Explorer les Livres électroniques
Catégories
Explorer les Livres audio
Catégories
Explorer les Magazines
Catégories
Explorer les Documents
Catégories
Variables alatoires.
Lois discrtes
19 octobre 2014
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Probabilits.
Quest-ce quune probabilit ?
Probabilits conditionnelles.
Dnombrements
Variables alatoires.
Quest-ce quune variable alatoire ?
Loi de probabilit dune variable alatoire.
Esprance et variance.
indpendance de variables alatoires
Notion dindpendance
Applications
Rgression linaire et mthode des moindres carrs
Loi faible des grands nombres.
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Le concept de probabilit
Postulat de la thorie des probabilits
Supposons quon ralise un grand nombre N de fois une mme exprience
alatoire, si na est le nombre de fois quun vnement A se ralise, on
postule :
n
lim a = p(A )
N N
Le nombre p(A ) correspond la probabilit que lvnement A se ralise.
Axiomes de la thorie des probabilits
Pour tout vnement A , 0 P (A ) 1.
P () = 0 et P () = 1 (vnement impossible, vnement certain).
A et B tant deux vnements, P (A B ) = P (A ) + P (B ) P (A B )
Exercice
Montrer les galits suivantes et les illustrer par des exemples concrets :
) = 1 P (A ).
a) P (A
b) P (A B C ) =
P (A ) + P (B ) + P (C ) P (A B ) P (A C ) P (B C ) + P (A B C ).
c) Si A1 , A2 , , An forment un systme complet dvnements, alors pour
tout vnement A , P (A ) = P (A A1 ) + P (A A2 ) + + P (A An ).
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Probabilits conditionnelles I
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Probabilits conditionnelles II
Correction
a) Notons 1 et 2 les ensembles fondamentaux correspondant
respectivement aux jets du premier et du second d. Lensemble
fondamental associ au lanc des deux ds peut scrire = 1 2
(produit cartsien).
Dire que A est un vnement relatif au jet du premier d signifie que A est de
la forme A1 2 avec A1 1 ; de mme, B = 1 B2 avec B2 2 . On
peut par consquent crire A B = A1 B2 et donc
card (A B ) = card (A1 ) card (B2 ), do :
P (A B ) =
= P (A )P (B )
card (1 ) card (2 )
card (1 ) card (2 )
Probabilits.
Variables alatoires.
Lois discrtes
Dfinition
A tant un vnement, lapplication PA qui tout vnement B associe le
P (A B )
nombre
sappelle la probabilit conditionnelle sachant A .
P (A )
On peut ainsi toujours crire P (A B ) = P (A ) PA (B ).
Thorme
Lapplication PA est une probabilit (elle en vrifie les axiomes).
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Exemple 1 : Cibles
Deux joueurs J1 et J2 tirent sur une cible. Nous supposons que J1 atteint la
cible 9 fois sur 10 et J2 6 fois sur 10. J2 joue 2 fois sur 3.
a) Quelle est la probabilit que la cible soit atteinte ?
b) Lun des joueurs atteint la cible. Quelle est la probabilit que ce soit J2 ?
Exemple 2 : Dpistage
Une maladie affecte une personne sur mille. On dispose dun test qui
dtecte cette maladie chez 99% des patients malades et qui donne un
rsultat faussement positif chez 0.2% des personnes saines testes. Une
personne est contrle positive. Quelle est la probabilit pour quelle soit
rellement malade ?
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Correction : cibles
a) Notons C lvnement "la cible est atteinte".
C1 (resp. C2 ) les vnements "la cible est atteinte par le joueur J1 " (resp.
J2 ).
Notons enfin J1 (resp. J2 ) les vnements "La joueur 1 tire" (resp. "le
joueur 2 tire").
S
On peut crire C = C1 C2 : la cible est atteinte soit par J1 soit par J2 .
9 = 3 et :
Or P (C1 ) = P (J1 )PJ1 (C ) = 13 10
10
2
6
4 .
P (C2 ) = P (J2 )PJ2 (C ) = 3 10 = 10
4 + 3 = 7 .
