Vous êtes sur la page 1sur 17

Chapitre

2 : Lois de probabilité
Pr. M. EL KOUALI

JMmH "€bB+Q /2 1bi/őbiB+

Variables aléatoires
 7BSJBCMFT "MFBUPSJBT JMmH "€bB+Q /2 1bi/őbiB+
Lorsque nous sélectionnons un échantillon aléatoire dans une population, nous réalisons une
expérience aléatoire et toute variable statistique mesurée à partir de l'échantillon sera une variable
7BSJBCMFT BMFBUPSJBT
 aléatoire
7BSJBCMFT "MFBUPSJBT
car ses valeurs dépendront du hasard.
$VBOEP TFMFDDJPOBNPT VOB NVFTUSB BM B[BS EF VOB QPCMBDJÐO FTUBNPT SFBMJ[BOEP VO FYQFSJNFOUP
BMFBUPSJP
Définition
7BSJBCMFT Z DVBMRVJFS WBSJBCMF
- variable
BMFBUPSJBT FTUBEÊTUJDB
aléatoire ; Une NFEJEB B QBSUJS
variable EF MB NVFTUSB
aléatoire 𝑋 est TFS¾
uneVOB WBSJBCMF BMFBUPSJB
application QPSRVFun
qui associe
TVT WBMPSFT
nombre réelEFQFOEFS¾O EFM B[BSde l'espace d'échantillonnage d'une expérience aléatoire.
à chaque élément
%FaOJDJÐO  7BSJBCMF "MFBUPSJB
 6OB WBSJBCMF BMFBUPSJB ǒ FT VOB GVODJÐO RVF BTPDJB VO OÖNFSP SFBM B
$VBOEP TFMFDDJPOBNPT VOB NVFTUSB BM B[BS EF VOB QPCMBDJÐO FTUBNPT SFBMJ[BOEP VO FYQFSJNFOUP
BMFBUPSJP Z DVBMRVJFS WBSJBCMF FTUBEÊTUJDB NFEJEB B QBSUJS EF MB NVFTUSB TFS¾ VOB WBSJBCMF BMFBUPSJB QPSRVF
DBEB FMFNFOUP EFM FTQBDJP NVFTUSBM EF VO FYQFSJNFOUP BMFBUPSJP
TVT WBMPSFT EFQFOEFS¾O EFM B[BS
ǒ ๯ ٤ ǒஒFTਔVOB GVODJÐO RVF BTPDJB VO OÖNFSP SFBM B
%FaOJDJÐO  7BSJBCMF "MFBUPSJB
 6OB WBSJBCMF BMFBUPSJB
DBEB FMFNFOUP EFM FTQBDJP NVFTUSBM EF VO FYQFSJNFOUP BMFBUPSJP

ǒ
la๯ variable
٤ ஒ ਔ aléatoire peut prendre est appelé univers image
"M DPOKVOUP
L'ensemble desEF QPTJCMFT
valeurs WBMPSFT RVF
possibles queQVFEF UPNBS MB WBSJBCMF BMFBUPSJB TF MF MMBNB SBOHP P SFDPSSJEP EF
MB WBSJBCMF
de la variable.Z TF SFQSFTFOUB QPS 3BO ǒ


"M DPOKVOUP EF QPTJCMFT WBMPSFT BMFBUPSJB


RVF QVFEF FTUPNBS MB WBSJBCMF BMFBUPSJB TFQSPWJFOFO
MF MMBNB SBOHP P SFBMJ[BDJÐO
SFDPSSJEP EFEF VO
Une&O
MB WBSJBCMF
FM GPOEP
variable
Z TF
VOB WBSJBCMF
aléatoire
SFQSFTFOUB QPSest une variable
3BO ǒ

VOBdont
WBSJBCMF DVZPT
les valeursWBMPSFT
proviennent deEFlaMB performance d'une
FYQFSJNFOUP BMFBUPSJP Z QPS UBOUP UFOES¾ BTPDJBEB VOB EFUFSNJOBEB EJTUSJCVDJÐO EF QSPCBCJMJEBE
ǒ RVF NJEF
expérience aléatoire, et donc, a une certaine distribution de probabilité qui lui est associée.
&O FM &KFNQMP
GPOEP VOB-BWBSJBCMF
WBSJBCMFBMFBUPSJB FM SFTVMUBEP
FT VOB EFM MBO[BNJFOUP
WBSJBCMF DVZPT EF VO EBEP
WBMPSFT QSPWJFOFO EF MBFTSFBMJ[BDJÐO
VOB WBSJBCMF
EF BMFBUPSJB
VO
Z TV SBOHP FT
3BO ǒ
 \     ^
FYQFSJNFOUP BMFBUPSJP Z QPS UBOUP UFOES¾ BTPDJBEB VOB EFUFSNJOBEB EJTUSJCVDJÐO EF QSPCBCJMJEBE
Exemple. La variable 𝑋 qui mesure le résultat du lancer d'un dé est une variable aléatoire et sa
plage est-B: WBSJBCMF ǒ RVF NJEF FM SFTVMUBEP
&KFNQMP EFM MBO[BNJFOUP EF VO EBEP FT VOB WBSJBCMF BMFBUPSJB
Z TV SBOHP FT
5JQPT EF WBSJBCMFT BMFBUPSJBT 3BO ǒ
 \     ^

-BT WBSJBCMFT BMFBUPSJBT TF DMBTJaDBO FO EPT UJQPT


5JQPT EF WBSJBCMFT
Types BMFBUPSJBT
de variables aléatoires
%JTDSFUBT 7"%

-BT 5PNBO WBMPSFT FO
BJTMBEPT Z TV SBOHP FT OVNFSBCMF &KFNQMP /ÖNFSP EF IJKPT OÖNFSP
LesWBSJBCMFT
variablesBMFBUPSJBT
EF DJHBSSJMMPT
TF DMBTJaDBO
aléatoires
OÖNFSP
EPT UJQPT
sontEFclassées en deux
BTJHOBUVSBT types FUD
BQSPCBEBT :
%JTDSFUBT 7"%

$POUJOVBT 5PNBO5PNBO
7"$
 WBMPSFTWBMPSFT
BJTMBEPT
FOZVO
TVJOUFSWBMP
SBOHP FT OVNFSBCMF
SFBM Z TV des&KFNQMP
SBOHP FT OP /ÖNFSP
OVNFSBCMFEF IJKPT OÖNFSP
Variables aléatoires discrètes (VAD) : elles prennent
EF DJHBSSJMMPT OÖNFSP EF BTJHOBUVSBT BQSPCBEBT FUD
valeurs isolées et &KFNQMP
sont peu1FTP FTUB
nombreux.
UVSB FEBE OJWFM EF DPMFTUFSPM FUD
Exemple : nombre d'enfants, nombre de cigarettes, nombre de sujets autorisés, etc.
$POUJOVBT 7"$
 5PNBO WBMPSFT FO VO JOUFSWBMP SFBM Z TV SBOHP FT OP OVNFSBCMF &KFNQMP 1FTP FTUB
-PT
UVSB NPEFMPT
FEBE
Variables OJWFM QSPCBCJMÊTUJDPT
EF DPMFTUFSPM
aléatoires continues EF(VAC)
FUD DBEB UJQP EF WBSJBCMFT
: elles prennent UJFOFO
des DBSBDUFSÊTUJDBT
valeurs dans un EJGFSFODJBEBT
intervalle Zréel
QPSetFTP
leur
TF FTUVEJBS¾O QPS TFQBSBEP &O FTUF DBQÊUVMP TF FTUVEJBO MPT NPEFMPT QSPCBCJMÊTUJDPT EF MBT WBSJBCMFT
plage n'est pas dénombrable. Poids, taille, âge, taux de cholestérol, etc.
BMFBUPSJBT
-PT NPEFMPTEJTDSFUBT
QSPCBCJMÊTUJDPT EF DBEB UJQP EF WBSJBCMFT UJFOFO DBSBDUFSÊTUJDBT EJGFSFODJBEBT Z QPS FTP
TF FTUVEJBS¾O QPS TFQBSBEP &O FTUF DBQÊUVMP TF FTUVEJBO MPT NPEFMPT QSPCBCJMÊTUJDPT EF MBT WBSJBCMFT
Les modèles probabilistes de chaque type de variables ont des caractéristiques différentes et donc
BMFBUPSJBT EJTDSFUBT
seront
ils %JTUSJCVDJÐO EF QSPCBCJMJEBE
étudiés séparément. EF VOBles
Dans ce chapitre, WBSJBCMF
modèlesBMFBUPSJB EJTDSFUB
probabilistes des variables aléatoires
discrètes sont étudiés.
 %JTUSJCVDJÐO
%JTUSJCVDJÐO EF QSPCBCJMJEBE
EF QSPCBCJMJEBE EF VOBEF VOB WBSJBCMF
WBSJBCMF BMFBUPSJB EJTDSFUB
BMFBUPSJB EJTDSFUB
Distribution de probabilité d'une variable aléatoire discrète
$PNPEFMPT
%JTUSJCVDJÐO WBMPSFT EF VOB
QSPCBCJMJEBE WBSJBCMF
EF VOB WBSJBCMFBMFBUPSJBBMFBUPSJBFTU¾OEJTDSFUB
BTPDJBEPT B MPT TVDFTPT FMFNFOUBMFT EFM DPSSFTQPO
Distribution de probabilité d'une variable aléatoireVOB
EJFOUF FYQFSJNFOUP BMFBUPSJP DBEB WBMPS UFOES¾ BTPDJBEB QSPCBCJMJEBE
discrète
$PNP MPT WBMPSFT EF VOB WBSJBCMF BMFBUPSJB FTU¾O BTPDJBEPT B MPT TVDFTPT FMFNFOUBMFT EFM DPSSFTQPO
EJFOUF%FaOJDJÐO  'VODJÐO
FYQFSJNFOUP BMFBUPSJP EF QSPCBCJMJEBE

DBEB WBMPS UFOES¾ BTPDJBEB -B GVODJÐOVOB EF QSPCBCJMJEBE
QSPCBCJMJEBE EF VOB WBSJBCMF BMFBUPSJB EJTDSFUB ǒ
FT VOB GVODJÐO ǚ Ǫ
RVF BTPDJB B DBEB WBMPS EF MB WBSJBCMF TV QSPCBCJMJEBE
%FaOJDJÐO  'VODJÐO EF QSPCBCJMJEBE
 -B GVODJÐO EF QSPCBCJMJEBE EF VOB WBSJBCMF BMFBUPSJB EJTDSFUB ǒ
FT VOB GVODJÐO ǚ Ǫ
RVF BTPDJB B DBEB WBMPS EF MBǚ Ǫ
Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 1
օ
 NJ ǒ  Ǫօ

WBSJBCMF TV QSPCBCJMJEBE

ǚ Ǫօ
 NJ ǒ  Ǫօ

EF DJHBSSJMMPT
TF FTUVEJBS¾O OÖNFSP EF
QPS TFQBSBEP &OBTJHOBUVSBT BQSPCBEBT
FTUF DBQÊUVMP FUD MPT NPEFMPT QSPCBCJMÊTUJDPT EF MBT WBSJBCMFT
TF FTUVEJBO
BMFBUPSJBT EJTDSFUBT
$POUJOVBT 7"$
 5PNBO WBMPSFT FO VO JOUFSWBMP SFBM Z TV SBOHP FT OP OVNFSBCMF &KFNQMP 1FTP FTUB
UVSB FEBE OJWFM EF DPMFTUFSPM FUD
 %JTUSJCVDJÐO EF QSPCBCJMJEBE EF VOB WBSJBCMF BMFBUPSJB EJTDSFUB
-PT NPEFMPT QSPCBCJMÊTUJDPT EF DBEB UJQP EF WBSJBCMFT UJFOFO DBSBDUFSÊTUJDBT EJGFSFODJBEBT Z QPS FTP
TF
%JTUSJCVDJÐO QPS
FTUVEJBS¾O TFQBSBEP &OEF
EF QSPCBCJMJEBE FTUF
VOBDBQÊUVMP
WBSJBCMFTFBMFBUPSJB
FTUVEJBOEJTDSFUB
MPT NPEFMPT QSPCBCJMÊTUJDPT EF MBT WBSJBCMFT
BMFBUPSJBT
Puisque lesEJTDSFUBT
valeurs d'une variable aléatoire sont associées aux événements élémentaires de
$PNP MPT
l'expérience WBMPSFT EF
aléatoire VOB WBSJBCMF BMFBUPSJB
correspondante, chaqueFTU¾O BTPDJBEPT
valeur B MPT
aura une TVDFTPT FMFNFOUBMFT
probabilité associée. EFM DPSSFTQPO
EJFOUF FYQFSJNFOUP BMFBUPSJP DBEB WBMPS UFOES¾ BTPDJBEB VOB QSPCBCJMJEBE
 %JTUSJCVDJÐO
- fonctionEFdeQSPCBCJMJEBE
probabilité :EFLaVOB WBSJBCMFde BMFBUPSJB
probabilitéEJTDSFUB
%FaOJDJÐO  'VODJÐO EF QSPCBCJMJEBE
 -B GVODJÐO EF QSPCBCJMJEBE EF VOB WBSJBCMF BMFBUPSJB EJTDSFUB ǒ
Définition fonction d'une variable aléatoire
FT VOB GVODJÐO ǚ Ǫ
RVF BTPDJB B DBEB WBMPS EF MB WBSJBCMF TV QSPCBCJMJEBE
discrète 𝑋 est une fonction 𝑓 (𝑥) qui associe à chaque valeur de la variable sa probabilité
%JTUSJCVDJÐO EF QSPCBCJMJEBE EF VOB WBSJBCMF BMFBUPSJB EJTDSFUB

ǚ Ǫօ
FTU¾O
$PNP MPT WBMPSFT EF VOB WBSJBCMF BMFBUPSJB  NJ ǒ  Ǫօ
 B MPT TVDFTPT FMFNFOUBMFT EFM DPSSFTQPO
BTPDJBEPT
EJFOUF FYQFSJNFOUP BMFBUPSJP DBEB WBMPS UFOES¾ BTPDJBEB VOB QSPCBCJMJEBE
-BT QSPCBCJMJEBEFT
%FaOJDJÐO  'VODJÐO UBNCJÆO QVFEFO BDVNVMBSTF
EF QSPCBCJMJEBE
 BM QSPCBCJMJEBE
-B GVODJÐO EF JHVBM RVF TFEFBDVNVMBCBO
VOB WBSJBCMFMBT GSFDVFODJBT
BMFBUPSJB ǒ
FO MBT
EJTDSFUB
FT VOB GVODJÐO ǚ Ǫ
RVF BTPDJB B DBEB WBMPS EF MB WBSJBCMF TV QSPCBCJMJEBE
NVFTUSBT
EF VOB WBSJBCMF BMFBUPSJB EJTDSFUB ǒ
ǚ Ǫօ
 NJ ǒ  Ǫօ
 les fréquences accumulées dans les
%FaOJDJÐO
chances  'VODJÐO EF EJTUSJCVDJÐO
 -B GVODJÐO EF EJTUSJCVDJÐO
ǀ Ǫ
Ǫ
Les peuvent également s'accumuler, tout comme
FT VOB GVODJÐO RVF BTPDJB B DBEB WBMPS օ EF MB WBSJBCMF MB QSPCBCJMJEBE EF RVF MB WBSJBCMF UPNF VO
WBMPS NFOPS P JHVBM RVF Ǫօ
échantillons.
ǀ Ǫօ
 BDVNVMBSTF
-BT QSPCBCJMJEBEFT UBNCJÆO QVFEFO NJ ǒ ན Ǫօ
 BM
ǚ ǪJHVBM
џ
๴ ǚ Ǫօ

RVF TF BDVNVMBCBO MBT GSFDVFODJBT FO MBT
Définition
NVFTUSBT - fonction de distribution : La fonction de répartition d'une variable aléatoire
EF VOB WBSJBCMF BMFBUPSJB EJTDSFUB ǒ
discrète 𝑋 est une fonction 𝐹 (𝑥) qui associe à chaque valeur 𝑥𝑖 de la variable la probabilité que
la%FaOJDJÐO  'VODJÐO EF EJTUSJCVDJÐO
 -B GVODJÐO
une valeur inférieure ou égaleàEF𝑥𝑖EJTUSJCVDJÐO
FT VOB GVODJÐO ǀ Ǫ
RVF BTPDJB B DBEB WBMPS Ǫօ EF MB WBSJBCMF MB QSPCBCJMJEBE EF RVF MB WBSJBCMF UPNF VO
variable prenne ,
WBMPS NFOPS P JHVBM RVF Ǫօ
ǀ Ǫօ
 NJ ǒ ན Ǫօ
 ǚ Ǫџ
๴ ǚ Ǫօ




 %JTUSJCVDJÐO
Fonction EF QSPCBCJMJEBE
de répartition d'une EF VOB WBSJBCMF
variable BMFBUPSJBdiscrète
aléatoire EJTDSFUB JMmH "€bB+Q /2 1bi/őbiB+

La plage de la variable, ainsi que sa fonction de probabilité ou de distribution, est appelée


%JTUSJCVDJÐO
fonction EF QSPCBCJMJEBE
de répartition EF VOB WBSJBCMF
de la variable, BMFBUPSJB
et elle est EJTDSFUB représentée sous forme de tableau
généralement
"M SBOHP EF MB WBSJBCMF KVOUP B TV GVODJÐO EF QSPCBCJMJEBE P EF EJTUSJCVDJÐO TF MF MMBNB %JTUSJCVDJÐO
EF QSPCBCJMJEBE EF MB WBSJBCMF Z TF TVFMF SFQSFTFOUBS FO GPSNB EF UBCMB

