101 lines
3.0 KiB
TeX
101 lines
3.0 KiB
TeX
\documentclass[a4paper,10pt, table]{/media/documents/Cours/Prof/Enseignements/tools/style/classCours}
|
|
\usepackage{/media/documents/Cours/Prof/Enseignements/2014_2015}
|
|
|
|
% Title Page
|
|
\titre{Loi normale}
|
|
% \seconde \premiereS \PSTMG \TSTMG
|
|
\classe{\TSTMG}
|
|
\date{janvier 2015}
|
|
|
|
\begin{document}
|
|
\maketitle
|
|
|
|
\section{La gaussienne}
|
|
|
|
\begin{Ex}
|
|
Illustration avec les poids, les tailles et l'IMC
|
|
\begin{center}
|
|
\includegraphics[scale=0.4]{./fig/Taille_poids_normale}
|
|
\end{center}
|
|
\end{Ex}
|
|
|
|
\begin{Def}
|
|
Cette courbe en "cloche" est appelée \textbf{gaussienne} c'est la courbe de densité de probabilité de la variable aléatoire \textbf{la loi normale}
|
|
\end{Def}
|
|
|
|
\begin{Prop}
|
|
Une gaussienne a pour axe de symétrie $x = \mu$
|
|
\end{Prop}
|
|
|
|
\begin{Ex}
|
|
Une PME fabrique des boules de billard. On note $X$ la variable aléatoire qui à chaque boule prise au hasard, associe son diamètre. Une étude d'experts à montré que $X$ suit une loi normle d'espérence 61,25mm et d'écart-type 0,2.
|
|
\end{Ex}
|
|
|
|
\section{Probabilité}
|
|
|
|
\begin{Prop}
|
|
Soit $X$ une variable aléatoire suivant un loi normale de l'esperance $\mu$ et d'écart-type $\sigma$.
|
|
|
|
\begin{itemize}
|
|
\item La probabilité $P(a \leq X \leq b)$ est la proabilité pour que $X$ soit plus grand que $a$ et plus petit que $b$. Cette valeur se calcule en mesurant l'aire de la courbe entre $a$ et $b$.
|
|
|
|
\textit{On fait un exemple avec l'exemple d'au dessus}
|
|
|
|
\item Même chose avec $P(X \leq a)$ et $P(X \geq a)$
|
|
\end{itemize}
|
|
\end{Prop}
|
|
|
|
\begin{Prop}
|
|
Calcul de la probabilité $P(a<X<b)$ pour $X$ suivant une loi normale de moyenne $\mu$ et d'écart-type $\sigma$ avec la calculatrice
|
|
\begin{center}
|
|
\texttt{normalFRep(a,b,$\mu$, $\sigma$)}
|
|
\end{center}
|
|
\begin{itemize}
|
|
\item Pour calculer $P(a<X)$, on remplace $b$ par $10^{99}$
|
|
\item Pour calculer $P(X<b)$, on remplace $a$ par $-10^{99}$
|
|
\end{itemize}
|
|
\end{Prop}
|
|
|
|
\begin{Prop}
|
|
\textit{Toutes les props sont accompagnés d'un dessin}
|
|
\begin{itemize}
|
|
\item L'aire totale sous la courbe est égale à 1
|
|
\item $P(X > \mu) = P(X<\mu) = 0,5$
|
|
\item $P(X > a) = 1 - P(X < a)$
|
|
\item $P(a<X<b) = P(X<b) - P(x<a)$
|
|
\end{itemize}
|
|
\end{Prop}
|
|
|
|
\begin{Prop}
|
|
Avec le tableur
|
|
|
|
\texttt{Loi.normale(k;$\mu$; $\sigma$; 1} pour calculer $P(X < k)$
|
|
\begin{center}
|
|
\includegraphics[scale=0.5]{./fig/calc_loi_normale}
|
|
\end{center}
|
|
\end{Prop}
|
|
|
|
\section{Intervalle de fluctuation $2\sigma$}
|
|
|
|
\begin{Prop}
|
|
Environ 95\% des valeurs prises par $X$, une variable aléatoire qui suit une loi normale d'éspérance $\mu$ et d'écart-type $\sigma$, sont dans l'intervalle $\intFF{\mu - 2\sigma}{\mu+2\sigma}$.
|
|
\end{Prop}
|
|
|
|
\begin{Ex}
|
|
\begin{itemize}
|
|
\item Avec l'exemple précédent, $\mu = 61,25$ et $\sigma = 0,2$, $95\%$ des diamètres seront compris dans l'intervalle $\intFF{61,25-2\times0,2}{61,25+2\times0,2}$
|
|
\end{itemize}
|
|
\end{Ex}
|
|
|
|
|
|
|
|
|
|
|
|
\end{document}
|
|
|
|
%%% Local Variables:
|
|
%%% mode: latex
|
|
%%% TeX-master: "master"
|
|
%%% End:
|
|
|