BTS Cours 7 Variablesdiscretes PDF

Variables alatoires discrtes
STS 1
2009/2010
Chapitre 7 : Variables alatoires discrtes
Table des matires

I
Variable alatoire
I.1 Notion de variable alatoire discrte
I.2 Loi dune variable alatoire . . . . .
I.3 Esprance dune variable alatoire .
I.4 Variance et cart-type dune variable
I.1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . .
. . . . . . .
. . . . . . .
de Poisson .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4
4
4
5
6
. . . . .
. . . . .
. . . . .
alatoire
II Lois fondamentales
II.1 Loi de Bernoulli . . . . . . . . . . . . . .
II.2 loi binomiale . . . . . . . . . . . . . . .
II.3 loi de Poisson . . . . . . . . . . . . . . .
II.4 Approximation de la loi binomiale par la
.
.
.
.
1
1
1
2
3
. .
. .
. .
loi
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Variable alatoire
Notion de variable alatoire discrte
Dfinition 1
Une grandeur numrique X prenant, lors dune exprience alatoire, des valeurs x1 , x2 , ..., xn avec des
probabilits p1 , p2 , ..., pn est une variable alatoire discrte.
Exemple 1
Un jeu de hasard consiste lancer un d quilibr 6 faces. Le lanceur gagne la somme double de la valeur de la face
obtenue si celle-ci est paire, sinon, il perd le double de la valeur indique par le d.
On appelle X le gain, positif ou ngatif, du joueur aprs un lancer.
Ici, lensemble des issues possibles est = {1; 2; 3; 4; 5; 6},
on a dfini avec X une variable alatoire relle telle que :
X(1) = 2, X(2) = 4, X(3) = 6, X(4) = 8, X(5) = 10 et X(6) = 12.
I.2
Loi dune variable alatoire
Dfinition 2
La loi de probabilit de la variable alatoire X est la fonction f qui a chaque valeur associe sa probabilit.
STS 1
2009/2010
Remarque 1
En gnral, on prsente la loi dune variable alatoire X sous la forme dun tableau, qui rcapitule les valeurs
prises par X ainsi que les probabilits associes.
Dans tout le reste du chapitre, on considrera la variable alatoire discrte de loi :
Valeurs de X : xi
x1
x2
x3
...
xn
Probabilit : p(X = xi )
p1
p2
p3
...
pn
Exemple 2
On reprend lnonc de lexemple prcdent. La loi de X est donne par :
xi
10
12
p(X = xi )
1
6
1
6
1
6
1
6
1
6
1
6
Exemple 3
On dispose dun jeu de 32 cartes. On tire une carte dans ce jeu, et on attribue ce tirage la valeur X calcule suivant la
rgle suivante :
si la carte est un Roi, X vaut 4 points,
si la carte est une Dame, X vaut 3 points,
si la carte est un Valet, X vaut 1 point,
toutes les autres cartes valent 0 point.
La loi de X est donne par :
xi
p(X = xi )
5
8
1
8
1
8
1
8
Remarque 2
On note que pour chacun de ces tableaux, la somme des probabilits lmentaires fait 1, en accord avec lun
des axiomes des probabilits !
I.3
Esprance dune variable alatoire
Dfinition 3
Soit X une variable alatoire discrte, on appelle esprance de la variable alatoire X le rel not E(X)
qui vaut :
E(X) = p1 x1 + p2 x2 + ... + pn xn =
n
X
pi xi .
i=1
Remarque 3
Ce nombre important en probabilits reprsente la valeur moyenne de la variable alatoire X.
Exemple 4
On reprend le jeu de cartes tudi prcdemment.
On rappelle que la loi de X est donne par :
STS 1
xi
p(X = xi )
5
8
1
8
1
8
1
8
2009/2010
Do le calcul de lesprance :
5
1
1
1
E(X) = 0 + 1 + 3 + 4
8
8
8
8
8
E(X) = = 1.
8
Concretement, cela signifie "quen moyenne", le joueur gagne 1 point.
I.4
Variance et cart-type dune variable alatoire
Dfinition 4
Soit X une variable alatoire alatoire discrte desprance E(X).
On appelle variance de la variable alatoire X le rel not V (X) qui vaut :
V (X) = p1 [x1 E(X)]2 + p2 [x2 E(X)]2 + ... + pn [xn E(X)]2 =
n
X
pi [xi E(X)]2 .
i=1
On appelle cart-type de X le rel not (X) ou X dfini par :

