P05. Les Lois Usuelles PDF

A.
El Mossadeq
Les Lois Usuelles
1. La Loi de Bernouilli
Soient ( ; T ;P ) un espace probabilisé et X une variable
aléatoire dé…nie sur cet espace.
Lois Usuelles A. El Mossadeq

X est une variable aléatoire de Bernouilli de
paramètre p, 0 p 1 si elle prend les valeurs 0 et 1
avec les probabilités 1 p et p respectivement:
8
>

: P [X = 1] = p
On la note B (p) :

L’espérance mathématique et la variance de X sont don-
nées par: 8
>
< E [X] = p
>
: V [X] = p (1 p)

Les fonctions caractéristique et génératrice sont dé…nies
par: 8
>
< (t) = p + (1 p) exp it ; t 2 R
>
: G (z) = p + (1 p) z ; z2C

2. La Loi Binomiale
Soit ( ; T ;P ) un espace probabilisé.
Supposons qu’on s’intéresse au nombre de réalisations
d’un événement A de T lorsqu’on fait n épreuves in-
dépendantes de l’expérience aléatoire décrite par ( ; T ;P ).

Notons Zn la variable aléatoire égale au nombre de réal-
isations de A en n épreuves indépendantes.
Zn est la somme de n variables indépendantes de Bernouilli
de même paramètre p, où:
p = P [A]

Pour tout k, 0 k n, on a:
P [Zn = k] = C(n; k)pk (1 p)n k
La loi de Zn, que l’on note B (n; p), est appelée la loi
binomiale d’ordre n et de paramètre p.

L’espérance mathématique et la variance de Zn sont don-
nées par: 8
>
< E [Zn] = np
>
: V [Z ] = np(1
n p)

Les fonctions caractéristique et génératrice de cette vari-
able sont dé…nies par:
8
>
< n (t) = [p + (1 p) exp it]n ; t 2 R
>
: G (z) = [p + (1
n p) z]n ; z2C

3. La Loi Géométrique
Soit A un événement d’un espace probabilisé ( ; T ;P ) :
Soit Y la variable aléatoire égale au nombre d’épreuves
nécessaires pour la réalisation de l’événement A,
les épreuves étant indépendantes.

Pour tout k, k 2 N , on a:
P [Y = k] = p (1 p)k 1
où:
p = P [A]
C’est la loi géométrique de paramètre p notée G (p) :

L’espérance mathématique et la variance de Y sont don-
nées par: 8
>
> 1
>
> E [Y ] =

> 1 p
>
>
: V [Y ] = 2
p

par: 8
>
> p exp it
>
> (t) = ; t2R
< Y 1 (1 p) exp it
>
> pz
>
>
: GY (z) = ; z2C
1 (1 p) z

4. La Loi Binomiale Négative
Soit A un événement d’un espace probabilisé ( ; T ;P ).
Soit Yr une variable aléatoire dé…nie sur cet espace telle
que [Yr = r + k] , k 2 N, désigne l’événement:
"A se réalise pour la reme fois à la (r + k)eme épreuve"
les épreuves étant indépendantes.

Pour tout k, k 2 N, on a:
P [Yr = r + k] = C(r + k 1; k)pr (1 p)k
La loi de Yr , que l’on note B (r; p),est appelée la loi

binomiale négative d’ordre r et de paramètre
p.

L’espérance mathématique et la variance de Yr sont don-
nées par:
8
> r
>
> E [Yr ] =
>

> r (1 p)
>
>
: V [Yr ] =
p2

par: 8
> r
> p exp it
>
> Yr (t) = ; t2R
>
< 1 (1 p) exp it
>
> r
>
> pz
>
: GYr (z) = 1 ; z2C
(1 p) z

5. La Loi Multinomiale
On fait n épreuves indépendantes chacune pouvant don-
ner les résultats A1; :::; Ar avec les probabilités p1; :::; pr ,
p1 + ::: + pr = 1.

Notons Zni , 1 i r, la variable aléatoire égale au nom-
bre de réalisations de Ai en n épreuves indépendantes.
Zni est une variable binomiale d’ordre n et de paramètre
pi .

