Probabilités - Alternance Gea

Anne Fredet, Jean-Marie Gourdon

25 avril 2006

1 Lois de Poisson
Définition 1.0.1 On dit que la variable aléatoire X suit une loi de Poisson
de paramètre m si
mk −m
P (X = k) = e
k!
m
Remarque 1.0.1 Dans ce cas, P (X = k + 1) = k+1
P (X = k).

Exercice 1.0.1 Dans un atelier, le nombre d’accidents au cours d’une année

suit une loi de Poisson de paramètre 5. Calculer la probabilité des événements
suivants :
1. Il n’y a pas d’accidents au cours d’une année
2. Il y a exactement 4 accidents au cours de l’année
3. Il a plus de 6 accidents au cours de l’année

Proposition 1.0.1 Si X suit une loi de Poisson de paramètre m alors E(X) =

V (X) = m.

Proposition 1.0.2 Si X1 et X2 sont deux variables aléatoire indépendantes

et si X1 suit une loi de Poisson de paramètre m1 et X2 une loi de Poisson de
paramètre m2 alors X1 + X2 suit une loi de Poisson de paramètre m1 + m2 .

1
Démo :

mk1 −m1
P (X1 = k) = e
k!
mk2 −m2
P (X2 = k) = e
k!
Xk k
X
P (X1 + X2 = k) = P ({X1 = i} ∩ {X2 = k − i}) = P ({X1 = i}) × P ({X2 = k − i})
i=0 i=0
k
X mi 1 −m1 mk−i
= e × 2
e−m2
i=0
i! (k − i)!
k
X mi mk−i
= e−(m1 +m2 ) 1
× 2

i=0
i! (k − i)!
k
−(m1 +m2 ) 1 X k!
= e mi1 × mk−i
2
k! i=0 i!(k − i)!
k
−(m1 +m2 ) 1 X i i
= e C m × mk−i
k! i=0 k 1 2

1 (m1 + m2 )k −(m1 +m2 )

= e−(m1 +m2 ) (m1 + m2 )k = e
k! k!

Proposition 1.0.3 On peut approcher une loi binomiale B(n, p) par la loi
de Poisson P(np) avec un bon pourcentage de réussite si n ≥ 30, p ≤ 0, 1 et
np < 15.

Exercice 1.0.2 Suite à une vaccination contre le paludisme, dans une po-
pulation à risque, on estime à 2%, compte tenu du délai d’immunisation, la
proportion de personnes qui seront pourtant atteintes de la maladie. En utili-
sant la loi binomiale puis la loi de Poisson, quelle est la probabilité de consta-
ter, lors d’un contrôle dans un petit village de 100 habitants tous récemment
vaccinés, plus d’une personne malade ? (on supposera l’indépendance des
éventualités).

Exercice 1.0.3 Une entreprise possède un parc de 200 machines fonction-

nant sans arrêt pendant les heures de travail. On a observé que la proba-

2
bilité pour chaque machine de tomber en panne au cours d’une journée est
p = 1/1000.
1. Calculer la probabilité pour une machine déterminé de tomber en panne
au moins une fois au cours des 25 jours ouvrables
2. Calculer la probabilité pour une machine déterminé de tomber en panne
plus d’une fois au cours des 25 jours ouvrables
3. En approximant par une loi de Poisson, calculer la probabilité qu’a
cours des 25 jours ouvrables 4 machines au plus tombent en panne puis
qu’on observe au moins 6 pannes.

Plutôt que de refaire les calculs à chaque fois, on peut utiliser la table sui-
vante :

3
"
Table n° 2
Table n° 1
LOI de POISSON
EXTRAIT DES TABLES DE LA LOI DE POISSON
Valeurs de P (m, .'t ::> c) lues én milliè~
(on lit P" en millièmes) .

9 10 1 2 3 4 5 6 7 8 9 10
1 1,5 2 3. 4 5. 6 7 8
X 0 368 223 135 050 018 007 002 001 000 000 000 0 632 865 950 982 993 998 999 999 1000 1000
001 000 1 264 594 801 908 960 983 993 997 999 999
1 368 335 271 149 073 034 015 006 003
005 002 2 080 323 577 762 875 938 970 986 994 997
2 184 251 271 224 147 084 045 022 011
015 008 3 019 143 353 567 735 849 918 958 979 990
3 061 126 180 224 195 140 089 052 029
019 4 004 053 185 31 560 715 827 900 945 971
4 015 047 090 168 195 176 134 091 057 03.t
092 061 038 5 001 017 084 215 384 554 699 809 884 932
5 003 014 036 101 156 176 161 128
063 6 005 034 III 238 394 550 687 793 870
6 001 004 012 050 '104 146 161 149 122 091
140 117 090 7 001 012 051 133 256 401 547 676 780
7 000 001 003 022 060 104 138 149
130 140 132 113 8 004 021 068 153 271 407 544 667
8 000 001 008 030 065 103
069 101 124 132 125 9 001 008 032 084 170 83 413 542
9 000 003 013 036
041 071 099 119 125 10 003 014 043 099 184 194 417
10 001 005 018
023 045 072 097 114 Il 001 005 020 053 11:! 197 303
Il 000 .002 008
011 026 048 073 095 12 002 009 027 064 124 208
12 001 003
030 050 073 13 001 004 013 034 074 135
13 000 001 005 014
000 002 007 017 032 052 14 001 006 017 041 083
14 022
001 003 009 019 035 15 002 008 049
15 004 011 027
000 001 005 011 022 16 001
16 014
000 002 006 013 17 002 005
17
001 003 007 18 001 002 007
18 001 003
19 000 001 004 19
000 002 20 000 002
20 001
21 001 21
000 22 000
22
23 23
24 24
 c

TABLE : LOI DE POISSON

X étant une variable aléatoire réelle suivant la loi de Poisson de paramètre a.
E-supnet.com

on pose : p(k, a) = P (X = k) et F (k, a) = P (X ≤ k).