Ainsi P (C ) = P (C1 ) + P (C2 ) = 10
10
10
b) On remarque que P (C J2 ) = P (J2 )PJ2 (C ) = P (C )PC (J2 ). Donc
PC (J2 ) =
2 6
P (J2 )PJ2 (C )
= 3 10 = 74 .
P (C )
7
10
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Correction : test
Dsignons par M et T respectivement les vnements "la personne est
1 ,
malade" et "le rsultat du test est positif". Daprs lnonc : P (M ) = 1000
PM (T ) = 0.99 et PM
(T
)
=
0.002.
Nous
voulons
calculer
P
(M
).
T
Nous savons que P (M T ) = P (M )PM (T ) = P (T )PT (M ). Ainsi,
P (M )PM (T )
PT (M ) =
.
P (T )
)=
Il ny a plus qu calculer P (T ) : P (T ) = P (T M ) + P (T M
)P (T ) = 1 99 + 999 2 ' 0.003
P (M )PM (T ) + P (M
M
1000 100
1000 1000
Finalement, PT (M ) ' 0.33
Probabilits.
Variables alatoires.
Lois discrtes
Arrangements et Combinaisons
Trs souvent, pour calculer des probabilits nous avons besoin de faire appel
aux mthodes de dnombrements.
Thorme des arrangements
Parmi n objets distincts {O1 , , On )} il existe
n!
AnP = n (n 1) (n p + 1) =
manires de construire une liste
(n p)!
ordonne (Oi 1 , , Oip ).
p
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
np
Cn = Cn
p
p
p1
Cn = Cn1 + Cn1 (formule de Pascal)
Exercice
On choisit 5 cartes dans un jeu de 32. Combien y-a-t-il de rsultats
comprenant :
a)
b)
c)
d)
Probabilits.
Variables alatoires.
Lois discrtes
27
26
3 =
3 cartes parmi 28 : C28
=
= 3276 possibilits. Au
3!25!
6
total : 6 3276 = 19656 mains.
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
27
26
3 =
3 cartes parmi 28 : C28
=
= 3276 possibilits. Au
3!25!
6
total : 6 3276 = 19656 mains.
b) On carte les as, il reste 28 cartes parmi lesquelles il faut en choisir 5,
cela fait
5 = 28! = 28 27 26 25 24 = 28 27 26 5 2 = 196560 mains.
C28
5!23!
5!
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
27
26
3 =
3 cartes parmi 28 : C28
=
= 3276 possibilits. Au
3!25!
6
total : 6 3276 = 19656 mains.
b) On carte les as, il reste 28 cartes parmi lesquelles il faut en choisir 5,
cela fait
5 = 28! = 28 27 26 25 24 = 28 27 26 5 2 = 196560 mains.
C28
5!23!
5!
1 = 28 cas. 3 dames :
c) Soit trois dames, soit quatre. 4 dames : C28
3
2
C4 C28 = 4 14 27 = 1512. Au total 1512 + 28 = 1540 mains.
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
27
26
3 =
3 cartes parmi 28 : C28
=
= 3276 possibilits. Au
3!25!
6
total : 6 3276 = 19656 mains.
b) On carte les as, il reste 28 cartes parmi lesquelles il faut en choisir 5,
cela fait
5 = 28! = 28 27 26 25 24 = 28 27 26 5 2 = 196560 mains.
C28
5!23!
5!
1 = 28 cas. 3 dames :
c) Soit trois dames, soit quatre. 4 dames : C28
3
2
C4 C28 = 4 14 27 = 1512. Au total 1512 + 28 = 1540 mains.
d) On choisit deux trfles : C82 puis trois carreaux : C83 . Au total
87 876
= 28 56 = 1568 mains.
2
6
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
27
26
3 =
3 cartes parmi 28 : C28
=
= 3276 possibilits. Au
3!25!
6
total : 6 3276 = 19656 mains.
b) On carte les as, il reste 28 cartes parmi lesquelles il faut en choisir 5,
cela fait
5 = 28! = 28 27 26 25 24 = 28 27 26 5 2 = 196560 mains.
