Le précis en

Bio statistique
(Cours résumés + Questions des examens + Les corrigés)

Asma Hamzaoui
Étudiante à la faculté de médecine d’Alger

1
 La bio statistique :
« C’est l’application de la science statistique à la biologie et au domaine médical »

Programme de la bio statistique

Chapitre 01 : Chapitre 02 : Chapitre 03 :

Statistique descriptive Probabilités Statistique inférentielle

Dans ce chapitre, on Dans ce chapitre, on Dans ce chapitre, on

s’intéresse à regrouper s’intéresse à l‘étude s’intéresse à connaitre les

les techniques utilisées des phénomènes cara- caractéristiques d’une

pour représenter les ctérisés par le hasard population à partir d’un

données puis les analyser et l’incertitude. échantillon issu de
cette population

Cours : Cours :

- Analyse combinatoire - Estimation

- Calcul des probabilités - Les tests statistiques
- Variables aléatoires (Ce cours ne sera pas
- Lois usuelles traité dans ce livre)

2
Chapitre 01 :
Statistique descriptive
I. Définition :
La statistique descriptive est une méthode scientifique qui permet de récolter des
données, les résumer puis les analyser et les commenter. Individu

II. Généralités : Population

 Une population : (L’univers) Ω : C’est l’ensemble d’étude.

 La taille N de la population : N = Cardinal de Ω : Le nombre
d’individu de la population.
 Un échantillon : C’est une partie de la population.
 Un individu :(l’Unité statistique) : C’est un élément de la population. Échantillon
 La variable aléatoire X, Y, Z…..etc. : C’est le caractère étudié
 Les modalités de la variable aléatoire : Les différentes valeurs prises par la variable

Quantitatif : Discret : Les modalités prennent des valeurs iso-

lées.
- Modalités
mesurables. Ex : Nbre d’enfants dans une famille 0, 1,2,3……etc.
Un caractère
- Tout ce qu’on Continu : Les modalités prennent des valeurs très
peut mesurer rapprochées.
par un instru- Ex : Taux du glucose dans le sang 0.88- 0.89- 1.01-
ment 1.03-1.27….etc

Qualitatif : Ordinal : Modalités peuvent être ordonnées

- Modalités non Ex : taille de vêtements (S, M, L, XL, XXL)
mesurables
Nominal : Pas d’ordre
Ex :La couleur des yeux Bleu, Vert, Marron.

3
III. Représentation des données :
Après la réalisation d’une étude statistique, les données recueilles peuvent être ré-
sumées et représentées sous forme de :

Tableaux statistiques

Graphes

Paramètres statistiques

a) Représentation des données sous forme d’un tableau statistique :

1er cas :
(Caractère quantitatif discret) Xi ni nic fi fic
+ X1 n1 n1 f1 f1
(Caractère qualitatif) X2 n2 n1+n2 f2 f1+f2
Xi : Une modalité du caractère étudié
ni
fi = 𝑓𝑖 = 1 ni : n° d’individu présentant la modalité Xi
N

nic : effectif cumulé fi : La fréquence

2ème cas :

(Caractère quantitatif continu) Xi ; Xi+1 ni xi …………..

𝑋1 +𝑋2
K : Le nombre de classe K= 𝑁 X1 ; X 2 n1
2

Xi : Le milieu de la classe X2 ; X3 n2
𝑒
a : L’amplitude de la classe a ≥ ; avec e : l’étendue de la série e = X max – X min
K

4
 b) Représentation graphique :

Caractère quantitatif Caractère qualitatif

Discret Continu Ordinal Nominal

 Diagramme en bâtons :  Histogramme :  Digramme  Diagramme
à bandes = (à circulaires
ni
ni tuyau d’orgues) (à secteurs,
n1 camembert)
ni
n1

X1 Xi a1 a2 a3 ai Xi

 Polygone de fré-  Polygone de fré-

quences : quences :
ni X1 X2 X3 Xi
ni
n1…... Comment trou-
n1 …….. ver l’angle 𝛼𝑖
(désigné par
X1 Xi a1 a2 a3 ai Xi des traits mar-
rons sur la fi-
𝑎 1+ 𝑎 2 gure) :
2
n 360°
 Diagramme cumulatif :  Courbe cumulative :
ni 𝛼𝑖
nic ni ni
𝛼𝑖 = × 360°
n
n1+ n2
n1 n1 ….…..

X1 Xi a1 a2 a3 ai Xi

c) Représentation des données sous forme de paramètres statistiques :

Les paramètres statistiques ne peuvent être calculés que dans le cas d’une variable
aléatoire quantitatif (étant donné que les données sont immesurables dans le cas
d’une variable aléatoire qualitatif).
(R : Dans tout ce qui suit :n désigne l’effectif totale).
5
 Paramètres sta- Cas discret Cas continu
tistiques
De position: Le mode la modalité Xi dont l’effectif Milieu de la classe modale
(de tendance cen- ni est le plus élevé
trale)
La moyenne
[donnent l’ordre 1 1
Série brute : X= Xi X= ni 𝑥i
de grandeur des 𝑛 𝑛
1
observations] Série groupée X = ni Xi 𝑥i : Milieu de la classe d’ordre i
𝑛

X n α +X n α +1 nα −n cum (i−1)
Le quantile ; n𝛼 ⋲ 𝑁 q𝛼 =L1+ (L2-L1) × n
2 cum i −n cum (i−1)
d’ordre 𝛼
X nα +1 ; n𝛼 ∉ 𝑁 L1 et L2 sont respectivement
(0< 𝛼 <1)
les bornes inférieures et supé-
rieures de la classe i (C’est la
classe avec ncum i ≥ n 𝛼 )

De dispersion : L’étendue E = Xmax - Xmin

(de variance)
1 1
La variance Série Brute : 𝑥𝑖 − 𝑥 ² ou bien 𝑥𝑖2 − 𝑥 2
[donnent l’écart 𝑛 𝑛
des observations 1 1
Série groupée : ni (𝑥𝑖 − 𝑥 )² ou bien ni 𝑥𝑖2 − 𝑥 2
autour d’une va- 𝑛 𝑛

leur centrale] L’écart type 𝜎(𝑋) = 𝑉𝑎𝑟(𝑋)

L’écart absolu
1 1
moyen, Moyen: 𝑛𝑖 𝑥𝑖 − 𝑥 Médian : 𝑛𝑖 𝑥𝑖 − 𝑀𝑒
𝑛 𝑛
médian
L’écart inter- Q3-Q1
quartile Q1 et Q3 sont respectivement le 1er et le 3ème quartile

L’intervalle Q1; Q 3
interquartile
Le coefficient 𝜎(𝑋)
CV(X) =
X
de variation
IV. Le Changement de variable :
X=a Y+b ; avec a : l’amplitude de la classe
X = a Y +b V(X)= a2 V(Y) b : milieu de la classe centrale

6
 D. Aucune de ces réponses n’est
Questions vraie

d’examens en statis- (QCM 03- EMD 01- 2018/2019)

