Fiche de révision : Loi normale et table de probabilité

Plan du Cours

  1. Modélisation par loi normale
  2. Lecture de la table normale
  3. Calculs de probabilités normales
  4. Centrage et réduction

1. Modélisation par loi normale

Points essentiels

  • La loi normale permet de modéliser une loi à partir d’un échantillon caractérisé par sa moyenne et sa variance, par exemple le bruit à l’absence ou le nombre de points d’une équipe sportive.

Astuce mémo

Échantillon connu → loi modélisée par sa moyenne et sa variance

2. Lecture de la table normale

★ À maîtriser

📐 Formule — La probabilité cumulée de la loi normale centrée réduite s’écrit P(X≤x)=∫−∞x12πe−t2/2 dtP(X\leq x)=\int_{-\infty}^{x}\frac{1}{\sqrt{2\pi}}e^{-t^2/2}\,dt, mais cette intégrale n’est pas calculable directement.

📌 La table permet de calculer P(X≤x)P(X\leq x) pour tout x∈[0;1,99]x\in[0;1{,}99], tandis que la probabilité correspondant à 2,34 n’y figure pas directement.

Compléments

📌 Pour une valeur supérieure à 1,99, comme 2,34, on peut approcher P(X≤2,34)P(X\leq 2{,}34) par P(X≤1,99)=0,9767P(X\leq 1{,}99)=0{,}9767.

  • Pour la loi normale centrée réduite, P(X≤0)=0,5P(X\leq 0)=0{,}5 et P(X≤0,42)=0,6628P(X\leq 0{,}42)=0{,}6628.

Astuce mémo

Valeurs tabulées jusqu’à 1,99, valeurs supérieures approchées par la borne

3. Calculs de probabilités normales

★ À maîtriser

📌 La probabilité d’un dépassement se calcule par complément : P(X≥0,58)=1−P(X<0,58)=1−0,7088=0,2912P(X\geq 0{,}58)=1-P(X<0{,}58)=1-0{,}7088=0{,}2912.

  • Pour calculer P(0,83<X<1,27)P(0{,}83<X<1{,}27), on soustrait la probabilité cumulée à 0,83 de celle à 1,27 : P(X<1,27)−P(X<0,83)=0,8980−0,7967=0,1013P(X<1{,}27)-P(X<0{,}83)=0{,}8980-0{,}7967=0{,}1013.

Compléments

📐 Formule — Pour une loi normale centrée réduite symétrique, P(−1≤X≤1)=2P(X≤1)−1=2×0,8413−1=0,6826P(-1\leq X\leq 1)=2P(X\leq 1)-1=2\times0{,}8413-1=0{,}6826.

Astuce mémo

Intervalle : borne haute − borne basse ; complément : 1 − probabilité

4. Centrage et réduction

★ À maîtriser

📐 Formule — Si X∼N(m,σ2)X\sim\mathcal{N}(m,\sigma^2), alors la variable centrée réduite Z=X−mσZ=\frac{X-m}{\sigma} suit la loi N(0,1)\mathcal{N}(0{,}1).

  • Si la taille des étudiants suit X∼N(165,62)X\sim\mathcal{N}(165{,}6^2), alors l’intervalle 170–175 cm est transformé en P(56≤Z≤106)P\left(\frac{5}{6}\leq Z\leq\frac{10}{6}\right) avec Z∼N(0,1)Z\sim\mathcal{N}(0{,}1).

Compléments

  • Pour standardiser l’intervalle des tailles, on soustrait 165 à chaque borne puis on divise chaque résultat par 6, ce qui donne 56≤X−1656≤106\frac{5}{6}\leq\frac{X-165}{6}\leq\frac{10}{6}.

Astuce mémo

Centrer X par m, réduire par σ, puis lire la loi N(0,1)

Teste tes connaissances

Teste tes connaissances sur Loi normale et table de probabilité avec 4 questions à choix multiples et corrections détaillées.

1. Quelle information permet de modéliser une loi à partir d’un échantillon avec une loi normale ?

2. Une équipe souhaite représenter la distribution du nombre de points marqués à partir de données observées. Quelle approche est cohérente avec une modélisation normale ?

Faire le QCM →

Révisez avec les flashcards

Mémorisez les concepts clés de Loi normale et table de probabilité avec 4 flashcards interactives.

Qu'est-ce que la loi normale modélise à partir d'un échantillon ?

Une loi caractérisée par sa moyenne et sa variance.

Quel exemple illustre l'usage de la loi normale ?

Le bruit à l'absence ou le nombre de points d'une équipe sportive.

Quelle est la formule de la probabilité cumulée de la loi normale centrée réduite ?

P(X≤x)=∫−∞x12πe−t2/2 dtP(X\leq x)=\int_{-\infty}^{x}\frac{1}{\sqrt{2\pi}}e^{-t^2/2}\,dt

Voir les flashcards →

Cours similaires

Crée tes propres fiches de révision

Importe ton cours et l'IA génère fiches, QCM et flashcards en 30 secondes.

Générateur de fiches