C28
5!23!
5!
1 = 28 cas. 3 dames :
c) Soit trois dames, soit quatre. 4 dames : C28
3
2
C4 C28 = 4 14 27 = 1512. Au total 1512 + 28 = 1540 mains.
d) On choisit deux trfles : C82 puis trois carreaux : C83 . Au total
87 876
= 28 56 = 1568 mains.
2
6
e) Il y a 16 cartes rouges et 16 noirs. Do
2 C 3 = 8 15 16 5 7 = 67200 mains.
C16
16
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
27
26
3 =
3 cartes parmi 28 : C28
=
= 3276 possibilits. Au
3!25!
6
total : 6 3276 = 19656 mains.
b) On carte les as, il reste 28 cartes parmi lesquelles il faut en choisir 5,
cela fait
5 = 28! = 28 27 26 25 24 = 28 27 26 5 2 = 196560 mains.
C28
5!23!
5!
1 = 28 cas. 3 dames :
c) Soit trois dames, soit quatre. 4 dames : C28
3
2
C4 C28 = 4 14 27 = 1512. Au total 1512 + 28 = 1540 mains.
d) On choisit deux trfles : C82 puis trois carreaux : C83 . Au total
87 876
= 28 56 = 1568 mains.
2
6
e) Il y a 16 cartes rouges et 16 noirs. Do
2 C 3 = 8 15 16 5 7 = 67200 mains.
C16
16
5 = 98280 mains sans rois et C 5 = 201376 mains possibles. Il y
f) Il y a C28
32
a donc 201376 98280 = 103096 mains avec au moins un roi.
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
27
26
3 =
3 cartes parmi 28 : C28
=
= 3276 possibilits. Au
3!25!
6
total : 6 3276 = 19656 mains.
b) On carte les as, il reste 28 cartes parmi lesquelles il faut en choisir 5,
cela fait
5 = 28! = 28 27 26 25 24 = 28 27 26 5 2 = 196560 mains.
C28
5!23!
5!
1 = 28 cas. 3 dames :
c) Soit trois dames, soit quatre. 4 dames : C28
3
2
C4 C28 = 4 14 27 = 1512. Au total 1512 + 28 = 1540 mains.
d) On choisit deux trfles : C82 puis trois carreaux : C83 . Au total
87 876
= 28 56 = 1568 mains.
2
6
e) Il y a 16 cartes rouges et 16 noirs. Do
2 C 3 = 8 15 16 5 7 = 67200 mains.
C16
16
5 = 98280 mains sans rois et C 5 = 201376 mains possibles. Il y
f) Il y a C28
32
a donc 201376 98280 = 103096 mains avec au moins un roi.
g) Avec le roi de pique (et une carte ni roi ni pique) :
C31 C72 21 = 63 21 = 1323 cas. Sans roi de pique : C32 C73 = 105. Au
total 1428 mains.
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Rappel du plan
1
Probabilits.
Quest-ce quune probabilit ?
Probabilits conditionnelles.
Dnombrements
Variables alatoires.
Quest-ce quune variable alatoire ?
Loi de probabilit dune variable alatoire.
Esprance et variance.
indpendance de variables alatoires
Notion dindpendance
Applications
Rgression linaire et mthode des moindres carrs
Loi faible des grands nombres.
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Esprance et variance I
Trs souvent le support dune variable alatoire se rpartit de part et dautre dune
valeur moyenne. Pour estimer la position centrale et la largeur de ce support, on
utilise souvent les notions de moyenne (ou esprance) et de variance :
Dfinitions
lesprance mathmatique (ou moyenne) dune variable alatoire X
est dfinie par :
n
X
E (X ) =
xk P (X = xk )
k =1
p
lcart type est la racine carre de la variance : (X ) = Var(X ).
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Esprance et variance II
Remarque
Pour les dmonstrations, on sautorisera crire dans tous les cas :
E (X ) = X ()P ().
Exercice
On lance deux ds, X reprsente la somme des deux faces. Calculer la
moyenne, la variance et lcart type de X .
