chap3_2

Chapitre 3 (suite): Exemples de variable aléatoire
discrète
Introduction
Plusieurs contextes peuvent être traités de façons semblables.

Loi de Bernouilli
Soit une expérience aléatoire qui peut se solder par un succès ou un

échec. Une variable aléatoire X est dite de Bernoulli si SuppX = {0, 1}
et possède comme loi de probabilités
(
1 − p si X=0
f (x) =
p si X=1
où p est la probabilité d'obtenir un succès. On note X ∼ Bernoulli(p).
On peut monter
E(X) = p
V ar(X) = p(1 − p)
On dit que X représente l'événement : on a obtenu un succès.

Exemple 1
(a) On lance une pièce de monnaie 1 fois. Soit X une variable aléatoire
qui décrit l'événement : on otient un pile. On a que
X ∼ Bernoulli(0.5)
(b) Dans une classe, on compte 8 lles et 24 garçons. Soit X la variable

aléatoire qui décrit l'événement : on choisit un garçon. On a que
24
.

X ∼ Bernoulli 32
(c) Sur une chaîne de montage, 20% des objets sont défectueux. Parmi
250 objets, on en choisit 1. Soit X la variable aléatoire qui décrit
l'événement : on choisit un objet défectueux.
On a que X ∼ Bernoulli(0.2)
.
Loi binomiale

échec.
Répétons cette expérience n fois et dénissons la variable aléatoire X :

on obtient x succès parmi les n expériences. On dit que X suit une loi
binomiale de paramètres n et p
X ∼ B(n, p) où SuppX = {0, 1, 2, ..., n}
La loi de probabilités est
f (x) = P (X = x) = Cxn px (1 − p)n−x
On a que
E(X) = np et V ar(X) = np(1 − p)
Exemple 2
(a) On lance une pièce de monnaie 100 fois. Soit X une variable
aléatoire qui dénombre les piles obtenus. On a que X ∼ B(100, 0.5)
(b) Dans une classe, on compte 8 lles et 24 garçons. On choisit 8

étudiants dans cette classe. Soit X la variable aléatoire
qui
dénombre les garçons choisis. On a que X ∼ B 8 24 32 .
(c) Sur une chaîne de montage, 20% des objets sont défectueux. Soit X
la variable aléatoire qui dénombre les objets défectueux choisit parmi
250 objets. On a que X ∼ B(250, 0.2).
.
Exemple 3
On lance une pièce de monnaie 100 fois. Soit X une variable aléatoire qui
dénombre les piles obtenus. On a que X ∼ B(100, 0.5) .
100
P (X = 47) = C47 (0.5)47 (0.5)53 = 0.06659
P (45 ≤ X ≤ 55)
100
= C45 (0.5)45 (0.5)55 + C46
100
(0.5)46 (0.5)54 + ... + C55
100
(0.5)55 (0.5)45
= 0.728747
Loi de Poisson

échec.
Répétons cette expérience et nommons X la variable aléatoire qui

identie le nombre de succès x se produisant sur intervalle de temps (ou
de longueur ou de surface). S'il se produit en moyenne λ succès dans
l'intervalle considéré
On dit que X suit une loi de Poisson de paramètre λ
X ∼ P (λ) où SuppX = {0, 1, 2, ...}

e−λ λx
f (x) = P (X = x) =
x!
On a que
E(X) = λ et V ar(X) = λ
Exemple 4
Durant la nuit, un seul poste de péage est ouvert à l'entrée de
l'autoroute. Les véhicules y arrivent au taux moyen de 6 véhicules par
heure. Les arrivées suivent une loi de Poisson.
(a) La probabilité qu'il se présente 7 véhicules en une heure est
P (X = 7) = 0.137677
(b) La probabilité qu'il se présente plus de 7 véhicules en une heure est
P (X > 7) = 1 − P (X ≤ 7) = 1 − 0.74398 = 0.25602

Exemple 5
Des pièces sont découpées dans une feuille de métal présentant des
défauts ponctuels. Les défauts suivent une loi de Poisson de moyenne
0,03 défaut par cm2 .
(a) La probabilité qu'une pièce de 1 cm2 ne possède aucun défaut est
P (X = 0) = 0.970446
où X est le nombre de défaut dans une pièce de 1 cm2
(b) La probabilité qu'une pièce de 10 cm2 possède au moins 1 défaut
P (Y ≥ 1) = 1 − P (X = 0) = 1 − 0.74818 = 0.259182
où Y est le nombre de défaut dans une pièce de 10 cm2 .

