4- Lois usuelles discrètes :

Introduction: Un modèle est une simplification d’une réalité plus complexe, permettant
d’analyser et comprendre un phénomène étudié. Dans le cadre d’une modélisation
aléatoire, nous allons présenter le ‘’catalogue’’ des principaux modèles probabilités ou lois
usuelles (discrètes).
a- Loi de Bernoulli :
La loi de Bernoulli s’applique à une v.a X qui ne peut prendre que les valeurs 0 et 1 avec les
proba. respectifs p et q = 1-p.
1p
X= {
0 q=1− p
(succès, échec)

b- Loi binomiale :
A partir d’une suite d’expériences aléatoires de Bernoulli, supposées indépendantes entre
elles, on définit une v.a X comme le nombre de réalisations de l’évènement succès après les
n expériences ; on dit que X suit une loi binomiale de paramètres n et p ; n est évidemment le
nombre d’expériences réalisées et p la probabilité de l’événement succès.

On note  : X → B( n, p)

p(X =k )=C kn p k qn−k (la prob. d’avoir k succès)

Exemple 1: Une urne contient 70 boules rouges, 20 noires, 10 blanches. On effectue 40

tirages avec remise d’une boule de l’urne. Quelle est la proba. de tirer :
- Exactement 15 fois une boule rouge.
- Au moins deux fois une boule rouge.

p(X =15)=C 15 15 25
40 (0,7) (0,3)

p(X ≥ 2)= p( X =2)+ p( X=3)+ p( X=4)+ ...+ p (X =40)

Calculs !, donc on calcul p(X < 2)

p(X < 2)=p (X =0)+ p (X=1)

p(X ≥ 2)=¿ 1 – [C 040 (0,7)0 (0,3)40 +C140( 0,7)(0,3)39 ]

ici :' ' succès' ' =' ' boule rouge ' '

Caractéristiques de la loi binomiale :Supposons que X →B(n, p) , n nombres d’expériences

et p probabilité de l’événement succés. Alors on a ;

E(X)= np ; V(X)= npq

(Pour la preuve, il suffit de remarquer que X= X 1 +...+ X n ) ; X i suit la de Bernoulli)

1
Exemple 2: le nombre de résultats pile apparus au cours de n jets d’une pièce de monnaie suit
1
une loi B(n , )
2
k
n 1 k 1 n−k C n
()
p(X =k )= ( ) ( ) = n 0 ≤ k ≤n
k 2 2 2

n n
E( X)= V(X) =
2 4

c- Loi géométrique :
On réalise une suite d’expériences de Bernoulli indépendantes jusqu’à obtenir le résultat
succès pour la première fois. On note X=k si le résultat des k-1 premières expériences sont
des échecs et le k ème résultat est un succès. On définit ainsi une v.a X : Á Á Á ... Á A → k

Si p est la proba de réalisation de l’événement succès dans une seule expérience de Bernoulli,
alors :
p( X =k ) =q k−1 p q=1− p

On dit alors que X suit la loi géomètrique de paramètre p.

Caractéristiques: Si X suit une loi géométrique de paramètre p, alors on a :

1 q
E(X) = ; V(X) = 2  ; (q=1-p)
p p
Preuve :
∞ ∞ ∞ ∞
1 1 p 1
k
∑ x = 1−x ∑ kx k−1= (1−x )2
⟹ ∑ p ( x=k )=1E(X)=∑ kp q k−1 = =
(1−q) p
k=0 k =1 k=0 k =1

Exemple : On lance un dé cubique autant de fois jusqu’à obtenir la face numéro 6. Cherchons
la probabilité d’obtenir la face numéro 6 pour la première fois au 20ème lancer.

5 19
p(X=20)=( ) ¿)
6

Généralisation : Soit X une v.a représentant le nombre d’expérience de Bernoulli

indépendantes nécessaires pour avoir un total de 2 succès. On suppose que l’expérience est
répétée autant de fois jusqu’à obtenir le nème succès après lequel on arrête .

Pour avoir le rer succes à la nième exp. il est nécessaire d’avoir :

- (r-1) succès après (n-1) exp
- L’évènement succès à la nième exp.

B= ‘’ obtenir (n-1) succès après (n-1) exp .‘’

A= ‘’obtenir 1er succès à la nième exp.’’
C= ‘’obtenir succès à la nième exp.’’

