Académique Documents
Professionnel Documents
Culture Documents
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Les lois de probabilité discrètes infinies et dont le support est un ensemble infini mais dénombrable
La loi BINOMIALE
La loi UNIFORME
La loi HYPERGEOMETRIQUE
La non réalisation de l’évènement considéré ou la non réalisation du succès (ou réalisation de l’échec)
La variable aléatoire de BERNOULLI peut prendre les valeurs possibles suivantes :
X 1 Si le succès se réalise
X 0 Si le succès ne se réalise pas
La variable de BERNOULLI est dite variable cardinale
X () 0,1
b. La fonction de masse
P : A 0,1
X x A P( X x) 0,1
P( X x) p x (1 p )1 x
Symbole de la loi
X ~ B(1, p)
|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
Notation
1 : désigne la fréquence de l’épreuve de BERNOULLI (ou le nombre de fois que se déroule l’épreuve de BERNOULLI) :
dans la loi de BERNOULLI, l’expérience se déroule une seule fois
1.1.3 Les caractéristiques numériques
a. L’espérance mathématique
1
E ( X ) x P( X x)
x 0
1
x p x (1 p) 1 x
x 0
p
b. La variance
Var ( X ) E ( X 2 ) E ( X )
2
1
E ( X 2 ) x 2 P( X x)
x 0
1
x 2 p x (1 p) 1 x
x 0
p
Var ( X ) p p 2
p (1 p ) X p (1 p )
G ( ) E ( X )
1
x P( X x)
x 0
1
x p x (1 p ) 1 x
x 0
p (1 p )
G ( ) p (1 p)
La condition de normalisation est vérifiée : G (1) 1 ; il s’agit donc bien d’une fonction génératrice des probabilités.
|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
M ( ) E (eX )
1
e P ( X
x 0
x
x)
1
e
x 0
x
p x (1 p ) 1 x
pe (1 p )
M ( ) p e (1 p)
La condition de normalisation est vérifiée : M (0) 1 ; il s’agit donc bien d’une fonction génératrice des moments.
|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
: indépendance
n
X Xi
i 1
X i ~ B(1, p )
Xi X j i j
1.2.2 Définition de la loi de probabilité de la variable binomiale
a. Le support
X () 0,1,2,..., n
b. La fonction de masse
P : A 0,1
X x A P( X x) 0,1
P( X x) Cnx p x (1 p ) n x
Symbole de la loi
X ~ B(n, p)
Notation
l’épreuve de BERNOULLI de manière indépendante (tirage avec remise) : dans la loi BINOMILALE, l’expérience se
déroule n fois ( n 1)
Remarque : ( x n)
1.2.3 Les caractéristiques numériques de la variable binomiale
a. L’espérance mathématique
n
E (X ) E Xi
i 1
n
E (Xi )
i 1
E ( X ) np
|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
b. La variance
n
Var ( X ) Var X i
i 1
n
Var ( X i )
i 1
n p (1 p )
Var ( X ) np(1 p) X np (1 p)
Remarque
n
E ( X 2 ) x 2 P ( X x)
x 0
n p (1 p ) n p
E ( X 2 ) np (1 p) np
c. Le mode
Le mode est défini comme étant la valeur possible x de la variable aléatoire réelle X qui vérifie les relations suivantes :
ère
1 relation
P ( X x) P ( X x 1)
2ème relation
P ( X x) P ( X x 1)
Si l’on considère la 1ère relation : P( X x) P( X x 1) , nous avons :
P( X x)
P( X x 1) 1
C nx p x (1 p) n x
x1 x1 n ( x 1)
1
C n p (1 p)
P( X x) P( X x 1) n x
C n p (1 p)
x x
1
C nx1 p x1 (1 p) n x1
x 1 1 p
1 x np (1 p)
n x p
x np (1 p)
|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
1
C nx 1 p x 1 (1 p ) n x 1
n x 1 p
1 x n p p
x 1 p
x np p
Finalement, nous avons :
np (1 p) x np p (A)
Remarque
Si les bornes de la relation (A) ne sont pas des entiers (naturels ou relatifs), la distribution binomiale possède
un seul mode (distribution unimodale) et le mode est un entier compris entre les 2 bornes
