Variables aléatoires à densité en MP, PSI et TSI (Maroc) : cours, méthodes et exercices corrigés
Densités de probabilité, fonction de répartition, lois uniforme, exponentielle et normale, espérance et variance d'une variable à densité, transformations, théorème de la limite centrée.
- 16méthodes
- 41exercices corrigés
- 6problèmes
- 17pièges
- 41figures
La durée de vie d'une résistance, l'épaisseur d'une couche d'émail, la masse d'une caisse de pièces : ces grandeurs ne se comptent pas, elles se mesurent, et la probabilité qu'elles prennent une valeur exacte est nulle. On les étudie comme des variables aléatoires à densité : une densité et une fonction de répartition, les lois uniforme, exponentielle, gamma et gaussiennes, la loi d'une fonction de la variable, d'un maximum, d'un minimum et d'une somme de variables indépendantes par le produit de convolution ; l'espérance et le théorème de transfert ; les inégalités de Markov et de Bienaymé-Tchebychev, la convergence en loi et le théorème de la limite centrée, avec l'approximation d'une loi binomiale par une loi normale. Ce chapitre suit les programmes de MP, PSI et TSI au Maroc, pour le CNC ; les variables à densité ne sont pas au programme des classes françaises.
Ce que tu sauras faire
La durée de vie d'une résistance électrique, l'épaisseur d'une couche d'émail, la masse d'une caisse de pièces : ces grandeurs ne se comptent pas, elles se mesurent, et la probabilité qu'elles prennent une valeur exacte est nulle. Ce chapitre les étudie comme des variables aléatoires à densité. À la fin, tu dois savoir :
- reconnaître une variable à densité et en donner une densité ; montrer qu'une fonction est une densité ;
- passer de la densité à la fonction de répartition, et inversement ;
- connaître et utiliser les lois uniforme, exponentielle, gamma et gaussiennes ;
- déterminer la loi de , d'un maximum, d'un minimum, d'une somme de variables indépendantes ;
- montrer qu'une espérance existe et la calculer, y compris par le théorème de transfert ;
- appliquer les inégalités de Markov et de Bienaymé-Tchebychev à une variable à densité ;
- montrer une convergence en loi et utiliser le théorème de la limite centrée ;
- simuler une loi à densité et comparer l'histogramme obtenu à la densité.
L'essentiel : Pour démontrer… Extrait gratuit
| On cherche | On utilise |
|---|---|
| qu'une fonction est une densité | positivité, continuité sauf en un nombre fini de points, intégrale |
| qu'une variable est à densité, une densité | continue, sauf en un nombre fini de points, puis |
| la loi de | par cas de ; partie entière : |
| la loi d'un maximum, d'un minimum | , et l'indépendance |
| la loi d'une somme | une stabilité, sinon la convolution |
| une espérance, une variance | l'intégrabilité, puis le transfert et König-Huygens |
| une intégrale gaussienne ou gamma | une densité usuelle, constante comprise |
| une majoration de probabilité | Markov, Bienaymé-Tchebychev |
| une convergence en loi | et sa limite |
| la limite d'une probabilité sur une somme | la limite centrée |
Une méthode du chapitre Extrait gratuit
L'énoncé donne une fonction , souvent avec une constante inconnue , et demande de montrer que c'est une densité de probabilité, ou de trouver pour qu'elle le soit.
Une fonction est une densité si elle est positive, continue sur sauf en un nombre fini de points, et si converge et vaut . Toute telle fonction est la densité d'une variable aléatoire (résultat admis).
- Écrire sur tout , en précisant où elle est nulle.
- Vérifier la positivité et la continuité sauf en un nombre fini de points (lister ces points).
- Étudier la convergence de l'intégrale à chaque borne ouverte, puis la calculer sur un segment et passer à la limite.
- Pour une constante : analyse (l'intégrale doit valoir , ce qui donne ), puis synthèse (avec cette valeur, la positivité tient).
La fonction est nulle sur et vaut sur . Elle est positive [car…] et continue sur sauf en . Pour , : l'intégrale converge et vaut [si et seulement si ]. Donc est une densité de probabilité.
Soit pour et ailleurs. Analyse. Si est une densité, , donc . Synthèse. Pour , puisque sur ; est continue sur (elle vaut en et en ) ; l'intégrale porte sur un segment et vaut . est une densité si et seulement si .
- Oublier de vérifier que l'intégrale vaut , ou ne vérifier que la positivité.
- Calculer directement par une primitive, sans passer par .
- Conclure sur la constante sans vérifier ensuite la positivité.
Exercices 1, 2, 16, 17 et 20.
Un exercice corrigé Extrait gratuit
On pose et, pour tout entier , .
