17/01/2018

Courbe de densité Le mot probabilité ou l’adjectif probable est

bien souvent synonyme du mot chance.
25
Définition classique de Probabilité:

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

Lorsque l’effectif d’un échantillon devient grand:

•les fréquences relatives estimées tendent vers les
Courbe de densité: donne la fréquence( ou la densité) de chaque valeur de la variable X. probabilités et
•les distributions de fréquences relatives observées
f(X=31)=13%
tendent vers les distributions de probabilités.
1 2 3

Une distribution de probabilités (ou loi de distribution) indique les probabilités de

Liens des notations de probabilité avec ceux de la statistique 2- Fonction de répartition
réalisation d’une variable aléatoire X, de la même manière qu’une distribution de
fréquence qui représente les fréquences d’avoir une valeur d’une variable X.
La fonction de répartition,appelée F(x),est la distribution cumulée de la fonction f(x);c’est
1- Fonction de densité de probabilité
Notation de Probabilité Notations de Statistique donc l’intégrale de f(x). Elle indique la probabilité que x soit inférieur ou égal à toute valeur xi .
Une fonction de densité de probabilité est une fonction f(x) correspondant à l’équation de
Espace fondamental Population la loi de probabilité pour toutes les valeurs de la variable X. 100

90

Epreuve, événement Expérimentation 30 80

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

Loi (distribution) de probabilité Distribution de fréquence 7 7 7 10

5 3 3 3 3 0
Espérance mathématique Moyenne observée 10 20
50
30 40
0
12 14 19 23 29 30 31 32 34 37 45 52
Variance Variance observée Fonction de répartition du Fonction de répartition
Caractère discret Caractère continu Caractère discret Caractère continu

4 5 6

1
 17/01/2018

1- Cas d’une variable discrète (discontinue)

1-1 Loi binomiale (variable discrète) 1-1- Loi binomiale (variable discrète)

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

Application de la table binomiale

Exemple d’application1 Paramètres de la distribution Binomiale: Exemple 2:

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

1 0,38742 0,7361 0,35

Application: (exemple 1)
2 0,19371 0,9298 0,30

La moyenne :µ= 3x1/2=1,5 3 0,05740 0,9872 0,25

4 0,01116 0,9984
0,20
La variance: σ²=3x1/2x1/2=0,75 5 0,00149 0,9999
0,15
6 0,00014 1,0000
0,10
7 0,00001 1,0000
0,05
8 3,65E-07 1,0000
9 0,00
9,00E-09 1,0000 0 1 2 3 4 5 6 7 8 9 10
Nbre Cps N-C
10 1,00E-10 1,0000

Loi de proportion: Fonction de densité

10 11 12

2
 17/01/2018

Table de la loi de binomiale

I-II- Loi de bernouilli (cas particulier de la loi binomiale) 2- Cas de variable continue

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

Exemple II: Masse d’un comprimé

P(x) = Pxq1−x Quelle est la probabilité pour que la valeur 248,3457 mg soit comprise entre 248,0 mg et

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 fonction de densité de L’équation de la fonction de répartition est :

2-1- Loi normale probabilité d’une distribution
normale est représentée par la
F (x ) = f ( x ) × dx
x

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:  −∞

1elle est symétrique par rapport à l'axe des y

1 exp  − (x − µ )2 
Cette fonction a une forme de S largement ouverte,
f (x; µ,σ )=
passant par le sommet (x=µ)

2πσ  2σ 2  2Elle possède deux points d’inflexions situés
elle possède en x= µ un point d’inflexion et de symétrie,
elle est asymptotique à l’axe de x et à la parallèle de cet axe d’équation F(x) = 1
en x =± σ
où µ correspond à la moyenne de la distribution et σ son écart-type. 3l'aire sous la courbe est égale à 1
µ

 La loi normale est complètement caractérisée par ces 2 paramètres:

 La moyenne µ
 L’écart-type σ. 5Elle représente la densité d'individus à chaque point de l'axe (plus il y a d'individus, plus la densité est

 La connaissance de ces 2 paramètres nous permet de calculer l’aire sous la élevée)

courbe entre 2 limites données (proportion d’observations dans l’intervalle). 6le sommet est donc situé à la médiane
7la moyenne est égale à la médiane et au mode.

16 17 18

3
 17/01/2018

Sur la courbe représentant la densité de probabilité d’une variable gaussienne, la valeur de

Exemple 1
Cette loi est notée, en général N (µ, σ). On dit qu’une variable quantitative suit une loi la probabilité F(a) est représentée par la partie non hachurée.
normale si les causes de variations vérifient les quartes conditions suivantes:

1Les variables sont nombreuses;

2Les variables sont indépendantes;
3Toutes les variables ont le même ordre de grandeur;
4- Les variables sont additives.