La distribution, dite multinomiale ou polynomi-
ale de degré n, de Zn1 ; :::; Znr est donnée pour tous
k1; :::; kr dans f0; :::; ng telles que k1 + ::: + kr = n, par :
n!
P [Zn1 = k1; ::; :Znr = kr ] = p1k1 ::: pkr r
k1! ::: kr !
On la note M (n; p1; :::; pr ).

On a: 8
>
> E Z i = np
>
> n i
>
>
>
<
V Zni = npi(1 pi)
>
>
>
> h i
>
>
>
: Cov Zni ; Znj = npipj

6. La Loi Hypergéométrique
D’une urne contenant M boules rouges et N M boules
blanches, on tire au hasard n boules sans remise, n N.
Notons Xn la variable aléatoire égale au nombre de boules

rouges parmi les n boules tirées.

Pour tout k, 0 k inf (M; n), on a:
C(M; k)C(N M; n k)
P [Xn = k] =
C(N; n)
On la note H (N; M; n)

On a:
nM
E [Xn] =
N
nM (N M )(N n)
V [Xn] =
(N 1)N 2

7. La Loi Polyhypergéométrique
On suppose que l’urne contient N1 boules de la couleur
1, ... , Nr boules de la couleur r, N1 + :::+ Nr = N .
On tire de l’urne n boules sans remise.
Notons Xni , 1 i r, la variable aléatoire égale au
nombre de boules de la couleur i parmi les n boules tirées.

Pour tout k1, ..., kr tels que k1 + :::+ kr = n, 0 ki
inf (Ni; n), on a:

h i C(N ; k ):::C(N ; k )
1 1 r r
P Xn1 = k1; :::; Xnr = kr =
C(N; n)
On la note H (N1; ::; Nr ; n)

8. La Loi de Poisson
Une variable aléatoire X suit une loi de Poisson de
paramètre , > 0, si elle prend des valeurs entières
positives ou nulle avec les probabilités:
k
P [X = k] = exp ; k2N
k!
On la note: P ( ).

nées par: 8
>
< E [X] =
>
: V [X] =

par: 8
>
< (t) = exp [ (exp it 1)] ; t 2 R
>
: G (z) = exp [ (z 1)] ; z2C

9. La Loi Uniforme
On dit qu’une variable aléatoire X suit la loi uniforme
sur l’intervalle [a; b] si elle admet comme densité la fonc-
tion dé…nie par:
1
f (x) = ; x 2 [a; b]
b a
On la note: U (a; b)

Sa fonction de répartition
8
est donnée par:
>
> 0 si x a
>
>
>
>
>
<x a
F (x) = si a x b
>
> b a
>
>
>
>
>
:1 si x b

nées par: 8
> a+b
< E [X] =
2
(a b) 2
>
: V [X] =
12

Sa fonction caractéristique est dé…nie pour tout t 2 R
par:
exp (ibt) exp (iat)
(t) =
i (b a) t

10. La Loi Exponentielle
On dit qu’une variable aléatoire X suit la loi expo-
nentielle de paramètre , > 0, si elle admet comme
densité la fonction:8
>
< exp x si x>0
f (x) =
>
: 0 six 0
On la note: E ( )

sa fonction de répartition est dé…nie par:
8
>
< 0 si x 0
F (x) =
>
:1 exp x si x 0

0.5
y
0.4
0.3
0.2
0.1
0.0
0 1 2 3 4 5 6 7 8 9 10
x
1
E
2

nées par: 8
> 1
>
> E [X] =
<
>
> 1
>
: V [X] =
2

Sa fonction caractéristique est dé…nie pour tout t 2 R
par:
(t) =
it

11. La Loi Normale
On dit qu’une variable aléatoire X suit une loi normale,
ou de Gauss, ou de Laplace-Gauss, de paramètre
2R et 2 > 0, qu’on note N ; 2 , si elle possède une
densité dé…nie sur R par:
2
1 1 x
f (x) = p exp ; x2R
2 2

N (0; 1) est appelée la loi normale centrée réduite.
0.4
y
0.3
0.2
0.1
-3 -2 -1 0 1 2 3
x
N (0; 1)

L’espérance mathématique et la variance de la loi N ; 2
sont données par:

8
>
< E [X] =
>
: V [X] = 2

Sa fonction caractérestique est dé…nie pour tout t 2 R
par:
1 22
(t) = exp it t
2

