Vous êtes sur la page 1sur 18

www.elmerouani.jimdo.

com

20/02/2010

Plan gnral:

lM
E

1re partie:

Statistique applique la
logistique

Introduction (Dfinition de la Logistique)

2me partie:
Mise niveau (Rappel)

Pr. Mohamed El Merouani

3me partie:
Applications en Logistique

ero
1

Mohamed El Merouani

Mohamed El Merouani

ni

ua
FP
Te

1re Partie (Plan):


Dfinition de la Logistique.
Les fonctions Logistiques.
Evolution du concept.
Les enjeux de la Logistique.
Les facteurs de la Logistique.

Dfinition de la logistique :

tou

Introduction:

L'art du calcul logique et du


raisonnement .

an

 Fonction pour satisfaire les besoins


internes et externe de lentreprise
 Cest une fonction transversal dans
lentreprise

Mohamed El Merouani

Mohamed El Merouani

www.elmerouani.jimdo.com

Description des fonctions


logistiques

lM
E

Flux de
produits

Achat des matires premires

Logistique de
produits

volution du concept :
Dans les annes 70 :

Logistique
industrielle

Transport des matires premires

La logistique ce limit la fonction


transport .

Production et gestion
de production

Transport des produits finis

Logistique de
stockage

Entreposage

A nos jours :

Transport des commandes

Logistique de
soutien

Logistique de
distribution

Distribution
Aprs vente

Maintenance

20/02/2010

ero

Flux
dinformations

Mohamed El Merouani

Elle se rapporte l'ensemble des activits


qui touchent la fois les flux physiques
et les flux d'information.
Mohamed El Merouani

ni

ua
FP
Te

Les Facteurs de la logistique :

Les enjeux de la logistique :


Amliorer la ractivit de l'entreprise et
clairer les choix stratgiques

La gestion des approvisionnements

tou

La gestion du stock

Linnovation et Lamliorer de la matrise


des cots logistique

La gestion du transport

la logistique permet une meilleure


matrise des cots

an

La maintenance logistique
la logistique conditionne galement
l'externalisation et la diversification de l'entreprise
Mohamed El Merouani

Mohamed El Merouani

www.elmerouani.jimdo.com

20/02/2010

2me Partie (Plan):

lM
E

Notion de probabilit.
Variables alatoires.
Quelques lois de probabilits usuelles.
Addition de variables alatoires
indpendantes

Notion de probabilit

ero
Mohamed El Merouani

Mohamed El Merouani

10

ni

ua
FP
Te

Dfinitions de probabilit

Notion dvnement

Un vnement est la ralisation dun


rsultat possible.
On dit que cet vnement est alatoire
lorsque sa ralisation est soumise au
hasard.
Exemples:

tou

Il existe plusieurs dfinitions:


Dfinition frquentielle
Dfinition axiomatique ou ensembliste
Dfinition bayesienne

an

Obtenir 5 en lanant un d
Amener face en lanant une pice de
monnaie,
Mohamed El Merouani

11

Mohamed El Merouani

12

www.elmerouani.jimdo.com

Notation ensembliste

20/02/2010

Dfinitions de probabilit

lM
E

Frquentielle:

Lensemble de tous les rsultats


possibles, on le note et appel
ensemble fondamental.
Les vnements sont des parties (des
sous-ensembles) de , sont nots A, B,
C,

P( A) =

Axiomatique:
chaque vnement A, on associe un nombre P(A) qui
exprime le degr de possibilit de ralisation de
lvnement A avec 0 P ( A ) 1 appel probabilit
de lvnement A vrifiant les proprits suivantes:
 P()=1
 Si A et B sont deux vnements tels que AB= alors
P(AUB)=P(A)+P(B)

ero
13

Mohamed El Merouani

nbre de cas favorables


nbre de cas possibles

Mohamed El Merouani

14

ni

ua
FP
Te

Probabilit conditionnelle:

P (B I A)
avec
P ( A)
Mohamed El Merouani

P(A / B) =

P(A I B)
P(B)

avec P(B)>0

On dduit alors que

an

P (B / A) =

Analogiquement, on peut dfinir:

tou

Soit un vnement A tel que P(A)>0.


