22/09/2013

tapes de ltude de la
statistique:

Calcul des
probabilits

Statistique descriptive
Calcul des probabilits
Infrence statistique

Mr Morad Lemtaoui

Mr LEMTAOUI MORAD

Plan du cours :
La thorie des probabilits est la
partie la plus abstraite de la
statistique.

Chapitre 1 : analyse combinatoire

Chapitre 2 : axiomatique des probabilits
Chapitre 3 : variables alatoires
Chapitre 4 : Lois de probabilits discrtes
Chapitre 5 : Lois de probabilit continues

Mr LEMTAOUI MORAD

Elle traite des phnomnes alatoires

et sest dveloppe dans des salles
de jeu, ce qui explique le fait que la
majorit des exemples retenus sont
emprunts aux jeux de hasard.
3

Mr LEMTAOUI MORAD

22/09/2013

La thorie des probabilits est

lintermdiaire entre la statistique
descriptive qui traite des sries
statistiques directement, et
linfrence statistique qui comprend
les valeurs statistiques comme les
indicateurs indirects de valeurs
vraies mesures par
chantillonnage

Mr LEMTAOUI MORAD

Chapitre 1 : Analyse combinatoire

Dfinition : Lanalyse combinatoire ou
encore le dnombrement est une mthode
labore de comptage.
But : Elle a pour but le dnombrement
des diffrentes dispositions que lon peut
former partir dun ensemble dlments
ou dobjets.

Principes fondamentaux de
comptage :

Remarque :

Pour effectuer des dnombrements, deux

rgles (principes) sont souvent utilises :
addition et produit.
Rgle daddition : Si on peut choisir un
objet A de n1 faons et un objet B de n2
faons, alors on peut choisir A ou B de n1+n2
faons.
Rgle de produit : Si on peut choisir un
objet A de n1 faons et un objet B de n2
faons, alors on peut choisir A et B de n1.n2
faons.
Mr LEMTAOUI MORAD

Mr LEMTAOUI MORAD

La deuxime rgle peut tre gnralise

plusieurs objets.

Mr LEMTAOUI MORAD

22/09/2013

Exemple :
V1

valuer le nombre de manires de

shabiller la fois dun pantalon, dune
chemise et dune veste si lon dispose de
2 pantalons, de 3 chemises et de 2 vestes.

C1
V2
V1
P1

C2
V2
V1
C3
V2

V1
C1
V2
V1
P2

C2
V2
V1
C3
V2

N = 2 * 3 * 2 = 12 faons diffrentes de shabiller.

Mr LEMTAOUI MORAD

II-

10

b/ Caractristiques dune disposition :

Notion de disposition :

a/ Dfinition :
Une disposition est un groupe dobjets
distincts ou indistincts choisis parmi un
ensemble plus large

Mr LEMTAOUI MORAD

Mr LEMTAOUI MORAD

Une disposition prsente deux caractristiques essentielles : lordre et la rptition.

Une disposition peut-tre ordonne ou non ordonne. Si la permutation de 2
objets ou lments de la disposition donne une nouvelle disposition alors la
disposition est dite ordonne (lordre est important). Exemple :
abc bac
(ordonne) ; abc bac (non ordonne).
Une disposition peut-tre avec rptition ou sans rptition. Une disposition de p
objets est dite avec rptition si le mme objet peut-tre prsent plusieurs fois
(jusqu' p fois) dans cette disposition.

11

Mr LEMTAOUI MORAD

12

22/09/2013

Exemple :

Remarque :

on considre des dispositions de 3 objets

pris parmi les 4 objets suivants : a, b, 2, 5.
aba, 255 sont des dispositions avec
rptition.
ab2, b52 sont des dispositions sans
rptition.
ba5 et 5ab sont des dispositions
diffrentes si lon tient compte de lordre
sinon, elles sont quivalentes.
Mr LEMTAOUI MORAD

13

Mr LEMTAOUI MORAD

14

B- Arrangements sans rptition :

III- Diffrents types de dispositions

A-

la notion de disposition est diffrente de

celle densemble tant donn que lordre
et la rptition des lments ne sont pas
importants pour caractriser un ensemble.

Permutations sans rptition :

Dfinition :

Dfinition :

Une permutation de n lments est une disposition ordonne de lensemble de ces

lments ; chacun de ceux-ci figurant une fois et une seule dans la disposition.
Pn n! n.n 1
. n 2....2.1 .

Un arrangement de p lments choisis parmi n lments est une disposition

ordonne, sans rptitions de p lments parmi n, chacun deux ne figurant au
maximum quune seule fois dans larrangement.
n!
Anp
n.n 1
. n 2......n p 1.
n p !

Exemple: on dispose de 6 livres diffrents. De combien de manires diffrentes

peut-on les ranger sur une tagre ?
P6 6! 720 manires diffrente s .