12. La Loi du Khi-Deux
On pose:
Z +1
(p) = xp 1e xdx ; p > 0
0

Soient X1; :::; Xn n variables aléatoires indépendantes qui
suivent une même loi normale centrée réduite, et consid-
érons la variable aléatoire:
n
X
Zn = Xi2
i=1

Zn suit la loi de densité:
n
1 z 2 1 1
fn (z) = n exp z ; z > 0
2 2 2 2
dite la loi du khi-deux à n degrés de liberté.
On la note: 2
n

L’espérance mathématique et la variance de la loi du
Khi-deux à n degrés de liberté sont données par:
8
>
< E [Zn] = n
>
: V [Z ] = 2n
n

Sa fonction caractérestique est dé…nie pour tout t 2 R
par:
n
1 2
(t) = ; t2R
1 2it

y 0.12
0.10
0.08
0.06
0.04
0.02
0.00
0 2 4 6 8 10 12 14 16 18 20 22 24
x
2
7

13. La Loi de Student
On pose:
Z 1
B (p; q) = xp 1 (1 x)q 1 dx
0

Soient X et Y deux variables aléatoire indépendantes
telles que X suive une loi normale centrée réduite et Y
une loi du khi-deux à n degrés de liberté.

La variable aléatoire:
p
nX
Tn = p
Y
suit la loi de densité:
! n+1
1 t2 2
fn (t) = p 1+ ; t2R
nB 21 ; n2 n
dite la loi de Student à n degrés de liberté, notée

Tn.

0.4
y
0.3
0.2
0.1
-4 -3 -2 -1 0 1 2 3 4
x
T12

L’espérance mathématique et la variance de la loi de
Student à n degrés 8
de liberté sont données par:
>
< E [Tn] = 0
>
>
> n
: V [Tn] =
n+2

Notons que:
1 t2
lim fn (t) = p exp
n!1 2 2
Donc Tn converge vers la loi normale centrée réduite.

14. La Loi de Fisher-Snedecor
Soient X et Y deux variables aléatoires indépendantes
telles que X suive une loi du khi-deux à n degrés de
liberté et Y une loi du khi-deux à m degrés de liberté.

La variable aléatoire:
mX
F =
nY
suit la loi de densité:
n n+m
1 n 2 n
1 1+ nx 2
f (x) = x 2 ; x2R
B n2 ; m
2 m m
dite la loi de Fisher à n et m degrés de liberté.

0.8
y
0.6
0.4
0.2
0.0
0 1 2 3 4
x
F13;10

15. Les Lois de M et S2
Soient X1; :::; Xn un n-échantillon issu d’une variable aléa-
toire normale de moyenne et de variance 2.

Posons: 8
Xn
>
> 1
>
<M = n
> Xi
i=1
Xn
>
> 1
>
>
: S 2 = (Xi M )2
n 1
i=1
M et S 2 représentent la moyenne empirique et la variance
empirique du n-échantillon.

On a alors:
I Les variables aléatoires M et S 2 sont indépendantes.

I La variable aléatoire:
(M )
p
n
suit une loi normale centrée réduite.

(n 1) S 2
2
suit une loi du 2 à (n 1) degrés de liberté.

(M )
S
p
n
suit une loi de Student à (n 1) degrés de liberté.

16. Exercices

Exercice 1
Soient X et Y deux variables aléatoires binomiales in-

dépendantes de paramètres (n; p) et (m; p) respective-
ment.

1. Quelle est la loi de probabilité de:
Z =X +Y
2. Quelle est la loi conditionnelle de X sous l’hypothèse

[Z = a]?

3. Soit T une variable aléatoire telle que la loi condition-
nelle de T sachant [X = x] est binomiale de paramètres
(x; ).
Montrer que T suit une loi binomiale de paramètres

(n; p) :

Solution 1
Les lois de probabilité de X et Y sont dé…nies respec-

tivement par:
P [X = k] = C (n; k) pk (1 p)n k ; 0 k n
et:
P [Y = k] = C (m; k) pk (1 p)m k ; 0 k m
De plus X et Y sont indépendantes.

1. Pour tout k, 0 k n + m, on a:
Mk
[Z = k] = [X = r; Y = k r]
r=0
où:
[X = r; Y = k r] = ; si r > n ou k r>m

d’où:
k
X
P [Z = k] = P [X = r; Y = k r]
r=0
k
X
= P [X = r] P [Y = k r]
r=0
puisque X et Y sont indépendantes.

