Académique Documents
Professionnel Documents
Culture Documents
Chapitre II
Les variables aléatoires discrètes
1 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Introduction
2 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
3 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
Supposons que l’on s’intéresse à la taille d’une population
composée de 100 individus.
3 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
Supposons que l’on s’intéresse à la taille d’une population
composée de 100 individus.
Taille Effectif
163 7
166 24
169 38
172 24
175 7
Total 100
3 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
Supposons que l’on s’intéresse à la taille d’une population
composée de 100 individus.
4 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
Supposons que l’on s’intéresse à la taille d’une population
composée de 100 individus.
Taille Effectif (ni ) Fréquence relative (fi = ni /N)
163 7 0,07
166 24 0,24
169 38 0,38
172 24 0,24
175 7 0,07
Total 100 1
5 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
Supposons que l’on s’intéresse à la taille d’une population
composée de 100 individus.
Taille Effectif (ni ) Fréquence relative (fi = ni /N)
163 7 0,07
166 24 0,24
169 38 0,38
172 24 0,24
175 7 0,07
Total 100 1
I. Définition
6 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
7 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
7 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
À retenir :
Les fréquences relatives d’une population permettent de retrouver
les probabilités des résultats possibles d’un tirage aléatoire avec
remise des membres de cette population.
⇒ f(163)=P{taille=163}
7 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
Une variable aléatoire (v.a.)
8 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
Une variable aléatoire (v.a.) est une fonction numérique pouvant
prendre plusieurs valeurs possibles,
8 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
Une variable aléatoire (v.a.) est une fonction numérique pouvant
prendre plusieurs valeurs possibles, chaque valeur étant affectée
d’une probabilité.
8 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
Une variable aléatoire (v.a.) est une fonction numérique pouvant
prendre plusieurs valeurs possibles, chaque valeur étant affectée
d’une probabilité.
8 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
Une variable aléatoire (v.a.) est une fonction numérique pouvant
prendre plusieurs valeurs possibles, chaque valeur étant affectée
d’une probabilité.
8 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
Une variable aléatoire (v.a.) est une fonction numérique pouvant
prendre plusieurs valeurs possibles, chaque valeur étant affectée
d’une probabilité.
8 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
Une variable aléatoire (v.a.) est une fonction numérique pouvant
prendre plusieurs valeurs possibles, chaque valeur étant affectée
d’une probabilité.
8 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
9 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
9 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
9 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
9 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
9 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
9 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
9 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
9 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
I. Définition
9 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
10 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
10 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
1. Fonction de distribution
1. La fonction de distribution
11 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
1. Fonction de distribution
1. La fonction de distribution
11 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
1. Fonction de distribution
1. La fonction de distribution
11 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
1. Fonction de distribution
1. La fonction de distribution
11 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
1. Fonction de distribution
1. La fonction de distribution
12 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
1. Fonction de distribution
1. La fonction de distribution
12 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
1. Fonction de distribution
1. La fonction de distribution
13 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
1. Fonction de distribution
1. La fonction de distribution
14 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
1. Fonction de distribution
1. La fonction de distribution
14 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
1. Fonction de distribution
1. La fonction de distribution
Remarque :
14 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
1. Fonction de distribution
1. La fonction de distribution
Remarque :
I Connaître les probabilités des différentes valeurs possibles d’une
v.a. X revient à dire
14 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
1. Fonction de distribution
1. La fonction de distribution
Remarque :
I Connaître les probabilités des différentes valeurs possibles d’une
v.a. X revient à dire que l’on connaît la loi de probabilité de X.