Mo np (1 p ) , np p
Si les bornes de la relation (A) sont des entiers (naturels ou relatifs), la distribution binomiale possède 2
modes (distribution bimodale)
1er mode
Mo1 np (1 p)
2ème mode
Mo2 np p
P ( X Mo1) P ( X Mo2)
f : proportion du succès
X
f
n
f est une variable aléatoire réelle car cest une fonction linéaire de la variable aléatioire réelle X
f ( x)
x
n
|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
n
X
E( f ) E
n
1
E( X )
n
1
np
n
p
E( f ) p
b. La variance
X
Var ( f ) Var
n
1
2 Var ( X )
n
1
2 np (1 p )
n
p (1 p )
n
p (1 p) p(1 p)
Var ( f ) f
n n
|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
G ( ) E ( X )
n
x P ( X x)
x 0
p (1 p )
n
1
b. La condition de normalisation
1 G (1) 1
M ( ) E (eX )
n
ex P( X x)
x 0
p e (1 p ) n
1
b. La condition de normalisation
0 M (0) 1
Exemple 1
Soit l’espace de probabilité , A , P ; un sac contient 9 articles dont 3 défectueux. On tire au hasard
sucessivement avec remise 1 article du sac 9 fois de suite et on désigne par la variable aléatoire réelle X le nombre
d’articles défectueux obtenus lors des 9 tirages.
1. Déterminer la loi de probabilité de la variable aléatoire réelle X
2. Déterminer la loi de probabilité de la proportion d’articles défectueux
3. Représenter graphiquement la loi de probabilité
4. Calculer la fonction de répartition
5. Représenter graphiquement la fonction de répartition
6. En déduire le nombre moyen d’articles défectueux ainsi que la propotion moyenne d’articles défectueux ; en
déduire la variance (de la variable X et de la proportion d’articles défectueux)
7. Calculer les probabilités suivantes à l’aide de la fonction de répartition
P ( X 2) P ( X 6) P (2 X 6)
|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
Solution
1. Détermination de la loi de probabilité (ou distribution de probabilité) de la variable aléatoire réelle X
Le support
X () 0 ,1, 2 , ...,9
La fonction de masse
Lorsqu’on tire au hasard un article du sac, il peut être :
P(X=x)
0.35
0.3
0.25
0.2
0.15
0.1
0.05
X=x
0 1 2 3 4 5 6 7 8 9
|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
F ( 2) F (1) P ( X 2) F (3) F ( 2) P ( X 3)
2 7 3 6
2 1 2 3 1 2
F ( 2 ) 0 . 1431 C 9 3 3 0.3772
F (3) 0 . 3772 C 9 3 3 0.6503
F ( 4) F (3) P ( X 4) F (5) F ( 4) P ( X 5)
4 5
4 1 2 5
5 1 2
4
F ( 4 ) 0 . 6503 C 9 3 3 0.8552
F (5) 0 . 8551 C 9 3 3 0.9576
0 X 0
0.02601 0 X 1
0.1431 1 X 2
0.3772 2 X 3
0.6503 3 X 4
F ( x) 0.8552 4 X 5
0.9576 5 X 6
0.9917 6 X 7
0.9990 7 X 8
0.9999 8 X 9
1 X 9
| 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
0.8
0.6
0.4
0.2
X=x
-2 0 2 4 6 8 10 12
d. La variance de la proportion
p (1 p )
Var ( f )
n
2/9
9
2 2
f
81 9
7. Calcul des probabilités
P ( X 2) 1 P ( X 2) P (2 X 6) P ( X 6) P ( X 2)
1 P ( X 2) P ( X 6) F (6) F (6) F (1)
1 P ( X 1) 0.9916 0.9916 0.1431
1 F (1)
0.8485
1 0.1431 0.8569
| 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
X () 1,2,..., n
b. La fonction de masse
P : A 0,1
X x A P( X x) 0,1
1
P ( X x) (n 0)
n
Symbole de la loi
X ~ U ( n)
Remarque
1
La probabilité de réalisation de chaque évènement élémentaire est constante et égale à ; elle ne
n
dépend pas de la valeur prise par la variable aléatoire réelle X
1.3.2 Les caractéristiques numériques de la variable uniforme
a. L’espérance mathématique