Nous savons que nous avons en moyenne 0.03 défauts par cm2 .
Ainsi, nous avons en moyenne 10 · 0.03 = 0.3 défaut par 10cm2 de
telle sorte que Y ∼ P (0.3).
Exemple 6
Un standard téléphonique reçoit en moyenne 0.7 appel à la minute. La
probabilité qu'il reçoive 4 appels en 5 minutes est
P (X = 4) = 0.188812
Ici X correspond au nombre d'appels en 5 minutes au standard

téléphoniques.
Nous savons qu'en moyenne on reçoit 0.7 appel en 1 minute.
Ainsi, nous recevons en moyenne 0.7 · 5 = 3.5 appels en 5 minutes de
telle sorte que X ∼ P (3.5).
Loi hypergéométrique
Considérons une population de N unités statistiques parmi lesquelles N1

ont une certaine propriété et N2 = N − N1 n'ont pas cette propriété. On
choisit un échantillon sans remise de taille n de cette population.
Soit X la variable aléatoire correspondant au nombre d'unités statistiques
dans l'échantillon ayant cette propriété.
On dit que X suit une loi hypergéométrique de paramètres n, N1 et N2
X ∼ Hpg(n, N1 , N2 ) où SuppX = {max(0, n − N2 , ..., min(n, N1 ))}

N2
CxN1 Cn−x
f (x) = P (X = x) = N
Cn
On a que

N −n
E(X) = np et V ar(X) = np(1 − p)
N −1
N1
où p =
N
Exemple 7
Une urne contient 8 boules rouges et 3 boules blanches. On choisit au
hasard et sans remise 5 boules de l'urne. Soit X correspondant au
nombre de boules blanches dans l'échantillon. X ∼ Hpg(5, 3, 8) où
DX = {0, 1, 2, 3} La probabilité de piger 2 boules blanches est
C23 C38
P (X = 2) = = 0.3636
C511
Loi géométrique

échec. Répétons cette expérience jusqu'à ce qu'on otienne un succès. Soit
X la variable aléatoire dénombrant le nombre d'essais pour obtenir un
premier succès. DX = {1, 2, 3, 4, 5, ...}
On dit que X suit une loi géométrique de paramètre p
X ∼ Geom(p) où SuppX = {1, 2, 3, ...}
f (x) = P (X = x) = p(1 − p)x−1
On a que
1−p
E(X) = 1/p et V ar(X) =
p2
Exemple 8
On lance une pièce de monnaie jusqu'à ce qu'on obtienne un pile. Soit X
la variable aléatoire dénombrant le nombre de lancers pour obtenir un
premier pile La probabilité d'obtenir un pile au 5ème lancer est
P (X = 5) = 0.5 · (0.5)4 = 0.03125
La probabilité d'obtenir un pile en moins de 5 lancers est
P (X < 5) = 0.5 + 0.5 · (0.5)1 + 0.5 · (0.5)2 + 0.5 · (0.5)3 = 0.9375

Exemple 9
Sur une chaîne de montage, 20% des objets sont défectueux. On choisit
successivement des objets.
Soit X la variable aléatoire dénombrant le nombre de tirage pour obtenir
un premier objet défecteux La probabilité que les 4 premiers objets choisis
soit non-défecteux et le 5ème le soit est
P (X = 5) = 0.2 · (0.8)4 = 0.08192

chap3_2

Transféré par

Droits d'auteur :

Formats disponibles

chap3_2

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

chap3_2

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 3 (suite): Exemples de variable aléatoire

Plusieurs contextes peuvent être traités de façons semblables.

Soit une expérience aléatoire qui peut se solder par un succès ou un

où p est la probabilité d'obtenir un succès. On note X ∼ Bernoulli(p).

On dit que X représente l'événement : on a obtenu un succès.

(b) Dans une classe, on compte 8 lles et 24 garçons. Soit X la variable

Soit une expérience aléatoire qui peut se solder par un succès ou un

Répétons cette expérience n fois et dénissons la variable aléatoire X :

X ∼ B(n, p) où SuppX = {0, 1, 2, ..., n}

La loi de probabilités est

f (x) = P (X = x) = Cxn px (1 − p)n−x

(b) Dans une classe, on compte 8 lles et 24 garçons. On choisit 8

Soit une expérience aléatoire qui peut se solder par un succès ou un

Répétons cette expérience et nommons X la variable aléatoire qui

La loi de probabilités est

(a) La probabilité qu'il se présente 7 véhicules en une heure est

(b) La probabilité qu'il se présente plus de 7 véhicules en une heure est

P (X > 7) = 1 − P (X ≤ 7) = 1 − 0.74398 = 0.25602

(a) La probabilité qu'une pièce de 1 cm2 ne possède aucun défaut est

où X est le nombre de défaut dans une pièce de 1 cm2

(b) La probabilité qu'une pièce de 10 cm2 possède au moins 1 défaut

où Y est le nombre de défaut dans une pièce de 10 cm2 .

Ici X correspond au nombre d'appels en 5 minutes au standard

Considérons une population de N unités statistiques parmi lesquelles N1

La loi de probabilités est

Soit une expérience aléatoire qui peut se solder par un succès ou un

X ∼ Geom(p) où SuppX = {1, 2, 3, ...}

La loi de probabilités est

f (x) = P (X = x) = p(1 − p)x−1

P (X = 5) = 0.5 · (0.5)4 = 0.03125

La probabilité d'obtenir un pile en moins de 5 lancers est

P (X < 5) = 0.5 + 0.5 · (0.5)1 + 0.5 · (0.5)2 + 0.5 · (0.5)3 = 0.9375

P (X = 5) = 0.2 · (0.8)4 = 0.08192

Vous aimerez peut-être aussi

(b) Dans une classe, on compte 8 lles et 24 garçons. Soit X la variable

Répétons cette expérience n fois et dénissons la variable aléatoire X :

(b) Dans une classe, on compte 8 lles et 24 garçons. On choisit 8