Académique Documents
Professionnel Documents
Culture Documents
CH IV Introduction la probabilit
1 Probabilits (rappels)
Terminologie :
Une exprience est dite alatoire lorsquelle a plusieurs issues aussi appeles ventualits
possibles dont on ne peut pas prvoir laquelle sera ralise.
Lensemble de toutes les ventualits constitue lunivers de tous les possibles, il est not .
Les sous-ensembles de lunivers sont appels vnements.
Les vnements forms dun seul lment sont appels vnements lmentaires.
Etant donn un univers, lvnement est lvnement certain.
Lensemble vide est lvnement impossible.
Exemple :
Le lancer dun d six faces constitue une exprience alatoire dissues xi pour i allant de 1 6 et
correspondantes la sortie de la face i du d. Il y a donc 6 issues ou ventualits possibles.
a. Dfinitions :
Hypothses:
est un ensemble non vide. P ( ) est l'ensemble des parties de .
est suppos fini
On appelle Probabilit sur toute application de P ( ) dans l'intervalle [0,1] vrifiant les
axiomes suivants:
Axiome 1: P ( )=1
Axiome 2: Pour tout A et tout B appartenant et si A B , alors
P( A B) P( A) P( B)
E
AB=
Proprit
0 p(A) 1
p() = 0
p(E) = 1
p( A B) = p(A) + p(B)
A
A est lvnement contraire de A
A, B
A et B quelconques
c. L'quiprobabilit:
p( A ) = 1 p(A)
p(A B) = p(A) + p(B) p( A B)
L'quiprobabilit correspond au cas o tous les vnements lmentaires ont la mme probabilit
ceci conduit alors crire:
Pour tout e dans , P{e}=
1
o n est le cardinale de
n
P( A)
P( A B) 2
P( A)
3
b- Dfinition:
Soit P une probabilit sur et soit A un vnement de probabilit non nulle.
La probabilit sachant que A (est ralis) est l'application PA qui, tout vnement B, associe le
nombre :
PA ( B)
P( A B)
P( A)
PA ( B C ) PA ( B) PA (C )
Dfinition:
Les vnements A et b sont indpendants si et seulement si P( A B) P( A) P( B)
Remarque:
3. Dnombrement lmentaire:
Pour calculer des probabilits complexe, l'numration des cas lmentaires est souvent fastidieuse
.Pour faciliter la tche, on utilisera les principes de base de l'analyse combinatoire
a- Principe fondamental
Lorsqu'un vnement peut se produire suivant n1 manire, et qu'immdiatement aprs, un autre
vnement peut se produire suivant n 2 faon, alors les deux vnements peuvent se produire dans
l'ordre considr suivant : n1 n2
Exemple:
S'il y a 3 candidats au poste de dput et celui de maire, les deux fonctions peuvent tre occupes
de .
b- Permutations:
Une permutation de n objets diffrents pris r r est un arrangement de r objets pris parmi n, dans
un ordre bien dtermin
On dsignera par Anr le nombre de permutations de n objets pris r r, donn par:
n!
(n r ) !
Exemple:
Le nombre de permutations de a , b et c prises deux deux est:.
Les permutations sont:.
c- Combinaisons:
Une combinaison de n objets diffrents pris r r est une slection de r objets parmi n sans ordre
dtermin
On dsignera par C nr le nombre de combinaisons de n objets pris r r, ce nombre est donn par:
C nr
n!
r !( n r ) !
4. Probabilit totale:
Considrons une partition
et A1 A2 ........ Ak
Pour un vnement B quelconque, on a d'aprs la figure 1
Figure 1
B ( B A1 ) ( B A2 ) .......... ( B Ak )
Or d'aprs l'axiome 2 et comme les vnements sont disjoints,P(B) peut s'crire:
P( B) P( B A1 ) P( B A2 ) .......... P( B Ak )
(1)
Et comme P( B Ak ) P( B / Ak ) P( Ak ) la relation (1) peut encore s'crire:
P( B) P( B / A1 ) P( A1 ) P( B / A2 ) P( A2 ) .......... P( B / Ak ) P( Ak )
(2)
Cette relation (1 ou 2) est connue sous le nom de ''Loi des probabilits totales"
Application:
Un lyce compte trois classes de terminale. La classe T1, la classe T2 et la classe T3.30% des lves
de terminales sont en T1 ,50 % sont en T2 et 20% sont en T3.
T1 compte 25% de filles, T2 40% de filles et T3 compte 80% de filles.
En choisissant un lve de terminale au hasard, quelle est la probabilit de choisir u ne fille?
Rfrences :
1- Murray R. Spiegel "Statistique cours et problmes", 2me dition
2-J. Trignan "Probabilits Statistiques et leurs applications" dition Bral
3-G.COSTANTINI http://bacamaths.net/
CH V VARIABLES ALEATOIRES
FF
2
FP
1
PF
1
PP
O
C'est une application de vers discrte c'est--dire elle ne prend qu'un nombre fini de
valeurs.