En remplaçant, on obtient:
2 3
Xk
P [Z = k] = 4 C (n; r) C (m; k r)5 pk (1 p)n+m k
r=0
= C (n + m; k) pk (1 p)n+m k
Z suit donc une loi binomiale d’ordre n + m et de

paramètre p.

2. Pour tout a, 0 a n + m, et pour tout k, 0 k
inf (a; n), on a:

P [X = k; Z = a]
P [X = k j Z = a] =
P [Z = a]
P [X = k; Y = a k]
=
P [Z = a]

P [X = k] P [Y = a k]
P [X = k j Z = a] =
P [Z = a]
C (n; k) C (m; a k)
=
C (n + m; a)
C’est une loi hypergéométrique.

3. Pour tout x, 0 x n, et pour tout k, 0 k x, on a:
P [T = k j X = x] = C (x; k) k (1 )x k
Déterminons d’abord la loi du couple (X; T ).

Pour tout x, 0 x n, et pour tout k, 0 k x, on a:
P [X = x; T = k] = P [X = x] P [T = k j X = x]
= C (n; x) C (x; k) px (1 p)n x k (1 )x k

D’où:
n
X
P [T = k] = P [X = x; T = k]
x=k
n
X
= C (n; x) C (x; k) px (1 p)n x k (1 )x k
x=k

nXk
= C (n; r + k) C (r + k; k) pr+k (1 p)n r k k (1 )r
r=0
nXk
= C (n; k) (p )k C (n k; r) [p (1 )]r (1 p)n r k
r=0
= C (n; k) (p )k (1 p )n k
d’où le résultat.

Exercice 2

qui suivent des lois de Poisson de paramètres et
respectivement.

1. Quelle est la loi de probabilité de:
Z =X +Y
2. Quelle est la loi conditionnelle de X sous l’hypothèse

[Z = n]?

Solution 2
Les lois de probabilité de X et Y sont dé…nies respec-

tivement par:
k
P [X = k] = exp ; k2N
k!
et:
k
P [Y = k] = exp ; k2N
k!
de plus, X et Y sont indépendantes.
1. Pour tout k 2 N on a:
k
M
[Z = k] = [X = r; Y = k r]
r=0

d’où:
k
X
P [Z = k] = P [X = r; Y = k r]
r=0
k
X
= P [X = r] P [Y = k r]
r=0

2 3
Xk
14 k! r k r 5 exp
P [Z = k] = ( + )
k! r! (k r)!
r=0
( + )k
= exp ( + )
k!
Z suit donc une loi de Poisson de paramètre + .

2. Pour tout n 2 N et pour tout k, 0 k n, on a:
P [X = k; Z = n]
P [X = k j Z = n] =
P [Z = n]
P [X = k; Y = n k]
=
P [Z = n]
P [X = k] P [Y = n k]
=
P [Z = n]

puisque X et Y sont indépendantes.
En remplaçant, on obtient:
k n k
P [X = k j Z = n] = C (n; k)
+ +
Donc, la loi conditionnelle de X sous l’hypothèse [Z = n]
est une loi binomiale d’ordre n et de paramètre .
+

Exercice 3
Deux personnes jouent à ”pile”ou ”face”n fois chacune.
1. Quelle est la probabilité que chacune des deux person-

nes obtienne k fois le côté ”pile”?
2. Quelle est la probabilité que les deux personnes obti-
ennent le même nombre de fois ”pile”?

Solution 3
Le nombre de ”pile”obtenu par l’une ou l’autre des deux

personnes en jetant la pièce n fois est une variable bino-
1
miale d’ordre n et de paramètre :
2

1. Pour tout k, 0 k n, la probabilité pik que la ieme
personne obtienne k fois ”pile” est:
1 k 1 n k
pik = C (n; k)
2 2
1 n
= C (n; k)
2

d’où, pour tout k, 0 k n, la probabilité pk que les
deux personnes obtiennent chacune k fois ”pile” est:
1 n 2
pk = p1k p2k = C (n; k)
2

2. Ainsi, la probabilité p que les deux personnes obtien-
nent le même nombre de fois ”pile” est:

n
X
p = pk
k=0
n
X n 2
1
= C (n; k)
2
k=0
1 2n
= C (2n; n)
2

Exercice 4
On estime que la probabilité pour un nouveau-né d’être

primapare est p, et celle d’être multipare est q = 1 p.
On étudie cette parité dans une maternité.

