Vous êtes sur la page 1sur 6

LEON N 7 :

Schma de Bernoulli et loi binomiale.


Exemples.

Pr-requis :
Probabilits : dfinition, calculs et probabilits conditionnelles ;
Notion de variables alatoires, et proprits associes : esprance, variance ;
Indpendance de variables alatoires : X Y P(X Y ) = P(X) P(Y ).

Introduction
Dfinition 1 : On appelle preuve de Bernoulli toute preuve ne possdant que deux issues possibles,
que lon appelle succs et chec.

Si X dsigne une variable alatoire relle comptant le nombre de succs dans une preuve de Bernoulli,
alors nous avons les deux cas suivants :
(X = 1) est lvnement corespondant au succs : on lui donne la probabilit p (p [0, 1]) ;
(X = 0) est donc lvnement correspondant lchec. Il a pour probabilit q = 1 p.
Si une variable alatoire relle X suit une loi de Bernoulli, alors on note L (X) = B(p), o p dsigne la
probabilit du succs.

Exemples :
1. Le lancer dune pice quilibre (non truque) est une preuve de Bernoulli car il ny a que deux
issues possibles :
Soit (X = 1), correspondant lvnement obtenir Pile , de probabilit 0, 5 ;
Soit (X = 1), correspondant lvnement obtenir Face , de probabilit 0, 5.
2. Si on lance un d quilibr, on peut considrer (par exemple) lvnement obtenir 6 comme tant
le succs, et donc lvnement ne pas obtenir 6 comme lchec. Dans ces conditions, P(X = 1) =
1/6 et P(X = 0) = 5/6.

Remarque 1 : Puisquil ny a que deux issues possibles dans une preuve de Bernoulli, cest nous qui choisis-
sons quel vnement sera synonyme de succs. On aura pu choisir lvnement obtenir Face comme succs dans
lexemple prcdent.

Thorme 1 : Lesprance et la variance dune variable alatoire suivant une loi de Bernoulli sont
donnes par
E(X) = p et Var(X) = p(1 p) = pq.
2 Schma de Bernoulli et loi binomiale. Exemples.

dmonstration : Rcapitulons la loi dune variable alatoire de Bernoulli grce au tableau suivant :

xi 0 1
P(X = xi ) 1p p
Rappelons les formules donnant lesprance et la variance dune variable alatoire :
X
Var(X) = E (X E(X))2 .

E(X) = xi P(X = xi ) et
i

Ici, nous avons donc E(X) = 1 p + 0 (1 p) = p et


Var(X) = (1 p)2 p + (0 p)2 (1 p) = (1 p)[p(1 p) + p2 ] = p(1 p). 

7.1 Schma de Bernoulli


Effectuons maintenant n preuves successives de Bernoulli (par exemple, on lance n fois de suite une pice
quilibre). On a donc pour univers = {(x1 , . . . , xn ), xi {0, 1}} = {0, 1}n . Soient X1 , . . . , Xn n va-
riables alatoires relles,
 chacune suivant une loi de Bernoulli. La variable Xi est dfinie de dans {0, 1}
par Xi (x1 , . . . , xn ) = xi , avec xi = 1 en cas de succs, et xi = 0 en cas dchec.

Pour cette exprience alaoire, on se fixe quelques hypothses de dpart :


H1 : L (X1 ) = = L (Xn ) = B(p) ;
H2 : La variable alatoire Xi est indpendante de X1 , . . . , Xi1 , et de plus

PX1 =1 ,...,Xi1 =i1 (Xi = i ) = P(Xi = i ),

avec k {0, 1} pour tout 0 6 k 6 i.

Thorme 2 : Il existe une unique probabilit P sur qui vrifie H1 et H2 .

dmonstration :
Analyse : Supposons quune telle probabilit existe. Soit (1 , . . . , n ) = {0, 1}n un vnement
lmentaire. On a alors, par dfinition dune probabilit conditionnelle :

P(X1 = 1 , . . . , Xn = n ) = PX1 =1 ,...,Xn1 =n1 (Xn = n ) P(X1 = 1 , . . . , Xn1 = n1 ).

En utilisant lhypothse H2 , on a alors

P(X1 = 1 , . . . , Xn = n ) = P(Xn = n ) P(X1 = 1 , . . . , Xn1 = n1 ).

En ritrant ce procd n 1 fois, on obtient au final


n
Y
P(X1 = 1 , . . . , Xn = n ) = P(Xi = i ).
i=1

Les valeurs de P sur les vnements lmentaires dterminent de manire unique cette probabilit :
n
 Y
P X = (x1 , . . . , xn ) = P(Xi = i ).
i=1
Schma de Bernoulli et loi binomiale. Exemples. 3

Synthse : Dfinissons P sur les vnements lmentaires par la relation


n
Y

P X = (x1 , . . . , xn ) = P(X1 = 2 , . . . , Xn = n ) = P(Xi = i ).
i=1

Est-ce une probabilit ? On a

X n X
X n X
X
P() = P() = pk q nk ,
k=0 k k=0 k

avec q = 1 p et k = { vnements lmentaires admettant exactement k succs}.

En effet, si k , alors on a (daprs lhypothse H1 )


k nk
P() = P(Xi = 1) P(Xi = 0) = pk q nk .

Pour obtenir k succs au bout de n preuves de Bernoulli, on a nk possibilits. Au final,




n  
X X n
P() = pk q nk = 1.
k
k=0

La dernire galit provient de la formule du binme de Newton.