Mr LEMTAOUI MORAD

15

Mr LEMTAOUI MORAD

16

22/09/2013

Exemple :
Combien de mots de 3 lettres distinctes
peut-on crire avec les lettres du mot
AMPHI ? (Les mots ne doivent pas avoir
ncessairement une signification).
A53

5!

5 3!

Dans le cas des permutations ou des

arrangements, nous nous intressons
lordre dans lequel les objets sont rangs.
Dans de nombreux problmes cependant,
la question qui se pose est de slectionner
des objets sans aucune rfrence lordre
dans lequel ils sont. De telles slections
sont dites combinaisons.

5!
60 mots diffrents .
2!

Mr LEMTAOUI MORAD

17

C- Combinaisons sans rptition :

i.
Dfinition :
ii.
iii.
iv.
Une combinaison de p objets pris parmi n est une disposition non ordonne et
sans rptitions de p objets parmi n.
Ap
n!
C np
n
v.
p!.n p ! p!
vi.
vii.

Mr LEMTAOUI MORAD

19

Mr LEMTAOUI MORAD

18

Remarque : Le passage une disposition

non ordonne ncessit llimination des
dispositions contenant les mmes objets
dans des places diffrentes.
Exemple : de combien de manires peuton former un comit de 4 personnes
choisis parmi un groupe de 6 personnes ?
4
Nombre de choix possible : C6

Mr LEMTAOUI MORAD

6!
15.
4!.2!

20

22/09/2013

Permutations avec rptitions

On appelle permutation avec rptitions le nombre de dispositions ordonnes de n
objets dont n1 , n2 ,....nk sont respectivement identiques entre eux / indiscernables
avec n = n1 n2 .... nk

Pn;n1,n 2,....nk

En effet, des permutations des lments qui sont parfaitement identiques ne

donneront pas de nouvelles dispositions.

n!
n1!.n2 !.....nk !

Exemple : Combien de mots peut-on crire avec les 11 lettres du mot MISSISSIPPI ?
11!
34650 mots.
Nombre de mots possibles : P11; 4, 4, 2
4!.4!.2!

Mr LEMTAOUI MORAD

21

Mr LEMTAOUI MORAD

22

Arrangements avec rptitions

Un arrangement avec rptitions de p lments / objets choisis parmi n est une
disposition ordonne avec rptitions de p objets pris parmi n objets diffrents
(distincts).
Apn n p

Mr LEMTAOUI MORAD

23

Exemple : Soit les chiffres 1, 5, 7, 6.

Combien de nombre de 2 chiffres peut-on
former ?
On peut former 4.4 = 16 nombres de 2
chiffres.

Mr LEMTAOUI MORAD

24

22/09/2013

Chapitre 2 : Axiomatique des

probabilits

Ensemble fondamental :
(appel
galement
univers
des
possibles, espace chantillonnal ou
rfrentiel) reprsente l'ensemble des
rsultats possibles d'une exprience
alatoire ; il est not .
Exemple : Si on lance un d une seul
fois, lensemble des rsultats possibles
sont = {1, 2, 3, 4, 5, 6}.

I/ Vocabulaire probabiliste:

Exprience alatoire:
Une exprience est dite alatoire si :
a- On ne peut prdire avec certitude son
rsultat
b- On peut dcrire l'ensemble de tous les
rsultats possibles.
Exemple : jet d'un d ; lancer d'une pice de
monnaie, comportement dachat dune
personne.
Mr LEMTAOUI MORAD

25

Un ensemble fondamental peut-tre fini

ou infini.

Mr LEMTAOUI MORAD

26

vnement :
c'est un lment ou sous ensemble de .
On distingue l'vnement lmentaire :
obtenir 2 de l'vnement compos, obtenir
un nombre impair.

Ainsi, lexprience alatoire consistant jeter

une pice de monnaie autant de fois que
ncessaire jusqu obtention du cot pile admet
un ensemble fondamental infini dnombrable
= {p, (f, p), (f, f, p), (f , f , f, p).}.
Exemple densemble infini non dnombrable :
Dure dattente du train [0 20].

Mr LEMTAOUI MORAD

27

Mr LEMTAOUI MORAD

28

22/09/2013

Vocabulaire des vnements :

Dfinition classique dune probabilit :

Soit un ensemble fondamental et A un vnement quelconque de :

Nombre de cas favorables
Card A
P(A) =
=
Nombre de cas possibles
Card

: vnement certain , il est toujours ralis.

: vnement impossible, il nest jamais ralis.
A : vnement contraire de A ; il est ralis si A ne lest pas. A et A
sont incompatibles.
A B : lvnement conjonction ou intersection A et B, il est ralis si
A et B sont simultanment raliss. Si A B = , les vnements A et
B sont dits incompatibles ou mutuellement exclusifs.
A B : lvnement runion A ou B, il est ralis ds que lun au
moins des vnements est ralis.