1. a. Montrer que est une intégrale convergente et que . b. Justifier que, pour tout , quand . c. En déduire que est une intégrale convergente.
2. Montrer, par une intégration par parties, que pour tout et tout réel ,
3. Montrer que pour tout . 4. En déduire que .
5. Soit la fonction définie par si et si . a. Montrer que est une densité. On note une variable de densité . b. Déterminer . c. Déterminer .
Méthodes 1, 5 et 6. 1.b : croissances comparées, . 2 : dériver , intégrer . 5 : tout s'exprime avec les .
Toutes les intégrales de l'exercice sont des : la suite se calcule une fois pour toutes, par une relation de récurrence obtenue sur un segment puis passée à la limite. La densité, l'espérance et le moment d'ordre ne sont plus que des combinaisons de factorielles.
1. a. : converge et vaut . b. par croissances comparées. c. est continue et positive sur , négligeable devant , intégrable en : par comparaison, converge.
2. Sur le segment , on intègre par parties avec et , de classe :
3. Quand , et les deux intégrales convergent : .
4. Récurrence : , et si , alors .
5. a. est positive, continue sur (en , , limite à gauche comprise). Son intégrale converge et vaut : est une densité.
b. sur , intégrable par 1.c : .
c. De même, est intégrable, et par le théorème de transfert . Par König-Huygens, . La densité est un mélange : , où est la densité de ; on retrouve .
Une intégrale généralisée se calcule sur , puis on passe à la limite : on n'écrit jamais d'intégration par parties directement sur sans avoir étudié les termes. Avec , toute densité « polynôme fois » se traite en une ligne. Voir les méthodes 1, 5 et 6.
Le cours détaillé, toute la fiche « L'essentiel », 16 méthodes, 17 pièges corrigés, la carte mentale, 41 exercices corrigés, 6 problèmes de concours, les fiches à mémoriser et l'assistant qui répond à tes questions. Les trois premiers chapitres de chaque matière sont offerts avec un compte d’essai gratuit.
Ouvrir l'essai gratuitVoir les offresPlan du cours
- 1. Variables aléatoires à densité
- 1.1 Rappels : variable aléatoire réelle, fonction de répartition
- 1.2 Rappels : intégrales sur un intervalle quelconque
- 1.3 Loi à densité
- 1.4 Toute densité est la densité d'une variable
- 1.5 Ni discrète, ni à densité
- 2. Lois usuelles
- 2.1 Loi uniforme
- 2.2 Loi exponentielle
- 2.3 Lois gamma
- 2.4 Lois gaussiennes
- 3. Fonction d'une variable à densité
- 3.1 Loi de par la fonction de répartition
- 3.2 Transformations affines
- 3.3 Variable discrète obtenue à partir d'une densité
- 4. Indépendance, maximum, minimum, sommes
- 4.1 Variables indépendantes
- 4.2 Maximum et minimum
- 4.3 Somme d'une variable discrète et d'une variable à densité
- 4.4 Somme de deux variables à densité : produit de convolution
- 4.5 Stabilité des lois gamma et des lois gaussiennes
- 5. Espérance et variance
- 5.1 Espérance
- 5.2 Théorème de transfert
- 5.3 Propriétés de l'espérance
- 5.4 Moments et variance
- 5.5 Espérance et variance des lois usuelles
- 6. Inégalités et convergences
- 6.1 Inégalités de Markov, de Bienaymé-Tchebychev et de Jensen
- 6.2 Convergence en probabilité, loi faible des grands nombres
- 6.3 Convergence en loi
- 6.4 Théorème de la limite centrée
- 6.5 Approcher une loi binomiale par une loi normale
- 7. Simuler une variable à densité
- 7.1 Les générateurs de numpy
- 7.2 Histogramme et densité
- 8. Transformée de Laplace d'une loi à densité
- 8.1 Définition et exemples
- 8.2 Moments, somme de variables indépendantes
- Démonstrations à savoir refaire
Les méthodes du chapitre
Chaque méthode est une fiche : quand l'utiliser, le rappel de cours, les étapes, la rédaction attendue sur la copie, un exemple traité, les erreurs à éviter.
- Montrer qu'une fonction est une densité ; trouver une constante
- Passer de la densité à la fonction de répartition
- Montrer qu'une variable est à densité à partir de sa fonction de répartition, et en donner une densité
- Calculer des probabilités avec une densité ou une fonction de répartition
- Montrer qu'une espérance existe et la calculer
- Calculer , un moment, une variance
- Reconnaître et utiliser une loi usuelle
- Calculer une intégrale grâce à une densité usuelle
- Déterminer la loi de
- Loi d'un maximum, d'un minimum de variables indépendantes
- Densité d'une somme de variables indépendantes
- Majorer une probabilité par Markov ou Bienaymé-Tchebychev
- Montrer une convergence en loi
- Utiliser le théorème de la limite centrée
- Simuler une loi à densité et contrôler un résultat
- Utiliser la transformée de Laplace d'une loi à densité
Les exercices corrigés
Chaque exercice a ses indications, sa correction rédigée et ce qu'il faut en retenir.
