Académique Documents
Professionnel Documents
Culture Documents
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
PROGRAMME PROBABILITES 2
Semestre 3
Chapitre 1 : Introduction à l’étude des variables aléatoires réelles discrètes à 1 dimension
Chapitre 2 : Introduction à l’étude des lois de probabilité des variables aléatoires réelles discrètes à 1 dimension
Chapitre 3 : Introduction à l’étude des variables aléatoires réelles continues à 1 dimension
Chapitre 4 : Introduction à l’étude des lois de probabilité des variables aléatoires réelles continues à 1 dimension
|P a g e 1
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
X : IR
x X ( ) IR
IR
X ( )
X
2. DEFINITION DE L’ENSEMBLE DES VALEURS POSSIBLES
Notation
X () : ensemble des valeurs possibles (image de par l’application X )
x : valeur possible prise par la variable aléatoire X
Evènement
Le transformateur Valeur possible
élémentaire
X X ( ) x
|P a g e 2
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Nature de X ()
X () xi : xi , IN IN
X () xi : xi , , Z Z
X () xi : xi , Z Z
Dans ce cas, la variable aléatoire réelle X est dite aussi variable aléatoire réelle discrète
X () : peut être un ensemble infini non dénombrable de valeurs posibles
Dans ce cas, la variable aléatoire réelle X est dite variable aléatoire réelle continue
Notation de la variable aléatoire réelle
X 1 : E
x X ( ) E
X 1 ( E ) X 1
( x) : x E et x X ( )
X 1
X ( ) E
|P a g e 3
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Quelques cas concernant le passage de l’ensemble des valeurs possibles à l’évènement (ensemble de résultats
possibles)
1. If E X () X 1 X () (l’évènement certain)
2. If E X () X 1 ( ) (l’évènement impossible)
3. If E a, b X () X 1 a, b a X b
4. If E , x X 1 , x X x
5. If E x, X 1 x, X x
6. If E x X 1 x X x (l’évènement élémentaire)
Exemple 2
On jette au hasard 2 dés et on désigne par l’ensemble des valeurs possibles E : « l’ensemble relatif à la somme des
points obtenus est tel que cette somme est supérieure ou égale à 10 »
1. Précisez l’ensemble E
2. Précisez l’évènement X 1 ( E )
Solution
1. Précision de l’ensemble E
E x1 , x2 , x3
10 ,11,12
2. Précision de l’évènement X 1 ( E )
X 1 ( E ) X 1 10 ,11,12
1 , 2 , 3 4 , 5 , 6
(4,6) , (6,4) , (5,5) (5,6) , (6,5) , (6,6)
1.
k k
X 1 E i X 1 ( E i ) (l’image de l’intersection d’ensembles de valeurs possibles par l’application
i 1 i 1
réciproque donne l’évènement composé)
2.
k k
X 1 E i X 1 ( E i ) (l’image de l’union d’ensembles de valeurs possibles par l’application
i 1 i 1
réciproque donne l’union d’évènements)
|P a g e 4
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
i j i P( X xi ) i j
i 1 i 1
|P a g e 5
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Notation : F (x)
F ( xi ) P X 1 , xi
P ( X xi )
P X xi X xi
P ( X xi 1 ) P ( X xi )
F ( xi1 ) P ( X xi )
F ( xi ) P X 1 , xi
F ( xi1 ) P ( X xi )
b. Propriétés
1. 0 F ( x) 1 x X ()
simultanément 3 articles du sac et on désigne par la variable aléatoire réelle X le nombre d’articles défectueux
obtenus lors du tirage.
1. Déterminer la loi de probabilité de la variable aléatoire réelle X
2. Représenter graphiquement la loi de probabilité
3. Calculer la fonction de répartition
4. Représenter graphiquement la fonction de répartition
5. Calculer les probabilités suivantes en utilisant la fonction de répartition :
P( X 1) ; P( X 3) ; P(1 X 3) ; P(3 X 1)
|P a g e 6
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Solution
1. Détermination de la loi de probabilité de la variable aléatoire réelle X
a. Le support
X ( ) 0 ,1, 2 , 3
b. La fonction de masse
P ( X 0) P X 1 0
3 0
C C
3
9 3
C12
84
220
P ( X 1) P X 11
C 2C 1
93 3
C12
108
220
P ( X 2) P X 1 2
1 2
CC
3
9 3
C12
27
220
P ( X 3) P X 1 3
0 3
C C
3
9 3
C12
1
220
0.3
0.2
0.1
0 X x
0 1 2 3
|P a g e 7
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
F (0) P X 1 ,0
P ( X 0)
F (0 1) P ( X 0)
F (1) P ( X 0)
0 84 / 220
84 / 220
F (1) P X 1 ,1
P ( X 1)
F (1 1) P ( X 1)
F (0) P ( X 1)
84 / 220 108 / 220
192 / 220
F (2) P X 1 ,2
P ( X 2)
F (2 1) P ( X 2)
F (1) P ( X 2)
192 / 220 27 / 220
219 / 220
F (3) P X 1 ,3
P ( X 3)
F (3 1) P ( X 3)
F (2) P ( X 3)
219 / 220 1 / 220
1
0 X 0
84 / 220 0 X 1
F ( x) 192 / 220 1 X 2
219 / 220 2 X 3
