5 Lois Discretes

1/5 2/5 3/5 4/5 5/5
5. Quelques lois discrètes
MTH2302D
S. Le Digabel, École Polytechnique de Montréal
A2017
(v2)
MTH2302D: Lois discrètes 1/46

1/5 2/5 3/5 4/5 5/5
Plan
1. Loi de Bernoulli
2. Loi binomiale
3. Loi géométrique
4. Loi hypergéométrique
5. Loi de Poisson

1/5 2/5 3/5 4/5 5/5
1. Loi de Bernoulli
2. Loi binomiale
5. Loi de Poisson

1/5 2/5 3/5 4/5 5/5
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).

1/5 2/5 3/5 4/5 5/5
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 .
Si X suit une loi de Bernoulli de paramètre p alors on note

X ∼ Bernoulli(p) (ou Bern(p)).

1/5 2/5 3/5 4/5 5/5
Loi de Bernoulli (suite)
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

1/5 2/5 3/5 4/5 5/5
Espérance et variance
Si X ∼ Bernoulli(p), alors
1. E(X) = p.
2. V(X) = p(1 − p).

1/5 2/5 3/5 4/5 5/5
1. Loi de Bernoulli
2. Loi binomiale
5. Loi de Poisson

1/5 2/5 3/5 4/5 5/5
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}.

1/5 2/5 3/5 4/5 5/5
Loi binomiale (suite)
La fonction de masse d’une variable aléatoire X ∼ B(n, p) est

n
pX (x) = px (1 − p)n−x
x
pour x ∈ {0, 1, 2, . . . , n}.

1/5 2/5 3/5 4/5 5/5
Loi binomiale (suite)

La fonction de répartition de la loi binomiale est
x
!
X n
FX (x) = pk (1 − p)n−k si x ∈ {0, 1, 2, . . . , n}.
k=0
k
Si a ≤ x < a + 1 avec a entier, alors FX (x) = FX (a).
Comme le calcul de FX (x) est fastidieux lorsque que n est grand,

on utilise souvent en pratique une table de loi binomiale
(disponible sur le site web du cours).
Exemple 3
Prouver que FX (n) = 1.

1/5 2/5 3/5 4/5 5/5
Autres caractéristiques
Si X ∼ B(n, p), alors :
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.

1/5 2/5 3/5 4/5 5/5
Exemple 5
Un lot contient 20 articles parmi lesquels 4 sont défectueux. On

pige avec remise 7 articles du lot.
Calculer
1. La probabilité d’observer exactement un article défectueux.
2. La probabilité d’observer au moins 4 articles défectueux.
3. La moyenne et la variance du nombre d’articles défectueux.

1/5 2/5 3/5 4/5 5/5
Loi binomiale : calcul avec des logiciels
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).

1/5 2/5 3/5 4/5 5/5
Loi binomiale : tracés en R

Soit X ∼ B(n = 50, p = 0.2).
I Fonction de masse pX (x) :
x=seq(0,50,1) ;
px=dbinom ( x=x, size=50, prob=0.2 ) ;
plot ( x, px, type=”h”, xlab=”x”, ylab=”p(x)”,
main=”fonction de masse de X ∼ B(n=50,p=0.2)”).
I Fonction de répartition FX (x) :
x=seq(0,50,0.1) ;
Fx=pbinom ( q=x, size=50, prob=0.2 ) ;
plot ( x, Fx, type=”s”, xlab=”x”, ylab=”F(x)”,
main=”fonction de répartition de X ∼ B(n=50,p=0.2)”).

1/5 2/5 3/5 4/5 5/5
fonction de masse de X~B(n=50,p=0.2)
0.14
0.12
0.10
0.08
p(x)
0.06
0.04
0.02
0.00
0 10 20 30 40 50

1/5 2/5 3/5 4/5 5/5
fonction de répartition de X~B(n=50,p=0.2)
1.0
0.8
0.6
F(x)
0.4
0.2
0.0
0 10 20 30 40 50

1/5 2/5 3/5 4/5 5/5
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 ?

1/5 2/5 3/5 4/5 5/5
1. Loi de Bernoulli
2. Loi binomiale
5. Loi de Poisson

1/5 2/5 3/5 4/5 5/5
Loi géométrique
Contexte
On répète continuellement et de façon indépendante une épreuve
de Bernoulli dont la probabilité de succès est p.
Soit X le nombre d’épreuves nécessaires pour obtenir un premier

succès. Alors X suit une loi géométrique de paramètre p, dénoté
X ∼ Geom(p).
On a RX = {1, 2, 3, . . .}.

1/5 2/5 3/5 4/5 5/5
Loi géométrique (suite)
La fonction de masse d’une variable aléatoire X ∼ Geom(p) ou

X ∼ G(p) est
pX (x) = (1 − p)x−1 p pour x = 1, 2, 3, . . . .
La fonction de répartition d’une variable aléatoire X ∼ Geom(p)

est
(
1 − (1 − p)a si x ∈ [a; a + 1[ avec a ∈ N et a ≥ 1 ,
FX (x) =
0 sinon.

