Académique Documents
Professionnel Documents
Culture Documents
ProbabiLitéS et
StatiStiqueS
Si X(Ω) est fini ou dénombrable, X est dite V.A. discrète (VAD).
Une variable aléatoire discrète est une application de Ω dans ℤ
(ensemble des entiers relatifs).
Remarque
Les valeurs prises par une variable aléatoire discrète peuvent être des
couples voire même des triplets, des quadruplets, etc. Dans le cas où
la VAD a des valeurs sous forme de triplets, alors elle est une
application de Ω dans ℤ3.
Loi de probabilité
Propriétés
Exemple 2:
Dans le cas d’une pièce de monnaie.
X est la variable aléatoire qui prend 1 si Pile et 0 si Face.
Alors, p(X=1) =1/2 et p(X=0)=1/2 et p(X=1) + p(X=0) = 1
V.A L.P
Evénements X p(x)
Pile 1 0,5
Face 0 0,5
Exemple 3:
On lance deux fois une pièce de monnaie. On définit la variable
aléatoire X par le nombre de faces obtenues pendant les deux jets
V.A L.P
Evénements X p(x)
PP 0 1/4
PF 1
FP 1
}1/2
FF 2 1/4
Remarque
La représentation graphique d’une VAD est un diagramme en bâtons
Remarque
La loi de probabilité d’une variable aléatoire peut être représentée
dans un tableau qui contient les valeurs de l’univers image et les
probabilités qui leur correspondent.
Ω E1 E2 E3 … Ek
X(Ω) x1 x2 x3 … xk
P(X=xi) ou P(xi) p(x1) p(x2) p(x3) … p(xk) 1
Application 1
On jette deux dés et on s’intéresse à la somme des nombres figurant
sur les dés.
TAF
1. Définir Ω
2. Définir la V.A. X
3. Présenter le tableau de la loi de probabilité correspondant
4. Présenter le graphique correspondant
Application 1 : solution
1-
Ω l’univers de l’expérience : jet de deux dés simultanément.
Ω² = Ω × Ω où Ω = {1,2,3,4,5,6}
Card(Ω) = 6 × 6 = 36
Application 1 : solution
2-
X est définie comme la somme des nombres affichés sur les
dés après leur jet.
1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
Ainsi X= {2,3,4,5,6,7,8,9,10,11,12}
ENCG AGADIR 2019-2020 15
Généralités sur les variables aléatoires discrètes
Application 1 : solution
3-
(1,6)
(1,5) (2,6)
(1,4) (2,5) (3,6)
(1,3) (2,4) (3,4) (4,6)
(1,2) (2,3) (3,4) (4,5) (5,6)
Ω (1,1) (2,2) (3,3) (4,3) (5,5) (6,6)
(2,1) (3,2) (4,3) (5,4) (6,5)
(3,1) (4,2) (5,3) (6,4)
(4,1) (5,2) (6,3)
(5,1) (6,2)
(6,1)
X(Ω) 2 3 4 5 6 7 8 9 10 11 12
P(X=xi)
1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 1
ou P(xi)
12
1 2 3 2 1
Pxi ... 1
i 2 36 36 36 36 36
ENCG AGADIR 2019-2020 16
Généralités sur les variables aléatoires discrètes
Application 1 : solution
4- le graphique correspondant
Fonction de Répartition
Définition :
F: R 0 ; 1
x F x P X x
Fonction de Répartition
Propriétés
F(X < x1 ) = P(X < x1 ) = 0 (x1 est la plus petite valeur de la VA)
F(x1 ) = P(X x1 ) = P(x1 )
F(x2 ) = P(X x 2 ) = P(x1 ) + P(x2 )
F(xk ) = P(X x k ) = P(x1 ) + P(x2 ) + ... + P(x k ) = 1
F(X > x k ) = P(X > x k ) = 1 (x k est la plus grande valeur de la VA)
Fonction de Répartition
Reprenant l’exemple 3
Fonction de Répartition
Reprenant l’exemple 3
0 si x 0
1
si 0 x 1
F x 4
3 si 1 x 2
4
1 si x 2
Avec P P P
i j
ij
i
i
j
j 1
ENCG AGADIR 2019-2020 24
Caractéristiques des variables aléatoires discrètes
Variable aléatoire et loi de probabilité à 2 dimensions
Fonction de distribution de probabilités jointes :
Tableau de distribution de probabilités jointes.
