insight.Se connecter

Maths complémentaires · Terminale

Lois à densité : cours et fiche de révision (Maths complémentaires, Terminale)

Programme officiel, session 2027. Mis à jour le 12 novembre 2026. 8 min de lecture.

Ce que contient ce chapitre

  • Reconnaître une densité de probabilité
  • Une probabilité, c'est une aire
  • Calculer avec la fonction de répartition
  • Calculer l'espérance et la variance
  • Le hasard uniforme sur un intervalle
  • Simuler le hasard avec random()
  • Modéliser une durée par la loi exponentielle
  • Une durée de vie sans mémoire

Le temps d'attente d'un tram, la durée de vie d'un composant, l'instant où un noyau radioactif se désintègre : ces grandeurs prennent toutes les valeurs d'un intervalle. Une loi à densité décrit ce hasard continu : une probabilité y devient une aire sous une courbe, donc une intégrale. À la fin du chapitre, tu sauras reconnaître une densité, calculer probabilités et espérances, utiliser les lois uniforme et exponentielle, et simuler une expérience avec un nombre aléatoire entre 0 et 1.

Densité de probabilité

Soit II un intervalle, du type [a;b][a;b] ou [0;+∞[[0;+\infty[. Une fonction ff est une densité de probabilité sur II si :

  • ff est continue sur II ;
  • f(t)⩾0f(t) \geqslant 0 pour tout tt de II ;
  • l'aire totale sous sa courbe vaut 1 : sur [a;b][a;b], ∫abf(t) dt=1\int_a^b f(t)\,dt = 1.

Sur [0;+∞[[0;+\infty[, cette condition signifie que ∫0xf(t) dt\int_0^x f(t)\,dt tend vers 1 quand xx tend vers +∞+\infty.

XX suit la loi de densité ff si, pour tout intervalle [c;d][c;d] inclus dans II :

P(c⩽X⩽d)=∫cdf(t) dt.P(c \leqslant X \leqslant d) = \int_c^d f(t)\,dt.

Exemple résolu : trouver la constante

Pour quelle valeur de kk la fonction f(t)=ktf(t) = kt est-elle une densité sur [0;4][0;4] ?

  1. Aire totale : ∫04kt dt=k[t22]04=8k\int_0^4 kt\,dt = k\left[\frac{t^2}{2}\right]_0^4 = 8k.
  2. On veut 8k=18k = 1, donc k=18k = \frac{1}{8}.
  3. Positivité : pour t∈[0;4]t \in [0;4], t8⩾0\frac{t}{8} \geqslant 0.
  4. f(t)=t8f(t) = \frac{t}{8} est continue, positive, d'aire totale 1 : c'est une densité sur [0;4][0;4].

Contre-exemple

h(t)=4t−1h(t) = 4t - 1 sur [0;1][0;1] vérifie ∫01(4t−1) dt=[2t2−t]01=1\int_0^1 (4t-1)\,dt = \left[2t^2 - t\right]_0^1 = 1, mais h(0)=−1<0h(0) = -1 < 0 : hh n'est pas une densité. Vérifie toujours les trois conditions.

Une probabilité, c'est une aire

P(c⩽X⩽d)P(c \leqslant X \leqslant d) est l'aire du domaine compris entre la courbe de ff, l'axe des abscisses et les droites d'équations x=cx = c et x=dx = d.

Exemple résolu

La durée XX, en heures, d'une intervention a pour densité f(t)=t8f(t) = \frac{t}{8} sur [0;4][0;4]. La probabilité qu'elle dure entre 1 h et 3 h est l'aire sous la droite entre les abscisses 1 et 3.

0,511,522,533,50,10,20,30,40,5y=t/8
P(1⩽X⩽3)=∫13t8 dt=[t216]13=916−116=12.P(1 \leqslant X \leqslant 3) = \int_1^3 \frac{t}{8}\,dt = \left[\frac{t^2}{16}\right]_1^3 = \frac{9}{16} - \frac{1}{16} = \frac{1}{2}.