1/5 2/5 3/5 4/5 5/5
Exemple 7
Montrer que pX est une fonction de masse.
Exemple 8
Montrer que FX (x) = 1 − (1 − p)x si x est entier.

1/5 2/5 3/5 4/5 5/5
Si X ∼ Geom(p) alors
1
1. E(X) = .
p
1−p
2. V(X) = .
p2

1/5 2/5 3/5 4/5 5/5
Loi géométrique : calcul
I Excel : faire les calculs directement.
I R (avec RX = {1, 2, . . . , }) :
pX (x) = dgeom(x, p).
FX (x) = pgeom(x, p).

1/5 2/5 3/5 4/5 5/5
fonction de masse de X~G(p=0.2)
0.20
0.15
0.10
p(x)
0.05
0.00
0 5 10 15 20 25 30

1/5 2/5 3/5 4/5 5/5
fonction de répartition de X~G(p=0.2)
1.0
0.8
0.6
F(x)
0.4
0.2
0.0
0 10 20 30 40 50

1/5 2/5 3/5 4/5 5/5
Exemple 9
On lance un dé continuellement jusqu’à l’obtention d’un six. Soit

X le nombre de lancers nécessaires.
Quels sont la moyenne, la variance, et l’écart-type de X ?

1/5 2/5 3/5 4/5 5/5
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.

1/5 2/5 3/5 4/5 5/5
Exemple 11
On lance un dé continuellement jusqu’à l’obtention d’un 6. Soit X

le nombre de lancers nécessaires.
1. Quelle est la probabilité d’obtenir un premier 6 au deuxième
lancer ?
2. Quelle est la probabilité qu’il faille plus de 10 lancers pour
obtenir un 6 ?
3. Si aucun 6 n’a été obtenu lors des 8 premiers lancers, quelle
est la probabilité qu’au moins deux autres lancers soient
nécessaires ?

1/5 2/5 3/5 4/5 5/5
1. Loi de Bernoulli
2. Loi binomiale
5. Loi de Poisson

1/5 2/5 3/5 4/5 5/5
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).
Soit X le nombre d’objets de l’échantillon qui possèdent la

caractéristique.
Alors X suit une loi hypergéométrique de paramètres n, N, D,

dénoté X ∼ H(N, D, n).
On a RX = {max{0, n − N + D}, . . . , min(n, D)}.

1/5 2/5 3/5 4/5 5/5
Loi hypergéométrique (suite)
La fonction de masse d’une variable aléatoire X ∼ H(N, D, n) est

D N −D
x n−x
pX (x) =
N
n
pour x ∈ RX .

1/5 2/5 3/5 4/5 5/5
Loi hypergéométrique (suite)
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

1/5 2/5 3/5 4/5 5/5
Loi hypergéométrique : calcul
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).

1/5 2/5 3/5 4/5 5/5
Exemple 12
Une boı̂te contient 8 composants parmi lesquels 2 sont défectueux.

Trois composants sont pris au hasard et sans remise de la boı̂te.
Soit X le nombre de composants défectueux dans l’échantillon.
Donner la fonction de masse de X, ainsi que E(X) et V(X).

1/5 2/5 3/5 4/5 5/5
1. Loi de Bernoulli
2. Loi binomiale
5. Loi de Poisson

1/5 2/5 3/5 4/5 5/5
Loi de Poisson
Une variable aléatoire X suit une loi de Poisson de paramètre

c > 0 si
e−c cx
pX (x) = si x = 0, 1, 2, . . . .
x!
Ceci est dénoté X ∼ Poi(c).
Le paramètre c correspond à la moyenne de la loi de Poisson.

1/5 2/5 3/5 4/5 5/5
Loi de Poisson : calcul
I Livre page 473 (2ème édition) / page 509 (3ème édition) et

site web du cours.
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).

1/5 2/5 3/5 4/5 5/5
fonction de masse de X~Poi(c=2)
0.25
0.20
0.15
p(x)
0.10
0.05
0.00
0 2 4 6 8

1/5 2/5 3/5 4/5 5/5
fonction de répartition de X~Poi(c=2)
1.0
0.8
0.6
F(x)
0.4
0.2
0 2 4 6 8

1/5 2/5 3/5 4/5 5/5
Exemple 13
Une machine utilisée dans une chaı̂ne de production tombe en

panne en moyenne 2 fois par mois.
Soit X le nombre de pannes par mois.
En supposant que X suit une loi de Poisson, quelle est la
probabilité que dans un mois donné la machine
1. Ne tombe pas en panne ?
2. Tombe en panne au moins deux fois ?

1/5 2/5 3/5 4/5 5/5
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).