Réponse : D
tique descriptive  QCM 04 : Pour un caractère quantitatif
la définition de la variance est la sui-
Remarque : les réponses marquées par ∗ sont vante :
1
des réponses personnels (le corrigé type n’est pas A. ( 𝑥𝑖2 − 𝑥 2 )
donné par l’enseignant). 𝑛
1
B. 𝑥𝑖2 − 𝑥 2
𝑛
Questions de cours C.
1
(𝑥𝑖 − 𝑥 )²
𝑛
1
 QCM 01 : Les paramètres de tendance D. [ (𝑥𝑖 − 𝑥 )]²
𝑛
centrale (position) regroupent :
A. La médiane (QCM 04- EMD 01- 2018/2019)
B. L’écart type Réponse : B C
C. La moyenne
D. Le coefficient de variation  QCM 05 :
A. La moyenne est toujours positive
(QCM 01- EMD 01- 2018/2019) B. L’écart type peut être négative
1
Réponse : A C C. V(x) ≥ 𝑥𝑖2
𝑛
1
D. V(X) ≤ 𝑥𝑖2
 QCM 02 : Les paramètres de dispersion 𝑛
regroupent : V(X) désigne la variance
A. L’écart interquartiles
B. Les quantiles (QCM 05- EMD 01- 2018/2019)
C. L’étendue
Réponse : D
D. Aucune de ces réponses
 QCM 06 :
(QCM 02- EMD 01- 2018/2019)
Réponse : A C A. Un paramètre est une grandeur
apportant une information ré-
 QCM 03 : sumée sur la variable que l’on
A. Les paramètres de dispersion étudie
donnent l’ordre de grandeur des B. La médiane est une valeur de la
observations série
B. Le coefficient de variation C. Les données sont strictement
s’exprime dans la même unité équivalentes d’une personne à
que les observations. une autre
C. Pour comparer la dispersion de 2 D. Une population est toujours un
séries statistiques, on compare ensemble d’effectif limité
toujours leur variance
(QCM 02- EMD 01- 2017/2018)

7
 𝐑é𝐩𝐨𝐧𝐬𝐞∗ : A
 QCM 07 : Etant donnée une variable
étudiée sur une population, à chaque
individu est associée :
A. Un nombre de modalités qui dé-
pend de la variable
B. Au moins une modalité de la va-
riable
C. Une et une seule modalité de la
variable
D. Aucune de c’est réponse n’est
juste
(QCM 03- EMD 01- 2017/2018)
𝐑é𝐩𝐨𝐧𝐬𝐞∗ : C
 QCM 08 : Le mode d’une variable
est :
A. La modalité ayant le plus petit ef-
fectif
B. La modalité ayant le plus grand ef-
fectif
C. Le plus grand des effectifs
D. Le mode est unique
(QCM 04- EMD 01- 2017/2018)
𝐑é𝐩𝐨𝐧𝐬𝐞∗ : B
 QCM 09 : La variance :
1. Est la racine carrée de l’écart type
2. Lorsqu’elle est forte, correspond à
des données éloignées de la va-
leur centrale
3. S’exprime dans la même unité que
les valeurs de X
4. Est égale au carré de la moyenne
5. Les propositions 1.2.3.4 sont
fausses
A : 1+2 B :2 C :3+4 D :5
(QCM 01- EMD 01- 2016/2017)
Réponse : B
 QCM 10 : Pour une variable quantita-
tive discrète
1. Si n est pair, la médiane corres-
pond à la moyenne des deux va-
leurs "centrales" une fois les va-
leurs rangées par ordre croissant
2. Si n est impair, la médiane corres-
pond à la moyenne des deux va-
leurs "centrales" une fois les va-
leurs mesurées rangées par ordre
croissant
3. La médiane est toujours égale à la
moyenne
4. Le mode représente la plus grande
valeur de la série
5. Les propositions 1.2.3.4.5 sont
fausses
A :2+4 B :1+3 C :1 D :5
(QCM 02- EMD 01- 2016/2017)
Réponse : C
 QCM 11 :
1. L’écart interquartile (𝑞3 − 𝑞1 ) con-
tient 50% des valeurs
2. Il y a 35% des valeurs qui sont in-
férieurs au dixième centile et su-
périeurs au 3ème quartile
3. Si on effectue un changement de
variable Y=a+bX , x et y sont res-
pectivement les moyennes de X et
Y, alors x= by + a
4. 𝜎𝑥2 et 𝜎𝑦2 sont respectivement les
variances de X et Y, alors
σ2y = a2 σ2x
5. Les propositions 1.2.3.4 sont
fausses
A :1+2+3+4 B :1+3+4 C :1+2 D :5
(QCM 05- EMD 01- 2016/2017)
Réponse : C
8
 QCM 12 : A propos des statistiques en
médecine :
A. La statistique descriptive permet
de tirer des conclusions à partir
d’observations et de mesures
B. L’étude d’une série statistique
permet l’extrapolation à
l’ensemble de la population
C. L’étude d’un échantillon représen-
tatif permet l’extrapolation à
l’ensemble de la population
D. La constitution de séries statis-
tiques se fait par tirage au sort
E. Un échantillon peut être d’effectif
illimité
(QCM 01 synthèse 2016/2017)
𝐑é𝐩𝐨𝐧𝐬𝐞∗ : A C
 QCM 13 : une étude cherche à montrer
l’existence d’un lien entre le diabète et
la survenue de maladies cardio-
vasculaires
A. On est en présence de données
quantitatives
B. On est en présence de données
qualitatives
C. Aucune de ces réponses n’est
juste
(QCM 02- Synthèse- 2016/2017)
𝐑é𝐩𝐨𝐧𝐬𝐞∗ : A
Partie QCS (2018) : A (vrai) B(Faux)
1. Un caractère continu est qualitatif
𝐑∗ : B
2. Un caractère nominal est qualitatif
𝐑∗ : 𝐀
3. L’histogramme est la représentation
graphique des fréquences d’un carac-
tère continu 𝐑∗ : A
4. Le diagramme en bâtons est la repré-
sentation graphique d’un caractère
continu 𝐑∗ : B
5. On peut calculer 4 quartiles 𝐑∗ : B
6. La médiane s’obtient directement à
partir de la courbe cumulative 𝐑∗ : A
7. 25% des observations sont supéri-
eurs au 1er quartile 𝐑∗ : B
8. Le nombre de pommes sur un arbre est
une variable qualitative discrète 𝐑∗ : B
9. Le motif imprimé sur la robe est une
variable qualitative nominale 𝐑∗ : A
10. La consommation annuelle de paquet
de cigarettes 0; 50 50; 100
100; 150 est une variable aléatoire
discrète 𝐑∗ : B
Exercices :
Exercice 01 : (3 QCM)
(QCM 08.09.10- EMD 01- 2018/2019)
On s’intéresse à l’âge de décès, par une
grave épidémie, de 200 individus âgés
entre 20 et 55 ans. On obtient :
Tranche d’age [20;25[ [25;30[ [30;35[
effectifs 5 15 45
[35;40[ [40;45[ [45;50[ [50;55[
65 42 18 10
 QCM 01 :
A. Il y au moins 65 personnes atteintes
de cette épidémie qui décèdent
avant 40 ans
B. 65 % des personnes atteintes de
cette épidémie décèdent avant 40
ans
C. 65 % des personnes atteintes de
cette épidémie décèdent entre 35
et 40 ans
D. Aucune réponse vraie
Réponse : B
9
 QCM 02 : Les pesées de 50 nouveau-nés dans
A. 10% des personnes atteintes de une maternité ont permis d’établir le
cette épidémie décèdent avant 30 tableau :
ans
B. La majorité des personnes atteintes
Poids [2.0;2.4[ [2.4;2.8[ [2.8;3.2[
de cette épidémie décèdent entre effectif 6 9 10
35 et 40 ans [3.2;3.6[ [3.6;4.0[ [4.0;4.4[
C. Plus de la moitié des personnes at- 15 8 2
teintes de cette épidémie décèdent
après 40 ans
D. Aucune de ces réponses.  QCM 01 :
A. La représentation graphique
Réponse : A B
adéquate de cette distribution
 QCM 03 : En effectuant le changement est le diagramme à bondes
de variable X = 5Y +37.5 B. 50% des nouveau-nés dans cette
A. 𝑦 = 0.01 𝑒𝑡 𝜎𝑦2 = 1.77 maternité pèsent moins de 3.4
B. 𝑦 = 0.09 𝑒𝑡 𝜎𝑦2 = 1.7619 kg
C. 𝑥 = 37.95 𝑒𝑡 𝜎𝑥2 = 44.05 C. 75% des nouveau-nés dans cette
D. 𝑥 = 37.55 𝑒𝑡 𝜎𝑥2 = 44.25 maternité pèsent plus de 2.7 kg
D. 75% des nouveau-nés dans cette
Réponse : B C maternité pèsent moins de 2.7
Exercice 02 : (1 QCM) kg

