Comment se ramener à la loi… : En posant X^ = X - mu sigma sim N(0, 1) — ECG2 appliquées | MetMat

Comment se ramener à la loi normale centrée réduite $\mathcal{N}(0,1)$ ?

En posant $X^* = \frac{X - \mu}{\sigma} \sim \mathcal{N}(0, 1)$

Transformer une variable $X \sim \mathcal{N}(\mu, \sigma^2)$ en variable centrée réduite $X^* \sim \mathcal{N}(0,1)$ pour pouvoir utiliser la fonction de répartition $\Phi$ .

Maîtriser

Reconnaître

Résoudre

Que ferais-tu face à un exercice de ce type ?

Soit $X \sim \mathcal{N}(10, 4)$ . Exprimer $P(X \le 12)$ et $P(8 \le X \le 14)$ à l'aide de $\Phi$ .

L'objectif

Transformer une variable $X \sim \mathcal{N}(\mu, \sigma^2)$ en variable centrée réduite $X^* \sim \mathcal{N}(0,1)$ pour pouvoir utiliser la fonction de répartition $\Phi$ .

Le principe

Si $X \sim \mathcal{N}(\mu, \sigma^2)$ avec $\sigma > 0$ , alors $X^* = \frac{X - \mu}{\sigma} \sim \mathcal{N}(0, 1)$ : c'est une transformation affine, $E(X^*) = 0$ et $V(X^*) = 1$ , et tout événement $\{X \le a\}$ s'écrit $\{X^* \le \frac{a - \mu}{\sigma}\}$ .

La méthode

1
Je vérifie l'hypothèse : $X \sim \mathcal{N}(\mu, \sigma^2)$ avec $\sigma > 0$ , et je relève $\mu$ et $\sigma$ .
2
Je pose $X^* = \frac{X - \mu}{\sigma}$ et j'applique le théorème : $X^* \sim \mathcal{N}(0, 1)$ .
3
Je traduis l'événement à étudier : $\{X \le a\} = \left\{X^* \le \frac{a - \mu}{\sigma}\right\}$ et $\{a \le X \le b\} = \left\{\frac{a-\mu}{\sigma} \le X^* \le \frac{b-\mu}{\sigma}\right\}$ .
4
Je conclus en exprimant la probabilité demandée à l'aide de $\Phi$ , fonction de répartition de $\mathcal{N}(0,1)$ (utilisée via la table).

Pour comprendre, fais des exercices !

Exercice d'exemple

Soit $X \sim \mathcal{N}(10, 4)$ . Exprimer $P(X \le 12)$ et $P(8 \le X \le 14)$ à l'aide de $\Phi$ .

Étape 1 —

Je vérifie l'hypothèse :

X \sim \mathcal{N}(\mu, \sigma^2)

avec

\sigma > 0

, et je relève

\mu

\sigma

$X \sim \mathcal{N}(10, 4)$ : $\mu = 10$ , $\sigma^2 = 4$ , donc $\sigma = 2$ .

Étape 2 —

Je pose

X^* = \frac{X - \mu}{\sigma}

et j'applique le théorème :

X^* \sim \mathcal{N}(0, 1)

On pose $X^* = \frac{X - 10}{2}$ , alors $X^* \sim \mathcal{N}(0, 1)$ .

Étape 3 —

Je traduis l'événement à étudier :

\{X \le a\} = \left\{X^* \le \frac{a - \mu}{\sigma}\right\}

\{a \le X \le b\} = \left\{\frac{a-\mu}{\sigma} \le X^* \le \frac{b-\mu}{\sigma}\right\}

$P(X \le 12) = P\!\left(X^* \le \frac{12-10}{2}\right) = P(X^* \le 1)$ , et $P(8 \le X \le 14) = P(-1 \le X^* \le 2)$ .

Étape 4 —

Je conclus en exprimant la probabilité demandée à l'aide de

\Phi

, fonction de répartition de

\mathcal{N}(0,1)

(utilisée via la table).

Par $\Phi$ : $P(X \le 12) = \Phi(1)$ et $P(8 \le X \le 14) = \Phi(2) - \Phi(-1)$ .

$P(X \le 12) = \Phi(1)$ , $P(8 \le X \le 14) = \Phi(2) - \Phi(-1)$ .

Les applications suivantes et la correction guidée sont réservées aux membres Premium

La méthode et sa première application corrigée restent en accès libre. Le Premium débloque les applications suivantes, l'aide IA et le suivi de ta maîtrise.

Comment se ramener à la loi normale centrée réduite N(0,1)\mathcal{N}(0,1)N(0,1) ?

En posant X∗=X−μσ∼N(0,1)X^* = \frac{X - \mu}{\sigma} \sim \mathcal{N}(0, 1)X∗=σX−μ​∼N(0,1)

Pour comprendre, fais des exercices !

Comment se ramener à la loi normale centrée réduite $\mathcal{N}(0,1)$ ?

En posant $X^* = \frac{X - \mu}{\sigma} \sim \mathcal{N}(0, 1)$