Soient et deux rels, X et Y deux variables alatoires dfinies sur un
mme espace fondamental :
Proprits
E (aX + b ) = aE (X ) + b
E (X + Y ) = E (X ) + E (Y ).
Var(X ) = E (X 2 ) E (X )2
Var(X + ) = 2 Var(X )
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Correction
Montrons par exemple que Var(X ) =E (X 2 ) E (X )2 :
Var(X ) = [X () E (X )]2 P () = X 2 () + E (X )2 2X ()E (X ) P () =
E (X 2 ) 2E (X )2 + E (X )2 = E (X 2 ) E (X )2 .
Exercices
une urne contient 5 boules rouges et 3 boules vertes. On choisit au
hasard et sans remise les boules une une jusqu obtention dune
boule rouge. Soit X le nombre de tirages ncessaires. dterminer la loi
de probabilit de X ainsi que son esprance et son cart type.
Mme question pour la situation suivante : on lance simultanment
deux ds quilibrs et on note X le maximum des deux chiffres obtenus.
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Esprance et variance IV
Correction
On peut crire :
5
P (X = 1) =
8
35
P (X = 2) = P (X , 1)P{X ,1} (X = 2) =
87
325
P (X = 3) = P (X , 1)P{X ,1} (X , 2)P{X ,1 et X ,2} (X = 3) =
876
321
P (X = 4) = =
.
876
3
5
325
321
+3
+4
= 1.5
Ainsi E (X ) = 58 + 2
87
876
876
5
3
5
3
2
De mme, E (X ) = 8 + 4 8 7 + 9 8 72 56 + 16 38 27 16 ' 2.78.
p
Var(X ) = E (X 2 ) E (X )2 = 2.78 1.52 = 0.53 et (X ) = Var(X ) ' 0.73
X peut varier de 1 6. Le tableau suivant rsume la loi de la variable X :
k
Nb de cas
P (X = k )
1
1
2
3
3
5
4
7
5
9
6
11
1
36
3
36
5
36
7
36
9
36
11
36
Probabilits.
Variables alatoires.
Lois discrtes
Rappel du plan
1
Probabilits.
Quest-ce quune probabilit ?
Probabilits conditionnelles.
Dnombrements
Variables alatoires.
Quest-ce quune variable alatoire ?
Loi de probabilit dune variable alatoire.
Esprance et variance.
indpendance de variables alatoires
Notion dindpendance
Applications
Rgression linaire et mthode des moindres carrs
Loi faible des grands nombres.
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Dfinition
On dit de deux variables alatoires X et Y dfinies sur un mme ensemble
fondamental quelles sont indpendantes si pour tout couple
(x, y) X () Y (), la loi conjointe (x, y) 7 P (X = x, Y = y) vrifie :
P (X = x, Y = y) = P ({X = x} {Y = y}) = P (X = x)P (Y = y).
Exercice : un exemple
On dispose de deux boules et de trois botes A , B et C . Il y a une chance sur
trois pour quune boule donne soit place dans une bote donne. X est
dfinie comme Le nombre de boules dans A ; Y comme le nombre de
botes vides. Exprimer, sous la forme dun tableau, la probabilit conjointe
des variables X et Y . vrifier quelles ne sont pas indpendantes.
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Correction
Correction
En dnombrant les diffrentes situations possibles, on peut tablir :
(X , Y )
Nb de cas
P (X , Y )
(2, 2)
1
(1, 1)
2
(0, 1)
1
(0, 2)
2
1
6
2
6
1
6
2
6
4
9
4
9
1
9
Y
P (Y )
6
9
3
9
Probabilits.
Variables alatoires.