1 X 3
|P a g e 8
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
F(x)
1
0.8
0.6
0.4
0.2
X=x
-2 -1 0 1 2 3 4
P ( X 3) P ( X 2)
F ( 2)
219 / 220
P (1 X 3) P ( X 3) P ( X 1)
P ( X 2) P ( X 1)
P ( X 2) P ( X 0)
F ( 2) F (0)
219 / 220 84 / 220
135 / 220
P (3 X 1) 1 P (3 X 1)
1 P (1 X 3)
1 135 / 220
85 / 220
|P a g e 9
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Notation : E ( X )
Définition
k
E ( X ) pi .xi
i 1
La 3ème propriété exprime que l’opérateur espérance est un opéreur linéaire distributif par rapport à la somme
algébrique
b. La variance (ou variance théorique)
Notation : Var ( X ) ou X2
Définition
Var( X ) E X E ( X )
2
En développant cette relation, on obtient :
Var ( X ) E ( X 2 ) E ( X )
2
Relation de KÖNING
Selon cette relation, la variance est définie comme étant la différence de 2 carrés :
E ( X 2 ) : le carré de la moyenne quadratique
k
E ( X 2 ) pi xi2
i 1
E (X ) 2
: le carré de l’espérance mathématique
La 4ème propriété exprime que l’opérateur variance est un opéreur linéaire distributif par rapport à la somme
algébrique dans le cas d’une seule variable (le cas univarié).
| P a g e 10
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
L’écart-type
Notation : X
x Var ( X )
Pour avoir une idée relative de la qualité de la moyenne, on calcule aussi un coefficient appelé coefficient de
dispersion ou coefficient de variation :
Définition du coefficient de variation
x .100
Cv
E( X )
c. La médiane
Notation : Me
1
P( X x) x Me
2
1
F ( Me)
2
Mo xMax P ( X x )
Exemple 4
On considère l’exemple 3 ; calculer
1. L’espérance mathématique
2. La variance
3. La médiane
4. Le mode
Solution
1. Calcul de l’espérance mathématique
4
165
E ( X ) pi xi
i 1 220
xi pi pi xi
0 84/220 0
1 108/220 108/220
2 27/220 54/220
3 1/220 3/220
TOTAL 1 165/220
| P a g e 11
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
2. Calcul de la variance
Var ( X ) E ( X 2 ) E ( X ) 2
2
225 165
0.4602
220 220
4
225
E ( X 2 ) pi xi2
i 1 220
xi pi pi xi pi xi2
0 84/220 0 0
1 108/220 108/220 108/220
2 27/220 54/220 108/220
3 1/220 3/220 9/220
TOTAL 1 165/220 225/220
Calcul de l’écart-type
X Var ( X )
0.4602 0.68
Calcul du coefficient de dispersion
X *100
Cv
E( X )
X *100
E( X )
0.68 *100
91%
0.75
91%>50% : la moyenne n’est pas de bonne qualité ; elle ne représente pas de manière satisfaisante l’ensemble des
valeurs possibles.
3. Calcul de la médiane
1 110
P ( X x) x Me 1
2 220
xi pi pi xi pi xi2 F ( xi )
0 84/220 0 0 84/220
1 108/220 108/220 108/220 192/220
2 27/220 54/220 108/220 219/220
3 1/220 3/220 9/220 1
TOTAL 1 165/220 225/220
4. Calcul du mode
Mo xMax P ( X x ) 1
C’est la valeur de la variable à laquelle est associée la probabilité maximale. A la valeur 1 est associée la probabilité
108/220.
| P a g e 12
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
5. LES MOMENTS
5.1 Définition du moment simple d’ordre r
Notation :
mr E ( X r )
k
pi xir (r IN* )
i 1
r 1 m1 E ( X )
r 2 m2 E ( X 2 )
r 1 u1 0
r 2 u 2 Var ( X )
u2 E( X 2 ) E( X )
2
m 2 m1
2
m rF E ( X !)
E X ( X 1) ( X 2)...( X r 1)
r 1 m 1F E ( X )
m1
m 2F E X ( X 1)
E( X 2 X )
r 2
E( X 2 ) E( X )
m2 m1 m2 m 2F m1
| P a g e 13
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
G ( ) E ( X )
x X ( )
x
P ( X x)
1
1 G (1) 1
6.3 Définition du moment factoriel d’ordre r à l’aide de la fonction génératrice des probabilités
d r G ( )
m rF
d
r
1
7. LA FONCTION GENERATRICE DES MOMENTS (OU TRANSFORMEE DE LAPLACE)
Notation :
M ( ) : fonction génératrice des moments
7.1 Définition
M ( ) E (eX )
e P( X
x X ( )
x
x)
1
7.2 La condition de normalisation
0 M (0) 1
7.3 Définition du moment simple d’ordre r à l’aide de la fonction génératrice des moments
d r M ( )
mr
d
r
0
Exemple 5
On considère l’exemple 3 ; calculer à l’aide de la fonction génératrice des probabilités, puis à l’aide de la fonction
génératrice des moments :
1. L’espérance mathématique
2. La variance
| P a g e 14
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Solution
CALCUL DE LA FONCTION GENERATRICE DES PROBABILITES
G ( ) E ( X )
3
x P ( X x)
x 0
84 108 27 2 3
220 220 220 220
On vérifie que G (1) 1 ; la condition de normalisation étant vérifiée, la fonction obtenue est donc une fonction
génératrice des probabilités.