n
E ( X ) x P ( X x)
x 1
1 n
x
n x 1
1 n (1 n)
n 2
1 n
2
1 n
E( X )
2
b. La variance
Var ( X ) E ( X 2 ) E ( X )
2
n
E ( X 2 ) x 2 P ( X x)
x 1
1 n 2
x
n x 1
1 n ( 2n 1) (n 1)
n 6
(2n 1) ( n 1)
6
| 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
( 2n 1) ( n 1) 1 n
2
Var ( X )
6 2
n2 1
12
n2 1 n2 1
Var ( X ) X
12 2 3
G ( ) E ( X )
n
x P ( X x)
x 1
1 n
x
n x 1
1 n 1
n 1
1 n1
n 1
1
b. La condition de normalisation
1 G (1) 1
M ( ) E (eX )
n
ex P ( X x)
x 1
1 n x
e
n x1
1 e n 1
e
n e 1
1 e ( n1) e
n e 1
1
b. La condition de normalisation
0 M (0) 1
| 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
Exemple 2
Soit l’espace de probabilité , A , P ; un sac contient 10 boules numérotées de 1 à 10. On tire au hasard 1 boule
P(X=x)
0.1
0.08
0.06
0.04
0.02
0
1 2 3 4 5 6 7 8 9 10
X=x
| 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
F ( x) P( X x)
F ( x 1) P( X x)
F (1) F (0) P ( X 1)
F (2) F (1) P ( X 2) F (3) F (2) P ( X 3)
1 1
0 1 1 2 2 1 3
10 10
10 10 10 10 10 10
F(x)
1
0.8
0.6
0.4
0.2
X=x
-2 0 2 4 6 8 10 12
| 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
n2 1
Var ( X )
12
10 2 1
12
99 99
X
12 2 3
| 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 () Max (0, n N p) X Min (n, Np)
b. La fonction de masse
P : A 0,1
X x A P( X x) 0,1
x
C Np C Nn px
P( X x) ( x n) ( n N )
C Nn
Symbole de la loi
X ~ H( N , n, p)
Notation
X : désigne la fréquence du succès (ou le nombre de fois que se réalise le succès) lors de l’épreuve de BERNOULLI
répétée de manière successive n fois et sans remise
Remarque : ( x n) et (n N )
1.4.2 Les caractéristiques numériques de la variable hypergéométrique
a. L’espérance mathématique
E (X ) x P ( X x)
xX ( )
np
E (X ) n p
Remarque
E H ( N , n, p ) E B (n, p ) np
b. La variance
Var ( X ) E ( X 2 ) E ( X )
2
E (X 2) x
x X ( )
2
P ( X x)
N n
n p np (1 p
N 1
| 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
N n
Var ( X ) n p (1 p )
N 1
N n
X n p (1 p )
N 1
Remarque
N n
Var H ( N , n, p ) Var B ( n, p )
N 1
N n
et Var H ( N , n, p ) Var B (n, p ) car 1
N 1
Notation :
N n
: coefficient d’exhaustivité
N 1
Remarque
limVar H( N , n, p) Var B(n, p)
N
Si n 1 H ( N , n, p) B(1, p)
c. Le mode
Nnp N p n 1 Nnp Np n 1
Mo (A)
N 2 N 2
Remarque
Si les bornes de la relation (A) ne sont pas des entiers (naturels ou relatifs), la distribution hypergéométrique
possède un seul mode (distribution unimodale) et le mode est un entier compris entre les 2 bornes
Nnp N p n 1 Nnp Np n 1
Mo ,
N 2 N 2
Si les bornes de la relation (A) sont des entiers (naturels ou relatifs), la distribution hypergéométrique
possède 2 modes (distribution bimodale)
1er mode
Nnp N p n 1
Mo1
N 2
2ème mode
Nnp Np n 1
Mo2
N 2
P ( X Mo1) P ( X Mo2)
| 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
lim H( N , n, p) B(n, p)
N
Pratiquement, on remplace la loi hypergéométrique (pour des raisons de simplification des calculs) par la loi
n
binomiale, lorsque : 10%
N
n
H( N , n, p) B(n, p) 10%
N
Notation :
n : taux de sondage
N
Exemple 3
Soit l’espace de probabilité , A , P ; un sac contient 10 boules dont 6 blanches. La variable aléatoire réelle X
désigne le nombre de boules blanches obtenues lors du tirage successif de 8 boules du sac. On considère 2 cas : le cas
du tirage avec remise et le cas du tirage sans remise.