0 ,1
x Pr ob( X x)
Graphiquement:
I c Fonction de rpartition :
Dfinition:
La fonction de rpartition da la V.A. X est la fonction F :
R
[0,1]
xi F ( xi ) P( X xi ) P( X x1 ) P( X x2 ) ...P( X xi )
Cest la probabilit cumule des valeurs jusqu' xi
I- d Proprits :
La fonction de rpartition possde les proprits suivantes :
i) o F ( xi ) 1 , pour tout xi
ii) F ( xi ) F ( x j ) si xi x j
iii) P( X xi ) 1 P( X xi ) 1 F ( xi )
I- e. Valeurs caractristiques :
1) Esprance mathmatique :
Soit X une variable alatoire prenant les valeurs x1, x2 xn avec les probabilits p1,
p2,...pn :
Alors l'esprance mathmatique de X est
E( X )
2) Proprits :
in
in
i 1
i 1
p i xi
xi P( X xi )
a E( X k ) E( X ) k
b E (kX ) kE ( X )
V ( X ) E[( X E ( X )) 2 ] pi xi2 ( E ( X )) 2
L'ecart type est :
4) Proprits :
V (X )
V (X k) V (X )
V (kX ) k 2V ( x)
Exercice :
Dans une banque, un control visuel est effectu sur les chques pour relever des
ventuelles erreurs .Le nombre derreurs est rgi par la loi suivante :
Nombre derreurs
0
P(X=xi)
0. 23
1
0. 33
2
0. 25
3
0. 13
4
0. 05
5
0 01
V ( X ) xi2 P( X xi ) ( E ( X )) 2
i 1
xi
0
1
2
3
4
5
2
i
f (xi)
xi2 P( X xi )
0. 23
0. 33
0. 25
0. 13
0 .05
0. 01
ii) f ( x)dx 1
2) P(a X b) f ( x)dx
a
Exemple :
2 x 0 x 1
f ( x)
0 ailleurs
1) f est elle une densit de probabilit ?
II-2) Fonction de Rpartition :
a- Dfinition :
La fonction de rpartition, not F(X), dune variable alatoire Continue X est :
F ( X ) P( X x)
f (t )dt
b- Proprits :
0
ailleurs
pour x 0 :
pour 0 x 3 :
pour x 3
b) Dterminer P( X 2) :
E ( X ) xf ( x)dx
Var ( X ) E ( X 2 ) ( E ( X )) 2 o
x Var ( X )
Cv
E ( X 2 ) x 2 f ( x)dx
x
E( X )
Exemple :
3
(4 x 2 ) si 0 x 2
f ( x) 16
0
ailleurs
a)Dterminer lesprance mathmatique de X :
b) Dterminer la variance, lcart type et le coefficient de variation
VI VARIABLES ALEATOIRES USUELLES
E( X ) p
variance :
Var ( X ) (0 p) 2 * (1 p) (1 p) 2 * p p(1 p)
2- Loi Binomiale:
2-1-Dfinition :
On considre lexprience de n preuves identiques, chacune donnant lieu 2 ventualits, lune
appele succs, avec la probabilit p, lautre appele chec, avec la probabilit q= 1-p.
Soit X la variable alatoire correspondant au nombre de succs ralis parmi les n preuves.
k 0,1,......n
P ( X k ) Cnk p k (1 p ) n k
On dit que X suit une loi Binomiale de paramtre n et p
Notation : X ~B (n, p) veut dire X suit la loi B (n, p)
2-2- Proprits
10
E(X) = np
Var(X)= npq
2-3- Exercice:
On dispose d'un D 6 faces.
Quelle est la probabilit d'obtenir au moins une fois le 6 en jetant 6 fois le D On jette 6 fois le D
Il y a donc 6 essais identiques chacun donne lieu 2 ventualits:
On considre comme succs "obtenir 6": p=1/6
L'chec est " ne pas obtenir le 6" donc q=5/6
Soit X la V.A correspondant aux succs raliss
Alors X (6,1 / 6)
1. A :"au moins 1 fois le 6" est l'vnement contraire "aucune fois le 6"
1 5
5
P( X 0) C60 ( ) 0 ( ) 6 ( ) 6
6 6
6
5 6
P( A) 1 ( ) O,66
6
2. Comparer cette probabilit celle d'obtenir au moins 2 fois le 6 ,en jettant 12 fois le D?
Donc n=12, X (12,1 / 6)
B " au moins 2 fois le 6" est l'vnement contraire "0 ou 1 fois le 6"
0 1 0 5 12
1 1 1 5 11
P( B) C12
( ) ( )
C12
( ) ( )
6
6
6
6
Alors :
5
5
P ( B ) 1 ( )12 2( )11 0,62
6
6
3- Loi de POISSON :
3-1- Dfinition :
Soit X une variable alatoire valeurs dans .
X suit une loi de POISSON De paramtre
( 0)
si et seulement si : P( X k ) e
Var(X)=
k
k!