(X) =
V (X).
Exemple 5
Calcul de la variance pour le jeu de cartes :
5
1
1
1
V (X) = [0 1]2 + [1 1]2 + [3 1]2 + [4 1]2
8
8
8
8
4 9
9
5
V (X) = + 0 + + = = 2, 25.
8
8 8
4
Do lcart-type :
r
3
9
(X) = x =
= x = = 1, 5.
4
2
Le thorme suivant permet un calcul plus facile de la variance :
Thorme 1 (De Knig)

V (X) = p1 x21 + p2 x22 + ... + pn x2n [E(X)]2 =
n
X
i=1
Exemple 6
Autre mthode de calcul de la variance pour le jeu de cartes :
1
1
1
5
V (X) = 02 + 12 + 32 + 42 12
8
8
8
8
1 9 16
9
V (X) = 0 + + +
1 = V (X) = = 2, 25.
8 8
8
4
pi x2i [E(X)]2 = E(X 2 ) E 2 (X).
STS 1
2009/2010
Proprit 1
La variance et lcart-type dune variable alatoire relle X sont des nombres positifs.
Lcart-type mesure la dispersion des valeurs dune variable alatoire par rapport son esprance.
Si X est exprim dans un certaine unit, X lest dans la mme unit.
II
II.1
Lois fondamentales
Loi de Bernoulli
Dfinition 5
Une exprience de Bernoulli est une exprience qui na que deux issues possibles, lune appele succs
qui a pour probabilit p, lautre appele chec qui a pour probabilit q = 1 p.
Dfinir une loi de Bernoulli de paramtre p, cest associer une loi de probabilit discrte cette
exprience alatoire en faisant correspondre la valeur 1 lapparition dun succs et 0 celle dun chec.
xi
p(X = xi )
1p
Exemple 7
Si on lance un d et quon nomme succs lapparition de la face 6, on obtient la loi de Bernoulli suivante :
xi
p(X = xi )
1
6
5
6
Proprit 2
Soit X une variable alatoire suivant une loi de Bernouilli B(p), alors :
Lesprance de X vaut E(X) = p.
La variance de X vaut V (X) = pq.
Exemple 8
5
1
.
Dans lexemple prcdent, on obtient E(X) = et V (X) =
6
36
II.2
loi binomiale
STS 1
2009/2010
Dfinition 6
La loi binomiale de paramtres n et p, note B(n; p) est la loi de probabilit du nombre de succs
dans la rptition de n expriences de Bernouilli de paramtre p identiques et indpendantes.
Elle est dfinie par :

n
P (X = k) = pk q nk , 0 k n
k
Exemple 9
On lance 2 fois un d bien quilibr. On sintresse lapparition
de la face 6. Chaque lancer est une exprience de Bernouilli

