Vous êtes sur la page 1sur 17

Statistiques

Analyse combinatoire
 Permutations
 Combinaisons
 Arrangements

Notion de factoriel
Par exemple : 5!  5 factoriel (le point d’exclamation signifie factoriel) = 5∗4∗3∗2∗1=120
Nous trouvons cette fonction sur notre machine à calculer.
Par définition : 0! = 1

Formule  : n !=n∗( n−1 )∗( n−2 )∗…∗1

100! 100∗99∗98∗97∗…∗1 100∗99


= = =9 ' 900
98! 98∗97∗…∗1 1

Permutations simples

On prend tous les objets (cela peut être des personnes, des lettres, etc.)
On détermine le nombre d’ordres différents de ces objets.
Tous les objets sont différents.

Exemple : oui (trois objets  « o » « u » « i »)


Enumération : oui, oiu, uio, uoi, iou, iuo  6 possibilités  P3=3 !=6

Formule  : 3 !=3∗2∗1=6
pn=n!

Permutations avec répétitions

On prend tous les objets.


On détermine le nombre d’ordres différents de ces objets.
Certains objets peuvent être identiques

Exemple : non (trois objets, mais deux identiques)


Enumération : non, nno, onn  3 possibilités
3 objets dont 2 semblables et 1 unique
3! 3∗2∗1 6
Formule  : = = =3
2!∗1 ! 2∗1∗1 2
pn ¿
p3 ¿

6! 720
Autre exemple : Suisse  p1 (3 , 1, 1 ,1)= = =120
3 !∗1!∗1 !∗1! 6

Combinaisons simples
On fait un choix de k objets parmi n objet
Tous les objets sont différents.
L’ordre n’a pas d’importance

Exemple : course de chevaux  5 chevaux au départ (A, B, C, D, E)


On s’intéresse au 3 premières places dans le désordre (tiercé dans le désordre)

Enumération : ABC, ABD, ABE, ACD, ACE, ADE,

BCD, BCE, BDE, CDE  10 possibilités

k n!
Formule : C n=
(n−k ) !∗k !
5! 5∗4∗3∗2∗1 20
C 35= = = =10
(5−3 ) !∗3 ! 2∗1∗3∗2∗1 2
Machine : 5 nCr 3=10

Arrangements simples
On fait un choix de k objets parmi n objet
Tous les objets sont différents.
L’ordre a de l’importance

Exemple : 5 chevaux au départ (A, B, C, D, E)


On s’intéresse au 3 premières places dans l’ordre (tiercé dans l’ordre)

Enumération : ABC, ACB, BAC, BCA, CAB, CBA

ABD, ADB BAD, BDA, DAB, DBA

… 60 possibilités

CDE, …

k n!
Formule : An =
( n−k ) !
5! 5∗4∗3∗2∗1
A35 = = =60
( 5−3 ) ! 2∗1
Combinaisons avec répétitions
On fait un choix de k objets parmi n objets
On peut prendre plusieurs fois le même objet
L’ordre n’a pas d’importance (26 et 62 sont les mêmes donc 1 solution)

Exemple : 3 articles en stock : vin, chocolat, biscuits  n = 3


On forme des lots de 2 articles  k = 2

Enumération : vin + vin, vin + chocolat, vin + biscuits


chocolat + chocolat, chocolat + biscuits 6 possibilités
biscuits + biscuits

k (n+ k−1)!
Formule : Ć n=
( n−1 ) !∗k !

(3+2−1)! 4!
Ć 23= = 2!∗2 =6
(3−1 ) !∗2! !

Arrangement avec répétitions


On fait un choix de k objets parmi n objets
On peut prendre plusieurs fois le même objet
L’ordre a de l’importance (26 et 62 sont différents, donc 2 solutions)

Exemple : On forme des nombres de 2 chiffres avec les 3 premiers nombres (1 ; 2 ; 3)  n = 3 et K = 2

Enumération : 11, 12, 13


21, 22, 23 9 possibilités
31, 32, 33

Formule : Ákn = nk

Á23 = 32= 9

Faire exercices : 6 ; 9 ; 12 ; 13 ; 14  pages 8 et 9

Exercice 11  réponses : a) 5'245’786

b) 10'737’573

Notion d’événement
Exemple : lance d’un dé (6 faces)
E = ensemble fondamental  E = {1,2,3,4,5,6}
Sous-ensembles d’événements possibles :
A = le numéro est pair  A = {2,4,6}
B = le numéro est supérieur à 3  B = {4,5,6}
C = le numéro est 5  C = {5}

Si le « 4 » sort, les sous-ensembles A et B sont réalisés, mais C non.