Deux conséquences :

  • P(X=c)=0P(X = c) = 0 : une valeur isolée a une probabilité nulle, donc P(X<d)=P(X⩽d)P(X < d) = P(X \leqslant d).
  • P(X>c)=1−P(X⩽c)P(X > c) = 1 - P(X \leqslant c) : on passe par l'événement contraire.

La fonction de répartition

La fonction de répartition de XX est F:x↦P(X⩽x)F : x \mapsto P(X \leqslant x). Pour une densité ff sur [a;b][a;b] : F(x)=0F(x) = 0 si x<ax < a, F(x)=1F(x) = 1 si x>bx > b, et F(x)=∫axf(t) dtF(x) = \int_a^x f(t)\,dt si x∈[a;b]x \in [a;b].

FF est croissante, va de 0 à 1, et donne toutes les probabilités : P(c⩽X⩽d)=F(d)−F(c)P(c \leqslant X \leqslant d) = F(d) - F(c) et P(X>x)=1−F(x)P(X > x) = 1 - F(x).

Exemple résolu

Avec f(t)=t8f(t) = \frac{t}{8} sur [0;4][0;4] :

  1. Pour x∈[0;4]x \in [0;4], F(x)=∫0xt8 dt=[t216]0x=x216F(x) = \int_0^x \frac{t}{8}\,dt = \left[\frac{t^2}{16}\right]_0^x = \frac{x^2}{16}.
  2. P(X⩽2)=F(2)=416=14P(X \leqslant 2) = F(2) = \frac{4}{16} = \frac{1}{4}.
  3. P(X>2)=1−F(2)=34P(X > 2) = 1 - F(2) = \frac{3}{4}.

Espérance et variance

Pour XX de densité ff sur [a;b][a;b] :

E(X)=∫abt f(t) dtV(X)=∫ab(t−E(X))2f(t) dt\begin{gathered}E(X) = \int_a^b t\,f(t)\,dt \\ V(X) = \int_a^b \big(t - E(X)\big)^2 f(t)\,dt\end{gathered}

L'espérance est la valeur moyenne de XX sur un grand nombre de répétitions ; la variance mesure la dispersion autour de cette moyenne.

Exemple résolu

Avec f(t)=t8f(t) = \frac{t}{8} sur [0;4][0;4], t f(t)=t28t\,f(t) = \frac{t^2}{8} et :

E(X)=∫04t28 dt=[t324]04=6424=83.E(X) = \int_0^4 \frac{t^2}{8}\,dt = \left[\frac{t^3}{24}\right]_0^4 = \frac{64}{24} = \frac{8}{3}.

En moyenne, l'intervention dure 83\frac{8}{3} h, soit 2 h 40 min.

La loi uniforme

Sur [0;1][0;1]

XX suit la loi uniforme sur [0;1][0;1] si sa densité est f(t)=1f(t) = 1 sur [0;1][0;1] (l'aire totale est celle d'un carré de côté 1). Pour x∈[0;1]x \in [0;1], F(x)=xF(x) = x, et pour [c;d]⊂[0;1][c;d] \subset [0;1], P(c⩽X⩽d)=d−cP(c \leqslant X \leqslant d) = d - c : la longueur de l'intervalle.

  • E(X)=∫01t dt=[t22]01=12E(X) = \int_0^1 t\,dt = \left[\frac{t^2}{2}\right]_0^1 = \frac{1}{2}.
  • V(X)=∫01(t−12)2dt=[13(t−12)3]01=124+124=112V(X) = \int_0^1 \left(t - \frac{1}{2}\right)^2 dt = \left[\frac{1}{3}\left(t - \frac{1}{2}\right)^3\right]_0^1 = \frac{1}{24} + \frac{1}{24} = \frac{1}{12}.

Sur [a;b][a;b]

Pour a<ba < b, la loi uniforme sur [a;b][a;b] a pour densité f(t)=1b−af(t) = \frac{1}{b-a} sur [a;b][a;b]. Alors :

  • F(x)=x−ab−aF(x) = \frac{x-a}{b-a} pour x∈[a;b]x \in [a;b] ;
  • P(c⩽X⩽d)=d−cb−aP(c \leqslant X \leqslant d) = \frac{d-c}{b-a} si [c;d]⊂[a;b][c;d] \subset [a;b] ;
  • E(X)=∫abtb−a dt=b2−a22(b−a)=a+b2E(X) = \int_a^b \frac{t}{b-a}\,dt = \frac{b^2 - a^2}{2(b-a)} = \frac{a+b}{2}, le milieu de l'intervalle ;
  • V(X)=(b−a)212V(X) = \frac{(b-a)^2}{12}.

