Académique Documents
Professionnel Documents
Culture Documents
Mohamed Dakkon
F.S.J.E.S - Tétouan
Année universitaire 2020-2021.
Module:Echantillonnage et Estimation
Définition
Une variable aléatoire est une application de l’univers dans R
X:Ω→R
ω 7→ X(ω)
Exemples de v.a.
Le résultat d’un lancé de dé. On a alors,
X(Ω) = {1, 2, 3, 4, 5, 6}
Soit le jeu consistant à lancer une pièce et gagner 10 Dhs si
pile, rien sinon. Soit X = le gain à l’issue d’un lancé.
X : Ω → {0, 1}
Le nombre de piles obtenus sur 4 lancés d’une pièce.
X(Ω) = {0, 1, 2, 3, 4}
Définition
On appelle loi d’une variable aléatoire discrète la donnée de
tous les P(X = xi ) lorsque xi prend toutes les valeurs possibles
dans X(Ω).
xi x1 x2 .... xN
P[X = xi ] p1 p2 ... pN
Espérance
Définition
L’espérance mathématique E[X] d’une variable aléatoire X
joue le rôle dévolu à la moyenne en statistique : elle correspond
à la valeur moyenne espérée par un observateur lors d’une
réalisation de la variable aléatoire X. On a :
N
X N
X
E[X] = xi .pi = xi .P[X = xi ]
i=1 i=1
Variance
Définition
La variance mesure ainsi la déviation moyenne autour de la
moyenne espérée E[X], et est définie par
Proposition
La variance elle est toujours positive puisqu’il s’agit de
l’espérance d’un carré.
Écart-type
Définition
Pour mesurer la dispersion d’une variable aléatoire X, on
considère souvent en statistique l’écart-type, lié à la variance
par : p
σ(X) = V(X)
V(aX + b) = a2 V(X).
Definition
On réalise une expérience aléatoire qui a deux résultats
possibles :
Soit le succès qui a une probabilité p de se réaliser, soit l’échec
qui a une probabilité q = 1 − p.
La variable aléatoire X = nombre de succès obtenus suit la loi
de Bernoulli notée B(1, p) et définie par : P(X = 0) = 1 − p et
P(X = 1) = p.
Loi de Bernoulli
Definition
On dit que X suit la loi de Bernoulli de paramètre p ssi :
P[X = 1] = p,
P[X = 0] = 1 − p.
Exemple
On joue au Pile ou Face avec proba p de tomber sur Pile (et
donc 1 − p de tomber sur Face).
Soit :
1, si on obtient Pile ,
X= ; alors X suit une Bernoulli
0, sinon,
B(1, p).
Mohamed Dakkon Module: Échantillonnage et Estimation
Loi de Bernoulli
Plan
Loi Binomiale
Rappels sur les variables aléatoires
Loi hypergéométrique ou loi du tirage exhaustif
Lois classique discrétes
Loi de Poisson
E[X] = p,
Loi binomiale
Definition
On réalise n fois successivement et d’une manière
indépendante une expérience aléatoire qui a deux résultats
possibles, le succès (associé au résultat pour lequel nous
voulons déterminer la probabilité) qui a une probabilité p de se
réaliser et l’échec qui a une probabilité q = 1 − p de se réaliser.
La v.a. X = nombre de succès obtenus au cours des n épreuves
suit la loi binomiale notée B(n, p) définie par :
P : {0, 1, ....., n} −→ [0, 1]
Loi binomiale
Exemple de base
Théorème
Si Y peut s’écrire ainsi :
Y = X1 + ... + Xi + ... + Xn ,
n!
P[X = k] = Ckn .pk .(1 − p)n−k avec Ckn =
k!(n − k)!
Théorème :
Soit X1 , X2 , ...., Xn n variables aléatoires discrètes
indépendantes les unes des autres.
Si X1 → B(n1 , p), X2 → B(n2 , p), ...., et Xn → B(nn , p),
Alors
Définition
Dans une population de taille N, on a deux types d’éléments,
N1 éléments de type I et N2 éléments de type II. On effectue n
tirages sans remise (=prélèvement d’un seul coup de n
éléments). La v.a. discrète X = nombre d’éléments de type I
obtenus après les n tirages suit la loi hypergéométrique notée
N1
H(N, n, p) avec p = , définie par : P : {0, 1, · · · , n} −→ [0, 1]
N
CkN1 Cn−k
N2
k 7−→ P(X = k) = avec N1 = pN , N2 = qN
CnN
Espérance et Variance
Si X → H(N, n, p) alors,
E(X) = np
N−n
V(X) = np(1 − p)
N−1
N−n
N−1 est le facteur d’exhaustivité.
Domaine d’utilisation
La loi hypergéométrique est utilisée, en particulier dans les
contrôles de qualité où on retire, de la population étudiée, les
éléments défaillants.
Loi de Poisson
Loi de Poisson
Cette loi peut modéliser les événements rares. Par exemple, elle
peut modéliser le nombre d’appels reçus par un standard
téléphonique, le nombre de voyageurs se présentant à un
guichet dans la journée, etc. Elle s’exprime à l’aide de la
fonction exponentielle et dépend d’un paramètre λ > 0, qui
correspond au nombre moyen d’occurrence du phénomène
observé pendant la durée donnée.
Loi de poisson
Definition
Une variable aléatoire X suit une loi de Poisson de paramètre
λ > 0, notée P(λ) lorsque X(Ω) = N et pour tout k ∈ N
λk
P[X = k] = e−λ .
k!
Loi de Poisson
Exemple
Une compagnie d’assurances reçoit, en moyenne 4, 5
réclamations par jour.
Déterminer la probabilité que, durant une certaine journée, le
nombre de réclamations reçues soit inférieur ou égal à 2.
Loi de Poisson
Exemple (suite)
Soit X = nombre de réclamations reçues dans une journée.
On suppose que X → P(λ = 4, 5).
= 0, 1736.
Loi de Poisson
Exemple 2
Un standard téléphonique reçoit en moyenne 0,7 appel à la
minute.
Quelle est la probabilité pour que, entre 09 h 59 et 10 h, il
reçoive :
a) 0 appel
b) 1 appel
c) plus d’un appel
Loi de Poisson
Exemple 2 (suite)
Soit X la loi de survenance des appels qui suit la loi de Poisson
P(0, 7).
a) P(”0 appel”) = P(X = 0) = e−0,7 ∗ (0, 7)0 /0! = 0, 4966
b) P(”1 appel”) = P(X = 1) = e−0,7 ∗ (0, 7)1 /1! = 0, 3476
c) P(”plus d0 un appel”) = P(X > 1) = 1 − P(X ≤ 1) =
1 − (P(X = 0) + P(X = 1)) = 0, 1558
Fin