Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
128 Chapitre 3. Variables aléatoires à densité<br />
Ainsi une variable exponentielle a plus de chances de tomber en dessous de sa moyenne qu’audessus.<br />
La médiane m est quant à elle la solution de :<br />
F(m) = 1<br />
2 ⇔ 1−e−λm = 1<br />
2<br />
⇔ m = ln2<br />
λ<br />
On parle parfois de demi-vie plutôt que de médiane (cf. exercice III, sujet de décembre 2010).<br />
Proposition 3.8 (Minimum de lois exponentielles)<br />
Soit n variables indépendantes X1,...,Xn suivant des lois exponentielles de paramètres respectifs<br />
λ1,...,λn. Alors la variable aléatoire X = min(X1,...,Xn) suit elle-même une loi exponentielle,<br />
plus précisément<br />
X = min(X1,...,Xn) ∼ E(λ1 +...λn).<br />
Preuve. Voir le corrigé de l’exercice 3.10.<br />
Proposition 3.9 (Absence de mémoire)<br />
Soit X une variable aléatoire suivant une loi exponentielle de paramètre λ. Alors pour tout couple<br />
(x,t) de réels positifs, nous avonsÈ(X > x + t|X > x) =È(X > t). Autrement dit, la loi<br />
exponentielle n’a pas de mémoire.<br />
Preuve. Voir le corrigé de l’exercice 3.5.<br />
Ces deux dernières propriétés on un goût de déjà-vu : ce sont en effet les mêmes que pour la loi<br />
géométrique. Le lien entre lois géométrique et exponentielle est formalisé en exercice 3.16 : on<br />
montre que si X ∼ E(λ) alors en notant Y = ⌈X⌉ la variable égale à sa partie entière supérieure,<br />
on a Y ∼ G(1−e −λ ).<br />
3.4.3 Loi normale<br />
La loi normale est sans conteste la loi la plus importante des probabilités et des statistiques. Ce<br />
rôle prépondérant est dû au Théorème Central Limite, dont nous dirons un mot en fin de section,<br />
mais dont l’exposé détaillé dépasse le cadre de ce cours.<br />
Définition 3.9 (Loi normale)<br />
Soit m et σ deux réels, avec σ > 0. On dit que X suit une loi normale, ou gaussienne, de paramètres<br />
m et σ 2 , noté X ∼ N(m,σ 2 ), si X admet pour densité :<br />
f(x) =<br />
1<br />
√ 2πσ 2 e−(x−m)2<br />
2σ 2 .<br />
En particulier, si m = 0 et σ = 1, on dit que X suit une loi normale centrée réduite.<br />
Des exemples de densités de lois normales, appelées aussi courbes en cloches, sont donnés figure 3.6.<br />
Remarques :<br />
1. Il n’existe pas d’expression analytique simple pour une primitive de la fonction e−x2. Nous<br />
admettrons le résultat suivant :<br />
+∞<br />
−∞<br />
e −x2<br />
2 dx = √ 2π, (3.1)<br />
ce qui assure au moins que la densité de la loi normale centrée réduite est bien une densité!<br />
Arnaud Guyader - <strong>Rennes</strong> 2 <strong>Probabilités</strong>