La probabilit dun vnement B calcule
sous la condition que A a t ralis, que
lon note P(B/A) sappelle la probabilit
conditionnelle de lvnement B par
lvnement A et on a:

P ( A I B ) = P ( B / A) P( A)
et

P(A)>0
15

P ( A I B) = P( A / B) P( B )
Thorme des probabilits composs
Mohamed El Merouani

16

www.elmerouani.jimdo.com

Evnements dpendants et
vnements indpendants:

Dpendance et indpendance
des vnements:

lM
E

On considre deux vnements A et B.


Lvnement A est dit indpendant de
lvnement B si sa probabilit ne dpend
pas de la ralisation ou de la nonralisation de B, cest--dire P(A/B)=P(A).
Dans le cas contraire, si P(A/B)P(A),
lvnement A dpend de B.

La dpendance et lindpendance des


vnements sont toujours mutuelles: si A
ne dpend pas de B, B non-plus ne
dpend pas de A, et inversement.
Les vnements A et B sont dits
indpendants, si lapparition de lun deux
ninflux pas sur la probabilit de
lapparition de lautre.

ero
Mohamed El Merouani

20/02/2010

Mohamed El Merouani

17

18

ni

ua
FP
Mohamed El Merouani

19

Variables alatoires.

an

P ( A I B ) = P( A) P ( B )

tou

Le thorme des probabilits composs


acquiert une forme particulirement simple
lorsque les vnements qui constituent le
produit sont indpendants:

Te

Dpendance et indpendance
des vnements:

Mohamed El Merouani

20

www.elmerouani.jimdo.com

Variables alatoires

Variables alatoires

lM
E

Une variable alatoire note X est une application de


lensemble fondamental dans lensemble IR des
nombres rels, qui fait correspondre tout vnement A
un nombre rel.
Exemple:
Pour lexprience du lancement dune pice de monnaie:
X:
IR
{amener pile}
X({amener pile})=0
{amener face}
X({amener face})=1
Et on a

P(X=0)=1/2;

20/02/2010

P(X=1)=1/2

Il y a deux types de variables alatoires:


Variable alatoire discrte
Variable alatoire continue

Si X prend des valeurs discrtes 0, 1, 2,


elle est dite discrte.
Si X prend des valeurs continues sur tout
un intervalle de IR, par exemple [a, b], elle
est dite continue.

ero
Mohamed El Merouani

21

22

Mohamed El Merouani

ni

ua
FP
Exemple

Pour lexprience de lancement dune pice de


monnaie, on a:
P(X=0)=1/2;
P(X=1)=1/2
Alors
P(X=0)+P(X=1)=1
La loi de probabilit de X est rsume par le
tableau suivant:

tou

Discrte:
La loi de probabilit dune variable
alatoire X est dfinie par:
Les valeurs que peut prendre X: x1, x2,,xn.
Les probabilits de ces valeurs P(X=xi)=pi

23

xi

pi

1/2

an

Mohamed El Merouani

Te

Loi de probabilit dune variable


alatoire:

pi

1/2

Mohamed El Merouani

24

www.elmerouani.jimdo.com

lM
E

Continue:
Les valeurs que prendre X sont continues, alors
la probabilit de ces valeurs est une fonction
continue f, appele fonction densit de
probabilit.
Proprits de la densit:
La fonction f est valeurs positives sur lensemble de
dfinition D de la variable alatoire X
La fonction f est nulle en dehors de D lensemble de
dfinition de X.
Lintgrale de f sur D lensemble de dfinition de X est
gale 1.