Mr LEMTAOUI MORAD

29

Exemple :

Mr LEMTAOUI MORAD

30

Dfinition frquentielle

Soit une urne contenant 10 boules dont 2

blanches, 5 rouges et 3 bleu. On tire une
boule au hasard. Quelle est la probabilit
qu'elle soit de couleur blanche ?
Soit A l'vnement : obtenir une boule
blanche
P(A) = 2/10 =1/5

Soit un ensemble fondamental et A un

.
vnement quelconque de
P A lim f n A
n

avec
n : nombre de fois que lexprience se rpte
et
f n A

n A
n

: frquence de la ralisation de

lvnement A au cours des n rptitions.

Mr LEMTAOUI MORAD

31

Mr LEMTAOUI MORAD

32

22/09/2013

Exemple :
La dfinition frquentielle ne se conoit que si
lexprience alatoire laquelle on sintresse
est rptitive. Dans le cas contraire, il faut
recourir dautres faons de dfinir une
probabilit.

Un professeur de statistique a enseign

12848 personnes, parmi celles-ci 542 ont
chou
La probabilit dchouer est
542/12848=0.0422

Mr LEMTAOUI MORAD

Afin dviter de considrer une dfinition qui soit

lie des conditions ou des hypothses de
travail particulires, il est plus judicieux de
dfinir la probabilit au moyen de proprits qui
doivent obligatoirement tre satisfaites par un
concept pour pouvoir le qualifier de probabilit.
33

Mr LEMTAOUI MORAD

34

Proprits :
a- Dfinition axiomatique :
Soit un ensemble fini et soit P une fonction dfinie sur P . P est une probabilit
dfinie sur si elle satisfait aux 3 axiomes suivants :
A.1 - Pour tout vnement E de , PE 0
A.2- P 1
A.3- Si E1 et E2 sont 2 sous ensembles de mutuellement exclusifs alors
PE1 E2 PE1 PE2

Mr LEMTAOUI MORAD

35

Soient A et B 2 vnements dun

espace probabilis
. , P , P

Mr LEMTAOUI MORAD

36

22/09/2013

P A 1 P A

En effet : A A . Or , P 1 P A A 1

III- Probabilit conditionnelle :

P A P A 1 P A 1 P A.

P 0

Exemple: jet dun d. Soit D lvnement :Obtenir un nombre impair PD

3 1

6 2
Que devient cette probabilit si on nous indique par ailleurs que le rsultat du
lancement du d est un nombre infrieur ou gal 3 ?

En effet : . Or, P 1 P 1

P P 1 P 0.

0 P A 1

P A P A B P A B

A B A B
P A P A B P A B .
P A B P A P B P A B

2
En effet, ce dernier nest plus mais le sous ensemble H 1,2,3 PD / H .
3
Cette probabilit est dite conditionnelle. Il faut souligner que cette probabilit peuttre
obtenue

partir
des
probabilits
non
conditionnelles
2 3
PD H et PH qui valent respectivement et .
6 6

En effet : A A B A B . Or,

En effet : A B A A B . Or,

A A B

P A B P A P A B ; Or A B B - A B

P A B P A PB P A B .
Mr LEMTAOUI MORAD

37

Mr LEMTAOUI MORAD

38

Exemple :

Dfinition :
Soient A et B 2 vnements de avec P(B) > 0. On appelle probabilit
conditionnelle de A par rapport B le nombre not P(A/B) dfini par :
P A B
P A / B PB A
P B

On jette un d une seule fois, soient les deux vnements

suivants :
A : obtenir un chiffre pair
B : obtenir un chiffre infrieur ou egal 3
Calculer p(A /B) ?
P(A) = 3/6
P(B) = 3/6
P(AB) = 1/6
P( A/B) = (1/6) / (3/6) = 1/3

Si A est dpendant de B, cela signifie que si B s'est produit, la

probabilit que A se produise n'est pas la mme que si B ne l'est
pas.
En retenant les donnes de lexemple prcdent, on peut dire que
A et B sont deux vnements dpendants car : p(A) p(A/B)
Mr LEMTAOUI MORAD

39

Mr LEMTAOUI MORAD

40

10

22/09/2013

IV- Indpendance stochastique

Dfinition :

Exemple :
Considrons un groupe de 7 personnes
dont 3 sont de sexe fminin. On choisit
successivement 3 individus. Quelle est la
probabilit que les individus soient de
sexe fminin ?

Deux

vnement A et B sont dits indpendants si et seulement

P A B P A.PB P A / B P A et PB / A PB

si :

Si A est dpendant de B, cela signifie que si B sest produit, la probabilit que A

se produise nest pas la mme que si B ne lest pas.

3 2 1 1
PF1 F2 F3 PF1 .PF2 / F1 .PF3 / F1 F2 . .
7 6 5 35

Mr LEMTAOUI MORAD

i.
ii.

