Calcul intégrale sur R de la densité d’une loi normale au carré
Calculez instantanément l’intégrale de f(x)2 pour une loi normale N(μ, σ²), sur tout R ou sur un intervalle fini, avec visualisation graphique et interprétation statistique.
Calculateur
Centre de la loi normale.
Doit être strictement positif.
Utilisée seulement pour le mode intervalle.
Doit être supérieure à a.
Entrez vos paramètres puis cliquez sur Calculer pour obtenir l’intégrale de la densité normale au carré.
Visualisation
Le graphique compare la densité normale f(x) et sa densité au carré f(x)². La densité au carré est plus pointue autour de la moyenne et décroît plus vite dans les queues.
Guide expert : comprendre le calcul de l’intégrale sur R de la densité d’une loi normale au carré
Le sujet du calcul intégrale R densité loi normale au carré revient très souvent en statistiques théoriques, en traitement du signal, en apprentissage automatique et dans l’étude des mesures de concentration de probabilité. Lorsqu’on considère une loi normale de moyenne μ et d’écart-type σ, sa densité de probabilité est donnée par la formule classique :
f(x) = 1 / (σ√(2π)) × exp(- (x – μ)² / (2σ²)).
Si l’on élève cette densité au carré, on obtient une nouvelle fonction :
f(x)² = 1 / (2πσ²) × exp(- (x – μ)² / σ²).
La question mathématique consiste alors à calculer ∫R f(x)² dx, c’est-à-dire l’intégrale de cette fonction sur toute la droite réelle. Cette intégrale n’est pas égale à 1, car le carré d’une densité n’est plus une densité au sens probabiliste habituel. En revanche, elle mesure la concentration de la loi : plus σ est petit, plus la densité est resserrée, plus le carré de la densité est élevé au centre, et plus l’intégrale totale augmente.
Pourquoi ce calcul est important
Cette intégrale joue un rôle direct dans plusieurs domaines avancés. En théorie de l’information, elle est reliée à la notion de concentration et intervient dans l’entropie quadratique de Rényi. En statistique non paramétrique, des expressions proches apparaissent dans l’analyse des noyaux gaussiens. En traitement du signal, la forme gaussienne au carré est utile pour étudier l’énergie d’un profil ou la superposition de signaux. En machine learning, elle est également connectée à des calculs de similarité entre distributions.
D’un point de vue purement analytique, ce calcul est élégant parce qu’il repose sur l’intégrale gaussienne classique. En simplifiant l’exponentielle, on se ramène à l’intégrale de exp(-u²), qui vaut √π sur toute la droite réelle. C’est cette propriété qui permet d’obtenir une formule fermée très compacte.
Démonstration pas à pas
- On part de la densité normale : f(x) = 1 / (σ√(2π)) × exp(- (x – μ)² / (2σ²)).
- On élève au carré : f(x)² = 1 / (2πσ²) × exp(- (x – μ)² / σ²).
- On intègre sur R : ∫R f(x)² dx = 1 / (2πσ²) × ∫R exp(- (x – μ)² / σ²) dx.
- On effectue le changement de variable u = (x – μ) / σ, donc dx = σ du.
- L’intégrale devient : 1 / (2πσ²) × σ × ∫R exp(-u²) du.
- Comme ∫R exp(-u²) du = √π, on obtient : 1 / (2πσ) × √π = 1 / (2√π σ).
Le résultat montre immédiatement que l’intégrale décroît quand σ augmente. Une loi plus étalée possède une densité maximale plus faible, et donc son carré totalise moins d’aire. C’est cohérent avec l’intuition géométrique : plus la courbe est plate, plus son carré s’aplatit encore davantage.
Interprétation statistique concrète
Il ne faut pas confondre cette intégrale avec une probabilité. L’intégrale d’une densité vaut 1, mais l’intégrale de son carré mesure autre chose. On peut la voir comme un indicateur de concentration ou de “pointage” de la masse probabiliste. Deux lois normales ayant la même moyenne mais des écarts-types différents auront des valeurs très différentes pour ∫ f².
- Si σ = 0,5, la loi est resserrée, la densité centrale est forte, l’intégrale de f² est élevée.
- Si σ = 1, on retrouve le cas standard, souvent utilisé comme référence théorique.
- Si σ = 2, la loi est plus dispersée, donc l’intégrale de f² diminue nettement.
| Écart-type σ | Valeur de ∫R f(x)² dx = 1 / (2√π σ) | Lecture pratique |
|---|---|---|
| 0,5 | 0,5642 | Distribution très concentrée, forte densité au voisinage de μ |
| 1 | 0,2821 | Cas de la loi normale centrée réduite en termes d’échelle |
| 1,5 | 0,1881 | Concentration moyenne, décroissance plus douce |
| 2 | 0,1410 | Distribution plus étalée, carré de densité plus faible |
| 3 | 0,0940 | Forte dispersion, faible concentration quadratique |
Que se passe-t-il sur un intervalle [a, b] ?
