8/12/2019 Cours crit Probabilit
1/53
8/12/2019 Cours crit Probabilit
2/53
8/12/2019 Cours crit Probabilit
3/53
8/12/2019 Cours crit Probabilit
4/53
8/12/2019 Cours crit Probabilit
5/53
8/12/2019 Cours crit Probabilit
6/53
8/12/2019 Cours crit Probabilit
7/53
8/12/2019 Cours crit Probabilit
8/53
8/12/2019 Cours crit Probabilit
9/53
8/12/2019 Cours crit Probabilit
10/53
8/12/2019 Cours crit Probabilit
11/53
8/12/2019 Cours crit Probabilit
12/53
8/12/2019 Cours crit Probabilit
13/53
8/12/2019 Cours crit Probabilit
14/53
8/12/2019 Cours crit Probabilit
15/53
8/12/2019 Cours crit Probabilit
16/53
8/12/2019 Cours crit Probabilit
17/53
8/12/2019 Cours crit Probabilit
18/53
8/12/2019 Cours crit Probabilit
19/53
8/12/2019 Cours crit Probabilit
20/53
8/12/2019 Cours crit Probabilit
21/53
8/12/2019 Cours crit Probabilit
22/53
8/12/2019 Cours crit Probabilit
23/53
8/12/2019 Cours crit Probabilit
24/53
8/12/2019 Cours crit Probabilit
25/53
8/12/2019 Cours crit Probabilit
26/53
Portail Des Etudiants Fsjes
Gnralits
Vocabulaire des probabilits :
L'exemple choisi pour introduire le vocabulaire probabiliste est le jet d'un d )
Epreuve ou exprience alatoire :
exprience pouvant tre rpte dans des conditions identiques et dont l'issue
n'est pas prvisible priori. ( Le jet d'un d en regardant le nombre
correspondant sur la face suprieure est une exprience alatoire)
Eventualit , cas possible :
rsultat d'une preuve, note gnralement 1, 2, ....
(Exemple : 1,2,3,4,5,6 sont les ventualits de l'exprience alatoire dfinie ci-
dessus comme exemple )
Univers :associ une exprience alatoire, ensemble des cas possibles d'une exprience
alatoire. L'univers est gnralement not .
( exemple choisi = {1,2,3,4,5,6} )
vnement :
partie de l'univers.( Exemple : "obtenir un nombre pair" est un vnement, A = {2,4,6} )
Si une ventualit appartient un vnement, on dit qu'elle ralise cet
vnement.
L'vnement particulier est un vnement particulier puisqu'il contient toute
les ventualits d'une mme exprience alatoire, il est donc toujours ralis on
l'appelle vnement certain.Aucune ventualit appartient lvnement , il est donc jamais ralis, est
appel vnement impossible.
vnement lmentaire :
8/12/2019 Cours crit Probabilit
27/53
Portail Des Etudiants Fsjes
vnement rduit une seule ventualit ( Exemple : "obtenir 6" est un
vnement lmentaire , B= {6} ) Les vnements tant des ensembles on peutdfinir les mmes oprations que sur les ensembles.
Si A et B sont deux vnements d'une mme exprience alatoire :A le complmentaire de A est appel vnement contraire de A. ( Exemple si A
est l'vnement : A :"Obtenir un nombre pair " , A= {2,4,6} , A est
l'vnement contraire A: " Ne pas obtenir de nombre pair " , A= {1,3,5} ).Remarque deux vnements contraires sont incompatibles.
A B : l'vnement A B est la runion des vnement A et B . ( Exemple si A
est l'vnement : A :"Obtenir un nombre pair " , A= {2,4,6} , et B: " Obtenir un
nombre suprieur ou gal 4 ", B={4,5,6} A B : "Obtenir un nombre pair ou
4" et A B = {2,4,5,6})
A B : l'vnement A B est l'intersection des vnement A et B . ( Exemple siA est l'vnement : A :"Obtenir un nombre pair " , A= {2,4,6} , et B: " Obtenir
un nombre suprieur ou gal 4 ", B={4,5,6} A B : "Obtenir un nombre pair et
4" et A B = {4,6})
Si A B = , les vnements A et B sont ditincompatibles , il ne peuvent passe raliser en mme temps ( Exemple si A est l'vnement : A :"Obtenir un
nombre < 3 " , A= {1,2} , et B: " Obtenir un nombre suprieur ou gal 4 ",B={4,5,6} A B : "Obtenir un nombre < 3 et 4" et A B = ).
