Lois de probabilits

Loi de Bernoulli Ber ()

- Situations binaires : chec = 0 / succs = 1 (ex : malade / sain)
- De paramtre = probabilit du succs
Lois de probabilit Esprance Variance
P(B=1) = P(B=O) = 1- E(B) =
x
= V(B) =
x
= (1-)


Loi Binomiale Bin (N, )
- Rptition de N preuves de Bernoulli de mme paramtres et indpendantes
- De paramtres N et , o : N = plus grande valeur que peut prendre X
X = variable discrte qui compte le nombre de succs
Lois de probabilit Esprance Variance
P(X=k) =

E(B) =
x
= N (on a

V(B) =
x
= N(1-)


Loi de Poisson P()
- Loi limite dune loi binomiale
- Sert approximer une loi binomiale quand est trs petit & N trs grand
- Loi des vnements rares : quand le succs est trs rare, la variable X qui suit une loi binomiale peut tre
approxime par une loi de poisson
Lois de probabilit Esprance Variance

P(X=k) = e-

k
/k!

E(B) =
x
= V(B) =
x
=

Loi normale N(
x
,
x
)
- Une loi Normale est continue
- De paramtres
x
et
x

- Pour lire la probabilit dans la table de la loi Normale centre rduite, il faut faire un changement de
variable :
P(X>a) P(Z>) = avec

et donc

P(Z<-) = P(Z>) P(Z<) = 1-P(Z>) = P(Z>-)
Bilatrale Unilatrale
Table de lcart rduit : sur les cots, au centre
( = 0,05 , = 1,96)
The Normal probability integral : au centre, sur les cots
( = 0,05 , =1,645)


Approximation dune loi Binomiale Bin (N, )
Si N 5 et N(1-) 5
X peut tre approche par une loi Normale de moyenne N et de variance N(1-)
Si N < 5 ou N(1-) < 5
X peut tre approche par une loi de Poisson de paramtre = N condition que N N(1-)