ǒ Ǫџ Ǫӝ ๴ Ǫ֙ ၶ
ǚ Ǫ
ǚ Ǫџ
ǚ Ǫӝ
๴ ǚ Ǫ֙

ǀ Ǫ
ǀ Ǫџ
ǀ Ǫӝ
๴ ǀ Ǫ֙
 

"M JHVBM RVF MB EJTUSJCVDJÐO EF GSFDVFODJBT EF VOB WBSJBCMF SFbFKBCB DÐNP TF EJTUSJCVÊBO MPT WBMPSFT
EF MB WBSJBCMF FO VOB NVFTUSB MB EJTUSJCVDJÐO EF QSPCBCJMJEBE EF VOB WBSJBCMF BMFBUPSJB TJSWF QBSB SFbFKBS
DÐNP TF EJTUSJCVZFO MPT WBMPSFT EF EJDIB WBSJBCMF FO UPEB MB QPCMBDJÐO
La distribution de probabilité d'une variable aléatoire sert à refléter la façon dont les valeurs de
cette variable sont distribuées dans l'ensemble de la population.
%JTUSJCVDJÐO EF QSPCBCJMJEBE EF VOB WBSJBCMF EJTDSFUB
&KFNQMP EFM MBO[BNJFOUP EF EPT NPOFEBT
4FB ǒ MB WBSJBCMF BMFBUPSJB RVF NJEF FM OÖNFSP EF DBSBT FO FM MBO[BNJFOUP EF EPT NPOFEBT &M ¾SCPM
EF QSPCBCJMJEBE EFM FTQBDJP QSPCBCJMÊTUJDP EFM FYQFSJNFOUP TF NVFTUSB B DPOUJOVBDJÐO

Distribution de probabilité lǶ LRN30


d'une discrète٤
SǶ LRN30
variable TaR$$CIC00

աѵͯ ๭ աѵͯ
Exemple : le lancé de deux pièces աѵͯ + V+.+W 
աѵͯ աѵͯ ๭ աѵͯ

+
Soit 𝑋 la variable aléatoire qui mesureաѵͯle nombre
t V+.tW
de piles sur le lancé de deux pièces. L'arbre de
աѵͯ ๭ աѵͯ
աѵͯ 
աѵͯ
Vt.+W
ǒ
+
աѵͯ ๭ աѵͯ
աѵͯ t Vt.tW 
Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 2

Z TFHÖO FTUP TV EJTUSJCVDJÐO EF QSPCBCJMJEBE FT


EF MB WBSJBCMF FO VOB NVFTUSB MB EJTUSJCVDJÐO EF QSPCBCJMJEBE EF VOB WBSJBCMF BMFBUPSJB TJSWF QBSB SFbFKBS
DÐNPTFTFEJTUSJCVZFO
DÐNP EJTUSJCVZFOMPT
MPTWBMPSFT
WBMPSFTEFEFEJDIB
EJDIBWBSJBCMF
WBSJBCMFFOFOUPEB
UPEBMBMBQPCMBDJÐO
QPCMBDJÐO

%JTUSJCVDJÐOEF
%JTUSJCVDJÐO EFQSPCBCJMJEBE
QSPCBCJMJEBEEF EFVOB
VOBWBSJBCMF
WBSJBCMFEJTDSFUB
EJTDSFUB
&KFNQMPEFM
&KFNQMP EFMMBO[BNJFOUP
MBO[BNJFOUPEFEFEPT
EPTNPOFEBT
NPOFEBT

4FB ǒ MBdeWBSJBCMF 4FB ǒ MB WBSJBCMF BMFBUPSJB RVF NJEF FM OÖNFSP EF DBSBT FO FM MBO[BNJFOUP EF EPT NPOFEBT &M ¾SCPM
BMFBUPSJB RVF NJEF FM OÖNFSP EF est
DBSBT FO FM MBO[BNJFOUP EF(EPT
probabilité l'espace
EF QSPCBCJMJEBE probabiliste
EFM FTQBDJP de l'expérience
QSPCBCJMÊTUJDP présenté
EFM FYQFSJNFOUP ci-dessous.
TF NVFTUSB pileNPOFEBT &M ¾SCPM
=X , face=C)
B DPOUJOVBDJÐO
EF QSPCBCJMJEBE EFM FTQBDJP QSPCBCJMÊTUJDP EFM FYQFSJNFOUP TF NVFTUSB B DPOUJOVBDJÐO

LRN30 ٤٤
1er lancé 2ème lancé Ω Probabilité
lǶlǶLRN30
LRN30 SǶSǶLRN30 TaR$$CIC00
TaR$$CIC00
աѵͯ ๭ աѵͯ
աѵͯ
աѵͯ ++ V+.+W
V+.+W
աѵͯ ๭ աѵͯ


աѵͯ աѵͯ ๭ աѵͯ
աѵͯ աѵͯ ๭ աѵͯ

++

աѵͯ
աѵͯ
%JTUSJCVDJÐO EF QSPCBCJMJEBE EF VOB WBSJBCMF BMFBUPSJB tt
EJTDSFUB
V+.tW
V+.tW 
JMmH "€bB+Q /2 1bi/őbiB+
աѵͯ ๭ աѵͯ
աѵͯ
աѵͯ
աѵͯ ๭ աѵͯ


աѵͯ
Vt.+W
ǒǒ
++
աѵͯ
Vt.+W
աѵͯ ๭ աѵͯ
'VODJÐO EF QSPCBCJMJEBE աѵͯ
աѵͯ tt Vt.tW EFաѵͯ
'VODJÐO
Vt.tW
๭ աѵͯ
EJTUSJCVDJÐO

HNyLC3NjR 03 0Rc LRN30c HNyLC3NjR 03 0Rc LRN30c
zY9 ZZTFHÖO
TFHÖOFTUP
La Fonction deFTUP
TVTVEJTUSJCVDJÐO
EJTUSJCVDJÐO
répartition est ; EFEFQSPCBCJMJEBE
QSPCBCJMJEBE
SYz FTFT

จจ
ฆ  TJTJǪ Ǫ 
ǒǒ  ฆ
ฆ ฆ
 
ฆ ฆ  TJTJ ནནǪ Ǫ 
ǀ Ǫ
 
zY: zY4

ǚ Ǫ

 
 

TaR$$CIC00 ,nLnI0 ǀ ǒ

ǚ Ǫ

ǀ Ǫ
ง TJ  ན Ǫ  
ง
ǀ Ǫ
 ฆ ฆ
 TJ  ན Ǫ  
ǀ Ǫ
 ฆ ฆ 
ฆฆ
TaR$$CIC00 ǚ Ǫ

ฅ ฅ TJTJǪ Ǫཔཔ 
zYk zYf

 %JTUSJCVDJÐO
 EF QSPCBCJMJEBE
%JTUSJCVDJÐO EF VOB WBSJBCMF
EF QSPCBCJMJEBE BMFBUPSJB
EF VOB WBSJBCMFEJTDSFUB
BMFBUPSJB EJTDSFUB JMmH JMmH
"€bB+Q "€bB+Q
/2 1bi/őbiB+
/2 1bi/őbiB+
zYl zY:

Graphiques de la distribution de probabilité :


zYS (S¾aDPTEF
(S¾aDPT EFMBMBEJTUSJCVDJÐO
EJTUSJCVDJÐO
'VODJÐO EFEFQSPCBCJMJEBE
QSPCBCJMJEBE
EF QSPCBCJMJEBE
'VODJÐO EF QSPCBCJMJEBE
zYl 'VODJÐO 'VODJÐO
EF EJTUSJCVDJÐO
EF EJTUSJCVDJÐO
&KFNQMPLoi de probabilité
&KFNQMP EFMMBO[BNJFOUP
EFM MBO[BNJFOUP EFEFEPT
HNyLC3NjR EPT
03 NPOFEBT
NPOFEBT
0Rc LRN30c
HNyLC3NjR 03 0Rc LRN30c Fonction de répartition
HNyLC3NjR 03 0Rc LRN30c
HNyLC3NjR 03 0Rc LRN30c
zYz zY9 zY9 zYz SYz SYz

zYz zY9 SYz SY9 lYz zYz zY9 SYz SY9 lYz
Fonction de répartition F(x)

zY: zY4
TaR$$CIC00 ,nLnI0 ǀ ǒ

zY:MɡL3aR 03 ,ac zY4 MɡL3aR 03 ,ac


TaR$$CIC00 ,nLnI0 ǀ ǒ

Probabilité f(x)

TaR$$CIC00 ǚ Ǫ

TaR$$CIC00 ǚ Ǫ

zYk zYf
zYk zYf
&TUBEÊTUJDPT QPCMBDJPOBMFT
zYl zY:
"M JHVBM RVF QBSB zYl
EFTDSJCJS MBT WBSJBCMFT FO MBT NVFTUSBT TF VUJMJ[BOzY:FTUBEÊTUJDPT EFTDSJQUJWPT NVFTUSB
MFT QBSB EFTDSJCJS MBT DBSBDUFSÊTUJDBT
zYS EF MBT WBSJBCMFT BMFBUPSJBT TF VUJMJ[BO UBNCJÆO
zYl FTUBEÊTUJDPT QPCMBDJP
OBMFT zYS zYl

-B EFaOJDJÐO EF MPT FTUBEÊTUJDPT


zYz QPCMBDJPOBMFT FT BO¾MPHB B MB EF MPT NVFTUSBMFT
zYz QFSP VUJMJ[BOEP
QSPCBCJMJEBEFT FO MVHBS
zYz EF GSFDVFODJBT
zYz SFMBUJWBT
zY9 SYz SY9 lYz zYz zYz zY9 SYz SY9 lYz

-PT N¾T TPO 
JNQPSUBOUFTzYz zY9 SYz MɡL3aR
SY9 03 ,aclYz zYz zY9 SYz MɡL3aR 03
SY9,ac lYz
Nombre de piles Nombre de piles
MɡL3aR 03 ,ac MɡL3aR 03 ,ac

u .FEJB P FTQFSBO[B NBUFN¾UJDB 
֙
&TUBEÊTUJDPT QPCMBDJPOBMFT
Paramètres statistiques
Moyenne :
&TUBEÊTUJDPT QPCMBDJPOBMFT
"M JHVBM RVF QBSB‫ސ‬ ƿ ǒ
MBTၹ
EFTDSJCJS Ǫօ ǚ Ǫօ
FO MBT NVFTUSBT TF VUJMJ[BO FTUBEÊTUJDPT EFTDSJQUJWPT NVFTUSB
WBSJBCMFT
օџ EF MBT WBSJBCMFT BMFBUPSJBT TF VUJMJ[BO UBNCJÆO FTUBEÊTUJDPT QPCMBDJP
MFT QBSB EFTDSJCJS MBT DBSBDUFSÊTUJDBT
"M JHVBM RVF QBSB EFTDSJCJS MBT WBSJBCMFT FO MBT NVFTUSBT TF VUJMJ[BO FTUBEÊTUJDPT EFTDSJQUJWPT NVFTUSB
OBMFT
MFT QBSB EFTDSJCJS
u 7BSJBO[B
֙
MBT DBSBDUFSÊTUJDBT EF MBT WBSJBCMFT BMFBUPSJBT TF VUJMJ[BO UBNCJÆO FTUBEÊTUJDPT QPCMBDJP
ࠔ ӝ  ǐǕǤ ǒ
 ၹ Ǫ ǚ Ǫ օ ๣‫ސ‬

ӝQPCMBDJPOBMFTӝ
Variance : -B EFaOJDJÐO EF MPT FTUBEÊTUJDPT FT BO¾MPHB B MB EF MPT NVFTUSBMFT QFSP VUJMJ[BOEP
օ SFMBUJWBT
OBMFT
QSPCBCJMJEBEFT FO MVHBS EF GSFDVFODJBT
օџ
-B EFaOJDJÐO-PT EFN¾T
MPT JNQPSUBOUFT
FTUBEÊTUJDPTTPO
QPCMBDJPOBMFT
 FT BO¾MPHB B MB EF MPT NVFTUSBMFT QFSP VUJMJ[BOEP
QSPCBCJMJEBEFT
u %FTWJBDJÐO UÊQJDB FO MVHBS EF GSFDVFODJBT SFMBUJWBT
Ecart-type : u .FEJB PTPOFTQFSBO[B  ဨࠔ ӝ
ࠔNBUFN¾UJDB
-PT N¾T JNQPSUBOUFT 
֙
‫  ސ‬ƿ ǒ
 ၹ Ǫօ ǚ Ǫօ

u .FEJB P FTQFSBO[B NBUFN¾UJDB օџ


֙
‫  ސ‬ƿ ǒ
 ၹ Ǫօ ǚ Ǫօ
֙
&TUBEÊTUJDPT
QPCMBDJPOBMFT
u 7BSJBO[B
ࠔ ӝ  ǐǕǤ ǒ

օџ  ၹ Ǫօӝ ǚ Ǫօ
๣ ‫ސ‬ӝ
&KFNQMP EFM MBO[BNJFOUP EF EPT NPOFEBT
&O FM FYQFSJNFOUP BMFBUPSJP EFM MBO[BNJFOUP EF EPT NPOFEBT B QBSUJS EFօџ
u 7BSJBO[B MB EJTUSJCVDJÐO EF QSPCBCJ
֙
ǒ  ࠔ  ǐǕǤ ǒ
  ၹ Ǫօ ǚ Ǫօ
๣ ӝ‫ސ‬
MJEBE u %FTWJBDJÐO UÊQJDB ӝ ӝ ӝ
Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 3
օџ ࠔ  ࠔ

ǚ Ǫ
  
ǀ Ǫ
  
NF EJTDSFUB JMmH "€bB+Q /2 1bi/őbiB+
 %JTUSJCVDJÐO 6OJGPSNF EJTDSFUB JMmH "€bB+Q /2 1bi/őbiB+

NFOUF MPT FTUBEÊTUJDPT
QPCMBDJPOBMFT

Ǫօ ǚ Ǫօ
  ๭   ๭   ๭    DBSB
TF QVFEFO DBMDVMBS G¾DJMNFOUF MPT FTUBEÊTUJDPT QPCMBDJPOBMFT
֙
‫  ސ‬ၹ Ǫօ ǚ Ǫօ
  ๭   ๭   ๭    DBSB
Ǫօӝ ǚ Ǫօ
๣ ‫ސ‬ӝ  ա ๭  օџ
ӝ ๭  ӝ ๭ 
๣ ӝ   DBSBTӝ
֙
ࠔ ӝ  ၹ Ǫօӝ ǚ Ǫօ
๣ ‫ސ‬ӝ  ա ๭  ӝ ๭  ӝ ๭ 
๣ ӝ   DBSBTӝ

   DBSBT
օџ

ࠔ  ဨ   DBSBT


Modèles de distribution de probabilité
O EF QSPCBCJMJEBE

Selon le type d'expérience dans lequel la variable aléatoire est mesurée, il existe différents
.PEFMPT EF
FYQFSJNFOUP EJTUSJCVDJÐO
RVF TF NJEFEF MB QSPCBCJMJEBE
FO modèles de distribution de probabilité. Les plus importants sont :
FM WBSJBCMF BMFBUPSJB FYJTUFO EJGFSFOUFT NPEFMPT
CJMJEBE -PT N¾T JNQPSUBOUFT TPO
%F BDVFSEP BM UJQP EF FYQFSJNFOUP FO FM RVF TF NJEF MB WBSJBCMF BMFBUPSJB FYJTUFO EJGFSFOUFT NPEFMPT
• Distribution uniforme.
EF EJTUSJCVDJÐO EF QSPCBCJMJEBE -PT N¾T JNQPSUBOUFT TPO
SNF
• Distribution binomiale.
NJBM u %JTUSJCVDJÐO 6OJGPSNF
• Distribution de Poisson.

JTTPO u %JTUSJCVDJÐO #JOPNJBM
Distribution uniforme discrète
u %JTUSJCVDJÐO EF 1PJTTPO
6OJGPSNF EJTDSFUB
Distribution uniforme 𝑈 (𝑎, 𝑏)
Ǐ Ǖ ǖ

 %JTUSJCVDJÐO
Lorsque par 6OJGPSNF EJTDSFUB
la symétrie de l'expérience, toutes les valeurs 𝑎 = 𝑥1, ..., 𝑥𝑘 = 𝑏 d'une variable
6OJGPSNF Ǐ Ǖ ǖ

UPEPT MPT WBMPSFT Ǖ  Ǫџ x Ǫ֍  ǖ EF VOB WBSJBCMF EJTDSFUB


discrète 𝑋 sont également probables, la variable suit un schéma de distribution uniforme.
%JTUSJCVDJÐO
SÊB EFM FYQFSJNFOUP
Ǖ  Ǫџ x Ǫ֍  ǖ EF VOB WBSJBCMF EJTDSFUB
CMFT TF EJDF RVF MB WBSJBCMF TJHVF VO NPEFMP EF EJTUSJCVDJÐO VOJGPSNF
$VBOEP QPS MB TJNFUSÊB EFM FYQFSJNFOUP UPEPT MPT𝑈 (WBMPSFT
ǒ
Définition- distribution uniforme 𝑎, 𝑏) : On dit qu'une variable aléatoire suit un modèle de
JÐO VOJGPSNF Ǐ Ǖ
TPO JHVBMNFOUFǖ

 4F EJDF RVF VOB WBSJBCMF BMFBUPSJB ǒ TJHVF VO NPEFMP


QSPCBCMFT TF EJDF RVF MB WBSJBCMF TJHVF VO NPEFMP EF EJTUSJCVDJÐO
EF VOJGPSNF
QBS¾NFUSPT Ǖ ǖ Z TF OPUB ǒ ྡྷ Ǐ Ǖ ǖ
TJ TV SBOHP FT njǕǠ ǒ
 \Ǖ Ǖ  x ǖ^ Z
distribution uniforme des paramètres 𝑎, 𝑏 et note 𝑋 ∼ 𝑈 (𝑎, 𝑏), si sa plage est Ω (𝑋) = {𝑎, 𝑎 + 1,
%FaOJDJÐO  %JTUSJCVDJÐO VOJGPSNF Ǐ Ǖ ǖ

 4F EJDF RVF VOB WBSJBCMF BMFBUPSJB ǒ TJHVF VO NPEFMP EF


... , 𝑏}, et sa fonction de probabilité vaut :
Ǖ ǖ Z TF OPUB ǒ ྡྷ Ǐ Ǖ ǖ
TJ TV SBOHP FT njǕǠ ǒ
 \Ǖ Ǖ  x ǖ^ Z
BE WBMF

EJTUSJCVDJÐO VOJGPSNF EF QBS¾NFUSPT
ǚ Ǫ
 WBMF
ǖ๣Ǖ 
TV GVODJÐO EF QSPCBCJMJEBE

ǚ Ǫ
 

PO FM NÊOJNP Z FM N¾YJNP EFM SBOHP SFTQFDUJWBNFOUF ǖ ๣ Ǖ 

WBMFO 0CTÆSWFTF RVF Ǖ Z ǖ TPO FM NÊOJNP Z FM N¾YJNP EFM SBOHP SFTQFDUJWBNFOUF
Notez que 𝑎 et 𝑏 sont respectivement le minimum et le maximum de la plage.
Sa moyenne et sa variance valent :
Ǖ ǭ Ǖ ǖ Ǖ ǭ ๣ ‫
ސ‬ӝ ǖ ๣ Ǖ 
ӝ ๣ 
4V NFEJB Z WBSJBO[Bթ๣ե
WBMFO
 ӝ ࠔ ၹ 
ǖ๣Ǖ   ǖ๣Ǖ   թ๣ե
ǭ
թ๣եօա
ǕǕ ǖ Ǖ ǭ ๣ ‫
ސ‬ӝ ǖ ๣ Ǖ 
ӝ ๣ 
‫ސ‬ၹ  ࠔӝ  ၹ 
օա
ǖ๣Ǖ   օա
ǖ๣Ǖ  
Ǐ Ǖ ǖ

6OJGPSNF Ǐ Ǖ ǖ

Distribution uniforme ( , )
F VO %JTUSJCVDJÐO
EBEP 𝑈 𝑎 𝑏
FM OÖNFSP

&KFNQMPPCUFOJEP BM MBO[BS
EFM MBO[BNJFOUP VOEBEP
EF VO EBEP TJHVF VO NPEFMP EF EJTUSJCVDJÐO VOJGPS
Exemple de jet de dé
-B WBSJBCMF RVF NJEF FM OÖNFSP PCUFOJEP BM MBO[BS VO EBEP TJHVF VO NPEFMP EF EJTUSJCVDJÐO VOJGPS
NF Ǐ  


La variable qui mesure le nombre obtenu lors du lancer d'un dé suit un modèle de distribution
uniforme 𝑈 (1, 6).


Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 4


/CcjaC$n,CƽN mNC8RaL3 0Cc,a3j mVS.fW
zYlz

 %JTUSJCVDJÐO
#JOPNJBM JMmH "€bB+Q /2 1bi/őbiB+
zYS9

TaR$$CIC00 ǚ Ǫ

/CcjaC$n,CƽN mNC8RaL3 0Cc,a3j mVS.fW


Distribution uniforme discrète U (1,6)
zYlz zYSz

zYS9 zYz9
TaR$$CIC00 ǚ Ǫ

Probabilité f(x)

zYSz zYzz

S l k : 9 f
t
zYz9

 %JTUSJCVDJÐO #JOPNJBM


zYzz

%JTUSJCVDJÐO #JOPNJBM
S l k : 9 f

-B EJTUSJCVDJÐO CJOPNJBM DPSSFTQPOEF B VOB WBSJBCMF BMFBUPSJB NFEJEB


t FO VO FYQFSJNFOUP BMFBUPSJP
Distribution binomiale
DPO MBT TJHVJFOUFT DBSBDUFSÊTUJDBT
La distribution binomiale correspond à une variable aléatoire mesurée dans une expérience
u &M FYQFSJNFOUP DPOTJTUF FO VOB TFDVFODJB EF Ǡ SFQFUJDJPOFT EF VO NJTNP FOTBZP BMFBUPSJP
 %JTUSJCVDJÐO #JOPNJBM
aléatoire avec les caractéristiques suivantes :
• L'expérience consiste en une séquence de 𝑛 répétitions du même essai randomisé.
%JTUSJCVDJÐO #JOPNJBM
u -PT FOTBZPT TF SFBMJ[BO CBKP JEÆOUJDBT DPOEJDJPOFT Z DBEB VOP EF FMMPT UJFOF ÖOJDBNFOUF EPT QPTJ
• Les tests sont effectués dans des conditions identiques et chacun d'eux n'a que deux
CMFT SFTVMUBEPT DPOPDJEPT DPNP ¦YJUP P 'SBDBTP
-B EJTUSJCVDJÐO CJOPNJBM DPSSFTQPOEF B VOB WBSJBCMF BMFBUPSJB NFEJEB FO VO FYQFSJNFOUP BMFBUPSJP
possibilités. Résultats connus sous le nom de réussite ou d'échec.
u DBSBDUFSÊTUJDBT
DPO MBT TJHVJFOUFT -PT FOTBZPT TPO JOEFQFOEJFOUFT
• Les essais sont indépendants.
QSPCBCJMJEBE EF ÆYJUP FT JEÆOUJDB QBSB UPEPT MPT FOTBZPT Z WBMF NJ ¦YJTUP
 Ǣ
u &M FYQFSJNFOUP DPOTJTUF FO VOB TFDVFODJB EF Ǡ SFQFUJDJPOFT EF VO NJTNP FOTBZP BMFBUPSJP
u -B• La probabilité de succès est identique pour tous les essais et vaut 𝑃 (Succès) = 𝑝.

BMFBUPSJBZǒDBEB FO MPT Ǡ FOTBZPT


Dans ces conditions, la variable aléatoire 𝑋 qui mesure le nombre de succès obtenus
u -PT FOTBZPT &OTFFTUBT DPOEJDJPOFT
SFBMJ[BO MB WBSJBCMF
CBKP JEÆOUJDBT DPOEJDJPOFT RVF VOP
NJEFEFMFFMMPT
OÖNFSPUJFOFEFÖOJDBNFOUF
ÆYJUPT PCUFOJEPT
EPT QPTJ
P 'SBDBTPEF QBS¾NFUSPT Ǡ Z Ǣ
dans les essais 𝑛 suit un modèle de distribution binomiale des paramètres 𝑛 et 𝑝.
TJHVF VODPOPDJEPT
CMFT SFTVMUBEPT NPEFMP EF EJTUSJCVDJÐO
DPNP ¦YJUP CJOPNJBM
Distribution binomiale 𝐵 (𝑛, 𝑝).
u -PT FOTBZPT TPO JOEFQFOEJFOUFT
#JOPNJBM Ƽ Ǡ Ǣ

Z WBMF NJ ¦YJTUP
 Ǣ
%JTUSJCVDJÐO
Définition - (Distribution binomiale ( 𝐵 (FOTBZPT
𝑛, 𝑝) : On dit qu'une variable aléatoire suit un modèle
u -B QSPCBCJMJEBE EF ÆYJUP FT JEÆOUJDB QBSB UPEPT MPT
%FaOJDJÐO  %JTUSJCVDJÐO #JOPNJBM Ƽ Ǡ Ǣ

 4F EJDF RVF VOB WBSJBCMF BMFBUPSJB ǒ TJHVF VO NPEFMP EF


de distribution binomiale des paramètres 𝑛 et 𝑝, et note 𝑋 ∼ 𝐵 (𝑛, 𝑝), si son chemin est Ω (𝑋)
EJTUSJCVDJÐO CJOPNJBM
&O FTUBT DPOEJDJPOFT EF BMFBUPSJB
MB WBSJBCMF QBS¾NFUSPT Ǡ Z NJEF
ǒ RVF Ǣ Z TFMFOPUB ǒ ྡྷ EF
OÖNFSP Ƽ Ǡ Ǣ
TJPCUFOJEPT
ÆYJUPT TV SFDPSSJEP FT njǕǠ ǒ

FO MPT  \  x Ǡ^ Z
Ǡ FOTBZPT
Ǡ Ǣ
= {0, 1, ..., 𝑛} et sa fonction de probabilité vaut :
TJHVF VO NPEFMP
TV
EF EJTUSJCVDJÐO
GVODJÐO EF CJOPNJBM
QSPCBCJMJEBE EF QBS¾NFUSPT
WBMF Z

Ǡ Ǡ
%JTUSJCVDJÐO #JOPNJBM Ƽ Ǡ Ǣ
ǚ Ǫ
 ෳ ෴Ǣׁ  ๣ Ǣ
֙๣ׁ  Ǣׁ  ๣ Ǣ
֙๣ׁ 
Ǫ Ǫ Ǡ ๣ Ǫ

%JTUSJCVDJÐO #JOPNJBM Ƽ Ǡ Ǣ

 4F EJDF RVF VOB WBSJBCMF BMFBUPSJB ǒ TJHVF VO NPEFMP EF



RVF Ǡ FTǠ DPOPDJEP Ǡ^ Z Z Ǣ DPNP MB
%FaOJDJÐO 
0CTÆSWFTF
EJTUSJCVDJÐO CJOPNJBM EF QBS¾NFUSPT Z Ǣ Z TF OPUB
DPNPǒྡྷ
FM Ƽ Ǡ Ǣ
TJEF
OÖNFSP TVSFQFUJDJPOFT njǕǠ ǒ

SFDPSSJEP FT EF  \ 
MB QSVFCB Px FOTBZP

TV GVODJÐO EFQSPCBCJMJEBE
QSPCBCJMJEBEEFWBMF
¦YJUP FO DBEB SFQFUJDJÐO
Notez que 𝑛 est connu comme le nombre de répétitions du test ou de l'essai et 𝑝 comme la
Ǡ Ǡ
4V NFEJB Z WBSJBO[B WBMFO
‫ ސ‬Ǡ ๭ Ǣ
ǚ Ǫ
 ෳ ෴Ǣׁ  ๣ Ǣ
֙๣ׁ ࠔ ӝǢ Ǡ๣
ׁ  ๭ ǢǢ

๭ 
֙๣ׁ๣
 Ǣ

Ǫ Ǫ Ǡ ๣ Ǫ

probabilité de réussite à chaque répétition.
Sa moyenne et sa variance valent :
0CTÆSWFTF RVF Ǡ FT DPOPDJEP DPNP FM OÖNFSP EF SFQFUJDJPOFT EF MB QSVFCB P FOTBZP Z Ǣ DPNP MB

QSPCBCJMJEBE EF ¦YJUP FO DBEB SFQFUJDJÐO
4V NFEJB Z WBSJBO[B WBMFO
‫ސ‬Ǡ๭Ǣ ࠔ ӝ  Ǡ ๭ Ǣ ๭   ๣ Ǣ

Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 5
Ǡ Ǡ
ǚ Ǫ
 ෳ ෴Ǣׁ  ๣ Ǣ
֙๣ׁ  Ǣׁ  ๣ Ǣ
֙๣ׁ 
Ǫ Ǫ Ǡ ๣ Ǫ


0CTÆSWFTF RVF Ǡ FT DPOPDJEP DPNP FM OÖNFSP EF SFQFUJDJPOFT EF MB QSVFCB P FOTBZP Z Ǣ DPNP MB


QSPCBCJMJEBE EF ¦YJUP FO DBEB SFQFUJDJÐO
 %JTUSJCVDJÐO #JOPNJBM JMmH "€bB+Q /2 1bi/őbiB+
 %JTUSJCVDJÐO
 %JTUSJCVDJÐO
4V #JOPNJBMWBMFO
NFEJB Z #JOPNJBM
WBSJBO[B JMmH"€bB+Q
JMmH "€bB+Q/2
/21bi/őbiB+
1bi/őbiB+
 %JTUSJCVDJÐO #JOPNJBM ‫ސ‬Ǡ๭Ǣ ࠔ ӝ  Ǡ ๭ Ǣ ๭  ๣ Ǣ
 JMmH "€bB+Q /2 1bi/őbiB+

%JTUSJCVDJÐO #JOPNJBM Ƽ Ǡ Ǣ



%JTUSJCVDJÐO#JOPNJBM Ƽ Ǡ Ǣ
Ǣ

#JOPNJBMƼ Ǡ
Ƽ Ǡ Ǣ
𝐵 (EF
%JTUSJCVDJÐO
&KFNQMP#JOPNJBM
%JTUSJCVDJÐO EF  MBO[BNJFOUPT
Distribution binomiale VOB ) NPOFEB
𝑛, NPOFEB
𝑝
&KFNQMPEFEF
&KFNQMP MBO[BNJFOUPT
MBO[BNJFOUPTEFEFVOB
VOB NPOFEB
-B MBO[BNJFOUPT
WBSJBCMF RVFEF NJEF
VOB FM
Exemple de 10 lancés de pièces
&KFNQMP EF  OÖNFSP EF DBSBT PCUFOJEPT BM MBO[BS  WFDFT VOB NPOFEB TJHVF VO NPEFMP
NPOFEB
CJOPNJBM Ƽ  

-B-B WBSJBCMFRVF
RVF NJEFFMFMOÖNFSP
OÖNFSPEF EFDBSBT
DBSBTPCUFOJEPT
PCUFOJEPTBMBMMBO[BS
MBO[BS WFDFT
WFDFTVOB
VOBNPOFEB
NPOFEBTJHVF
TJHVFVO
VONPEFMP
NPEFMP
EFWBSJBCMF
EJTUSJCVDJÐONJEF
EF RVF
EJTUSJCVDJÐO NJEF FM
CJOPNJBM Ƽ 
EF EJTUSJCVDJÐO CJOPNJBM Ƽ  

OÖNFSP 

La variable qui mesure le nombre de têtes obtenu en lançant une pièce 10 fois suit un modèle
-B WBSJBCMF EF DBSBT PCUFOJEPT BM MBO[BS  WFDFT VOB NPOFEB TJHVF VO NPEFMP
CJOPNJBM Ƽ  


EF EJTUSJCVDJÐO
de distribution binomiale 𝐵 (10, 0,5).
/CcjaC$n,CƽN 03 UaR$$CIC00 #CNRLCI Ƽ  

/CcjaC$n,CƽN03 03UaR$$CIC00
UaR$$CIC00#CNRLCI Ƽ  

#CNRLCIƼ  

Ƽ  

/CcjaC$n,CƽN
Distribution de probabilité binomiale
zYl9 𝐵 (10, 0,5).
/CcjaC$n,CƽN
zYl9
zYl9
03 UaR$$CIC00 #CNRLCI
zYl9
zYlz
zYlz
zYlz
zYlz
TaR$$CIC00 ǚ Ǫ

TaR$$CIC00 ǚ Ǫ

TaR$$CIC00 ǚ Ǫ

zYS9
zYS9
zYS9
TaR$$CIC00 ǚ Ǫ

zYS9
zYSz
Probabilité f(x)

zYSz
zYSz
zYSz
zYz9
zYz9
zYz9
zYz9
zYzz
zYzz
zYzz
zYzz z l : f 4 Sz
zz ll :: ff 44 SzSz
z l : f t 4 Sz
tt
t
%JTUSJCVDJÐO #JOPNJBM Ƽ Ǡ Ǣ

#JOPNJBMƼ Ǡ Ǣ
Ǣ


%JTUSJCVDJÐO
%JTUSJCVDJÐO#JOPNJBM Ƽ Ǡ
&KFNQMP#JOPNJBM
%JTUSJCVDJÐO
&KFNQMP EFEF Ƽ Ǡ Ǣ

EF  MBO[BNJFOUPT EF VOB NPOFEBT


MBO[BNJFOUPT
MBO[BNJFOUPTEFEFVOBVOBNPOFEBT
ǒ ྡྷ Ƽ  EF 

&KFNQMP
Distribution binomiale 𝐵 (𝑛, 𝑝) NPOFEBT
4FBǒǒ ྡྷྡྷ Ƽ 
Ƽ  


MBMBWBSJBCMF
&KFNQMP EF 4FBMBO[BNJFOUPT
 VOBMBNPOFEBT
WBSJBCMF RVF NJEF FM OÖNFSP EF DBSBT FO  MBO[BNJFOUPT EF VOB NPOFEB
4FB
Exemple de 10 lancés de pièces WBSJBCMFRVF
RVFNJEF
NJEFFMFMOÖNFSP
OÖNFSPEF
EFDBSBT
DBSBTFO
FO
MBO[BNJFOUPT
MBO[BNJFOUPTEF
EFVOB
VOBNPOFEB
NPOFEB
ǒ ྡྷ Ƽ  

&OUPODFT
&OUPODFT
4FB
&OUPODFT MB WBSJBCMF RVF NJEF FM OÖNFSP EF DBSBT FO  MBO[BNJFOUPT EF VOB NPOFEB
Soit 𝑋 ∼ 𝐵 (10, 0,5) la variable qui mesure le nombre de piles en 10 lancers d'une pièce. Ensuite,
&OUPODFT
• La probabilité de tirer 4 piles est :
u -B QSPCBCJMJEBE EF TBDBS  DBSBT FT
uu -B
-BQSPCBCJMJEBE
QSPCBCJMJEBEEF EFTBDBS
TBDBSDBSBT
DBSBTFTFT
 

ǚ 

ෳ ෴ ͳ  ๣ 
џա๣ͳ 
 ͳͳҿͳҿҿ   џա ๭џա
џա  
u -B QSPCBCJMJEBE EF TBDBS  DBSBT FT
ǚ 

ǚ 
 ෳෳ ෴
෴ ͳͳ 
๣๣ 


џա๣ͳ
џա๣ͳ  

 
 
๭ ๭
 

  ͳ 
ͳ ҿ
ǚ 
 ෳ ෴  ๣ 
џա๣ͳ      ๭   
џա
 

La probabilité d’avoir au maximum deux faces est :
u -B QSPCBCJMJEBE EF TBDBS EPT P NFOPT DBSBT FT
uu -B
-BQSPCBCJMJEBE
QSPCBCJMJEBEEF EFTBDBS
TBDBSEPTEPTPPNFOPT
NFOPTDBSBTDBSBTFTFT
ǀ 
 ǚ 
EPT ǚP 
ǚ 
 FT

ǀ 

ǀ 
ǚ 

ǚ 
ǚ 

ǚ 
ǚ 

ǚ 

u -B QSPCBCJMJEBE EF TBDBS NFOPT DBSBT

ǀ 
 ǚ 
  ǚ 
 
ǚෳ 
෴ ա  ๣џա๣ա

џա๣ա 
ෳ ෴ џ  ๣ 
џա๣џ  ෳ ෴ ӝ  ๣ 
џա๣ӝ 
ෳෳ ෴ 
෴ 
աա
๣๣ 


џա๣ա ෳෳ ෴

෴
џџ 
๣ ๣ 



џա๣џ
џա๣џ ෳෳ ෴

෴  ๣๣

ӝӝ

џա๣ӝ
џա๣ӝ
  ա      
 ෳ ෴  ๣ 
џա๣ա ෳ ෴џ  ๣ 
џա๣џ ෳ ෴ӝ  ๣ 
џա๣ӝ 
 

  
 
u : FM OÖNFSP FTQFSBEP EF DBSBT FT
Et le nombre de piles attendu est :
uu ::FMFMOÖNFSP
OÖNFSPFTQFSBEP
FTQFSBEPEF
EFDBSBT
DBSBTFTFT
‫   ސ‬๭    DBSBT
‫ސސ‬๭ ๭
DBSBT
u : FM OÖNFSP FTQFSBEP EF DBSBT FT
DBSBT
‫   ސ‬๭    DBSBT