(QCM 01- EMD 01- 2017/218) 𝐑é𝐩𝐨𝐧𝐬𝐞 ∗ ∶ C

On a relevé le nombre de cigarettes  QCM 02 : On effectue le changement

fumées quotidiennement sur un échan- de variable X = 0.4Y +3.4 , 𝑦 𝑒𝑡 𝜎𝑦2 , re-
tillon de 11 adolescents. Voici les résul- présentent respectivement la moyenne
tats et la variance de Y
A. (𝑦 = −0.68 ; 𝜎𝑦2 = 1.8576)
Sujet n° 1 2 3 4 5 B. (𝑦 = 0.68 ; 𝜎𝑦2 = 1.8576)
Nombre de cigarettes 2 0 0 10 5 C. (𝑦 = 0.68 ; 𝜎𝑦2 = 1.3629)
6 7 8 9 10 11 D. Aucune de ces réponses n’est
8 4 15 20 0 0 juste
A. Le mode de cette série est 9
B. 50% des adolescents sondés fument 𝐑é𝐩𝐨𝐧𝐬𝐞∗ : A
moins de 4 cigarettes par jour  QCM 03 : 𝑥 𝑒𝑡 𝜎𝑥2 , représentent respec-
C. Le nombre moyen de cigarettes fu-
tivement la moyenne et la variance
mées quotidiennement est 6
A. (𝑥 = 3.821 ; 𝜎𝑥2 = 0.2924)
D. Aucune des ces réponses n’est juste
B. (𝑥 = 3.128 ; 𝜎𝑥2 = 0.2972)
𝐑é𝐩𝐨𝐧𝐬𝐞∗ : C C. (𝑥 = 3.821 ; 𝜎𝑥2 = 0.0184)
D. Aucune de ces réponses n’est
Exercice 03 : (3 QCM) juste
(QCM 05.06.07- EMD 01- 2017/2018)
10
 𝐑é𝐩𝐨𝐧𝐬𝐞∗ : B 1. 25% des femmes présentent un taux de
cholestérol total inférieur ou égal à 4.3
Exercice 04 :
g
(QCM 03- EMD 01- 2016/2017) 2. 50 hommes sur 200 présentent un taux
de cholestérol total supérieur à 5.3 g/l
Dans le tableau suivant est donnée un 3. Les valeurs 5.1 et 4.4 g/l sont les me-
relevé des pressions artérielles systo- sures d’un paramètre de dispersion
liques, en mm Hg, des 9 patients hyper 4. Les valeurs 1.8=6.1-4.3 et 1.7=5.3-3.6
tendus normovaltergiques. sont les mesures
141-152-146-160-147-154-139-150-161 d’un paramètre se dispersion
1. La valeur moyenne de cette série 5. 200 femmes présentent un taux de
est égale à sa médiane cholestérol compris entre [4.3;6.1]
2. La valeur moyenne de cette série
est différente de sa médiane A :1+2+4+5 B :1+3+4
3. L’étendue de cette série est de 20
C :1+3+4+5 D :1+2+3
mm Hg
4. La largeur de l’intervalle interquar- Réponse : A
tile vaut 4 mm Hg
5. Quatre patient présentent une Exercice 06 : (3 QCM)
pression artérielle systolique stric- (QCM 06.07.08- EMD 01- 2016/2017)
tement inférieure à la valeur
moyenne Le dosage d’une hormone, X a été effec-
tué par une laborantine sur 20 patients é
A : 2+4 B:2 C : 1+ 3 D : 1+5
112 150 210 210 120 130 140 127 165 180
𝐑é𝐩𝐨𝐧𝐬𝐞∗ : D
Exercice 05 :
On répartit cette série en classe d’égale
(QCM 04- EMD 01- 2016/2017)
amplitude
Le tableau suivant donne un résumé
QCM 01 :
des valeurs du taux de cholestérol chez
un groupe de femmes et d’hommes 1. Le nombre de classes est égal à 20
2. L’étendue de la série est égale à 5
Femmes Hommes
3. L’amplitude de classe est égale à 20
N : taille de l’échantillon 400 200 4. On représente cette série par un
Min : Observation minimale 1.9 2.1 diagramme en bâtons
5. On représente cette série par un his-
Q1 : 1er quartile 4.3 3.6 togramme
Médiane 5.1 4.4 A :2+3+5 B :3+5 C :3+4 D :1+2+5
ème
Q3 : 3 quartile 6.1 5.3
Réponse : B
Max : Observation maximale 9.6 9.0
QCM 02 :
11
 1. 5 patients ont un dosage de cette QCS 04 : on ne peut pas calculer la va-
hormone compris entre 112 et 132 riance de X avec les informations four-
2. 35% des patients ont un dosage de nies
cette hormone inférieur à 172
Réponse 01 : B 02 : B
3. La série est uni modale
4. 10 patients en un dosage de cette 03 : B 04 : A
hormone inférieur ou égal à 152
5. Les propositions 1.2.3.4 sont fausses On a obtenu la distribution groupée de
la taille en cm suivante
A :1 B :1+2+4 C :3+4 D :5
Xi 168 170 172 174 176
Réponse : A fi 0.1 0.2 0.3 0.3 0.1
QCM 03 : Les Xi représentent les centres de classe

1. La variance de cette série = -110 Les fi représentent les fréquences

2. Le coefficient de variation s’exprime QCS 05 : On ne connait pas l’effectif de
dans la même unité que les valeurs
de X L’échantillon.
3. Le premier quartile est égale à 132
QCS 06 : L’effectif de l’échantillon est égal
4. 50% des patients ont un dosage de
à 100.
cette hormone ≥ 152
5. Les propositions 1.2.3.4 sont fausses QCS 07 : La distribution est uni modale
A :3 B :1 C :3+4 D :5 QCS 08 : Dans l’échantillon, il n’y a aucun
individu qui a une valeur < 168
Réponse : A
QCS 09 : Le dixième centile est égal à 138
Exercice 07 :
QCS 10 : La taille moyenne est 1m72 à 10-1
(QCS 1 à 10- EMD 01- 2015/2016)
Réponse : 05 : A 06 : B
On souhaite faire une étude sur la taille
des étudiants. On a relevé la taille X, en 07 : B 08 : B
cm de chaque étudiant. On donne :
𝑥𝑖 = 17220 𝑒𝑡 𝑥𝑖 2 =1232100, 09 : B 10 : A
alors
QCS 01 : on peut dire que la taille
moyenne est 1m72 à 10-1 près
QCS 02 : on peut dire que la variance
de X est 1843
QCS 03 : on peut dire que l’écart type
de X est 1847 ≅ 43

12
 Chapitre 02 :
Probabilités
Cours 01 : L’analyse combinatoire
I. Définition :
L’analyse combinatoire = Le dénombrement ≡ Trouver le nombre de résultats pos-
sibles d’une expérience aléatoire, trouver le nombre de façons …..

