Lois de probabilit usuelles

Abdon Privat PAMBOU

Chapitre 4 Lois de probabilits usuelles Dans des nombreuses situations il est difficile de calculer la probabilit des vnements en se servant des techniques vus dans les premiers chapitres. On procde par la modlisation des phnomnes. Par exemple on lance 10 fois un d cubique parfaitement quilibr et on sintresse au nombre de fois que la face numrote 6 saffiche au cours de ces 10 lancers. Ce nombre de succs est alatoire et peut tre modlis par une application qui, un lancer, fait correspondre le rsultat du jeu. A. LOIS DISCRETES 1. Loi de Bernoulli 1.1. Dfinition Une variable alatoire X est dite suivre une loi de Bernoulli de paramtre p, (o < p < 1) si elle ne prend que deux valeurs (X=1) correspondant au succs et (X=0) correspondant lchec : Sa loi de probabilit est alors =1 = =0 =1 = 0 1 1 Total 1

1.2. Valeurs caractristiques Si X suit une loi de Bernoulli de paramtre p, alors = ; = 1 = Remarque La loi de Bernoulli joue un rle fondamental en thorie des probabilits et en statistique, car elle sert de modle toute exprience alatoire dont les issues appartiennent deux classes mutuellement exclusives. 2. Loi binomiale 2.1. Dfinition et domaine dintervention On considre une preuve alatoire au cours de laquelle un vnement A peut se produire avec une probabilit . On rpte cette preuve fois de faons indpendantes. Soit le nombre de fois que A se ralise au cours de ces preuves ; est une variable binomiale. On dit que suit une binomiale si la loi de probabilit est donne par : = = 1 , = 0,1, 2, ,

2.2. Valeurs Caractristiques et notation Si X suit une loi binomiale de paramtres n et p, on note , et on a : = = 1

Chapitre 4 : Lois de probabilit usuelles

Abdon Privat PAMBOU

Exercice 1 On sait que 2 % de machines dun certain type tombent en panne au cours dun mois dutilisation. Une entreprise achte 20 machines de ce type. On considre X la variable alatoire gale au nombre de machines hors service au cours dun mois dutilisation. 1) Quelle est la loi suivie par X ? Justifier votre rponse. 2) Calculer la probabilit que a) aucune machine ne tombe en panne . b) au moins une machine tombe en panne 3) Quelle est la probabilit que le nombre de pannes soit compris entre 2 et 6. 4) Au moins 2 machines sont tombes en panne. Quelle est la probabilit quil y ait a) exactement 4 machines. b) au plus 6 machines 5) Calculer lesprance et la variance de X. Corrig 1) Loi de probabilit de X On est devant une preuve alatoire qui consiste contrler chaque machine aprs un mois dutilisation. A chaque contrle soit la machine tombe en panne avec une probabilit = 0,02 ; soit la machine ne tombe pas en panne avec une probabilit 0,98. On effectue ce contrle sur = 20 machines. Les pannes tant supposes indpendantes les unes des autres alors la variable X gale au nombre de machines qui tombent en panne au cours dun mois est une variable binomiale. = = 0,02 0,98 = 0,1, 2, , 20

2) Calculer la probabilit que a. aucune machine ne tombe en panne . =0 = 0,02 1 0,02 = 0 = 0,6676 b. au moins une machine tombe en panne 1 =1 <1 1 = 1 =0

1 = 1 0,6676 = 0,3324 3) Au moins 2 machines sont tombes en panne. Quelle est la probabilit quil y ait exactement 4 machines. =4 2 =4 / 2 = 2 =4 / 2 = =4 <2 Page 2 =4 2

=4 /
Cours doutils mathmatiques de gestion

Lois de probabilit usuelles

Abdon Privat PAMBOU

=4 = =

=1 =

0,00056 = 0,00935 1 0,6676 0,2725

0,02 1 0,02

0,02 1 0,02

=4 =0

=1

= 0,00056

= 0,2725

3.b) Au moins 2 machines sont tombes en panne. Quelle est la probabilit quil y ait au plus 6 machines. 6 / 2 = 2 = 6 2 2 6 <2

=4 / = 1

2 6 =0 =1

2 1

2) Calculer lesprance et la variance de X. = = 20 0,02 = 0,4 = = 20 0,02 0,98 =0,392 = = 1 , = 0, 1, 2, ,

= 0, 1, 2, 3, ,

2.2. Valeurs Caractristiques et notation Si X suit une loi binomiale de paramtres n et p, on note , et on a : = = 1 3. Loi multinomiale 3.1. Dfinition preuves indpendantes avec k + + +

Il sagit dune gnralisation de loi binomiale. On fait issues possibles 1 , 2 , , . Notons =1

1

,,

les probabilits respectives des diffrents succs avec

Chapitre 4 : Lois de probabilit usuelles

Abdon Privat PAMBOU

Alors la probabilit davoir ralisations de avec 1 +

ralisations de 1 , 2 ralisations de = est : 2 + + = ! ! ! ! , ,,

davoir

Si X suit une loi multinomiale de paramtres , 3.2. Exemple dapplication

, on note

,,

Un vendeur de journaux 40 exemplaires de LObservateur , 30 exemplaires de Le Populaire 20 exemplaires de Walf-Fadjiri et 10 exemplaires de Le Tmoin . Calculer est la probabilit de vendre 25 exemplaires de LObservateur , 20 exemplaires de Le Populaire 12 exemplaires de Walf-Fadjiri et 8 exemplaires de Le Tmoin ?

