Cours Probabilités, EHEC

Enseignant : Pr. DJEMA

Année Universitaire : 2019-2020

Les lois Discrètes Usuelles

Loi de Bernoulli (paramètre p):

Définitions :Une épreuve de Bernoulli est une expérience aléatoire à deux
resultats possibles : « Succès » et « Echec ». On note succes par x=1, et l’echec
par x=0 ,
on note alors p la probabilité d’un succès, et la probabilité d’un échec est égale
à q = 1- p , d’où :
P(x=1) = p et P(x=0)= Q

La loi s’écrit : X —>B(p)

P(x=k)= pk (1-p)1-k avec k= 0, 1

Il est facile de vérifier que : E(x)=p et Var (X)= P(1-p)

Loi Binomiale (paramètres : n, p)

On réalise n fois successivement et d’une manière indépendante l’épreuve de
Bernoulli. On s’intéresse au nombre de « succès » obtenus. Si Xi suit la loi de
Bernoulli, alors X= 𝑋𝑖 suit la loi Binomiale : B(n,p)

P(X=k)=𝐶𝑛𝑘 PkQn-k k= 0 , 1,2,…….,n

𝑛!
Ou 𝐶𝑛𝑘 =
𝑛 −𝑘 !𝑘!

E(x)=np et Var (X)= np(1-p)

Exemple 1 : On jette 6 fois une pièce de monnaie avec : face = succès et pile =
échec. Calculer la probabilité qu’il ait 2 faces :

X→B (n=6, p=1/2) .

DJEMA H. /EHEC/ COURS PROBA : Variables Aléatoires Discrètes / 1

Exemple 2 : Un cinéma prévoit, pour l'année 2021, 365 spectacles différents
dont73filmspoliciers.
A) Quelles seront respectivement les probabilités p et q pour qu'une personne
entrant un jour, au hasard, dans ce cinéma assiste à un film policier ou bien un
autre film.
B) Un homme va à ce cinéma une fois par mois, sans connaître à l'avance le
programme. Quelles seront respectivement les probabilités p1, p2, p3, et p4 pour
qu'il voie durant une année.
a. un film policier et un seul ?
b. douze films non policiers ?
c. au moins deux films policiers ?
d. quatre films non policiers et quatre seulement ?
Réponse :
P=73/365=0.2
q = 0.8
B) c’est une loi binomiale, Succes : voir un film policier
B(n,p)=B(12, 0.2)
Proba de voir un film policier :
1
P(x=1) = 𝐶12 O.21 (0.8)11 = 0.21
Proba de voir 12 films non policiers
0
P(x=0) = 𝐶12 O.20 (0.8)12 = 0.07
Proba de voir au moins deux films policiers :
Il est plus facile de calculer l’événement contraire :
1- {P(x=0)+P(x=1)} = 1- 0.21-0.07= 0.72
Proba de voir quatre films non policiers et quatre seulement :
8
P(x=8) = 𝐶12 O.28 (0.8)4

Remarque :

Soit X1 Suit B( n1, p) et X2 Suit B( n2, p) et sont indépendantes Alors X1 + X2 suit

B( n1+n2, p)

Loi de Poisson (parametre :  )

Définition : Si X est le nombre de fois où a lieu un événement par unité de temps (ou de
longueur, etc... ), cet événement ne pouvant se produire qu'une seule fois (pas d'événements
simultanés),

DJEMA H. /EHEC/ COURS PROBA : Variables Aléatoires Discrètes / 2

- si le nombre d'événements pendant une période ne dépend que de la durée de cette période,
- si les événements sont indépendants, alors X suit une loi de Poisson P (  ) où  est le
nombre moyen d'événements par unité de temps.

X →P (  )

E(x) = et V(x) = 
Exemple1: Si on sait qu’un standard téléphonique reçoit en moyenne 20 appels dans la
journée et on veut determiner la probabilité qu’il ait un seul appel.
Il s’agit d’une loi de poisson avec 
𝑒 −20
P(X= 1) = 201
1!