Application directe (16)
- Trouver la constante d'une densité
- Une densité à deux paramètres
- De la fonction de répartition à la densité
- Une variable donnée par sa fonction de répartition
- Calculs avec une loi normale
- Retrouver les paramètres d'une loi normale
- Une combinaison de lois normales
- Une transformée affine
- L'exponentielle d'une variable exponentielle
- Calculer une intégrale avec une densité gaussienne
- Le maximum de n variables uniformes
- Deux exponentielles de paramètres différents
- Une variable de Bernoulli plus une variable uniforme
- Markov, Bienaymé-Tchebychev et valeur exacte
- Simuler une loi exponentielle par inversion
- Le carré d'une gaussienne
Entraînement (19)
- Une densité polynôme fois exponentielle
- Une densité à constante
- Le carré d'une variable uniforme
- Ni discrète, ni à densité
- La loi logistique
- F(X) suit une loi uniforme
- À propos de la loi exponentielle
- La différence de deux exponentielles
- Une somme de n exponentielles
- Composants en série et en parallèle
- L'espérance par la queue
- Une inégalité gaussienne
- Le taux de panne
- Le minimum de n variables uniformes
- Une géométrique renormalisée
- Une limite par la limite centrée
- Approcher une binomiale par une loi normale
- Combien de places par étable
- Transformée de Laplace d'une loi gamma
Approfondissement (6)
- La seule loi à densité sans mémoire
- Les passages d'un bus
- Moments d'une densité sur [0, 1]
- La médiane de 2n + 1 variables uniformes
- Une intégrale et la limite centrée
- Un mobile dans le plan
Les problèmes de concours
Des extraits de sujets réels, corrigés en entier, avec la durée conseillée et les méthodes mobilisées.
- Moments gaussiens et loi de Rayleigh
- La loi de Gumbel
- Une loi de Rayleigh à paramètre et des réunions d'événements
- Une densité liée à la gaussienne et deux intégrales
- Convolution et matrice aléatoire
- Fonction génératrice des moments d'une variable à densité
Questions fréquentes
Qu'est-ce qu'une variable aléatoire à densité ?
C'est une variable dont la fonction de répartition est continue sur et de classe sauf en un nombre fini de points. Une densité est alors : elle est positive, d'intégrale , et . Une variable n'est pas toujours discrète ou à densité : elle peut n'être ni l'une ni l'autre.
Une densité est-elle une probabilité ?
Non. Pour une variable à densité, pour tout réel ; la densité mesure une probabilité par unité de longueur, et est voisin de pour petit. Une densité peut donc dépasser : celle de la loi uniforme sur vaut .
Comment trouver la loi de g(X) ?
Aucun théorème général n'est au programme : on passe par la fonction de répartition. On écrit les valeurs possibles de , on traduit l'événement en un événement sur en distinguant les cas de , on calcule avec , puis on dérive. Pour , a pour fonction de répartition sur .
Comment calculer la densité d'une somme de deux variables ?
Si les variables sont indépendantes, on regarde d'abord si une stabilité s'applique : une somme de gaussiennes est gaussienne, une somme de lois gamma de même paramètre est gamma. Sinon, on calcule le produit de convolution , en réduisant l'intervalle d'intégration aux où le produit n'est pas nul, cas par cas de . Sans indépendance, la formule est fausse.
Que dit le théorème de la limite centrée ?
Si les variables sont indépendantes, de même loi, admettent un moment d'ordre , d'espérance et d'écart type , alors converge en loi vers la loi normale centrée réduite, où . Pour une caisse de pièces de masse moyenne g et d'écart type g, la masse totale dépasse kg avec une probabilité voisine de , environ .
Quand approcher une loi binomiale par une loi normale ?
Quand est grand et que n'est ni trop petit ni trop proche de : on remplace par , en élargissant chaque entier d'une demi-unité (correction de continuité). Quand est petit et modéré, c'est la loi de Poisson qui convient. Les règles chiffrées des livres sont des indications pratiques, pas des théorèmes.
Comment y accéder
Ce chapitre fait partie de l'accès complet. Les trois premiers chapitres de chaque matière (deux par bloc en économie et droit, en management et gestion) sont offerts avec un compte d'essai gratuit. Créer un compte d'essai ou se connecter. Pour l'accès complet et les tarifs, vois les offres.