Université Ibn Zohr

Campus Universitaire Ait Melloul

Faculté des Sciences Juridiques, Economiques et Sociales

Probabilité
Année universitaire : 2019/2020

Pr. AZZAT My hanafi

h.azzat@uiz.ac.ma

1
4. Variables aléatoires et loi
de probabilités.

2
 4.1 Variable aléatoire
*******************************************************
C’est une fonction qui à chacun des événements de Ω fait
correspondre un nombre réel.
Considérons un procédé de fabrication de lampes fluorescentes,
❑ Si l’expérience consiste à vérifier les lampes les unes
après les autres.
Ω={lampe défectueuse, lampe non défectueuse}.
❑ Si l’expérience consiste à compter le nombre de lampes
défectueuses dans différents lots contenant chacun 5 lampes.
-Ω={0,1,2,3,4,5}.
-******************************************************

3
 Variable aléatoire-suite-
*******************************************************
Si l’expérience consiste à vérifier les lampes les unes après
les autres.
*******************************************************
Il s’agit de quantifier les événements pour les remplacer par
des nombres réels(x). La fonction sera alors :
▪ X=0 si la lampe est défectueuse;
▪ X=1si la lampe n’est pas défectueuse.
*******************************************************
Dans ce cas la variable aléatoire pourra prendre les
valeurs 0 ou1.
**************************************************
4
 Variable aléatoire-suite-
*******************************************************
Si l’expérience consiste à compter le nombre de lampes
défectueuses dans différents lots contenant chacun 5 lampes.
*******************************************************
La fonction est immédiate puisque les événements sont déjà
des nombres réels.
X=0 s’il y a 0 lampe défectueuse;
X=1 s’il y a 1 lampe défectueuse;
X=2 s’il y a 2 lampe défectueuses;
X=3 s’il y a 3 lampe défectueuses;
X=4 s’il y a 4 lampe défectueuses;
X=5 s’il y a 5 lampe défectueuses.
Dans ce cas la variable pourra prendre la valeur
déterminée par l’expérience.
******************************************************* 5
 Variable aléatoire-suite-
*******************************************************
Avant l’expérience, on a une variable aléatoire qui peut
prendre différentes valeurs possibles.
**************************************************************
Après l’expérience, l’événement est réalisé et on a une valeur
de cette variable.
**************************************************************
La variable aléatoire peut être :
❖ Discrète : si ses valeurs x sont en nombre dénombrable.
Exemple : le nombre de pièces défectueuses d’une production.
******************************************************
❖ Continue : si ses valeurs x appartiennent à IR ou à un
intervalle de IR.
Exemple : la durée d’une étape de la production.
6
Exemples
1. variables aléatoires discrètes :
expériences Variable aléatoire X Valeurs de X
Gérer un café pendant une Nombre de clients 0,1,2,3…
journée
Inspecter une cargaison de Nombre de machines 0, 1, 2, 3,…,30
30 machines défectueuses
Vendre une voiture Aboutissement de la vente 1 si c’est vendue
0 si non

2. variables aléatoires continues :

expériences Variable aléatoire X Valeurs de X
Gérer une banque Temps d’attente des clients
Remplir un bouteille d’eau Nombre de litres
Construire des % du projet réalisé après
appartements 10 mois 7
Application 1

*******************************************************
Considérer l’expérience consistant à lancer une pièce de
monnaie deux fois.
1. Énumérer les résultats possibles de l’expérience.
2. Définir une variable aléatoire qui représente le nombre
de « pile » apparaissant au cours des deux lancers?
3. Déterminer les valeurs que peut prendre la variable
aléatoire pour chaque résultat de l’expérience?
4. Cette variable est-elle discrète ou continue?
*******************************************************

8
Application 2

*******************************************************
Considérer l’expérience d’un travailleur assemblant un
produit :
1. Définir une variable aléatoire qui représente le temps
en minutes nécessaire pour assembler un produit?
2. Déterminer les valeurs que peut prendre la variable
aléatoire?
3. Cette variable est-elle discrète ou continue?
*******************************************************

9
 4.2 Loi de probabilité
******************************************************

❖ La loi de probabilité de la variable aléatoire permet de

probabiliser les événements portant sur cette variable et de
mesurer des indicateurs qui résument l’ensemble de ses
valeurs.

❖ La distribution peut être définie à l’aide de la fonction de

distribution ou à l’aide de la fonction de répartition.