1/5 2/5 3/5 4/5 5/5
Processus de Poisson
Considérons un type d’événement survenant dans le temps. Le

comptage du nombre de réalisations de l’événement est un
processus de Poisson si
I Pour deux intervalles de temps disjoints, le nombre de
réalisations dans l’un et l’autre intervalle sont indépendants.
I Pour tout intervalle de temps de durée t, le nombre de
réalisations suit une loi de Poisson de paramètre c = λt, où
λ > 0 est le nombre moyen de réalisations par unité de temps.

1/5 2/5 3/5 4/5 5/5
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.
Remarque : On suppose, dans tous ces exemples, que le nombre

moyen de réalisations de l’événement d’intérêt par unité de temps,
dimension, nombre d’épreuve, etc., est modéré.

1/5 2/5 3/5 4/5 5/5
Approximations
Approximation d’une loi hypergéométrique par une binomiale

Soit X ∼ H(N, D, n). Si n/N est petit alors X suit
D
approximativement une loi binomiale B(n, p), où p = N :

D N −D
x n−x
x n−x

n D D
P (X = x) = ' 1−
x

N N N
n
pour x = 0, 1, 2, . . . , n
(on suggère n/N < 0.1).

1/5 2/5 3/5 4/5 5/5
Approximations (suite)
Approximation d’une loi binomiale par une Poisson

Soit X ∼ B(n, p). Si n est grand et p est petit (de sorte que np
est modéré) alors X suit approximativement une loi de Poisson
Poi(c), où c = np :
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).

5 Lois Discretes

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

5 Lois Discretes

Transféré par

Droits d'auteur :

Formats disponibles

1/5 2/5 3/5 4/5 5/5

5. Quelques lois discrètes

S. Le Digabel, École Polytechnique de Montréal

MTH2302D: Lois discrètes 1/46

MTH2302D: Lois discrètes 2/46

MTH2302D: Lois discrètes 3/46

MTH2302D: Lois discrètes 4/46

Si X suit une loi de Bernoulli de paramètre p alors on note

MTH2302D: Lois discrètes 5/46

Loi de Bernoulli (suite)

MTH2302D: Lois discrètes 6/46

MTH2302D: Lois discrètes 7/46

MTH2302D: Lois discrètes 8/46

MTH2302D: Lois discrètes 9/46

Loi binomiale (suite)

La fonction de masse d’une variable aléatoire X ∼ B(n, p) est

MTH2302D: Lois discrètes 10/46

Loi binomiale (suite)

Si a ≤ x < a + 1 avec a entier, alors FX (x) = FX (a).

Comme le calcul de FX (x) est fastidieux lorsque que n est grand,

MTH2302D: Lois discrètes 11/46

Si X ∼ B(n, p), alors :

MTH2302D: Lois discrètes 12/46

Un lot contient 20 articles parmi lesquels 4 sont défectueux. On

1. La probabilité d’observer exactement un article défectueux.

2. La probabilité d’observer au moins 4 articles défectueux.

3. La moyenne et la variance du nombre d’articles défectueux.

MTH2302D: Lois discrètes 13/46

Loi binomiale : calcul avec des logiciels

MTH2302D: Lois discrètes 14/46

Loi binomiale : tracés en R

MTH2302D: Lois discrètes 15/46

fonction de masse de X~B(n=50,p=0.2)

MTH2302D: Lois discrètes 16/46

fonction de répartition de X~B(n=50,p=0.2)

MTH2302D: Lois discrètes 17/46

MTH2302D: Lois discrètes 18/46

MTH2302D: Lois discrètes 19/46

Soit X le nombre d’épreuves nécessaires pour obtenir un premier

MTH2302D: Lois discrètes 20/46

Loi géométrique (suite)

La fonction de masse d’une variable aléatoire X ∼ Geom(p) ou

pX (x) = (1 − p)x−1 p pour x = 1, 2, 3, . . . .

La fonction de répartition d’une variable aléatoire X ∼ Geom(p)

MTH2302D: Lois discrètes 21/46

Loi géométrique (suite)

MTH2302D: Lois discrètes 22/46

Loi géométrique (suite)

MTH2302D: Lois discrètes 23/46

Loi géométrique : calcul

I Excel : faire les calculs directement.

MTH2302D: Lois discrètes 24/46

fonction de masse de X~G(p=0.2)

MTH2302D: Lois discrètes 25/46

fonction de répartition de X~G(p=0.2)

MTH2302D: Lois discrètes 26/46

On lance un dé continuellement jusqu’à l’obtention d’un six. Soit

Quels sont la moyenne, la variance, et l’écart-type de X ?

MTH2302D: Lois discrètes 27/46

Loi géométrique (suite)

MTH2302D: Lois discrètes 28/46

On lance un dé continuellement jusqu’à l’obtention d’un 6. Soit X

MTH2302D: Lois discrètes 29/46

MTH2302D: Lois discrètes 30/46