CHAPITRE 3 PROBABILITS ET STATISTIQUES

1 Rappels sur les probabilits et

conditionnement
1. Rappels sur lquiprobabilit
G Le

rsultat dune exprience alatoire est une issue ou une ventualit. Lensemble de ces issues est E. vnement est une partie de E. vnement A et B sont disjoints ou incompatibles si A B = .

G Un G Les G Les

vnements A et B sont contraires si A B et A B = E . On note B = A .

G Lunivers E est probabilis si chaque vnement lmentaire {x} on associe un nombre p i [ 0 ; 1 ] par une application p qui satisfait

p ( E ) = 1 et

Consquences :

= 1.

si A E , la probabilit de A note p ( A ) est telle que p ( A ) = p ( A ) = 1 p ( A ) donc p ( ) = 0. Si A B = , alors p ( A B ) = p ( A ou B ) = p ( A ) + p ( B ) . Si A E et B E , p ( A B ) = p ( A ) + p ( B ) p ( A B ) .

G Univers

xi A

P .
i

quiprobable : ensemble E dont tous les vnements lmentaires ont la mme probabilit. Si lensemble E contient N lments, alors : 1. p 1 = p 2 = = p N = --N Si A E et si A contient n ventualits, alors : nombre de cas favorables la ralisation de A n p ( A ) = --- = ------------------------------------------------------------------------------------------------------------------------------ . nombre de cas possibles N

2. Probabilits conditionnelles
Soit une exprience alatoire et deux vnements A et B de lunivers probabilis par cette exprience. Si p ( B ) 0, la probabilit conditionnelle de A sachant que B est ralis p(A B) . scrit p B ( A ) ou p ( A / B ) et est telle que p B ( A ) = ----------------------p(B)
92

cours

savoir-faire

exercices

corrigs

Remarque : comme A B = B A , alors p ( A B ) = p B ( A ) p ( B ) = p A ( B ) p ( A ) ( p ( A ) 0 et p ( B ) 0 ) . pB ( A ) = 1 p ( A ) .

3. Formule des probabilits totales

{ B 1, B 2, , B i, , B n } est une partition de E si : i , 1 i n , B i i , j , i j , B i B j = B1 B2 Bi Bn = E . Si { B 1, , B n } est une partition de E et si p ( B i ) est non nul pour tout i, alors : p ( A ) = p B1 ( A ) p ( B 1 ) + p B2 ( A ) p ( B 2 ) + + p Bn ( A ) p ( B n ) p ( A ) = p ( A B1 ) + p ( A B2 ) + + p ( A Bn ) .

exemple dapplication
On tire une carte dun jeu de 32 cartes. Quelle est la probabilit que la carte soit un carreau sachant que cest une carte rouge qui a t tire. 1. Soit A lvnement tirer une carte rouge : p ( A ) = -2 Soit B lvnement tirer un carreau . 1. 8 A B = B car B A do P ( A B ) = P ( B ) = ------ = -4 32 1 -P(A B) 1. 1 4 - = -- soit P A ( B ) = -Donc P A ( B ) = ----------------------- = -2 1 2 P(A) -2 Sachant que la carte tire est rouge, il y a une chance sur deux que ce soit un carreau.

corrig comment

93

CHAPITRE 3 PROBABILITS ET STATISTIQUES

2 Indpendance et modlisation
1. Indpendance de deux vnements
Deux vnements A et B sont indpendants si, et seulement si, p(A B) = p(A) p(B). Consquence : p A ( B ) = p ( B ) et p B ( A ) = p ( A ) .

2. Modlisation
Dnitions : Une loi de probabilit, ou distribution de probabilit, est une fonction P qui tout vnement A associe un nombre p ( A ) , sa probabilit appartenant lintervalle [ 0 ; 1]. Modliser une exprience alatoire cest lui associer une loi de probabilit.