4. Loi hypergomtrique 4.1. Dfinition Considrons une population contenant N individus, dont : prsentent un critre donn A. On les qualifiera dindividus de type de A ( : proportion de de type A) ; sont noires ( : proportion de boules noires). On prlve un chantillon exhaustif n individus. Soit X le nombre de individus de type A prlevs dans lchantillon. X est une variable alatoire. La probabilit que lchantillon de n individus, tir, sans remise, dans cette population de N individus, contienne k individus de type A, est : = =

Domaine de variation de X Les valeurs possibles de k sont comprises entre max 0, min 4.2. Valeurs caractristiques et notation

Si X suit une loi hypergomtrique de paramtres N, n et p, on note : = , ,

Et on a :

=
Cours doutils mathmatiques de gestion

Page 4

Lois de probabilit usuelles

Abdon Privat PAMBOU

= La quantit > 1, on a :

est appele facteur dexhaustivit. Pour tout

1 <1

Remarque Lorsque leffectif N de la population est grand par rapport la taille n de lchantillon, le coefficient est peu diffrent de 1 : lim =1 + 1 Le tirage exhaustif (sans remise) est quivalent un tirage avec remise. Par consquent la loi hypergomtrique tend vers la loi binomiale. Dans la pratique cette approximation est valide ds que < 0,1

Le rapport

est appel taux de sondage ou taux dchantillonnage. n dsigne la taille de lchantillon et N la taille de la population dont est extrait lchantillon examin. 5. Loi gomtrique 5.1. Dfinition

On dit quune variable alatoire X admet une loi gomtrique de paramtre 0 < = = 1 , = 1, 2, 3 , 5.2. Valeurs caractristiques et notation Si X suit une loi gomtrique de paramtre p, on note Et on a : 1 1 = = =

< 1 si :

Cette loi dcrit le nombre dpreuves de Bernoulli ncessaires pour obtenir la valeur 1 exactement une fois.

Chapitre 4 : Lois de probabilit usuelles

Abdon Privat PAMBOU

La loi gomtrique est importante par sa proprit dite de non-vieillissement : pour tous , 0: = + / =

6. Loi binomiale ngative (loi de Pascal) 6.1. Dfinition Une variable alatoire X est une variable de Pascal de paramtres (r, p) si : = = 1 , = 0, 1, 2, 3,

6.2. Valeurs caractristiques Lesprance mathmatique de la loi de Pascal est : = = 1 1

La variance de la loi de Pascal est :

Si est naturel, la loi de Pascal dcrit le nombre dpreuves de Bernoulli ncessaires pour obtenir la valeur 1 trs exactement fois. Si = 1, on retrouve donc la loi gomtrique.

La loi de Pascal trouve des applications en statistique des accidents et des maladies, dans les problmes lis au nombre dindividus dune espce dans les chantillons de populations biologiques, etc.

7. Loi de Poisson 7.1. Dfinition Soit un rel strictement positif. On appelle loi de Poisson de paramtre la loi de la variable alatoire X telle que : = = ! , = 0,1, 2, 3,

et not

La loi intervient dans la modlisation des problmes tels que - les pannes de machines - les appels tlphoniques - les arrives - les files dattente - etc. Le paramtre reprsente le flux moyen (le taux moyen) Page 6

Cours doutils mathmatiques de gestion

Lois de probabilit usuelles

Abdon Privat PAMBOU

7.2. Valeurs caractristiques et notation Si X suit une loi de Poisson de paramtre , on note Et on a : = = 7.3. Approximation de la loi binomiale par la loi de Poisson.

Dans la pratique, on considre que lapproximation de la loi binomiale par la loi de Poisson est acceptable, ds que : , , Ou bien , , , <
1, 2,

7.4.

Somme de variables de Poisson indpendantes

La somme de variables de Poisson indpendantes de paramtres respectifs est une variable de Poisson de paramtre = + ; 1 1 2 2 Alors la variable alatoire B. LOIS CONTINUES 1. Loi uniforme
1

+ +

+ +

Soient et deux nombres rels avec < . On dit que la variable alatoire continue X suit une loi uniforme sur , si elle admet comme densit de probabilit la fonction dfinie par : 1 , = 0 , ,

1.1.

Dfinition

1.2.