1. Quelle est la probabilité pour que les k premiers nouveaux-
nés soient tous des miltipares?
2. Quelle est la probabilité pour que le premier primapare
soit précédé de k multipares?
3. Quelle est la probabilité pour que le reme primapare soit
le keme nouveau-né?

Solution 4
Notons d’abord que les naissances sont indépendantes.

1. La probabilité p1 que les k premiers nouveaux-nés soient
tous des multipares est:
p1 = q k

2. La probabilité p2 que le premier primapare soit précédé
de k multipares est:
p2 = pq k

3. Le reme primapare est le keme nouveau-né, donc il y a
r 1 primapares parmi les k 1 premières naissances,
puis un primapare à la keme naissance.

D’où la probabilité p3 de cet événement est:
h i
p3 = C (k 1; r 1) pr 1q (k 1) (r 1) p
= C (k 1; r 1) pr q k r
C’est la loi binomiale négative.

Exercice 5
Un groupe de 2n …lles et 2n garçons est séparé en deux

sous groupes de même e¤ectif.
Quelle est la probabilité que dans chaque sous groupe il
y a autant de …lles que de garçons?

Solution 5
Le nombre de groupes d’e¤ectif 2n d’un ensemble à 4n

éléments est:
(4n)!
C (4n; 2n) =
(2n)! (2n)!

Le nombre de groupes à n …lles parmi les 2n …lles et n
garçons parmi les 2n garçons est:
(2n)! 2
C (2n; n) C (2n; n) =
n!n!

D’où, la probabilité p que dans chaque sous groupe il y
a autant de …lles que de garçons est:
[C (2n; n)]2
p =
C (4n; 2n)
[(2n)!]4
=
(n!)4 (4n)!
C’est une distribution hypergéométrique.

Exercice 6
dans une loterie, il y a 400 billets et 4 prix.

Une personne détient dix billets.
Quelle est la probabilité qu’elle gagne au moins un lot?

Solution 6
Désignons par pk la probabilité pour que la personne

gagne exactement k lots.
Pour tout k, 0 k 4, on a:
C (4; k) C (396; 10 k)
pk =
C (400; 10)

La probabilité p pour que la personne gagne au moins
un lot est:
4
X
p = pk
k=1
= 1 p0
= 0:096662

Exercice 7
On considère deux urnes contenant chacune dix boules:

la première deux noires et huit blanches, la deuxième
cinq noires et cinq blanches.

1. On tire de la première urne trois boules simultanément
et on désigne par X la variable aléatoire représentant
le nombre de boules blanches obtenues lors du tirage.
Déterminer la loi de probabilité de X et son espérance
mathématique.

2. On tire trois boules simultanément de l’une des deux
urnes. Elles sont toutes blanches.
Quelle est la probabilité de les avoir tirées de la pre-
mière urne?

Solution 7
1. Déterminons la loi de probabilité de X:

Puisque l’urne ne contient que deux boules noires,
donc au moins l’une des trois boules tirées serait
blanche.

Comme X suit une loi hypergéométrique, alors pour
tout k, 1 k 3, on a:
C (8; k) C (2; 3 k)
P [X = k] =
C (10; 3)

D’où:
1
P [X = 1] =
15
7
P [X = 2] =
15
7
P [X = 3] =
15

Calculons l’espérance mathématique de X:
On a:
3
X
E [X] = kP [X = k]
k=1
= 2:4

2. Considérons les événements:
B : ”les trois boules sont blanches”
U1: ”les tirages sont e¤ectués de la première urne”
U2: ”les tirages sont e¤ectués de la deuxième urne”

On a: 8
> 1
>
> P [U1] = P [U2] =
>
> 2
>
>
>
>
< 7
P [B j U1] = P [X = 3] =
>
> 15
>
>
>
>
>
> C (5; 3) C (5; 0) 1
>
: P [B j U2] = =
C (10; 3) 12

d’où:
P [U1] P [B j U1]
P [U1 j B] =
P [U1] P [B j U1] + P [U2] P [B j U2]
28
=
33

Exercice 8
Une agence de renseignements A comprend plusieurs ser-

vices spécialisés. Soit S l’un d’entre eux.
Le nombre de clients qui s’adresse à l’agence A au cours
d’une journée est une variable aléatoire X qui suit une
loi de Poisson de paramètre :

Désignons par Y la variable aléatoire représentant le
nombre de clients s’adressant au service S .
1. Quelle est la probabilité, qu’un jour donné, n clients

s’adresse à l’agence?