L’ensemble fondamental est toujours réalisé ; on parle d’événement certain.
Le sous-ensemble vide, noté  représente l’événement impossible ; n’est jamais réalisé. P.ex. D = {7}

Probabilités simples
3 cas favorables 1
p=P ( A ) = = = =0.5=50 %
6 cas possibles 2
0 ≤ p ≤ 1 0 % ≤ p ≤ 100 %
n
Formule=P ( A )=
N
Probabilité vaut 0 quand on a un événement impossible.
Probabilité vaut 1 quand l’événement est certain.

Evénement contraire
C = {5} ; événement contraire : Ć = {1,2,3,4,5,6,}
1
P (C)=
6
5 1 5
P ( Ć ) = → P ( C )+ P ( Ć )= + =1
6 6 6
p+q=1

Représentation graphique
A = le numéro est pair  A = {2,4,6}
B = le numéro est supérieur à 3  B = {4,5,6}
C = le numéro est 5  C = {5}

A E
1
B
2 A
4
Règle de l’intersectionC
6 5
2 1
P ( A et B )=P ( A ∩B )= = 3
6 3
P ( A ∪ B ) =P ¿
4 3 3 2
=? + − →OK
6 6 6 6

Règle de l’union :
4 2
P ( A ou B )=P ( A ∪ B )= =
6 3

Faire exercices 1-5 p. 11

Probabilités conditionnelles

P(A/B) se lit probabilité de A étant donné B (ou si B).


A : numéros pairs
B : numéros > 3

A
B
A P( A ∩ B)
Formule : P ( )
B
=
P(B)
2
4
A
6 5
2
∗6 4

Exemple : A 2 /6 6 2
P ( )
=
B 3 /6
=
3
=
3

Exemple
11 12 13 14 15 16
21 22 23 24 25 26
E= 31 32 33 34 35 36  36 possibilités lorsqu’on lance les dés
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66

A : {21 22 23 24 25 26 12 32 42 52 62}  11 possibilités


B : {15 24 33 42 51}  5 possibilités
AnB : {24 42}  2 possibilités
2
∗36
P(A/B) = P ( A ∩B) 2/36 36 2 nb é l é ments de A ∩ B
= = = =
P(B) 5/36 5 5 nb é l é ments de B
Multiplication des probabilités

P( AetB)=P( A ∩ B)=P( A)∗P (B)

a) Exemple : 12 articles dont 4 défectueux et 8 non défectueux.


8
P(A1) =
12
8
∗7
7 12
P(A2) = ∗6
11 11 336
= =0,2545 → 25,45 %
10 1320
6
P(A3) =
10

3
cas favorables C 8 56
= = =0.2545
cas possibles C 312 220

b) Quelle est la probabilité de tirer 1 défectueux et deux biens ?


4
P(A1) =
12
4
∗8
8 12
P(A2) = ∗7
11 11 224
= → dbb
10 1320
4
∗8
7 12
P(A3) = bdb  ∗7
10 11 224
=
10 1320
8
∗7
12
Bbd  ∗4
11 224
=
10 1320
224 672
 ∗3= =0,51
1320 1320

3! 6
Permutations avec répétitions = = =3
1!∗2 ! 2
C14∗C 28 4∗28
Avec combinaisons : = =0.51
C 312 220
Combinaisons uniquement avec tirage sans remise

CHAPITRE 3 INTRODUCTION AUX LOIS DE PROBABILITE

Nombre de Effectifs Fréquences Pourcentages ni∗x i f i∗x i


points ni fi %
obtenus : x i
(1) (2) (3) (4) (5) (6)
1 9 0.18 18 9 0.18
2 8 0.16 16 16 0.32
3 6 0.12 12 18 0.36
4 6 0.12 12 24 0.48
5 10 0.2 20 50 1
6 11 0.22 22 66 1.32
Total 50 1 100 183 3.66

1. a) x́=
∑ ni∗xi = 183 =3.66
∑ ni 50
b) x́=∑ f i∗x i=3.66

10
9
8
7
6
5
4
3
2
1
1 2 3 4 5 6 7 8 9 10

a)
1∗1012 11
=1.6∗10
6
1.6∗10 11
=0.16
1∗1012

Nombre de Effectifs devinés Fréquence PROBABILITE pi∗x i


points obtenus x i ni attendue f i pi

1 1. 6́∗¿ 1011 0.1 6́ 1/6 1/6

2 1. 6́∗¿ 1011 0.1 6́ 1/6 2/6

3 1. 6́∗¿ 1011 0.1 6́ 1/6 3/6

4 1. 6́∗¿ 1011 0.1 6́ 1/6 4/6

5 1. 6́∗¿ 1011 0.1 6́ 1/6 5/6

6 1. 6́∗¿ 1011 0.1 6́ 1/6 6/6

Total 1. 6́∗¿ 1011 1 1 21/6

b) ∑ f i∗x i=0.1 6́∗1+0.1 6́∗2+…+0.1 6́∗6=3.5

Espérance mathématique : E ( x )=∑ pi∗x i

Ou : E ( x )=∑ x i∗p(x ¿¿ i)¿

Distribution de probabilités discrètes

X 2 3 4 5 6 7 8 9 10 11 12
P(x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 ϵ =1