#JOPNJBM Ƽ Ǡ Ǣ


#JOPNJBMƼ Ǡ
Ƽ Ǡ Ǣ
Ǣ

%JTUSJCVDJÐO
%JTUSJCVDJÐO #JOPNJBM
%JTUSJCVDJÐO
Distribution binomiale 𝐵 (𝑛, 𝑝)
&KFNQMP#JOPNJBM
%JTUSJCVDJÐO
&KFNQMP Ƽ Ǡ Ǣ
BMFBUPSJB
EF VOB NVFTUSB DPO SFFNQMB[BNJFOUP
&KFNQMPEFEFVOB
VOBNVFTUSB
NVFTUSBBMFBUPSJB
BMFBUPSJBDPODPOSFFNQMB[BNJFOUP
ǒ RVF NJEF
SFFNQMB[BNJFOUP
&O VOB
&KFNQMP&OEFVOB
VOB
&O VOB
QPCMBDJÐO
NVFTUSB
QPCMBDJÐO
QPCMBDJÐO
IBZ
BMFBUPSJB
IBZ
IBZVO
DPOVO
VO


EF EF GVNBEPSFT
SFFNQMB[BNJFOUP
EFGVNBEPSFT
GVNBEPSFTEF -B -B WBSJBCMF
-BWBSJBCMF
WBSJBCMF ǒǒRVF RVFNJEF NJEF
FM OÖNFSP
FMFMOÖNFSP
OÖNFSP EF EF GVNBEPSFT
EFGVNBEPSFT
GVNBEPSFT FO
FO
FO
ǒTJHVF
VOB NVFTUSB BMFBUPSJB DPO SFFNQMB[BNJFOUP QFSTPOBT TJHVF VO NPEFMP EF EJTUSJCVDJÐO CJOPNJBM
ྡྷྡྷǒ ྡྷ QPCMBDJÐO
Ƽ  

VOB NVFTUSB BMFBUPSJB
IBZDPO SFFNQMB[BNJFOUP
EF GVNBEPSFTEF -BWBSJBCMF
QFSTPOBT VOVONPEFMP EFEFEJTUSJCVDJÐO CJOPNJBM
VOBǒǒNVFTUSB
Ƽ 
Ƽ  

&O
VOB VOB
NVFTUSB BMFBUPSJB VO
DPOSFFNQMB[BNJFOUP EF QFSTPOBT RVF NJEF
TJHVF FM OÖNFSP
NPEFMP EF GVNBEPSFT
EJTUSJCVDJÐO FO
CJOPNJBM


Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 6
BMFBUPSJB DPO SFFNQMB[BNJFOUP EF  QFSTPOBT TJHVF VO NPEFMP EF EJTUSJCVDJÐO CJOPNJBM
ǒ ྡྷ Ƽ  

Dans une population, il y a 40% de fumeurs. La variable 𝑋 qui mesure le nombre de fumeurs
dans un échantillon aléatoire avec remplacement de 3 personnes suit un modèle de distribution
binomiale 𝑋 ∼ 𝐵 (3, 0,6).
Lancé 1 Lancé 2 Lancé 3 Ω Probabilité

JMmH "€bB+Q /2 1bi/őbiB+

PSJBT DPOUJOVBT
OVBT


DPOUJOVBT B EJGFSFODJB EF MBT EJTDSFUBT TF DBSBDUFSJ[BO QPSRVF QVFEFO UPNBS
WBMP SFBM &T EFDJS Variables aléatoires continues
FM DPOKVOUP EF WBMPSFT RVF QVFEFO UPNBS OP TÐMP FT JOaOJUP
NFSBCMF Les variables aléatoires continues, contrairement aux variables discrètes, sont
IBDF JNQPTJCMF FMcaractérisées
D¾MDVMP EF MBTen ce qu'elles EF
QSPCBCJMJEBEFT peuvent
DBEB VOPprendre
EF FMMPT n'importe
Z QPS quelle valeur dans un intervalle réel.
MPT NPEFMPT EF EJTUSJCVDJÐO EF QSPCBCJMJEBE QPS NFEJP EF VOB GVODJÐO EF
C'est-à-dire que l'ensemble des valeurs qu'ils peuvent prendre est non seulement infini, mais
TP EJTDSFUP non dénombrable.
B EF VOB WBSJBCMF BMFBUPSJB DPOUJOVB
telle TVFMF FTUBSde
MJNJUBEB QPS rend
MB QSFDJTJÐO EFM

Une densité valeurs impossible le calcul des probabilités de chacune
NFEJEB 1PS FKFNQMP DVBOEP TF EJDF RVF VOB FTUBUVSB FT N OP TF FTU¾
F  N TJOP RVF MB FTUBUVSB FTU¾ FOUSF  Z  N ZB RVF FM JOTUSVNFOUP
d'entre elles, et donc nous ne pouvons pas définir les modèles de distribution de probabilité au
F QSFDJTBS IBTUB DNmoyen d'une fonction de probabilité comme dans le cas discret.
La mesure d'une variable aléatoire continue est généralement limitée par la précision du
BSJBCMFT DPOUJOVBT OP UJFOF TFOUJEP NFEJS QSPCBCJMJEBEFT EF WBMPSFT BJTMBEPT
processus ou de l'instrument de mesure. Par exemple, lorsqu'une taille est estimée à 1,68 m,
CJMJEBEFT EF JOUFSWBMPT
cela ne signifie pas qu'elle est exactement de 1,68 m, mais plutôt que la taille est comprise entre
1675 et 1685 m, puisque l'instrument de mesure n'est pas capable de donner la taille avec
QSPCBCJMJEBE EF VOB WBSJBCMF DPOUJOVB
précision
SPCBCJMJEBE Ainsi, dans le cas de variables continues, il est inutile de mesurer les probabilités de
valeurs isolées, mais plutôt les probabilités d'intervalle seront mesurées.
JTUSJCVZF MB QSPCBCJMJEBE FOUSF MPT WBMPSFT EF VOB WBSJBCMF BMFBUPSJB DPOUJOVB
TJEBE
Distribution de probabilité d'une variable continue
F EFOTJEBE EF QSPCBCJMJEBE
 -B GVODJÐO EF EFOTJEBE EF QSPCBCJMJEBE EF VOB
ǒ FT VOB GVODJÐODéfinition
ǚ Ǫ
RVF DVNQMF
Fonction de densité de probabilité
MBT TJHVJFOUFT
-fonction QSPQJFEBEFT
de densité de probabilité : La fonction de densité de probabilité d'une
པ  ༃Ǫ ྒྷ ਔ
variable aléatoire continue 𝑋 est une fonction 𝑓 (𝑥) qui a les propriétés suivantes :
• 𝑓 (𝑥) ≥0∀𝑥∈R,
OUSF MB GVODJÐO Z FM• L'aire cumulée entre la fonction et l'axe des abscisses est 1, c'est-à-dire
FKF EF BCTDJTBT FT  FT EFDJS

ဵ ǚ Ǫ
ǘǪ  
๣࿘

RVF ǒ UPNF VO WBMPS FOUSF Ǖ Z ǖ FT JHVBM BM
• La probabilité que prenne
𝑋 ¾SFB une valeur
RVF RVFEB entre
QPS EFCBKP MBet 𝑏 est égale à l'aire sous la fonction de
EF𝑎
Z FM FKF EF BCDJTBT MJNJUBEB QPS Ǖ Z ǖ FT EFDJS
թ
NJ Ǖ ན ǒ ན ǖ
 ဵ ǚ Ǫ
ǘǪ
Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 7
ե

EF QSPCBCJMJEBE NJEF MB QSPCBCJMJEBE SFMBUJWB EF DBEB WBMPS QFSP 0KP ǚ Ǫ

ဵ ǚ Ǫ
ǘǪ  
ǚ Ǫ
པ  ༃Ǫ ྒྷ ਔ ๣࿘

BEB FOUSF
CJMJEBE EFMBRVF ǒ UPNF
GVODJÐO Z FMVO
FKFWBMPS FOUSF Ǖ FT
EF BCTDJTBT Z ǖ FT
FTJHVBM
EFDJS BM ¾SFB RVF RVFEB QPS EFCBKP EF MB
࿘ MJNJUBEB QPS Ǖ Z ǖ FT EFDJS
ဵ ǚ Ǫ
ǘǪ  
EFOTJEBE Z FM FKF EF BCDJTBT
๣࿘
թ
NJ Ǖ ན ǒ ན ǖ
 ဵ ǚ Ǫ
ǘǪ
E EF RVF ǒ UPNFdensité et à l'axe des abscisses limité par 𝑎 et 𝑏, c'est-à-dire
VO WBMPS FOUSF Ǖ Z ǖ FT JHVBM
ե BM ¾SFB RVF RVFEB QPS EFCBKP EF MB
JEBE Z FM FKF EF BCDJTBT MJNJUBEB QPS Ǖ Z ǖ FT EFDJS

F EFOTJEBE EF QSPCBCJMJEBE NJEF MB QSPCBCJMJEBE SFMBUJWB EF DBEB WBMPS QFSP 0KP ǚ Ǫ

JEBE EF RVF MB WBSJBCMF UPNF FM WBMPSթ Ǫ QPSRVF NJ ǒ  Ǫ


  QBSB DBEB WBMPS Ǫ QPS
NJ Ǖ ན ǒ ན ǖ
 ဵ ǚ Ǫ
ǘǪ
ե

TJEBE EF QSPCBCJMJEBE NJEF MB QSPCBCJMJEBE SFMBUJWB EF DBEB WBMPS QFSP 0KP ǚ Ǫ


JCVDJÐO UPNF FM WBMPS Ǫ QPSRVF NJ ǒ  Ǫ
  QBSB DBEB WBMPS Ǫ QPS
Fonction de répartition
EF RVF MB WBSJBCMF
Quant aux variables discrètes, il est également judicieux de mesurer les probabilités cumulatives
QBSB MBT WBSJBCMFT EJTDSFUBT UBNCJÆO UJFOF TFOUJEP NFEJS QSPCBCJMJEBEFT BDVNVMBEBT
en dessous d'une certaine valeur.
EFUFSNJOBEP WBMPS
 %JTUSJCVDJÐO EF QSPCBCJMJEBE EF VOB WBSJBCMF
La DPOUJOVB JMmH
d'une "€bB+Q /2 1bi/őbiB+
ǒ
JÐO Définition - fonction de distribution : fonction de distribution variable aléatoire
 %JTUSJCVDJÐO
VODJÐO EF EJTUSJCVDJÐO
 -B GVODJÐO EFEFEJTUSJCVDJÐO
QSPCBCJMJEBEEF EFVOB
VOBWBSJBCMF
WBSJBCMF DPOUJOVB
BMFBUPSJB DPOUJOVB JMmH "€bB+Q /2 1bi/őbiB+
Ǫ
Ǖ MB QSPCBCJMJEBE
continue 𝑋 est une fonction 𝐹 (𝑥) qui associe à chaque valeur 𝑎 la probabilité que la variable
MBT RVF BTPDJBEJTDSFUBT
WBSJBCMFT B DBEB WBMPS
UBNCJÆO UJFOF TFOUJEPEFNFEJS
RVF MBQSPCBCJMJEBEFT
WBSJBCMF UPNF VO WBMPS NFOPS P
BDVNVMBEBT
FDJS
prenne une valeur plus petite ou égale à 𝑎, c'est-à-dire ;
 %JTUSJCVDJÐO EF QSPCBCJMJEBE EF VOB WBSJBCMF DPOUJOVB JMmH "€bB+Q /2 1bi/őbiB+
FSNJOBEP WBMPS $¾MDVMP EF QSPCBCJMJEBEFTե DPNP ¾SFBT
ǀ Ǖ
 NJ ǒ ན Ǖ
 ဵ ǚ Ǫ
ǘǪ
ÐO EF EJTUSJCVDJÐO
 -B GVODJÐO EF EJTUSJCVDJÐO EF DPNP
$¾MDVMP EF QSPCBCJMJEBEFT ¾SFBT BMFBUPSJB DPOUJOVB ǒ
VOB WBSJBCMF ๣࿘
VF BTPDJB B DBEB WBMPS Ǖ MB QSPCBCJMJEBE EF RVF MB WBSJBCMF
UPNF VO WBMPS NFOPS P
$¾MDVMP EF QSPCBCJMJEBEFT DPNP ¾SFBT

ե
ǀ Ǖ
 NJ ǒ ན Ǖ
 ဵ ǚ Ǫ
ǘǪ

 ๣࿘
%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ


%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

թ
ဵ ǚթ Ǫ
ǘǪ
ե
ဵ ǚ Ǫ
ǘǪ
ե
թ
ဵ ǚ Ǫ
ǘǪ
ե
B C
ǒ
B C
ǒ
թ
NJ Ǖ ན ǒ ན ǖ
 ဵ ǚթ Ǫ
ǘǪ  ǀ ǖ
๣ ǀ Ǖ

B C
NJ Ǖ ན ǒ ན ǖ
եဵǒǚ Ǫ
ǘǪ  ǀ ǖ
๣ ǀ Ǖ

ե
թ
$¾MDVMP EF QSPCBCJMJEBEFT DPNP NJ Ǖ ན¾SFBT
ǒ ན ǖ
 ဵ ǚ Ǫ
ǘǪ  ǀ ǖ
๣ ǀ Ǖ

$¾MDVMP EF QSPCBCJMJEBEFT DPNP ¾SFBT ե


&KFNQMP
Calcul de probabilité
&KFNQMP
%BEB MB TJHVJFOUF GVODJÐO

$¾MDVMP EF QSPCBCJMJEBEFT
Exemple DPNP ¾SFBT
ฆ TJ Ǫ  
%BEB MB TJHVJFOUF GVODJÐO
ǚ Ǫ
 ง จ ฆ  TJ Ǫ  

ǚ Ǫ
ฅǙง ๣ׁ TJ Ǫ པ 
&KFNQMP
๣ׁ
%BEB MB TJHVJFOUF GVODJÐO ฆǙ
ฅ TJ Ǫ པ 
WFBNPT RVF TF USBUB EF VOB GVODJÐO EF EFOTJEBE จ
ฆ  Ǫ  

ǚ Ǫ
 ง ๣ׁ
TJ

ฅǙ Ǫ པRVF EB QPS DPNQSPCBS RVF FM ¾SFB QPS EFCBKP
WFBNPT RVF TF USBUB EF VOB GVODJÐO EF EFOTJEBE
Voyons ce que c'est une fonction de la densité :
$PNP FT FWJEFOUF RVF MB GVODJÐO FT OP OFHBUJWB TJTPMP
EF FMMB
$PNP
FT  FT FWJEFOUF RVF MB GVODJÐO FT OP OFHBUJWB TPMP RVF EB QPS DPNQSPCBS RVF FM ¾SFB QPS EFCBKP
WFBNPT RVFFTTFUSBUB EF VOB GVODJÐO EF EFOTJEBE
EF FMMB ࿘ ա ࿘ ա ࿘
$PNP FT FWJEFOUFဵRVF ࿘ǚ MB
Ǫ
GVODJÐO
ǘǪ  ဵFTաOP ǚ Ǫ
ǘǪ ဵ TPMP ࿘ǚ Ǫ
RVF ǘǪ  EBဵQPS ա DPNQSPCBS
ǘǪ ဵ ࿘ Ǚ๣ׁRVF ǘǪ FM  ¾SFB QPS EFCBKP
ဵ ǚ Ǫ
ǘǪ  ဵ ǚ Ǫ
ǘǪ աဵ ǚ Ǫ
ǘǪ ๣࿘ ဵ  ǘǪ աဵ Ǚ๣ׁ ǘǪ 
OFHBUJWB
๣࿘ ๣࿘
 <๣Ǚ๣ׁ๣ׁ >ա ࿘ ๣Ǚ๣࿘ Ǚա  
EF FMMB FT  ๣࿘ ๣࿘ ࿘ ա ๣࿘ ա
࿘ ա <๣Ǚ >  ࿘ ๣Ǚ๣࿘ Ǚա   ա ࿘
ဵ ǚ Ǫ
ǘǪ  ဵRVFǚ MB Ǫ
WBSJBCMF
ǘǪ ဵ UPNF ǚ Ǫ
VO ǘǪ WBMPS
 ဵ FOUSF  ǘǪ  Zဵ Ǚ๣ׁ ǘǪ 
ա
๣࿘
EF๣࿘ ա ๣࿘
FOUSF  Zա 
$BMDVMFNPT MB QSPCBCJMJEBE EF
 <๣Ǚӝ๣ׁ >ա  ๣Ǚ๣࿘ӝ Ǚա  
$BMDVMFNPT MB QSPCBCJMJEBE RVF ࿘ MB WBSJBCMF UPNF VO WBMPS
NJ  ན ǒ ན 
 ဵ ǚӝ Ǫ
ǘǪ  ဵ Ǚӝ๣ׁ๣ׁǘǪ  <๣Ǚ๣ׁ๣ׁ >ա ӝ ๣Ǚ๣ӝ๣ӝ Ǚա ա 
ӝ
NJ  ན ǒ ན 
 աဵ ǚ Ǫ
ǘǪ  աဵ Ǚ
VO WBMPS FOUSF >աZ
ǘǪ  <๣Ǚ  ๣Ǚ Ǚ  
Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 8
$BMDVMFNPT MB QSPCBCJMJEBE EF RVF MBաWBSJBCMF UPNF ա
ӝ ӝ
&TUBEÊTUJDPT NJ  ན ǒ ན 
 ဵ ǚ Ǫ
ǘǪ  ဵ Ǚ๣ׁ ǘǪ  <๣Ǚ๣ׁ >  ๣Ǚ๣ӝ Ǚա  
QPCMBDJPOBMFT ӝ
EF FMMB FT 
࿘ ա ࿘ ա ࿘
&TUBEÊTUJDPT QPCMBDJPOBMFT ဵ ǚ Ǫ
ǘǪ  ဵ ǚ Ǫ
ǘǪ ဵ ǚ Ǫ
ǘǪ  ဵ  ǘǪ ဵ Ǚ๣ׁ ǘǪ 
๣࿘ ๣࿘ ա ๣࿘JMmH "€bB+Q
ա
MPT FTUBEÊTUJDPT  <๣Ǚ >ա  ๣Ǚ Ǚ BM
 