Exemple 2 : Une population comporte en moyenne une personne mesurant plus

de 1m90 sur 80 personnes. Sur 100 personnes, calculer la probabilité qu’il y ait
au moins une personne mesurant plus de 1.90m. Sur 300 personnes, calculer la
probabilité qu’il y ait au moins une personne mesurant plus de 1.90m.
Reponse :
Le nombre X de personnes mesurant plus de 1.90m parmi 100 obéit à une loi de
Poisson de paramètre 100/ 80
La probabilité qu’il y ait au moins une personne mesurant plus de 1.90m est
donc 1−P[X = 0]

Remarque :
1. Soit X1 Suit P(1) et X2 Suit P(2) et sont indépendantes
Alors X1 + X2 suit P(2)

Approximation de la loi binomiale par la loi de poisson

Pour n "assez grand" (n>30) et pour p voisin de 0 (p ≤ 0.1) tels que np(1-p) <10 ,
on peut approcher la loi binomiale B(n,p) par la loi de Poisson , où  = np ;
On a alors :

Donc Si (n>30) et (p ≤0.1) alors B(n,p) = P( = np)

Exemple : Dans une chaîne de fabrication, 5% des pièces sont défectueuses ; on prélève une
pièce, on examine si elle est défectueuse et on la replace parmi les autres. On répète 120 fois
cette expérience. On désigne par X la variable aléatoire qui represente le nombre de pièces
défectueuses.

DJEMA H. /EHEC/ COURS PROBA : Variables Aléatoires Discrètes / 3

Déterminer la loi de X ? Calculer la probabilité d’avoir 5 pieces défectueuses ? Peut on
l’approximer ? par quelle loi ?
Réponse :
B(n,p)= B( 120, 0.05)
P(x=5)= 0.16335
n = 120 suffisamment grand (>30) et( p = 0,05 <0,1) tels que np(1-p) = 120x0,05x0,95 = 5,7
< 10 Donc, on peut calculer la probabilité d’avoir 5 pièces défectueuses en utilisant une loi
de poisson.
Notre approximation est :  = np = 6
P(x=5) = 0.1606
Les deux résultats sont approximativement identique à 10-2

Loi hypergéométrique ( Paramètres : N,n, N1/ N)

Une entreprise commercialise un lot de N bouteilles d’eau minérale et affirme que seulement
15 % de ces bouteilles ont un taux en nitrate supérieur à 10 mg/L. Pour contrôler la qualité
annoncée, on prélève un échantillon de n bouteilles du lot (n ≤ N) et on analyse leur
composition. Bien sûr une bouteille analysée est ouverte. Elle ne peut donc pas être remise
dans le lot. Donc ; il ne s’agit pas de loi binomiale.
On considère une population de taille N dont N1 individus exactement présentent un certain
caractère A. On prélève sans remise un échantillon de n individus. Soit X la v.a. du nombre
d’individus présentant le caractère A dans l’échantillon. On dit que X suit la loi
hypergéométrique de paramètres (N, n et N1/ N ), ou N1/N designe la probabilité : p , noté
comme suit :
𝑪𝒌𝑵𝟏 𝑪𝒏−𝒌
𝑵−𝑵𝟏
P(X = k) = 𝑪𝒏
𝑵

X ∼ H (N,n, N1/ N )
𝑁−𝑛
E(x)= np ; V(x)= np( ( 𝑁−1 )

Exemple : On prend au hasard, en même temps, trois ampoules dans un lot de 15 dont 5 sont
défectueuses. Calculer la probabilité des événements :
A : au moins une ampoule est défectueuse;
B : les 3 ampoules sont défectueuses;
C : exactement une ampoule est défectueuse
Réponse :
Il s’agit d une loi hypergéométrique :
𝐶50 𝐶15
3−0
−51
A. 1-P(x=0)= 3
𝐶15
B. P(X=3)
C. P(X=1)

Loi géométrique ( paramètre :p)[ loi de pascal]

Cette loi permet de modéliser le nombre de réalisations indépendantes d’une expérience à 2
issues (succès-échec), jusqu’à l’obtention du premier succès, si à chaque réalisation la
probabilité de succès est p.

