Académique Documents
Professionnel Documents
Culture Documents
MTH2302D
A2017
(v2)
Plan
1. Loi de Bernoulli
2. Loi binomiale
3. Loi géométrique
4. Loi hypergéométrique
5. Loi de Poisson
1. Loi de Bernoulli
2. Loi binomiale
3. Loi géométrique
4. Loi hypergéométrique
5. Loi de Poisson
Épreuve de Bernoulli
Définition
Une épreuve de Bernoulli est une expérience aléatoire dont le
résultat peut être soit un succès, soit un échec, mais pas les deux
simultanément.
Exemple 1
On lance une pièce une fois et on note le résultat. On appelle
succès le fait d’obtenir PILE et échec le fait d’obtenir FACE.
Exemple 2
On choisit au hasard une pièce produite en série et on la teste pour
détecter les défectuosités. La pièce peut être défectueuse (succès)
ou conforme (échec).
Loi de Bernoulli
Contexte
Lors d’une épreuve de Bernoulli, soit p la probabilité d’un succès et
q = 1 − p la probabilité d’un échec.
Soit X le nombre de succès. Alors RX = {0, 1} et
1 − p si x = 0 ,
pX (x) =
p si x = 1 .
Théorème
La fonction de répartition d’une variable X ∼ Bernoulli(p) est
0 si x < 0 ,
FX (x) = 1 − p si 0 ≤ x < 1 ,
si x ≥ 1.
1
Espérance et variance
Si X ∼ Bernoulli(p), alors
1. E(X) = p.
2. V(X) = p(1 − p).
1. Loi de Bernoulli
2. Loi binomiale
3. Loi géométrique
4. Loi hypergéométrique
5. Loi de Poisson
Loi binomiale
Contexte
On effectue n répétitions indépendantes d’une épreuve de Bernoulli
dont la probabilité de succès est p.
Soit X le nombre de succès parmi les n résultats.
Alors X suit une loi binomiale de paramètres n et p, dénoté
X ∼ B(n, p).
On a RX = {0, 1, 2, . . . , n}.
Exemple 3
Prouver que FX (n) = 1.
Autres caractéristiques
1. E(X) = np.
2. V(X) = np(1 − p).
3. Médiane : x̃ = bnpc.
4. Mode : x∗ = b(n + 1)pc.
Exemple 4
Démontrer que E(X) = np.
Exemple 5
Calculer
I Excel :
pX (x) = LOI.BINOMIALE(x, n, p, 0).
FX (x) = LOI.BINOMIALE(x, n, p, 1).
I R:
pX (x) = dbinom(x, n, p).
FX (x) = pbinom(x, n, p).
0.14
0.12
0.10
0.08
p(x)
0.06
0.04
0.02
0.00
0 10 20 30 40 50
1.0
0.8
0.6
F(x)
0.4
0.2
0.0
0 10 20 30 40 50
Proportion de succès
X
Soit X ∼ B(n, p) et p̂ = la proportion de succès parmi les n
n
épreuves.
Alors p̂ est une variable aléatoire et
1. E(p̂) = p.
p(1 − p)
2. V(p̂) = .
n
Exemple 6
Un procédé de fabrication produit 5% d’articles non conformes. Un
échantillon de 50 unités de cet article est prélevé.
Quelle est la probabilité qu’il y ait plus de 7% d’articles non
conformes dans l’échantillon ?
1. Loi de Bernoulli
2. Loi binomiale
3. Loi géométrique
4. Loi hypergéométrique
5. Loi de Poisson
Loi géométrique
Contexte
On répète continuellement et de façon indépendante une épreuve
de Bernoulli dont la probabilité de succès est p.
On a RX = {1, 2, 3, . . .}.
Exemple 7
Montrer que pX est une fonction de masse.
Exemple 8
Montrer que FX (x) = 1 − (1 − p)x si x est entier.
Si X ∼ Geom(p) alors
1
1. E(X) = .
p
1−p
2. V(X) = .
p2
I R (avec RX = {1, 2, . . . , }) :
pX (x) = dgeom(x, p).
FX (x) = pgeom(x, p).
0.20
0.15
0.10
p(x)
0.05
0.00
0 5 10 15 20 25 30
1.0
0.8
0.6
F(x)
0.4
0.2
0.0
0 10 20 30 40 50
Exemple 9
Théorème
Propriété d’absence de mémoire : si X ∼ Geom(p) alors pour tous
t, s > 0
P (X > s + t|X > t) = P (X > s).
Exemple 10
Prouver le théorème.
Exemple 11
1. Loi de Bernoulli
2. Loi binomiale
3. Loi géométrique
4. Loi hypergéométrique
5. Loi de Poisson
Loi hypergéométrique
Contexte
On tire sans remise n objets d’un ensemble de N objets dont D
possédent une caractéristique particulière (et les autres N − D ne
la possèdent pas).
Si X ∼ H(N, D, n) alors
D
1. E(X) = n .
N
D D N −n
2. V(X) = n 1− .
N N N −1
I Excel :
pX (x) = LOI.HYPERGEOMETRIQUE.N (x, n, D, N , 0).
FX (x) = LOI.HYPERGEOMETRIQUE.N (x, n, D, N , 1).
I R:
pX (x) = dhyper(x=x, m=D, n=N − D, k=n).
FX (x) = phyper(q=x, m=D, n=N − D, k=n).
Exemple 12
1. Loi de Bernoulli
2. Loi binomiale
3. Loi géométrique
4. Loi hypergéométrique
5. Loi de Poisson
Loi de Poisson
e−c cx
pX (x) = si x = 0, 1, 2, . . . .
x!
I Excel :
pX (x) = LOI.POISSON (x, c, 0).
FX (x) = LOI.POISSON (x, c, 1).
I R:
pX (x) = dpois (x=x, lambda=c).
FX (x) = ppois (q=x, lambda=c).
0.25
0.20
0.15
p(x)
0.10
0.05
0.00
0 2 4 6 8
1.0
0.8
0.6
F(x)
0.4
0.2
0 2 4 6 8
Exemple 13
Loi de Poisson
Si X ∼ Poi(c), alors
1. E(X) = c.
2. V(X) = c.
Exemple 14
Démontrer que E(X) = c.
Exemple 15
Trouver la médiane de X ∼ Poi(c = 2).
Processus de Poisson
Exemples supplémentaires
Autres situations où la v.a. suit une loi de Poisson :
1. Le nombre de voitures arrivant à un feu de circulation en 5
minutes.
2. Le nombre de défauts sur une pièce usinée.
3. Le nombre d’erreurs typographiques sur une page d’un livre.
4. Le nombre de clients entrant dans un magasin en une journée.
5. Le nombre de particules alpha émises par un matériau
radioactif en une minute.
Approximations
pour x = 0, 1, 2, . . . , n
Approximations (suite)
e−np (np)x
n
P (X = x) = px (1 − p)n−x '
x x!
pour x = 0, 1, 2, . . .
(on suggère n > 20 et p < 0.05).