Lois discrtes
Proprits
Le thorme suivant joue un rle central :
Thorme
Si X et Y sont deux variables ndpendantes, alors E (XY ) = E (X )E (Y ) et
Var(X + Y ) = Var(X ) + Var(Y )
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Proprits
Le thorme suivant joue un rle central :
Thorme
Si X et Y sont deux variables ndpendantes, alors E (XY ) = E (X )E (Y ) et
Var(X + Y ) = Var(X ) + Var(Y )
Preuve
a) Montrons que E (XY ) = E (X )E (Y ) :
E (XY ) = xyP (X = x, Y = y)
=
xyP (X = x)P (Y = y) =
x,y
x,y
par indpendance
xP (X = x) yP (Y = y) = E (X )E (Y ).
x
par indpendance
Var(X ) + Var(Y )
Remarque
De manire gnrale : Var(X + Y ) = Var(X ) + Var(Y ) + 2 (E (XY ) E (X )E (Y ))
Le nombre Cov(X , Y ) = E (XY ) E (X )E (Y ) sappelle la covariance des
variables alatoires X et Y .
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Thorme
En posant E (x) = n1 xi et E (y) = n1 yi , les coefficients a et b de la droite
i
i
des moindres carrs sont gaux :
cov(x, y)
1
a=
et b = E (y) aE (x) avec cov(x, y) = (xi E (x))(yi E (y))
var(x)
n i
1
et Var(x) = (xi E (x))2 .
n i
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Dmonstration
Posons f (a, b ) = (yi axi b )2 . Nous recherchons un couple (a, b ) tel que
i
f
f
=
= 0 ceci conduit rsoudre le systme
b
a
aE (x 2 ) = E (xy) bE (x)
i i i
2(y ax b ) = 0
E (y) = aE (x) + b
i
i
i
aVar(x) = cov(x, y)
aE (x 2 ) = E (xy) (E (y) aE (x)) E (x)
E (y) = aE (x) + b
E (y) = aE (x) + b
2 f
2 f
(a, b ) > 0 et
(a, b ) > 0 ce qui tablit que
a 2
b 2
la solution trouve correspond bien un minimum.
On vrifie aisment que les
Probabilits.
Variables alatoires.
Lois discrtes
Dfinition
On appelle cofficient de corrlation linaire le nombre
Cov(x, y)
(x, y) = p
Var(x)Var(y)
Thorme
Un coefficient de corrlation linaire est toujours compris entre 1 et 1
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Preuve
Ce rsultat est trs similaire au rsultat sur les vecteurs :
|
v 1 ~v2 | ||
v 1 || ||
v 2 || ...
Soit un rel, remarquons que
0 Var(x + y) = Cov(x + y, x + y) = 2 Var(y) + 2Cov(x, y) + Var(x) =
Ceci est un polynme du second degr (en ) de signe constant, son
discriminant est donc ngatif. Cest dire 4Cov 2 (x, y) 4Var(x)Var(y) 0.
Finalement
Cov 2 (x, y)
0
1
Var(x)Var(y)
Thorme
La droite des moindres carrs sera de qualit dautant meilleure que le
coefficient de corrlation linaire sera proche de 1 ou de 1
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Preuve
En effet, la qualit de la droite sera dautant meilleure que la somme des
carrs des erreurs commises sera petite. Cest dire dautant plus que la
"
#2
Cov(x, y)
1
quantit Q = yi E (y)
(xi E (x)) est petite. On vrifie
n i
var(x)
2
Cov (x, y)
. Q est donc petit si et seulement si
aisment que Q = var(y)
Var(y)
2
Cov (x, y)
1
est petit, cest dire si le coefficient de corrlation linaire
Var(x)Var(y)
est proche de 1 ou de 1.
On remarque notamment que pour || = 1, les points (xi , yi ) sont
parfaitement aligns. Lorsque = 0, cela entrane Cov(x, y) = 0 et la droite
des mondres carrs est horizontale (elle a pour quation y = E (y)), il ny a
pas de dpendance entre les points xi et les points yi .
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Preuve
a) Si X est valeurs positives, on peut crire
E (X ) = xP (X = x) + xP (X = x). Les valeurs de x tant positives, on
x<
Do lingalit de Markov.
b) Puisque > 0, crire |X E (X )| quivaut crire (X E (X ))2 2 , de
lingalit de Markov on obtient directement que :
Var(X )
.
