Académique Documents
Professionnel Documents
Culture Documents
Exemple.
On reprend l’énoncé de l’exemple précédent. La loi de X est donnée par :
Valeurs de X: 𝑥𝑖 −1 −6 −2 4 8 12
Probabilité: 𝑃𝑖 6
𝑖=1 𝑃𝑖 = 1
1 1 1 1 1 1
06 6 6 6 6 6
Mme Benaicha 1
Définition (La valeur moyenne ou l'espérance d'une variable aléatoire).
On appelle E(X) l'espérance mathématique de la variable aléatoire X ou plus simplement la
moyenne de la variable aléatoire X, le nombre que l'on note aussi X où
𝑛
X = E(X) = 𝑥1 𝑃1 + ⋯ + 𝑥𝑛 𝑃𝑛 = 𝑖=1 𝑥𝑖 𝑃𝑖
Exemple.
On reprend l'exemple étudié précédemment.
X V X
2
Mme Benaicha
Remarque.
Cet écart type mesure l’écart moyen à la moyenne (de combien de points on s’écarte, en
moyenne, de la moyenne E(X)).
La variance et l’écart-type d’une variable aléatoire réelle X sont des nombres positifs.
Exemple.
On considère de nouveau l’exemple précédent, pour le calcul de la variance et l'écart- type .
5 10 5
V(X) = 122 132 142 132 = 0.25
20 20 20
𝜎𝑋 = 0.25 = 0.5
Probabilité:𝑃𝑖 p q p+𝑞 = 1
Espérance : E(X) =p
Variance : V(X) =pq = 𝑝(1-p)
Exemple.
Si on lance un dé et qu’on nomme "succès" l’apparition de la face 6, on obtient la loi de
Bernoulli suivante :
Valeurs de X: 𝑥𝑖 1 0
Probabilité: 𝑃𝑖 1 5 n
6 6
pi =1
i 1
3
Mme Benaicha
alors X suit une loi de Bernoulli B (1,p)
Loi Binomiale.
La loi binomiale est la loi de probabilité d’une variable aléatoire représentant une série
d’épreuves de Bernoulli possédant les propriétés suivantes :
Chaque épreuve donne lieu à deux éventualités exclusives de probabilités constantes p et
q = 1 − p.
Les épreuves répétées sont indépendantes les unes des autres.
La variable aléatoire X correspondante prend pour valeur le nombre de succès dans une suite
de n épreuves.
Notation : X→ B (n,p).
Univers : X(Ω) ={0; 1}.
Loi : P(X=k) = 𝐶𝑛𝑘 𝑝𝑘 𝑞 𝑛−𝑘 où k ∈ 0,1,2 … , n
Espérance : E(X) =np.
variance : V(X) =np (1-p).
Exemple.
Une fabrication automatique de pièces embouties donne un pourcentage de rebuts s'élevant à
5%. On considère un échantillon de 10 pièces issues de cette fabrication. Le Calcule de la
probabilité de trouver dans cet échantillon au plus 2 rebuts.
On répète 10 fois, de façon indépendante, l’expérience "on tire au hasard une pièce dans la
production " qui comporte 2 issues :
"la pièce va au rebut " considéré comme succès, de probabilité p=0,05
" la pièce ne va pas au rebut " considéré comme échec, de probabilité q=1−p =0,95
Le nombre de succès obtenus suit la loi binomiale de B(10;0,05) .
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. Pour des raisons citées ici, elle s’exprime à l’aide
4
Mme Benaicha
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. Plus formellement :
Espérance : E(X) = 𝜆.
variance : V(X) = 𝜆.
Exemple.
On admet que le nombre d'accidents survenant sur une autoroute quotidiennement est une
variable aléatoire qui suit une loi de Poisson de paramètre 𝜆 =3.
La probabilité qu'il y ait au moins 2 accidents lors d'un jour donné.
𝜆𝑘
La loi de Poisson de paramètre 𝜆 est définie par : 𝑒 −𝜆
𝑘!
P (X ≥ 2) =1−P (X = 0)− P (X =1)
=1− e – 3 − 3 e – 3 = 1 − 4e – 3
= 0.800.
5
Mme Benaicha
1
La probabilité pour que la faute considérée se trouve à la page 36 est P = .
500
1
On sait alors que X suit une loi binomiale de paramètres n = 300 et P = .
500
k 300k
k 1 1 1
P(X=k) = C300
500 500
6
Mme Benaicha
prend pour valeur le nombre de voyageurs ayant oublié leurs bagages dans le
train.
1) Quelle est la loi de probabilité de la variable aléatoire X ? Calculer son
espérance mathématique et sa variance.
2) Donner, en justifiant la réponse, une loi de probabilité permettant d'approcher
la loi trouvée à la question précédente. En utilisant cette loi approchée, calculer
une valeur approchée de la probabilité des événements suivants :
a) aucun voyageur n'a oublié ses bagages,
b) cinq voyageurs au moins ont oublié leurs bagages.
Solution.
1) Pour chaque voyageur il y a deux possibilités :
- il oublie ses bagages dans le train, avec la probabilité 0,005, ou bien
- il n'oublie pas ses bagages dans le train, avec la probabilité 0,995.
Les comportements de chacun des 850 voyageurs du train sont indépendants les
uns des autres. La loi de la variable aléatoire X est donc une loi binomiale, c'est
la loi binomiale de paramètres n = 850 et p = 0,005.
On a, pour tout entier k de 0 à 850 :
k
P (X = k) = C850 0.005k 0.995850k
On trouve :
E(X) = np = 850 x 0,005 donc E(X) = 4,25 voyageurs ayant oublié leurs
bagages.
V(X) = np(1-p) = 850 x 0,005 x 0,995 soit V(X) ≈ 4,2298.
2) On est en présence d'une loi binomiale pour laquelle
n ≥20 et p ≤ 0,05;
on remarque que l'espérance et la variance sont voisines ; on peut donc
approcher cette loi par une loi de Poisson. P (𝜆). 𝜆>0
𝜆𝑘
P(X=k) = 𝑒 −𝜆 k N
𝑘!
7
Mme Benaicha
𝜆 = 𝑛𝑝 = 𝐸(𝑋)
On prendra la loi de Poisson de paramètre 𝑃 (4.25).
a) On cherche P(X=0)
4.25 0
P(X =0) = 𝑒 −4.25 ≈ 0,014.
0!
La probabilité pour qu'aucun voyageur n'ait été oublié ses bagages dans le train
est approximativement 0,014.
𝑘
4 −𝜆 𝜆
b) P(X ≥ 5) = 1 - P(X ≤ 4). ≈ 1- 𝑘=0 𝑒 =
𝑘!
4.25 1 4.25 2 4.25 3 4.25 4
= 1- 𝑒 −4.25 1 + + + +
1! 2! 3! 5!
8
Mme Benaicha