2. Chaque client a la probabilité p de consulter le service
S.
Quelle est la probabilité qu’au cours d’une journée où

n clients sont venus, k d’entre eux ont aient consulté
le service S ?

3. Déterminet la loi conjointe de (X; Y ).
4. En déduire la loi de probabilité de la variable aléatoire
Y.

Solution 8
1. Pour tout n, n 2 N, on a:
n
P [X = n] = e
n!

2. Si chaque client a la probabilité p de consulter le service
S, la loi conditionnelle de Y , sous l’hypothèse [X = n],
est une loi binomiale d’ordre n et de paramètre p:
P [Y = k j X = n] = C (n; k) pk (1 p)n k
pour tout k, 0 k n:

3. Pour tout n 2 N et tout k, 0 k n, on a:
P [X = n; Y = k] = P [X = n] P [Y = k j X = n]
n
= pk (1 p)n k e
k! (n k)!

4. Il en résulte que la loi marginale de Y est donnée pour
tout k 2 N par:
X
P [Y = k] = P [X = n; Y = k]
n2N

Or:
n k

donc:
1
X
P [Y = k] = P [X = n; Y = k]
n=k
1
X
= P [X = n + k; Y = k]
n=0
1
X
= P [X = n + k] P [Y = k j X = n + k]
n=0

1
X 1 n+k k
P [Y = k] = p (1 p)n e
k!n!
n=0
1
X 1
= ( p)k [ (1 p)]n e
k!n!
n=0
1
X
( p)k [ (1 p)]n
= e
k! n!
n=0

( p)k
P [Y = k] = e e (1 p)
k!
( p)k p
= e
k!
donc Y suit une loi de Poisson de paramètre p:

Exercice 9

qui suivent des lois normales N (0; 1) et N ; 2 respec-
tivement.

1. Calculer:
(a) P [X < 2:41]

(b) P [X < 1:09]

2. Déterminer x tel que:
(a) P [X < x] = :975

(b) P [X < x] = :883

3. Trouver une relation entre P [X < x] et P [X < x]

4. Montrer que:
P [a < X < b] = P [X < b] P [X < a]

5. En déduire P [ a < X < a] en fonction de P [X < a] :

6. Montrer que:
y
P [Y < y] = P X <

Calculer alors:
P [3 < Y < 4]
lorsque =4 et = 2:

7. On suppose que:
8
>
 1] = :8413
>
: P [Y > 9] = :0228
Déterminer alors et :

Solution 9
1. D’après la table de la loi normale centrée réduite on a:

P [X < 2; 41] = :92
P [X < 1; 09] = :8621

2. D’après la table de la loi normale centrée réduite on a:
P [X < x] = 0; 975 =) x = 1:96
P [X < x] = 0; 883 =) x = 1:19

3. Puisque la densité de la loi normale centrée réduite est
une fonction paire, alors on a:
P [X < x] = P [X x]
= 1 P [X < x]

4. On a:
]a; b[ = ] 1; b[ ] 1; a]
=) P [a < X < b] = P [X < b] P [X a]
=) P [a < X < b] = P [X < b] P [X < a]

puisque X est absolument continue.

5. On a:
P [ a < X < a] = P [X < a] P [X < a]
= 2P [X < a] 1

6. Puisque X est la variable aléatoire centrée réduite as-
sociée à Y , alors:
y
P [Y < y] = P X <

Calculons:
P [3 < Y < 4]
lorsque =4 et = 2:

On a:
P [3 < Y < 4] = P [Y < 4] P [Y < 3]
= P [X < 0] P [X < 0:5]
= P [X < 0] (1 P [X < 0:5])
= :5 1 + :6915
= :1915

7. On a: 8
8 1
> >
>
 1] = :8413 = :8413
()
>
: P [Y > 9] = :0228 >
> 9
:P X> = :0228
8
>
> 1

> 9
:P X< = :9772

8 8
>
 1] = :8413 >
< 1
=1
() 9
>
: P [Y > 9] = :0228 >
: =2
8
< 8
=
() 3
: = +1

Exercice 10
Tn désigne une variable aléatoire de Student à n degrés

de liberté.