II. Principe fondamental de l’analyse combinatoire :

Expérience 01 n1 résultats Expérience globale
Expérience 02 n2 résultats n1 × n2 × ………….……× nK
Expérience K nK résultats Résultats possibles
Cas Définition Nombre de résultats possibles
Avec répétition : Un arrangement avec répétition Le nombre d’arrangements
de p éléments choisis parmi n non tous diffé- avec répétition de p éléments
Arrangement

rents est une suite ordonnée de ces p éléments parmi n est donné par :
𝛂𝐏𝐧 = 𝐧𝐏
Sans répétition : Un arrangement sans répétition Le nombre d’arrangements
de p éléments choisis parmi n (p ≤ n), est une avec répétition de p éléments
suite ordonnée d ces p éléments tous différents. parmi n est :
𝐧!
𝐀𝐏𝐧 =
(𝐧−𝐏)!

Sans répétition : Une permutation d’ordre n est Le nombre de permutations

un arrangement de n parmi n. d’ordre n est : Pn = n !
permutation

Avec répétition : Soit E un ensemble à n élé- Le nombre de permutations

ments, non tous différents, composée de K d’ordre n avec répétition de
groupes (n1, n2,…, nk) tels que les éléments d’un n1, n2,…, nk est :
même groupe sont identiques (n1+ n2+...+ nk=n) 𝐧!
Pn (n1, n2,…, nk) =
𝐧𝟏 !×𝐧𝟐 !×..×𝐧𝐊 !

Le nombre de combinaisons
Combinaison

( Sans répétition): Une combinaison de p élé- de p éléments pris parmi n est

ments choisis parmi n tous différents (p ≤ n) est donnée par :
une suite non ordonnée de ces p éléments. 𝐧! 𝐀𝐏𝐧
𝐂𝐧𝐏 = =
𝐏! × (𝐧 − 𝐏)! 𝐏!
13

Questions d'exa-
mens en Analyse
combinatoire
 QCM 01 : Un questionnaire à choix
multiples, autorisant une seule réponse par
question, comprend 15 questions. Pour
chaque question, on propose 4 réponses
possibles. De combien de façons peut on
répondre à ce questionnaire ? :
A. 154
4
B. 𝐴15
C. 415
4
D. 𝐶15
(QCM 11 - EMD 01- 2018/2019)
Réponse : C
 QCM 02 : On dispose de 4 antibio-
tiques efficaces pour traiter une certaine
maladie infectieuse. On a vérifié que les 4
médicaments sont également actifs mais on
ne peut pas donner plus de 2 antibiotiques;
Le nombre de traitements possibles asso-
ciant les 2 antibiotiques à la fois :
A. 12 B. 6 C. 16 D. 24
( QCM 12 - EMD 01 - 2018/2019 )
Réponse : B
 QCM 03 : Une femme a dans sa
garde-robe 4 jupes, 5 chemises et 3 vestes.
Elle choisit au hasard une jupe, un chemi-
sier et une veste. De combien de façons
différentes peut-elle s'habiller ?
A. 60 B. 220 C. 1320
D. Aucune de ces réponses n'est juste
(QCM 08 - EMD 01 - 2017/2018)
 QCM 04 : On place 10 boules dont 3
rouges, 4 noires et 3 vertes dans 10 boites à
raison d'une seule par boite. On suppose que
les boules de même couleur sont identiques.
De combien de manières différentes peut-on
le faire?
A. 75 B. 35 C. 4200
D. Aucune de ces réponses n'est juste.
(QCM 09 - EMD 01 - 2017/2018)
 QCM 05 : Soit E l'ensemble des
nombres de 4 chiffres, le premier étant nul.
A. Le nombre d'éléments de E est 9000
B. Le nombre d'éléments de E composés
de 4 chiffres distincts est 3024
C. Le nombre d'éléments de E composés
d'au moins 2 chiffres identiques est
4464
D. Le nombre d'éléments de E composés
de 4 chiffres distincts autres que 5 et 7
est 1680
(QCM 10 - EMD 01 - 2017/2018)
Exercice : (2 QCM) On dispose d'un alpha-
bet de n lettres différentes.
 QCM 06 : le nombre de mots de k
lettres que l'on peut écrire est égal à:
A. 𝐶𝑛𝑘 B. 𝐴𝑘𝑛 C. 𝑛𝑘 D. n!
Réponse : C
 QCM 07 : Dans le codage génétique,
en biologie cellulaire «L'alphabet de base» est
constitué de 4 nucléotides désignés par les
lettres A, C, G, U. On admet que les acides
sont des mots formés par une chaine de 3
nucléotides.
1. Le nombre d'acides aminés de ce genre
est 24
2. Parmi ces acides, il y a 64 qui contien-
nent 3 nucléotides différents
3. Parmi ces acides, il y a 4 qui contiennent
3 nucléotides identiques
4. Parmi ces acides, il y a 36 qui contien-
nent 2 nucléotides identiques
14
 5. Les propositions 1.2.3.4 sont fausses. nuelle. Deux médecins les reçoivent. Le
A : 1+2+3 B : 3+4 C:3 D:5 premier verra 5 personnes, le second 4.
Réponse : B  QCM 11 : De combien de façons dif-
(QCM 10 et 11 - EMD 01- 2016/2017) férentes les neuf personnes peuvent-elles
 QCM 08 : 4 garçons et 2 filles s'assoient être réparties entre chaque médecin ?
sur un banc. Le nombre de dispositions pos- A. 120 B. 126 C. 252 D.
sibles : 60
1. 720 Réponse : C
2. 96 si les garçons sont d'un coté et les filles  QCM 12 : Il y a 4 personnes portant
de l'autre. des lunettes. De combien de façons diffé-
3. 144 si chaque fille et intercalée entre 2 rentes peut-on réaliser cette répartition,
garçons. sachant que chaque médecin verra 2 per-
A : 1+3 B : 1+4 C : 2+3 D : 1+2+3 sonnes portant des lunettes ?
E: Aucune de ces réponses A. 120 B. 126 C. 252 D.
(QCM 21- EMD 01- 2015/2016) 60
Réponse : D Réponse : A
Exercice : (2 QCM)  QCM 13 : De plus, on veut que Mon-
Le traitement d'un malade nécessite la sieur X qui porte des lunettes et Monsieur
prise de 3 sortes de sirops différents et 2 Y qui n'en porte pas, soient examinés par
sortes de comprimés différents. Le médecin le même médecin. Combien de réparti-
dispose de 4 sortes de sirops et de 3 sortes de tions sont possibles ?
comprimés qui auraient des effets analogues. A. 120 B. 126 C. 252 D.
De combien de manières différentes pourra-t-il 60
rédiger son ordonnance si Réponse : D
 QCM 09 : s'il n'a aucune contrainte (QCM 02.03.04 - EMD 01- 2013/2014)
A. 24 B. 12 C. 6 D. 32
Réponse : B
 QCM 10 : un sirop particulier ne doit
pas être pris avec une sorte de comprimé
précis ?
A. 6 B. 12 C. 8 D. 4
Réponse : A
(QCM 04 - 05 - EMD 01 - 2014/2015)

