Académique Documents
Professionnel Documents
Culture Documents
Fréquence %
20 la probabilité est la fréquence relative f d’un événement (épreuve) exprimé par la relation
suivante:
15
P( A) = ns
N
10
Les lois de probabilités Définition empirique de Probabilité:
La fréquence relative f d’un événement tend, lorsque N croît, à se stabiliser c.à.d.. (“converge” )
5 autour d’une valeur. Alors la probabilité est:
0 P( A) = lim ns
N → ∞ N
12 14 19 23 29 30 31 32 34 37 45 52
Valeur Xi
90
70
Evénement élémentaire Individu, observation 25
60
20
20 50
Variable aléatoire Caractère 40
15 13 13
Probabilité Fréquence observée 10 10
30
10 20
4 5 6
1
17/01/2018
Dans une expérience aléatoire, quelle est la probabilité d’avoir exactement une valeur? Loi pour des variables qualitatives binaires c.à.d. On considère une suite de n épreuves indépendantes. A chaque épreuve, deux résultats sont
Deux événements seulement sont possibles. possibles : E (succès) avec la probabilité p ou Ē (échec) avec la probabilité q = 1 - p.
Exemple 1: lancer de dé
Quelle la probabilité d’avoir la valeur 4 quand on lance un dé La variable aléatoire X nombre de réalisations de E au cours des n épreuves indépendantes
Ex:mâle ou femelle;mort ou vivant; est dite variable aléatoire binomiale de paramètres n et p avec n ϵ N , p ϵ [ 0,1 ].
Nombre de résultats possibles N=6 par conséquent P(4)= 1/6
possède une caractéristique ou ne la possède pas.
n!
P(x) = C nx P x q n − x avec
C nx =
x!(n−x)!
Exemple 2: Jeu de pile ou face La distribution binomiale est une distribution discontinue qui donne la probabilité
Quelle la probabilité d’avoir la face
de voir apparaître un événement 0, 1, 2, 3, ……, x fois au cours de n événements
Nombre de résultats possibles N=2 par conséquent P(face)= 1/2 n = nombre d’essais (ou épreuves).
indépendants et identiques.
p = probabilité d’événements Succès, Probabilité de l’autre est q = 1 – p.
La fonction de probabilité est appelée fonction de densité ou de masse x = nombre de “succès”(variable aléatoire)
7 8 9
Soit un lot de 1000 comprimés qui comporte p=10% de non- conformité, nous avons
La moyenne ou l’espérance est : µ = np prélevé un échantillon de 10 comprimés.
- Quelle est la probabilité de trouver x = 0, 1, 2 ou 3 filles dans des familles de n = 3enfants?
σ
Calculer la probabilité de trouver 0,1,2,3,4…….10 comprimé non conforme dans cet
Supposons que p (fille) = q(garçon) = 1/2 La variance:
2
= échantillon?
npq
x P(x) P(x) Cumul 0,45
Probabilité %
0 0,34868 0,3487 0,40
2
17/01/2018
Dans une expérience aléatoire, quelle est la probabilité d’avoir exactement une valeur ?
Loi pour des variables qualitatives binaires: deux événements seulement sont possibles. Ex:
mâle ou femelle; mort ou vivant; possède une caractéristique ou ne la possède pas.
Exemple 1: Masse d’un comprimé
Quelle est la probabilité d’avoir la valeur 248,3457 mg sachant que la masse d’un
comprimé
La distribution de Bernouilli est une distribution discontinue qui donne la probabilité de voir varie de 248,0 mg à 252,0 mg.
apparaître un événement de probabilité p suite à une seule éprouve.
P (248,3457) = 0
P(M ∈ [248−252 ]) =
252
252,0 mg
f (x)dx
248
p = probabilité d’un des deux événements. Prob. de l’autre: q = 1 – p.
x =0 ou 1
La fonction de probabilité est appelée densité de probabilité
13 14 15
La distribution normale ou distribution de Gauss ou de Laplace-Gauss est une distribution continue qui
est défini pour toute valeur réelle de la variable aléatoire par la fonction de densité de probabilité:
figure suivante, courbe en
cloche: −∞
16 17 18
3
17/01/2018
Quand une de ces 4conditions n’est satisfaite, on dit qu’il y a des causes assignables.
C.à.d.des causes particulières ou spéciales de variation de la variable. p (aire hachurée) est par définition égale à la probabilité d'obtenir un résultat qui soit
compris entre x1 et x2.