Exemple résolu

Un tram passe toutes les 20 minutes et tu arrives au hasard. Ton attente XX, en minutes, suit la loi uniforme sur [0;20][0;20], de densité f(t)=120f(t) = \frac{1}{20}.

  1. P(X⩽5)=5−020=14P(X \leqslant 5) = \frac{5 - 0}{20} = \frac{1}{4}.
  2. P(5⩽X⩽12)=12−520=720=0,35P(5 \leqslant X \leqslant 12) = \frac{12 - 5}{20} = \frac{7}{20} = 0{,}35.
  3. E(X)=0+202=10E(X) = \frac{0 + 20}{2} = 10 min et V(X)=20212=1003V(X) = \frac{20^2}{12} = \frac{100}{3}.

Simuler à partir de la loi uniforme

En Python, random() (module random) renvoie un nombre au hasard dans [0;1[[0;1[ : il simule une variable UU de loi uniforme sur [0;1][0;1].

Bernoulli de paramètre pp : on renvoie 1 si U<pU < p, 0 sinon, car P(U<p)=pP(U < p) = p.

from random import random

def bernoulli(p):
    if random() < p:
        return 1
    return 0

Lancer de dé : int(6*random()) + 1. L'entier int(6*random()) vaut kk quand k6⩽U<k+16\frac{k}{6} \leqslant U < \frac{k+1}{6}, intervalle de longueur 16\frac{1}{6} : les valeurs 0 à 5 sont équiprobables, et le +1+1 donne une face de 1 à 6. De même, int(n*random()) + 1 simule un tirage uniforme dans {1,…,n}\{1, \dots, n\}.

Somme de nn variables indépendantes de même loi : une boucle additionne nn tirages.

def somme_des(n):
    s = 0
    for i in range(n):
        s = s + int(6*random()) + 1
    return s

En exécutant somme_des(2) un grand nombre de fois et en représentant les fréquences par un diagramme en barres, on observe que la somme n'est pas uniforme : 7 sort environ six fois plus souvent que 2 (six couples de faces contre un).

La loi exponentielle

Soit λ>0\lambda > 0. XX suit la loi exponentielle de paramètre λ\lambda si sa densité est f(t)=λe−λtf(t) = \lambda e^{-\lambda t} sur [0;+∞[[0;+\infty[. Elle modélise des durées : vie d'un composant qui ne s'use pas, temps d'attente, désintégration radioactive.

C'est bien une densité : ff est continue et strictement positive, et ∫0xλe−λt dt=[−e−λt]0x=1−e−λx\int_0^x \lambda e^{-\lambda t}\,dt = \left[-e^{-\lambda t}\right]_0^x = 1 - e^{-\lambda x}, qui tend vers 1 quand xx tend vers +∞+\infty.

  • Fonction de répartition : pour x⩾0x \geqslant 0, F(x)=P(X⩽x)=1−e−λxF(x) = P(X \leqslant x) = 1 - e^{-\lambda x}, donc P(X>x)=e−λxP(X > x) = e^{-\lambda x}.
  • Espérance : E(X)=1λE(X) = \frac{1}{\lambda} (admis), limite de ∫0xλte−λt dt\int_0^x \lambda t e^{-\lambda t}\,dt quand xx tend vers +∞+\infty.

Exemple résolu

La durée de vie XX, en années, d'un composant suit la loi exponentielle de paramètre λ=0,2\lambda = 0{,}2.