4 1
P ( X=5 )= =
36 9
Si on lance 900 fois les deux dés, on aura :
900∗1
=100
9
fois la somme 5

Faire exercices 1 et 2 page 18


Moyenne pondérée 

x́=
∑ ni∗xi
∑ ni
x́=∑ f i∗x i  Espérance mathématique : E ( x )=∑ pi∗x i
E ( x )=∑ x i∗p( x i )

2 ∑ ni (x i− x́)2
Variance : σ =
∑ ni

2
σ 2=∑ f i( xi − x́)2  Variance : Var ( x ) =∑ pi ( x i−∑ ( x ))

Ecart-type = √ variance
écart−type
Coefficient de variation = ∗100
∑ (x)
0 – 10%  dispersion faible
10 – 20%  dispersion moyenne
> 20%  dispersion élevée

Distribution de probabilité pour l’exemple du dé

xi 1 2 3 4 5 6

P( x i) 1/6 1/6 1/6 1/6 1/6 1/6 ∑=1


x i∗P ¿) 1/6 2/6 3/6 4/6 5/6 7/6 21
E ( x )=∑ x i∗p ( x i )= =3.5)
6
( x i−E ( x )) -2.5 -1.5 -0.5 0.5 1.5 2.5

( x i−E ( x ))2 6.25 2.25 0.25 0.25 2.25 6.25

pi ( x i−E ( x ))2 1.042 0.375 0.04 0.04 0.37 1.04 Var ( x ) =∑ p i ( x i−∑(x) ) 2=2.918
2 2 5 2

Ecart −type= √2.918=1.70 francs


1.70
Coeff . de var .= ∗100=48.57 %
3.50

Ex. 3 et 4 page 19 et 20

Loi binomiale

Caractéristiques :
1) Deux résultats possibles. Par exemple : lorsqu’on lance une pièce de monnaie soit on a pile
soit on a face
2) Les épreuves sont indépendantes. Par exemple : la pièce ne tombera pas toujours sur pile
3) Les probabilités doivent être constantes tout au long de l’expérience. Par exemple : Si on
lance une pièce, c’est toujours la même probabilité  50% pour chaque côté
Epreuve de Bernoulli

succès
Deux résultats échec
La variable aléatoire « x » correspond au nombre de succès.

X 1 0
P(x) p q p+q =1

E ( x )= pi∗x i=x i∗p ( x i ) E ( x )=1∗p+ 0∗qE ( x )= pVar ( x ) =pq

La loi binomiale

Exemple : lancer un dé succès : A={1 }

Á={ pas≤1 } ={2 , 3 , 4 , 5 ,6 }


1
→ p=
6
1 5 5
p+q= + =1 → q=
6 6 6

On lance 10 fois le dé : A Á Á A Á AAA Á A


1
∗5
6
∗5
6
∗1
6
∗5
6
1 6 5 4 ∗1
6
P ( X=6 ) = C ∗
10
6 ()
∗( )
6
6
6
∗1
∗1
6
∗5
6
∗1
6
6
1 6 5 4
¿ ()()
6

6
=1.03∗10−5

10 !
Nombre d’ordres différents : =210
4 !∗6 !
10!
C 610= =10 nCR 6=210
4 !∗6 !
→ 210∗1.03∗10−5 ¿ 2.17∗10−3=0.00217=0.217 %

x x n− x
Formule : P ( X=x )=Cn∗p ∗q

X ↝ B ( n , p ) E ( X ) =npVar ( X )=npq

P( X i)

Xi

Exercice page 24 1-4

4 petits mots

moins de 2 : P ( X=0 ) + P(X =1)


au moins 2 : 2 , 3 , 4 , … → contraire: 1−[ P ( X=0 )+ P ( X=1 ) ]
plus de 2 :3 , 4 ,5 , … → con traire:1−[ P ( X=1 ) + P ( X =2 ) ]

au plus 2 : P ( X=0 ) + P ( X=1 ) + P( X=2)

Ex : 4d)
Combien de tirages faudrait-il effectuer pour être sûr à plus de 99% qu’au moins un objet soit
défectueux ?
P ( X=1 ) + P ( X =2 ) +…>99 %
Contraire : P ( X=0 )=1−0.99=0.01