14 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
2. Fonction de répartition
2. La fonction de répartition
15 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
2. Fonction de répartition
2. La fonction de répartition
15 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
2. Fonction de répartition
2. La fonction de répartition
15 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
2. Fonction de répartition
2. La fonction de répartition
15 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
2. Fonction de répartition
2. La fonction de répartition
15 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
2. Fonction de répartition
2. La fonction de répartition
15 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
2. Fonction de répartition
2. La fonction de répartition
15 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
2. Fonction de répartition
2. La fonction de répartition
Remarque : 0 ≤ F (x) ≤ 1
15 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
2. Fonction de répartition
2. La fonction de répartition
16 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs possibles, pondérées par leur
probabilité :
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles, pondérées par leur
probabilité :E (X ) = x.f (x)
x∈DX
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles,Ppondérées par leur
probabilité :E (X ) = x.f (x) = x.P{X = x}
x∈DX x∈DX
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles,Ppondérées par leur
probabilité :E (X ) = x.f (x) = x.P{X = x}
x∈DX x∈DX
Retour à notre
P exemple,
E (X ) = x.P{X = x} =
x∈DX
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles,Ppondérées par leur
probabilité :E (X ) = x.f (x) = x.P{X = x}
x∈DX x∈DX
Retour à notre
P exemple,
E (X ) = x.P{X = x} =
x∈DX
163 × P{X = 163}+
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles,Ppondérées par leur
probabilité :E (X ) = x.f (x) = x.P{X = x}
x∈DX x∈DX
Retour à notre
P exemple,
E (X ) = x.P{X = x} =
x∈DX
163 × P{X = 163}+166 × P{X = 166}+
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles,Ppondérées par leur
probabilité :E (X ) = x.f (x) = x.P{X = x}
x∈DX x∈DX
Retour à notre
P exemple,
E (X ) = x.P{X = x} =
x∈DX
163 × P{X = 163}+166 × P{X = 166}+169 × P{X = 169}+
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles,Ppondérées par leur
probabilité :E (X ) = x.f (x) = x.P{X = x}
x∈DX x∈DX
Retour à notre
P exemple,
E (X ) = x.P{X = x} =
x∈DX
163 × P{X = 163}+166 × P{X = 166}+169 × P{X = 169}+
172 × P{X = 172}+
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles,Ppondérées par leur
probabilité :E (X ) = x.f (x) = x.P{X = x}
x∈DX x∈DX
Retour à notre
P exemple,
E (X ) = x.P{X = x} =
x∈DX
163 × P{X = 163}+166 × P{X = 166}+169 × P{X = 169}+
172 × P{X = 172}+175 × P{X = 175}
=
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles,Ppondérées par leur
probabilité :E (X ) = x.f (x) = x.P{X = x}
x∈DX x∈DX
Retour à notre
P exemple,
E (X ) = x.P{X = x} =
x∈DX
163 × P{X = 163}+166 × P{X = 166}+169 × P{X = 169}+
172 × P{X = 172}+175 × P{X = 175}
= 163 × 0.07+
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles,Ppondérées par leur
probabilité :E (X ) = x.f (x) = x.P{X = x}
x∈DX x∈DX
Retour à notre
P exemple,
E (X ) = x.P{X = x} =
x∈DX
163 × P{X = 163}+166 × P{X = 166}+169 × P{X = 169}+
172 × P{X = 172}+175 × P{X = 175}
= 163 × 0.07+166 × 0.24+
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles,Ppondérées par leur
probabilité :E (X ) = x.f (x) = x.P{X = x}
x∈DX x∈DX
Retour à notre
P exemple,
E (X ) = x.P{X = x} =
x∈DX
163 × P{X = 163}+166 × P{X = 166}+169 × P{X = 169}+
172 × P{X = 172}+175 × P{X = 175}
= 163 × 0.07+166 × 0.24+169 × 0.38+
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles,Ppondérées par leur
probabilité :E (X ) = x.f (x) = x.P{X = x}
x∈DX x∈DX
Retour à notre
P exemple,
E (X ) = x.P{X = x} =
x∈DX
163 × P{X = 163}+166 × P{X = 166}+169 × P{X = 169}+
172 × P{X = 172}+175 × P{X = 175}
= 163 × 0.07+166 × 0.24+169 × 0.38+
172 × 0.24+
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles,Ppondérées par leur
probabilité :E (X ) = x.f (x) = x.P{X = x}
x∈DX x∈DX
Retour à notre
P exemple,
E (X ) = x.P{X = x} =
x∈DX
163 × P{X = 163}+166 × P{X = 166}+169 × P{X = 169}+
172 × P{X = 172}+175 × P{X = 175}
= 163 × 0.07+166 × 0.24+169 × 0.38+
172 × 0.24+175 × 0.07 =
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles,Ppondérées par leur
probabilité :E (X ) = x.f (x) = x.P{X = x}
x∈DX x∈DX
Retour à notre
P exemple,
E (X ) = x.P{X = x} =
x∈DX
163 × P{X = 163}+166 × P{X = 166}+169 × P{X = 169}+
172 × P{X = 172}+175 × P{X = 175}
= 163 × 0.07+166 × 0.24+169 × 0.38+
172 × 0.24+175 × 0.07 = 169
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles,Ppondérées par leur
probabilité :E (X ) = x.f (x) = x.P{X = x}
x∈DX x∈DX
Retour à notre
P exemple,
E (X ) = x.P{X = x} =
x∈DX
163 × P{X = 163}+166 × P{X = 166}+169 × P{X = 169}+
172 × P{X = 172}+175 × P{X = 175}
= 163 × 0.07+166 × 0.24+169 × 0.38+
172 × 0.24+175 × 0.07 = 169
Interprétation ?