24681012140,050,10,150,2f
  1. P(X⩽5)=1−e−0,2×5=1−e−1≈0,632P(X \leqslant 5) = 1 - e^{-0{,}2 \times 5} = 1 - e^{-1} \approx 0{,}632.
  2. P(X>10)=e−0,2×10=e−2≈0,135P(X > 10) = e^{-0{,}2 \times 10} = e^{-2} \approx 0{,}135.
  3. P(5⩽X⩽10)=F(10)−F(5)=e−1−e−2≈0,233P(5 \leqslant X \leqslant 10) = F(10) - F(5) = e^{-1} - e^{-2} \approx 0{,}233 : l'aire de la figure.
  4. E(X)=10,2=5E(X) = \frac{1}{0{,}2} = 5 : en moyenne, un composant dure 5 ans.
  5. Pour une autre loi exponentielle telle que P(X>2)=0,5P(X > 2) = 0{,}5 : e−2λ=0,5e^{-2\lambda} = 0{,}5, donc −2λ=ln⁡0,5=−ln⁡2-2\lambda = \ln 0{,}5 = -\ln 2 et λ=ln⁡22≈0,347\lambda = \frac{\ln 2}{2} \approx 0{,}347.

L'absence de mémoire

Si XX suit une loi exponentielle, pour tous réels t⩾0t \geqslant 0 et h⩾0h \geqslant 0 :

PX>t(X>t+h)=P(X>h).P_{X>t}(X > t + h) = P(X > h).

Démonstration. L'événement {X>t+h}\{X > t + h\} est inclus dans {X>t}\{X > t\}, donc :

PX>t(X>t+h)=P(X>t+h)P(X>t)=e−λ(t+h)e−λt=e−λh=P(X>h).P_{X>t}(X > t+h) = \frac{P(X > t+h)}{P(X > t)} = \frac{e^{-\lambda(t+h)}}{e^{-\lambda t}} = e^{-\lambda h} = P(X > h).

Interprétation. Un composant qui a déjà fonctionné tt années a autant de chances de tenir encore hh années qu'un neuf : il ne vieillit pas.

Exemple résolu

Avec λ=0,2\lambda = 0{,}2, le composant fonctionne depuis 3 ans. Probabilité qu'il fonctionne encore au moins 5 ans :

  1. On cherche PX>3(X>8)P_{X>3}(X > 8), car 3+5=83 + 5 = 8.
  2. Par l'absence de mémoire, c'est P(X>5)P(X > 5).
  3. P(X>5)=e−0,2×5=e−1≈0,368P(X > 5) = e^{-0{,}2 \times 5} = e^{-1} \approx 0{,}368.

Les pièges

  • Densité ≠ probabilité. f(t)f(t) peut dépasser 1 (la loi uniforme sur [0;0,5][0;0{,}5] a pour densité 2) : seules les aires sont des probabilités.
  • Positivité oubliée. Une intégrale égale à 1 ne suffit pas, comme pour h(t)=4t−1h(t) = 4t - 1.
  • Facteur tt oublié. ∫abf(t) dt\int_a^b f(t)\,dt vaut toujours 1 ; E(X)=∫abt f(t) dtE(X) = \int_a^b t\,f(t)\,dt.
  • λ\lambda pris pour E(X)E(X). Avec λ=0,2\lambda = 0{,}2, la durée moyenne est 5, pas 0,2.
  • Mauvais sens. P(X>x)=e−λxP(X > x) = e^{-\lambda x}, pas 1−e−λx1 - e^{-\lambda x}.
  • Mémoire mal lue. PX>3(X>8)P_{X>3}(X > 8) vaut P(X>5)P(X > 5), pas P(X>8)P(X > 8).
  • Dé sans +1+1. int(6*random()) renvoie un entier de 0 à 5 : jamais 6.