8/12/2019 Cours crit Probabilit
28/53
Portail Des Etudiants Fsjes
Partition
Utilisation d'une partitionpour dnombrer un ensemble
Exemple d'nonc pour comprendre :
Dans une entreprise de 120 salaris, on sait parler au moins une langue parmi
l'Allemand, l'Espagnol , l'Anglais.
8 personnes parlent les trois langues,
2 parlent l'Allemand et l'Espagnol mais pas l'Anglais,
10 parlent uniquement l'Espagnol,101 personnes parlent l'Anglais,
50 personnes parlent l'Espagnol,
52 personnes parlent l'Allemand.
On veut dterminer :
le nombre de personnes qui
parlent l'Anglais et
l'Espagnol, mais pas
l'Allemand.le nombre de personnes qui
parlent l'Allemand et
l'Anglais mais pas l'Espagnol
le nombre de personnes qui
parlent l'Anglais seul
le nombre de personnes qui
parlent l'Allemand seul
On fait le graphe
correspondant :
Chaque disque correspond un groupe de personne pratiquant une langue ( sauf
le rouge)
on peut distinguer 8 partitions .
notons a, b, c, d , e, f , g, h le nombre d'lments de chaque partition, traduisonsl'nonc, on a :
8/12/2019 Cours crit Probabilit
29/53
Portail Des Etudiants Fsjes
Il y a c = 30personnes parlant l'Anglais et l'Espagnol , mais pas l'Allemand.Il y a b = 35personnes parlant l'Anglais et l'Allemand mais pas l'Espagnol.
Il y a d = 7personnes parlant l'Allemand uniquement.
8/12/2019 Cours crit Probabilit
30/53
Portail Des Etudiants Fsjes
Dnombrement
Dfinition :
dnombrer, c'est compter les lments d'un ensemble fini. Plusieurs mthodes
permettent de dnombrer un ensemble, le principe c'est d'organiser efficacementles donnes pour viter d'oublier des lments de l'ensemble.
Mthodes de dnombrement :
Arbre
Dnombrement d'un ensemble avec un arbre
Pour comprendre on va prendre un nonc type :
Enonc :
Une urne contient 7 boules numrotes de 1 7
on tire au hasard et successivement 3 boules de cette urnele tirage est avec remise, c'est dire qu'on remet la boule une fois tire. (voir
exemple de tirage ci-dessous)
Quel est alors le nombre de tirages possibles ?
8/12/2019 Cours crit Probabilit
31/53
Portail Des Etudiants Fsjes
Il y a 7 choix possibles pour la premire boule de mme pour la seconde une fois
la premire boule sortie et de mme pour la troisime boule.
il y a dans ce cas 7 x 7 x 7 tirages possibles soit 343 tirages
(le nombre de ramification chaque branche est le mme , il s'agit en fait du
nombre de 3-listes dans un ensemble 7 lments )
on tire au hasard et successivement 3 boules de cette urne
le tirage est sans remise, c'est dire qu'on ne remet pas la boule une fois tire.
(exemple de tirage ci-dessous)
Quel est alors le nombre de tirages possibles ?
8/12/2019 Cours crit Probabilit
32/53
Portail Des Etudiants Fsjes
Il y a 7 sorties possibles pour lapremire boule, mais la seconde boulesera quant elle tire parmi les 6
restantes et la troisime parmi les 5
restantes.
Le nombre de tirages est donc 7 x 6 x
5 = 210.