P (|X E (X )| ) = P ((X E (X ))2 )
2
Ce qui montre lingalit de Bienayme-Tchebycheff.
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Rappel du plan
1
Probabilits.
Quest-ce quune probabilit ?
Probabilits conditionnelles.
Dnombrements
Variables alatoires.
Quest-ce quune variable alatoire ?
Loi de probabilit dune variable alatoire.
Esprance et variance.
indpendance de variables alatoires
Notion dindpendance
Applications
Rgression linaire et mthode des moindres carrs
Loi faible des grands nombres.
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Epreuves de Bernoulli
Une preuve de Bernoulli est une exprience alatoire avec deux issues
possibles succs avec une probabilit p et chec avec une probabilit
q = (1 p). Une squence de Bernoulli dordre n est la rptition de n
preuves de Bernoulli indpendantes et identiques.
Exemple
On lance trois fois de suite
une pice truque pour
laquelle la probabilit
dobtenir pile est p = 23 . On
gagne 5 pour chaque
sortie de Pile. Ceci
constitue une squence de
trois preuves de Bernoulli
identiques et
indpendantes. On peut
tracer larbre des
possibilits correspondant :
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Variable de Bernoulli
Dfinition
On dit
quune variable alatoire X suit une loi de Bernoulli de paramtre p si
X =
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Loi binomiale
Dfinition / Thorme : loi binmiale
Dans le cas dun schma de Bernoulli dordre n et de paramtre p, la variable
X qui chaque exprience associe le nombre k de succs obt la loi
P (X = k ) = Cnk p k (1 p)nk
Cette loi est note B (n, p).
Usuellement, on reprsente la loi binomiale avec un diagramme en btons :
en abscisse, le nombre de succs et en ordonn la probabilit
correspondante.
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Exemple
Une entreprise produit des batteries de tlphone. Au cours de la production
peuvent apparatre des dfauts indpendants que lon appellera dfaut A et
B . La probabilit du dfaut A vaut 0.02 celle de B vaut 0.01.
On prlve au hasard un chantillon de 100 batteries. La production est
suffisamment importante pour que ce prlvement soit assimil un tirage
avec remise. Soit X la variable alatoire qui tout chantillon de taille 100
associe le nombre de batteries dfectueuses. Quelle est la loi de probabilit
que suit la variable alatoire X ?
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Correction
La probabilit pour quune batterie ait un dfaut est
p = P (A B ) = P (A ) + P (B ) P (A B ). Mais, par hypothse, A et B sont
indpendants donc
p = P (A ) + P (B ) P (A )P (B ) = 0.02 + 0.01 0.01 0.02 = 0.0298.
La variable alatoire X reprsente le nombre de batteries ayant un dfaut
parmi 100 au hasard. Puisque le prlvement des 100 batteries peut tre
assimil 100 tirages avec remise, la situation est bien dcrite par une
squence de Bernoulli dordre n et de paramtre p :
La probabilit pour quil y ait k batteries en panne exactement est
Cnk p k (1 p)nk .
Probabilits.
Variables alatoires.
Lois discrtes
Thorme
Si X est une variable alatoire de loi binomiale B (n, p), alors E (X ) = np et
V (X ) = np(1 p) = npq
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Thorme
Si X est une variable alatoire de loi binomiale B (n, p), alors E (X ) = np et
V (X ) = np(1 p) = npq
Preuve
Si X suit une loi binmiale B (n, p) alors on peut crire X = X1 + Xn ,
chacune des variables alatoires Xi tant une variable de Bernoulli de
paramtre p.
!