 %JTUSJCVDJÐO 6OJGPSNF DPOUJOVB /2 1bi/őbiB+
๣ׁ ๣࿘ ա
 %JTUSJCVDJÐO 6OJGPSNF
&M D¾MDVMP EFDPOUJOVB QPCMBDJPOBMFT FT TJNJMBS DBTP JMmH
EJTDSFUP "€bB+Q
QFSP VUJMJ[BOEP MB GVODJÐO EF
/2 1bi/őbiB+
EFOTJEBE FO MVHBS EF MB GVODJÐO EF QSPCBCJMJEBE Z FYUFOEJFOEP MB TVNB EJTDSFUB B MB JOUFHSBM FO UPEP FM
$BMDVMFNPT
 EF MB QSPCBCJMJEBE
%JTUSJCVDJÐO EF RVF MB WBSJBCMF UPNF VO WBMPS FOUSF  Z  JMmH "€bB+Q /2 1bi/őbiB+
6OJGPSNF DPOUJOVB
SBOHP MB WBSJBCMF
u 7BSJBO[B ӝ ࿘ ӝ
NJ  ན ǒTPOན ࠔ
ӝ  ဵ ǚ Ǫ
ǘǪ  ဵ ǪǙӝ๣ׁ ǘǪǘǪ
๣<๣Ǚ
‫ސ‬ӝ๣ׁ >ա  ๣Ǚ๣ӝ Ǚա  
ӝ
u 7BSJBO[B-PT N¾T JNQPSUBOUFT ǐǕǤ ǒ
࿘ ဵ ǚ Ǫ

ա ա
ࠔ ӝ  ǐǕǤ ǒ
 ဵ Ǫӝ ǚ Ǫ
ǘǪ ๣ ‫ސ‬ӝ
๣࿘

๣࿘

u u.FEJB P FTQFSBO[B NBUFN¾UJDB
7BSJBO[B
ࠔ ӝ  ǐǕǤ ǒ
 ဵ࿘ Ǫӝ ǚ Ǫ
ǘǪ ๣ ‫ސ‬ӝJMmH
Moyenne :
u %FTWJBDJÐO UÊQJDB
ဨࠔ ӝ  ဵ๣࿘ Ǫǚ Ǫ
ǘǪ
 %JTUSJCVDJÐO 6OJGPSNF
6OJGPSNFDPOUJOVB JMmH"€bB+Q
"€bB+Q/2
/21bi/őbiB+
ࠔ ‫ ސ‬ƿ ǒ

 &TUBEÊTUJDPT
%JTUSJCVDJÐOQPCMBDJPOBMFT DPOUJOVB 1bi/őbiB+
u %FTWJBDJÐO UÊQJDB
&M %FTWJBDJÐO
u D¾MDVMP EF MPTUÊQJDB ࠔ  ဨࠔ ӝFT TJNJMBS
FTUBEÊTUJDPT QPCMBDJPOBMFT
๣࿘
BM DBTP EJTDSFUP
QFSP VUJMJ[BOEP MB GVODJÐO EF
Variance :
$¾MDVMP EFu EFOTJEBE
7BSJBO[B
uMPT FO MVHBSQPCMBDJPOBMFT
FTUBEÊTUJDPT EF MB GVODJÐO EF QSPCBCJMJEBE   ဨࠔ ӝ
ࠔZ ࿘
FYUFOEJFOEP MB TVNB EJTDSFUB B MB JOUFHSBM FO UPEP FM

7BSJBO[B
SBOHP EF MB WBSJBCMF
$¾MDVMP EF MPT FTUBEÊTUJDPT QPCMBDJPOBMFT ࠔࠔ ӝǐǕǤ ǒ

ӝ
ǐǕǤ ǒ
ဵဵ ǪǪӝǚ ǚ Ǫ

ӝ
Ǫ
ǘǪ ǘǪ๣๣‫ސސ‬ӝ
ӝ
&KFNQMP ๣࿘
๣࿘
4FB ǒ Ecart-type :
&KFNQMP -PT N¾T JNQPSUBOUFT TPO
$¾MDVMP
VOB EF MPT
WBSJBCMF FTUBEÊTUJDPT QPCMBDJPOBMFT
BMFBUPSJB
UÊQJDB DPO MB TJHVJFOUF GVODJÐO EF EFOTJEBE
4FB ǒ VOB&KFNQMP
uu %FTWJBDJÐO
%FTWJBDJÐO UÊQJDB
จ ࠔࠔ ဨဨࠔࠔӝӝ
WBSJBCMF
u .FEJB BMFBUPSJB DPO MBNBUFN¾UJDB
P FTQFSBO[B TJHVJFOUF GVODJÐO EF EFOTJEBE
ฆ TJ Ǫ  
4FB ǒ VOB WBSJBCMF BMFBUPSJB ǚ Ǫ

DPO จ GVODJÐO࿘EF EFOTJEBE


ฆง ๣ׁ ‫ސ‬TJǪ ƿ ǒ
   ဵ Ǫǚ Ǫ
ǘǪ

ǚ Ǫ
 ง ฅ๣ׁ ฆ Ǚ Ǫ པ
MB TJHVJFOUF
Exemple : TJ

๣࿘
ฅǙ TJ Ǫ པจ
ฆ TJ Ǫ  
ǚ Ǫ
 ง ๣ׁ
$¾MDVMPEF
$¾MDVMP EFMPT
MPTFTUBEÊTUJDPT
FTUBEÊTUJDPTQPCMBDJPOBMFT
QPCMBDJPOBMFT
4V NFEJB
&KFNQMP
&KFNQMP FT ฆǙ TJ Ǫ པ 

4FBǒǒ VOB
4V NFEJB FT ࿘ ա ࿘ EFաEFOTJEBE
EFOTJEBE ࿘ ๣ׁ
‫ސ‬  ဵ Ǫǚ Ǫ
ǘǪ  ဵ Ǫǚ Ǫ
ǘǪ ဵ Ǫǚ Ǫ
ǘǪ  ဵ  ǘǪ ࿘ ဵ ǪǙ ǘǪ 
4FB VOBWBSJBCMF
WBSJBCMFBMFBUPSJB
BMFBUPSJBDPO DPOMBMBTJHVJFOUF
TJHVJFOUFGVODJÐOGVODJÐOEF
࿘ ա ࿘ ա
‫ ဵ  ސ‬๣࿘ Ǫǚ๣ׁ Ǫ
ǘǪ  ဵ ๣࿘
Ǫǚ Ǫ
ǘǪ ဵ աǪǚ Ǫ
จ ǘǪ  ဵ ๣࿘
 ǘǪ ဵ ǪǙ ǘǪ 
ա ๣ׁ
4V NFEJB FT
๣࿘
<๣Ǚ  Ǫ
>

๣࿘  ա ǚ Ǫ

ա จ
ฆฆ Ǫ
๣࿘Ǫ   ա
࿘ա
ǚ Ǫ
 ǘǪ ง
࿘ ա ࿘
TJ
Ǫǚ Ǫ
ǘǪ  ဵ Ǫǚ Ǫ

TJ
 <๣Ǚ๣ׁ  ‫ ސ‬ ဵ࿘
Ǫ
> ա ฆ


ฅǙǙ๣ׁ
๣ׁဵ TJǪǚ
Ǫ Ǫཔ Ǫ

པǘǪ  ဵ  ǘǪ ဵ ǪǙ๣ׁ ǘǪ 
๣࿘ ๣࿘ աTJ ๣࿘ ա
 <๣Ǚ  Ǫ
>ա  
Z TV WBSJBO[B WBMF
๣ׁ ࿘
Z TV WBSJBO[B4V WBMF
NFEJB࿘FTFT ա ࿘
Z ࠔTVӝ WBSJBO[B
࿘ ဵ Ǫӝ ǚWBMF Ǫ
࿘ǘǪ ๣ ‫ސ‬ӝ  աဵ աǪӝ ǚ Ǫ
ǘǪ ࿘ ဵ ࿘Ǫӝ ǚ Ǫ
ǘǪ ๣ ‫ސ‬ӝա 
4V NFEJB

ࠔ ӝ  ဵ ๣࿘ Ǫӝ‫ސ‬ǚ Ǫ

ဵဵǘǪ Ǫǚ

๣Ǫǚ ‫ ސ‬Ǫ

ӝ  ဵ ๣࿘
ǘǪဵဵǪ ǚ Ǫǚ
աӝ
Ǫ

Ǫǚ Ǫ
ǘǪ
Ǫ
ǘǪ ဵ ဵ Ǫ ǚǪǚ
ա࿘ӝ
Ǫ
Ǫ
ǘǪǘǪ๣ ‫ސ‬ӝဵա  ǘǪ ဵ࿘ ǪǙ๣ׁ ๣ׁ ǘǪ 
๣࿘ա ‫ސ‬  ࿘ Ǫ
ǘǪ
๣࿘࿘ ӝ ๣ׁ ๣࿘ ๣࿘ӝ ǘǪ ဵ
ա ๣ׁ ա ӝա Ǫǚ Ǫ
ǘǪ 
࿘࿘ ๣࿘ဵ  ǘǪ ဵ ա ǪǙ ǘǪ 
 աဵ ࠔǘǪ ӝ  ဵ
๣࿘ ဵ๣ׁ ǪǪӝǙǚ Ǫ
ǘǪ ࿘๣
ǘǪ ๣
๣࿘ ‫ސސ‬ӝඡ๣Ǚ ဵ Ǫ Ǫ Ǫ
ӝ ǚա Ǫ
ǘǪ


ဵ Ǫ ӝ๣
ǚ
๣࿘ 
ӝ
Ǫ
ǘǪ Ǚ

ա
‫ސ‬๣աӝ  
 <๣Ǚ ա  Ǫ
>
Ǫ
> ӝ
࿘ ࿘ ա
 ဵ ๣࿘  ǘǪ <๣Ǚဵ ๣ׁ Ǫ 
ӝ Ǚ ǘǪա๣ ա ‫ސ‬  ඡ๣Ǚ๣ׁ ๣࿘ Ǫӝ Ǫ 
ජ ա ๣ ӝ  Ǚա ๣   
๣ׁ ࿘
๣࿘
๣࿘ ա ա ࿘ ա
TV WBSJBO[B WBMF  ဵ  ǘǪ ဵ Ǫӝ Ǚ๣ׁ ǘǪ ๣ ‫ސ‬ӝ  ඡ๣Ǚ๣ׁ Ǫӝ Ǫ 
ජ ๣ ӝ  Ǚա ๣    ࿘
.PEFMPT ZZTV
EFWBSJBO[B ๣࿘
WBMF DPOUJOVPT
EJTUSJCVDJÐO ա ա
Modèles de distribution continue
࿘ ա ࿘
ࠔӝӝ  ဵ࿘EF ǪEJTUSJCVDJÐO
ӝ ǚ Ǫ
ǘǪ ๣ ‫ސ‬ӝ  ဵա Ǫӝӝ ǚ Ǫ
ǘǪ BQBSFDFO
ဵ࿘ Ǫӝӝ ǚ Ǫ
CBTUBOUF
ǘǪ ๣ ‫ސ‬ӝ BNFOVEP FO MB OBUV
.PEFMPT EF EJTUSJCVDJÐO DPOUJOVPT
.PEFMPTࠔEFEJTUSJCVDJÐO
ဵ ๣࿘Ǫ ǚ Ǫ
ǘǪ
ӝ ๣ ‫ ဵ  ސ‬๣࿘Ǫ ǚ Ǫ
ǘǪ ဵ ա Ǫ ǚ Ǫ
ǘǪ ๣ ‫ސ‬ӝ 
ӝ
Il existe plusieurs modèles de distribution de probabilité qui apparaissent assez souvent dans la
&YJTUFO WBSJPT NPEFMPT EF QSPCBCJMJEBE RVF
DPOUJOVPT
&YJTUFO
SBMF[B WBSJPT NPEFMPT
nature
Z UBNCJÆO et ๣࿘
EF ա EJTUSJCVDJÐO
également
DPNP DPOTFDVFODJB à EF࿘MPT
la EFQSPDFTPT
suite ๣࿘ EF NVFTUSFP
QSPCBCJMJEBE
de simples ա BMFBUPSJP
RVF BQBSFDFO
processus CBTUBOUF B NFOVEP
-PT N¾T FO
d'échantillonnage
TJNQMF MBaléatoire.
OBUV
JNQPSUBOUFT Les plus

 ဵ  ǘǪ
ա EFဵMPTǪEJTUSJCVDJÐO
࿘ ӝ Ǚ๣ׁ ǘǪ ๣EF
๣ׁ ‫ ސ‬NVFTUSFP
ӝ  ඡ๣Ǚ๣ׁ Ǫ
๣ׁ ӝ Ǫ TJNQMF

ජ࿘ա ๣-PT
 CBTUBOUF
ӝ  Ǚա JNQPSUBOUFT
ա ๣   
 ဵ ๣࿘NPEFMPT
 ǘǪ ဵEF ա Ǫ Ǚ ǘǪ ๣ ‫ސ‬ӝEF
ӝQSPDFTPT  QSPCBCJMJEBE
ඡ๣Ǚ Ǫӝ ǪRVF 
ජ ๣ ӝ  Ǚ ๣ BNFOVEP

SBMF[B
TPO Z UBNCJÆO DPNP DPOTFDVFODJB
importants sont :
&YJTUFO WBSJPT BMFBUPSJP BQBSFDFO N¾T FO MB OBUV
TPO ๣࿘ ա ա
SBMF[B Z UBNCJÆO DPNP DPOTFDVFODJB EF MPT QSPDFTPT EF NVFTUSFP BMFBUPSJP TJNQMF -PT N¾T JNQPSUBOUFT

u %JTUSJCVDJÐO 6OJGPSNF DPOUJOVB
TPO • Distribution Uniforme continue.
.PEFMPT6OJGPSNF
u %JTUSJCVDJÐO EF EJTUSJCVDJÐO
DPOUJOVBDPOUJOVPT
.PEFMPT EF EJTUSJCVDJÐO DPOUJOVPT
• Distribution Normale.
u %JTUSJCVDJÐO /PSNBM
u %JTUSJCVDJÐO u %JTUSJCVDJÐO
&YJTUFO 6OJGPSNF
WBSJPT NPEFMPT
/PSNBM DPOUJOVB EF QSPCBCJMJEBE RVF BQBSFDFO CBTUBOUF B NFOVEP FO MB OBUV
EF EJTUSJCVDJÐO
&YJTUFO • Distribution de Student T.
WBSJPT
u %JTUSJCVDJÐO
SBMF[B Z UBNCJÆO DPNP DPOTFDVFODJB EF MPTEF
NPEFMPT
5 EF 4UVEFOU EF EJTUSJCVDJÐO QSPCBCJMJEBE
QSPDFTPT EF NVFTUSFP RVF BQBSFDFO BMFBUPSJP CBTUBOUF
TJNQMFB-PT NFOVEP FO MB OBUV
N¾T JNQPSUBOUFT
SBMF[B
u %JTUSJCVDJÐO Zu UBNCJÆO
%JTUSJCVDJÐO
5 EF DPNP
4UVEFOU /PSNBM
• Distribution du chi- carré.
DPOTFDVFODJB EF MPT QSPDFTPT EF NVFTUSFP BMFBUPSJP TJNQMF -PT N¾T JNQPSUBOUFT
TPO
u %JTUSJCVDJÐO $IJDVBESBEP
TPO u %JTUSJCVDJÐO
• Distribution de Fisher-Snedecor F.
u %JTUSJCVDJÐO $IJDVBESBEP 5 EF 4UVEFOU
u
%JTUSJCVDJÐO 6OJGPSNF
u %JTUSJCVDJÐO ' EF 'JTIFS4OFEFDPS DPOUJOVB
u %JTUSJCVDJÐO u %JTUSJCVDJÐO
u %JTUSJCVDJÐO $IJDVBESBEP
6OJGPSNF
' EF 'JTIFS4OFEFDPS DPOUJOVB
u %JTUSJCVDJÐO /PSNBM
u u %JTUSJCVDJÐO
%JTUSJCVDJÐO ' EF 'JTIFS4OFEFDPS
Distribution uniforme continue
/PSNBM 𝑈 (𝑎, 𝑏)
 %JTUSJCVDJÐO
u %JTUSJCVDJÐO
6OJGPSNF
5 EF
DPOUJOVB
4UVEFOU
 %JTUSJCVDJÐO 6OJGPSNF DPOUJOVB
Lorsque toutes les valeurs d'une variable continue sont équiprobables, on dit que la variable suit
Ǐ Ǖ ǖ

u %JTUSJCVDJÐO 5 EF 4UVEFOU
%JTUSJCVDJÐO %JTUSJCVDJÐO
u %JTUSJCVDJÐO
6OJGPSNF 6OJGPSNF
un modèle de distribution uniforme continue.
$IJDVBESBEP
DPOUJOVB DPOUJOVB
%JTUSJCVDJÐO u 6OJGPSNF
%JTUSJCVDJÐO Ǐ Ǖ ǖ

$IJDVBESBEP
DPOUJOVB
$VBOEP uUPEPT
%JTUSJCVDJÐO
%JTUSJCVDJÐOMPT WBMPSFT' EF
6OJGPSNF VOB WBSJBCMFǏ Ǖ
EF'JTIFS4OFEFDPS
DPOUJOVB ǖ

DPOUJOVB TPO FRVJQSPCBCMFT TF EJDF RVF MB WBSJBCMF TJHVF


Définition - Distribution uniforme continue 𝑈 (𝑎, 𝑏)) : Une variable aléatoire continue 𝑋 suit un
VO$VBOEP u
NPEFMP UPEPT%JTUSJCVDJÐO
MPT WBMPSFT
EF EJTUSJCVDJÐO ' EF
EF 'JTIFS4OFEFDPS
VOJGPSNFVOB WBSJBCMF DPOUJOVB TPO FRVJQSPCBCMFT TF EJDF RVF MB WBSJBCMF TJHVF
DPOUJOVP
modèle de distribution de probabilité uniforme, et elle est notée 𝑋 ∼ 𝑈 (𝑎, 𝑏), si sa plage est
Ǐ Ǖ ǖ