Ce qu'il faut retenir

  • Densité sur II : continue, positive, d'aire totale 1.
  • P(c⩽X⩽d)=∫cdf(t) dt=F(d)−F(c)P(c \leqslant X \leqslant d) = \int_c^d f(t)\,dt = F(d) - F(c) et P(X=c)=0P(X = c) = 0.
  • F(x)=P(X⩽x)F(x) = P(X \leqslant x) et P(X>x)=1−F(x)P(X > x) = 1 - F(x).
  • E(X)=∫abt f(t) dtE(X) = \int_a^b t\,f(t)\,dt et V(X)=∫ab(t−E(X))2f(t) dtV(X) = \int_a^b \big(t - E(X)\big)^2 f(t)\,dt.
  • Uniforme sur [a;b][a;b] : f(t)=1b−af(t) = \frac{1}{b-a}, F(x)=x−ab−aF(x) = \frac{x-a}{b-a}, E(X)=a+b2E(X) = \frac{a+b}{2}, V(X)=(b−a)212V(X) = \frac{(b-a)^2}{12}.
  • Exponentielle de paramètre λ\lambda : f(t)=λe−λtf(t) = \lambda e^{-\lambda t}, P(X>x)=e−λxP(X > x) = e^{-\lambda x}, E(X)=1λE(X) = \frac{1}{\lambda}.
  • Absence de mémoire : PX>t(X>t+h)=P(X>h)P_{X>t}(X > t+h) = P(X > h).
  • random() < p simule une Bernoulli de paramètre pp ; int(6*random()) + 1 simule un dé.

À l'épreuve

Les énoncés peuvent se poser dans un contexte : durée de vie, temps d'attente. Les consignes ressemblent à : « Montrer que ff est une densité sur [0;4][0;4] », « Déterminer kk », « Calculer P(X>3)P(X > 3), arrondie au millième », « Sachant que l'appareil a fonctionné 2 ans… », « Interpréter E(X)E(X) », « Que renvoie cette fonction Python ? ».

Une rédaction complète contient les trois conditions d'une densité vérifiées une à une, chaque intégrale posée avec sa primitive, la valeur exacte avant l'arrondi et une conclusion dans le contexte. Les erreurs à éviter : une condition oubliée, l'absence de mémoire utilisée sans être citée, un arrondi sans valeur exacte.

À retenir

  • Reconnaître une densité de probabilité

    Une densité ff sur un intervalle II est continue et positive sur II.Son aire totale vaut 1 : sur [a;b][a;b], ∫abf(t) dt=1\int_a^b f(t)\,dt = 1.Pour trouver une constante kk, résous « intégrale =1= 1 », puis vérifie le signe.Une intégrale égale à 1 ne suffit pas : 4t−14t - 1 sur [0;1][0;1] est négative en 0.
  • Une probabilité, c'est une aire

    P(c⩽X⩽d)=∫cdf(t) dtP(c \leqslant X \leqslant d) = \int_c^d f(t)\,dt : l'aire sous la courbe de ff entre cc et dd.Calcule-la avec une primitive GG de ff : G(d)−G(c)G(d) - G(c).P(X=c)=0P(X = c) = 0 : inégalités strictes ou larges donnent la même probabilité.P(X>c)=1−P(X⩽c)P(X > c) = 1 - P(X \leqslant c).
  • Calculer avec la fonction de répartition

    F(x)=P(X⩽x)F(x) = P(X \leqslant x) ; sur [a;b][a;b], F(x)=∫axf(t) dtF(x) = \int_a^x f(t)\,dt.FF vaut 0 avant aa, 1 après bb, et elle est croissante.P(c⩽X⩽d)=F(d)−F(c)P(c \leqslant X \leqslant d) = F(d) - F(c).P(X>x)=1−F(x)P(X > x) = 1 - F(x).
  • Calculer l'espérance et la variance

    E(X)=∫abt f(t) dtE(X) = \int_a^b t\,f(t)\,dt : n'oublie pas le facteur tt.V(X)=∫ab(t−E(X))2f(t) dtV(X) = \int_a^b \big(t - E(X)\big)^2 f(t)\,dt.E(X)E(X) est la valeur moyenne de XX sur un grand nombre de répétitions.Exemple : f(t)=t8f(t) = \frac{t}{8} sur [0;4][0;4] donne E(X)=83E(X) = \frac{8}{3}.
  • Le hasard uniforme sur un intervalle