P 2
P
Ainsi E (X ) = E (X1 ) + E (Xn ) = np et E (X 2 ) = E
Xi + 2 Xi Xj
i
i <j
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
1
q
et V (X ) =
p
p2
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Preuve
Remarquons que
1
= q k . Par drivation par rapport q, on dduit
1 q k 0
1
1
=
= k q k 1 . Or E (X ) = kpq k 1 = p kq k 1 donc
k 1
k 1
p2
(1 q)2 k 1
p
1
E (X ) =
= .
p
p2
Le principe est le mme pour le calcul de la variance :
2
Par drivation on obtient
= k (k 1)q k 2 , ainsi :
p 3 k 2
2q
1
E (X (X 1)) = E (X 2 ) E (X ) = pq k (k 1)q k 2 =
. Puisque E (X ) = ,
p
k 2
p2
2q 1
on en dduit que E (X 2 ) =
+ , ce qui entrane
p2 p
2q 1
1
q
V (X ) = E (X 2 ) E 2 (X ) =
+
=
p2 p p2
p2
que
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Remarque
Contrairement la loi binomiale, ici ce nest pas s qui varie mais n
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Thorme
Si X suit une loi binomiale ngative de paramtre (s, p) alors E (X ) =
V (X ) = s
(1 p)
p2
s
et
p
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Thorme
Si X suit une loi binomiale ngative de paramtre (s, p) alors E (X ) =
V (X ) = s
s
et
p
(1 p)
p2
Preuve
Cela est immdiat condition de remarquer que si X suit une loi binomiale
ngative de paramtres (s, p) alors on peut crire X = G1 + + Gs , les
variables alatoires (et indpendantes) Gi obissant toutes une loi
gomtrique de paramtre p. On a alors :
sq
s
.
E (X ) = sE (G1 ) = et V (X ) = sV (G1 ) =
p
p2
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
k
k!
2
k
On montre en analyse que pour tout R, e = 1 + +
+ +
+
2!
k!
cela permet de calculer lesprance et la variance dune loi de Poisson.
Moyenne et variance
Si X suit une loi de Poisson de paramtre alors E (X ) = V (X ) = .
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
k
k!
2
k
On montre en analyse que pour tout R, e = 1 + +
+ +
+
2!
k!
cela permet de calculer lesprance et la variance dune loi de Poisson.
Moyenne et variance
Si X suit une loi de Poisson de paramtre alors E (X ) = V (X ) = .
Preuve
E (X ) = e
X k k
k 0
e e = .
k!
= e
X k k
k 1
k!
= e
X
k 1
X k
k
= e
=
(k 1)!
k!
k 0
Probabilits.
Variables alatoires.
Lois discrtes
k
k!
k
2
+ +
+
On montre en analyse que pour tout R, e = 1 + +
2!
k!
cela permet de calculer lesprance et la variance dune loi de Poisson.
Moyenne et variance
Si X suit une loi de Poisson de paramtre alors E (X ) = V (X ) = .
Preuve
X k k
X (k 1 + 1)k
= e
=
(k 1)!
(k 1)!
k 1
k 1
k 1
X k
X k
e
+
= e 2 e + e = 2 + .
(k 2)!
(k 1)!
E (X 2 ) = e
k 2
X k 2 k
k!
= e
k 1
Do V (X ) = E (X 2 ) E (X ) = 2 + 2 = .
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
n
n
k!
nk
La loi de Poisson sobtient pour T = 1 et rsulte de ce que lorsque n tend
n(n 1) (n k + 1)
(T ) k
vers linfini alors
1, de mme 1 n
1 et
k
n
n
(T )
1 n
e T .
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
(T )k
k!
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Un exemple dapplication
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Un exemple dapplication
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Un exemple dapplication
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Un exemple dapplication
Probabilits.
Variables alatoires.
Lois discrtes
Rappel du plan
1
Probabilits.
Quest-ce quune probabilit ?
Probabilits conditionnelles.
Dnombrements
Variables alatoires.
Quest-ce quune variable alatoire ?
Loi de probabilit dune variable alatoire.
Esprance et variance.
indpendance de variables alatoires
Notion dindpendance
Applications
Rgression linaire et mthode des moindres carrs
Loi faible des grands nombres.
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Rappel
Dans le cas des variables alatoires continues, les probabilits sont dfinies
via une densit de probabilit . La fonction est dfinie par la relation :
Zb
(x) dx
P (a X b ) =
a
Moyenne et variance
Les notions de moyenne et de variance sont dfinies de manire analogue et
concervent
R les mmes proprits.
