Scribd
Importer
9 vues4 pages

Comprendre la loi exponentielle en probabilité

La loi exponentielle modélise la durée de vie d'un phénomène sans mémoire, caractérisée par une densité de probabilité définie par un paramètre λ positif. La fonction de répartition et les propriétés d'espérance et de variance de cette loi sont également présentées, avec des exemples illustrant son application pratique. La loi exponentielle est sans mémoire, ce qui signifie que la probabilité d'un événement futur ne dépend pas du passé.

Transféré par

mohsin01mohsin02
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
9 vues4 pages

Comprendre la loi exponentielle en probabilité

La loi exponentielle modélise la durée de vie d'un phénomène sans mémoire, caractérisée par une densité de probabilité définie par un paramètre λ positif. La fonction de répartition et les propriétés d'espérance et de variance de cette loi sont également présentées, avec des exemples illustrant son application pratique. La loi exponentielle est sans mémoire, ce qui signifie que la probabilité d'un événement futur ne dépend pas du passé.

Transféré par

mohsin01mohsin02
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

A2.

2 Loi exponentielle

Une loi exponentielle modélise la durée de vie d'un phénomène sans mémoire, ou sans
vieillissement.

Définition :

Soit λ un réel strictement positif. Une variable aléatoire X suit une loi exponentielle de
paramètre λ lorsque sa densité de probabilité est la fonction f définie sur [0, + ∞ [ par:
⎧⎪ −λx
⎪⎪ λe x≥0
f ( x ) = ⎪⎨⎪
⎪⎪ 0 sinon
⎪⎩

La courbe représentative de f est donnée par :

Proposition :

Si $X$ suit la loi exponentielle ℰ ( λ ) , de parmètre λ


 > 0 alors la fonction de répartition F de X 
est la suivante :

⎪⎪ 1− e −λx x ≥ 0
⎧⎪
F ( x ) = ⎪⎨⎪
⎪⎪ 0 sinon
⎪⎩

La courbe représentative de la fonction de répartition avec des différentes valeurs de $\lambda$ est
donc:
Démostartion :

Par définition la fonction de répartition est donnée par :

∫
x
F (x) = f ( t) dt
−∞

On distingue deux cas suivant les valeurs de x:

•S
 i x < 0, F ( x ) = 0. 
• Si x ≥ 0; 

∫
x
F (x) = f ( t) dt
−∞

0 x
= ∫−∞
f ( t ) dt + ∫0 f ( t ) dt

0 x
= ∫−∞
0 dt + ∫0 λe− λt dt

⎡ ⎤
= 0 + ⎢⎢⎣ e− λt ⎥⎥⎦ 0x

= 1 − e− λ x
Proposition :

Si X suit la loi exponentielle ℰ ( λ ) , de paramètre λ


 > 0 alors :

1
• E ( X) = 
λ
1
• V ( X) = 
λ2

Démonstartion :

1. Espérance mathématique de X 

Par définition :

E ( X) = ∫ tf ( t) dt
ℝ

+∞
= ∫0 tλe− λt dt

Une intégration par partie :

u ( t ) = tu' ( t ) = 1

w' ( t ) = λe− λt w ( t ) = − e− λt

Alors :

+∞
E ( X) = ⎢⎢⎣ − te −λt ⎥⎥⎦ + ∞ +
⎡⎢ ⎤⎥
0
∫ e −λt dt
0

⎡ e− λt ⎤ +∞ 1
= 0 + ⎢− ⎥ =
⎣ λ ⎦0 λ

1. Variance mathématique de X 

Par définition :

V ( X) = E ( X 2) − ( E ( X) ) 2 = ∫ t f ( t) dt − λ1
2
2
ℝ

+∞ 1
= ∫0 t2 λe− λt dt −
λ2

Une intégration par partie :


u ( t ) = t2 u' ( t ) = 2 t

w' ( t ) = λe− λt w ( t ) = − e− λt

Alors :

+∞
V ( X) = ⎢⎢⎣ − t 2e −λt ⎥⎥⎦ + ∞ +
⎡⎢ ⎤⎥
0
∫ 2te −λt dt −
1
λ2
0

2 1 1
=0+ E ( X) − 2 = 2
λ λ λ

Exemple :

A un standard téléphonique, on entend « Votre moyenne de temps d'attente est estimé à 5 minutes».

On note par T
 la v.a. qui décrit le temps d'attente en minute. T suit la loi exponentielle de paramètre
1 1
λ . Alors E ( X) = = 5 ainsi λ = , alors la probabilité d'attendre plus de 10 minutes au total :
λ 5
ℙ ( X ≥ 10) = 1− F ( 10) = e −2

Définition :

Une variable aléatoire X , à valeur dans ℝ , est dite  sans mémoire si elle vérifie la propriété
+
suivante: pour tous 𝑠, on a : 𝑃

Exemple :

La loi exponenetielle est une loi sans mémoire car

$$ P(X>(t+s)|X>t)=\frac{P\left(X>(t+s)\cup X>t\right)}{P(X>t}$$

$$\qquad \qquad \qquad \qquad \qquad =\frac{P\left(X>(t+s)\right)}{P(X>t}$$

$$ \qquad\qquad \qquad \qquad \qquad =\frac{1-F(t+s)}{1-F(t)}$$

$$ \qquad\qquad \qquad \qquad \qquad =\frac{e^{-\lambda (t+s)}}{e^{-\lambda t}}$$

$$ \qquad \qquad \qquad \qquad \qquad =e^{-\lambda s}=P(X>s)$$

Vous aimerez peut-être aussi