1. Déterminer la loi de probabilité de la variable aléatoire réelle X
2. Représenter graphiquement la loi de probabilité
3. Déduire l’espérance mathématique, la variance et le mode
4. Calculer les probabilités suivantes : P ( X 4) ; P ( X 6)
Solution
Cas du tirage avec remise (TAR)
1. Détermination de la loi de probabilité de la variable aléatoire réelle X
a. Le support
X () 0 ,1, 2 , ...,8
b. La fonction de masse
Lors du tirage d’une boule du sac, elle peut être :
Blanche avec la probabilité p 6 / 10
Ou non blanche avec la probabilité p 1 p 4 / 10
Il s’agit donc d’une expérience de BERNOULLI répétée 8 fois (n 8) de suite de manière indépendante (tirage avec
remise) ; donc X suit une LOI BINOMILALE de paramètres : n 8 et p 6 / 10
X ~ B (8 , 6 / 10)
x 8 x
6 4
P ( X x) C8x
10 10
2. Représentation graphique de la loi de probabilité
P(X=x) 0.35
0.3
0.25
0.2
0.15
0.1
0.05
0 1 2 3 4 5 6 7 8
X=x
| 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
D’où :
X () 4 , 5 , 6
| 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
b. La fonction de masse
Lors du tirage d’une boule du sac, elle peut être :
Blanche avec la probabilité p 6 / 10
Ou non blanche avec la probabilité p 1 p 4 / 10
Il s’agit donc d’une expérience de BERNOULLI répétée 8 fois (n 8) de suite de manière dépendante (tirage sans
remise) ; donc X suit une LOI HYPERGEOMETRIQUE de paramètres : N 10 , n 8 et p 6 / 10
6
X ~ H 10,8,
10
C x C 8 x
P( X x) 6 8 4
C10
2. Représentation graphique de la loi de probabilité
P(X=x) 0.7
0.6
0.5
0.4
0.3
0.2
0.1
0 1 2 3 4 5 6 7 8
X=x
N n
Var ( X ) n p (1 p )
N 1
4 10 8
(4.8)
10 10 1
0.4262 X 0.4262 0.65
c. Le mode
Nnp N p n 1 Nnp Np n 1
Mo
N 2 N 2
48 4 8 1 48 6 8 1
Mo
10 2 10 2
51 63
Mo
12 12
4.25 Mo 5.25 Mo 5
| P a g e 21
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
C66 C42
P ( X 6)
C108
6 2
45 15
| P a g e 22
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
La loi GEOMETRIQUE
X () 0,1,2,..., IN
b. La fonction de masse
P : A 0,1
X x A P( X x) 0,1
e x
P ( X x) ( IR * )
x!
Symbole de la loi
X ~ P ( )
Notation
X : désigne la fréquence de réalisation de l’évènement considéré dans un espace temporel (intervalle de temps)
Quelques exemples concernant des évènements gouvernés ou régis par la loi de POISSON :
Le nombre de trains qui arrivent à la station de chemin de fer d’Annaba durant une heure quelconque
Le nombre d’appels téléphoniques enregistrés sur une ligne quelconque dans une unité de temps
Remarque :
La loi de POISSON s’applique aussi à des évènements de faible probabilité de réalisation : appelés évènements rares
(exemple : le nombre de triplets de naissances dans un pays au cours d’une année quelconque)
| P a g e 23
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
E ( X 2 ) x 2 P ( X x)
x 0
x 2 e x
x 0 x!
x x 1
e
x 1 ( x 1)!
e
( x 1) 1 x1
x 1 ( x 1)!
( x 1) x 1
x 1
e e
x 1 ( x 1)! x 1 ( x 1 ) !
x 1
x1
e e
x 2 ( x 2 )! x 1 ( x 1)!
x 1 1
x 1
e e
x2 ( x 2 )! x 1 ( x 1)!
x 2
x 1
2 e e
x 2 ( x 2 )! x 1 ( x 1)!
k
h
2 e e ( k x 2) ( h x 1)
k 0 k! h 0 h!
k h
2 e e e e e e
k 0 k ! h 0 h !
