Académique Documents
Professionnel Documents
Culture Documents
Communication de Sfax
Anne universitaire
2014-2015
ENETCOM
Cours de Probabilit-Statistiques
labor par les enseignants de lENETCOM
Filires 1ING
Chapitre 1
Rappel de combinatoire - Langage des
probabilits
I Dnombrement
1.1
La rgle de multiplication
1.2
1.2.1
Les combinaisons
Combinaison sans rptition
Dfinition 1 Soit un ensemble n lments distincts, A = {a1 , ,an }. On appelle combinaison sans rptition de p lments choisis parmi les n lments de A, une disposition non
ordonne de ces p lments dans laquelle chaque lment figure une seule fois.
Exemple 2 On tire dune urne, contenant 5 boules, 3 boules simultanment. Dnombrer cette
situation.
Thorme 2 Le nombre de combinaisons sans rptition possibles de p lments parmi n
lments distincts est donn par :
Cnp =
n!
, p n,
(n p)!p!
avec n! = n(n 1) 1, 0! = 1.
Proprit 1
1. Cn0 = 1
2. Cnn = 1
3. Cn1 = n
p
n
Cn1
4. Cnp = np
p1
5. Cnp = np Cn1
p
p1
6. Cnp = Cn1
+ Cn1
P
7. Binme de Newton: a,b IR , n IN, (a + b)n = nk=0 Cnk ak bnk
1.2.2
Dfinition 2 Soit un ensemble n lments distincts, A = {a1 , ,an }. On appelle combinaison avec rptition de p lments choisis parmi les n lments de A, une disposition non
ordonne de ces p lments dans laquelle chaque lment peut figurer plus quune fois.
Exemple 3 Dterminer de combien de faons diffrentes peut-on ranger 5 cahiers indiscernables dans 2 tiroirs discernables, o chaque tiroir peut recevoir un nombre quelconque de
cahiers : 0,1, ,5.
Thorme 3 Le nombre de combinaisons possibles, avec rptition ventuelle, de p lments
parmi n lments distincts est donn par :
p
=
Cn+p1
1.3
1.3.1
(n + p 1)!
(n 1)!p!
Les arrangements
Arrangements sans rptition
Dfinition 3 Soit un ensemble n lments distincts, A = {a1 , ,an }. On appelle arrangement sans rptition de p lments choisis parmi les n lments de A, une disposition ordonne
(p-uplet) de ces p lments dans laquelle chaque lment peut figurer une seule fois.
Exemple 4 Cinq quipes de mme niveau e1, ,e5, participent un tournoi de football. De
combien de faons diffrentes peut-on avoir le classement des trois premires quipes?
Exemple 5 On considre une urne contenant 10 boules. On tire de cette urne 3 boules successivement et sans remise. Dterminer le nombre des rsultats possibles.
Thorme 4 Le nombre darrangements sans rptition de p lments parmi n lments distincts est donn par :
n!
,p n.
Apn =
(n p)!
Proprit 2 Apn = (n (p 1))Ap1
n
1.3.2
Dfinition 4 Soit un ensemble de n lments distincts, A = {a1 , ,an }. On appelle arrangement avec rptition de p lments choisis parmi les n lments de A, une disposition ordonne
(p-uplet) de ces p lments dans laquelle chaque lment peut figurer plus quune fois.
Exemple 6 On tire dune urne, contenant 5 boules, 3 boules successivement avec remise.
Dnombrer cette situation.
Thorme 5 Le nombre darrangements avec rptition de p lments parmi n lments distincts est donn par : np
1.4
Les permutations
1.4.1
Exemple 7 Cinq quipes de mme niveau, e1, ,e5, participent un tournoi de football.
Dterminer le nombre de classements possibles la fin du tournoi.
Thorme 6 Le nombre de permutations (sans rptition) possibles de n lments distincts
A = {a1 , ,an } est donn par
Pn = Ann = n! = n(n 1)(n 2) (2)(1) avec 1! = 1, 0! = 1.
1.4.2
Exemple 8 Cinq tudiants tunisiens, trois tudiants franais et deux tudiants marocains
passent un concours de statistique. Le classement final sera tabli selon la nationalit et indpendamment de tout autre critre. Dterminer le nombre de classements possibles ce
concours.