17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
Indicateur de tendance centrale.
C’est la somme des valeurs
P possibles,Ppondérées par leur
probabilité :E (X ) = x.f (x) = x.P{X = x}
x∈DX x∈DX
Retour à notre
P exemple,
E (X ) = x.P{X = x} =
x∈DX
163 × P{X = 163}+166 × P{X = 166}+169 × P{X = 169}+
172 × P{X = 172}+175 × P{X = 175}
= 163 × 0.07+166 × 0.24+169 × 0.38+
172 × 0.24+175 × 0.07 = 169
Interprétation ?
En moyenne, on tirera au sort un individu de 169 cm. 17 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
18 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
18 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
18 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
18 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
18 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
18 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
18 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
18 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
18 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
18 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
3. L’espérance mathématique
3. L’espérance mathématique
18 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
19 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Indicateurs de dispersion.
19 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Indicateurs de dispersion.
19 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Indicateurs de dispersion.
19 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Indicateurs de dispersion.
19 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Indicateurs de dispersion.
19 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Indicateurs de dispersion.
19 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+[166 − 169]2 × P{X = 166}+
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+[166 − 169]2 × P{X = 166}+
[169 − 169]2 × P{X = 169}+
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+[166 − 169]2 × P{X = 166}+
[169 − 169]2 × P{X = 169}+[172 − 169]2 × P{X = 172}+
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+[166 − 169]2 × P{X = 166}+
[169 − 169]2 × P{X = 169}+[172 − 169]2 × P{X = 172}+
[175 − 169]2 × P{X = 175} =
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+[166 − 169]2 × P{X = 166}+
[169 − 169]2 × P{X = 169}+[172 − 169]2 × P{X = 172}+
[175 − 169]2 × P{X = 175} = 9,36
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+[166 − 169]2 × P{X = 166}+
[169 − 169]2 × P{X = 169}+[172 − 169]2 × P{X = 172}+
[175 − 169]2 × P{X = 175} = 9,36
Calcul alternatif :
V (X ) = E (X 2 ) − E (X )2
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+[166 − 169]2 × P{X = 166}+
[169 − 169]2 × P{X = 169}+[172 − 169]2 × P{X = 172}+
[175 − 169]2 × P{X = 175} = 9,36
Calcul alternatif :
V (X ) = E (X 2 ) − E (X )2 =
P 2
x .P{X = x} − E (X )2
x∈DX
=
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+[166 − 169]2 × P{X = 166}+
[169 − 169]2 × P{X = 169}+[172 − 169]2 × P{X = 172}+
[175 − 169]2 × P{X = 175} = 9,36
Calcul alternatif :
V (X ) = E (X 2 ) − E (X )2 =
P 2
x .P{X = x} − E (X )2
x∈DX
=1632 × P{X = 163}+
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+[166 − 169]2 × P{X = 166}+
[169 − 169]2 × P{X = 169}+[172 − 169]2 × P{X = 172}+
[175 − 169]2 × P{X = 175} = 9,36
Calcul alternatif :
V (X ) = E (X 2 ) − E (X )2 =
P 2
x .P{X = x} − E (X )2
x∈DX
=1632 × P{X = 163}+1662 × P{X = 166}+
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+[166 − 169]2 × P{X = 166}+
[169 − 169]2 × P{X = 169}+[172 − 169]2 × P{X = 172}+
[175 − 169]2 × P{X = 175} = 9,36
Calcul alternatif :
V (X ) = E (X 2 ) − E (X )2 =
P 2
x .P{X = x} − E (X )2
x∈DX
=1632 × P{X = 163}+1662 × P{X = 166}+1692 × P{X = 169}+
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+[166 − 169]2 × P{X = 166}+
[169 − 169]2 × P{X = 169}+[172 − 169]2 × P{X = 172}+
[175 − 169]2 × P{X = 175} = 9,36
Calcul alternatif :
V (X ) = E (X 2 ) − E (X )2 =
P 2
x .P{X = x} − E (X )2
x∈DX
=1632 × P{X = 163}+1662 × P{X = 166}+1692 × P{X = 169}+
1722 × P{X = 172}+
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+[166 − 169]2 × P{X = 166}+
[169 − 169]2 × P{X = 169}+[172 − 169]2 × P{X = 172}+
[175 − 169]2 × P{X = 175} = 9,36
Calcul alternatif :
V (X ) = E (X 2 ) − E (X )2 =
P 2
x .P{X = x} − E (X )2
x∈DX
=1632 × P{X = 163}+1662 × P{X = 166}+1692 × P{X = 169}+
1722 × P{X = 172}+1752 × P{X = 175} -
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+[166 − 169]2 × P{X = 166}+