2
E ( X 2 ) 2
Var ( X ) (2 ) 2
X
| P a g e 24
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
c. Le mode
Le mode est défini comme étant la valeur possible de la variable aléatoire réelle X qui vérifie les relations suivantes :
1ère relation : P ( X x) P ( X x 1)
2ème relation : P ( X x) P ( X x 1)
P( X x)
P( X x 1) 1
e x
x!
P( X x) P( X x 1) x 1 1
e
( x 1)!
x 1 1 x 1
x 1
Si l’on considère la 2ème relation nous avons : P ( X x) P ( X x 1)
P( X x)
P( X x 1) 1
e x
x!
P( X x) P( X x 1) x 1 1
e
( x 1)!
1 x
x
x
Finalement, nous avons :
1 x (A)
Remarque
Si les bornes de la relation (A) ne sont pas des entiers (naturels ou relatifs), la distribution de POISSON
possède un seul mode (distribution unimodale) et le mode est un entier compris entre les 2 bornes
Mo 1 ,
Si les bornes de la relation (A) sont des entiers (naturels ou relatifs), la distribution de POISSON possède 2
modes (distribution bimodale)
1er mode
Mo1 1
2ème mode
Mo2
P ( X Mo1) P ( X Mo2)
| P a g e 25
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 0
x
P( X x)
e x
x
x 0 x!
e
x
x 0 x!
e e
e ( 1)
1
G( ) e ( 1)
b. La condition de normalisation
1 G (1) 1
M ( ) E (e X )
e x P ( X x )
x 0
e x
e x
x!
x 0
e
x
e
x 0 x!
e
e e
e (e 1)
1
M ( ) e ( e 1)
b. La condition de normalisation
0 M (0) 1
lim B(n, p) P ( )
n
p 0
np
Pratiquement, on remplace la loi BINOMIALE (pour des raisons de simplification des calculs) par la loi de POISSON,
lorsque : n 50 et p 0.10
| P a g e 26
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Exemple 4
Soit l’espace de probabilité , A , P ; une station de vente de carburant, reçoit au cours d’une heure quelconque
un certain nombre de clients avec une moyenne de 6. La variable aléatoire réelle X désigne le nombre de clients qui
arrivent à la station de carburant au cours d’une heure quelconque.
1. Déterminer la loi de probabilité de la variable aléatoire réelle X
2. Représenter graphiquement la loi de probabilité
3. Déduire l’espérance mathématique, la variance et le mode
4. Calculer les probabilités suivantes :
P ( X 0) P ( X 2) P ( X 0) P (0 X 2) P (2 X 0)
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
L’évènement considéré : le nombre de clients qui arrivent à la station de vente de carburant, se réalise dans un
intervalle de temps (au cours d’une heure quelconque) ; cela suffit pour conclure que X suit une loi de POISSON de
paramètre 6
X ~ P (6)
e x
P ( X x)
x!
e6 6 x
x!
2. Représentation graphique de la loi de probabilité
P(X=x) 0.2
0.15
0.1
0.05
X=x
-5 0 5 10 15 20 25 30 35 40 45
c. Le mode
1 Mo
6 1 Mo 6
5 Mo 6 Mo1 5 Mo2 6
Distribution bimodale
P ( X 5) P ( X 6)
e 6 6 5
P ( X 5)
5!
e 6 6 6
P ( X 6)
6!
e 6 6 5 6
6 (6 1) !
e 6 6 5
P ( X 5)
5!
5. Calcul des probabilités
e 6 60
P ( X 0)
0!
1
6
e
P ( X 2) F ( 2)
2
P(X
x 0
x)
2
e 6 6 x
x 0 x!