Thorme 7 Le nombre de permutations, avec rptition, possibles de n lments non tous
distincts est donn par :
Pnn1 nk
k
X
n!
=
, avec
ni = n.
n1 ! nk !
i=1
Dfinition 6
Une exprience E est dite alatoire si le rsultat nest pas prvisible avec
certitude. (on dit aussi preuve alatoire)
Lensemble des rsultats possibles associs une exprience alatoire est appel ensemble
fondamental ou univers, on le note .
Un vnement A est un sous ensemble de cest dire un ensemble de rsultats possibles
de lexprience alatoire.
Lvnement {a}, constitu par un seul lment de est appel vnement lmentaire.
Lensemble vide (aucun rsultat) est appel vnement impossible.
Lensemble est appel vnement certain.
Exemple 9
1. E1 : Jet dun d numrot de 1 6. 1 =?
A1 : " Obtenir un nombre pair en lanant un d "
2. E2 : Jet dune pice de monnaie 2 =?
3. E3 : note obtenue dans une matire 3 =?
1.5.1
1.6
Exemple 11 Vous faites un pari avec une pice de monnaie: vous jetez la pice, vous gagnez
si cest Pile, vous perdez si cest Face.
La connaissance des rsultats possibles de lexprience : = {P,F } nest pas suffisante. On
aimerait savoir quelles sont les chances davoir Pile cest dire de gagner: pour dcrire une
exprience alatoire on aimerait associer chaque vnement sa frquence dapparition.
1.6.1
Espace probabilisable
Dfinition 7 Soit lespace fondamental associ une exprience alatoire et soit P()
lensemble des vnements quon peut former partir de . Le couple (,P()) est appel
espace probabilisable.
Exemple 12 Exprience E: jet dune pice, P()?
Dfinition 8 Soit (,P()) un espace probabilisable. On appelle probabilit sur (,P()),
lapplication P dfinie par:
P : P() [0,1]
A
P (A)
vrifiant les proprits suivantes:
P () = 1
P
P (i Ai ) = i P (Ai ) pour toute runion finie ou dnombrable dlments de P() deux
deux incompatibles
On appelle alors espace probabilis le triplet (,P(),P )
Equiprobabilit Soit un univers fini = {w1 ,w2 , ,wn }. Si tous les vnements lmentaires
ont la mme probabilit, on dit quil y a quiprobabilit. Lespace probabilis est alors uniforme.
Dans ce cas pour tout vnement A,
card(A)
.
card()
P (A) =
P (Ai ) = 1
P (B) =
et
k
X
i=1
P (Ai B)
i=1
7. 0 P (A) 1.
1.7
Probabilit conditionnelle
P (A B)
.
P (B)
Remarque 1
1. Dans le cas o A et B sont incompatibles, P (A/B) = P (B/A) = 0
2. Si B A, P (A/B) = 1
k
X
P (B Ai ) =
i=1
k
X
i=1
P (B/Ai )P (Ai )
5. Thorme de Bayes
P (B/Ai )P (Ai )
P (Ai /B) = Pk
, i = 1, ,k
j=1 P (B/Aj )P (Aj )
6. Un cas particulier:
P (B/A)P (A)
(A),
1.8
Indpendance dvnements
Dfinition 10 Soit A et B deux vnements tels que P (A) 6= 0 et P (B) 6= 0. A et B sont dits
indpendants si la connaissance du fait que B sest ralis na pas dinfluence sur les chances
dapparition de A c..d
P (A/B) = P (A)
et P (B/A) = P (B)
ou encore
A et B sont indpendants ssi P (A B) = P (A)P (B)
Exemple 15 On lance en mme temps deux ds cubiques non truqus. On note les chiffres
qui apparaissent sur les deux ds. soit les vnements A:on trouve 2 en lancant le 1er d et
B: on trouve 5 en lancant le 2eme d.
A et B sont-ils indpendants?
Chapitre 2
Variable alatoire - Fonction de
rpartition
2.1
Variable alatoire
X = {0,1}.