Remarques :
1-)
Si
A
et
B
A et B sont indpendants;

sont

indpendants,

41

on

dmontre

42

que :

A et B sont indpendants et que,

A et B sont indpendants.
iii.
2-) La notion dindpendance peut-tre tendue plus de 2 vnements.
Ainsi, A, B et C sont dits indpendants si on a la fois :
P A B P A.PB ; P A C P A.PC
iv.
PB C PB .PC ; P A B C P A.PB .PC .
v.
3-)
Il ne faut pas confondre indpendance et incompatibilit. Deux
vnements indpendants ne sont pas forcment incompatibles ;

Mr LEMTAOUI MORAD

Mr LEMTAOUI MORAD

Chapitre 3 : Variables
alatoires

43

11

22/09/2013

Une variable alatoire est une grandeur

numrique attach au rsultat dune
exprience alatoire. Chacune de ses valeurs
est associ une probabilit dapparition.
Exemple 1 : On jette une pice de monnaie deux
fois et on sintresse au nombre de fois que pile
apparat au cours des deux jets.
On quatre rsultats possibles : PP, PF, FP, FF
Le nombre de fois que Pile peut apparatre est 0, 1
ou 2.
La variable alatoire retenue peut donc prendre ces
trois valeurs, son ensemble de dfinition est donc :
{0, 1, 2}
Mr LEMTAOUI MORAD

45

Exemple 2 :
dans un groupe form de 8 filles et 2
garons, on choisit au hasard 4 personnes
pour constituer un comit.
Notons X : la variable alatoire : nombre de
fille choisies pour le comit
Elle peut prendre les valeurs 2, 3 ou 4

Mr LEMTAOUI MORAD

46

Exemple 3 :
Une VA peut tre discrte ou continue :

Une VA est dite discrte si l'ensemble

des valeurs qu'elle est susceptible de
prendre est fini ou infini dnombrable.
Une VA est dite continue si elle peut
prendre toute valeur l'intrieur d'un
intervalle donn.

Soit une agence immobilire qui dsire se lancer dans

la location la journe de studios meubls. Elle tudie
la demande journalire possible x de location durant
les mois de juillet et aot. Elle obtient les rsultats
suivants :

xi

P (xi)

0.05 0.01 0.2

Mr LEMTAOUI MORAD

0.3 0.25

5
0.1
47

Mr LEMTAOUI MORAD

48

12

22/09/2013

Les caractristiques dune variable alatoires discrtes :

a-Loi de probabilit : On appelle loi de

probabilit de X l'ensemble des couples (xi,
pi).
b-Fonction de rpartition :On, appelle
fonction de rpartition, la fonction F dfinie
par :
F: IR -->[0,1]

Proprits :
E (c ) = c
E (a.X + b) = a.E (X) + b
E ( X + Y ) = E ( X ) + E ( Y ).
Si X et Y sont 2 V.A indpendantes alors, E (X.Y) = E (X). E (Y)

x--> F(x) = P(X x)

c-Esprance mathmatique: On appelle

esprance mathmatique de X et on note
E(X) la moyenne des valeurs possibles
pondres par leurs probabilits :
E(X) = xi.pi.
Mr LEMTAOUI MORAD

49

Mr LEMTAOUI MORAD

50

d- Variance et cart type :

On appelle variance de la VA X le
nombre rel dfini par :

i.

Proprits :

ii.

V(X) = E[X - E(X)] = E(X)-E(X)

On appelle cart type, la racine carre de

la variance

Mr LEMTAOUI MORAD

51

Soient a et b 2 constantes, V a. X b a 2 .V X V b 0
V a. X a 2 .V X
V X Y V X V Y 2. cov X , Y avec cov X , Y E X E X Y EY
Si
X
et
Y
sont
2
V.A
indpendantes,
alors
V X Y V X V Y et V X Y V X V Y cov X , Y 0

Mr LEMTAOUI MORAD

52

13

22/09/2013

Exemple :

Les caractristiques dune variable alatoires continue

Soit une agence immobilire qui dsire se lancer

dans la location la journe de studios meubls.
Elle tudie la demande journalire possible x de
location durant les mois de juillet et aot. Elle
obtient les rsultats suivants :

xi

Fonction de densit de probabilit : On

appelle fonction de densit de probabilit
toute fonction satisfaisant aux 2 conditions
suivantes : xIR, f(x)0

P (xi)

0.05 0.01 0.2

0.3 0.25

0.1

Dterminer la fonction de rpartition, lesprance et

la variance de cette variable alatoire.
Mr LEMTAOUI MORAD

f(x)dx1

Fonction de rpartition : Soit X une VA continue et f

sa densit de probabilit. La fonction de rpartition de
X est la fonction F telle que:
F : IR

[0,1]
x

53

P(X x) f(x)dx

Mr LEMTAOUI MORAD

54

Chapitre 4 :
Lois de probabilit

E(x) xf(x)dx

V(x) (x E(x))f(x)dx xf(x)dx( xf(x)dx)

Mr LEMTAOUI MORAD

55

Mr LEMTAOUI MORAD

56

14

22/09/2013

nombreuses sont les expriences qui engendrent une

variable alatoire dont le comportement bien dtermin
peut tre dcrit par une loi ou une formule gnrale.
En fait, il existe un nombre assez considrable de telles
lois de probabilit.
chacune s'appliquant dans des conditions bien
particulires.