3. Liens entre statistiques et probabilits

Une frquence calcule partir de donnes exprimentales est empirique, mais la probabilit dun vnement est un nombre thorique. Les distributions de frquences issues de la rptition dexpriences identiques ou indpendantes uctuent, alors que la loi de probabilit est un invariant associ lexprience. Si on choisit n lments indpendamment les uns des autres selon une loi de probabilit P, alors la distribution des frquences est voisine de P pour n grand. Si des expriences sont rptes de faons identiques et indpendantes et si p est la probabilit associe un vnement A, alors la probabilit dobtenir n fois lvnement A est gale p n. On appelle variable alatoire X lapplication dun ensemble E muni dune loi P et valeurs dans . La variable alatoire X prend les valeurs xi ( i ) , avec les probabilits pi dnies par p i = P ( X = x i ) . Distribution de frquences sur E = { x 1, , x n } ( f 1, , f n ) f i 0, f(A) = A E , frquence de A,
xi A

Loi de probabilit sur E = { x 1, , x n } ( p 1, , p n ) p i 0, P(A) =

= 1

A E , probabilit de A,
i xi A

= 1

f .

p .
i

94

cours

savoir-faire

exercices

corrigs

Cas numrique : Moyenne empirique : x = Variance empirique : S2 = cart type empirique : s =

f x .
i i

Cas numrique : Esprance dune loi P : = Variance dune loi P : 2 = =

i i 2

p x .
i i

fi ( xi x ) 2 .

cart type dune loi P :

2 i i

p (x ) . p (x ) .
2

f (x x ) .
i i

exemple dapplication
On lance 4 fois de suite un d quilibr. 1. Quelle est la probabilit dobtenir le 5 chaque lancer ? 2. Quelle est la probabilit dobtenir au moins une fois le 5 avec 4 lancers ?

corrig comment
Donc

1. Soit A lvnement obtenir le 5 1 lancer. 1. p ( A ) = -6 Soit B lvnement obtenir le 5 chaque lancer. On rpte 4 fois lexprience alatoire de faons identiques et indpendamment les unes des autres. 1 4 1 1 1 1 - = -- -- -- -p ( B ) = - 6 6 6 6 6 do 1 p ( B ) = -------------1 296

2. Soit C lvnement obtenir au moins une fois le 5 aprs 4 lancers. Le plus simple est de calculer la probabilit de lvnement C qui consiste obtenir zro fois le nombre 5 aprs 4 lancers. 5 4 p ( C ) = - 6 soit do
4

p(C) = 1 P(C ), soit 671 p ( C ) = -------------1 296

5 p ( C ) = 1 - 6

95

CHAPITRE 3 PROBABILITS ET STATISTIQUES

3 Combinatoire et lois discrtes

1. Combinatoire
On appelle factorielle n le nombre qui scrit n ! et qui est gal : n ( n 1 ) 3 2 1 pour n 2, avec 0! = 1 et 1! = 1. Toute partie de E est une combinaison de E. n Le nombre de combinaison de p lments parmi n est not et est gal p n! ------------------------ o 0 p n . p! ( n p )! Cas particuliers n = 1 ; n = n 0 1 n = 1. n

et

Proprits n = n ; relation de Pascal : n = n 1 + n 1 . p n p p p p 1 Formule du binme de Newton Pour tout n de , pour tout nombre a et b : ( a + b)n =

p=0

p a
n

bn p .

n n n Remarque : Si a = b = 1, alors 2 n = + + + ceci traduit le 0 1 n nombre de parties dun ensemble ayant n lments.

2. Lois discrtes
Loi de Bernoulli Une preuve de Bernoulli a seulement deux issues contraires A et A de probabilits respectives p et q = 1 p . Le schma de Bernoulli est la rptition n fois et de faons identiques et indpendantes dune preuve de Bernoulli. La probabilit dobtenir k ralisations de A sur n preuves est donne par la n loi de Bernoulli : k p k avec p k = p k q n k . k Remarque :

p=0

p q

k nk

= 1.

96

cours

savoir-faire

exercices

corrigs

Loi binomiale Soit X la variable alatoire prenant pour valeurs le nombre k de ralisations de A dans un schma de Bernoulli. La variable X suit une loi binomiale de paramtres ( n, p ) , elle a pour loi de n probabilit P ( X = k ) = p k q n k . k Dans ce cas = np et = npq .

exemple dapplication
n n 1 n 1 Dmontrer les formules : = + p p 1 p n = n p n p o 0 p n.

corrig comment

n 1 n 1 ( n 1 )! ( n 1 )! A = = ------------------------------------------------------- + --------------------------------+ p 1 p ( p 1 )! ( n 1 p + 1 ) p! ( n 1 p )! ( n 1 )! ( n p ) . ( n 1 )! ( n 1 )! ( n 1 )! p A = -------------------------------------- + --------------------------------- = ------------------------------------------ + --------------------------------------------------( p 1 )! ( n p )! p! ( n p 1 )! ( p 1 )! p ( n p )! p! ( n p 1 )! ( n p )

Le dnominateur commun est p! ( n p )! car ( p 1 )! p = p! et ( n p 1 )! ( n p ) = ( n p )! do n n! ( n 1 )! ( p + n p ) - = ; - = -----------------------A = --------------------------------------------- p p! ( n p )! p! ( n p )! n = n n p p

n n! n! n = ------------------------------------------------ = , do - = ----------------------- p n p ( n p )! p! ( n p )! ( n n + p )!