Exercice : (3 QCM)
Neuf personnes se présentent à la mé- Asma Hamzaoui
decine du travail pour passer la visite an-

15
 Chapitre 02 :
Probabilités
Cours 02 : Calcul des probabilités
I. Généralités :
a) L’expérience aléatoire :
 Une expérience aléatoire E : est une expérience dont les résultats possibles dépendent

du hasard.

 Une éventualité ou un issu 𝜔 : est un résultat possible de l’expérience.

 L’espace fondamental Ω : est l’ensemble de toutes les issues possibles (Ω = 𝜔1 , 𝜔2 … 𝜔𝑛 )
Cardinal Ω : Nombre d’éléments de Ω, il peut être fini ou infini.
b) L’évènement aléatoire :
 Un évènement : est un sous-ensemble de Ω noté (A, B, C…….)
 L’algèbre des évènements A: est l’ensemble de tous les évènements (cardinal A = 2CardΩ)
L’évènement Signification

Ф Evènement impossible
Ω Evènement certain
𝐴 Le contraire de A, il est réalisé quand A n’est
pas réalisé ; on a : Ω=Ф
A∩B (A inter B) A et B sont réalisés
A∪B (A union B) A ou B sont réalisés
A∩B = Ф A et B sont incompatibles, ils ne peuvent
pas se réaliser au même temps
AϹB La réalisation de A implique celle de B

II. Définition :
On cherche à définir pour un évènement A un nombre P qui représente la chance de
cet évènement de se réaliser.
Soit E expérience aléatoire d’espace fondamental Ω, A l’algèbre des évènements. La
probabilité "P" est une application qui va de l’algèbre des évènements
P:A 0,1
A P (A) , tels que 0 <P <1

16
III. Propriétés :
P (Ω) = 1 ; P (𝐴 ) = 1 – P (A) ; A Ϲ B P (A) ≤ P (B)
P ( A B) = P ( A moins B ) = P ( A ∩ B ) ; P ( A ∪ B ) = P (A) + P (B) – P ( A ∩ B )
P (A ∪ B ∪ C) = P A + P B + P(C) – P A ∩ B + P A ∩ C + P (B ∩ C
+ P (A ∩ B ∩ C )
IV. Probabilité d’un évènement A :
Nombre de cas favorable à A n A
P (A) = = =
Nombre de cas possible N Ω

V. Probabilités conditionelles:
Une information supplémentaire concernant l’expérience modifie la chance que l’on
accorde à l’évènement étudié.
a) Définition : La probabilité de A sachant B est un nombre n d’évènements
P ( A∩B)
PB (A) = P ( A / B ) =
P (B)
(Sachant, Si, Parmi, chez ....etc Probabilité conditionnelle)
b) Probabilité composée de l’intersection :
Soit (Ai)i=1,2…,n avec P(Ai) ≠ ∀ i = 1,2,……, n
P (A1 ∩ A2 ....... ∩ An) = P( A1) x P( A2 / A1 ) x P ( A3 / A1∩ A2) .....P( An / A1 ∩ A2... ∩ An-1)
c) L’indépendance : Deux évènements A et B sont indépendants si est seulement si :
Définition 01 : P(A) = P (A / B) ou P (B) = P (B / A)
Définition 02 : P (A ∩ B)= P (A) x P(B)
d) Indépendance mutuelle : Soient 3 évènements A, B, C, avec P (A) ≠ 0 P (B)≠ 0
P (C) ≠ 0. A, B, C sont mutuellement indépendants (indépendants 2 à 2) si est seule-
ment si :
i. P (A ∩ B ∩ C) = P (A) x P(B) x P (C)
ii. P (A ∩ B) = P (A) x P (B)
P (A ∩ C) = P (A) x P(C)
P (B ∩ C) = P (B) x P(C)

17
  QCM 04 : La probabilité pour un pa-
Questions tient de survivre au premier jour est :
A. 0.0873 B. 0.0282 C.0.0291

d'examens en D. Aucune de ces réponses

bio statistique
Cours : Calcul des probabilités
 QCM 01 : Soit Ω l'ensemble fonda-
mental d'une expérience aléatoire. A quelle
condition deux évènements A et B seraient
a la fois incompatibles et indépendants ?
A. C'est la même chose B. A = ɸ ou B =
ɸ
C. A∪B = Ω D. A∩B = ɸ
Réponse : B
 QCM 02 : Soit A et B 2 évènement
possibles.
A. Si P(A∩B) = P(A∩ B), alors P(A)= 2
P(A∩B)
𝑃(𝐵)
B. P (B/A) = P (A/B)
𝑃(𝐴)
C. P (A∩B) - P (A) = P (A∩ B )
D. Si P (A) = P (B) alors A et B sont 2 évè-
nement indépendants
Réponse : A B
(QCM 06.07 - EMD 01 - 2018/2019)
 QCM 03 : L'épreuve de bio statis-
tique contient 50 questions avec 4 proposi-
tions de réponses mais une seule est cor-
recte. Un étudiant est sûr d'avoir répondu
correctement à 30 questions sur les 50. Sur
les 20 questions restantes, il a répondu au
hasard. La probabilité qu'il ait au moins 31
bonnes réponses à l'épreuve est :
A. 0.0032 B. 1 C. 0.9968
D. Aucune de ces réponses
Réponse : C
Exercice : (3 QCM) Dans un service de réa-
nimation chaque patient a un risque de
décès de 3% par jour.
Réponse : D
 QCM 05 : La probabilité pour un pa-
tient de décéder le troisième jour est :
A. 0.0873 B. 0.0282 C.0.0291
D. Aucune de ces réponses
Réponse : B
 QCM 06 : La probabilité pour un
patient de décéder durant les trois pre-
miers jours
A. 0.0873 B. 0.0282 C. 0.0291
D. Aucune de ces réponses
Réponse : A
Exercice: ( 4 QCM) Dans une population
présentant une douleur abdominale, 30%
des patients ont une appendicite aigüe.
Parmi ces derniers, 70% ont une tempé-
rature corporelle supérieure à 37.5°C,
alors que chez des patients sans appen-
dicite, une température supérieure à
37.5°C est retrouvée dans 40% des cas.
Pour un patient de cette population pré-
sentant une douleur abdominale, on dé-
finit les évènements suivants :
A : "le patient présente une appendicite
aigüe"
T : "le patient a température corporelle
supérieure à 37.5°C"
 QCM 07 : On a les probabilités sui-
vantes :
A. P (A/T) = 0.7 B. P (A/T) = 0.4
C. P (A/T) = 0.3 D. P (T /A) = 0.7
Réponse : D