( le nombre de ramifications diminued'une branche chaque tape , il s'agit
en fait du nombre d'arrangements de 3lments pris parmi un ensemble de 7
lment )
on tire au hasard et simultanment 3 boules de cette urne(voir exemple de tirage ci-dessous ) il n'y a plus d'ordre d'arrive des boules
vous pouvez construire un arbre comme prcdemment et supprimer lesramifications quivalente puisque par exemple : ( , , ) = ( , , ) =
.....=....
8/12/2019 Cours crit Probabilit
33/53
Portail Des Etudiants Fsjes
Ou bien calculer le nombre de
permutations possibles de trois boules
distinctes quelconques en vous aidant
d'un arbre vous devez en trouver 6.
il y a donc 210/6 = 35 tiragespossibles. (il s'agit en fait du nombre
de combinaison de 3 lments pris
dans un ensemble 7 lments)
8/12/2019 Cours crit Probabilit
34/53
Portail Des Etudiants Fsjes
Combinaisons
Dfinition :Une combinaison de p lments pris parmi n lments d'unensemble E n lments est un sous ensembles de p lments pris parmi les n
lments de E.Soit E un ensemble n lments
E = { x1; x2; x3; x4; ......; xn}
Exemples de combinaisons de p lments :{x1; x2; x3; x4;.........; xp}
{x2; x3; x4; x5;.........; xp+1}
Remarque :{x1; x2; x3; x4;.........; xp} et {x2; x1; x3; x4;.........; xp} reprsente la
mme combinaison, ce qui fait la diffrence avec un arrangement.
Nombre de combinaison :
Le nombre de combinaisons de p lment pris dans un ensemble n lmentsest gal au coefficient binomial :
( on divise le nombre d'arrangements des p-lments pris parmi n par le nombre
depermutationsde ces p lments)
Dans l'exemple ci-dessous on a
dnombr l'aide d'un arbre le nombre
de combinaisons de 3 lments prisdans l'ensemble
E ={a,b, c, d}.
Le nombre de combinaisons est :
Permutations
Dfinitions :
Une permutation de n lment est un arrangementde n lments pris parmi n.
Soit E un ensemble n lments
E = { x1; x2; x3; x4; ......; xn}Exemples de permutation de n lments :
(x1; x2; x3; x4;.........; xn)
(x2; x1; x3; x4;.........; xn)
(x3; x2; x1; x4;.........; xn)(xn; xn-1; xn-2; xn-3;.........; x1)
8/12/2019 Cours crit Probabilit
35/53
Portail Des Etudiants Fsjes
Nombre de permutations de n lments :
On dmontre que le nombre de permutation de n lment est :n! = n(n-1)(n-2)......2x1 ( n ! se lit factorielle n )
Exemple :le nombre de permutations de 3 lments d'un ensemble
E = {a, b,c}est : 3! = 6
8/12/2019 Cours crit Probabilit
36/53
Portail Des Etudiants Fsjes
Arrangements
Dfinition :
un arrangement de p lments sur un ensemble n lments est unep-listedans
laquelle les lments sont deux deux distincts. ( p n)Soit E un ensemble n lments
E = { x1; x2; x3; x4; ......; xn}
Exemples d'arrangements de p lments :
(x1; x2; x3; x4;.........; xp)
(x2; x1; x3; x4;.........; xp)
(x2; x3; x4; x5;.........; xp+1)
Remarque :il ne peut plus y avoir rptition d'un mme lment.
Nombre d'arrangement de p lments pris dans un ensemble n lments :
Le nombre d'arrangement de p lment pris dans un ensemble n lments est
gal :
8/12/2019 Cours crit Probabilit
37/53
Portail Des Etudiants Fsjes
pour le comprendre on peut faire un arbre :
Dans l'exemple ci-dessous on a
dnombr l'aide d'un arbre le nombre
d'arrangements de 3 lments pris dansl'ensembleE ={a,b, c, d}
le nombre d'arrangements est :
L'ensemble de ces arrangements est
{(a,b,c) ; (a,b,d), (b, a, d) ............}
8/12/2019 Cours crit Probabilit
38/53
Portail Des Etudiants Fsjes
Calcul des probabilits
Pour calculer les probabilits associes la loi normale, on utilise gnralement
la loi normale rduite : cest une loi normale pour laquelle et .
