Académique Documents
Professionnel Documents
Culture Documents
P ( X= xi )= pi .
∑ pi =1
i
L’ensemble des valeur vérifient et peut être représenté
par un « diagramme en bâton ».
p2
1/5
p3
p1 pn
p4
x1 x2 x3 x4 ( ... ) xn
X =( x i , pi )i
La donnée de définie la loi de probabilité de la V.A X .
X
Définition : On appelle « fonction de répartition » de , la fonction définie par :
F X : IR → [ 0,1 ] x F X ( x )=P ( X < x ) .
telle que pour tout réel ,
F X ( x ) = ∑ pi
xi < x pi xi< x
On a alors : = (somme des tels que )
IR
La fonction de répartition est définie sur , constante par intervalle, non décroissante
lim F X( x )=0 lim F X ( x )=1
x →−∞ x →+∞
continue à gauche et vérifie : et
F X ( x )=P ( X ≤x ) F
Remarque : Dans certains livres on prend et est continue à droite.
F(x)
1
x1 x2 x3 x
ELEMENTS CARACTERISTIQUES
1.2.1 Caractéristique de tendance centrale
E ( X )=∑ xi pi
X i
L’espérance mathématique (ou moyenne) résume la V.A en une valeur :
X
1.2.2 Caractéristique de dispersion La variance résume l’écart entre les valeurs de et
E( X )
:
V ( X )=∑ ( x i −E( X ) ) pi = ∑ p i x 2i −( E( X ) ) ²
2
i i σ ( X ) =√ V ( X )
a. et l’écart type : .
2/5
σ (X) V (X)
Notons que et sont toujours positifs.
X
Remarque : On dit que est :
E ( X )=0
centrée si
V ( X )=1
réduite si
E ( X )=0 V ( X )=1 .
centrée et réduite si et
X−m
T=
σ σ
Exercice : Montrer que si X est une V.A de moyenne m et d’écart type alors
est une V.A centrée et réduite.
3/5
σ ( aX +b )=|a|σ ( X )
- ;
V ( X +Y )=V ( X )+V ( Y ) +2 COV ( X ,Y )
- ;
COV ( X ,Y )=E ( XY )−E ( X ) E(Y )
- (utile pour le calcul) ;
COV ( aX +b , a ' Y +b' )=aa ' COV ( X , Y )
- ;
aa '
R ( aX +b ,a' Y +b' )= R ( X ,Y )
|aa '|
- ;
−1≤R ( X , Y )≤1
- ;
- Si X et Y sont indépendantes alors
V ( X +Y )= V ( X ) + V ( Y )
* ;
E ( XY )=E ( X ) E ( Y ) COV ( X ,Y )=0
* et dans ce cas .
4/5
a. Schéma : Soit A un événement attaché à une expérience de probabilité p (on posera q = 1- p
la probabilité de l’événement contraire). L’expérience est répétée de façons identiques et
indépendantes et l’on considère la variable aléatoire X égale au nombre d’expériences
nécessaires pour obtenir pour la première fois la réalisation de l’événement A. On dit que X
suit une loi géométrique de paramètre p et on note que X G(p).
b. Loi de probabilité de X.
( Ω )=
Valeurs prises par X : X IN*.
Loi de probabilité de X : Pour tout naturel non nul n on a : P(X = n) = qn-1p.
1 q
E ( X )= V ( X )= .
p p2
Paramètres statistiques : ;
( Η ( N , B , N )) .
2-4 Loi hypergéométrique
a. Schéma : Dans une urne se trouvent N boules dont B boules blanches. On tire d’un coup n
boules. Le nombre X de boules blanches dans ce tirage est une V.A suivant une loi
hypergéométrique qui dépend des trois paramètres N, B et n. On note X H( N, B, n).
b. Loi de probabilité X :
( Ω )=
Valeurs prises par : X {0 ; 1 ; 2 ; …. ; n} ( si B n)
C kB ×Cn−k
N−B
P( X=k )=
CnN
Loi de probabilité de X : Pour tout k = 0 ; 1 ; 2 ; …. ; n on a :
( B(n , p ))
2.5. Loi Binomiale
a. Schéma : soit A un événement attaché à une expérience de probabilité p ; on posera q = 1- p
la probabilité de l’événement contraire. L’expérience est répétée n fois de façons identiques et
indépendantes et l’on considère la V.A X égale au nombre de réalisation de l’événement A.
On dit que X suit une loi binomiale de paramètres n et p et on note : X B(n ; p).
b. Propriétés :
( Ω )=
Valeurs possibles de X : X {0 ; 1 ; 2 ; …… ; n}
Loi de probabilité de X : Pour tout naturel k tel que : 0 k n on a :
k k n−k
Cn p q
P(X = k) =
Paramètres statistiques : E(X) = np et V(X) = npq.
5/5
c. Théorème : Si X1 ; X2 ; …. ; Xn sont n V.A indépendantes suivant toutes la même loi de
Bernoulli B(p) alors X = X1 + X2 + …… + Xn est une V.A qui suit une loi binomiale de
paramètres n et p B(n ; p).
X β ( n, p ) . n p lim np ( n)=m
+∞
Soit Supposons que et soient liés et que . On démontre alors
k
lim
+∞
k k n−k −m
C n p q =e k !
m
que : .
C’est-à-dire la loi de Poisson est une approximation de la loi binomiale et on peut écrire :
X P(m = np) . Cette loi de Poisson est tabulée.
6/5
Conditions d’approximation : Si (n 30 et p 0,1) alors B(n ; p) P(m = np).
7/5