Valeurs caractristiques

Si X suit une loi uniforme sur lintervalle + = 2

alors :

12

Chapitre 4 : Lois de probabilit usuelles

Abdon Privat PAMBOU

2. Loi exponentielle 2.1. Dfinition Une variable alatoire X admet une loi exponentielle de paramtre 0 = 0 <0

> 0 si :

La loi exponentielle est souvent utilise pour reprsenter des dures de vie (dure de vie dun matriel donn), dure de chmage, dure dhospitalisation, 2.2 . Valeurs caractristiques Si X suit une loi exponentielle de paramtre alors 1 = = 1

La loi exponentielle vrifie la proprit de non vieillissement : > + / > = > 3. Loi normale 3.1. Domaine dintervention

La loi normale est utilise pour reprsenter les phnomnes alatoires rsultant de plusieurs causes indpendantes les unes des autres et dont les effets sadditionnent et, aucune cause nest prpondrante sur les autres. Soit et > 0. On dit que la variable alatoire X absolument continue suit une loi une variable alatoire admettant comme densit de normale de paramtres et probabilit la fonction f telle que : = 2 1 , 3.2. Dfinition

3.3. Valeurs caractristiques et notation Si X suit une loi normale de paramtres = et , on note : , =

Et on a :

Cours doutils mathmatiques de gestion

Page 8

Lois de probabilit usuelles

Abdon Privat PAMBOU

3.4. Fonction de rpartition de la loi normale Comme il ny a pas de formule permettant de calculer = < = = 2 1 1

3.5. Loi normale centre rduite Il est trs difficile de calculer la primitive de lintgrale (1). Pour contourner la difficult, on effectue systmatique le changement de variable suivant : = =0 0,1 , = 1 . On la note

La variable alatoire T est dite centre

Sa fonction de densit est :

et rduite (

Elle admet laxe des ordonnes comme axe de symtrie et les points dinflexion ont pour abscisses 1 et + 1.

3. 5.1. Tables de la loi normale a) Table de la fonction intgrale de la loi normale centre et rduite La fonction de rpartition de la loi normale centre rduite est = = = 2 1

Chapitre 4 : Lois de probabilit usuelles

Abdon Privat PAMBOU

Cette table donne la probabilit = pour les valeurs de t positives Pour les valeurs ngatives de t, on utilise le complment 1. = = =1

Lecture de la table de la fonction intgrale de la loi normale N(0,1) = , on dcompose la valeur de Pour la lecture de nombres telle que = + Exemple Dterminer 1,65 = 1,6

en somme de deux

On lit alors

1,65 = 1,65 = 0,9505 1,65 = 1 1,65 = 1 0,9505 = 0,0495 = 1

= 0,05 1,65 = 0,9505

b) Table de lcart rduit Cette table donne la valeur telle que

Lecture de la table de lcart rduit on dcompose la valeur de en somme de deux nombres telle que = +

Exemple

Si

= 0,05 on lit

= 1,96.

= 0,0

= 0,05 = 1,96

Cours doutils mathmatiques de gestion

Page 10

Lois de probabilit usuelles

Abdon Privat PAMBOU

3.6.

Soit une variable alatoire binomiale , dont le paramtre n crot indfiniment, p ntant pas trop voisin de 0, ni de 1. Dans ces conditions la loi binomiale tend vers la loi normale de paramtre = , et = , ,

Approximation de la loi binomiale par une loi normale

En pratique, cette lapproximation de la loi binomiale par la loi normale est acceptable ds lors que : 30, 15 >5 3.7. Approximation de la loi de Poisson par une loi normale Soit une variable alatoire de Poisson P() dont le paramtre crot indfiniment. Dans ces conditions la loi de Poisson tend vers la loi normale de paramtre m = et = P( ) N ( , ) Habituellement, on considre que lapproximation de la loi de Poisson par la loi normale est acceptable ds lors que : > 20 3.8. Somme de variables alatoires normales

Soient deux variables alatoires normales : X 1 de moyenne m1 , de variance 12 Si X1 et X 2 sont indpendantes, alors la variable alatoire somme Y = X1 + X 2 est une variable normale avec : pour moyenne : m1 + m 2
pour variance :
2 12 + 2

2 X 2 de moyenne m 2 , de variance 2

3.9.

Thorme central limite

Soit une suite de variables alatoires X 1 , X 2 , K , X n correspondant aux diffrents facteurs de fluctuations et vrifiant les conditions suivantes : i) Les variables X i sont indpendantes ii) Leurs esprances mathmatiques m1 , m2 , K , mk et leurs variances Var1 , Var2 , K , Vark existent toutes iii) Le rapport de la variance dun lment particulier de la suite la somme des variances : Vari
n

Var
i =1

tend vers 0 quand n augmente indfiniment.

11

Chapitre 4 : Lois de probabilit usuelles

Abdon Privat PAMBOU

Dsignons par X la somme de ces n variables alatoires :

X = Xi
n i =1

et par m et respectivement la moyenne et lcart type de X. Formons la variable centre rduite

X m

Le thorme central-limite affirme que cette variable tend suivre la loi normale centre lorsque n augmente indfiniment, quelles que soient les lois de probabilits suivies par les variables X 1 , X 2 , K , X n .

Cours doutils mathmatiques de gestion

Page 12