La table suivante permet de dterminer la probabilit que la variablexscarte
de la moyenne de plus de z0vers le haut.Pour obtenir z0, on calcule lcart par rapport la moyenne: x - , puis on
divise par lcart type:
0z
8/12/2019 Cours crit Probabilit
39/53
Portail Des Etudiants Fsjes
2me
dcimale dez0
Z0 0 1 2 3 4 5 6 7 8 9
0.0 .500 .496 .492 .488 .484 .480 .476 .472 .468 .464
0.1 .460 .456 .452 .448 .444 .440 .436 .433 .429 .425
0.2 .421 .417 .413 .409 .405 .401 .397 .394 .390 .3860.3 .382 .378 .374 .371 .367 .363 .359 .356 .352 .348
0.4 .345 .341 .337 .334 .330 .326 .323 .319 .316 .312
0.5 .309 .305 .302 .298 .295 .291 .288 .284 .281 .278
0.6 .274 .271 .268 .264 .261 .258 .255 .251 .248 .245
0.7 .242 .239 .236 .233 .230 .227 .224 .221 .218 .215
0.8 .212 .209 .206 .203 .200 .198 .195 .192 .189 .187
0.9 .184 .181 .179 .176 .174 .171 .169 .166 .164 .161
1.0 .159 .156 .154 .152 .149 .147 .145 .142 .140 .138
1.1 .136 .133 .131 .129 .127 .125 .123 .121 .119 .1171.2 .115 .113 .111 .109 .107 .106 .104 .102 .100 .099
1.3 .097 .095 .093 .092 .090 .089 .087 .085 .084 .082
1.4 .081 .079 .078 .076 .075 .074 .072 .071 .069 .068
1.5 .067 .066 .064 .063 .062 .061 .059 .058 .057 .056
1.6 .055 .054 .053 .052 .051 .049 .048 .047 .046 .046
1.7 .045 .044 .043 .042 .041 .040 .039 .038 .038 .037
1.8 .036 .035 .034 .034 .033 .032 .031 .031 .030 .029
1.9 .029 .028 .027 .027 .026 .026 .025 .024 .024 .023
2.0 .023 .022 .022 .021 .021 .020 .020 .019 .019 .0182.1 .018 .017 .017 .017 .016 .016 .015 .015 .015 .014
2.2 .014 .014 .013 .013 .013 .012 .012 .012 .011 .011
2.3 .011 .010 .010 .010 .010 .009 .009 .009 .009 .008
2.4 .008 .008 .008 .008 .007 .007 .007 .007 .007 .006
2.5 .006 .006 .006 .006 .006 .005 .005 .005 .005 .005
2.6 .005 .005 .004 .004 .004 .004 .004 .004 .004 .004
2.7 .003 .003 .003 .003 .003 .003 .003 .003 .003 .003
2.8 .003 .002 .002 .002 .002 .002 .002 .002 .002 .002
2.9 .002 .002 .002 .002 .002 .002 .002 .001 .001 .001
Lorsque lon doit dterminer une probabilit partir de la loi normale, on essaiede se ramener une probabilit considre dans la table.
8/12/2019 Cours crit Probabilit
40/53
Portail Des Etudiants Fsjes
Quelques cas concrets sont illustrs ci-dessous.
1) x > + z0
xz0 + z0
Prob (table)
2) x < - z0
x
Prob (table)
z0 + z0 3) x plus loign de que z0
x
2Prob (table)
z0 + z0 4) x plus proche de que z0
x
1-2Prob (table)
z0 + z0 5) x z
0
x
1-Prob (table)
z0 + z0
8/12/2019 Cours crit Probabilit
41/53
Portail Des Etudiants Fsjes
Exemples :Le poids des tomates produites par un jardinier obit une loi normale de
moyenne 200 gr et d'cart type 40 gr.
a. Calculez la probabilit que le poids d'une tomate excde 250 gr.
Solution:
%6,10106,0Prob
25,140
50gr50200250
0
z
b. Calculez la probabilit que le poids d'une tomate soit infrieur 100 gr.