[169 − 169]2 × P{X = 169}+[172 − 169]2 × P{X = 172}+
[175 − 169]2 × P{X = 175} = 9,36
Calcul alternatif :
V (X ) = E (X 2 ) − E (X )2 =
P 2
x .P{X = x} − E (X )2
x∈DX
=1632 × P{X = 163}+1662 × P{X = 166}+1692 × P{X = 169}+
1722 × P{X = 172}+1752 × P{X = 175} - 1692 =
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+[166 − 169]2 × P{X = 166}+
[169 − 169]2 × P{X = 169}+[172 − 169]2 × P{X = 172}+
[175 − 169]2 × P{X = 175} = 9,36
Calcul alternatif :
V (X ) = E (X 2 ) − E (X )2 =
P 2
x .P{X = x} − E (X )2
x∈DX
=1632 × P{X = 163}+1662 × P{X = 166}+1692 × P{X = 169}+
1722 × P{X = 172}+1752 × P{X = 175} - 1692 = 9,36
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
Retour à notre
P exemple, 2
V (X ) = [x − E (X )] .P{X = x}
x∈DX
=[163 − 169]2 × P{X = 163}+[166 − 169]2 × P{X = 166}+
[169 − 169]2 × P{X = 169}+[172 − 169]2 × P{X = 172}+
[175 − 169]2 × P{X = 175} = 9,36
Calcul alternatif :
V (X ) = E (X 2 ) − E (X )2 =
P 2
x .P{X = x} − E (X )2
x∈DX
=1632 × P{X = 163}+1662 × P{X = 166}+1692 × P{X = 169}+
1722 × P{X = 172}+1752 × P{X = 175} - 1692 = 9,36
Interprétation ?
20 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
21 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
On appelle
p écart-type de la v.a. X σ(X ) défini tel que :
σ(X ) = V (X ).
21 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
On appelle
p écart-type de la v.a. X σ(X ) défini tel que :
σ(X ) = V (X ).
√
Retour à notre exemple, σ(X )= 9, 36=
21 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
On appelle
p écart-type de la v.a. X σ(X ) défini tel que :
σ(X ) = V (X ).
√
Retour à notre exemple, σ(X )= 9, 36=3,06
Interprétation ?
21 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
On appelle
p écart-type de la v.a. X σ(X ) défini tel que :
σ(X ) = V (X ).
√
Retour à notre exemple, σ(X )= 9, 36=3,06
Interprétation ?
En moyenne, l’individus tiré au sort fera entre (E (X ) − σ(X ) =)
165,94 et (E (X ) + σ(X ) =) 172,06 cm.
21 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
22 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
22 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
22 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
22 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
22 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
22 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
22 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
22 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
22 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
4. La variance et l’écart-type
22 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
Evaluation en TD
Semaine du 21 février.
Programme : TD1 et TD2.
23 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
Rappels
24 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
Rappels
24 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
Rappels
24 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
Rappels
24 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
Rappels
24 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
Rappels
25 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
Rappels
25 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
Rappels
25 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
Rappels
25 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
Rappels
25 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
Rappels
25 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
Rappels
25 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
Rappels
25 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
4. La variance et l’écart-type
Rappels
25 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
26 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
27 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
Une v.a. X suivant un loi discrète uniforme est une v.a. dont les
réalisations ont toutes la même probabilité de se réaliser.
27 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
Une v.a. X suivant un loi discrète uniforme est une v.a. dont les
réalisations ont toutes la même probabilité de se réaliser.
⇔ Loi de la v.a. X définie sur DX = {1, 2, ..., n} telle que f (x) = n1 .
27 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
Une v.a. X suivant un loi discrète uniforme est une v.a. dont les
réalisations ont toutes la même probabilité de se réaliser.
⇔ Loi de la v.a. X définie sur DX = {1, 2, ..., n} telle que f (x) = n1 .
On écrira X ∼ U(n).
