TD 4. La loi normale
Transcription
TD 4. La loi normale
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques TD 4. La loi normale Exercice 1 aléatoire Montrer que si 1 σ (X Z= − m) Soient deux réels X est une variable aléatoire de loi normale suit une loi normale centrée réduite = = = changement de variable : u= (x−m) σ b Z = a Exercice 2 u2 1 √ exp − du 2 2π suit une loi normale centrée réduite Soit N (0, 1). h i 1 P a ≤ (X − m) ≤ b σ h i P m + σa ≤ X ≤ m + σb Z m+σb (x − m)2 1 √ exp − dx 2σ 2 m+σa σ 2π P [a ≤ Z ≤ b] Z alors la variable a < b, P [a ≤ Z ≤ b] autrement dit, N (m, σ), X N (0, 1). une variable aléatoire de loi normale −0.52], P [−1 < X < 1]. Trouver u tel que N (0, 1). Calculer P [X ≤ 1.62], P [X ≥ P [X ≤ u] = 0.334. P [X ≤ 1.62] = 0.9474 Comme X et −X ont même loi, P [X ≥ −0.52] = P [−X ≤ 0.52] = P [X ≤ 0.52] = 0.6985 = P [X < 1] − P [X < −1] = P [X < 1] − P [−X > 1] P [−1 < X < 1] = P [X < 1] − P [X > 1] = 2.P [X < 1] − 1 = 0.6826 On lit sur la table des fractiles : Exercice 3 u = −0.4289. La largeur (en cm) d'une fente dans une pièce fabriquée en aluminium est distribuée selon une loi normale de paramètres étant 2, 000 ± 0, 012. m = 2 et σ = 0, 012. Les limites de tolérance sont données comme Quel sera le pourcentage de pièces défectueuses ? Le pourcentage de pièces défectueuses est : p 1 − P [2 − 0, 012 ≤ X ≤ 2 + 0, 012] h i X −2 = 1−P −1≤ ≤1 0, 012 = 1 − P [−1 ≤ Y ≤ 1] où Y de loi N (0, 1) = = Exercice 4 Soit X 2(1 − P [Y ≤ 1]) = 0, 3174 une variable aléatoire gaussienne. On sait que : P [X ≤ 3] = 0, 5517 Déterminer la moyenne et l'écart-type de et X. 1 P [X ≥ 7] = 0, 0166 Soit X N (m, σ). de loi 0, 5517 = P [X ≤ 3] = P où U est de loi normale N (0, 1). h hX − m 3 − mi 3 − mi =P Y ≤ ≤ σ σ σ D'après les tables, P [Y ≤ 0, 13] = 0, 5517 la fonction de répartition de la loi normale est bijective, donc et on peut remarquer que (3 − m)/σ = 0, 13. De même, h h 7 − mi 7 − mi 0, 0166 = P [X ≥ 7] = P Y ≥ =1−P Y ≤ σ σ et alors d'où (7 − m)/σ = 2, 13. Exercice 5 On trouve h 7 − mi = 0, 9834 P Y ≤ σ facilement, σ = 2 et m = 2, 74. Dans un usine d'emballage, un automate remplit des paquets de café de 250g. On sait que l'automate verse en fait une quantité de café variable, régie par une loi normale de moyenne réglable et d'écart-type 3. Quelle doit être la moyenne théorique choisie pour que 90% des clients achètent bien au moins 250g de café ? On cherche m tel que 0, 90 = P [X ≥ 250] = P avec Y de loi N (0, 1). −1, 2816] = 0, 10 hX − m h 250 − m i 250 − m i ≥ =P Y ≥ 3 3 3 On lit dans la table de l'inverse de la fonction de répartition que et donc P [Y ≤ m = 253, 84. Exercice 6 Dans ce problème, les durées des trajets sont supposées de loi normale. 1) Un directeur de société habite dans la ville A. Il part de chez lui à 8h45 et se rend en voiture à son bureau qui ouvre à 9h. La durée de son trajet est, en moyenne, de 13 minutes, avec un écart-type de 3 minutes. Quelle est la probabilité que le directeur arrive en retard ? 2) La secrétaire du directeur habite en A, elle va au bureau avec le train de 8h32 ; elle descend à la station B. Elle prend ensuite le bus qui part de B à 8h50 (sans attendre le train), pour aller de B à son bureau. La durée du trajet en train a pour moyenne 16 minutes, pour écart-type 2 minutes, et la durée du trajet en bus a pour moyenne 9 minutes et pour écart-type 1 minute. Les durées de trajet en train et en bus sont indépendantes. Quelle est la probabilité que la secrétaire arrive à l'heure ? 3) Quelle est la probabilité pour que le directeur ou la secrétaire (c'est-à-dire l'un au moins des deux) arrive à l'heure, les durées des trajets du directeur ou de la secrétaire étant supposées indépendantes ? Soit Soit RD TD le temps de trajet du directeur, celui de la secrétaire, l'événement le directeur est en retard et 1) P [RD ] = P [TD ≥ 15] = P [ TD 3−13 2) P [RS ] = P [(T ≥ 18) (T < 18 ou lité puis indépendance. Et 3) TS RS T celui du train, B celui du bus. la secrétaire est en retard. ≥ 15−13 3 ] et B ≥ 10)] = P [T ≥ 18] + P [T < 18]P [B ≥ 10] = 1 − P [Y ≤ 0, 67] = 1 − 0, 7486 = 0, 2514. P [RS ] = 0, 2922. P [RD ∪ RS ] = 1 − P [RD ∩ RS ] = 1 − 0, 2514 × 0, 2922 = 0, 929. 