Lois de Probabilite

LOIS DE
PROBABILITÉS
OBJECTIFS
-Distinguer les lois discrètes des lois continues
-Déterminer les paramètres caractéristiques des lois
discrètes
-Citer les conditions d'applications des lois
PLAN
I- LOIS DES VARIABLES DISCRETES
II-LOIS DES VARIABLES CONTINUES
III-APPROXIMATION DES LOIS
INTRODUCTION
Trois lois de distributions

- la distribution binomiale
- la distribution de Poisson
- la distribution de Gauss (ou distribution normale)
Variables discrètes et continues
I-LOIS DES VARIABLES DISCRETES
RAPPEL
- Variable aléatoire X associée à tout événement
aléatoire ;
variable prenant les valeurs : x1, x2, . . . , xn
- Probabilités d’apparition de ces valeurs : p1,
p2, . . . , pn
tel que :
- Loi de probabilité de la variable X : (xi, pi)
I-LOI DE VARIABLE DISCRETE
EXEMPLE
Distribution lors du jet d’un dé non pipé
EXEMPLE
- Représentation par un diagramme en bâtons :
diagramme des probabilités
EXEMPLE
- Fonction de répartition : F(xi) = P(X < xi)
EXEMPLE
- Fonction de répartition : F(xi) = P(X < xi)
allure en escalier
Paramètres caractéristiques :
L’espérance mathématique ou valeur attendue est
l’analogue de la moyenne arithmétique µ.
Elle est notée E(X) ou µ
Paramètres caractéristiques :
Elle mesure la dispersion des valeurs de la variable X

ayant des probabilités P(xi) autour de l’espérance
mathématique
Exemple :
Lancer un dé plusieurs fois de suite. Supposons que
pour une mise de 1€, on gagne 1€ si le résultat
obtenu est pair, 2€ si le résultat est 1 ou 3, et on
perd 3€ si le résultat est 5.
1-quels sont les différents événements possible ?
2-quels sont les différentes probabilités ?
3-Est-il intéressant de jouer à ce jeu ? Quel peut-être
le gain moyen ?
3- quelle est la variance ?
I-1LOI de Bernoulli
Y : variable aléatoire 2 valeurs (0;1)

Avec p=P(X=1) et q=P(X=0)=1-p
Exemple de variable à 2 modalités: M
M: avoir le paludisme p=10%
M suit la loi de Bernoulli
I-1 Loi de Bernoulli
Y~loi de Bernoulli de paramètre

Moyenne :E(x)=p
Variance V(x)=pq
I-2Loi Binomiale
Distribution discontinue donnant les probabilités de

voir apparaître un événement de probabilité p
0;1;2….n fois au cours de n épreuves identiques et
indépendantes
Survenue de 2 événements de probabilité p et q
Symbole: B(n,p)
I-2Loi Binomiale
P(X=K)=
k
C : nombre de cas succès parmi n épreuves
n
P : probabilité de succès
q : probabilité d’échec
I-2Loi Binomiale
Formule de récurrence de calcul des probabilités

Il existe une formule de récurrence permettant de
calculer de proche en proche les différentes
probabilités.
calculer d’abord P(X=k) puis P(X=k+1). Ainsi,

lorsqu’on a calculé la Probabilité de 0 succès
(P(X=k=0), il devient facile de calculer la probabilité
de 1, 2, …, succès, donc P(X=k+1)
I-2Loi Binomiale
Paramètres

Moyenne ou espérance mathématique : E(X)
E(X) =m = n . p

Variance
V(x)=npq
Écart type
S= √ V
I-2Loi Binomiale
Application
Lançons 5 fois un dé non pipé.

Quelles sont les probabilités de sortir k fois le 6 ?
L’épreuve est répétée 5 fois (n = 5)

I-2Loi Binomiale
Application
2 éventualités :
sortir le 6
ne pas sortir le 6
(donc sortir le 1 ou le 2 ou le 3 ou le 4 ou le 5)
P=1/6
q=5/6
I-2Loi Binomiale
Application
I-3Loi de poisson
=loi des événements rares

Une variable aléatoire x suit une loi de poisson de
paramètre réel positif si elle prend des valeurs dont
leurs probabilités−msont définies par
k
e ∗m
P(X=K)= k !
Exemple : maladies rares, accidents mortels rares,
I-3Loi de poisson
Paramètres
Moyenne
E(X) =m = n . p
Variance
V(x)=m
Ecart type
S= √ V
I-3Loi de poisson
exemple

Si on étudie la population des personnes qui fument
plus de 20 cigarettes par jour depuis 15 années, on
constate que la probabilité qu’une personne tirée
au hasard présente un cancer du larynx est de : .
 3/ 1000
I-3Loi de poisson
exemple

On demande de déterminer la probabilité que,
parmi un échantillon de 2000 personnes tirées au
hasard et fumant plus de 20 cigarettes par jour
depuis 15 ans, il y ait exactement deux d’entre elles
qui présentent un cancer du larynx.