Solution: gr100200100
la loi normale est symtrique on ne s'occupe pas du signe
5,240
1000
z
moins de 100 gr: on s'carte donc de la valeur moyenne = 200 gr de plus dez0
%6,0006,0Prob
c. Calculez la probabilit que le poids d'une tomate soit infrieur 230 gr.
Solution: gr30200230
75,040
300
z
Lintervalle ( 230 gr) considr contient la valeur moyenne (200 gr) on
prend 1Prob(table):%3,77773,0227,01Prob
d. Calculez la probabilit que le poids dune tomate ne scarte pas de la valeur
moyenne de plus de 20 gr.
Solution: on calcule dabord la probabilit que le poids scarte de plus de 20 gr,vers le haut ou vers le bas :
%9,30309,0Prob
5,040
20
40gr20
0
z
On doit multiplier par 2 car on considre les deux cts Prob = 2 0,309 =
0,618
On a donc une prob. de 0,618 que le poids s'carte de de plus de 20 gr, et donc
une prob. 1-0,618 que le poids ne s'carte pas de plus de 20 gr.
Rponse: 0,382 = 38,2 %
8/12/2019 Cours crit Probabilit
42/53
Portail Des Etudiants Fsjes
Les lois de probabi l i ts
Dfinition : Une loi de probabilit est un MODELEreprsentant "au mieux",
une distribution de frquences d'une variable alatoire. Dfinir la loi deprobabilit dune exprience alatoire, cestdterminer les probabilits p1, p2,
, pn, de chacun de ces vnements : x1, x2, , xn.
On distingue deux type de lois :
Les lois "discrtes" Les lois "continues"
Comme l'tude de ces lois n'est pas simple, n'tudierons-nous que quelques-unes
d'entre elles.
Pour chacune d'elles il faut connatre :
L'esprance mathmatique E(X) (ou moyenne ) et la variance Var(X) (note )La forme de la fonction de rpartition et Les domaines et conditions d'utilisation
Dans le cas discret, il faut pouvoir calculer les nombres :Prob(X=k)
Dans les cas continus les nombres:
La fonction de densit sera note f(x), la fonction de rpartition F(x)
Variable alatoire et loi de probabilit
Dfinir une variable alatoire X, cest:
Faire une partition de lunivers avec les vnements constitu par lesdiffrentes issues possibles de lexprience,
Associer chaque vnement dune preuve un nombre rel x i.
Exemple :
Une urne contient dix boules indiscernables au toucher, lune dentre-elles porte
le numro 10, deux portent le numro 5, trois portent le numro 3 et les autres
portent le numro 1.
Lexprience consiste extraire au hasard une boule de lurne et noter son
numro.
Lunivers de cette exprience est form de lensemble des 10 boules. Onsintresse aux 4 vnements suivants qui forment une partition de :
Variable alatoire :
A1 : la boule extraite porte le numro 10 ;
A2 : la boule extraite porte le numro 5 ;
A3 : la boule extraite porte le numro 3 ;
A4 : la boule extraite porte le numro 1 .
On vient dassocier chaque vnement de la partition un nombre rel xiet donc
de dfinir la variable alatoire X : numro de la boule extraite. On dit que xi
=10 est une reprsentation de la variable alatoire XLoi de probabilit :
8/12/2019 Cours crit Probabilit
43/53
Portail Des Etudiants Fsjes
A1 : la boule extraite porte le numro 10 dont la probabilit est Error!
A2 : la boule extraite porte le numro 5 , dont la probabilit est Error!
A3 : la boule extraite porte le numro 3 , dont la probabilit est Error!A4 : la boule extraite porte le numro 1 , dont la probabilit est Error!.
On peut consigner ces rsultats dans un tableau tel que celui-ci :
Xi = valeurs possibles de
lexprience
x1=10 x2=5 x3=3 x4=1
Pi probabilit correspondante p1=1/10 p2=2/10 p3=3/10 p4=4/10
Remarque : on a p1+ p2+ + pn= 1
Esprance mathmatique et variance
Esprance mathmatique dune variable alatoire:
Quand les vnements dune partition nont pas la mme probabilit on ne parlepas de moyenne mais desprance mathmatique que on note E{X}.