1. Déterminer t tel que:
(a) P [T7 < t] = :95

(b) P [T24 < t] = :6

2. Calculer:
(a) P [T5 < :92]

(b) P [T7 < 3]

3. Déterminer n tel que:
(a) P [Tn < 2:6] = :99

(b) P [Tn < 1:94] = :95

4. Trouver une relation entre P [Tn < x] et P [Tn < x]

5. En déduire P [ a < Tn < a] en fonction de P [Tn < a]
Déterminer a tel que:
P [ a < T5 < a] = :95

Solution 10
1. D’après la table de la fonction de répartition de la loi

Student à n degrés de liberté, on a:
P [T7 < t] = :95 =) t = 1:9
P [T24 < t] = :6 =) t = :256

P [T5 < 0; 92] = :8
P [T7 < 3] = :99

P [Tn < 2; 6] = :99 =) n = 15
P [Tn < 1; 94] = :95 =) n = 6

4. Puisque la densité de probabilité de la variable aléatoire
de Student à n degrés de liberté est une fonction paire,
donc:
P [Tn < x] = P [Tn > x]
= 1 P [Tn < x]

5. On en déduit que:
P [ a < Tn < a] = P [Tn < a] P [Tn < a]
= 2P [Tn < a] 1

En particulier:
P [ a < T5 < a] = :95 =) 2P [T5 < a] 1 = :95
=) P [T5 < a] = :975
=) a = 2:57

Exercice 11
n désigne une variable aléatoire du Khi-deux à n degrés

de liberté.

1. Déterminer x tel que:
(a) P 2 < x = :75

26
(b) P 2 < x = :01

21

2. Calculer:
(a) P 2 < 1:21

3
(b) P 2 < 9:24

5

3. Déterminer n tel que:
(a) P 2 < 3:36 = :5

n
(b) P 2 < 2:20 = :1

n

Solution 11

du Khi-deux à n degrés de liberté , on a:
P 2 < x = :75 =) x = 30:4
26
P 2 < x = :01 =) x = 8:9

21

P 2 < 1; 21 = 0:25
3
P 2 < 9; 24 = 0:9
5

P 2 < 3:36 = :5 =) n = 4
n
P 2 < 2:2 = :1 =) n = 6
n

Exercice 12
Fn;m désigne une variable aléatoire de Fisher à (n; m)

degrés de liberté.

1. Déterminer f tel que:
(a) P F2;5 < f = :95

(b) P F12;8 < f = :95

2. Déterminer f tel que:
(a) P F20;11 < f = :99

(b) P F16;3 < f = :99

Solution 12

de Fisher à (n; m) degrés de liberté , on a:
P F2;5 < f = :95 =) f = 5:79
P F12;8 < f = :95 =) f = 3:28

de Fisher à (n; m) degrés de liberté , on a:
P F20;11 < f = :99 =) f = 4:1
P F16;3 < f = :99 =) f = 5:29

P05. Les Lois Usuelles PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

P05. Les Lois Usuelles PDF

Hochgeladen von

Copyright:

Verfügbare Formate

A.

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Zn est la somme de n variables indépendantes de Bernouilli

de même paramètre p, où:

Lois Usuelles A. El Mossadeq

P [Zn = k] = C(n; k)pk (1 p)n k

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

C’est la loi géométrique de paramètre p notée G (p) :

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

"A se réalise pour la reme fois à la (r + k)eme épreuve"

les épreuves étant indépendantes.

Lois Usuelles A. El Mossadeq

P [Yr = r + k] = C(r + k 1; k)pr (1 p)k

La loi de Yr , que l’on note B (r; p),est appelée la loi

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Notons Xn la variable aléatoire égale au nombre de boules

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

inf (Ni; n), on a:

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

sont données par:

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

Lois Usuelles A. El Mossadeq

dite la loi de Student à n degrés de liberté, notée