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

Les principaux propriétés de la loi normale Loi normale centrale réduite

Exemple de distribution normale Soit X une variable quantitative de moyenne m et d’écart-type σ, on pose:

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:

Il y a autant de courbes de forme déférente que de déférentes valeurs de l’écart-type

22 23 24

4

Dans une distribution normale centré réduite:
 environ des observations se trouvent entre −1σ et +1σ autour de la
moyenne m c'est-à-dire dans l'intervalle [µ − σ; µ + σ].
 environ se trouvent dans l'intervalle [µ − 2σ; µ + 2σ].
 environ se trouvent dans l'intervalle [µ − 2,6σ; µ + 2,6σ]
25
Utilisation de la table de la loi normale
Soit X une variable suivant la loi normale N(3 ;2),donc de moyenne 3 et d’écart-type 2.
On veut calculer les probabilités suivantes : Pr(X < 4), Pr(X < −1)et Pr(X >1)
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 :
28
17/01/2018
Utilisation de la table de la loi normale centrée réduite
Utilisation de la table de la loi normale réduite
La nouvelle variable u suit donc une loi normale et ne fait intervenir aucune paramètre.
Les probabilités correspondant aux divers intervalles ont été calculées et regroupées
La loi normale réduite est tabulée. Les tables donnent généralement, pour différents valeurs
de u, les probabilités: dans une table numérique qui permet, à partir d’une probabilité α donnée, de trouver les
bornes -uα, +uα d’un intervalle symétrique autour de 0, tel que P (z∉ [–uα ; +uα]) = α
La table donne les valeurs de P = F(u) pour u ≥ 0.
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
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.
P(t ∈ [–uα ; +uα]) = 1 – α
P(t > uα) = P(t < –uα) = α ⁄ 2
Exemple: Si F(u)=0,835 alors u= 0,9741
Et si on prend F(u)=0,41 alors u= - 0,2275
26 27
Exemple 1 d’utilisation de la table de la loi normale réduite Utilisation de la table de la loi normale réduite
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
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.
Quelle est la probabilité d’avoir des poids des flacons inférieures au minimum garanti?
La probabilité que le poids soit inférieure à 100 g est :
On utilisant la propriété de symétrie :
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?

Le pourcentage de rebut est de l’ordre de 25% , voir shéma ci-dessous

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

deux alors que χ² symbolise une réalisation de la variable.

34 35 36

6
 17/01/2018

Propriétés de la loi khi-carré Utilisation de la table

Une autre propriété très importante qui fait intervenir la racine carré de la variable χ². En
Différentes courbes de la loi Khi-deux sont tracées en faisant varier la valeur de ν La table de Khi-deux indique, pour des valeurs de ν allant de 1 à 30, les valeurs de χ²
effet , on démontre que, pour des valeurs de ν > 30, la racine carré de χ² de moyenne correspondant aux probabilités tel que:
et de variance ½ est asymptotiquement normale. Alors la variable:

En conséquence, en absence dans la table de Khi-deux des valeurs élevées de ν, on

peut employer cette transformation pour calculer χ²

Pour ν = 1, la courbe décroît de +∞ vers zéro d’une façon monotone ;

Pour ν = 2, la courbe décroît d’une façon monotone de 0,5 à 0 ;
Exemple: ν =12 et α = 0,05 , la valeur de χ² égale à 21,03
Pour ν > 2, la courbe part de 0, passe par son maximum pour x = ν - 2, puis redescend vers 0.
ν =22 et α = 0,01 , la valeur de χ² égale combien?

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

•Le test d’indépendance de deux caractères qualitatifs,

La fonction de densité de probabilité de la loi de Fisher-Snedecor a la forme suivante:
•L’intervalle de confiance d’une variance,

•Le test de comparaison d’une variance observée à une variance attendue..

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 ).

Donner la valeur de F 0,05 si ν1 =24, ν2 =9

F 0,05 (24, 9) = 2,9

Donner la valeur de F 0,95 si ν1 =9, ν2 =24

F 0,95 (9, 24) = 1/ F 0,05 (24,9) = 1/ 2,9 = 0,345

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.

La variable aléatoire F (ν1, ν2 ) est utilisée pour

• comparer deux variances estimées

Suit par définition une loi de Student à ν ddl. La variable aléatoire T a une fonction de
• test d’analyse des variances densité de probabilité de la forme:

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

Donner la valeur de T si ν =10, α =0,01

est la somme des deux airs grisées sous la courbe de la figure ci-dessous
t 0,01 (10) = 3,170

49 50 51