 6OB WBSJBCMF BMFBUPSJB DPOUJOVB ǒ TJHVF VO


VO NPEFMP EF EJTUSJCVDJÐO
$VBOEP VOJGPSNF
UPEPT MPT DPOUJOVP
WBMPSFT EF VOB WBSJBCMF DPOUJOVB TPO FRVJQSPCBCMFT TF EJDF RVF MB WBSJBCMF TJHVF
 %JTUSJCVDJÐO 6OJGPSNF DPOUJOVB
Ǐ Ǖ ǖ

 ǒ TJHVF
%FaOJDJÐO %JTUSJCVDJÐO 6OJGPSNF DPOUJOVB
ǒྡྷ Ǐ Ǖ ǖ
BMFBUPSJB  <Ǖ VOǖ> Z
VO NPEFMP EF EJTUSJCVDJÐO VOJGPSNF
Ω(𝑋) = [𝑎, 𝑏] et sa fonction de densité est : DPOUJOVP
NPEFMP
%FaOJDJÐO %JTUSJCVDJÐO
EFEJTUSJCVDJÐO
%JTUSJCVDJÐO 6OJGPSNF
6OJGPSNF DPOUJOVB
DPOUJOVB 6OB WBSJBCMF DPOUJOVB
OPUB ǒ Ǐ Ǖ ྡྷ Ǐ Ǖ ǖ


6OB  <Ǖ ǖ> Z ǒ TJHVF VO
EF QSPCBCJMJEBE VOJGPSNF Z TF OPUB TJ TV SBOHP FT 3BO ǒ

Ǐ Ǖ ǖ
Z TF
 VOJGPSNF Z TF OPUB ǒ ྡྷ Ǐ Ǖ ǖ
TJ TV SBOHP FT 3BO ǒ
 <Ǖ ǖ> Z
NPEFMP EF%JTUSJCVDJÐO
TV GVODJÐOEJTUSJCVDJÐO
EF EFOTJEBE
%FaOJDJÐO EF QSPCBCJMJEBE
6OJGPSNF
FT DPOUJOVB
%JTUSJCVDJÐO VOJGPSNF
6OJGPSNF DPOUJOVB TJ TVWBSJBCMF
SBOHP FTBMFBUPSJB 3BO ǒ
DPOUJOVB
Ǐ Ǖ
ǚ Ǫ
 ǖ

ǖ ๣ Ǖ ༃Ǫ ྒྷ <Ǖ ǖ>
TV GVODJÐO EFNPEFMP
EFOTJEBE
%JTUSJCVDJÐO FT
EF6OJGPSNF
EJTUSJCVDJÐO EF QSPCBCJMJEBE
DPOUJOVB
TV GVODJÐO EF EFOTJEBE FT ǚ Ǫ

$VBOEP UPEPT MPT WBMPSFT EF VOB WBSJBCMF
༃Ǫ ྒྷ <Ǖ ǖ>
DPOUJOVB TPO FRVJQSPCBCMFT TF EJDF RVF MB WBSJBCMF TJHVF
ǖ๣Ǖ  TPO FRVJQSPCBCMFT TF EJDF RVF MB WBSJBCMF TJHVF
ǚ Ǫ
DPOUJOVB
 ༃Ǫ ྒྷ <Ǖ ǖ>
VO $VBOEP
NPEFMP EFUPEPTEJTUSJCVDJÐO VOJGPSNF
MPT WBMPSFT DPOUJOVP
EF VOB WBSJBCMF
ǖ ๣ Ǖ
%FaOJDJÐO  %JTUSJCVDJÐO 6OJGPSNF DPOUJOVB Ǐ Ǖ ǖ

 6OB WBSJBCMF BMFBUPSJB DPOUJOVB ǒ TJHVF VO


VO NPEFMP EF EJTUSJCVDJÐO VOJGPSNF DPOUJOVP
Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 9
NPEFMP EF 
%FaOJDJÐO EJTUSJCVDJÐO
%JTUSJCVDJÐOEF QSPCBCJMJEBE 
VOJGPSNF
6OJGPSNF DPOUJOVB Ǐ Ǖ Z TFǖ

OPUB6OB ǒ ྡྷWBSJBCMF
Ǐ Ǖ ǖ
BMFBUPSJB
TJ TV SBOHP FT 3BO ǒ

DPOUJOVB  <Ǖ VO
ǒ TJHVF ǖ> Z
NPEFMP EF EJTUSJCVDJÐO EF QSPCBCJMJEBE VOJGPSNF Z TF OPUB ǒ ྡྷ Ǐ Ǖ ǖ
TJ TV SBOHP FT 3BO ǒ
 <Ǖ ǖ> Z
TV GVODJÐO EF EFOTJEBE FT 
$VBOEP UPEPT MPT WBMPSFT EF VOB WBSJBCMF DPOUJOVB TPO FRVJQSPCBCMFT TF EJDF RVF MB WBSJBCMF TJHVF
VO NPEFMP EF EJTUSJCVDJÐO VOJGPSNF DPOUJOVP

%FaOJDJÐO  %JTUSJCVDJÐO 6OJGPSNF DPOUJOVB Ǐ Ǖ ǖ

 6OB WBSJBCMF BMFBUPSJB DPOUJOVB ǒ TJHVF VO


NPEFMP EF EJTUSJCVDJÐO EF QSPCBCJMJEBE VOJGPSNF Z TF OPUB ǒ ྡྷ Ǐ Ǖ ǖ
TJ TV SBOHP FT 3BO ǒ
 <Ǖ ǖ> Z


TV GVODJÐO EF EFOTJEBE FT
ǚ Ǫ
 ༃Ǫ ྒྷ <Ǖ ǖ>
 %JTUSJCVDJÐO 6OJGPSNF DPOUJOVB ǖ ๣ Ǖ JMmH "€bB+Q /2 1bi/őbiB+


0CTÆSWFTF RVF Ǖ Z ǖ TPO FM NÊOJNP Z FM N¾YJNP
Notez que 𝑎 et 𝑏 sont respectivement le minimum et le maximum de la plage, et que la densité
 EFM SBOHP SFTQFDUJWBNFOUF Z RVF MB GVODJÐO EF
de probabilité est constante.
EFOTJEBE FT DPOTUBOUF
Sa moyenne et sa variance valent :
4V NFEJB Z WBSJBO[B WBMFO  %JTUSJCVDJÐO 6OJGPSNF DPOUJOVB
Ǖ ǖ ǖ ๣ Ǖ
ӝ
JMmH "€bB+Q /2 1bi/őbiB+

‫ސ‬ ࠔӝ  
0CTÆSWFTF RVF Ǖ   EFM SBOHP SFTQFDUJWBNFOUF Z RVF MB GVODJÐO EF
Z ǖ TPO FM NÊOJNP Z FM N¾YJNP
EFOTJEBE FT DPOTUBOUF
'VODJÐO EF EFOTJEBE EF MB 6OJGPSNF DPOUJOVB Ǐ Ǖ ǖ
Ǖ ǖ
Fonction de densité uniforme continue 𝑈 (𝑎, 𝑏)
4V NFEJB Z WBSJBO[B WBMFO
ǖ ๣ Ǖ
ӝ
‫ސ‬ ࠔ   ӝ
Exemple  
&KFNQMP
La génération aléatoire d'un nombre réel compris entre 0 et 1 suit un modèle de distribution
'VODJÐO EF EFOTJEBE EF MB 6OJGPSNF DPOUJOVB Ǐ Ǖ ǖ

-B HFOFSBDJÐO BMFBUPSJB EF VO OÖNFSP SFBM FOUSF  Z  TJHVF VO NPEFMP EF EJTUSJCVDJÐO VOJGPSNF


DPOUJOVP Ǐ  

uniforme continu 𝑈 (0, 1). &KFNQMP
-B HFOFSBDJÐO BMFBUPSJB EF VO OÖNFSP SFBM FOUSF  Z  TJHVF VO NPEFMP EF EJTUSJCVDJÐO VOJGPSNF
DPOUJOVP Ǐ  


%JTUSJCVDJÐO 6OJGPSNF DPOUJOVB
Distribution uniforme continue U(0,1)
%JTUSJCVDJÐO 6  

6OJGPSNF DPOUJOVB 6  



Densité de probabilité f(x)


%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ


%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ







 



     


Fonction de distribution uniforme continue
'VODJÐO EF EJTUSJCVDJÐO EF 𝑈
(𝑎, 𝑏) DPOUJOVB Ǐ Ǖ ǖ

MB 6OJGPSNF
&KFNQMP
Exemple  $PNP MB GVODJÐO EF EFOTJEBE FT DPOTUBOUF MB GVODJÐO EF EJTUSJCVDJÐO QSFTFOUB VO DSFDJNJFOUP MJOFBM
Puisque la fonction de densité est constante, la fonction de distribution montre une croissance
     
linéaire.
9
Distribution uniforme continue U(0,1)
Densité de probabilité f(x)

'VODJÐO EF EJTUSJCVDJÐO EF MB 6OJGPSNF DPOUJOVB Ǐ Ǖ ǖ

&KFNQMP
$PNP MB GVODJÐO EF EFOTJEBE FT DPOTUBOUF MB GVODJÐO EF EJTUSJCVDJÐO QSFTFOUB VO DSFDJNJFOUP MJOFBM



Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 10


%JTUSJCVDJÐO 6OJGPSNF DPOUJOVB 6  

 
%JTUSJCVDJÐO 6OJGPSNF DPOUJOVB JMmH "€bB+Q /2 1bi/őbiB+



1SPCBCJMJEBE BDVNVMBEB ǀ Ǫ

%JTUSJCVDJÐO 6OJGPSNF DPOUJOVB 6  






1SPCBCJMJEBE BDVNVMBEB ǀ Ǫ







 



     

 9     
9

Calcul de probabilité avec un uniforme continu
$¾MDVMP EF QSPCBCJMJEBEFT DPO VOB 6OJGPSNF DPOUJOVB
Exemple d'attente d’un bus
$¾MDVMP EF QSPCBCJMJEBEFT DPO VOB 6OJGPSNF DPOUJOVB
&KFNQMP EF FTQFSB EF VO BVUPCÖT
Un bus passe par un arrêt toutes les 15 minutes. Si une personne peut arriver à l'arrêt à tout
&KFNQMP EF FTQFSB EF VO BVUPCÖT
6O BVUPCÖT QBTB QPS VOB QBSBEB DBEB  NJOVUPT
QBSBEB DBEB4JVOB QFSTPOB
4J VOBQVFEF MMFHBS
QVFEFBMMFHBS
MB QBSBEB FO DVBM
ǒ RVF
moment, quelle est la probabilité d’attente entre 5 et 10 minutes ?
6O BVUPCÖT QBTB QPS VOB NJOVUPT QFSTPOB B MB QBSBEB FO DVBM
RVJFS JOTUBOUF ‚DV¾M FTRVJFS
MB QSPCBCJMJEBE
JOTUBOUF ‚DV¾MEFFT RVF FTQFSF FOUSF  ZFTQFSF
 NJOVUPT &O FTUF DBTP
&O FTUFMBDBTP
WBSJBCMF ǒ RVF
Ǐ  

MB QSPCBCJMJEBE EF RVF FOUSF  Z  NJOVUPT MB WBSJBCMF


Dans ce cas, la variable 𝑋 qui mesure le temps d'attente suit un modèle de distribution uniforme
NJEF FM UJFNQP EF FTQFSBNJEFTJHVF VO EF
FM UJFNQP NPEFMP EF EJTUSJCVDJÐO
FTQFSB TJHVF VO NPEFMP EF VOJGPSNF
EJTUSJCVDJÐODPOUJOVB
VOJGPSNF DPOUJOVB Ǐ 
ZB
RVFZBDVBMRVJFS
RVF DVBMRVJFS
WBMPS FOUSF MPT  Z MPT WBMPS FOUSF MPT  Z MPT  NJOVUPT FT FRVJQPCSBCMF
continu 𝑈 (0, 15) car toutes les valeurs comprises entre 0 et 15 minutes sont équiprobables.
 NJOVUPT FT FRVJQPCSBCMF
"TÊ QVFT MB QSPCBCJMJEBE EF FTQFSBS FOUSF  Z  NJOVUPT FT
La probabilité d'attendre entre 5 et 10 minutes est donc :
"TÊ QVFT MB QSPCBCJMJEBE EF FTQFSBS FOUSF  Z  NJOVUPT FT
џա  Ǫ џա
NJ  ན ǒ ན 
 ဵ ǘǪ  ෣ ෤ 

џա  ͯ Ǫ џա 
NJ  ན ǒ ན 
 ဵ ǘǪ  
෣ ෤ 
ͯ

ͯ    ๣ ͯ  
  
  
 %JTUSJCVDJÐO /PSNBM JMmH "€bB+Q /2 1bi/őbiB+
 ๣  
  

Distribution uniforme continue U(0,15)
%JTUSJCVDJÐO 6OJGPSNF
DPOUJOVB 6  

Densité de probabilité f(x)


%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ



 NJ   ǒ  

џա 
ဵ ǘǪ
ͯ 




    
9

"EFN¾T FM UJFNQP NFEJP EF FTQFSB TFS¾ ‫  ސ‬ա џͯ ӝ


  NJOVUPT
Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 11
 %JTUSJCVDJÐO /PSNBM

   
   
9
9
"EFN¾T FM UJFNQP NFEJP EF FTQFSB TFS¾ ‫ ސ‬ ա џͯ
 

ӝ ա џͯ
NJOVUPT
"EFN¾T FM UJFNQP NFEJP EF FTQFSB TFS¾ ‫ ސ‬ ӝ
  NJOVUPT

 %JTUSJCVDJÐO /PSNBM
Distribution normale
 %JTUSJCVDJÐO /PSNBM 𝑁 (𝜇, 𝜎)
Distribution de probabilité normale
%JTUSJCVDJÐO EF QSPCBCJMJEBE /PSNBM Lj ‫
ࠔ ސ‬
%JTUSJCVDJÐO EF QSPCBCJMJEBE /PSNBM Lj ‫
ࠔ ސ‬
Le modèle de distribution normal est, sans aucun doute, le modèle de distribution continue le
plus important, car c'est celui qui se produit le plus souvent dans la nature.
&M NPEFMP EF EJTUSJCVDJÐO OPSNBM FT TJO EVEB FM NPEFMP EF EJTUSJCVDJÐO DPOUJOVP N¾T JNQPSUBOUF
ZB RVF&MFTNPEFMP EF EJTUSJCVDJÐO
FM RVF N¾T B NFOVEP TFOPSNBM FT FO
QSFTFOUB TJOMBEVEB FM NPEFMP EF EJTUSJCVDJÐO DPOUJOVP N¾T JNQPSUBOUF
OBUVSBMF[B
%FaOJDJÐO  %JTUSJCVDJÐO EF QSPCBCJMJEBE /PSNBM Lj ‫ 

ࠔ ސ‬6OB WBSJBCMF BMFBUPSJB DPOUJOVB ǒ TJHVF


ZB RVF FT
Définition FM RVF N¾T B NFOVEP TF QSFTFOUB FO MB OBUVSBMF[B
- distribution de probabilité normale : 𝑁 (𝜇, 𝜎). Une variable aléatoire continue 𝑋
‫ ސ‬Z ࠔ Lj ‫ ސ‬
Z TF ࠔ

 ǒ ྡྷWBSJBCMF
Lj ‫
ࠔ ސ‬BMFBUPSJB FT ਔ Zǒ TV
suit un modèle de distribution normale des paramètres 𝜇 et 𝜎, et on note 𝑋 ∼ 𝑁 (𝜇, 𝜎), si sa
VO%FaOJDJÐO
NPEFMP EF %JTUSJCVDJÐO
EJTUSJCVDJÐO EF QSPCBCJMJEBE
OPSNBM EF QBS¾NFUSPT /PSNBM OPUB 6OB DPOUJOVB
TJ TV SBOHP TJHVF
plage est R et la fonction de densité vaut :
VO NPEFMP EF EJTUSJCVDJÐO OPSNBM EF QBS¾NFUSPT ‫ސ‬ Z ࠔ Z TF OPUB ǒ ྡྷ Lj ‫ ސ‬ ࠔ
TJ TV SBOHP FT ਔ Z TV

GVODJÐO EF EFOTJEBE WBMF Ӟ

ׂ๣‫
ޕ‬
ǚ Ǫ
 Ǚ  Ӟ
GVODJÐO EF EFOTJEBE WBMF Ӟ࠙ Ӟ ׂ๣‫
ޕ‬

ǚ Ǫ
ࠔ ߘ Ǚ Ӟ࠙ Ӟ 

ࠔ ဨߘ
‫ސ‬ ࠔ

-PT EPT QBS¾NFUSPT ‫ ސ‬Z ࠔ TPO MB NFEJB Z MB EFTWJBDJÐO UÊQJDB EF MB QPCMBDJÐO SFTQFDUJWBNFOUF
-PT EPT QBS¾NFUSPT Z TPO MB NFEJB Z MB EFTWJBDJÐO UÊQJDB EF MB QPCMBDJÐO SFTQFDUJWBNFOUF
Les deux paramètres 𝜇 et 𝜎 sont respectivement la moyenne de la population et l'écart type.
'VODJÐO EF EFOTJEBE EF MB /PSNBM
'VODJÐO EF EFOTJEBE EF MB /PSNBM
Fonction de densité normale
-B HS¾aDB EF
Le graphique MBla
de EF GVODJÐO EF EFOTJEBE
fonction EF MB EJTUSJCVDJÐO
de densité OPSNBM UJFOF
de EJTUSJCVDJÐO
la distribution GPSNB EF
normale a VOB FTQFDJFd'une
la forme EF DBNQBOB
cloche,
-B HS¾aDB
DPOPDJEB MB GVODJÐO
DPNP DBNQBOB EF EFOTJEBE
EF (BVTT FO IPOPSEFBMB
TV EFTDVCSJEPS
OPSNBM UJFOF GPSNB EF VOB FTQFDJF EF DBNQBOB
connue sous le nom de loi de Gauss.
DPOPDJEB DPNP DBNQBOB EF (BVTT FO IPOPS B TV EFTDVCSJEPS