1 6 18
6 6 6
e e e
25
6
e
P ( X 0) 1 P ( X 0)
1 P ( X 0)
1 P ( X 0)
1
1 6
e
P (0 X 2) P ( X 2) P ( X 0)
F ( 2) F (0)
25 1
6 6
e e
24
6
e
P ( 2 X 0) 1 P ( 2 X 0)
1 P (0 X 2)
24
1 6
e
| P a g e 28
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
X () 1,2,..., IN *
b. La fonction de masse
P : A 0,1
X x A P( X x) 0,1
P( X x) p (1 p) x 1
Symbole de la loi
X ~ Ge ( p)
Notation
X : désigne la fréquence de l’épreuve de BERNOULLI ou le nombre de fois que doit se répéter l’épreuve de
BERNOULLI jusqu’à la réalisation 1 seule fois du succès
F ( x) p (1 p )
x 1
x 1
p (1 p ) x1
x 1
(1 p ) : somme des termes d ' une suite géométrique
x 1
x1
de raison r (1 p ) et de 1er terme 1
1 r x
x1 (1 p ) x1
1 r
F ( x) P ( X x) 1 (1 p ) x
1 (1 p )
1 (1 p ) x
p
F ( x) p (1 p )
x 1
x 1
1 (1 p ) x
p
p
x
1 (1 p )
On vérifie que :
lim
x
1 (1 p) lim 1
x
lim (1 p) x
x
(1 p )1 (1 p )1
1 0 1
F ( x) 1 (1 p) x
| P a g e 29
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
1
p 2
p
1
p
1
E (X ) ( p 0)
p
b. La variance
Var ( X ) E ( X 2 ) E ( X )
2
2 p
E (X 2)
p2
2
2 p 1
Var ( X )
2
p p
2 p 1
p2
1 p
p2
1 p
X
p2
1 p
p
1 p
Var ( X )
p2
c. Le mode
La distribution géométrique ne possède pas de mode parceque la fonction de masse de la variable géométrique est une
fonction décroissante de X.
| P a g e 30
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 P( X x)
x 1
p x (1 p ) x 1
x 1
p
(1 p)x
1 p x 1
(1 p)
x 1
x
: somme des termes d’une suite géométrique dont :
p (1 p ) 1 (1 p ) x
G ( )
1 p 1 (1 p )
lim (1 p ) lim lim (1 p ) x
x x
x x x
1 (1 p ) 1
0
p (1 p) 1 (1 p)x
G ( )
1 p 1 (1 p)
p (1 p) 1
1 (1 p)
1 p
p
1 (1 p)
p
G ( )
1 (1 p)
b. La condition de normalisation
1 G (1) 1
| P a g e 31
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
M ( ) E (e X )
e
x 1
x
P( X x)
p e x (1 p ) x 1
x 1
p
e (1 p)
1 p x 1
x
e (1 p)
x
: somme des termes d’une suite géométrique dont :
x 1
e (1 p) : est la raison
1 e (1 p )
e
x
e (1 p )
x
(1 p )
x 1
1 e (1 p )
M ( )
p e (1 p )
1 e (1 p )
x
1 p 1 e (1 p )
x
lim e (1 p ) x
lim e x lim (1 p ) x
x x
1 (1 p ) 1
0
e p (1 p) 1
M ( ) 1 e (1 p)
1 p
pe
1 e (1 p)
p e
M ( )
1 e (1 p)
b. La condition de normalisation
0 M (0) 1
2.2.5 Etude théorique de la variable « nombre d’échecs »
2.2.5.1 Définition de la loi de probabilité du nombre d’échecs
Notation
| P a g e 32
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
P : A 0,1
Y y A P(Y y ) 0,1
P(Y y ) p (1 p) x 1
p (1 p)( y 1) 1
p (1 p) y
2.2.5.2 Les caractéristiques numériques
a. L’espérance mathématique
E (Y ) E ( X 1)
E (X ) 1
1
1
p
1 p
p
1 p
E (Y ) ( p 0)
p
b. La variance
Var (Y ) Var ( X 1)
Var ( X ) Var (1)
Var ( X ) 0
1 p
p2
1 p
Y
p2
1 p
p
1 p
Var (Y )
p2
c. Le mode
La variable « nombre d’échecs » ne possède pas de mode parceque la fonction de masse de la variable « nombre d’échecs »
est une fonction décroissante de Y .
| P a g e 33
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Exemple 5
Soit l’espace de probabilité , A , P ; un sac contient 20 boules dont 5 blanches. La variable aléatoire réelle X
désigne la fréquence du tirage avec remise d’une boule du sac jusqu’à l’obtention d’une boule blanche.
