Prepa Help
Prepa Help › Cours › Mathématiques, 2e année

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.

Les nombres sont ceux du chapitre complet ; chaque filière voit la partie qui correspond à son programme.

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 :

L'essentiel : Pour démontrer… Extrait gratuit

Un extrait de la fiche « L'essentiel » du chapitre. Les démonstrations sont dans le cours détaillé.

On cherche On utilise
qu'une fonction est une densité positivité, continuité sauf en un nombre fini de points, intégrale 11
qu'une variable est à densité, une densité FXF_X continue, C1\mathcal{C}^1 sauf en un nombre fini de points, puis FX′F_X'
la loi de g(X)g(X) Fg(X)F_{g(X)} par cas de yy ; partie entière : P(k≤X<k+1)P(k \leq X < k + 1)
la loi d'un maximum, d'un minimum P(max⁡≤x)P(\max \leq x), P(min⁡>x)P(\min > x) 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 FXn(x)F_{X_n}(x) et sa limite
la limite d'une probabilité sur une somme la limite centrée

Une méthode du chapitre Extrait gratuit

Un exercice corrigé Extrait gratuit

Dans le chapitre complet

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 offres

Plan du cours

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.

  1. Montrer qu'une fonction est une densité ; trouver une constante
  2. Passer de la densité à la fonction de répartition
  3. Montrer qu'une variable est à densité à partir de sa fonction de répartition, et en donner une densité
  4. Calculer des probabilités avec une densité ou une fonction de répartition
  5. Montrer qu'une espérance existe et la calculer
  6. Calculer E(g(X))E(g(X)), un moment, une variance
  7. Reconnaître et utiliser une loi usuelle
  8. Calculer une intégrale grâce à une densité usuelle
  9. Déterminer la loi de g(X)g(X)
  10. Loi d'un maximum, d'un minimum de variables indépendantes
  11. Densité d'une somme de variables indépendantes
  12. Majorer une probabilité par Markov ou Bienaymé-Tchebychev
  13. Montrer une convergence en loi
  14. Utiliser le théorème de la limite centrée
  15. Simuler une loi à densité et contrôler un résultat
  16. 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)

Entraînement (19)

Approfondissement (6)

Les problèmes de concours

Des extraits de sujets réels, corrigés en entier, avec la durée conseillée et les méthodes mobilisées.

Questions fréquentes

Qu'est-ce qu'une variable aléatoire à densité ?

C'est une variable dont la fonction de répartition FX(t)=P(X≤t)F_X(t) = P(X \leq t) est continue sur R\mathbb{R} et de classe C1\mathcal{C}^1 sauf en un nombre fini de points. Une densité est alors fX=FX′f_X = F_X' : elle est positive, d'intégrale 11, et P(a≤X≤b)=∫abfXP(a \leq X \leq b) = \int_a^b f_X. 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, P(X=x)=0P(X = x) = 0 pour tout réel xx ; la densité mesure une probabilité par unité de longueur, et P(x<X≤x+h)P(x < X \leq x + h) est voisin de fX(x)hf_X(x)h pour hh petit. Une densité peut donc dépasser 11 : celle de la loi uniforme sur [0,12][0, \frac12] vaut 22.

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 g(X)g(X), on traduit l'événement (g(X)≤y)(g(X) \leq y) en un événement sur XX en distinguant les cas de yy, on calcule Fg(X)F_{g(X)} avec FXF_X, puis on dérive. Pour X∼N(0,1)X \sim \mathcal{N}(0, 1), ∣X∣|X| a pour fonction de répartition 2Φ(y)−12\Phi(y) - 1 sur [0,+∞[[0, +\infty[.

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 λ\lambda est gamma. Sinon, on calcule le produit de convolution h(s)=∫f1(u)f2(s−u) duh(s) = \int f_1(u)f_2(s - u)\,du, en réduisant l'intervalle d'intégration aux uu où le produit n'est pas nul, cas par cas de ss. Sans indépendance, la formule est fausse.

Que dit le théorème de la limite centrée ?

Si les variables XnX_n sont indépendantes, de même loi, admettent un moment d'ordre 22, d'espérance mm et d'écart type σ>0\sigma > 0, alors Sn−nmσn\frac{S_n - nm}{\sigma\sqrt n} converge en loi vers la loi normale centrée réduite, où Sn=X1+⋯+XnS_n = X_1 + \cdots + X_n. Pour une caisse de 100100 pièces de masse moyenne 250250 g et d'écart type 1010 g, la masse totale dépasse 25,225{,}2 kg avec une probabilité voisine de 1−Φ(2)1 - \Phi(2), environ 0,0230{,}023.

Quand approcher une loi binomiale par une loi normale ?

Quand nn est grand et que pp n'est ni trop petit ni trop proche de 11 : on remplace B(n,p)\mathcal{B}(n, p) par N(np,np(1−p))\mathcal{N}(np, np(1 - p)), en élargissant chaque entier d'une demi-unité (correction de continuité). Quand pp est petit et npnp 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.

Toute ta prépa au même endroit

Pour chaque chapitre : le cours, l'essentiel, les méthodes, les pièges, les exercices corrigés, les problèmes de concours, et un assistant qui répond à tes questions. Programmes du Maroc et de France. Avec la plateforme vidéo YOUNESS SCHOOL offerte, dès 600 DH (60 $) par mois, sans engagement.

Prépas scientifiques : voir l'offrePrépas ECS et ECT : voir l'offreTu hésites encore ? Essaie gratuitement Prepa Help.

← Variables aléatoires discrètes