Esprance mathmatique:
Discrte:
Lesprance mathmatique dune v. a. discrte
X, note E(X) est:
n
n

E( X ) = xi P( X = xi ) = xi pi

i=1
i=1
Continue:
Lesprance mathmatique dune v. a. continue
X, est donne par:
+

E ( X ) = x f ( x) dx

f ( x )dx = 1

ero

20/02/2010

25

Mohamed El Merouani

26

Mohamed El Merouani

ni

ua
FP
Te

Proprits de lesprance:

Variance :

La variance dune v.a. X, note Var(X) est


dfinie par:

tou

Soient X et Y deux v. a., et et deux rels


quelconques, alors:

Var ( X ) = E ( X E ( X )) 2

E (X + ) = E ( X ) +

E ( X + Y ) = E ( X ) + E (Y )

Ou encore:

E ( X Y ) = E ( X ) E (Y )

Var ( X ) = E ( X 2 ) ( E ( X )) 2

27

an

Mohamed El Merouani

Mohamed El Merouani

28

www.elmerouani.jimdo.com

cart-type:

20/02/2010

Fonction de rpartition:

lM
E

Lcart-type dune variable alatoire X, not (X),


est dfini comme la racine carre de sa variance,

(X) = Var(X)

La probabilit pour que la variable


alatoire X prenne une valeur infrieure ou
gale x est une fonction F(x).
Cette fonction est appele fonction de
rpartition de x.
F(x)=P(Xx).
La fonction F(x) est une fonction en
escalier, croissante de 0 1.

ero
29

Mohamed El Merouani

30

Mohamed El Merouani

ni

ua
FP
Te

Exemple de fonction de
rpartition:

Reprsentation graphique de F(x):

Pour lexprience de lancement dune pice de


monnaie, on a la loi de probabilit de X est
rsume par le tableau suivant:
0

pi

pi

1/2

1/2

tou

xi

F(x)

1/2

0 si x < 0

F(x) = 1 / 2 si 0 x < 1
1 si x 1
Mohamed
El Merouani

31

an

Sa fonction de rpartition sera:

Mohamed El Merouani

32

www.elmerouani.jimdo.com

Fonction de rpartition dune v.a.


continue:

20/02/2010

Reprsentation graphique de F(x)


continue:

lM
E

On dfinit la fonction de rpartition F dune v. a.


continue X de la mme manire que pour une
v.a. discrte, cest--dire F(x)=P(Xx).
x
La fonction continue F( x ) = f ( t )dt est
croissante de 0 1 lorsque x varie de - +.
Par consquent, une v.a. continue est une v.a.
dont la fonction de rpartition est continue.
La fonction de densit f dune v.a. continue X
est la drive de da fonction de rpartition F,
cest--dire F(x)=f(x).

F(x)

ero
33

Mohamed El Merouani

Mohamed El Merouani

34

ni

ua
FP
Te

Loi de probabilits conjointes de


deux v. a. discrtes:

Consquences:
Pour X v.a. continue on a:
P(X=c)=0 avec c une constante relle.
P(a<X<b)=F(b)-F(a) avec a et b des relles.
a
P(Xa)=P(X<a) = f (t ) dt

Un couple de v. a. (X, Y) peut prendre les valeurs


successives suivantes:
(x1,y1) ; (x2,y2) ; ; (xi,yj) ; ; (xn,ym)
A chaque couple (xi,yj) correspond une probabilit
pij dobserver simultanment la valeur xi pour X et
la valeur yj pour Y:
pij=P(X=xi et Y=yj)=P(X=xi, Y=yj)
n
m
On a

tou

an

P(Xb)=P(X>b) = b f (t) dt

p =1
i =1 j =1

Mohamed El Merouani

35

ij

Mohamed El Merouani

36

www.elmerouani.jimdo.com

Loi de probabilits conjointes de


deux v. a. continues:

lM
E

La loi de probabilit conjointes dun couple de


v. a. (X,Y) est dfinie lorsquon connat:
1. Le domaine de dfinition du couple (o la
fonction de densit de probabilit est non
nulle) et;
2. La fonction de densit de probabilit conjointe
f qui doit vrifier:
a.
b.