2. Exprience E2 : jet dun d, V : deux fois le nombre obtenu, V = {2,4,6,8,10,12}.
3. Exprience E3 : contrle dun article dans un processus de production.
1 si dfectueux
U=
0 sinon
U = {0,1}.
4. Exprience E4 : contrle de n articles. W : nombre darticles dfectueux. W = {0,1, ,n}.
5. Exprience E5 : rception dappels tlphoniques au standard dun tablissement. Y :
nombre dappels. Y = {0,1, } = IN.
6. Exprience E6 : exploitation dun ordinateur. T : dure de service. T = [0, + [
Dfinition 12 Une variable alatoire X est dite:
discrte si X est dnombrable ou fini (exemple:X,V,U,W,Y ).
8
= 0) = P ({w1 }) = 1/4,
= 1) = P ({w3 ,w2 }) = 2/4,
= 2) = P ({w4 }) = 1/4,
= 3) = P () = 0.
2.2
Fonction de rpartition
2.2.1
Dfinition et exemple
2.2.2
1. Proprits caractristiques
Thorme 8 La fonction de rpartition dune variable alatoires X a les proprits
caractristiques suivantes:
1)
2)
3)
4)
limx FX (x) = 0
limx+ FX (x) = 1
FX est croissante: x1 x2 , F (x1 ) F (x2 )
FX est continue droite en x, x IR
2. Autres proprits
(a) FX admet en tout point a une limite gauche FX (a) et on a:
P (X = a) = FX (a) FX (a).
(b) La connaissance de la fonction de rpartition permet de calculer la probabilit de
tout intervalle:
XP (X a) = FX (a)
XP (X < a) = FX (a)
XP (X a) = 1 FX (a)
XP (X > a) = 1 FX (a)
XP (a < X b) = FX (b) FX (a).
XP (a < X < b) = FX (b) FX (a).
XP (a X < b) = FX (b) FX (a).
XP (a X b) = FX (b) FX (a).
(c) Les atomes de la variable alatoire X, c--d les rels a pour lequel P (X = a) > 0,
sont exactement les points de discontinuit de la fonction de rpartition. La fonction
de rpartition dune variable alatoire X est donc continue si et seulement si X na
aucun atome, i.e. si et seulement si
x IR,P [X = x] = 0.
Remarque 2 (a) Lensemble S des atomes de la variable alatoire X est fini ou dnombrable.
(b) Si P (X S) = 1, alors X est une v.a discrte.
10
Chapitre 3
Variables alatoires discrtes - Lois
discrtes usuelles
3.1
Loi de probabilit
Dfinition 14 On appelle loi (ou distribution) de probabilit dune v.a. discrte X, la fonction
qui tout x X associe P (X = x).
Exemple 20 Dterminons la loi de X dans lexemple prcdant: jet dune pice deux fois
X
P (X = x) = 1
Remarque 3 On peut faire la vrification:
xX
3.2
Proprit 5 Pour les variables alatoires discrtes X les plus courantes (par exemple, les lois
uniformes, binomiales, de Poisson) X est un ensemble bien ordonn : on peut alors numroter
ses lments de manire croissante : s1 < s2 < s3 < ... On a alors:
P
Xsi x [si ,si+1 [, FX (x) = 1ji P [X = sj ].
XP [X = sj ] = FX (sj ) FX (sj1 ) j {2,3,...} et P [X = s1 ] = FX (s1 ).
Proprit 6 La fonction de rpartition est alors une fonction constante par intervalles et sa
reprsentation graphique est en escalier. Les sauts dune marche lautre de lescalier se situent
aux abscisses si , et lamplitude du saut dabscisse s est ps = FX (s) FX (s ).
3.3
3.4
Dfinition 15 Soit la v.a. discrte X et X son ensemble de ralisations. Soit (X) une
fonction de X. On appelle esprance mathmatique de (X) le rel:
X
E((X)) =
(x)P (X = x).
xX
yP (Y = y)
yY
p
On appelle cart-type le rel positif X = V (X).
Exemple 23 Calculer E(X) et V (X) dans lexemple prcdent.