3-3- Situations :
Lorsque la ralisation dun vnement est trs rare on utilise la loi de poisson :
o Erreurs dimpression
o File dattente (tlphone, super march .)
o Etc
3-4- Approximation dune loi binomiale par une loi da poisson :
Dune faon gnrale, pour n assez grand et p voisin de 0 si X ~ B (n, p) alors
P( X k ) e
Exercice:
k
, avec np
k!
11
Dans une chane de fabrication ,2% des objets sont dfectueux. On prlve une pice, on
lexamine ,et on la replace dans la chane. On rpte 100 fois cette exprience.
Considrons comme succs la pice est dfectueuse
Donc p=0.02 consquence q=0.98
Soit x la variable correspondant au nombre de succs relevs parmi 100 essais
Alors :
X B(100;0.02)
P( X 5) e 2
Remarque :
Cette approximation peut tre appliqu pour :
n 30 et np 5
n 20 et
25
5!
1
30
f ( x)
1 x 2
(
)
2
2- Reprsentation graphique
f(x)
x
+
Lorsque la distribution des individus dans une population obit la loi normale,
a- 50 % des individus droite de la moyenne et 50 % gauche de la moyenne (la loi normale est
Symtrique)
50 %
12
68 %
+
C.
95 %
2
D.
+ 2
99,7 % des individus entre et (il y a donc trs peu de chances quun individu
scarte de la moyenne de plus de 3).
99,7 %
+ 3
P( X ) P(
f ( x)
1
e
2
x2
2
c) f(x)=f (-x)
P ( X 0) 0.5
P ( X 0) 0.5
c- 1
13
0
Evaluation de
P( X k )
c- 2
On trouve dabord P (0 X k ) .
On soustrait par la suite
le rsultat Obtenu de 0.5
P( X k )
Evaluation de
P( X k )
c-3
P(k1 X k2 )
-k1
k2
k1
k2
Prob (table)
-k2 -k1
14
15
Etape 1:
Anciennet de chmage
Eliminer les donnes non dfinies
et construire le tableau de
contingence.
15-24
Moins de 3 mois
136
De 3 mois 1 an
307.2
De 1 an moins de 2 ans 83.2
2 ans et plus
47.2
Total
573.6
Age
50 et +
25-49
364.9
41.3
787
107.9
413.7
97.7
427.4
155.2
1993
402.1
Total
533.2
1202.1
594.6
629.8
2959.7
Etape 2:
Calculer des statistiques
marginales (uniquement)
Il faut dfinir les centres des
intrvalles pour chaque des
variables (x et y)
Anciennet de chmage
X
Age Y
15-24
y1
25-49
y2
37.5
364.9
50 et +
Tota
y3
57.5
Ni
41.3
542.2
1202.
Moins de 3 mois
x1
1.5
20
136
De 3 mois 1 an
x2
7.5
307.2
787
107.9
De 1 an moins de 2
ans
2 ans et plus (4 an max)
x3
18.0
83.2
413.7
97.7
x4
36.0
47.2
427.4
155.2
Nj
573.6
1993
402.1
594.6
Total
Nj x Yj
Nj x Yj
629.8
2968.
N= 2968.7
age moyen
1
109330.25
nj yj
N j
2968.7
=36.8
2
1
Variance d ' ge n j y 2j n j y j 112.9
N j
N j
anciennet moyenne
1
43204.65
ni xi
N i
2968.7
=14.6
2
1
1077709.275
1
Variance d ' anciennet ni xi2 ni xi
(14.6)
N i
2968.7
N i
Etape 3:
Anciennet de chmage
X
Age Y
16
x1
Xi
Xi
1.5
2.25
15-24
y1
25-49
y2
20
37.5
400
1406.25
136
364.9
De 3 mois 1 an
x2
7.5
56.25
307.2
787
De 1 an moins de 2
ans
2 ans et plus (4 an max)
x3
18.0
324
83.2
413.7
x4
36.0
1296
47.2
427.4
573.6
1993
Total
Nj
Somme de Somme(Xi *Nij)
Somme(Xi *Nij)
MoyenneXj
VarianceXj
Ecart type Xj
Erreur type Xj
EX
17
5704.8
105714
9.95
85.38
9.24
0.386
29282.85
733038.98 2
14.69
151.93
12.33
0.276
Exercice 1
1. Dterminer une quation de la droite de rgression de y en x et indiquer le coefficient de
corrlation linaire.
laide de la calculatrice, on obtient lquation y41165x+94560
(coefficients donns 1
prs)
Le coefficient de corrlation linbaire est : r0,984 . ( 10 3 prs)
2. Complter le tableau par la suite des valeurs zi =lnyi
Anne xi
Consomm
ation yi
(en kF)
zi =lnyi
165 442
187 607
209 333
237 630
274 713
324 830
379 252
431 158
493 493
12,016
12,142
12,252
12,378
12,523
12,691
12,846
12,974
13,109
18
lny0,14x+11,85
ye 0,14x+11,85
x
ye 11,85 ( e 0,14 )
y1400841,15 x
19