18
  QCM 05 : La probabilité qu'un pa-  QCM 09 : Les 3 femmes deman-
tient ait une température corporelle su- dent au hasard le même médecin, en
périeure à 37.5°C est égale à : même temps
A. 0.17 B. 0.037 C. 0.222 D.
A. 0.43 B. 0.49 C. 0.82 D.
0.111
0.51
Réponse : D
Réponse : B  QCM 10 : Les 3 médecins soient
appelés ?
 QCM 06 : Pour un patient ayant A. 0.5 B. 0.444 C. 0.222 D.
température corporelle supérieure à 0.34
37.5°C, la probabilité qu'il ait une appen- Réponse : C
dicite aigüe est égale à :  QCM 11 : 2 médecins soient ap-
A. 0.43 B. 0.49 C. 0.82 D. pelés
0.51 A. 0.67 B. 0.33 C. 0.549 D.
Réponse : A 0.523
 QCM 07 : Pour un patient n'ayant Réponse : A
pas une température corporelle supé-  QCS : (EMD 2016) A: Vrai B :
rieure à 37.5°C, la probabilité qu'il n'ait Faux
pas une appendicite aigüe est égale à : On tire successivement 2 boules dans
A. 0.43 B. 0.49 C. 0.82 D. une urne contenant des boules rouges et
0.51 des boules noires.
Réponse : C R. L'évènement " toutes les boules tirées
(QCM 13→20 - EMD 01 - 2018/2019) sont rouges "
 QCM 08 : A, B et C sont des évè- N. L'évènement " toutes les boules tirées
nements. On sait que P(A) = 0.3; P(B) = 0.5 sont noires "
; P(A∩B) = 0.2; P(C) = 0.4. On sait égale- QCS 01 : R = N R:B
ment que A et C sont incompatibles. QCS 02 : N est l'évènement " le tirage est
1. Les évènements A et B sont incompa- bicolore " R:B
tibles. QCS 03 : R ∪ N est l'évènement " le ti-
2. La probabilité que A ou B se réalisent rage est bicolore "
est 0.8 R:A
3. La probabilité que A se réalise et que B QCS 04 : R est l'évènement " le tirage
ne se réalise pas 0.1 contient au moins une boule
4. Les évènements A et C sont indépen- noire"
dants R:A
5. P (A∪C) = 0.9
A : 1+2 B : 1+2+3 C : 2+3+4 D QCS 05 : P ( 𝑅 ∩ 𝑁 ) = 1 R:A
:3+5 Exercice : Dans un laboratoire se trouve
Réponse : D (EMD 01 - 2017) une cage avec 100 souris présentant 2
Exercice : (3 QCM - EMD 2014) caractères: sexe (mâle ou femelle), cou-
Dans une même clinique, 3 femmes sont leur (blanche ou noire); 87sont mâles, 57
sur le point d'accoucher. Trois médecins sont blanches et 55 sont mâles et
sont attachés à cette clinique. Quelle est la blanches.
probabilité pour que :
19
  QCM 12: Une assistante prend une
souris au hasard. La probabilité pour
qu'elle obtienne une souris blanche ou
une souris mâle est :
A. 0.89 B. 0.65 C. 0.15 D.
0.0343
E. Aucune de ces réponses
Réponse : A
Elle décide de choisir 6 souris. La proba-
bilité qu'elle obtienne 4 souris blanches
si les prélèvements sont réalisés:
 QCM13: avec remise
A. 0.2992 B. 0.0195 C. 0.0199
D. 0.2927 E. Aucune de ces ré-
ponses
Réponse : D
 QCM 14 : sans remise
A. 0.2992 B. 0.0195 C. 0.0199
D. 0.2927 E. Aucune de ces ré-
ponses
Réponse : A (EMD 2016)

20
Chapitre 02:
Probabilités
Cours 03: Les variables aléatoires

I. Généralités:
_ Une variable aléatoire: est une variable susceptible de prendre différentes valeurs au-
quel il est possible d’affecter une probabilité 𝜔 → 𝑋 𝜔 = 𝑥
_ Support de la variable aléatoire : C’est l’ensemble des valeurs que peut prendre la va-
riable aléatoire, notée X(Ω) = X
_ Fonction de répartition : Fx : ℝ 0.1
X Fx(X) = P ( X ≤ 𝑥 )
(Notion de fréquences cumulées en statistique descriptive)
Toute fonction de répartition possède les 4 propriétés suivantes :
1) 0 ≤ F(X) ≤ 1
2) F croissante
3) F continue
4) lim𝑋→−∞ 𝐹 (𝑋) = 0 et lim𝑋→∞ 𝐹(𝑋) = 1
Remarque : P( a ≤ X ≤ b) =P( X ≤ b) – P (X ≤ a) = F( b) – F (a)
𝑑 𝐹(𝑋)
_ La densité de probabilité : f(X) =
𝑑𝑋
Propriétés :
1- f(X) > 0 ∀ X⋲ X et 0 si non
+∞ 𝑏
2- ∫−∞ 𝑓 𝑋 = ∫𝑎 𝑓 𝑋 = 1 sachant que 𝑎; 𝑏 est le support de la variable aléatoire

21
II. Variables aléatoires discrètes et continues :
V.A discrète V.A continue

Support X = 𝑥1 ; 𝑥2 ; . . … ; 𝑥𝑛 X = 𝑎; 𝑏

Loi de probabilité 1) Son support : 1) Sa fonction de répartition

(distribution de X = 𝑥1 ; 𝑥2 … ; 𝑥𝑛 F(X) = P(X≤ 𝑥) ou bien sa densité de
probabilité) 2) Pi = P X = 𝑥𝑖 ∀𝑥𝑖 ∈ X probabilité f(X)
R ! : P( X = 𝑥 )= 0 ∀ 𝑥 ∈ ℝ
𝑥
Fonction de FX (X) = P(X ≤ 𝑥 ) = 𝑥 𝑖 ≤𝑥 𝑃(𝑋 = 𝑥𝑖 ) FX (X) = P(X ≤ 𝑥 ) =∫−∞ 𝑓 𝑡 . 𝑑𝑡
répartition
0 si 𝑥 < 𝑥1 ( F est continue)
FX(X) = P1 si 𝑥1 ≤ 𝑥 < 𝑥2
P1+P2 si 𝑥2 ≤ 𝑥 < 𝑥3
…..etc.
( F est une fonction en escalier)
F(X) F(X)

1 1

P1+P2

P1

X1 X2 X3 XK X -∞ 0 +∞

Espérance 𝑏
E(X) = 𝑋𝑖 𝑃𝑖
E(x) = 𝑥𝑖 𝑓 𝑥 . 𝑑𝑥
𝑎

Variance V(X) = E ( X 2 ) - E 2 (X) V(X) = E ( X 2 ) - E 2 (X)

𝑏

E(X 2 ) = 𝑋𝑖2 𝑃𝑖 E(x) = 𝑥𝑖2 𝑓 𝑥 . 𝑑𝑥

𝑎

Lois _ Loi de Bernoulli _ Loi Normale

usuelles _ Loi Binomiale _ Loi de Khi-deux
_ Loi de Poisson _ Loi de student

22
 D. Si X est une variable aléatoire de densité
Questions de probabilité f, alors E(X)=2/3
E. Aucune de ces réponses n’est vraie.