27 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
Une v.a. X suivant un loi discrète uniforme est une v.a. dont les
réalisations ont toutes la même probabilité de se réaliser.
⇔ Loi de la v.a. X définie sur DX = {1, 2, ..., n} telle que f (x) = n1 .
On écrira X ∼ U(n).
Exemple ?
27 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
Une v.a. X suivant un loi discrète uniforme est une v.a. dont les
réalisations ont toutes la même probabilité de se réaliser.
⇔ Loi de la v.a. X définie sur DX = {1, 2, ..., n} telle que f (x) = n1 .
On écrira X ∼ U(n).
Exemple ?
Soit X=« Le résultat d’un lancer de dé ».
27 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
Une v.a. X suivant un loi discrète uniforme est une v.a. dont les
réalisations ont toutes la même probabilité de se réaliser.
⇔ Loi de la v.a. X définie sur DX = {1, 2, ..., n} telle que f (x) = n1 .
On écrira X ∼ U(n).
Exemple ?
Soit X=« Le résultat d’un lancer de dé ».
⇒ X ∼ U(6).
27 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
28 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
28 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
28 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
28 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
28 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
28 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
28 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
28 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
28 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
28 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
28 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
28 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
28 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
29 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
29 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
29 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
29 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
29 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
29 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Uniforme
29 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
Exemples ?
30 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
Exemples ?
I Le résultat d’un lancer de pièce
30 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
Exemples ?
I Le résultat d’un lancer de pièce
I Obtenir 6 au lancer de dé
I Le résultat d’un contrôle qualité en fin de chaîne de production
pour un produit
30 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
Exemples ?
I Le résultat d’un lancer de pièce
I Obtenir 6 au lancer de dé
I Le résultat d’un contrôle qualité en fin de chaîne de production
pour un produit
30 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
Exemples ?
I Le résultat d’un lancer de pièce
I Obtenir 6 au lancer de dé
I Le résultat d’un contrôle qualité en fin de chaîne de production
pour un produit
30 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
Exemples ?
I Le résultat d’un lancer de pièce
I Obtenir 6 au lancer de dé
I Le résultat d’un contrôle qualité en fin de chaîne de production
pour un produit
30 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
Exemples ?
I Le résultat d’un lancer de pièce
I Obtenir 6 au lancer de dé
I Le résultat d’un contrôle qualité en fin de chaîne de production
pour un produit
Bernouilli
La loi de Bernoulli
Exemples ?
I Le résultat d’un lancer de pièce
I Obtenir 6 au lancer de dé
I Le résultat d’un contrôle qualité en fin de chaîne de production
pour un produit
Bernouilli
La loi de Bernoulli
On écrira X ∼ B(p)
31 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
On écrira X ∼ B(p)
31 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
On écrira X ∼ B(p)
31 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
On écrira X ∼ B(p)
31 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
On écrira X ∼ B(p)
31 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
On écrira X ∼ B(p)
31 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
On écrira X ∼ B(p)
31 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
On écrira X ∼ B(p)
31 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
On écrira X ∼ B(p)
31 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
On écrira X ∼ B(p)
31 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
On écrira X ∼ B(p)
31 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
On écrira X ∼ B(p)
31 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
On écrira X ∼ B(p)
31 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Bernouilli
La loi de Bernoulli
On écrira X ∼ B(p)
31 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
32 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemples ?
32 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemples ?
32 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemples ?
Une v.a. Y suit une loi binomiale si elle est le résultat d’une
succession n épreuves.
32 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemples ?
Une v.a. Y suit une loi binomiale si elle est le résultat d’une
succession n épreuves.
I Ces épreuves doivent être statistiquement indépendantes
32 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemples ?
Une v.a. Y suit une loi binomiale si elle est le résultat d’une
succession n épreuves.
I Ces épreuves doivent être statistiquement indépendantes
I À chaque épreuve i,
32 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemples ?
Une v.a. Y suit une loi binomiale si elle est le résultat d’une
succession n épreuves.
I Ces épreuves doivent être statistiquement indépendantes
I À chaque épreuve i, un certain événement se produit ou pas
avec Xi ∼ B(p).
32 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemples ?
Une v.a. Y suit une loi binomiale si elle est le résultat d’une
succession n épreuves.
I Ces épreuves doivent être statistiquement indépendantes
I À chaque épreuve i, un certain événement se produit ou pas
avec Xi ∼ B(p).
n
I Y =
P
Xi , avec DY =
i=1
32 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemples ?
Une v.a. Y suit une loi binomiale si elle est le résultat d’une
succession n épreuves.