E (X ) = x(x) dx, D tant le support de X .
DR
V (X ) = D (x E (X ))2 (x) dx = E (X 2 ) E (X )2
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Loi uniforme
Dfinition
On parle de loi uniforme dans le cas o la densit de probabilit est
constante, cest dire a la forme suivante :
b a si x [a, b ]
(x) =
0 sinon
Remarque Dans les langage de programmation, la loi uniforme est souvent
reprsente par la fonction rand (). Nous verrons cela en TP.
Exercice : Pouvez-vous dcrire une exprience alatoire bien dcrite par une
loi uniforme ?
Exercice
Montrer que pour la loi uniforme sur un sgment [a, b ] :
b +a
(b a)2
E (X ) =
et V (X ) =
.
2
12
Probabilits.
Variables alatoires.
Lois discrtes
Loi exponentielle
Dfinition
On parle de loi exponentielle (aussi appele loi de dure de vie sans
vieillissement) dans le cas o la densit de probabilit est de la forme :
e x si x 0
(x) =
0 sinon.
Exercice
1 et V (X ) = 1
Montrer que pour la loi exponentielle, E (X ) =
2
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Exercice
Une variable alatoire continue est dite sans mmoire (ou sans
vieillissement) lorsque pour tous rels t 0 et h 0, la probabilit
conditionnelle PX t (X t + h ) pour que X t + h sachant que X > t est
gale la probabilit P (X h ).
Montrer quune variable alatoire X qui suit une loi exponentielle est sans
mmoire.
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Exercice
Une variable alatoire continue est dite sans mmoire (ou sans
vieillissement) lorsque pour tous rels t 0 et h 0, la probabilit
conditionnelle PX t (X t + h ) pour que X t + h sachant que X > t est
gale la probabilit P (X h ).
Montrer quune variable alatoire X qui suit une loi exponentielle est sans
mmoire.
Correction
P (A B )
. Ainsi :
P (A )
P ((X t + h ) (X t))
P (X t + h )
e (t +h )
PX t (X t + h ) =
=
=
=
P (X t)
P (X t)
e t
e h = P (X h ).
On rappelle que PA (B ) =
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Loi normale
Dfinition
On dit dune variable alatoire continue X quelle suit la loi normale
N (m, 2 ) dans le cas o la densit de probabilit est de la forme (on parle
de Gaussienne) :
1
(x) = e
2
(x m)2
2 2 , avec x R, m R et > 0 un rel
Nous
admettrons que pour
la loi N (m, 2 ) :
E (X ) = m et
Var(X ) = 2 .
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
Dispersion
Si une variable alatoire suit une loi normale d moyenne m et de variance
2 , alors :
38% de la population est dans lintervalle [m 0.5 , m + 0.5 ].
68% de la population est dans lintervalle [m , m + ].
86% de la population est dans lintervalle [m 1.5 , m + 1.5 ].
95% de la population est dans lintervalle [m 2 , m + 2 ].
99% de la population est dans lintervalle [m 2.5 , m + 2.5 ].
La proprit remarquable de la loi normale est la suivante :
Thorme : (admis)
Soient X1 et X2 deux variables alatoires indpendantes obissant
respectivement aux lois normales N (m1 , 1 ) et N (m2 , 2 ) alors X1 + X2 suit
aussi une loi normale, la loi N (m1 + m2 , 12 + 22 ).
Probabilits.
Variables alatoires.
Lois discrtes
Lois continues
n
Lorsque n , la variable alatoire Zn tend suivre la loi normale centre
rduite N (0, 1). Plus prcisment, sur tout segment [a, b ], le nombre
x2
Zb
dx
1
P (a Zn b ) converge vers
e 2
.
2 a
Remarques :
Dans le cas o les Xi suivent des lois normales, la dmonstration de ce
thorme est immdiate.
Le thorme central limite est lun des rsultats les plus importants de
la thorie des probabilits. Il donne une valuation de lerreur que lon
commet en estimant une esprance mathmatique par une moyenne
statistique.