L’absence des causes assignables suppose que le biais est constant soit ne
valeur absolue ou en valeur relative.
Fonction de densité Fonction de répartition
19 20 21
U ou z est une variable aléatoire dite centré et réduite, en effet cette nouvelle variable est
centré sur la moyenne et réduit par l’écart-type.
En conséquence, sa moyenne est 0 et l’écart type est 1. Cette loi est noté N(0,1)
La fonction de densité de
probabilité est donnée par la
relation suivante:
22 23 24
4
17/01/2018
Compte tenu de la symétrie de la loi normale et de l’additivité des probabilités pour des Par exemple : Pr(U < 1,55) = 0,9394
intervalles disjoints, on peut calculer la probabilité à n’importe quel intervalle.
Pour les valeurs de u < 0, on utilise la propriété F(u) = 1 - F(-u).
Exemple: Pr(U < −1,55) = 1 − Pr(U < 1,55) = 1 − 0,9394 =0,0606
Dans une distribution normale centré réduite: On déduit facilement la probabilité pour qu’une variable suivant une loi normale X de
moyenne µ et d’écart-typeσ. Soit comprise dans un intervalle donné. ou encore, à partir de uα , de trouver α.
environ des observations se trouvent entre −1σ et +1σ autour de la P(t ∈ [–uα ; +uα]) = 1 – α
moyenne m c'est-à-dire dans l'intervalle [µ − σ; µ + σ].
P(t > uα) = P(t < –uα) = α ⁄ 2
environ se trouvent dans l'intervalle [µ − 2σ; µ + 2σ]. Exemple: Si F(u)=0,835 alors u= 0,9741
environ se trouvent dans l'intervalle [µ − 2,6σ; µ + 2,6σ] Et si on prend F(u)=0,41 alors u= - 0,2275
25 26 27
Exemple 1 d’utilisation de la table de la loi normale réduite Utilisation de la table de la loi normale réduite
Utilisation de la table de la loi normale Supposant qu’une machine soit utilisé dans le but de remplir automatiquement des
flacons, dont le poids net garanti serait 100 g. Des fluctuations aléatoires des poids La probabilité 9% est relativement élevée, le producteur pourrait la ramener à 2% par
existent cependant, et par mesure de prudence, le producteur décide de donner à ces
flacons un poids moyenne de 101 g. exemple. Soit en augmentant la valeur moyenne poids, soit en modifiant le réglage de la
Soit X une variable suivant la loi normale N(3 ;2),donc de moyenne 3 et d’écart-type 2. En supposant, en outre, que la distribution des valeurs du poids est normale et d’écart- machine de manière à régler la variabilité des poids.
type égale à 0,75g.
On veut calculer les probabilités suivantes : Pr(X < 4), Pr(X < −1)et Pr(X >1)
Quelle est la probabilité d’avoir des poids des flacons inférieures au minimum garanti?
et les nombres ai tels que Pr(X < a1) = 0,75, Pr(X > a2) = 0,85 et Pr(X > a3) = 0,15
On utilise la variable centrée réduite U associée à la variable X : La probabilité que le poids soit inférieure à 100 g est :
28 29 30
5
17/01/2018
Exercices:
Exemple d’application:
EX.1- On contrôle la justesse d’une balance en effectuant la pesée d’un objet-test de 250 g exactement.
On dispose d’un lot des flacons dont on a mesuré les hauteurs et estimé les paramètres
suivantes à l’aide d’un échantillon de taille suffisante. Les résultats sont les suivantes: Si la balance est juste, le résultat doit être représenté par une variable aléatoire X de loi normale
N(250,;0,6). Quelle est la probabilité que le résultat de la pesée dépasse 251 g ?
- Moyenne : x = 52, 4 2
0,152
- Ecart-type: s = 0,152
Les limites de tolérances imposées sont 52,5 ± 0,2
Quel est le pourcentage de rebut correspondant à cette situation EX.2- On jette 1 000 fois une pièce « honnête », quelle est la probabilité que le nombre de Piles soit
P1
P2 compris entre 490 et 510 ?