 %JTUSJCVDJÐO /PSNBM JMmH "€bB+Q /2 1bi/őbiB+

Lj ‫
ࠔ ސ‬
Distribution normale 𝑁(𝜇, 𝜎)
%JTUSJCVDJÐO /PSNBM

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ



Densité de probabilité f(x)

‫ސ‬
9
Fonction de densité normale
La loi normale de Gauss dépend de deux paramètres :
'VODJÐO EF EFOTJEBE EF MB /PSNBM

-B GPSNB EF MB DBNQBOB EF (BVTT EFQFOEF EF TVT EPT QBS¾NFUSPT

u -B NFEJB ‫ ސ‬EFUFSNJOB EÐOEF FTU¾ DFOUSBEB MB DBNQBOB


Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 12

u -B EFTWJBDJÐO UÊQJDB ࠔ EFUFSNJOB MB BODIVSB EF MB DBNQBOB


‫ސ‬
‫ސ‬
9
9

'VODJÐO EF EFOTJEBE EF'VODJÐO EF EFOTJEBE EF MB /PSNBM


MB /PSNBM

-B GPSNB EF MB DBNQBOB EF (BVTT EFQFOEF EF TVT EPT QBS¾NFUSPT -B GPSNB EF MB DBNQBOB EF (BVTT EFQFOEF EF TVT EPT QBS¾NFUSPT
• La moyenne 𝜇 détermine la tendance centrale.
u -B NFEJB ‫ ސ‬EFUFSNJOB uEÐOEF
-B NFEJB ‫ ސ‬EFUFSNJOB EÐOEF FTU¾ DFOUSBEB MB DBNQBOB
• L'écart type 𝜎 détermine la dispersion autour de la moyenne.
FTU¾ DFOUSBEB MB DBNQBOB
u -B EFTWJBDJÐO UÊQJDB ࠔ uEFUFSNJOB
-B EFTWJBDJÐO ࠔ MB
UÊQJDBEF
MB BODIVSB EFUFSNJOB
DBNQBOBMB BODIVSB EF MB DBNQBOB

Distribution normale 𝑁(𝜇, 𝜎)
%JTUSJCVDJPOFT OPSNBMFT %JTUSJCVDJPOFT OPSNBMFT %JTUSJCVDJPOFT OPSNBMFT %JTUSJCVDJPOFT OPSNBMFT
Distribution normale 𝑁(𝜇, 𝜎)
NFEJBT
NFEJBTMoyenne différentes
EJGFSFOUFT Z WBSJBO[BT EJGFSFOUFT Z WBSJBO[BT
JHVBMFT JHVBMFT
NFEJBT JHVBMFT Z WBSJBO[BTNFEJBT JHVBMFT Z WBSJBO[BT EJGFSFOUFT
Ecart-types différents
EJGFSFOUFT
Lj  
Lj  
Lj  
Lj  

  Lj  
 Lj  
 Lj  
Lj  

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

   


Densité de probabilité f(x)

Densité de probabilité f(x)


   

   

   


                     


9
9
9 9

'VODJÐO EF EJTUSJCVDJÐO'VODJÐO
EF MB /PSNBM
EF EJTUSJCVDJÐO EF MB /PSNBM
Fonction de répartition normale
-B HS¾aDB EF MB GVODJÐO EF
-BEJTUSJCVDJÐO
HS¾aDB EF MBUJFOF GPSNB
GVODJÐO EFEF 4
EJTUSJCVDJÐO UJFOF GPSNB EF 4

Le graphique de la fonction de distribution est sous forme de S.


 




 %JTUSJCVDJÐO /PSNBM JMmH "€bB+Q /2 1bi/őbiB+
Distribution normale 𝑁(𝜇, 𝜎)

/PSNBM EJTUSJCVUJPO Lj ‫
ࠔ ސ‬
$VNNVMBUJWF QSPCBCJMJUZ ǀ Ǫ

Fonction de répartition Fx)

‫ސ‬
9
Propriétés de la distribution normale
1SPQJFEBEFT EF MB EJTUSJCVDJÐO /PSNBM
• La fonction de densité est symétrique par rapport à la moyenne et, par conséquent,
u -B GVODJÐO EF EFOTJEBE FT TJNÆUSJDB SFTQFDUP B MB NFEJB Z QPS UBOUP TV DPFaDJFOUF EF BTJNFUSÊB FT
Ǜџ  
son coefficient d'asymétrie est 𝑔 1 = 0.
• uLa fonction
5BNCJÆO de densité
FT NFTPDÖSUJDB a la forme
ZB RVF MB GVODJÐO d'une
EF EFOTJEBE cloche
UJFOF GPSNB gaussienne
EF DBNQBOB et, par conséquent, son
EF (BVTT Z QPS
UBOUP TV DPFaDJFOUF EF BQVOUBNJFOUP WBMF Ǜӝ  
coefficient de pointage est 𝑔2 = 0.
u -B NFEJB MB NFEJBOB Z MB NPEB DPJODJEFO
• La moyenne, la médiane et le mode coïncident ‫  ސ‬LJǙ  LJǡ
𝜇 = 𝑀𝑒 = 𝑀𝑜.
u 5JFOEF BTJOUÐUJDBNFOUF B  DVBOEP Ǫ UJFOEF B ๧࿘

1SPQJFEBEFT EF MB EJTUSJCVDJÐO /PSNBM


Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 13
NJ ‫ ސ‬๣ ࠔ ན ǒ ན ‫  
ࠔ ސ‬NJ ‫ ސ‬๣ ࠔ ན ǒ ན ‫  
ࠔ ސ‬NJ ‫ ސ‬๣ ࠔ ན ǒ ན ‫ 
ࠔ ސ‬
%JTUSJCVDJÐO OPSNBM Lj ‫
ࠔ ސ‬ %JTUSJCVDJÐO OPSNBM Lj ‫
ࠔ ސ‬ %JTUSJCVDJÐO OPSNBM Lj ‫
ࠔ ސ‬
ӝ

uu -B
-BNFEJB
NFEJB MBMBNFEJBOB
NFEJBOBZZMBMBNPEB
NPEBDPJODJEFO
DPJODJEFO

‫ސސ‬LJǙ
LJǙLJǡ
LJǡ

uu 5JFOEF
5JFOEFBTJOUÐUJDBNFOUF DVBOEPǪǪUJFOEF
BTJOUÐUJDBNFOUFBBDVBOEP ๧࿘
UJFOEFBB๧࿘

• Elle tend asymptotiquement vers 0 lorsque 𝑥 tend vers ± ∞.


1SPQJFEBEFTEF
1SPQJFEBEFT EFMBMBEJTUSJCVDJÐO
EJTUSJCVDJÐO/PSNBM
/PSNBM

NJ ‫ސ‬๣๣ࠔࠔནནǒǒནན‫
ࠔ ސސ‬
NJ ‫ސ‬ ࠔ

 NJ ‫ސ‬
NJ ‫ސ‬๣๣ࠔ
ࠔནནǒǒནན‫
ࠔ ސސ‬
ࠔ

 NJ ‫ސ‬
NJ ‫ސ‬๣๣ࠔ
ࠔནནǒǒནན‫
ࠔ ސސ‬
ࠔ



%JTUSJCVDJÐO
%JTUSJCVDJÐO OPSNBM
OPSNBM Lj ‫ ސ‬
Lj ‫ ސ‬ ࠔ

%JTUSJCVDJÐO
%JTUSJCVDJÐO OPSNBM
OPSNBM Lj ‫ ސ‬
Lj ‫ ސ‬ ࠔ

%JTUSJCVDJÐO
%JTUSJCVDJÐO OPSNBM
OPSNBM Lj ‫ ސ‬
Lj ‫ ސ‬ ࠔ

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ


 
 


‫ސ‬๣
‫ސ‬๣ࠔ ࠔ ‫ ސ ސ ސ‬
‫ ސ‬ࠔࠔ ‫ސ‬๣
‫ࠔ ސ‬
๣ ࠔ ‫ސ ސ‬ ‫ ސ‬
‫ࠔ ސ‬
ࠔ ‫ސ‬๣
‫ࠔ ސ‬
๣ ࠔ ‫ސ ސ‬ ‫ࠔ ސ ސ‬
ࠔ
99 99 9 9


FTFTEFDJS
EFDJS DBTJ
Exemple DBTJMBMBUPUBMJEBE
UPUBMJEBEEFEFMPT
MPTJOEJWJEVPT
JOEJWJEVPTEFEFMBMBQPCMBDJÐO
QPCMBDJÐOQSFTFOUBS¾O
QSFTFOUBS¾OWBMPSFT
WBMPSFTFOUSF
FOUSFMBMBNFEJB
NFEJBNFOPT
NFOPT
USFT WFDFT MB EFTWJBDJÐO UÊQJDB Z MB NFEJB NBT USFT WFDFT MB EFTWJBDJÐO
USFT WFDFT MB EFTWJBDJÐO UÊQJDB Z MB NFEJB NBT USFT WFDFT MB EFTWJBDJÐO UÊQJDBUÊQJDB
Dans une étude, il a été constaté que le taux de cholestérol total chez les femmes en bonne
santé entre 40 et 50 ans suit une distribution moyenne normale de 210 mg / dl et un écart-type


de 20 mg / dl.
Compte tenu des propriétés de la cloche gaussienne, il faut :
• 68% des femmes en bonne santé auront un taux de cholestérol compris entre 210 ± 20
mg / dl, c'est-à-dire entre 190 et 230 mg / dl.
• 95% des femmes en bonne santé auront un taux de cholestérol compris entre 210 ± 2 ⋅
20 mg / dl, c'est-à-dire entre 170 et 250 mg / dl.
• 99% des femmes en bonne santé auront un taux de cholestérol compris entre 210 ± 3 ⋅
20 mg / dl, c'est-à-dire entre 150 et 270 mg / dl.

Le théorème central limite
Le comportement précédent est présenté par de nombreuses variables physiques et biologiques
continues. Si l'on considère, par exemple, la distribution des tailles, on verra que la plupart des
individus présentent des tailles autour de la moyenne, à la fois au-dessus et en dessous, mais
qu'en s'éloignant de la moyenne, Il y a de moins en moins d'individus avec de telles tailles.

La distribution normale apparaissant si fréquemment dans la nature et justifiée par le
théorème de la limite centrale, que nous verrons plus loin, et qui stipule que si une variable
aléatoire continue provient d'une expérience aléatoire dont les résultats sont dus à un un très
large ensemble de facteurs indépendants qui agissent en ajoutant leurs effets, suit alors une
distribution approximativement normale.

La distribution normale standard 𝑁 (0, 1)
De toutes les distributions normales, la plus importante est celle qui la moyenne 𝜇 = 0 et l'écart
typique 𝜎 = 1, qui est connu comme la normale standard ou centrée réduite et est désigné par 𝑍
∼ 𝑁 (0, 1).
Distribution 𝑁 (0, 1).

Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 14


-B EJTUSJCVDJÐO /PSNBM FTU¾OEBS Lj  

%F UPEBT MBT EJTUSJCVDJPOFT OPSNBMFT MB N¾T JNQPSUBOUF FT MB RVF UJFOF NFEJB ‫   ސ‬Z EFTWJBDJÐO
UÊQJDB ࠔ   RVF TF DPOPDF DPNP
 OPSNBM FTU¾OEBS Z TF EFTJHOB QPS ǔ ྡྷ Lj  


%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

%JTUSJCVDJÐO /PSNBM FTU¾OEBS Lj  




%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ









      

     9  


9

$¾MDVMP EF QSPCBCJMJEBEFT DPO MB /PSNBM FTU¾OEBS
$¾MDVMP EF QSPCBCJMJEBEFT DPO MB /PSNBM FTU¾OEBS
.BOFKP EFEFMBMBUBCMB
.BOFKP EFMBMBGVODJÐO
UBCMB EF GVODJÐO EF EJTUSJCVDJÐO
Calcul de probabilité avec la loi Normal centrée
EF EJTUSJCVDJÐO
Gestion de la table des fonctions de distribution
1BSB FWJUBS UFOFS RVF DBMDVMBS QSPCBCJMJEBEFT
1BSB FWJUBS UFOFS RVF DBMDVMBS QSPCBCJMJEBEFT JOUFHSBOEP MB GVODJÐO EFMB
JOUFHSBOEP EFOTJEBE
GVODJÐOEF EF
MB OPSNBM FTU¾O EF MB OPSNBM FTU¾O
EFOTJEBE
EBS FT IBCJUVBM VUJMJ[BS TV GVODJÐO EF EJTUSJCVDJÐO RVF TF EB FO GPSNB EF UBCMB DPNP MB TJHVJFOUF
EBS FT IBCJUVBM VUJMJ[BS TV GVODJÐO EF EJTUSJCVDJÐO RVF TF EB FO GPSNB EF UBCMB DPNP MB TJHVJFOUF
Pour éviter le calcul des probabilités par l’intégration de la fonction de densité de la loi normale,
1PS FKFNQMP QBSB DBMDVMBS NJ ǔ ན 

il existe une table de cette fonction de distribution, qui est donnée sous la forme d'un tableau
représenté comme ci-dessous. [ 1PS
FKFNQMP
QBSB ๴ NJ ǔ ན 

DBMDVMBS
 
[   ๴
  ๴
   ๴

 
   ๴ 

   
 
  ๴
 
 
  ๴

 
   ๴ 

   
๳  ๳ ๳  ๳ ๶ 
 ஒ aMB  DPMVNOB 
    ๴
    ๴
๳ ๳ ๳ ๳ ๶

 ஒaMB  DPMVNOB 
Par exemple, pour calculer 𝑃 (𝑍 ≤ 0,52)
0.52 → ligne 0.5 + colonne 0.02



Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 15


 %JTUSJCVDJÐO /PSNBM JMmH "€bB+Q /2 1bi/őbiB+
 %JTUSJCVDJÐO /PSNBM JMmH "€bB+Q /2 1bi/őbiB+
%JTUSJCVDJÐO /PSNBM FTU¾OEBS Lj  

%JTUSJCVDJÐO /PSNBM FTU¾OEBS Lj  

%JTUSJCVDJÐO /PSNBM FTU¾OEBS Lj  

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

' 
 

' 
 
' 
 

9 

9

$¾MDVMP EF QSPCBCJMJEBEFT DPO MB /PSNBM FTU¾OEBS
Calcul de probabilité avec Normal standard 9

1SPCBCJMJEBEFT
BDVNVMBEBT QPS FODJNB EF VO WBMPS
$¾MDVMP EF QSPCBCJMJEBEFT DPO MB /PSNBM FTU¾OEBS
Probabilités accumulées au-dessus d'une valeur
$VBOEP
$¾MDVMPUFOHBNPT RVF DBMDVMBS
EFBDVNVMBEBT
QSPCBCJMJEBEFT DPOQSPCBCJMJEBEFT
MBEF/PSNBM BDVNVMBEBT QPS FODJNB EF VO EFUFSNJOBEP WBMPS
1SPCBCJMJEBEFT QPS FODJNB VO WBMPSFTU¾OEBS
DPMB
EF BDVNVMBDJÐO B MB EFSFDIB
QPEFNPT IBDFSMP QPS NFEJP EF MB QSPCBCJMJEBE EFM TVDFTP DPOUSBSJP
1PS
1SPCBCJMJEBEFT
$VBOEPnous
FKFNQMP
BDVNVMBEBT
UFOHBNPT QPS FODJNB
RVFcalculer
DBMDVMBS EF VO WBMPS BDVNVMBEBT QPS FODJNB EF VO EFUFSNJOBEP WBMPS
QSPCBCJMJEBEFT
d'accumulation à droite), nous pouvons le faire
NJ ǔ B
DBMDVMBS
 ๣ NJ ǔ ན 
IBDFSMP
  ๣ QPS
ǀ 

NFEJPEF
๣ MB
  
Lorsque devons des probabilités accumulées au-dessus d'une certaine valeur
DPMB EF BDVNVMBDJÐO
$VBOEP UFOHBNPTMB RVF
EFSFDIB
QPEFNPT
QSPCBCJMJEBEFT BDVNVMBEBT QSPCBCJMJEBE
QPS EF EFM
VO TVDFTP DPOUSBSJP
(queue
1PS DPMB
FKFNQMP
au FODJNB
moyen de EFUFSNJOBEP WBMPS
la probabilité de
1PS FKFNQMP NJ ǔ  
  ๣ NJ ǔ ན 
  ๣ ǀ 
  ๣   
EF BDVNVMBDJÐO B MB EFSFDIB
QPEFNPT IBDFSMP QPS NFEJP EF MB QSPCBCJMJEBE EFM TVDFTP DPOUSBSJP
l'événement opposé. Par exemple :
NJ ǔ  
  ๣ NJ ǔ ན 

%JTUSJCVDJÐO ๣
/PSNBM ǀ 
Lj 
FTU¾OEBS 

 ๣   

%JTUSJCVDJÐO /PSNBM FTU¾OEBS Lj  

%JTUSJCVDJÐO /PSNBM FTU¾OEBS Lj  

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

%FOTJEBE EF QSPCBCJMJEBE ǚ Ǫ

' 
  ' 


' 
  ' 


' 
 
 ' 


9

Nous avons déjà vu comment calculer les probabilités avec une distribution normale standard,
9 
mais que faire lorsque la distribution normale n'est pas centrée réduite ? Dans ce cas, la variable
9
normale doit être transformée en une normale centrée réduite.



Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 16

5FPSFNB  5JQJaDBDJÐO
 4J ǒ FT VOB WBSJBCMF RVF TJHVF VOB EJTUSJCVDJÐO EF QSPCBCJMJEBE /PSNBM EF
 5JQJaDBDJÐO
 4J ǒ FT4JVOB ǒ FT VOB WBSJBCMF ‫ ސ‬Z VOB
RVF TJHVF VOB EJTUSJCVDJÐO ࠔ QSPCBCJMJEBE
ǒ ྡྷEFLj ‫ ސ‬ ࠔ
/PSNBM
QSPCBCJMJEBE /PSNBM EF SFTVMUBOUF EF SFTUBSMF B ǒ TV NFEJB ‫ ސ‬Z
ࠔ ǒ ྡྷ Lj ‫ ސ‬ ࠔ
ǒ ‫ސ‬
QJaDBDJÐO
 WBSJBCMF RVF TJHVF
NFEJB EJTUSJCVDJÐO
EFTWJBDJÐO UÊQJDBEF FOUPODFT EFMB WBSJBCMF
Z UÊQJDB ࠔ ǒ ྡྷ/PSNBM
EFTWJBDJÐO UÊQJDB Lj ‫
ࠔ ސ‬EF FOUPODFT MB WBSJBCMF SFTVMUBOUF ࠔ TJHVF
EF B ǒVO
SFTUBSMF NFEJB ‫ސ‬EFZ EJTUSJCVDJÐO
B TV NFEJB Z

JBDJÐO
ÐO EF QSPCBCJMJEBE FOUPODFT
EJWJEJS MB QPS
WBSJBCMF SFTVMUBOUFUÊQJDB
TV EFTWJBDJÐO EF SFTUBSMF TVNPEFMP EF QSPCBCJMJEBE /PSNBM FTU¾OEBS
PS TV EFTWJBDJÐO B ǒࠔ UÊQJDB ‫ސ‬
TJHVF VO NPEFMP EF EJTUSJCVDJÐO EF QSPCBCJMJEBE /PSNBM FTU¾OEBS
ǒ๣‫ސ‬
FTWJBDJÐO
UF EF SFTUBSMF UÊQJDB TV TJHVF
NFEJB
5JQJaDBDJÐOVO NPEFMP
Z EF EJTUSJCVDJÐO EF QSPCBCJMJEBE /PSNBM FTU¾OEBS
PCBCJMJEBE /PSNBM FTU¾OEBS
ǒ ๣ ‫ސ‬ ǒ๣‫ސ‬ ǒ ྡྷ Lj ‫
ࠔ ސ‬಄ ǔ  ྡྷ Lj  

ǒ ྡྷ:B ǒ
Lj ‫ ސ‬TFྡྷIB

Lj ‫ ސ‬
಄ ǔࠔ
 ಄ ǔ DBMDVMBS
 ྡྷ Lj  QSPCBCJMJEBEFT
ྡྷ 
Lj  
 ࠔ
WJTUP DÐNP
ࠔ ࠔ DPO VOB EJTUSJCVDJÐO OPSNBM FTU¾OEBS QFSP ‚RVÆ IBDFS
ǔ TF DPOPDF
ǔ
DVBOEP MB EJTUSJCVDJÐO OPSNBM OP FT MB FTU¾OEBS &O UBM DBTP IBZ
&TUB USBOTGPSNBDJÐO MJOFBM TF DPOPDF DPNP USBOTGPSNBDJÐO EF UJQJaDBDJÐORVF USBOTGPSNBS MB WBSJBCMF OPSNBM FO
Z MB WBSJBCMF VOB
SFTVMUBOUF
Z MB WBSJBCMF SFTVMUBOUF ǔ TF DPOPDF
TGPSNBDJÐO MJOFBM TF DPOPDF
OPSNBM DPNP
FTU¾OEBS USBOTGPSNBDJÐO EF UJQJaDBDJÐO Z MB WBSJBCMF SFTVMUBOUF TF DPOPDF
DJÐO MJOFBM TF DPOPDF DPNP USBOTGPSNBDJÐO DPNP OPSNBM EF UJQJaDBDJÐO
UJQJaDBEB
ǔ TF DPOPDF Si 𝑋 est une variable qui suit une distribution de probabilité normale de la
5FPSFNB  5JQJaDBDJÐO
 4J ǒ FT VOB WBSJBCMF RVF TJHVF VOB EJTUSJCVDJÐO EF QSPCBCJMJEBE /PSNBM EF
NBM UJQJaDBEB
JaDBEB
WBSJBCMF SFTVMUBOUF Théorème :
‫ ސ‬Z EFTWJBDJÐO ࠔ ǒ ྡྷ Lj ‫
ࠔ ސ‬ EF SFTUBSMF B ǒ TV NFEJB ‫ ސ‬Z
moyenne 𝜇 et de "TÊl'écart-type
QVFT QBSB DBMDVMBS (𝜇, 𝜎), alors EF
𝜎, 𝑋 ∼ QSPCBCJMJEBEFT la VOB
variable
WBSJBCMF centrée
/PSNBM réduite
RVF OPrésulte de la FTU¾OEBS TF
TFB MB /PSNBM
NFEJB UÊQJDB FOUPODFT MB
MB WBSJBCMF SFTVMUBOUF
ࠔ TFTJHVF
VFT DBMDVMBS
BSB QBSB DBMDVMBS QSPCBCJMJEBEFT
QSPCBCJMJEBEFT EF VOB EF
BQMJDB VOB
WBSJBCMF WBSJBCMF
QSJNFSP /PSNBMMB /PSNBM
RVF OP
USBOTGPSNBDJÐORVF
TFB OP
MB TFBUJQJaDBDJÐO
/PSNBM
EF /PSNBM
FTU¾OEBS ZFTU¾OEBS
TF
EFTQVÆT TF
TF QVFEF VUJMJ[BS MB GVODJÐO EF EJTUSJCVDJÐO
JNFSP
soustraction
EJWJEJS EF TV de
QPSUJQJaDBDJÐO 𝑋 de
EFTWJBDJÐO sa moyenne
UÊQJDB 𝜇 VOet de division
NPEFMP MBEF
par
EJTUSJCVDJÐO son EFécart-type
QSPCBCJMJEBE 𝜎 suit
/PSNBMun FTU¾OEBS
modèle de
TFBMBMBUSBOTGPSNBDJÐO
OPUSBOTGPSNBDJÐO
MB /PSNBM EF FTU¾OEBS
UJQJaDBDJÐOTF EF Z EFTQVÆT
MB Z EFTQVÆT
/PSNBM TF QVFEF
FTU¾OEBS QVFEF
VUJMJ[BS VUJMJ[BS
MB GVODJÐO GVODJÐO
EF EF EJTUSJCVDJÐO
EJTUSJCVDJÐO
ǒ๣‫ސ‬
SNBM FTU¾OEBS distribution de probabilité normale 𝑁 (0, 1).
ǒ ྡྷ Lj ‫
ࠔ ސ‬಄ ǔ  ྡྷ Lj  

J[BS MB
U¾OEBS GVODJÐO EF EJTUSJCVDJÐO

$¾MDVMP EF QSPCBCJMJEBEFT UJQJaDBOEP ࠔ


MJOFBM TF DPOPDF DPNP USBOTGPSNBDJÐO EF UJQJaDBDJÐO Z MB WBSJBCMF SFTVMUBOUF ǔ TF DPOPDF
EF QSPCBCJMJEBEFT
CBCJMJEBEFT UJQJaDBOEP UJQJaDBOEP
&TUB USBOTGPSNBDJÐO &KFNQMP
4VQÐOHBTF RVF MB OPUB EF VO FYBNFO TJHVF VO NPEFMP EF EJTUSJCVDJÐO EF QSPCBCJMJEBE OPSNBM Lj ‫ ސ‬
Calcul des probabilités
DPNP OPSNBM UJQJaDBEB
OHBTF RVF MB EFOPUB EF VO FYBNFO
Exemple  NPEFMP
TJHVF ࠔ VO

NPEFMP EFQPSDFOUBKF
EJTUSJCVDJÐO EFEF QSPCBCJMJEBE Lj ‫ސ‬
IBCS¾OPSNBM Lj ‫ ސ‬
FO MBQPCMBDJÐO


RVF MB OPUB VO FYBNFO TJHVF VO EF ‚2VÆ
EJTUSJCVDJÐO TVTQFOTPT
EF QSPCBCJMJEBE OPSNBM
EF ‚2VÆ QPSDFOUBKF
QSPCBCJMJEBE EF "TÊLj ‫ސ‬IBCS¾
QVFT
TVTQFOTPT FO MB QPCMBDJÐO
QBSB DBMDVMBS
IBCS¾ FO MB QSPCBCJMJEBEFT
QPCMBDJÐO EF VOB WBSJBCMF
Supposons qu'une note de test suit un modèle de distribution de probabilité normale
OPSNBM /PSNBM RVF OP TFB MB /PSNBM FTU¾OEBS TF
ǒ๣‫ސ‬
$PNP ǒ OP FT MB OPSNBM FTU¾OEBS QSJNFSP TF MF BQMJDB UJQJaDBDJÐO ǔ  
Æ QPSDFOUBKF EF TVTQFOTPT
ǒǔ ๣ ‫ސ‬ ǒ ๣ ‫ސ‬

BQMJDB QSJNFSP MB USBOTGPSNBDJÐO EF UJQJaDBDJÐO Z EFTQVÆT TF QVFEF VUJMJ[BS MB GVODJÐO EF EFEJTUSJCVDJÐO
P ǒ OP FT MB OPSNBMEF 
MB USBOTGPSNBDJÐO
ǔ  
𝑁 (𝜇 = 6, 𝜎 = 1,5). Quel pourcentage d’élimination (note inférieure à 5) dans la population ?
ǒ๣‫ސ‬ ǒ๣ ࠔ
FTU¾OEBS QSJNFSP TF MF BQMJDB MB USBOTGPSNBDJÐO EF UJQJaDBDJÐO

MBQSJNFSP
/PSNBM FTU¾OEBS
ÐO EF UJQJaDBDJÐO ǔ  
FT MB OPSNBM FTU¾OEBS TF MF BQMJDB MB USBOTGPSNBDJÐO EF UJQJaDBDJÐO
ࠔ 

ǒ๣ ๣
ǒ๣  ๣UJQJaDBOEP
 NJ ǒ  
 NJ ෳ  ෴  NJ ǔ  ๣

NJ ǒ  
ǒ๣NJෳ  ๣  ෴  NJ ǔ  ๣
  
$¾MDVMP EF QSPCBCJMJEBEFT
NJ ǒ &KFNQMP
 NJ ෳ  ෴  NJ ǔ  ๣


  %FTQVÆT  TF QVFEF VTBS MB UBCMB EF MB GVODJÐO EF EJTUSJCVDJÐO EF MB /PSNBM FTU¾OEBS
EF VTBS MB UBCMB EF MB 4VQÐOHBTF GVODJÐO EF RVF
EF EJTUSJCVDJÐO
MB OPUB EFEF VOMBFYBNFOEF MB /PSNBM
/PSNBMTJHVF NPEFMP EF EJTUSJCVDJÐO EF QSPCBCJMJEBE OPSNBM Lj ‫ ސ‬
TF QVFEF VTBS MB Ensuite, vous pouvez utiliser le tableau de la distribution normale standard 𝑁 (0, 1) :
UBCMB EF MB GVODJÐO VOFTU¾OEBS
 ࠔ  
 NJ ǔ MB  ๣
 ǀ ๣
 
EJTUSJCVDJÐO FTU¾OEBS
NJ ǔ  ๣
 ǀ ๣
 
BM FTU¾OEBS ‚2VÆ QPSDFOUBKF EF TVTQFOTPT IBCS¾ FO QPCMBDJÐO
NJ ǔ  ๣
 ǀ ๣
  ǒ๣‫ސ‬
$PNP ǒ OP FT MB OPSNBM
QVFT FTU¾OEBS QSJNFSP MF 
TF FM BQMJDB MBEF MPT BMVNOPT EF UJQJaDBDJÐO ǔ  ࠔ 
USBOTGPSNBDJÐO
๣  FM 

ǒ 
"TÊ IBCS¾O TVTQFOEJEP
VFT IBCS¾O TVTQFOEJEP EF MPT BMVNOPT
CS¾O TVTQFOEJEPAinsi, ils auront suspendu 25,14% des étudiants.
FM EF MPT BMVNOPT

ǒ๣ ๣
NJ ǒ  
 NJ ෳ  ෴  NJ ǔ  ๣

 %JTUSJCVDJÐO $IJDVBESBEP
 
TUSJCVDJÐO
VDJÐO $IJDVBESBEP
$IJDVBESBEP
EF QSPCBCJMJEBE DIJDVBESBEP ‫ ܘ‬ӝ Ǡ

‫ ܘ‬ӝ Ǡ
MB UBCMB EF MB GVODJÐO EF EJTUSJCVDJÐO EF MB /PSNBM FTU¾OEBS
%JTUSJCVDJÐO
F QSPCBCJMJEBE DIJDVBESBEP ‫ ܘ‬Ǡ

%FTQVÆT TF QVFEF VTBS


DJÐO EF QSPCBCJMJEBE DIJDVBESBEP ӝ
EF QSPCBCJMJEBE $IJDVBESBEP ‫ ܘ‬ӝ Ǡ

 %BEBT Ǡ WBSJBCMFT BMFBUPSJBT JOEF


NJ ǔ
‫ܘ‬  ๣

ӝ Ǡ

 Ǡǀ ๣

WBSJBCMFT  JOEF


%FaOJDJÐO  %JTUSJCVDJÐO
ÐO  %JTUSJCVDJÐO EF QSPCBCJMJEBE QFOEJFOUFT ǔ‫ܘ‬џ Ǡ


$IJDVBESBEP ӝ x ǔ֙%BEBT
UPEBTǠFMMBT
%BEBT BMFBUPSJBT
ǔ x
ǠџWBSJBCMFTǔ
%JTUSJCVDJÐO EF QSPCBCJMJEBE $IJDVBESBEP TJHVJFOEP
WBSJBCMFT VO
BMFBUPSJBT NPEFMP
JOEF EF EJTUSJCVDJÐO /PSNBM FTU¾OEBS FOUPODFT MB
x ǔ ֙
FT
EBT UPEBT FMMBT
BMFBUPSJBT TJHVJFOEP
JOEFVO WBSJBCMFVO NPEFMP EF EJTUSJCVDJÐO /PSNBM FTU¾OEBS FOUPODFT MB
MB IBCS¾O TVTQFOEJEP FM  EF MPT BMVNOPT
֙
‫ܘ‬ ӝ Ǡ
 ǔӝ ๴ ǔӝ 
UPEBT FMMBT TJHVJFOEP NPEFMP EF EJTUSJCVDJÐO /PSNBM FTU¾OEBS FOUPODFT MB
‫ ܘ‬ӝ Ǡ
 ǔӝџ ӝ๴ ǔӝ֙ 
/PSNBM FTU¾OEBS FOUPODFT "TÊ QVFT ֙
џ
‫ ܘ‬ӝ Ǡ
TJHVF
ǔӝџ VO๴ ǔ ֙  EF EJTUSJCVDJÐO EF QSPCBCJMJEBE DIJDVBESBEP EF Ǡ HSBEPT EF MJCFSUBE
NPEFMP EF EJTUSJCVDJÐO EF QSPCBCJMJEBE DIJDVBESBEP EF Ǡ HSBEPT EF MJCFSUBE
NPEFMP
P EF EJTUSJCVDJÐO EF QSPCBCJMJEBE DIJDVBESBEP EF Ǡ HSBEPT EF MJCFSUBE
 %JTUSJCVDJÐO $IJDVBESBEP
EF MJCFSUBE 4V SBOHP FT ਔ Z TV NFEJB Z WBSJBO[B WBMFO
ਔ Z TV NFEJB Z WBSJBO[B WBMFO
ਔ Z TV NFEJB Z WBSJBO[B WBMFOEF QSPCBCJMJEBE DIJDVBESBEP ‫ ܘ‬ӝ Ǡ

OHP FT
%JTUSJCVDJÐO ‫  ސ‬Ǡ ࠔ ӝ  Ǡ
‫  ސ‬Ǡ ӝ ࠔ ӝ  Ǡ
%FaOJDJÐO ‫ ސ‬ Ǡ %JTUSJCVDJÐO
ࠔ  Ǡ EF QSPCBCJMJEBE $IJDVBESBEP ‫ ܘ‬ӝ Ǡ

 %BEBT Ǡ WBSJBCMFT BMFBUPSJBT JOEF


QFOEJFOUFT ǔџ x ǔ֙ UPEBT
$PNP TF WFS¾FMMBTN¾T BEFMBOUF VOMB NPEFMP
TJHVJFOEP EJTUSJCVDJÐO DIJDVBESBEP
EF EJTUSJCVDJÐO KVFHB VO
/PSNBM QBQFM JNQPSUBOUF
FTU¾OEBS FOUPODFT MBFO MB FTUJNBDJÐO
P TF WFS¾ N¾T BEFMBOUF MB EJTUSJCVDJÐO EF MB DIJDVBESBEP
WBSJBO[B KVFHB VOZQBQFM
QPCMBDJPOBM FO FM JNQPSUBOUF
FTUVEJP EF FOSFMBDJÐO
MB MB FTUJNBDJÐO
FOUSF WBSJBCMFT DVBMJUBUJWBT
¾ N¾T BEFMBOUF MBWBSJBCMF EJTUSJCVDJÐO DIJDVBESBEP KVFHB VO QBQFM JNQPSUBOUF FO MB FTUJNBDJÐO
‫ ܘ‬ӝ Ǡ
 ǔӝџ ๴ ǔӝ֙ 
BO[B QPCMBDJPOBM
FM JNQPSUBOUF FO MBZ FTUJNBDJÐO
FO FM FTUVEJP EF MB SFMBDJÐO FOUSF WBSJBCMFT DVBMJUBUJWBT
QPCMBDJPOBM Z FO FM FTUVEJP EF MB SFMBDJÐO FOUSF WBSJBCMFT DVBMJUBUJWBT
TJHVF VO NPEFMP EF EJTUSJCVDJÐO EF QSPCBCJMJEBE DIJDVBESBEP EF Ǡ HSBEPT EF MJCFSUBE
VBMJUBUJWBT

4V SBOHP FT ਔ Z TV

NFEJB Z WBSJBO[B WBMFO

‫  ސ‬Ǡ ࠔ ӝ  Ǡ

$PNP TF WFS¾ N¾T BEFMBOUF MB EJTUSJCVDJÐO DIJDVBESBEP KVFHB VO QBQFM JNQPSUBOUF FO MB FTUJNBDJÐO
EF MB WBSJBO[B QPCMBDJPOBM Z FO FM FTUVEJP EF MB SFMBDJÐO FOUSF WBSJBCMFT DVBMJUBUJWBT


Chapitre 2 : Lois de probabilité Pr. M. EL KOUALI 17

Vous aimerez peut-être aussi