Mr LEMTAOUI MORAD

Soit une exprience alatoire pouvant

donner lieu aux 2 vnements
complmentaires avec les probabilits
respectives p et q = 1 p. Si on associe
par le biais dune V.A X, la valeur 1 la
ralisation de lvnement E et la valeur 0
sa non-ralisation, alors X est une
variable de BERNOULLI ou variable
indicatrice.

57

Mr LEMTAOUI MORAD

58

Exemple :
Loi de BERNOULLI
La variable de BERNOULLI est une
variable qui prend les valeurs 0 et 1
avec les probabilits respectives q et p
(p + q =1). La valeur 1 est associ la
ralisation de lvnement considr
succs et la valeur 0 sa non
ralisation chec

Mr LEMTAOUI MORAD

59

un concours, se prsentent 3 femmes et

6 hommes. On choisit une personne au
hasard. Soit X : Nombre de femmes
obtenues
Xi

pi

2/3

1/3

Mr LEMTAOUI MORAD

60

15

22/09/2013

Loi BINOMIALE
Caractristiques :

Une variable alatoire est dite binomiale si

elle reprsente le nombre de succs obtenus
dans une exprience de n preuves o
la probabilit de succs reste constante.
La fonction de probabilit dune telle fonction
est donne par :
P X k Cnk p k q n k On note X n, p

E X xi pi p E X p

V X xi2 pi xi pi 2 p p 2 p1 p p.q V X p.q

Mr LEMTAOUI MORAD

61

62

Conditions dapplication de la variable

binomiale :

La variable binomiale est entirement

spcifie par la connaissance de n et p.

1re condition : Lexprience consiste en une

suite dpreuves se soldant chaque fois soit
par un succs soit par un chec.
2me condition : Les preuves se rptent de
manire identique et dans les mmes
conditions.
3me condition : La probabilit de succs reste
constante tout au long des n preuves.

La variable de BERNOULLI est un cas

particulier de la variable binomiale :
n=1.

Mr LEMTAOUI MORAD

Mr LEMTAOUI MORAD

63

Mr LEMTAOUI MORAD

64

16

22/09/2013

Approximation de la loi binomiale :

Caractristiques de la variable
binomiale

1er cas :lorsque n est lev et p nest ni

proche de 1 ni de 0, la loi binomiale est
approch par la loi normale
2me cas :Lorsque n est lev et p est
faible (p<0.1) la loi binomiale est
approch par la loi de Poisson

Soit X n, p . X peut-tre dcrite comme

une somme de n variables de
BERNOULLI indpendantes :
X X X ,.... X n
1
2

E X E X X ,.... X n E X E X ....... E X n
1
2
1
2
p p .... p n. p E X n. p

V X V X X ,.... X n V X V X ....... V X n
1
2
1
2
p.q p.q ........ p.q n. p.q V X n. p.q

Mr LEMTAOUI MORAD

65

Exemple :

Mr LEMTAOUI MORAD

66

Exemple 2:

Lagence immobilire dispose dun parc de 5

studios. La probabilit de louer chacun deux au
mois de juin est de 0.6. Lagence dsire tudier
la probabilit de location de ce parc.
1- Quelle est la loi de probabilit suivie par cette
variable alatoire ? Quels en sont les
paramtres ?
2- Calculer la probabilit de louer 0, 1, 2 studios?
3- calculer lesperance et la variance
Mr LEMTAOUI MORAD

Dans une population, la proportion

dindividu qui ont lintention de ne pas
voter lors des prochaines lections
lgislatives est de 15%. Calculer la
probabilit pour que 25% des individus
dun chantillon deffectif 16
sabstiennent?

67

Mr LEMTAOUI MORAD

68

17

22/09/2013

III- La loi HYPERGEOMETRIQUE :

Remarque :

1- Dfinition :

La loi Hypergomtrique dpend de 3

paramtres : N : effectif de la population
mre ; n : taille de lchantillon et p :
probabilit initiale du succs.

Soit une population de taille N comportant 2 catgories dindividus. N p individus

prsentent un caractre donn et N q ne le prsentent pas (N = N p + N q ). On extrait
de faon exhaustive un chantillon de n individus de cette population. Si lon
considre la V.A. X comme tant le nombre dindividus de lchantillon prsentant le
caractre donn alors X suit une loi Hypergomtrique de loi de probabilit :
C Nx p .C Nnq x
P X x
On note : X H N , n, p
C Nn

Mr LEMTAOUI MORAD

69

Mr LEMTAOUI MORAD

Exemple :

70

Rponse :

On dsire constituer un comit de 3

personnes partir dun groupe de 7 dont 4
sont de nationalit trangre. Quelle est
la probabilit que ce comit contienne 2
trangers ?