1
.
de paramtre 16 . O.n obtient donc une loi binomiale B 2;
6
nombre de succs
probabilit
25
36
10
36
1
36
Proprit 3
Soit X une variable alatoire suivant une loi Binomiale B(n, p), alors :
Lesprance de X vaut E(X) = np.
La variance de X vaut V (X) = npq.
Exemple 10
5
1
.
Dans lexemple prcdent, on obtient E(X) = et V (X) =
3
18
II.3
loi de Poisson
La loi de Poisson modlise des situations o lon sintresse au nombre doccurrences dun vnement dans
un laps de temps dtermin ou dans une rgion donne. Par exemple :
Nombre dappels tlphoniques qui arrivent un standard en x minutes,
nombre de clients qui attendent la caisse dun magasin,
nombre de dfauts de peinture par m2 sur la carrosserie dun vhicule . . .
Dfinition 7
La variable alatoire X suit une loi de Poisson de paramtre , note P() avec > 0 lorsque sa loi
de probabilit vrifie :
k
, k N.
P (X = k) = e
k!
Le formulaire donne pour certaines valeurs du paramtres les probabilits p(X = k), k N, les valeurs non
crites tant ngligeables. On peut aussi taper la formule directement sur la calculatrice.
STS 1
2009/2010
Exemple 11
On considre la variable alatoire X mesurant le nimbre de clients se prsentant au guichet 1 dun bureau de poste par
intervalle de temps de dure 10 minutes entre 14h30 et 16h30.
On suppose que X suit la loi de Poisson de paramtre = 5.
Pour = 5, la table de la loi de poisson nous donne :
k
p(X = k)
10
11
12
13
0, 007 0, 034 0, 084 0, 140 0, 176 0, 176 0, 146 0, 104 0, 065 0, 036 0, 018 0, 008 0, 003 0, 001 0, 000
On peut aussi reprsenter graphiquement la loi P(5) :
0.1
1
2
3
4
5
6
7
8
9
10 11 12 13
La porbabilit quentre 14h30 et 14h40, 10 personnes exactement se prsentent ce guichet vaut :
P (X = 10) = 0, 018.
La porbabilit quentre 15h20 et 15h30, au maximum 3 personnes se prsentent ce guichet vaut :
P (X 3) = P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) = 0, 265.
La porbabilit quentre 16h00 et 16h10, 8 personnes au moins se prsentent ce guichet vaut :
P (X 8) = 1 P (X < 8) = 1 [P (X = 0) + P (X = 1) + + P (X = 8)] = 1 0, 867 = 0, 133.
Proprit 4
Soit X une variable alatoire suivant une loi de Poisson de paramtre , alors lesprance et la variance
sont gales et valent E(X) = V (X) = .
Exemple 12
Dans lexemple prcdent, on obtient E(X) = V (X) = 5.
II.4
14
Approximation de la loi binomiale par la loi de Poisson
Proposition 1
Pour n assez grand (n > 30) et p proche de 0, (p 6 0, 1) tels que np(1 p) 6 10, on peut approcher la
loi binomiale B(n; p) par la loi de Poisson P(), o = np. On a alors :
P (X = k)
k
e
k!
Exemple 13
Dans une chane de fabrication, 5 % des pices sont dfectueuses. On prlve 120 pices et on dsigne par X la variable
alatoire qui donne le nombre de pices dfectueuses.
1. Calcul de P (X = 5) en utilisant la loi binomiale.
2. Calcul de P (X = 5) en utilisant lapproximation.
STS 1
2009/2010
0.1
10
11
12
13

BTS Cours 7 Variablesdiscretes PDF

Transféré par

Droits d'auteur :

Formats disponibles

BTS Cours 7 Variablesdiscretes PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

BTS Cours 7 Variablesdiscretes PDF

Transféré par

Droits d'auteur :

Formats disponibles

Variables alatoires discrtes

Chapitre 7 : Variables alatoires discrtes

Table des matires

Loi dune variable alatoire

Variables alatoires discrtes

Esprance dune variable alatoire

Variables alatoires discrtes

Variance et cart-type dune variable alatoire

On appelle cart-type de X le rel not (X) ou X dfini par :

Le thorme suivant permet un calcul plus facile de la variance :

Thorme 1 (De Knig)

pi x2i [E(X)]2 = E(X 2 ) E 2 (X).

Variables alatoires discrtes

Variables alatoires discrtes

Variables alatoires discrtes

On peut aussi reprsenter graphiquement la loi P(5) :

Approximation de la loi binomiale par la loi de Poisson

Variables alatoires discrtes

Vous aimerez peut-être aussi