20/02/2010

Indpendances des variables


alatoires discrtes :
Deux v. a. discrtes X et Y sont dites
indpendantes si
P(X=xi; Y=yj)=P(X=xi).P(Y=yj)
pour tout xi et yj.

f(x,y) 0
f(x,y)dxdy = 1
+

ero

37

Mohamed El Merouani

38

Mohamed El Merouani

ni

ua
FP
Covariance entre deux variables
alatoires:

Te

Indpendances des variables


alatoires continues :

La covariance entre deux v. a. X et Y, note


Cov(X,Y), est dfinie par
Cov(X,Y)=E(XY)-E(X)E(Y)
Cas discrt:

tou

Deux v. a. continues X et Y de fonctions de


densits de probabilits marginales respectives
f1 et f2 et de fonctions de probabilit conjointe f
sont dites indpendantes si et seulement si

Cov(X,Y) = x y P( X = x ,Y = y ) E( X )E( Y )

f(x,y) = f (x ). f ( y )
2

i=1 j=1

an

Cas continue:

Cov(X ,Y) = x y f(x,y) dx dy E ( X ) E ( Y )


Mohamed El Merouani

39

Mohamed El Merouani

40

10

www.elmerouani.jimdo.com

Coefficient de corrlation entre


deux v. a. :

Proprites:

lM
E

Soient X et Y deux v. a., alors on a:

Le coefficient de corrlation entre deux v. a. X


et Y, note xy est dfini par

a) E(XY)=E(X)E(Y)+Cov(X,Y)
b) Var(X+Y)=Var(X)+Var(Y)+2Cov(X,Y)
c) Var(X+)=2Var(X) o et sont deux rels
quelconques.

20/02/2010

=
xy

Si les variables X et Y sont indpendantes,


alors:

Cov( X ,Y )
Cov( X ,Y )
=
Var( X )Var( Y )

X

Le coefficient de corrlation varie entre -1 et 1:

a) Cov(X,Y)=0
b) E(XY)=E(X)E(Y)
c) Var(X+Y)=Var(X)+Var(Y)

-1 1
xy

ero
41

Mohamed El Merouani

Mohamed El Merouani

42

ni

ua
FP
tou

Te
Quelques lois de probabilits
usuelles

Quelques lois de probabilits


usuelles
Lois de probabilits discrtes

43

an

Mohamed El Merouani

Mohamed El Merouani

44

11

www.elmerouani.jimdo.com

Loi de Bernoulli:

20/02/2010

Loi de Bernoulli:

lM
E

Une v. a. X suit une loi de Bernoulli si elle


prend les deux valeurs 1 et 0 avec
P(X=1)=p et P(X=0)=q o p+q=1.
{X=1} est dit vnement succs et {X=0}
est dit vnement chec.
X reprsente donc le nombre de succs
obtenu aprs la ralisation dune seule
exprience alatoire.

La loi de probabilit de X suivant une loi de


Bernoulli est:
xi

pi

q=1-p 1

Alors E(X)=xipi=1xp+0xq=p
Var(X)=xi2pi-E(X)2=px12+qx02-p2=p-p2
Var(X)=p(1-p)=pq

ero
45

Mohamed El Merouani

pi

Mohamed El Merouani

46

ni

ua
FP
Loi Binmiale:

Soit se ralise avec la probabilit p (p=probabilit du


succs).
Soit ne se ralise pas avec la probabilit q=1-p
(q=probabilit dchec).

k!(n k )!

an

La probabilit de k ralisation (succs) de cet


vnement, au cours de n rptitions
successives indpendantes de la mme
exprience, est fournie par la loi de probabilit
binmiale:
k k nk

On la note symboliquement B(n, p).