Mr LEMTAOUI MORAD

71

i.
ii.

Soit X : Nombre dtrangers de lchantillon

C 2 .C 1 6 * 3 18
N = 7 ; n = 3 ; p = 4/7. P X 2 4 3 3

0,514
35
35
C7

Mr LEMTAOUI MORAD

72

18

22/09/2013

Caractristiques :
E X n. p
V X n. p.q.

Remarque :

mme esprance mathmatique que la loi binomiale

La distinction fondamentale entre la loi

binomiale et la loi Hypergomtrique
rside dans la nature du tirage des
individus de lchantillon. Dans le 1er cas,
le tirage est avec remise, la probabilit du
succs reste constante tout au long des n
preuves alors que dans le second cas, le
tirage est sans remise, la probabilit du
succs varie dun tirage lautre.

N n N n

est appel coefficien t d' xhaustivi t

N 1 N 1

Mr LEMTAOUI MORAD

73

3- Approximation de la loi
hypergomtrique par la loi
binomiale :

74

La loi de POISSON

Lorsque leffectif de lchantillon est

relativement faible par rapport N, la loi
hypergomtrique tend vers la loi
binomiale. En effet, dans ce cas, p reste
pratiquement constante au cours des
tirages successifs bien quil ny est pas de
remise de lindividu tir. Cette
approximation est valable ds que le taux
de sondage n/N < 10%.
Mr LEMTAOUI MORAD

Mr LEMTAOUI MORAD

La distribution de probabilit dune V.A.

X est dite distribution de POISSON
si elle est dfinie par les couples (xi , pi)
o x prend les valeurs 0, 1, 2,
avec les probabilits respectives donnes par :
x
P ( X x ) e
x!
est un paramtre rel positif.
Notation : X Po ( )
75

Mr LEMTAOUI MORAD

76

19

22/09/2013

Conditions dapplication de la loi de

Poisson :
Caractristiques

E( X )
V(X).
Mr LEMTAOUI MORAD

77

La loi de POISSON s'applique en particulier dans le

cas d'vnements se ralisant de faon alatoire
dans le temps ou l'espace (pannes de machines, arrives de clients
un comptoir, appels tlphoniques sur une ligne ). Si la ralisation
d'un vnement donn vrifie les conditions
suivantes :
Le nombre moyen de fois qu'un vnement se ralise
dans un intervalle de temps ou dans un espace est
connu ,
La probabilit que cet vnement se produise dans un
intervalle de temps est proportionnelle la longueur de
cet intervalle et ne dpend en aucun cas du nombre
d'vnements qui se sont produits antrieurement,

Mr LEMTAOUI MORAD

79

Soit une approximation de la loi

binomiale:
lorsque n est lev et p trs faible
(proche de 0). Gnralement
l'approximation est valable ds que n >
50 et p < 0.1
X --> B(n;p) --> Po(= n.p)
Soit une rsultante dun processus
alatoire particulier , le processus de
Poisson
Mr LEMTAOUI MORAD

78

La probabilit que l'vnement se

produise plus d'une fois dans un intervalle
de temps trs court est ngligeable
alors le nombre X d'vnements raliss
au cours d'une priode de temps t est une
variable de POISSON ayant pour
paramtre = p.t.

Mr LEMTAOUI MORAD

80

20

22/09/2013

Exemple 1:

Exemple 2:

Larriv des clients un supermarch est

considre comme un processus de
POISSON. On sait que le nombre moyen
de clients arrivant par minute au
supermarch est gale 2.
Calculer la probabilit pour que pendant
une priode particulire de 5 minutes il
arrive 12 clients.
Mr LEMTAOUI MORAD

Une entreprise utilise des pots de peinture

dont 0.2% sont dfectueux.
Quelle est la probabilit que sur les 1000
pots quil utilise , il en trouve un
dfectueux?

81

Mr LEMTAOUI MORAD

La loi normale

82

f(x)

On parle de loi normale ou de loi de

LAPLACE GAUSS, lorsque lon a
affaire une variable alatoire continue
dpendant dun grand nombre de
causes indpendantes, dont les effets
sadditionnent et dont aucune nest
prpondrante.

m-

m+

Exemple : une

caractristique de qualit, La dure dun

trajet, les fluctuations accidentelles dune grandeur ..
Mr LEMTAOUI MORAD

83

Mr LEMTAOUI MORAD

84

21

22/09/2013

Dfinition :
Une V.A continue X est dite distribue
selon une loi normale si sa densit de
probabilit est :
f(x) 1 exp[ 1 ( x m)]
2
2
La loi normale dpend de deux paramtres m et
. On note : X
N(m;).