Dans certaines applications, on ne veut pas l’intégrale sur toute la droite réelle, mais seulement sur un domaine fini. Dans ce cas, le calcul repose sur la fonction d’erreur, notée erf. Pour une loi N(μ, σ²), on obtient :
∫ab f(x)² dx = 1 / (4√π σ) × [erf((b – μ)/σ) – erf((a – μ)/σ)].
Cette formule est utile si vous souhaitez mesurer la part de concentration quadratique d’une densité dans une fenêtre donnée, par exemple autour de la moyenne. Plus l’intervalle recouvre la zone centrale de la loi, plus cette intégrale partielle se rapproche de la valeur totale sur R.
Comparaison avec les probabilités classiques de la loi normale
Beaucoup d’utilisateurs confondent la probabilité contenue dans un intervalle et l’intégrale du carré de la densité sur ce même intervalle. Ces deux objets n’ont pas la même signification. La probabilité mesure de la masse totale, tandis que l’intégrale de f² met davantage l’accent sur les zones de forte densité.
| Intervalle autour de μ | Part de probabilité pour une loi normale | Usage courant |
|---|---|---|
| μ ± 1σ | Environ 68,27 % | Zone centrale principale |
| μ ± 2σ | Environ 95,45 % | Référence fréquente en contrôle statistique |
| μ ± 3σ | Environ 99,73 % | Règle empirique très utilisée |
Ces pourcentages sont des statistiques bien connues de la loi normale et servent de repères. Ils ne donnent pas directement l’intégrale de f², mais ils aident à comprendre pourquoi le carré de la densité concentre encore plus fortement son “poids” autour de la moyenne. En effet, comme les grandes valeurs de f(x) sont au centre, leur carré devient proportionnellement encore plus dominant.
Impact du paramètre μ
Un point essentiel mérite d’être souligné : la valeur de μ ne change pas le résultat global sur R. Si vous déplacez la densité vers la gauche ou vers la droite, sa forme reste identique, seule sa position change. Or, une translation ne modifie pas l’aire sous la courbe. C’est pourquoi la formule finale dépend uniquement de σ.
En revanche, si vous travaillez sur un intervalle fixe [a, b], le choix de μ devient important. Si la moyenne est au centre de cet intervalle, l’intégrale partielle sera plus grande. Si μ est éloignée de [a, b], l’intégrale partielle peut devenir très petite, car la densité et son carré sont alors faibles sur cette zone.
Applications pratiques de l’intégrale de la densité normale au carré
- Entropie de Rényi d’ordre 2 : cette grandeur repose directement sur l’intégrale de f².
- Analyse de concentration : plus la valeur est grande, plus la distribution est localisée.
- Noyaux gaussiens : on retrouve des intégrales voisines dans les estimateurs à noyau.
- Traitement du signal : le carré intervient naturellement dans les mesures d’énergie ou d’intensité.
- Apprentissage statistique : certaines distances et similitudes entre distributions utilisent des termes quadratiques.
Erreurs fréquentes à éviter
- Confondre σ avec σ². La formule finale contient σ au dénominateur, pas la variance entière.
- Penser que le résultat dépend de μ sur tout R. Ce n’est pas le cas.
- Croire que l’intégrale de f² doit valoir 1. Une densité au carré n’est pas normalisée.
- Utiliser une borne inférieure supérieure à la borne supérieure en mode intervalle.
- Négliger le fait que quand σ devient très petit, la valeur de l’intégrale augmente rapidement.
Sources académiques et institutionnelles utiles
Pour approfondir les fondements de la loi normale, les intégrales gaussiennes et les tables associées, vous pouvez consulter ces ressources d’autorité :
- NIST.gov, référence sur la distribution normale
- Penn State University, cours de probabilités et de variables aléatoires
- University of California, Berkeley, département de statistique
Comment utiliser efficacement le calculateur ci-dessus
Si votre objectif est de calculer l’intégrale sur toute la droite réelle, il vous suffit de saisir μ et σ puis de laisser le mode Sur tout R. Le résultat principal sera donné instantanément avec la formule exacte. Si vous souhaitez plutôt étudier une zone locale, choisissez le mode Sur un intervalle [a, b], indiquez les bornes, puis lancez le calcul. L’outil affichera la valeur de l’intégrale partielle, la valeur totale sur R et le pourcentage de concentration quadratique couvert par l’intervalle choisi.
Le graphique affiche simultanément f(x) et f(x)². Cette comparaison visuelle est très instructive : la courbe au carré est plus basse dans les queues et plus concentrée au centre. Vous verrez immédiatement l’effet d’une variation de σ. Quand σ augmente, les deux courbes s’élargissent, mais la décroissance de f² reste plus rapide que celle de f.