1. Déterminer la loi de probabilité de la variable aléatoire réelle X
2. Représenter graphiquement la loi de probabilité de la variable aléatoire réelle X
3. Soit la variable aléatoire réelle Z tel que Z désigne la fréquence du tirage d’une boule du sac avec remise avant
l’obtention d’une boule blanche ; déterminer la loi de probabilité de la variable aléatoire réelle Z
4. Déduire l’espérance mathématique et la variance de chaque variable
5. Calculer les probabilités suivantes :
P ( X 1) P ( X 2) P ( X 3) P ( X 4) P ( X 1) P ( X 4) P (1 X 4)
6. Déterminer la valeur possibe x 0 tel que : P ( X x 0 ) 0.05
Solution
1. Détermination de la loi de probabilité de la variable aléatoire réelle X
a. Le support
X () 1,2,..., IN *
b. La fonction de masse
En tirant une 1ère boule du sac, elle peut-être :
Blanche avec la probabilité p 1 / 4
Il s’agit donc d’une expérience de BERNOULLI qui peut se répéter 1 fois, ou bien 2 fois ou bien un nombre indéterminé
de fois ( ) jusqu’à l’obtention de la boule blanche. Cela suffit pour conclure que X suit une loi géométrique de
paramètre p 1/ 4
X ~ Ge (1 / 4)
P( X x) p (1 p ) x 1
x 1
1 3
4 4
2. Représentation graphique de la loi de probabilité
0.2
P(X=x)
0.15
0.1
0.05
X=x
0 5 10 15 20 25 30 35 40 45
| P a g e 34
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
Z () 0,1,2,..., IN
Z X 1 X Z 1
La variable Z représente donc le nombre de tirages qui n’ont pas permis l’obtention de la boule blanche (c’est-à-
dire le nombre d’échecs).
b. La fonction de masse
P( Z z ) p (1 p) x 1
p (1 p) ( z 1)1
p (1 p) z
z
1 3
4 4
4. Déduction de l’espérance mathématique et de la variance
a. L’espérance mathématique
1
E (X )
p
1
4 tirages en moyenne (le 4ème tirage donne la boule blanche )
1/ 4
1 p
E (Z )
p
1 1/ 4
3 tirages (en moyenne 3 tirages avant l ' obtention de la boule blanche )
1/ 4
b. La variance
1 p
Var ( X )
p2
1 1/ 4
(1 / 4) 2
12
X 12 2 3
Var ( Z ) Var ( X )
12
Z 12 2 3
1 1
P ( X 1) P ( Z 0)
4 4
0 .25
0.25
1 3 1 3
P ( X 2) 4 4 P ( Z 1) 4 4
3 3
16 16
0.1875 0.1875
| P a g e 35
Ecole Supérieure des Sciences de Gestion d’Annaba
Cours préparé par Monsieur Noureddine Arfaoui pour la seconde année des classes préparatoires
1 3
2
1 3
2
P ( X 3) P ( Z 2)
4 4 4 4
9
9
64 64
0.1406 0.1406
1 3
3
1 3
3
P ( X 4) P ( Z 3)
4 4 4 4
27
27
256 256
0.1055 0.1055
P ( X 1) 1 P ( X 1)
P ( Z 0) 1 P ( Z 0)
1 P ( X 1)
1 P ( Z 0)
1 FX (1)
1 0.25 P ( Z 0) 1 FZ (0)
0.75
0.75
P ( X 4) FX (4)
4
P ( X x)
x 1
P ( Z 3) FZ (3)
1 (1 p ) x
0.6836
1 (3 / 4) 4
0.6836
P (1 X 4) P ( X 4) P ( X 1) P (0 Z 3) P ( Z 3) P ( Z 0)
P ( X 4) P ( X 1) P ( Z 3) P ( Z 0)
FX ( 4) FX (1) FZ (3) FZ (0)
0.6836 0.25 0.6836 0.25
0. 4336
0.4336
1 P ( X x 0 ) 0.05
1 P ( X x 0 ) 0.05
1 1 (1 p) 0.05
x0
P ( X x 0 ) 0.05 (1 p) x0 0.05
0.75 0.05
x0
x 0 Ln 0.75 Ln 0.05
x 0 10
| P a g e 36