Exemple :
On jette deux dés équilibrés et on définie les VA :
X le nombre de points amenés par le premier dé
Y le la somme des points obtenus par les deux dés
On obtient la loi conjointe suivante :
Exemples:
Pour l’exemple précédent calculons :
F(3, 4) = P(x≤3, y≤4)=6/36
F(5, 8) = P(x≤5, y≤8)=24/36
F(6,12) = P(X≤6, Y≤12)= 36/36
ENCG AGADIR 2019-2020 28
Caractéristiques des variables aléatoires discrètes
Variable aléatoire et loi de probabilité à 2 dimensions
Fonction de répartition marginale:
La fonction de répartition est obtenue par :
F x x i P X x i f a , y j
a xi j
F y y i P Y y i f x , b i
i b yi
Exemples:
Pour l’exemple précédent calculons :
Fx(3) = P(x≤3)=18/36=1/2
Fx(4) = P(x≤4)=24/36=2/3
Fy(4) = P(y≤4)= 6/36=1/6
Fy(6) = P(y≤6)= 15/36=5/12
ENCG AGADIR 2019-2020 29
Caractéristiques des variables aléatoires discrètes
Variable aléatoire et loi de probabilité à 2 dimensions
Probabilité conditionnelle:
Soit Pij≠0, la probabilité conditionnelle Y=yi sachant que
X=xi est égale à : Pij
Pj / i P Y y j / X xi
Pi
Pij Pi P j
Dans ce cas les lois conditionnelles sont égales aux lois
marginales:
Pij Pi P j
Pj / i P j
Pi Pi
Pij Pi P j
Pi / j Pi
P j P j
ENCG AGADIR 2019-2020 31
Caractéristiques des variables aléatoires discrètes
Exercice :
Soit dans un univers probabiliste deux événements A et B tel
que P(A)=0,25 , P(B/A)=0,5 et P(A/B)=0,25
Soient X et Y deux variables aléatoires indicatrices de A et B
respectivement, c’est-à-dire :
X=1 Si A se produit, X = 0 si A ne se produit pas
Y=1 si B se produit, Y=0 si B ne se produit pas
T.A.F :
a) Élaborer le tableau de distribution de probabilité jointe
b) X et Y sont-elles indépendantes ?
Exercice : solution
a) Tableau de distribution de probabilité jointe
__
X Y 1 (B) 0 (B) fi.
1(A)
__ 0,125 0,125 0,25
0(A) 0,375 0,375 0,75
f.j 0,5 0,5 1
Exercice : solution
b) X et Y sont-elles indépendantes ?
n
E ( X ) xi Pi avec Pi P X xi
i 1
Remarque :
n
k k
E ( X ) x Pi i
k un entier naturel
i 1
ENCG AGADIR 2019-2020 35
Caractéristiques des variables aléatoires discrètes
Espérance mathématique E(X)
Application
Soit X une VA définie par :
xi 0 1 2
pi =P(X=xi) 0,25 0,5 0,25
E ( aX b ) aE ( X ) b
E ( X Y ) E ( X ) E (Y )
E ( X Y ) E ( X ) E (Y )
E g x g x pi i
V ( X ) 0
V a X V ( X )
V aX a V ( X )
2
En général : V X Y V ( X ) V (Y )
(X ) V (X )
Remarques:
(aX ) a ( X )
X E( X )
Z est dite variable aléatoire centrée réduite.
(X )
Avec E(Z)=0 et V(Z)=1
ENCG AGADIR 2019-2020 43
Caractéristiques des variables aléatoires discrètes
Covariance de 2 variables aléatoires
Propriétés
Cov X , Y E X Y E X E Y
Cov X , X V X
Cov X , Y 0 Si X etY sont indépendan tes
V X Y V X V Y 2Cov X , Y
Cov X , Y
r
V ( X ) V (Y )
Avec 1 r 1
PX x p q x 1 x
; x 0,1
On note : X ↝ (p)
ENCG AGADIR 2019-2020 47
Lois discrètes usuelles
LOI DE BERNOULLI (p)
Espérance :
L'espérance mathématique de la loi de Bernoulli est le
paramètre p de la loi:
EX p
Variance :
La variance de la loi de Bernoulli est :
V ( X ) pq
On note : X ↝ (p)
Remarque :
La loi de Bernoulli est utilisée lorsqu’une expérience
aléatoire n’a que deux résultats possibles qualitative Ou
quantitative. ENCG AGADIR 2019-2020 48
Lois discrètes usuelles
Remarque importante :
On appelle processus de Bernoulli toute modélisation par une
suite X1,X2,X3, . . ., Xn de V.A. (indépendantes et
identiquement distribuées), chacune de loi (p).