I Ces épreuves doivent être statistiquement indépendantes
I À chaque épreuve i, un certain événement se produit ou pas
avec Xi ∼ B(p).
n
I Y =
P
Xi , avec DY ={0, 1, ..., n}
i=1
32 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemples ?
Une v.a. Y suit une loi binomiale si elle est le résultat d’une
succession n épreuves.
I Ces épreuves doivent être statistiquement indépendantes
I À chaque épreuve i, un certain événement se produit ou pas
avec Xi ∼ B(p).
n
I Y =
P
Xi , avec DY ={0, 1, ..., n}
i=1
Binomiale
La loi binomiale
Exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
33 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
Y ∼ Bin(3, 16 ), avec DY = {0, 1, 2, 3} .
33 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
34 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } =
34 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
34 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)! , pour prendre en compte les différentes
combinaisons possibles de succès et d’échecs quand Y=y.
34 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)! , pour prendre en compte les différentes
combinaisons possibles de succès et d’échecs quand Y=y.
34 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)! , pour prendre en compte les différentes
combinaisons possibles de succès et d’échecs quand Y=y.
34 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)! , pour prendre en compte les différentes
combinaisons possibles de succès et d’échecs quand Y=y.
34 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)! , pour prendre en compte les différentes
combinaisons possibles de succès et d’échecs quand Y=y.
34 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)! , pour prendre en compte les différentes
combinaisons possibles de succès et d’échecs quand Y=y.
34 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)! , pour prendre en compte les différentes
combinaisons possibles de succès et d’échecs quand Y=y.
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)! , pour prendre en compte les différentes
combinaisons possibles de succès et d’échecs quand Y=y.
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)! , pour prendre en compte les différentes
combinaisons possibles de succès et d’échecs quand Y=y.
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)! , pour prendre en compte les différentes
combinaisons possibles de succès et d’échecs quand Y=y.
Binomiale
La loi binomiale
Fonction de distribution de Y :
35 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } =
35 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)!
Retour exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
2. On lance 3 fois de suite un dé, quelle est la probabilité de faire
deux 6 ?
35 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)!
Retour exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
2. On lance 3 fois de suite un dé, quelle est la probabilité de faire
deux 6 ?
f (y ) = P{Y = 2} =
35 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)!
Retour exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
2. On lance 3 fois de suite un dé, quelle est la probabilité de faire
deux 6 ?
f (y ) = P{Y = 2} = C32 ( 16 )2 ( 56 )1 =
35 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)!
Retour exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
2. On lance 3 fois de suite un dé, quelle est la probabilité de faire
deux 6 ?
f (y ) = P{Y = 2} = C32 ( 16 )2 ( 56 )1 = 2!(3−2)!
3!
( 16 )2 ( 56 )1 =
35 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)!
Retour exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
2. On lance 3 fois de suite un dé, quelle est la probabilité de faire
deux 6 ?
f (y ) = P{Y = 2} = C32 ( 16 )2 ( 56 )1 = 2!(3−2)!
3!
( 16 )2 ( 56 )1 =
3×2×1 1 2 5 1
2×1×1 ( 6 ) ( 6 ) =
35 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Fonction de distribution de Y :
On peut démontrer que f (y ) = P{Y = y } = Cny p y (1 − p)n−y
Avec Cny = y !(n−y
n!
)!
Retour exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
2. On lance 3 fois de suite un dé, quelle est la probabilité de faire
deux 6 ?
f (y ) = P{Y = 2} = C32 ( 16 )2 ( 56 )1 = 2!(3−2)!
3!
( 16 )2 ( 56 )1 =
3×2×1 1 2 5 1 5
2×1×1 ( 6 ) ( 6 ) = 3× 63
= 0, 069
3. Représentez graphiquement la fonction de distribution de Y
35 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
36 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
37 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
37 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
37 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
2. On lance 3 fois de suite un dé. Quelle est la probabilité de faire
deux 6 ?
3. Représentez graphiquement sa fonction de distribution.
4. Calculez l’espérance mathématique et l’écart-type de Y.
38 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
2. On lance 3 fois de suite un dé. Quelle est la probabilité de faire
deux 6 ?
3. Représentez graphiquement sa fonction de distribution.
4. Calculez l’espérance mathématique et l’écart-type de Y.
E(Y) = n.p
38 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
2. On lance 3 fois de suite un dé. Quelle est la probabilité de faire
deux 6 ?
