Vous êtes sur la page 1sur 23

LA LOI

BINOMIALE
Dr AKA Joseph
Maître de Conférences Agrégé
Département de Santé Publique et Spécialités
Unité Pédagogiqe et Recherche en Santé publique, Biostatistique et Informatique médicale
Laboratoire de Biostatistique, Méthode et Informatique médicale
UFR SMA /UFHB
1
OBJECTIFS

• Définir la loi binomiale


• Enumérer les conditions de réalisation
de la loi binomiale
• Formuler les moments de la loi

2
PLAN

INTRODUCTION ET INTERETS
I. DEFINITION DE LA LOI BINOMIALE
II. CONDITIONS DE REALISATION DE LA LOI
III. MOMENTS DE LA LOI BINOMIALE
CONCLUSION

3
INTRODUCTION

• La loi binomiale est la loi de probabilités


discrète la plus rencontrée en statistique

• Double Intérêt :
‐ Loi des événements se produisant très
souvent (exemples en science de la vie)
‐ Dérivation de table de probabilités pour
j succès parmi n épreuves réalisées

4
OBJECTIFS

• Définir la loi binomiale

• Enumérer les conditions de réalisation de la loi binomiale


• Formuler les moments de la loi binomiale

5
I - DEFINITION DE LA LOI BINOMIALE (1/8)

Cette définition se fera à partir des éléments


de construction de la loi binomiale :
• Considérons une urne dans laquelle, il y a
2 types de boules : Rouge (n1) et Verte (n2)
dans des proportions p et q respectives,
sachant que p + q = 1

6
I - DEFINITION DE LA LOI BINOMIALE (2/8)

• Questions :
− Probabilité de tirer 1 boule R lors d’1 tirage ?
− Probabilité de tirer j boules R lors de n tirages
avec remise ?

• Sur cette expérience, définissons X VA


« nombre de boules R » tiré et construisons les
variables aléatoires X et les lois de probabilités
des épreuves suivantes :

7
I - DEFINITION DE LA LOI BINOMIALE (3/8)
1. Un tirage (n=1)
•  = {R,V} E = {0,1}  R+ /
1 1 0
X(R) = 1 / p(X=1) = p = C p q
1
0 0 1
X(V) = 0 / p(X=0) = 1 - p = q = C p q1

• avec (p + q)1 = p + q = 1
− Cette expérience est appelée épreuve de
Bernoulli, réalisant ainsi la Loi de Bernoulli,
symbolisée par B(1,p)
− La loi de Bernoulli est appelée loi indicative
• De sorte que : E(X) =  = pjxj = p
• et V(X) = E(X²) - [E(X)]² = pq 8
I - DEFINITION DE LA LOI BINOMIALE (4/8)
2. Deux tirages avec remise (n=2)
•  = {RR, RV, VR, VV}
•  E = {0,1}  R+ /
X(RR) = 2 / p(X=2) = p²
X(RV) = 1 / p(X=1) = pq
X(VR) = 1 / p(X=1) = qp
X(VV) = 0 / p(X=0) = q²

• avec (p + q)2 = p² + 2pq + q² = 1

9
I - DEFINITION DE LA LOI BINOMIALE (5/8)
3. Trois tirages avec remise (n=3)
•  = {RRR, RRV,……, VVR, VVV}
•  E = {0,1}  R+ /
X(RRR) = 3 / p(X=3) = p3
X(RRV) = 2 / p(X=2) = p²q
X(RVR) = 2 / p(X=2) = p²q
X(VRR) = 2 / p(X=2) = p²q
X(RVV) = 1 / p(X=1) = q²p
X(VRV) = 1 / p(X=1) = q²p
X(VVR) = 1 / p(X=1) = q²p
X(VVV) = 0 / p(X=0) = q3
• avec (p + q)3 = p3 + 3p²q + 3pq² + q3 = 1 10
I - DEFINITION DE LA LOI BINOMIALE (6/8)

4. Généralisons à n tirages avec remise

−  E = {0,1}  R+
− Les probabilités p(X=j) s’obtiennent par le
développement de (p + q)n :

 p  q  1  C
n
p q C p q
0
n
0 n 1
n
1 n 1
 Cn
2 2
pq
n2

j n j n 0
 ....  C p q  ....  C p q
j n
n n

11
I - DEFINITION DE LA LOI BINOMIALE (7/8)
• La loi binomiale se définit comme étant :

p( X  j )  C p q
j j n j

n n n j
  p( X  j )   C n
j
1
j
pq
j 0 j 0

j , j  0, 1, 2,... j ,..., n

− La loi binomiale est symbolisée par B(n,p)