P ( X=0 )=C 0n∗0.20∗0.8n =0.01


1∗1∗0.8n =0.01
log 0.8 n=log 0.01
n∗log 0.8=log 0.01
log 0.01
n=
log0.8
n=20.6 →n=21

La loi de Poisson

- Phènomènes de comptage
Soit dans le temps soit dans l’espace
- Les événements sont indépendants
X ↝ P(ℷ)
ℷ Lambda →nombre moeyen d' événementspar unité de temps/espace

e−ℷ∗ℷk
P ( X=k )=
k!
E ( X ) =ℷ Var ( X )=ℷ
∗1.95
−1.9
e
Exemple :ℷ=1.9 k =5 P ( X=5 )= =0.0309 ou 3.09 %
5!

Approximation de la loi binomiale par la loi de Poisson

n ≥ 50
ℷ=n. p p petite (¿ 0.1)
Exemple :
loi binomiale  succès boules blanches
1
n=100 p= =0.02
50
4
P ( X=4 )=C100∗0.024∗0.9896=0.0902
Avec la loi de Poisson :
Lambda=n∗p=¿ 100 * 0.02 = 2
e−2∗24
P ( X=4 )=
4!

La loi normale

C’est une loi continue. La variable aléatoire X prend ses valeurs entre -∞ et +∞.
Par exemple : les tailles
f

P(178 ≤ X <180)

X
Moyenne 178 180

Propriétés de la courbe
1. La moyenne se situe au sommet de la courbe
2. la courbe est symétrique
3. La courbe ne touche pas l’axe horizontal, mais on a 100% sous la courbe
4. Comme on a :
B ( n , p ) → binomialeP ( ℷ ) → Poisson N ( μ , σ 2 ) loi normale
μ :mu→ lamo yenne σ =La variance
2
−1 X −μ
Droite : y =ax+ b Parabole: y =a x + bx+ cCourbe de la loi nromale: f ( X )= 1 ∗e
( )
2 2 σ
σ∗√ 2 π
La loi normale centrée réduite

On va faire un changement de variable :


X−μ
t=
σ
Par ce changement, on aboutit à une loi normale de moyenne 0 et de variance 1 : N (0 ; 1)
X−μ μ−μ
Moyenne : Lorsque X =μ →t= = =0
σ σ
Variance : si σ 2=1 , alors σ =√ 1=1
X −μ σ−0 σ
lorsque X =σ → t= = = =1
σ σ σ
Fonction de la loi normale centrée réduite :
−1 2
1 2
t
f ( t )= ∗e
√2 π
f f

P(a ' ≤ t< b ' ) P(a ≤ X <b)

t x
0 a b μ a b

P ( a' ≤t <b' ) ≡ P( a≤ X < b)

Exemple : μ=50 kg σ 2=4 nb de sacs=60 ' 000


X−μ 51−50
1. P ( X <51 ) t= = =0.5  P=0.6915
σ √4
f f 60' 000∗0.6915=41' 490 sacs

50 51 X 0 0.5 t

51−50
2. P( X ≥ 51) t= =0.05 P ( t ≥ 0.5 )=1−P (t< 0.5)
2
f f ¿ 1−0.6915=0.3085
50 51 X 0 0.05 t

X−μ 48−50
3. P( X < 48) t= = =−1 P ( t ≥ 1 )=1−P(t <1)
σ 2
f f ¿ 1−0.8413
¿ 0.1587

48 50 X -1 0 1 t

48−50
4. P(X ≥ 48) t= =−1 P ( t ≥−1 ) =P (t<1)
2
f f ¿ 0.8413

48 50 X -1 0 1 t
La surface hachurée bleue est identique à celle en rouge

Résumé
1. t positif, surface à gauche  table
2. t positif, surface à droite  1 – table
3. t négatif, surface à gauche  1 – table
4. t négatif, surface à droite  table

Ex. 1a), c), d)


N(10(moyenne),4(variance))
Cas avec 2 bornes
μ=50 σ =2

X 1−μ 51−50
t 1= = =0.5
σ 2
X 2−μ 52−50
t 2= = =1
σ 2
50 51 52 P ( S 1 ≤ X < S 2) =P(0.5 ≤ t<1) 0 0.5 1

Pour trouver l’intervalle, il faut soustraire t 2 à t 1

F ( 1 )−F ( 0.5 )=0.8413−0.6915=0.1498


Borne droite-borne gauche

P ( 49 ≤ X <52 )=P(−0.5≤ t< 1)


F ( 1 )−F (−0.5 )
1−F (0.5) F ( 1 )− [1−F ( 0.5 ) ] =0.8413−[ 1−0.6915 ] =0.5328
Intervalles remarquables