SKILLCARD « Loi normale et centrage-réduction » — BCPST 2

Quand l’utiliser ?

Pour calculer une probabilité avec une variable gaussienne à l'aide de la fonction Φ\Phi de N(0,1)\mathcal{N}(0, 1).

La règle

X∼N(μ,σ2)  ⟺  X∗=X−μσ∼N(0,1),P(X≤x)=Φ(x−μσ)X \sim \mathcal{N}(\mu, \sigma^2) \iff X^* = \frac{X - \mu}{\sigma} \sim \mathcal{N}(0, 1), \qquad P(X \leq x) = \Phi\left(\frac{x - \mu}{\sigma}\right) — Φ(−x)=1−Φ(x)\Phi(-x) = 1 - \Phi(x) ; si XX et YY sont normales indépendantes, X+YX + Y est normale.

Valeurs utiles : Φ(1,96)≈0,975\Phi(1{,}96) \approx 0{,}975, donc P(∣X∗∣≤1,96)≈0,95P(|X^*| \leq 1{,}96) \approx 0{,}95.

Exemple

X∼N(10,4)X \sim \mathcal{N}(10, 4), P(X≤12)P(X \leq 12)

σ=2\sigma = 2 : P(X≤12)=Φ(12−102)P(X \leq 12) = \Phi\left(\frac{12 - 10}{2}\right).

→ =Φ(1)≈0,84= \Phi(1) \approx 0{,}84

Les pièges à éviter

Dans N(μ,σ2)\mathcal{N}(\mu, \sigma^2), le second paramètre est la variance : on divise par σ\sigma, sa racine.

La méthode HORA dans chaque Skill Card.

Chaque Skill Card te guide avec la méthode HORA pour réussir les exercices, faire progresser et entretenir ton niveau de maîtrise.

  1. Hypothèse

    Je comprends l’énoncé, j’identifie ce qu’on cherche et les informations données.

  2. Outil

    Je choisis l’outil mathématique adapté (définition, propriété, théorème, formule…).

  3. Raisonnement

    Je justifie pourquoi cet outil est pertinent et je construis ma démarche.

  4. Application

    J’applique la méthode au problème et je conclus en vérifiant le résultat.