m = n.p

Soit 2000.3/1000 = 6
I-3Loi de poisson
•

II Loi de variable continue

Rappel
- Variable aléatoire X prend, a priori, n’importe
quelle valeur dans un intervalle (a, b) fini ou infini
- Probabilités que X soit compris entre a et b :
P(a ≤ X  b)
- Distribution de probabilités :  x  [ a, b [
Rappel
La densité de probabilité d’une variable aléatoire
continue X est une courbe, telle que
l’aire sous la courbe entre 2 points a et b est égale à
la probabilité que la valeur de la variable X soit
comprise entre ces points a et b .
Ainsi, l’aire totale sous la courbe pour l’ensemble
des intervalles possibles de valeurs de X est égale à
1.
Rappel
.
propriétés
.
propriétés
.
Rappel
La fonction de distributions cumulatives
La fonction de distributions cumulatives d’une
variable aléatoire continue X évaluée en un
point a est définie comme la probabilité que X
prenne des valeurs au plus égales à a.
P(X ≤ a).
.
Rappel
La fonction de distributions cumulatives
.
Rappel
La fonction de répartition
.
F(- ∞) = 0 F(+ ∞) = 1
F(X) est une fonction croissante
de x
II-1 Lois de LAPLACE-GAUSS ou
loi normale
- limite de la distribution binomiale lorsque n

augmente indéfiniment tandis que ni p ni q ne
tendent vers 0 ou 1 (p ≈ q)
loi normale
- on démontre, par le théorème de MOIVRE, que

k p k q n−k
lorsque n augmente indéfiniment : Pk =C n
tend vers l’expression
loi normale
Définition
- Une distribution normale de moyenne µ et variance
σ² se note: N(µ, σ²).
II- 2 loi normale centrée réduite
-Usage très courant en statistique

Loi obtenue après transformation de variable :
Z =( ��− ��)/σ
X ~ N( µ; σ)
Z ~ N( 0; 1)
Intérêt : loi normale centrée réduite est tabulée.
Tables de F(z) ou ��= ��
(��≤ ��)
II- 2 loi normale centrée réduite
Exemple
poids de naissance de nouveaux nés ~ ��(3,3; 0,5)
µ= 3,3 kg
σ=0,5 kg
Quelle est la probabilité que le poids de naissance
soit inférieur ou égal à 2,5 kg
II-2 loi normale centrée réduite
Exemple
��
( ��≤ 2,5) = ��
( ≤2,5−3,3/0,5)
= ��
( ≤ −1,6)= ��
( >=1,6)
��( ��>=1,6)= 1 − ��
( <1,6)
= 1 − 0,945 = 0,055
III APPROXIMATION DES LOIS
-Conditions d’approximation d’une distribution

binomiale par une distribution normale :
np ≥ 5 et nq ≥ 5
-Conditions d’approximation d’une distribution
binomiale par une distribution de poisson :
n ≥ 100 et p ≤ 0,01.
EXERCICES
Un laboratoire a commandé n éprouvette. La
probabilité pour qu’une éprouvette soit
déformée est p.
On désigne par X le nombre d’éprouvette déformée
dans le lot.
1) Quelle est la loi de X ? Exprimer E (X) et Var (X) en
fonction de n et p.
.
2) On suppose que n = 10 et p = 0,2. Calculer la

probabilité d’avoir au moins 2 éprouvettes
déformées
3) On suppose que n = 300 et p = 0,01
a) Par quelle loi peut – on approcher la loi de X ?
b) Calculer alors la probabilité d’avoir :
Aucune éprouvette déformée.
.
Exemple .
soit une hypertension limité définie comme celle d’une
personne âgée de 40-50 ans, dont la pression artérielle
diastolique est comprise entre 90 et 100 mm Hg. En
outre, nous supposons que la pression artérielle des
hommes de cette tranche d’âge de la population est
normalement distribuée avec une moyenne et une
variance respectives de 80 mm Hg et 144 mm2Hg.
Alors quelle est la probabilité d’un homme de 40-50
ans tiré au hasard dans la population d’avoir une
hypertension limite ? Autrement dit, si X ∼ N(80, 144),
quelle est la P(90 < X < 100) ? .
Solution
Solution. X ∼N(80,144). Nous pouvons calculer la
variable normale standard z.
P(90<X<100) = P[(90-80)/12<z<(100-80)/12] =
φ(1,67)- φ(0,83)
= 0,9525-0,7967 = 0,156
15,6% de la population des hommes de 40-50 ans de
la population ont une hypertension limité

Lois de Probabilite

Transféré par

Droits d'auteur :

Formats disponibles

Lois de Probabilite

Transféré par

Informations du document

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

Lois de Probabilite

Transféré par

Droits d'auteur :

Formats disponibles

LOIS DE

Trois lois de distributions

Elle mesure la dispersion des valeurs de la variable X

Y : variable aléatoire 2 valeurs (0;1)

Y~loi de Bernoulli de paramètre

Distribution discontinue donnant les probabilités de

Formule de récurrence de calcul des probabilités

calculer d’abord P(X=k) puis P(X=k+1). Ainsi,

=loi des événements rares

- limite de la distribution binomiale lorsque n

- on démontre, par le théorème de MOIVRE, que

-Usage très courant en statistique

-Conditions d’approximation d’une distribution

2) On suppose que n = 10 et p = 0,2. Calculer la

Vous aimerez peut-être aussi