Proprit 7 Soit X et Y deux v.a. et a une constante relle
1. E(aX) = aE(X).
2. E(X + Y ) = E(X) + E(Y ).
3. E(a) = a.
4. V (aX) = a2 V (X)
5. V (X + a) = V (X).
3.5
3.5.1
Exemple 24 On jette une pice non quilibre: Pile apparait avec la probabilit p (0 < p < 1)
et Face avec la probabilit (1 p). Soit la v.a.
1 si Pile (succs)
X=
0 si Face (echec)
Dfinition 17 La v.a. X suit une loi de Bernouilli de paramtre 0 < p < 1 , lensemble de
ses valeurs est X = {0,1} et on a
x
p (1 p)1x si x {0,1}
P (X = x) =
0
sinon
On note X B(p).
12
Proprit 8
1. E(X) =
2. V (X) = p
p p2
3. (X) = p p2
3.5.2
xX
xP (X = x) = p
Loi Binomiale
3.5.3
Loi de Poisson
3.5.4
Dfinition 20 Une v.a. X suit une loi uniforme discrte si X = {1,2, ,n} et
1
si x = 1,2, ,n
n
P (X = x) =
0 sinon
On note X U{1,2, ,n}
Proprit 11 X U{1,2, ,n} ,
E(X) =
n+1
,
2
V (X) =
n2 1
.
12
3.5.5
Loi gomtrique
Exemple 29 On jette une pice jusqu obtenir un Pile, avec p: probabilit davoir Pile,
0<p<1
X : rang du premier Pile obtenu. X = IN ,
P (X = x) = P (F F F P ) = (1 p)x1 p, x IN
alors X suit une loi gomtrique de paramtre p
1
1p
E(X) = , V (X) =
.
p
p2
14
Chapitre 4
Variables alatoires continues - Lois
continues usuelles
Dfinition 21 Une v.a. est dite continue si elle peut prendre toutes les valeurs dans un
intervalle donn (born ou non born)
4.1
Loi de probabilit
IR
A+
1.
2.
3.
4.
4.2
Dterminer c
Quelle est la fonction de rpartition F associe cette loi de probabilit.
Dterminer P (1 < X < 3)
Dterminer X
Proprit 13
1. Pour tous rels a et b tels que a < b on a P (a < X b) = FX (b)FX (a) =
Rb
f (t)dt.
a
2. FX est continue sur IR. De plus en tout point x o f est continue FX0 (x) = f (x).
Thorme 9 La fonction de rpartition dune variable alatoires continue X densit a les
proprits caractristiques suivantes:
1) limx FX (x) = 0 et limx+ FX (x) = 1
2) FX est continue sur IR
3) FX est croissante: x1 x2 , F (x1 ) F (x2 )
4) FX est de classe C 1 sur IR sauf peut tre en un nombre fini de points
4.3
V (X).
t f (t)dt(
IR
IR
tf (t)dt)2 .
4.4
4.4.1
Dfinition 25 Soit a et b deux rels tels que ab. On dit que X suit la loi uniforme sur [a,b]
si X = [a,b] et la densit de X est
f (t) =
1
1[a,b] (t)
ba
Proprit 15 Si X suit une loi uniforme sur [a,b] alors sa fonction de rpartition est F
si x a
0
xa
si a x b
F (x) =
ba
1
si x b
E(X) =
a+b
2
et V (X) =
(ba)2
.
12
Exemple 31 Le temps dattente en minutes pour accder des donnes suit une loi uniforme
sur [1,6]. Dterminer la probabilit dattendre au moins 4 minutes. Dterminer le temps dattente moyen.
Rponse: P (X 4) = P (4 X 6) = F (6) F (4) = 1 3/5, E(X) = 7/2
4.4.2
Loi exponentielle
Dfinition 26 Soit un rel strictement positif. On dit que X suit la loi exponentielle de
paramtre , et on note
X
E(),
si sa densit de probabilit est donne par:
f (t) = et 1[0,+[ (t).
Proprit 16 Si X suit une loi exponentielle de paramtre alors sa fonction de rpartition
est
0
si t 0
FX (t) =
t
1e
si t 0
E(X) =
1
1
et V (X) = 2
4.4.3
Loi normale
N (m, 2 ) Y = aX + b
17
N (am + b,a2 2 ).
X m
suit une loi N (0,1)
18