Mr LEMTAOUI MORAD

Fonction de rpartition
La fonction de rpartition d'une variable normale est
donne par l'expression :
x

(x) p(X x) f(x)dx

1
2

exp[ 1 ( x m)]dx
2

Caractristiques :
E(X) = m
V(X) =

85

Mr LEMTAOUI MORAD

86

f(x)

Proprits :
Le graphique de la fonction de densit de
probabilit de la Loi normale est une courbe en
cloche symtrique par rapport au point
d'abscisse x=m.
La droite verticale x=m divise l'aire comprise
entre la courbe et l'axe des abscisses en deux
parties gales P(X<m) = 0,5 et P(X>m) = 0,5
La grande partie des observations se situe dans
l'intervalle [m-3 ; m+3]

m-

m+

m-2

m+2
68%

m-3

95%

m+3

99%
Mr LEMTAOUI MORAD

87

Mr LEMTAOUI MORAD

88

22

22/09/2013

Calcul des probabilits

Intervalles remarquables :

P[m-2/3 < X <m-2/3 ] 50% ;

P[m - < X <m + ] 68%
P[m - 2 < X < m + 2] 95%;
P[m - 3 < X < m + 3] 99,74%

Mr LEMTAOUI MORAD

Pour une VA continue, on s'intresse surtout

une probabilit d'intervalle. La fonction de
densit tant complique, des tables ont t
prvues pour faciliter ce calcul.
Toutefois, tant donne qu'il existe une infinit
de lois normales distinctes par leurs
paramtres, une seule variable normale est
tabule et sert de rfrence pour les autres :
il s'agit de la loi normale centre rduite.

89

Mr LEMTAOUI MORAD

90

Proprits :
Le passage de la loi normale la loi normale centre rduite s'effectue
l'aide du changement de variable suivant :

X m

La loi normale centre rduite

pour paramtre : m =0 et = 1

Le graphique de la fonction de densit de

probabilit de la LNCR est une courbe en cloche
symtrique par rapport au point d'abscisse z= 0
La droite verticale z= 0 divise l'aire comprise
entre la courbe et l'axe des abscisses en deux
parties gales P(Z<0) = 0,5 et P(Z>0) = 0,5.
La grande partie des observations se situe dans
l'intervalle -3 ;3.

Mr LEMTAOUI MORAD

92

23

22/09/2013

Intervalles remarquables

Utilisation de la table N(O; 1)

Cette table nous donne les

probabilits de trouver une
valeur infrieur z

P[-2/3 <Z< 2/3] 50% ;

P[- 1 < Z < +1] 68%
P[- 2 < Z < +2] 95%;
P[- 3 < Z < +3] 99,74%

Mr LEMTAOUI MORAD

93

Exemple :

Mr LEMTAOUI MORAD

94

On effectue le changement de variable:

Z X x X 345

167

X suit une loi normale N(345; 167)

On souhaite connatre la probabilit
pour que X soit infrieur 500.

On cherche p(X < 500)=

p(X < 500)= p(Z 500345) p(Z 0.93) (0.93) 0.8238

167

Mr LEMTAOUI MORAD

95

Mr LEMTAOUI MORAD

96

24

22/09/2013

Exemple :

Remarque :
la table ne donne que les valeurs
p(Z z) . Il se peut que l'on cherche
p(Z z). Il faut utiliser alors les deux
proprits suivantes:
- la surface totale de la courbe est gale 1;
- la courbe est symtrique par rapport l'axe
des ordonnes.

Mr LEMTAOUI MORAD

97

Intervalle de confiance :

Mr LEMTAOUI MORAD

98

P(-k<X <+ k) 0,95 est quivalent p(-z<Z < +z)= 0,95

Dans le paragraphe prcdent on a cherch calculer

la probabilit que les valeurs de la variable soient
comprises dans un intervalle donn.
la notion d'intervalle de confiance procde de la
logique inverse: on se fixe la Probabilit et on
dtermine les bornes de lintervalle.
Quelles sont les bornes de l'intervalle dans lequel X
a une probabilit de 95 %de se situer ?
On peut crire: p(- k < X < + k) = 0,95
Mr LEMTAOUI MORAD

Le poids moyen de 500 colis est de

141kg et lcart type est de 15kg, en
supposant que ces poids sont
normalement distribus, calculer le
nombre de colis pesant :
- Entre 120 et 155kg
- Plus de 185 kg

99

P(-z<Z<+z) =p(Z<z) - p(Z<-z)

= p(Z<z) - p(Z >z)
= P(Z<z) [l - p(Z < z)]
=p(Z<z) - l + p(Z<z)
= 2 p(Z<z) - 1 = 0,95
D'o p(Z<z) = (0,95+1)/2 = 0,9750

Mr LEMTAOUI MORAD

100

25

22/09/2013

Dans la table, pour la valeur de la probabilit 0,975, on

trouve z = 1,96. Il y a 95 de chances
pour que la variable centre rduite Z soit comprise
entre (- 1,96) et (+ 1,96).