2 par incompatibi- Exercice 7 Une enquête marketing a pour but de vérier si les cibles potentielles seraient tentées par un nouveau produit. Il a été montré que 56% des gens sont favorables au nouveau produit. Pour aller plus loin, on interroge à nouveau 200 personnes. Quelle est la loi du nombre de clients potentiels parmi les 200 ? Par quelle loi peut-on l'approcher ? Calculer P [X > 100] et P [100 ≤ X ≤ 150]. On souhaite maintenant demander des précisions à un grand nombre de personnes favorables au produit, mettons 100 personnes. Déterminer la taille de l'échantillon de personnes à interroger pour que notre échantillon contienne au moins 100 personnes favorables, avec une probabilité supérieure ou égale à 95%. 1) Schéma de Bernoulli : une épreuve consiste à interroger une personne. Elle est favorable au produit = SUCCÈS, sinon ECHEC. La probabilité d'un succès vaut toujours X= épreuves sont indépendantes. Alors B(200; 0, 56), Or n = 200 ≥ 20, np ≥ 5 N (112, 7, 02). et et les n = 200 nbr de clients potentiels = nbr de SUCCÈS suit une loi 200 k k = 0, 1, ..., 200, P [X = k] = c'est-à-dire, pour p = 0, 56 n(1 − p) ≥ 5. 0, 56k 0, 44200−k . Donc on peut approcher la loi de X par la loi normale On calcule : P [X > 100] = 1 − P [X ≤ 100] = 1 − P [Y ≤ −1, 71] = P [Y ≤ 1, 71] = 0, 9564. P [100 ≤ X ≤ 150] = P [X ≤ 150] − P [X ≤ 99] = P [Y ≤ 5, 41] − P [Y ≤ −1, 85] = 1 − P [Y ≤ −1, 85] = P [Y ≤ 1, 85] = 0, 9678. 2) Soit n la taille de l'échantillon. Le nombre √ N (n.0, 56; n.0, 56.0, 44). loi normale 100−n.0,56 √ n.0,56.0,44 = 1, 6449 Exercice 8 X de personnes favorables dans cet échantillon suit une Et on veut et nalement on trouve 0, 95 = P [X ≥ 100] = P [Y ≥ n = 200. On prélève indépendamment et avec remise deux sous-populations A et A c 100−n.0,56 √ ]. D'où n.0,56.0,44 de proportions respectives n individus d'une population séparée en p et 1−p (clients importants ou petits clients par exemple). 1. Soit K loi de le nombre d'individus de la sous-population A présents dans l'échantillon. Quelle est la K? 2. Notons F = K/n la fréquence empirique de la catégorie A. Donner l'espérance et la variance de F. 3. Quel est le comportement de F quand n devient grand ? 4. On considère un échantillon de 400 clients d'un organisme de placement nancier. Les clients de cet organisme, dans leur ensemble, se répartissent ainsi : 20% possèdent de gros portefeuilles, les autres ne détenant que des portefeuilles modestes. Quelle est la probabilité que la proportion de gros clients dans l'échantillon soit comprise entre que F soit inférieure à 15% ? 7% et 23% ? F Quelle est la probabilité pour Dans l'agence de Lyon (qui compte 400 clients), seuls 15% des clients sont de gros clients. Est-ce acceptable par le siège ? 1) Schéma de Bernoulli : on prend un individu au hasard, il est dans répète cette épreuve Ainsi, K n 2) En fait, K= i=1 sinon ECHEC. On fois de manière indépendante et la probabilité d'un SUCCES vaut toujours suit une loi binomiale Pn A=SUCCÈS, Yi E[F ] = où les n X B(n; p). Yi sont de loi de Bernoulli de paramètre E[Yi ]/n = p, Var(F ) = i=1 n X p. On trouve aisément, Var(Yi )/n2 = p(1 − p)/n i=1 qF 3) D'après la loi des grands nombres, loi tendre vers une loi normale p. N (p, tend vers p(1−p) ). n 3 p et d'après le théorème central limite, F voit sa 4) Application numérique avec P [0, 07 ≤ F ≤ 0, 23] n = 400 et p = 0, 2. h 0, 07 − 0, 2 F − 0, 2 0, 23 − 0, 2 i = P p ≤p ≤p 0, 2 × 0, 8/400 0, 2 × 0, 8/400 0, 2 × 0, 8/400 = P [−6, 5 ≤ Y ≤ 1, 5] où Y de loi N (0, 1) = P [Y ≤ 1, 5] = 0, 9332 P [F ≥ 0, 2] P [F ≤ 0, 15] = 0, 5 = P [Y ≤ −2, 5] = 1 − P [Y ≤ 2, 5] = 0, 0062 Donc pour obtenir des résultats aussi peu probables, soit ils n'ont pas de chance, soit ils sont très mauvais... Exercice 9 Soit X la densité de E(1). Calculer P [X ≤ 2] et P [X > 0.5]. Déterminer une v.a. de loi exponentielle Y = 3X . De quelle loi s'agit-il ? On sait que la densité de X est f (x) = exp(−x) sur R+ et 0 sur R− . Ainsi, 2 Z P [X ≤ 2] = exp(−x)dx = 1 − exp(−2) = 0.8647 0 Z +∞ P [X > 0.5] = exp(−x)dx = exp(−0.5) = 0.6065 0.5 Soit a > 0. On eectue le changement de variable y = 3x Z P [Y ≤ a] = P [3X ≤ a] = P [X ≤ a/3] = : a/3 Z exp(−x)dx = 0 La densité de Y est donc exp(−y/3)/3 et la loi de Y est la loi 4 0 E(1/3). a 1 exp(−y/3)dy 3