m 2 m12
( m 2F m1 ) m12
m 2F E X ( X 1)
d 2 G ( )
d
2
1
54 6
220 220 1
60
220
3
11
Remarquez que :
m 2F E X ( X 1)
E( X 2 ) E( X )
m2 m1 m2 m 2F m1
Var ( X ) (m 2F m1 ) m12
3
0.75 0.752
11
0.4602
| P a g e 15
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
m1 E ( X )
dM ( )
d 0
m1 E ( X )
108e 54e 2 3e3
220 220 220 0
m1 E ( X )
165
220
0.75
2. Calcul de la variance
Var ( X ) E ( X 2 ) E ( X )
2
m2 m1
2
m2 E ( X 2 )
d 2 M ( )
d
2
0
108e 108e 2 9e 3
220 220 220 0
225
220
45
44
1.0227
Var ( X ) m 2 m1 2
1.0227 0.75 2
0.4602
| P a g e 16
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
X xi de x . La loi de probabilité de la variable aléatoire réelle Y est alors définie comme suit :
Le support
Y ( ) ( x ) ( )
La fonction de masse
P (Y yi ) P ( X xi )
P 1 ( yi )
Remarque :
Card y Card x
2ème cas : la fonction est une fonction non monotone surjective
A chaque évènement élémentaire image Y yi de y correspond au moins un évènement élémentaire antécédent
X xi de x . La loi de probabilité de la variable aléatoire réelle Y est alors définie comme suit :
Le support
Y ( ) ( x ) ( )
La fonction de masse
P (Y yi ) P(X
j 1,..., k
xi , j )
P 1 ( yi )
Remarque :
Card y Card x
| P a g e 17
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Exemple 6
P (Y 900) P ( X 2)
1/ 9
P (Y 1100) P ( X 3)
1/ 9
P (Y 1300) P ( X 4)
1/ 9
| P a g e 18
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
6700 / 9
2ème méthode
E (Y ) E (500 200 X )
500 200 E ( X )
4
500 200 xP( X x)
x 0
4 2 1 1 1
E (Y ) 500 200 0 1 2 3 4
9 9 9 9 9
11
500 200
9
6700
9
b. Calcul de la variance
1ère méthode
Var (Y ) E (Y 2 ) E (Y )
2
2
5 690 000 6700
9 9
78 024.69
E (Y 2 ) y
yY ( )
2
P(Y y )
5 690 000
9
| P a g e 19
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
2ème méthode
2 4
2 2 2 1
2 1
E ( X ) 0 1 2 3 42
2 1
9 9 9 9 9
31
9
31 11
2
Var (Y ) 40000
9 9
78 024.69
Exemple 7
Soit ci-après la distribution de probabilité de la variable aléatoire réelle X
X xi -2 -1 0 1 2 TOTAL
pi P ( X xi ) 2/9 4/9 1/9 1/9 1/9 1
Y () 0 , 1 , 4
La fonction de masse
P (Y y i ) P (X x
j 1,..., k
i, j )
P (Y 0) P ( X 0)
1/ 9
P (Y 1) P X 1 X 1
P ( X 1) P ( X 1)
5/9
P (Y 4) P X 2 X 2
P ( X 2) P ( X 2)
3/ 9
Y yi 0 1 4 TOTAL
| P a g e 20
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
17 / 9
Y yi 0 1 4 TOTAL
pi P (Y yi ) 1/9 5/9 3/9 1
pi yi 0 5/9 12/9 17/9
ème
2 méthode
E (Y ) E ( X 2 )
2
x
x 2
2
P( X x)
17
9
X xi -2 -1 0 1 2 TOTAL
b. Calcul de la variance
1ère méthode
Var (Y ) E (Y 2 ) E (Y )
2
2
53 17
9 9
188
2.32
81
53
E (Y 2 ) y
yY ( )
2
P (Y y )
9
Y yi 0 1 4 TOTAL
pi P (Y yi ) 1/9 5/9 3/9 1
pi yi 0 5/9 12/9 17/9
2
pi y i 0 5/9 48/9 53/9
2ème méthode
Var (Y ) Var ( X 2 )
E X E ( X
2 2 2
) 2
x
2
2 17
2
P ( X x)
x 2 9
X xi -2 -1 0 1 2 TOTAL
p i P( X x i ) 2/9 4/9 1/9 1/9 1/9 1
pi x 2
i
2
32/9 4/9 0 1/9 16/9 53/9
2
53 17
Var (Y )
9 9
188
81
2.32
| P a g e 21