Calcul des valeurs de u:(transformation à la loi centré réduite)
52,5 − 52, 42 52, 7 − 52, 42 EX.3- Un contrôle au calibre, effectué depuis plusieurs mois sur le diamètre des pièces usinées par
X
u1 = 0,152 = −0,789 ≈ −0,79 u 2 = 0,152 = 1,842 ≈ 1,84 52,3 52,42 52,7 une machine outil, indique que le pourcentage des pièces « défectueuses » est égal à 8%.
u
Lecture des valeurs de p dans la table da la loi normale: u1=-0,79 0 u2=1,84 Un échantillon de 100 pièces de la production est prélevé et le diamètre de ces pièces est vérifié. Soit
u1=-0,79 alors P(0,79)=0,7852 et P(-0,79)=1 – 0,7852=0,215 P1= 0,215
X la variable aléatoire « nombre de pièces défectueuses » dans un échantillon de 100 pièces. La variable
u2=1,84 alors P(1,84)=0,9671 P2= 1- 0,9671= 0,033 P2= 0,033
X suit la loi binomiale B(100 ; 0,08).
Le rebut total est la somme de P1 et P2
Schéma de problème posé En utilisant EXCEL , Calculer la probabilité de trouver 0,1, 2, 3, 4, 5,…,100 Pièces défectueuses dans
P1+P2= 0,215+ 0,033=0,248 cet échantillon?
31 32 33
1- Loi du Khi-deux :
La fonction de densité de la distribution de probabilité pour une variable
Autres lois de probabilité d’une aléatoire de khi-deux est donnée par la formule suivante:
-Définition:
variable continue
Si U1, U2, U3, ……, Uν sont des variables normales centrées et réduites et
indépendantes entre elles, la somme des carrés de ces variables aléatoires obéit
à une loi du Khi-deux ( χ²) à ν degré de liberté: C est constante telle que:
-Loi de khi-deux
-Loi de Ficher ν est un nombre entier positif qui représente le nombre de degré de
Paramètres
liberté (ddl) c.à.d. le nombre de composante indépendantes pour
-Loi de Student Moyenne ν
calculer la valeur de X²
Variance 2ν
Noter que X², qui est le majuscule de χ² symbolise la variable du khi- Ecart-type √2ν
34 35 36
6
17/01/2018
37 38 39
2- Loi du Fisher-Snedecor :
Cette loi trouve un grand nombre d’applications dans les tests statistiques et dans le Soit X²1 et X²2 un couple de variables aléatoires indépendantes suivant respectivement des
calcul d’intervalle de confiance. Citons, entre autres: lois du χ² à ν1 et ν2 degrés de liberté (ddl). Alors la variable:
(I)
• Le test de comparaison des proportions,
•Le test de conformité d’une distribution observée à une distribution attendue, Suit une loi de Fisher-Snedecor à ν1 et ν2 ddl
40 41 42
7
17/01/2018
Utilisation de la table
La loi de Fisher-Snedecor est symbolisée par F (ν1, ν2). Puisque la fonction f(x) dépond La table de la loi de F(ν1 et ν2) indique pour des valeurs de ddl (ν1 et ν2 ) variant de 1 à +∞
les valeurs de xα correspondant aux probabilités:
de deux paramètres ν1 et ν2 , alors il existe autant de courbes de densité de probabilités que
de valeurs de ν1 et ν2.
Noter bien que F (ν1, ν2 ) et F (ν2, ν1 ) sont deux valeurs différents, ν1 se rapporte au
nombre de ddl du numérateur de la formule (I) et ν2 au nombre de ddl du dénominateur.
Toutefois, F(1-α, ν1, ν2 ) aura la même distribution que 1 / F (α, ν2, ν1 ).
43 44 45
2- Loi du Student :
Il existe autant de courbes de densité de la loi de T que la valeur de ν, mais la forme
Soit X² une variable aléatoire obéissant à une loi du χ² à ν ddl et Z une variable aléatoire des courbes varie peu. Ces courbes prennent la forme en cloche.
indépendante obéissant à une loi normale centrée et réduite N(0,1). La variable aléatoire La loi de Student converge vers la loi normale quand ν tend vers l’infini.
Avec t∈Ɍ
46 47 48
8
17/01/2018
Utilisation de la table
La table de la loi de T indique pour des valeurs de ddl ν variant de 1 à ∞ la probabilité Donner la valeur de T si ν =8 et α =0,05
d’obtenir une valeur de t à l’extérieur de l’intervalle ( -tα/2, t α/2) , c .à. d. la probabilité
t 0,05 (8) = 2,306
est la somme des deux airs grisées sous la courbe de la figure ci-dessous
t 0,01 (10) = 3,170
49 50 51