La loi binmiale est une loi de probabilit
discrte, mais finie; en effet, le nombre de
ralisation k est gale 0, 1, 2, , n.
n!
Le coefficient C k =

tou

Considrons, lors dune certaine exprience, un


vnement qui:

o n! et k! indiquent le factoriel de n et de k,
on a:
n!=1x2x3xxn

P( X = k ) = Cn p q
Mohamed El Merouani

Te

Loi Binmiale:

47

Mohamed El Merouani

48

12

www.elmerouani.jimdo.com

Loi Binmiale:

Loi de Poisson:

lM
E

20/02/2010

Esprance mathmatique: E(X)=np


Variance mathmatique: Var(X)=npq
Ecart-type: (X)=npq
La loi binmiale rend compte de tous les
phnomnes rpts de manire
indpendante pouvant prendre deux tats,
tels que: succs ou chec, tout ou rien.

On dit quune v. a. obit une loi de Poisson, si


elle est susceptible de prendre toutes les
valeurs entires 0,1,2,,k,,n, les probabilits
associes tant p0,p1,p2,,pk,,pn, avec
e .k
pk = P ( X = k ) =
k!
tant un paramtre positif, et e la base des
logarithmes npriens.
La constante sappelle le paramtre de la loi.
La loi de Poisson est note P().

ero
Mohamed El Merouani

49

Mohamed El Merouani

50

ni

ua
FP
Te

Loi de Poisson:
Esprance mathmatique: E(X)=
Variance mathmatique: Var(X)=
Ecart-type: (X)=
La loi de Poisson est appele loi des
petites probabilits. On lutilise pour
reprsenter des phnomnes rares, tels
que: nombre daccidents, nombre de
pannes, nombre de dchets dans une
fabrication

Quelques lois de probabilits


usuelles
Lois de probabilits continues

51

an

Mohamed El Merouani

tou

Mohamed El Merouani

52

13

www.elmerouani.jimdo.com

20/02/2010

Reprsentation graphique de
N(x,):

Loi Normale:

lM
E

La loi normale est la loi de probabilit dune v.a.


continue X, dont la densit de probabilit est:
(x x )2

1
2 2
f ( x) =
e
2
On dit que lon est en prsence de la loi
normale de moyenne x et dcart-type .
On la note par N(x, )
Les deux paramtres de la loi sont x et .

f(x)

1
2
1
1
e2
2

ero
Mohamed El Merouani

53

x +

Mohamed El Merouani

54

ni

ua
FP
Te
Variable norme:

tou

Soit une v.a. X de ralisations xi de moyenne X


et dcart-type X.
Dfinissons une nouvelle v.a. T de ralisations ti
x x
telle que:
X X de ralisations
ti = i
T=
x
X

Loi normale centre, rduite

an

La v.a. T de ralisations ti est dite norme, si:

La moyenne arithmtique t est nulle: t=0 (centre)


Lcart-type t est gal lunit: t =1 (rduite).

Mohamed El Merouani

55

Mohamed El Merouani

56

14

www.elmerouani.jimdo.com

Dfinition de la loi normale centre


rduite:

20/02/2010

Allure et proprit de la loi normale


rduite:

lM
E

f(t)

En faisant le changement de variable


t=

xx

la loi normale N(m,) scrit:


[

( t + x ) x

f ( x) =

1
e
2

2 2

]2

t 2 2

1
2 2
e
=
2

-x

t2

1
e 2
2

x
t

cette loi est la loi normale, centre rduite, car elle est de
moyenne nulle et dcart-type gal lunit. On la note
N(0,1).

ero
57

Mohamed El Merouani

Cest une fonction symtrique par rapport laxe des


ordonnes car elle est paire f(-x)=f(x)
Ainsi les tables de la loi normale centre rduite, donnent
les valeurs de la fonction f(t) uniquement pour des valeurs
positives de la variableMohamed
t.
58
El Merouani

ni

ua
FP
Fonction intgrale de la loi normale
centre rduite:

Te

La probabilit pour que T prenne


une valeur de lintervalle (t1,t2)

On dfinit la fonction intgrale (t) de la loi


normale centre rduite, en intgrant la fonction
f(t) densit de probabilit de t:

1
P(t1 < T < t 2 ) =
2

t1

t 2

dt

(a ) =

f (t ) dt =

f(t)