******************************************************

10
.
4.3 Variable discrète-distribution de probabilité-

******************************************************
Soit X une v.a.d. prenant les valeurs , à l’issue d’une
expérience aléatoire. Soit Ω l’ensemble des résultats possibles.
On suppose que l’on connait la probabilité des résultats.
Définition : On appelle distribution de probabilité l’ensemble

des couples et on a :

*******************************************************

11
Exemple
Le nombre de pannes journaliers d’une machine dans un atelier est une v.a.,
on ne sait pas en effet, à l’avance, le nombre de pannes qui sera
observé. Supposons que l’on dispose d’une statistique sur le
dernier mois(30 jours):
• 9 jours : aucune panne n’a été observé;
• 12 jours : il a été observé 1 panne;
• 6 jours : 2 pannes;
• 3 jours : 3 pannes.
On peut faire correspondre la loi de probabilité du nombre X
de pannes journalier :
0 9/30=0,3
1 12/30=0,40
2 6/30=0,2
3 3/30=0,1
Total 1
12
 Variable discrète-Fonction de répartition-
*******************************************************
.

Fonction de répartition :
La f.r. d’une variable aléatoire discrète X donne la probabilité
que la variable prenne une valeur inférieur à une borne x.
Définition : La fonction de répartition F de X est définie par :

**************************************************************
Cette fonction est toujours croissante, par morceaux,
La représentation graphique est une courbe en escalier.

*******************************************************
13
Reprenons l’exemple précédent :
Le nombre de pannes journaliers d’une machine dans un atelier.
On détermine la probabilité que le nombre de pannes soit inférieur ou égale
aux valeurs .

0 0,3 0.3

1 0,4 0.7

2 0,2 0.9

3 0,1 1

Total 1

14
Application 3
Considérons l’expérience des ventes de voitures suivant :

ventes jours
0 30
1 160
2 120
3 5
4 15
Total 330

Calculer les probabilités des événements suivants :

▪ X=‘’Vendre au moins 1 voiture ‘’.
▪ Y=‘’Vendre au plus 2 voitures ‘’
15
 4.4 Variable continue-fonction de distribution-
.
Dans ce cas, on peut probabiliser des événements de la forme .
Fonction de distribution(ou densité de probabilité)
On considère une fonction f, de la variable X, définie sur IR ou sur un intervalle de IR.
La fonction f est une densité de probabilité si elle satisfait aux conditions suivantes :
• pour tout x appartenant au domaine de définition de f.
• f est intégrable sur son domaine de définition.
• ,
Définition :
On appelle densité de probabilité le rapport

L’ensemble des couples (x; f(x)) constitue la courbe densité de probabilité.

Conséquences de la définition :
• P(X=x)=0 ;

;
.
16
 Variable continue-fonction de répartition-
.

*******************************************************
La fonction de répartition
Soit f la densité de probabilité de la variable X. La fonction de
répartition est la fonction F définie par :

Conséquences :

*******************************************************
17
 4.5 Caractéristiques d’une var. alé.
*******************************************************

❑ On appelle caractéristique d’une variable aléatoire un

indicateur permettant de résumer les valeurs de cette
variable et leur probabilité d’occurrence.

❑ Les plus utilisés sont l’espérance, indicateur de position, et

l’écart-type, indicateur de dispersion.

Aussi ils ont la même unité que la variable aléatoire.

*******************************************************

18
Caractéristiques d’une variable aléatoire

 Espérance :  Variance :
- Dans le cas discret - Dans le cas discret
Si la variable prend les n
valeurs possibles ou

- Dans le cas continu - Dans le cas continu

Si on appelle D l’ensemble
de définition ou

19
 Ecart-type
*******************************************************

L’écart-type est la racine carrée de la variance :

*******************************************************

L’écart-type est un indicateur du risque : plus sa valeur est

élevée, plus les fluctuations des valeurs de la variable autour
de la moyenne sont importantes, plus le risque est grand.

******************************************************

20
Application 4
On reprend la variable aléatoire X, nombre de pannes journaliers d’une machine dans
un atelier. Sa loi de probabilité est la fonction suivante :

0 0,3
1 0,40
2 0,2
3 0,1
Total 1

Calculer l’espérance, la variance et l’écart-type du nombre de pannes?

• L’espérance est égale à : … pannes.
• la variance est à : .,.. Panne carrée.
• l’écart-type est donc = … panne.
• en moyenne, on compte … Panne chaque jour. Ce n’est qu’une moyenne et il n’y a
pas chaque jour le même nombre de pannes.
• les fluctuations du nombre de pannes observées autour de la moyenne est
caractérisée par l’écart-type égale à … panne. 21
Application 5
On prend la distribution d’une variable aléatoire continue X. si
sa fonction densité de probabilité est la fonction f définie par :

Avec k, nombre réel strictement positif.

Déterminer son espérance mathématique?

L’espérance de la variable s’obtient à partir du calcul intégral

puisque la loi est continue.

=…

22
 Propriétés
1. Soit X une variable aléatoire. Soit la variable aléatoire Y telle
que Y=aX+b.
Où a et b sont deux nombres réels.
On a

2. Soit X et Y deux variables aléatoires indépendantes.

Soit a, b et c des nombres réels.

23