3. Représentez graphiquement sa fonction de distribution.
4. Calculez l’espérance mathématique et l’écart-type de Y.
1
E(Y) = n.p=3 × 6
38 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
2. On lance 3 fois de suite un dé. Quelle est la probabilité de faire
deux 6 ?
3. Représentez graphiquement sa fonction de distribution.
4. Calculez l’espérance mathématique et l’écart-type de Y.
E(Y) = n.p=3 × 61 =0,5
38 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
2. On lance 3 fois de suite un dé. Quelle est la probabilité de faire
deux 6 ?
3. Représentez graphiquement sa fonction de distribution.
4. Calculez l’espérance mathématique et l’écart-type de Y.
E(Y) = n.p=3 × 61 =0,5
V(Y) = n.p.(1-p)
38 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
2. On lance 3 fois de suite un dé. Quelle est la probabilité de faire
deux 6 ?
3. Représentez graphiquement sa fonction de distribution.
4. Calculez l’espérance mathématique et l’écart-type de Y.
E(Y) = n.p=3 × 61 =0,5
1
V(Y) = n.p.(1-p) = 3 × 6 × 56 =
38 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
2. On lance 3 fois de suite un dé. Quelle est la probabilité de faire
deux 6 ?
3. Représentez graphiquement sa fonction de distribution.
4. Calculez l’espérance mathématique et l’écart-type de Y.
E(Y) = n.p=3 × 61 =0,5
1
V(Y) = n.p.(1-p) = 3 × 6 × 56 = 12
5
=0,42
38 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Exemple :
Soit Y=« le nombre de 6 obtenus en trois lancers de dé ».
1. Déterminez la loi suivie par Y ainsi que son ensemble de
définition DY ?
2. On lance 3 fois de suite un dé. Quelle est la probabilité de faire
deux 6 ?
3. Représentez graphiquement sa fonction de distribution.
4. Calculez l’espérance mathématique et l’écart-type de Y.
E(Y) = n.p=3 × 61 =0,5
V(Y) = n.p.(1-p) = 3 × 16 × 56 = 12
5
=0,42
q
5
p
σ(Y ) = V (Y ) = 12 =0,64
38 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Remarques :
39 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Remarques :
I À partir d’une v.a. suivant une loi binomiale, on peut étudier
les proportions de « succès » : π = Y /n
39 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Remarques :
I À partir d’une v.a. suivant une loi binomiale, on peut étudier
les proportions de « succès » : π = Y /n
I E (π) = E (Y /n) =
39 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Remarques :
I À partir d’une v.a. suivant une loi binomiale, on peut étudier
les proportions de « succès » : π = Y /n
I E (π) = E (Y /n) = n1 E (Y )
I V (π) = V (Y /n) =
39 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Remarques :
I À partir d’une v.a. suivant une loi binomiale, on peut étudier
les proportions de « succès » : π = Y /n
I E (π) = E (Y /n) = n1 E (Y )
I V (π) = V (Y /n) = n12 V (Y )
I Soient A ∼ Bin(nA , p) et
39 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Remarques :
I À partir d’une v.a. suivant une loi binomiale, on peut étudier
les proportions de « succès » : π = Y /n
I E (π) = E (Y /n) = n1 E (Y )
I V (π) = V (Y /n) = n12 V (Y )
I Soient A ∼ Bin(nA , p) et B ∼ Bin(nB , p),
39 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Remarques :
I À partir d’une v.a. suivant une loi binomiale, on peut étudier
les proportions de « succès » : π = Y /n
I E (π) = E (Y /n) = n1 E (Y )
I V (π) = V (Y /n) = n12 V (Y )
I Soient A ∼ Bin(nA , p) et B ∼ Bin(nB , p),
alors A + B ∼
39 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Binomiale
La loi binomiale
Remarques :
I À partir d’une v.a. suivant une loi binomiale, on peut étudier
les proportions de « succès » : π = Y /n
I E (π) = E (Y /n) = n1 E (Y )
I V (π) = V (Y /n) = n12 V (Y )
I Soient A ∼ Bin(nA , p) et B ∼ Bin(nB , p),
alors A + B ∼ Bin(nA + nB , p)
39 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
40 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
40 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
40 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
40 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
40 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
40 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
40 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
40 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
40 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
Pascal
Pascal
41 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
41 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
41 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
41 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
41 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
42 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
On a toujours :
I E (Z ) = p1
43 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
On a toujours :
I E (Z ) = p1
I V (Z ) = 1−p
p2
43 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
44 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
44 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
44 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
44 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
44 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
44 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
44 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
Pascal
Pascal
45 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Pascal
Voici les groupes ayant des effectifs beaucoup plus réduits dans
lesquels vous pourriez vous inscrire :
I GR01* : Lundi 17h-19h (17 inscrits)
I GR05 : lundi 8h-10h (23 inscrits)
I GR06* : Mardi 8h-10h (17 inscrits)
45 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
46 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
Exemple ?