De plus, montrer que P(1 2 ) = P(1 ) + P(2 ) est vident grce la dfinition de P. En
effet, si lon note 1 = (1 , . . . , n ) et 2 = (1 , . . . , n ),

P(1 2 ) = P (X1 = 1 , . . . , Xn = n ) ((X1 = 1 , . . . , Xn = n )
P proba
= P(X1 = 1 , . . . , Xn = n ) + P(X1 = 1 , . . . , Xn = n )
= P(1 ) + P(2 ).

P vrifie-t-elle H1 et H2 ? tant partis de ces hypothses pour construire P, on peut affirmer que
cette probabilit vrifie bien les hypothses H1 et H2 .
Nous laissons cette vrification au soin du lecteur. 

Dfinition 2 : Lunivers muni de la probabilit P est appel schma de Bernoulli n preuves, et de


paramtre p.

Remarque 2 : Dans la suite, nous noterons la probabilit P par la lettre simple P. Il ne peut y avoir de confu-
sion possible entre une preuve et un schma de Bernoulli, do cette identification.

7.2 Loi binomiale


Soit (, P) un schma de Bernoulli n preuves, de paramtre p. Soit Sn la variable alatoire associe au nombre de
succs au bout de n preuves de Bernoulli, donc dfinie de la manire suivante :
n
X
Sn = Xi .
i=1
4 Schma de Bernoulli et loi binomiale. Exemples.

Dfinition 3 : Dans ces conditions, on dit que Sn suit une loi binomiale de paramtres n et p, note B(n, p).

Thorme 3 : Si L (X) = B(n, p), alors pour tout k {0, . . . , n},


 
n
P(Sn = k) = pk q nk.
k

dmonstration : Dcoule directement de la dmonstration ci-dessus. 

Exemple : On lance un d 10 fois de suite. La probabilit dobtenir au moins un 6 est gale


 10
5
1 0, 84,
6

o ( 56 )10 dsigne la probabilit de nobtenir 6 aucune fois.

Thorme 4 : Soit Sn une variable alatoire relle suivant une loi B(n, p). Alors

E(Sn) = np et Var(Sn) = np(1 p) = npq.

Pn
dmonstration : On note Sn = i=1 Xi , o pour tout i {1, . . . , n}, L (Xi ) = B(p).
Esprance : Puisque lesprance est linaire, on a directement que
n n n
!
X X X
E(Sn ) = E Xi = E(Xi ) = p = np.
i=1 i=1 i=1

Variance : Puisque les Xi sont deux deux indpendants, la variance devient linaire, de sorte que
n n n
!
X X X
Var(Sn ) = Var Xi = Var(Xi ) = p(1 p) = np(1 p) = npq.
i=1 i=1 i=1

7.3 A la calculatrice. . .
Avec la TI Voyage 200, nous allons simuler le schma de Bernoulli introduit prcdemment grce au tableur ( Cell-
sheet ). On rappelle lexprience et les rsultats thoriques : on lance un d 10 fois de suite. La probabilit dobtenir
au moins un 6 est de p = 1 ( 56 )1 0 0, 84. Voici la marche suivre (des captures dcran sont sur la page suivante
une capture par tape afin de mieux comprendre) :

1. Dans lcran Home, dfinir les fonctions suivantes :


la fonction qui renvoie 1 lorsque largument quon lui donne vaut 6, et 0 sinon :

when(x = 6, 1, 0) f (x) ;
Schma de Bernoulli et loi binomiale. Exemples. 5

la fonction qui renvoie 0 lorsque largument quon lui donne vaut 0, et 1 sinon :

when(x = 0, 0, 1) g(x).

2. Dans le tableur, donnez des titres vos colonnes (ici, les colonnes A J nous servirons matrialiser les 10
lancers1 ; nous les mettons en colonne pour pouvoir faire une seconde, puis une troisime exprience de ce
schma de Bernoulli, que nous transcrirons donc dans les deux lignes 2 et 3 [la 1 concernant notre premier
essai]) : par exemple, 1 pour la colonne A, . . ., 10 pour la J, somme pour la colonne K, o lon
comptera le nombre de 6 apparus, et O/N pour la colonne L, o lon mettra 0 sil ny a pas de 6 et 1 sil y
en a au moins un dans la ligne.
3. Pour entrer la mme formule dans une plage de cases, aller dans Edit (F3), puis Fill range (3) pour introduire
notre formule aprs le = de la ligne Formula, qui sera f(rand(6)). Une fois effectu, modifier la ligne Range
de sorte mettre dedans notre plage : A2 :J4
4. Entrer la formule := A2+B2+C2+D2+E2+F2+G2+H2+I2+J2 dans la plage K2 :K4 de la mme manire.
5. Entrer la formule := g(K2) dans la plage L2 :L4.
6. Pour calculer la frquence, entrer la formule := sum(L2 :L4)/3 dans la case L5.
7. Pour refaire la simulation, faire Recalc (F8).

1
: Pour ce faire, encadrez votre texte de guillemets (") avant de valider, sinon la calculatrice ne saura pas que cest du texte.
6 Schma de Bernoulli et loi binomiale. Exemples.

Frquence dapparition des 6


Pour 3 expriences de ce schma de Bernoulli, on trouve 23 0, 6667.
8
Pour 10 expriences (il faudrait donc rajouter 7 lignes), on trouve 10 = 0, 8.
81
Pour 100 expriences, on trouve 100 = 0, 81.
819
Pour 1000 expriences, on trouve 1000 = 0, 819.

Plus le nombre dexprience est grand, plus la frquence dappartition des 6 se rapproche de p (on rappelle que dans
notre exemple, p 0, 84, ce qui illustre bien le thorme suivant :

Thorme 5 (ingalit de Tchebychev) : Soient > 0, X1 , . . . , Xn n variables alatoires indpendantes


suivant une loi de Bernoulli de paramtre p. Alors
X 1 + + Xn p(1 p)
 

P p > 6
.
n n2