    Densité constante f(t)=1b−af(t) = \frac{1}{b-a} sur [a;b][a;b].P(c⩽X⩽d)=d−cb−aP(c \leqslant X \leqslant d) = \frac{d-c}{b-a} : longueur de l'intervalle sur longueur totale.F(x)=x−ab−aF(x) = \frac{x-a}{b-a} pour x∈[a;b]x \in [a;b].E(X)=a+b2E(X) = \frac{a+b}{2} et V(X)=(b−a)212V(X) = \frac{(b-a)^2}{12} ; sur [0;1][0;1] : 12\frac{1}{2} et 112\frac{1}{12}.
  • Simuler le hasard avec random()

    random() simule une variable UU de loi uniforme sur [0;1][0;1].Bernoulli de paramètre pp : 1 si random() < p, 0 sinon, car P(U<p)=pP(U < p) = p.Dé : int(6*random()) + 1 donne 1 à 6, chacun avec la probabilité 16\frac{1}{6}.Somme : une boucle additionne nn tirages indépendants ; ses fréquences montrent qu'elle n'est pas uniforme.
  • Modéliser une durée par la loi exponentielle

    Densité f(t)=λe−λtf(t) = \lambda e^{-\lambda t} sur [0;+∞[[0;+\infty[, avec λ>0\lambda > 0.P(X⩽x)=1−e−λxP(X \leqslant x) = 1 - e^{-\lambda x} et P(X>x)=e−λxP(X > x) = e^{-\lambda x}.E(X)=1λE(X) = \frac{1}{\lambda} : λ=0,2\lambda = 0{,}2 donne une durée moyenne de 5.Pour trouver λ\lambda, résous par exemple e−2λ=0,5e^{-2\lambda} = 0{,}5 avec ln⁡\ln.
  • Une durée de vie sans mémoire

    Pour t⩾0t \geqslant 0 et h⩾0h \geqslant 0 : PX>t(X>t+h)=P(X>h)P_{X>t}(X > t+h) = P(X > h).Preuve : e−λ(t+h)e−λt=e−λh\frac{e^{-\lambda(t+h)}}{e^{-\lambda t}} = e^{-\lambda h}.Un appareil qui a déjà fonctionné tt ans a autant de chances de tenir hh ans de plus qu'un neuf.Piège : PX>3(X>8)P_{X>3}(X > 8) vaut P(X>5)P(X > 5), pas P(X>8)P(X > 8).

Teste-toi

Trois questions. Réponds, la correction s’affiche.

Question 1 sur 3
Soit ff une fonction définie sur [a;b][a;b]. Laquelle de ces propriétés n'est PAS exigée pour que ff soit une densité de probabilité sur [a;b][a;b] ?

Correction

Une densité sur [a;b][a;b] est continue, positive, et d'aire totale 1 ; aucune condition ne porte sur la taille de f(t)f(t).Exemple : f(t)=2f(t) = 2 sur [0;0,5][0;0{,}5] a pour aire 2×0,5=12 \times 0{,}5 = 1 et dépasse pourtant 1.Erreur classique : croire qu'une densité reste inférieure à 1 — seule l'aire sous la courbe est une probabilité, la valeur f(t)f(t) n'en est pas une.
Question 2 sur 3
XX suit la loi uniforme sur [2;8][2;8]. Quelle est sa densité sur [2;8][2;8] ?

Correction

La densité est constante : f(t)=1b−a=18−2=16f(t) = \frac{1}{b-a} = \frac{1}{8-2} = \frac{1}{6}.Vérification : aire du rectangle =6×16=1= 6 \times \frac{1}{6} = 1.Erreur classique : diviser par bb au lieu de b−ab - a — l'aire totale ne vaudrait pas 11.
Question 3 sur 3
La durée de vie XX, en années, d'un appareil suit la loi exponentielle de paramètre 0,20{,}2. À quelle probabilité PX>3(X>8)P_{X>3}(X>8) est-elle égale ?

Correction

Absence de mémoire : PX>t(X>t+h)=P(X>h)P_{X>t}(X>t+h) = P(X>h).Ici t=3t = 3 et t+h=8t + h = 8, donc h=5h = 5 : PX>3(X>8)=P(X>5)P_{X>3}(X>8) = P(X>5).Erreur classique : répondre P(X>8)P(X > 8) — la condition « a déjà fonctionné 3 ans » fait passer à P(X>5)P(X > 5).

Dans Insight, ce chapitre a 148 questions, et l’app te les repose au bon moment pour que tu ne les oublies pas avant le bac.

Contenu préparé avec l’aide d’outils d’IA, vérifié.

Réviser ce chapitre gratuitement