Dans ce cas, on peut citer différents types de comptages,
menant à des lois différentes:
loi binomiale : comptage des succès en s’arrêtant à un
nombre de répétitions fixé à l’avance.
loi géométrique : comptage des échecs avant d’atteindre le
premier succès.
loi binomiale négative : comptage des échecs avant
d’atteindre le r-ième succès.
loi de poisson : comptage de nombre d’occurrences dans
un laps de temps. ENCG AGADIR 2019-2020 49
Lois discrètes usuelles
Loi Binomiale (n,p)
Définition :
Une variable aléatoire X suit une loi binomiale de paramètres
n et p (X ↝ (n,p)) si sa fonction de probabilité est de la
forme :
P X x C p q x
n
x 1 x
; x 0,1,2,..., n
où :
p : la probabilités de succès
q : la probabilités de succès d’échec
x
Cn : est le nombre de combinaisons de x objets parmi n
n : nombre d’épreuves indépendantes (répétitions)
Cette loi permet de calculer la probabilité d’obtenir x succès
parmi n épreuves indépendantes (avec remise).
ENCG AGADIR 2019-2020 50
Lois discrètes usuelles
Loi Binomiale (n,p)
Exemple 1 :
4 6
1 5
P X 4 C 0,1125
4
10
6 6
ENCG AGADIR 2019-2020 54
Exemple 3:
Sachant que la probabilité pour qu’un étudiant soit diplômé
est de p=0,4.
Calculer pour un groupe de 5 étudiants la probabilité pour
que :
a. Aucun ne soit diplômé ;
b. 1 et un seul soit diplômé ;
c. Au moins 2 soient diplômés ;
d. Les 5 soient diplômés.
c ) P X 2 1 P X 2
1 P ( X 0 ) P ( X 1) 0 , 66
5 0
d ) P X 5 C 5 0 , 4 0 , 6 0 , 01
5
On note : X ↝ (n,p)
ENCG AGADIR 2019-2020 57
Lois discrètes usuelles
Loi Hypergéométrique H (N, n, Np)
Définition :
Soit une population de N objets parmi lesquels une
proportion p possède un certain caractère, on prélève un
échantillon de n individus, sans remise, dans cette
population.
Soit X le nombre d'objets qui possèdent cette propriété. On a
: x n x
C Np C N Np
PX x n
C N
E X np
Variance :
La variance de la loi de Bernoulli est :
N n
V ( X ) npq
N 1
La loi Hypergéométrique est la loi du tirage exhaustif
N n
et le rapport est appelé taux d’exhaustivité.
N 1
ENCG AGADIR 2019-2020 59
Exemple :
L’oral d’un concours comporte au total 100 sujets. Les
candidats tirent au sort trois sujets et choisissent alors le sujet
traité parmi ces trois sujets. Un candidat se présente en ayant
révisé 60 sujets sur les 100.
X=xi 0 1 2 3
P(X=xi) 0,0611 0,2895 0,4378 0,2116 ∑=1
E X np 3 0,6 1,8
N n 100 3
V ( X ) npq 3 0,6 0,4
N 1 100 1
0,7054
Définition :
Une v.a. X suit une loi de Poisson P (λ) de paramètre λ > 0 si
c’est une variable à valeurs entières, X(Ω) = ℕ et tel que :
x=0,1,2, … et :
x
P X x e
; np
x!
On note : X ↝ P (λ)
ENCG AGADIR 2019-2020 64
Lois discrètes usuelles
La loi de Poisson P (λ)
Espérance et variance :
L'espérance mathématique de la loi Hypergéométrique :
E X V (X )
Propriétés :
X1↝ P (λ1) et X2 ↝ P (λ 2), X1 et X2 étant indépendantes,
alors : X1 + X2 ↝ P (λ1 +λ 2).
La loi de poisson correspond à la lois des événement rares
(probabilité Faible)
ENCG AGADIR 2019-2020 65
Lois discrètes usuelles
La loi de Poisson P (λ)
Domaine d’application:
3
10
1) P X 3 e 10
0 , 0076
3!
2 ) P X 1 1 P X 1 1 P X 0
0
10 10
1 e 0 ,999
0!
3 ) P X 3 1 P X 3 1 P0 P1 P2
1 0 , 0027 0 ,9972
a) la loi binomiale
b) l’approximation de la loi binomiale par la loi de
Poisson.
2
1
PX 2 e 1
0,1839
2!