d’examens en Réponse : A D
 QCM 3 :

bio statistique Soit une variable aléatoire X continue de

𝑥
fonction de répartition F(x)= pour
3
0 ≤x≤3
2
Cours : Variables aléatoires A. P (1≤x≤2)=
3
1
 QCM 01 : On avance l’hypothèse se- B. P (1≤x≤2)=
3
1
lon laquelle l’endurance physique d’un C. P (1<x<2)=
3
certain type d’insectes, serait géré par 2 D. La médiane de X est égale à 1.5
gènes : le premier , A , est affecté d’un coef- 3
E. La valeur de x pour laquelle P(X>x)=
ficient X pouvant prendre les valeurs 1 ,2,3 4
avec même probabilité 1 /3 ; le second, B, est x=2.25
est affecté du coefficient, Y, pouvant égale- Réponse : B C D
ment prendre les valeurs 1,2,3 mais avec les
probabilités QCM 4 : On prend au hasard, successi-
P(Y=1) = ¼ P(Y=2) = ¼ P(Y = 3)= ½ vement et avec remise, 3 ampoules dans
L’hypothèse avancée attribue, de plus, un un lot de 15 dont 5 sont défectueuses.
rôle multiplicatif aux deux gènes : On appelle X le nombre d’ampoules dé-
l’endurance s’explique par la variable Z= fectueuses parmi les 3 tirées.
X .Y. On suppose que les 2 variables X et Y
A. La probabilité de ne tirer aucune am-
sont indépendantes.
poule défectueuse est égale à 0.2963
A. E(X)=2
B. La probabilité de tirer au moins une
B. Le support de la variable aléatoire Z est
ampoule défectueuse est égale à
alors Z(𝛺) = 1,2,3,
0.7037
C. P(Z=1)=7/12 D.P(Z= 3)=1/4
C. La probabilité de tirer une ampoule
D. Aucune réponse n’est vraie
défectueuse est égale à 0.7037
Réponse : A D D. L’espérance de la variable aléatoire X
est égale à 1
 QCM 2 : Soit f la fonction par définie E. La variance de la variable aléatoire X
f(x)= kx +1 sur l’intervalle 0,2 et nulle est égale à 2
ailleurs (QCM 04.05.06.07- EMD 02 - 2018/2019)
A . Pour que f soit une densité de probabili-
té, il faut que k = -1/2. Réponse : A B D
B. Pour que f soit une densité de probabili- Exercice : Soit la fonction f définie par :
té, il faut que k = 1/2.
C. Si X est une variable aléatoire de densité f(x)= b si x ∈ −𝑎; 𝑎 ; ou x ∉ ℝ
de probabilité f, alors E(X)=10/3
0 si x ∉ −𝑎; 𝑎 a> 0 , 𝑏 > 0

23
 Quand f est une densité de probabilité, A. La moyenne de X vaut 2
On note X la variable aléatoire associée à B. La variance de X vaut 4.6
f C. L’écart type de X vaut 0.36
D. Si F est la fonction de répartition de X,
 QCM 05 : P(X>2)= F(2)
1. f(x) est toujours une densité de probabili- E. Si F est la fonction de répartition de X,
té F(1.5)= 0.7
2. Si b= 1/a, f(x) est une densité de probabi- Réponse : AE
lité Exercice : Soit a un réel et f la densité de
3. Si b= 1/2a, f(x) est une densité de proba- probabilité d’une v.a X définie sur 0,1 par
bilité f(x) = ax(1-x)
4. f(x) est toujours une fonction continue
 QCM 09 :
sur ℝ
A. Le nombre réel a =1/3
5. les propositions 1, 2, 3, 4 sont fausses
B. Le nombre réel a = 6
A : 1+2+4 B : 3+4 C:3 D:5
C. L’espérance E(X)= 1
Réponse : C
D. L’espérance E(X)= ½
 QCM 06 :
E. Toutes les propositions sont inexactes
1. E(X)= ½
Réponse : B D
2. E(X)= 0
3. P (-0.5<X<0.5)=2 P(0<X<0.5)  QCM 10 :
4. V(X)= 1/3 A. La fonction de répartition F(x) = 3x2-2x3
5. Les propositions 1, 2, 3 4 sont fausses pour tout x dans 0,1
A. 2+3+4 B. 1+3+4 C. 2+4 D. 5 B. La fonction de répartition F(x) = 2x3-3x2
Réponse : A pour tout x dans 0,1
 QCM 07 : La valeur de a est fixée à C. F(x) est une fonction continue
1 La valeur de b est choisie de sorte que f D. La probabilité de l’évènement
soit une densité de probabilité .On appelle 0.25 < 𝑋 < 0.75 vaut 1.6563
Fx la fonction de répartition associée à X E. La probabilité de l’évènement
1. 0 si x < -1 0.25 < 𝑋 < 0.75 vaut 0.6875
Fx(x)= x+1/2 si -1≤ x < 1 Réponse : A C E
1 si x ≥ 1
2. 0 si x < -1
𝑥+1
Fx(x)= si -1≤ x < 1
2
1 si x ≥ 1
3. F(x) est une fonction continue sur ℝ
4. Si q1/4 est le premier quartile de X alors
q1/4 = - 0.5
5. Les propositions 1.2.3.4 sont fausses
A. 1+3+4 B. 2+3+4 C. 2+4 D. 5
Réponse : B
 QCM 08 : La loi d’une variable aléa-
toire X est donnée par le tableau suivant
K 1 2 3
P(X=K) 0.3 0.4 ?
24
 Chapitre 02:
Probabilités
Cours 03: Lois usuelles

I. Lois discrètes : (0≤ p ≤ 1) ; 𝛾>0

Loi X~ support Loi de probabilité Espérance Variance

Bernoulli B (p) X = 0; 1 P(X=1) =p et P(X=0)=1-p p p (1-p)

Binomiale B (n ;p) X = 0; 1; 3 … . ; 𝑛 P(X=K)= CnK pK (1 − p)n−k np np (1-p)

Poisson P (𝛾) X= N P(X=K) = 𝑒 −𝛾 ×

𝛾𝐾 𝛾 𝛾
𝐾!

