appelle LOI.NORMALE
Pour calculer P(X ≤ b) où X suit la loi normale N (µ, σ 2 ),
Loi normale : calcul d’une probabilité et tableurs
TABLEURS :
Open office ; Excel
La fonction s’appelle LOI.NORMALE
Pour calculer P(X ≤ b) où X suit la loi normale N (µ, σ 2 ), il faut saisir dans cet ordre b, µ, σ et VRAI.
Loi normale : exercice Énoncé. La taille exprimée en centimètres d’un enfant de dix ans suit la loi normale d’espérance 135 (cm) et d’écart-type 5,9 (cm).
Loi normale : exercice Énoncé. La taille exprimée en centimètres d’un enfant de dix ans suit la loi normale d’espérance 135 (cm) et d’écart-type 5,9 (cm). Déterminer la probabilité qu’un enfant de 10 ans mesure moins de 126 cm.
Loi normale : exercice Énoncé. La taille exprimée en centimètres d’un enfant de dix ans suit la loi normale d’espérance 135 (cm) et d’écart-type 5,9 (cm). Déterminer la probabilité qu’un enfant de 10 ans mesure moins de 126 cm. 1
Etape 1 : on définit la variable aléatoire X qui à un enfant de dix ans (choix aléatoire et équiprobable) associe sa taille en cm.
Loi normale : exercice Énoncé. La taille exprimée en centimètres d’un enfant de dix ans suit la loi normale d’espérance 135 (cm) et d’écart-type 5,9 (cm). Déterminer la probabilité qu’un enfant de 10 ans mesure moins de 126 cm. 1
Etape 1 : on définit la variable aléatoire X qui à un enfant de dix ans (choix aléatoire et équiprobable) associe sa taille en cm.
2
Etape 2 : on identifie les paramètres de la loi suivie par la variable aléatoire X : la variable aléatoire X suit la loi normale N(135; 5.92 )
Loi normale : exercice Énoncé. La taille exprimée en centimètres d’un enfant de dix ans suit la loi normale d’espérance 135 (cm) et d’écart-type 5,9 (cm). Déterminer la probabilité qu’un enfant de 10 ans mesure moins de 126 cm. 1
Etape 1 : on définit la variable aléatoire X qui à un enfant de dix ans (choix aléatoire et équiprobable) associe sa taille en cm.
2
Etape 2 : on identifie les paramètres de la loi suivie par la variable aléatoire X : la variable aléatoire X suit la loi normale N(135; 5.92 )
3
Etape 3 : on traduit l’énoncé à l’aide de la variable aléatoire X : Calculer P(X ≤ 126)
Loi normale : exercice Énoncé. La taille exprimée en centimètres d’un enfant de dix ans suit la loi normale d’espérance 135 (cm) et d’écart-type 5,9 (cm). Déterminer la probabilité qu’un enfant de 10 ans mesure moins de 126 cm. 1
Etape 1 : on définit la variable aléatoire X qui à un enfant de dix ans (choix aléatoire et équiprobable) associe sa taille en cm.
2
Etape 2 : on identifie les paramètres de la loi suivie par la variable aléatoire X : la variable aléatoire X suit la loi normale N(135; 5.92 )
3
Etape 3 : on traduit l’énoncé à l’aide de la variable aléatoire X : Calculer P(X ≤ 126)
4
Etape 4 : on interprète géométriquement cette probabilité.
Loi normale : exercice
Loi normale : exercice
P(X ≤ 126)
=
0, 5 − P(126 ≤ X ≤ 135)
Loi normale : exercice
P(X ≤ 126)
= =
0, 5 − P(126 ≤ X ≤ 135) Z 135 0, 5 − f (x)dx 126
Loi normale et applications Texas Instrument :
T.I. 83 plus
Loi normale et applications Texas Instrument :
CASIO :
T.I. 83 plus
CASIO Graph 35+
Loi normale et applications Texas Instrument :
CASIO :
T.I. 83 plus
CASIO Graph 35+
TABLEURS :
Open office ; Excel
Loi normale et applications Texas Instrument :
CASIO :
T.I. 83 plus
CASIO Graph 35+
TABLEURS :
Open office ; Excel
Merci pour votre participation active
View more...
Comments