E{X}= px i
n
i i 1
avec n le nombre dvnements de la partition
Si les pisont tous gaux (quiprobabilit avec pi = 1/n) alors E{X} est gale
une simple moyenne.
Dans notre exemple : E{X}= 10 Error!+ 5 Error!+ 3 Error!+ 1Error!= 3,3Variance dune variable alatoire:
Si la loi de probabilit est quiprobable, la variance chiffre la dispersion des
vnements autour de la valeur moyenne. Si cette dispersion est grande ; la
moyenne est peu significative de la variable alatoire. La variance chiffre en
quelque sorte la qualit de la moyenne. En effet si la moyenne dune classe et de
12 mais que la dispersion est grande, un lve ne peut pas vraiment trepersuad de sa note. Si maintenant il sait que la dispersion est faible, il peut
sattendre avoir une note proche de 12.
Lorsque la loi de probabilit nest pas quiprobable la variance chiffre ladispersion autour de lesprance mathmatique. Elle se note V(X) et :
V(X) = (x1E(X)) p1+ (x2E(X)) p2+ + (xnE(X)) pn. Soit :
2
1
( ) ( )n
i i
i
V X p x E X
On somme les carts lesprance mathmatique au carr afin que les carts
ngatifs ne compensent pas les carts positifs. De la mme faon que dans
8/12/2019 Cours crit Probabilit
44/53
Portail Des Etudiants Fsjes
lesprance mathmatique, ces carts sont pondrs avec les probabilits des
vnements.
Afin de saffranchir de cette somme au carr peu parlante on dfinit lcart typede la variable alatoire et :
Lcart type est la racine carre de la variance : X V X La loi de probabilit, lesprance mathmatiques et lcart type dfinissent
clairement une variable alatoire.
8/12/2019 Cours crit Probabilit
45/53
Portail Des Etudiants Fsjes
Loi normale ou de Gauss
Supposons que nous tirions des chantillons alatoires d'une population
dont la taille moyenne est de 170 cm, avec un cart type de 10 cm.Traons l'histogramme de la taille, avec des classes de 5cm de large.
Examinons laspect de ces histogrammes.Echantillon de 10 individus
nom
br
e
d
i
nd
iv
id
u
s
taille (cm)140 160 180 200120
2
1
0
3
Echantillon de 100 individus
nom
br
e
d
i
nd
iv
id
u
s
taille (cm)140 160 180 200120
10
5
15
20
Echantillon de 1000 individus
no
mb
re
d
i
ndivi
du
s
taille (cm)140 160 180 200120
100
50
0
150
Echantillon de 10.000 individus
no
mb
re
d
i
ndivi
du
s
taille (cm)140 160 180 200120
1000
500
0
1500
Echantillon de 100.000 individus. (ici, les classes sont de 2 cm)
nom
br
e
d
i
nd
iv
id
u
s
taille (cm)140 160 180 200120
4000
2000
0
6000
8/12/2019 Cours crit Probabilit
46/53
Portail Des Etudiants Fsjes
Au fur et mesure que la taille de l'chantillon augmente (et que la taille des
classes diminue), l'histogramme devient de plus en plus rgulier et se rapproche
d'une courbe en cloche, appele loi normale.Loi normale
n
om
b
r
e
d
i
n
d
i
vid
u
s
taille cm140 160 180 200120
La loi normale est la loi statistique la plus rpandue et la plus utile.
Elle reprsente beaucoup de phnomnes alatoires.
De plus, de nombreuses autres lois statistiques peuvent tre approches par la loi
normale, tout spcialement dans le cas des grands chantillons.Son expression mathmatique est la suivante:
2
2
2
2)(
x
e
n
xn
n(x)
+
x
est la moyenne lcart type
n le nombre total dindividus dans lchantillon n(x) le nombredindividus pour lesquels la grandeur analyse a la valeur x.
