Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
3.4. Lois usuelles 131<br />
si l’on convient de noter Φ la fonction de répartition de la loi normale N(0,1), c’est-à-dire que si<br />
X ∼ N(0,1) :<br />
Φ(x) =È(X ≤ x) =<br />
x<br />
−∞<br />
1<br />
√ 2π e −t2<br />
2 dt.<br />
Puisqu’elle n’admet pas d’expression analytique élémentaire, la fonction Φ est tabulée : dans le<br />
tableau en Annexe A.2 sont rassemblées les valeurs de Φ(x) pour 0 ≤ x ≤ 3,29. Notons que par<br />
symétrie de la densité de la loi normale centrée réduite par rapport à 0, les valeurs de Φ(−x) s’en<br />
déduisent :<br />
Φ(−x) =È(X ≤ −x) =È(X ≥ x) = 1−È(X < x) = 1−Φ(x),<br />
autrement dit la courbe de Φ admet le point (0,1/2) comme centre de symétrie. Ceci est illustré<br />
figure 3.7.<br />
1<br />
Φ(x)<br />
0.5<br />
−3 −2 −1<br />
0.0<br />
0 1 2 3<br />
−x<br />
Φ(−x)<br />
Figure 3.7 – Fonction de répartition Φ d’une loi normale N(0,1) et relation : Φ(−x) = 1−Φ(x).<br />
Concentration. Supposons qu’on tire des nombres selon une loi normale N(m,σ 2 ), par exemple<br />
avec un ordinateur. Alors plus l’écart-type σ est faible et plus on a des chances d’obtenir des résultats<br />
autour de la moyenne m : 68% de tomber à distance inférieure ou égale à σ, 95% de tomber à<br />
distance inférieure ou égale 1 à 2σ, 99,7% de tomber à distance inférieure ou égale à 3σ. Ceci est<br />
illustré figure 3.8.<br />
Exemple : le test du Q.I. La distribution des résultats au test de la WAIS (Weschler Adult<br />
Intelligence Scale), ou test du Q.I. pour adultes, est gaussienne et celui-ci a été calibré pour que<br />
sa moyenne soit égale à 100 et son écart-type égal à 15. Il y a donc 68% de la population adulte<br />
dont le quotient intellectuel est compris entre 85 et 115.<br />
Terminologie et Théorème Central Limite. La loi normale tire son nom de ce qu’elle apparaît<br />
de façon “naturelle” ou “normale” dans de très nombreux phénomènes. Ceci est dû au Théorème<br />
Central Limite. En voici la version la plus simple : si (Xn)n≥1 est une suite de variables aléatoires<br />
indépendantes et identiquement distribuées (en abrégé i.i.d.) admettant une variance, alors en<br />
1. Un encadrement plus précis pour l’intervalle de confiance à 95% est [m−1.96σ;m+1.96σ].<br />
<strong>Probabilités</strong> Arnaud Guyader - <strong>Rennes</strong> 2<br />
x