DJEMA H. /EHEC/ COURS PROBA : Variables Aléatoires Discrètes / 4

Autrement dit, on considère des épreuves de Bernoulli indépendantes et de paramètre p. Le
nombre d’épreuves n’est pas fixé à l’avance : on s’arrête lorsque le succès est obtenu pour la
première fois. Ainsi, le caractère aléatoire n’est pas le nombre de succès, mais le nombre
d’épreuves : X=”nombre d’épreuves nécessaires au 1er succès”. ( on a p et (1-p)=q )

Si X ∼ G (p), alors

P(X = k) = p (1−p) k−1 (pour tout k ∈ N).

E(x)= 1/p ; V(x)= (1-p)/p2

Exemple : On lance un dé continuellement jusqu’`a l’obtention d’un 6. Soit X le nombre de

lancers nécessaires.
1. Quelle est la probabilité d’obtenir un premier 6 au deuxième lancer ?
2. Quelle est la probabilité qu’il faille 10 lancers pour obtenir un 6 ?

Réponse
X ∼ G (1/6), alors

P(X = 2) = p (1−p) = (5/6 ) (1/6)

P(X = 10) = p (1−p) 9

Loi uniforme U(n)

Il s’agit d’une v. a. X prenant les valeurs 1, 2,...,n avec la même probabilité ( équiprobable):
1
P(X= x)= 𝑛
x = { 1, …, n}

𝑛+1 𝑛 2 −1
E(x) = 2
et V(x) = 12

Exemple : La distribution des chiffres obtenue lors d’un lancer d’un dé equilibré suit une
loi uniforme dont la loi de probabilité est :

x 1 2 3 4 5 6
P(X=x) 1/6 1/6 1/6 1/6 1/6 1/6

P(X= 2)= 1/6 Quelque soit i

E(X) =3.5 et V(X) = 2.92
Les moments d’une variable aléatoire
- Les moments d’ordre k :
Mk = E(Xk) = 𝑥∈Ω 𝑥 𝑘 . 𝑃(𝑋 = 𝑥)

Si k= 1, alors M1 = E(x) : Le moment d’ordre 1 est l’espérance mathématique

Si k= 2, alors M2 = E(x2) : Le moment d’ordre 2

- Les moments centrés d’ordre k :

DJEMA H. /EHEC/ COURS PROBA : Variables Aléatoires Discrètes / 5

 µk = E[X-E(X)]k
µ1 = E[X-E(X)] = 0
µ2 = E[X-E(X)]2 = Var(X)

Remarque :
Variance : Var(X) = moment centré d'ordre 2
Espérance : E(X) = moment non-centré d'ordre 1

- E(a)= a
- E(aX)= a E(X)
- E(AX+ bX) = aE(X) +bE(X)
- E(XY) = E(X)E(Y) Si X et Y sont independants

REMARQUE IMPORTANTE:

Ne pas confondre une variable aléatoire, notée X, avec la valeur prise par cette
variable, notée x.

RESUME DES LOIS DISCRETES

Nom de la Loi Paramètres Support La loi E( V(X)

X)
Bernoulli P ∈ 0,1 0,1 Px(1-p)1-x P P(1-P)
Binomiale n∈N et P 0,1,…, n 𝑪𝒙𝒏 𝑷𝒙 (𝟏 − 𝑷)𝒏−𝒙 nP nP(1-P)
∈ 0,1
Poisson ∈ 0, +∞ N  

Hypergéométrique N,n, N1/ N 0,…,n 𝑪𝒌𝑵𝟏 𝑪𝒏−𝒌

𝑵−𝑵𝟏 nP np(N-
P(X = k) = 𝑪𝒏
𝑵 n)/(N-1)

géométrique P ∈[0,1] N* P(X = k) = p (1−p) k−1 1/P (1-P)/P2

DJEMA H. /EHEC/ COURS PROBA : Variables Aléatoires Discrètes / 6