8/12/2019 Cours crit Probabilit
47/53
Portail Des Etudiants Fsjes
Lorsque la distribution des individus dans une population obit la loi normale,
on trouve :
A. 50 % des individus en dessous de la moyenne et 50 % au-dessus (la loi
normale est symtrique)
x
50 %
B. 68 % des individus entre et
x +
68 %
C. 95 % des individus entre -1,96 et +1,96, que nous arrondirons
lintervalle 2,
x2 + 2
95 %
D. 99,7 % des individus entre et (il y a donc trs peu de chances
quun individu scarte de la moyenne de plus de 3).
x3 + 3
99,7 %
8/12/2019 Cours crit Probabilit
48/53
Portail Des Etudiants Fsjes
La loi Binomiale
Epreuve de Bernouilli
Considrons une exprience dont l'univers ne contient que deuxvnements lmentaires. On appelle succs la ralisation de A et chec la
ralisation de son contraireA .Posons P(A) = p la probabilit de lvnement A et P(A ) = q la probabilit
de lvnement A . p et q sont lis par la relation p + q = 1
Exemple : Un joueur lance un d non pip et on sintresse lobtention du
six.
Soit A l'vnement on obtient un trois . Nous avons P(A) = 1/6 et P (A )
= 5/6.
Lorsqu'on s'intresse ainsi un vnement A ou son contraire , la
ralisation de l'exprience est appele preuve de Bernoulli.Loi Binomiale
Considrons une suite de n preuves de Bernoulli identiques et
indpendantes. On note p la probabilit commune de succs. On dit alors
quon est dans un schma de Bernoulli caractris par p la probabilit de
succs chaque preuve et n le nombre dpreuves.
Soit n un entier tel que n 1 et soit p [0, 1]. Par dfinition la variable
alatoire X qui dsigne le nombre de succs de probabilit commune p dans
un schma de Bernoulli suit une loi binomiale de paramtres n et p, note
B (n ; p)Exemple : On lance plusieurs fois un d et on sintresse au nombre
dapparitions du six. On lance le d deux
fois :
8/12/2019 Cours crit Probabilit
49/53
Portail Des Etudiants Fsjes
La loi de probabilit de la variable X qui compte le nombre de succs est :
Lesprance mathmatique E (X) = 3
1
6 =
1
2
La variance est V(X) = 3
1
6
5
6 =
5
12
Ainsi E{X} = n p et V(X) ) = n p p
xi 0 1 2 3
p( X = xi)
125
216
25
72
5
72
1
216
8/12/2019 Cours crit Probabilit
50/53
Portail Des Etudiants Fsjes
Exemple jeu pile ou face pour n =5 et p = 1/2 pour avoir face
Dterminer la loi de probabilit pour k =6
Rponse
P(x=0) 1/32
P(x=1) =5/35
P(x=2)= 5/16
P(x=3) =5/16
P(x=4) =5/32
P(x=5) =1/3
E(x) =5/2 V(x) =5/4
Exemple 2
Loi de probabilit reprsente
pour p = 1/3 pour n = 5
Fonction de rpartition reprsente pour p = 1/3 n = 5
8/12/2019 Cours crit Probabilit
51/53
Portail Des Etudiants Fsjes
pour n = 10
pour n = 10
pour n = 30
pour n = 30
8/12/2019 Cours crit Probabilit
52/53
Portail Des Etudiants Fsjes
Loi de Poisson
Loi de Poisson : On dit qu'une variable alatoire X, valeurs dans suit une loi
gomtrique si sa loi de probabilit est :
o est un rel strictement positif
Esprance et variance mathmatique :
L'esprance mathmatique d'une variable alatoire suivant une loi de Poisson de
paramtre est E(X) =
La variance mathmatique d'une variable alatoire suivant une loi de Poisson deparamtre est V(X) =
jusqu' k = 5 pour =2
Loi de probabilit de X :
Reprsentation de la loi de probabilit,
puis de la fonction de rpartition de cette loi pour = 5
8/12/2019 Cours crit Probabilit
53/53