Dterminons l'intervalle pour la variable alatoire X.

Si on multiplie chaque membre des ingalits

dans l'expression p(-z <Z < +z) par , on peut
crire:
p(-z <Z < +z) = p (- z < Z < + z ).
Si on ajoute chaque membre, on trouve:

p ( x - z < x+Z < x + z ).

On sait

que : Z X x

donc Z X x

L'intervalle dans lequel X a 95 % de chances de se

trouver est :

xz,xz

X x Z

D'o

Mr LEMTAOUI MORAD

101

Loi de KHI-DEUX
Dfinition

Mr LEMTAOUI MORAD

102

Introduction au test dindpendance du

Soit X 1 , X 2 ,......, X v v variables alatoires

indpendantes telles que :
i 1,2,3,.....,v X i 0;1. Si X X 2 X 2 ..... X v2
1
2
alors, X est une V.A continue soumise
v
une loi de 2 v degrs de libert 2 0;12
i 1

-Calculer les effectifs thoriques (en cas dindpendance)

2
-Calculer le
-Comparer la valeur calcul avec une valeur observe sur la
table de la loi du KHI-deux

Caractristiques
E2v

V22.v
Mr LEMTAOUI MORAD

103

Mr LEMTAOUI MORAD

104

26

22/09/2013

Exemple :
On a interrog des habitants de Casablanca,
de Rabat et Marrakech sur lapprciation de 4
stations de radio.
Le croisement de ces deux variables donne le
tableau de contingence suivant :
casa

rabat

Marrak

ni.

Radio 1

18

18

11

47

Radio 2

12

15

18

45

Radio 3

32

20

23

75

Radio 4

15

12

32

n.j

77

58
Mr65
LEMTAOUI MORAD

Etape 1 : Calcul du tableau thorique

Considrons les marges qui correspondent aux
distributions des variables VILLE (77, 65, 58) et RADIO
(47, 45, 75, 33).
Si ces deux variables taient indpendantes, la distribution
des valeurs du tableau serait rpartie de manire
quilibre en ligne et en colonne.
La valeur thorique de chaque case sobtient en multipliant
le total ligne par le total colonne puis en le divisant par le
total gnral.
Ainsi, la 1re case devrait contenir la valeur (47x77)/200,
soit 18,1. Le tableau thorique est donc le suivant

200

105

Mr LEMTAOUI MORAD

106

Etape 2 : Calcul de la valeur du Khi2

casa

rabat

Marrak

ni.

Radio 1

18.1

15.3

16.3

47

Radio 2

17.3

14.6

13.1

45

Radio 3

28.9

24.4

21.8

75

Radio 4

12.7

10.7

21.8

32

n.j

77

65

58

200

Mr LEMTAOUI MORAD

Pour valuer lcart entre ce tableau et le

tableau prcdent,
on calcule, pour chaque case :

En additionnant ces valeurs, on obtient 7,6 :

(0,0+0,5+0,5+1,6+0,0+1,9+0,3+0,8+0,1+0,4
+0,2+1,3) = 7,6

107

Mr LEMTAOUI MORAD

108

27

22/09/2013

tape 3: Comparer la valeur calcul avec une valeur observe

sur la table de la loi du KHI deux

En regardant la case qui correspond la

colonne 0,05 et la ligne 6, on trouve la
valeur 12,59. Autrement dit, il y aurait, pour
notre tableau 5% de chances que le Khi2
dpasse cette valeur (et 95% de chances
quil soit infrieur).

Pour interprter cette valeur, on se rfre la table du Khi2 qui

prsente les valeurs (cases de la table) ayant une probabilit
donne dtre dpasses (en colonne), selon diffrents degrs de
libert (en ligne).
La probabilit est notre seuil ou marge derreur que nous nous
fixons (en gnral 5%).
Le nombre de degr de libert (not ddl) correspond :
ddl = (Nombre de lignes - 1) x (Nombre de colonnes - 1)
Dans notre exemple, on a ddl = (4-1) x (3-1), soit 6.

Mr LEMTAOUI MORAD

tant donn que le Khi2 calcul est

infrieur cette valeur, nous retenons
lhypothse de lindpendance de ces
deux variables
109

Mr LEMTAOUI MORAD

110

Loi de Student
Elle intervient en estimation, notamment
lestimation de la moyenne quand la variance de
la population mre est inconnue.

Dfinition
X
Soit X 0;1 et Y v2 2 V.A indpedant es. Si T
alors,
Y
v
T est une variable soumise une loi de Student v degr de libet. On note T Tv .

Caractristiques :

ET 0

V T

Mr LEMTAOUI MORAD

v
si v 2.
v2

111

28