59

1
e
2

t 2
2

dt

an

Mohamed El Merouani

t2

tou

Scrit alors:

Mohamed El Merouani

60

15

www.elmerouani.jimdo.com

Proprits:

Exercice:

lM
E
On dmontre que:

20/02/2010

La taille dun groupe de 2000 personnes


obit une loi normale N(170 cm, 5 cm).
On demande de dterminer:
1. Le nombre de personnes dont la taille
est comprise entre 168cm et 175cm.
2. La probabilit pour quune personne ait
une taille suprieure 180cm.

f (t )dt = 1

Laire comprise entre la courbe N(0,1) et laxe


des t est gale lunit.

ero
61

Mohamed El Merouani

Mohamed El Merouani

62

ni

ua
FP
Te

Solution:

X 170
T=
5

Mohamed El Merouani

63

an

Alors P(168<X<175)=P(-0,4t+1)=
=(1)- (-0,4)= (1)-(1- (0,4))=
=(1)+ (0,4)-1
Soit, en cherchant les valeurs de (1) et de (0,4) dans
la table de la fonction intgrale de la loi normale centre
rduite: croisement de la ligne 1,0 et de la colonne
0,00; croisement de la ligne 0,4 et de la colonne 0,00.

P(168x175)=0,8413+0,6554-1=0,4967
Il y a donc: 2000x0, 4967993personnes dont
la taille est comprise entre 168cm et 175cm.
2. La probabilit pour quune personne ait une
taille suprieure 180cm est:
P(X>180)=P(T>2)=1-(2)=1-0,9772=0,0228
soit une probabilit de 2,3%.
Il y a alors vraisemblablement
2000x0,022845personnes dont la taille
dpasse 180cm.

tou

1. Dfinissons la variable centre rduite T partir de la


variable alatoire X:

Mohamed El Merouani

64

16

www.elmerouani.jimdo.com

20/02/2010

Addition de variables alatoire


binomiales indpendantes:

lM
E

Soit X une v. a. obissant une loi


binomiale B(n,p) et Y une v. a. obissant
une loi binomiale B(m,p).
Si X et Y sont deux v. a. indpendantes,
on dmontre que:
La v. a. Z=X+Y suit une loi binomiale
B(n+m,p)

Addition de variables alatoire


indpendantes

ero
Mohamed El Merouani

65

Mohamed El Merouani

66

ni

ua
FP
67

an

Mohamed El Merouani

Soit X une v. a. obissant une loi normale N (x , x )


et Y une v. a. obissant une loi normale N ( y, y )
Si X et Y sont deux v. a. indpendantes, on
dmontre que:
 La v. a. Z=X+Y suit une loi normale N (z , z ) :
de moyenne
z =x+y
dcart-type
2
2

tou

Soit X une v. a. obissant une loi de


Poisson P() et Y une v. a. obissant une
loi de Poisson P()
Si X et Y sont deux v. a. indpendantes,
on dmontre que:
La v. a. Z=X+Y suit une loi de Poisson
P(+).

Te

Addition de variables alatoire


normales indpendantes:

Addition de variables alatoire


de Poisson indpendantes:

z = x + y
Mohamed El Merouani

68

17

www.elmerouani.jimdo.com

20/02/2010

Rfrences:

lM
E

 La v.a. V=X-Y suit une loi normale N (v , v )


de moyenne v = x y
dcart-type v = x2 + y2
Ce thorme se gnralise au cas de n variables
indpendantes.

Abdelmajid Gagou: Introduction aux


probabilits: cours avec exercices corrigs ,
Impremerie de Fedala, 1re dition, 1996.
M. Ellatifi: Exercices et problmes rsolus
de statistiques-1: Probabilits , Afrique
Orient, 1984.
Mustapha Kchirid: Calcul des probabilits:
Exercices corrigs avec rappel de cours ,
Editions El Badil, 2me dition, 2002.

ero
Mohamed El Merouani

69

Mohamed El Merouani

70

ni

ua
FP
tou

Te
an
18