Remarque: (concernant la loi de poison)

1. La loi de Poisson est souvent liée au temps.
2. L’espérance est proportionnelle au temps t1 𝛾1
t1 γ1
t2 𝛾2 =
t2 γ2

3. Relation de récurrence : X ~ P (𝛾) P(X=0) = 𝑒 −𝛾

𝛾
P(X=K+1) = P(X=K)
𝐾+1

II. Lois continues :

a) Loi Normale :
 Définition : X ~ N (m ; 𝜎 2 ) ; si et seulement si ; X= ℝ
1
1 − (𝑋−𝑚 )2
𝑓(𝑋) = 𝑒 2𝜎 2
𝜎 2𝜋
 Espérance et variance : E(X)= m V(X)= 𝜎 2

 Représentation graphique :
X =m est un axe de symétrie
La courbe est en cloche
La valeur lue sur la table est P( X ≤ 𝑥0 )
m-𝜎 X=m m+𝜎

25
 Propriétés :
P (m- σ < 𝑋 < 𝑚 + 𝜎) = 0.6827 ≅ 68%
P (m- 2σ < 𝑋 < 𝑚 + 2σ) = 0.9545 ≅ 95%
P (m- 3σ < 𝑋 < 𝑚 + 3σ) ≅ 99.7%
 Loi normale centrée réduite :
(Cas particulier de la loi normale dont lequel m=0 et σ = 1)
Z ~ N (0 ;1), donc on a :
_ P( z ≤0 ) = P( z ≥ 0) = 0, 5
_ P( z ≤ −𝑧0 ) = 1 - P( z ≤ 𝑧0 )
_ Si 𝑧0 > 0 P( z ≤ 𝑧0 ) > ½
_ Si 𝑧0 < 0 P( z ≤ 𝑧0 ) < ½
X−m
_ Z= ( X suit une loi normale se paramètres m et 𝜎 2 )
σ
b) Loi de Khi-deux :
 Définition :
C’est la loi de la somme de carré de n loi normales centrées réduites ; et on écrit :
X ~ 𝜒𝑛2 ; n : ddl : degré de liberté
 Espérance et variance : E(X) = n et V(X) = 2n

 Représentation graphique :
La table nous donne P (X ≥ χ2n )

𝜒𝑛2 +∞

c) Loi de student :
 Définition: Soit X et Y 2 variables aléatoires indépendants X ~ N (0 ;1) ; Y ~ 𝜒𝑛2
X
T= ; T ~ stn (Loi de student à n ddl)
Y
n

n
 Espérance et variance : E(T) = 0 ; V(T) = n>2
n−2
 Représentation graphique :
La table nous donne P ( T > t)

26
 Remarque !!! :
_ Théorème centrale limite : (TCL) :
Soit (Xi)i=1,2,3….n variables aléatoires identiquement distribuées, E(Xi) = E(X) = m
V(Xi) = V(X) = 𝜎 2 ;
n 1 n 𝜎2
Soit S = i=1 X i ; donc S ~ N (nm ; n𝜎 2 ) 𝑋= i=1 X i ~ N (m ; )
n n
_ L’approximation :
i. De la loi binomiale
Par une loi de poisson Par une loi normale

Conditions : n ≥ 50 Conditions : n > 30

p ≤ 0.1 B (n ;p) ≈ P (𝛾) np ≥ 5 B (n ;p) ≈ N(m ; 𝜎 2 )

np ≤ 10 avec 𝛾= np nq ≥ 5 m=np 𝜎 2 =npq

ii. De la loi de student par une loi normale centrée réduite :

n > 30 T ≈ N (0 ; 1)

X peut servir à modéliser les appels reçus

Questions par standard pendant une heure de
temps

d’examens en  QCM 03 : Si une variable X suit une

loi normale de moyenne 100 et de va-
riance 400
bio statistique A : la variable centrée réduite est définie
𝑋−100
par Z =
Cours : Lois usuelles 400

B : E(Z) = 1 C : 𝜎(𝑋)= 20
 QCM01 : Soit X une variable de
Bernoulli de paramètre P= 0.1 D : P (X = 100) = 0.5 E : P(Z≤ 0) = 0.5
A. X prend ses valeurs sur
X(Ω)= 0,1,2,3, . . Exercice : On considère qu’il apparait
B. P(X= 0)= 0.1 C. E(X)= 0.1 chaque année en moyenne 20 nouveaux
D. Var(X) = 0.09 E. 𝜎(x)= 0.3 cas de poliomyélite sur 100000 habitants.
 QCM 02 : Soit X une variable sui- On appelle X le nombre de nouveaux cas
vant une loi de poisson de paramètre 6 dans l’année, dans une ville de 50000 ha-
A. X est une variable aléatoire conti- bitants
nue  QCM 04 :
B. P(X= 0)= 𝑒 6 A. La v.a X suit une loi de Bernoulli de
C. E(X)= Var(X)= 6 paramètre p= 0.0002
D. Sa distribution est symétrique B. La v.a X suit une loi de Poisson de
paramètre 𝜆 = 20

27
C. La v.a X suit une loi de Poisson de  QCM 09 : Le nombre d’appels
paramètre 𝜆 = 0.0002 que reçoit la nuit entre 22h et 6h un ca-
D. La v.a X suit une loi de Poisson de binet de généralistes suit une loi de pois-
paramètre 𝜆 = 10 son de moyenne 2.
E. Aucune de ces réponses n’est vraie 1. La probabilité de n’avoir aucun ap-
 QCM 05 : Dans une population, le pel entre 22h et 6h est environ 13.5%
taux de cholestérol est distribué norma- 2. La probabilité d’avoir plus de 2 ap-
lement suivant une loi de moyenne 2 g/l pels entre 22h et 6h est environ 25.18%
et de variance 0.25 (g/l)2 . La probabilité 3. La probabilité d’avoir au moins ap-
qu’un sujet pris au hasard dans cette po- pel entre 22h et 6h est environ 86.5%
pulation ait un taux de cholestérol supé- 4. En supposant que les appels sont
rieur à 2.10 g/l Dest : indépendants d’une nuit à une autre, la
A. 0.025 B. 0.05 C. 0.42 probabilité de n’avoir aucun appel deux
D. 0.49 nuits de suite entre 22h et 6h est environ
Exercice : On suppose que les notes ob- 27 %
tenues à un examen sont distribuée nor- 5. En supposant que les appels sont
malement avec une moyenne de 76 et un indépendants d’une nuit à une autre, la
écart type de 15. Les 15% meilleurs re- probabilité de n’avoir aucun appel deux
çoivent la mention A et les 10ù moins nuits de suite entre 22h et 6h est environ
bons sont éliminés 1.8%
 QCM 06 : la note minimale néces- A. 3+5 B. 1+2+3 C. 2+3+4 D.
saire pour obtenir la mention A est 1+3+5
A. 91.5 B. 116.6 C. 103.2  QCM 10 : Une variable aléatoire X
D. 80.01 est distribuée selon une loi de khi-deux à
 QCM 07 : la note minimale pour ne 20 degré de liberté (ddl)
pas être éliminé A. La médiane de X est égale à 20
A. 51.3 B. 46.6 C. 71.04 B. La probabilité que X ne dépasse
D. 56.8 pas la valeur 31.41 est approximative-
 QCM 08 : Dans un laboratoire ment de 5%
pharmaceutique, un automate remplit C. La probabilité que X soit supérieur
des sachets de petits granules. Il dépose à la valeur 12.44 est approximativement
en moyenne 2.40 g de granules par sa- de 90%
chet, avec un écart type de 0.12. On sup- D. La moyenne de X est égale à 19.34
pose que le poids est distribué normale- E. P(25<X<28) < 20 %
ment. Un sachet a environ  QCM 11 : Une v.a est distribuée
A. 68 % de chances de peser entre selon une loi de student 10ddl
2.28 et 2.52 g A. La probabilité que T dépasse la va-
B. 5% de chances de peser moins de leur 1.8 est égale à 5%
2.28 et plus de 2.52 g B. La probabilité que T suit supérieur
C. 95% de chances de peser entre à la valeur 1.8 = 10%
2.16 et 2.64 g C. P( -0.7 <T< 0.7 )= 50%
D. 5% de chances de peser moins 2.16 D. La variance de Test égale à 1.25
g E. La moyenne de T est égale à 10

28