46 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
Exemple ?
46 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
Exemple ?
46 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
Exemple ?
On a DX =
46 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
Exemple ?
On a DX ={0, 1, 2, ...}
46 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
Exemple ?
On a DX ={0, 1, 2, ...}
On écrira X ∼ P(λ)
46 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
On a toujours :
47 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
On a toujours :
I E (X ) = λ
47 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
On a toujours :
I E (X ) = λ
I V (X ) = λ
47 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
On a toujours :
I E (X ) = λ
I V (X ) = λ
I f(x)=
47 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
On a toujours :
I E (X ) = λ
I V (X ) = λ
x
I f(x)=P{X = x} = e −λ . λx!
47 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
48 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
48 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
48 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
48 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
48 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
48 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
48 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
49 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
Exemple : Une compagnie de taxis subit en moyenne 9 crevaisons
par semaine. Soit X=« le nombre de crevaisons en une semaine ».
1. Déterminez la loi suivie par X ainsi que son ensemble de
définition DX .
2. Quelle est la probabilité que le nombre de crevaisons soit de 3
pour la semaine qui commence ?
3. Représentez graphiquement sa fonction de distribution.
4. Calculez l’écart-type des crevaisons sur une semaine.
50 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
Exemple : Une compagnie de taxis subit en moyenne 9 crevaisons
par semaine. Soit X=« le nombre de crevaisons en une semaine ».
1. Déterminez la loi suivie par X ainsi que son ensemble de
définition DX .
2. Quelle est la probabilité que le nombre de crevaisons soit de 3
pour la semaine qui commence ?
3. Représentez graphiquement sa fonction de distribution.
4. Calculez l’écart-type des crevaisons sur une semaine.
V(X) =
50 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
Exemple : Une compagnie de taxis subit en moyenne 9 crevaisons
par semaine. Soit X=« le nombre de crevaisons en une semaine ».
1. Déterminez la loi suivie par X ainsi que son ensemble de
définition DX .
2. Quelle est la probabilité que le nombre de crevaisons soit de 3
pour la semaine qui commence ?
3. Représentez graphiquement sa fonction de distribution.
4. Calculez l’écart-type des crevaisons sur une semaine.
V(X) =λ=
p9
σ(X ) = V (X ) =
50 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
Exemple : Une compagnie de taxis subit en moyenne 9 crevaisons
par semaine. Soit X=« le nombre de crevaisons en une semaine ».
1. Déterminez la loi suivie par X ainsi que son ensemble de
définition DX .
2. Quelle est la probabilité que le nombre de crevaisons soit de 3
pour la semaine qui commence ?
3. Représentez graphiquement sa fonction de distribution.
4. Calculez l’écart-type des crevaisons sur une semaine.
V(X) =λ=
p9 √
σ(X ) = V (X ) = 9=3
50 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
Remarque :
Soit Y ∼ Bin(n, p).
51 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
Remarque :
Soit Y ∼ Bin(n, p).
Si n est « assez grand »( n > 30)
51 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
Remarque :
Soit Y ∼ Bin(n, p).
Si n est « assez grand »( n > 30) et pour p voisin de 0 (p ≤ 0, 1)
tels que V (Y ) = np(1 − p) ≤ 10,
51 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
Remarque :
Soit Y ∼ Bin(n, p).
Si n est « assez grand »( n > 30) et pour p voisin de 0 (p ≤ 0, 1)
tels que V (Y ) = np(1 − p) ≤ 10, on peut approcher la loi
binomiale Bin(n, p)
51 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
La loi de Poisson
Remarque :
Soit Y ∼ Bin(n, p).
Si n est « assez grand »( n > 30) et pour p voisin de 0 (p ≤ 0, 1)
tels que V (Y ) = np(1 − p) ≤ 10, on peut approcher la loi
binomiale Bin(n, p) par la loi de Poisson P(λ), où λ = E (Y ) = np.
51 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
52 / 53
I. Définition II. Caractéristiques des v.a. discrètes III. Lois de probabilité usuelles
Poisson
Conclusion
53 / 53