2
 C
P(A)=P(B ∩C ¿= p( ) p(B)= p( B) p(C )
B
On pose p(C)=p
On a p(B)=C r−1
n−1 p
n−1 (n−1 )−(r−1)
q =∁r−1
n−1 p
r −1 n−r
q

P ( A )=P ( B ) P ( C )=∁r−1 r −1 n−r

n−1 p q .p

¿ ∁r−1 r n−r
n−1 p q

P ( X=n )=∁rn−1
−1 r n−r
p q X :Ω → { r , r +1 , … }

Notation : X → R (r , p)
r V ( X )= rq
Caractéristiques : E ( X ) = ,
p p2
Remaque: dans le cas de la loi binomiale, le nombre d’expériences à réaliser est fixé et le
nombre de réalisations de l’évènement succès est aléatoire. Pour la loi binomiale c’est
l’inverse, le nombre de succès souhaité est fixé et égal à r et le nombre d’exp. à réaliser pour
obtenir le r eme succès est aléatoire.
Exemple. Un stock de pièces contient 10% de pièces défectueuses. De ce stock, on a effectué
des prélèvements avec remise d’une pièce. Calculons la probabilité qu’il faille réaliser 10
tirages pour obtenir :
- 2 pièces non défectueuses
- 7 pièces non défectueuses.
Solution :
La probabilité d’obtenir une pièce non défectueuse est 0.9.
Soit X le nombre de prélèvements, pour obtenir 2 pièces non défectueuses.

P ( X=10 )=∁19 ( 0,9 )2 (0,1)8 =0,00000007

Soit Y le nbre de prélèvements pour obtenir 7 pièces non defect.

P ( Y =7 )=∁69 ( 0,9 )7 (0,1)3 =0,0402

5- loi hypergéométrique (ou loi des tirages sans remise)

Une urne contient N boules [composées de : N p boules noires et : N q autres boules (autres
que noires)].
Np Nq
Soit : p= 1− p= =q
N N
Si on effectue n tirages sans remise et on définit par X : le nombre de boules noires obtenues
après les n tirages sans remise alors on dit que X suit une loi hypergéométrique de paramètres
N, n et p et on a :

3
 ∁kN ∁n−k
N
P ( X=k )= p q

∁ nN

Notation : X → Η ( N ,n , p)

Caractéristiques :
N −n
E ( X ) =np ; V ( X )=npq
N −1
Remarque : mêmes caracteristiques que pour la loi binomiale B(n , p) c.a.d du cas de tirages
n 10
independ. (avec remise), pour (≤ ) n petit et N grand, on peut réaliser la loi binomiale
N 100
Loi de Poisson
C’est une loi qui permet d’approcher la loi binomiale lorsque les valeurs de p sont très faibles
et les valeurs de n très grandes. (≥ 50) c’est pourquoi, elle est parfois appelée loi des
évènements rares.
Déf. : on dit q’une v.a.r X suit une loi de Poisson de paramètre λ> 0 si les deux conditions
suivantes sont réalisées :
i) X ( Ω ) =N
e− λ λk
ii) ∀k ∈N P ( X=k )=
k!
Notation :X → P ( λ)
Caractéristiques :
E ( X ) =¿ λ; V ( X )= λ
Recette : lorsque l’on voudra ajuster une loi binomiale par une loi de poisson, il faudra
vérifier que :
E ( X ) =np V ( X )=npq

Exemple. Une fabrique de CD ROM estime que 1% de ses produits sont défectueux. Calculer
la proba. de trouver 3 articles défectueux dans un échantillon de 100. Vérifier la justification
d’une utilisation de la loi de Poisson.
p=0,01 et n=100 est grand. C’est donc la situaton dans laquelle la loi binomiale peut etre
approcher par une loi de Poisson.
q=0,99

λ=np=100 .0,01=1

4
 −1 13 1
P ( X=3 )=e = =0,0613
3 ! 2,718 .2 . 3
Vérification : V ( X )=npq=100 . 0,01 . 0,99=0,99; E(X)=1
E ( X ) V (X)
Exemple :
La probabilité pour qu’une machine produise une pièce défectueuse est 0,01. La machine a
produit 300 pièces. Donner la probabilité de reconnaitre 2 pièces défectueuses dans cette
production.
Soit X=nombre de pièces défectueuses parmi les 300 pièces.
X → B ( 300 ; 0,01 )

P ( X=2 )=∁2300 (0,01)2 (0,99)298 =0,2244

p=0,01< 0,1 et n>50 B(n , p)→ P (λ=np=300× 0,01=3)

2
−3 3
P ( X=2 )=e =0,2241
2!

Si maintenant on cherche : P ( X=10 )=∁10 10

300 ( 0,01) (0,99)
290
calculs !!!

Via la loi de Poisson, on a :

10
−3 3
P X=10 =e
( ) =0,0008
10 !