− On dit que X B(n,p)
− Remarque : B(1,p) B(n,p)
12
I - DEFINITION DE LA LOI BINOMIALE (8/8)

• Représentation de la loi binomiale

L’ensemble des couples (xj,pj) constitue sa loi


de probabilités
− Où p(X=j) j est représentée par un diagramme
en bâton (et lorsque p = q = 0,5 alors la
représentation est parfaitement symétrique)
− Et F(x) = p(X<j) est une fonction en « escalier »

13
OBJECTIFS

• Définir la loi binomiale

• Enumérer les conditions de réalisation


de la loi binomiale

• Formuler les moments de la loi binomiale

14
II - CONDITIONS DE REALISATION
DE LA LOI BINOMIALE
• Le nombre d’épreuves n est fixé
• L’existence de 2 événements (Succès, Echec)
pouvant se réaliser à chaque épreuve
• Les épreuves sont indépendantes
• L’existence d’une probabilité p constante de
succès à chaque épreuve (tirage avec remise)
• J variable aléatoire succès observée au cours
de n épreuves réalisées

• NB : si le tirage se fait sans remise, on obtient une


loi hypergéométrique : H(N,n,p)
15
OBJECTIFS

• Définir la loi binomiale


• Enumérer les conditions de réalisation de la loi binomiale

• Formuler les moments de la loi


binomiale

16
III - MOMENTS DE LA LOI BINOMIALE (1/3)

1. Moments de la VA X

• Espérance mathématique de X
n n
E ( X )     jp( X  j )   j C n p q j j n j

j 0 j 0

 np C n1 p q  np  p  q 
n 1
j 1 j 1 n j n 1

j 1

 E ( X )    np

17
III - MOMENTS DE LA LOI BINOMIALE (2/3)
• Variance de X
(1) V ( X )    E ( X )  E ( X )
2 2 2

n
n j
(2) E ( X )   j C n p q
2 2 j j

j 0

 E ( X )  n(n  1) p  p  q   np
2 2 n2

 n(n  1) p  np
2

En remplaçant (2) dans (1) 


V ( X )    E ( X )  E ( X )
2 2 2

 n(n  1) p  np  np   np(1  p )


2 2

d ' où V ( X )   2  npq
18
III - MOMENTS DE LA LOI BINOMIALE (3/3)

2. Moments de la proportion (p)


• Espérance mathématique et variance de p

X 1
E ( p )  E    np  p  E ( p )  p
n n
X 1 pq
V ( p )  V    2 npq  V ( p ) 
n n n

• V(p) sera utilisée pour l’encadrement de la


proportion (IC)
19
APPLICATION NUMERIQUE (1/2)
1. Cf. polycopié (AN1)
2. AN2 : On considère un test constitué de questions à
choix multiples, pour lesquelles cinq réponses sont
présentées dont une seule est correcte. Le test
comporte 6 questions. Les questions sont
indépendantes et la réponse de l’étudiant est aléatoire.
• Estimer :
− La probabilité d’avoir au moins 4 bonnes
réponses.
− La probabilité d’avoir moins de 4 bonnes
réponses.
− Les moments de X.
20
APPLICATION NUMERIQUE (2/2)

2. AN2
• Rechercher les conditions de réalisation de la LB
• X VA associée à j succès (j réponses justes)
j j n j
• X B(n,p) / p(X=j) = C pq
n

•  = {jjjjjj, jjjjjf, ………., jfffff, ffffff}


• p(E) ?
• n?
• p(X4) ?
• p(X<4) ?
21
CONCLUSION

1. Loi de probabilité discrète la plus rencontrée


2. Utile pour la structuration du raisonnement
probabiliste
3. Base des tests statistiques non paramétriques
4. Permet la modélisation de nombreux
problèmes en sciences de la vie (variable
aléatoire à 2 Etats), ouvrant ainsi la porte sur
l’analyse des données binaires (exemple : la
régression logistique)

22
MERCI POUR VOTRE
ATTENTION SOUTENUE

23