97

CHAPITRE 3 PROBABILITS ET STATISTIQUES

4 Lois continues
1. Dnitions
On appelle densit de probabilit f sur un intervalle I une fonction satisfaisant aux conditions suivantes : f est continue sur I, f est positive sur I et

f ( x ) d x = 1.
I

tant donne une densit de probabilit, la loi de probabilit correspondante continue associe tout intervalle lintgrale de la densit sur cet intervalle. Soit X une variable alatoire dnie dans un intervalle I et valeurs dans et f une densit de probabilit. La variable X est une variable alatoire de densit f si quels que soient a et b de I on a P ( a X b ) =

f(x) dx.

Les vnements sont des runions nis dintervalles. Remarques : P ( X = a ) = 0 avec a ; P ( X b ) = 1 P ( X b ) . En pratique la donne de f suft pour tudier les proprits de X, en particulier f joue le rle de loi pour X. Lesprance de X est donne par E ( X ) = telle que V ( X ) = E ( X 2 ) [ E ( X ) ] 2 .

t f ( t ) d t et la variance de X est

2. Lois continues densit

Lois uniformes sur [a ; b] On appelle loi uniforme sur un intervalle [a ; b], la loi continue de proba1 - pour tout x de [a ; b]. bilit dont la densit f est telle que f ( x ) = ----------ba Pour cette loi, la probabilit dun intervalle [c ; d ] inclus dans [a ; b] est gale P ( c X d ) telle que P ( c X d ) =

d c. dx ----------- = ----------ba ba

Cas particulier : la loi uniforme uniforme sur [0 ; 1] a une densit f telle que pour tout x de [0 ; 1], f ( x ) = 1. Dans ce cas la probabilit dun intervalle connu dans [0 ; 1] est la longueur de cet intervalle. Lois exponentielles (lois de dure de vie sans vieillissement) On appelle loi exponentielle de paramtre ( 0 ) , une loi de densit f telle que f ( t ) = e t . Pour cette loi, P ( a X b ) =
98

e t d t ,

cours

savoir-faire

exercices

corrigs

donc

P ( a X b ) = [ e t ] a = e a e b .

3. Adquation une loi quirpartie

Il sagit de comparer les frquences obtenues pour une exprience alatoire sur un chantillon, avec un modle dquiprobabilit. Pour cela on considre la distance d entre la distribution des frquences ( f 1, , f i, , f n ) avec les probabilits thoriques ( p 1, , p i, , p n ) si on rpte lpreuve n fois. d 2 = ( f1 p1 ) 2 + + ( fi pi ) 2 + + ( fn pn ) 2 . Le nombre d 2 doit tre petit pour quil y ait compatibilit entre les donnes empiriques et celles thoriques. Plus le nombre de tirages est grand, plus la distribution des frquences est adquate avec la loi de probabilit et plus d 2 sera faible. 2 - , alors il y a adquation une loi quirpartie. Si d 2 -n

exemple dapplication
Soit la fonction f dnie sur par : f(x) f(x) f(x) f(x) = 0 si x 1 = x + 1 si 1 x 0 = x + 1 si 0 x 1 = 0 si x 1. Reprsenter graphiquement f et montrer que f dtermine une loi de probabilit 1 - . P, puis calculer P 1 ; - 2

corrig comment
et

La fonction f est dnie, positive et continue sur . Sur ] ; 1 [ ] 1 ; + [ , f ( x ) = 0

1 1

f(x) dx = 2

1 0

f ( x ) d x car f est paire donc, 1

1 -2 1

1 x 2 1 - + x = 2 -f ( x ) d x = 2 -------- + 1 = 1. 2 2 1 0 f dtermine donc une loi de probabilit P et :

1 - = P 1 ; - 2

1 -2

x2 ( x + 1 ) d x = ----+x 2

1. 1 1 1 = -- -- -- 1 = - 8 2 2 8
99