2001

a=1 a=2 a=3 a=4 a=5 a=6 a=7 a=8

k p(k, a) F (k, a) p(k, a) F (k, a) p(k, a) F (k, a) p(k, a) F (k, a) p(k, a) F (k, a) p(k, a) F (k, a) p(k, a) F (k, a) p(k, a) F (k, a)
0 0, 36788 0, 36788 0, 13534 0, 13534 0, 04979 0, 04979 0, 01832 0, 01832 0, 00674 0, 00674 0, 00248 0, 00248 0, 00091 0, 00091 0, 00034 0, 00034
1 0, 36788 0, 73576 0, 27067 0, 40601 0, 14936 0, 19915 0, 07326 0, 09158 0, 03369 0, 04043 0, 01487 0, 01735 0, 00638 0, 00730 0, 00268 0, 00302
2 0, 18394 0, 91970 0, 27067 0, 67668 0, 22404 0, 42319 0, 14653 0, 23810 0, 08422 0, 12465 0, 04462 0, 06197 0, 02234 0, 02964 0, 01073 0, 01375
3 0, 06131 0, 98101 0, 18045 0, 85712 0, 22404 0, 64723 0, 19537 0, 43347 0, 14037 0, 26503 0, 08924 0, 15120 0, 05213 0, 08177 0, 02863 0, 04238
4 0, 01533 0, 99634 0, 09022 0, 94735 0, 16803 0, 81526 0, 19537 0, 62884 0, 17547 0, 44049 0, 13385 0, 28506 0, 09123 0, 17299 0, 05725 0, 09963
5 0, 00307 0, 99941 0, 03609 0, 98344 0, 10082 0, 91608 0, 15629 0, 78513 0, 17547 0, 61596 0, 16062 0, 44568 0, 12772 0, 30071 0, 09160 0, 19124
6 0, 00051 0, 99992 0, 01203 0, 99547 0, 05041 0, 96649 0, 10420 0, 88933 0, 14622 0, 76218 0, 16062 0, 60630 0, 14900 0, 44971 0, 12214 0, 31337
7 0, 00007 0, 99999 0, 00344 0, 99890 0, 02160 0, 98810 0, 05954 0, 94887 0, 10444 0, 86663 0, 13768 0, 74398 0, 14900 0, 59871 0, 13959 0, 45296
8 0, 00001 1, 00000 0, 00086 0, 99976 0, 00810 0, 99620 0, 02977 0, 97864 0, 06528 0, 93191 0, 10326 0, 84724 0, 13038 0, 72909 0, 13959 0, 59255
9 0, 00019 0, 99995 0, 00270 0, 99890 0, 01323 0, 99187 0, 03627 0, 96817 0, 06884 0, 91608 0, 10140 0, 83050 0, 12408 0, 71662
10 0, 00004 0, 99999 0, 00081 0, 99971 0, 00529 0, 99716 0, 01813 0, 98630 0, 04130 0, 95738 0, 07098 0, 90148 0, 09926 0, 81589
11 0, 00001 1, 00000 0, 00022 0, 99993 0, 00192 0, 99908 0, 00824 0, 99455 0, 02253 0, 97991 0, 04517 0, 94665 0, 07219 0, 88808
12 0, 00006 0, 99998 0, 00064 0, 99973 0, 00343 0, 99798 0, 01126 0, 99117 0, 02635 0, 97300 0, 04813 0, 93620
13 0, 00002 1, 00000 0, 00020 0, 99992 0, 00132 0, 99930 0, 00520 0, 99637 0, 01419 0, 98719 0, 02962 0, 96582
14 0, 00006 0, 99998 0, 00047 0, 99977 0, 00223 0, 99860 0, 00709 0, 99428 0, 01692 0, 98274
15 0, 00002 1, 00000 0, 00016 0, 99993 0, 00089 0, 99949 0, 00331 0, 99759 0, 00903 0, 99177
16 0, 00005 0, 99998 0, 00033 0, 99983 0, 00145 0, 99904 0, 00451 0, 99628
17 0, 00001 0, 99999 0, 00012 0, 99994 0, 00060 0, 99964 0, 00212 0, 99841
18 0, 00001 1, 00000 0, 00004 0, 99998 0, 00023 0, 99987 0, 00094 0, 99935
19 0, 00001 0, 99999 0, 00009 0, 99996 0, 00040 0, 99975
20 0, 00001 1, 00000 0, 00003 0, 99999 0, 00016 0, 99991
21 0, 00001 1, 00000 0, 00006 0, 99997
22 0, 00002 0, 99999
23 0, 00001 1, 00000
24
1
2 Solutions
Solution 1.0.1 1. P (X = 0) = e−5 ≈ 0, 0067
54 −5
2. P (X = 4) = 4!
e ≈ 0, 1755
3. P (X > 6) = 1 − P (X ≤ 6) ≈ 1 − 0, 7622 ≈ 0, 2378

Solution 1.0.2 Compte tenu des hypothèses, le nombre de malades est ici
régi par une loi binomiale de paramètres n = 100 et p = 0,02. On a np = 2
et les conditions d’approximation par une loi de Poisson sont ralises. Soit m
la probabilit cherche.
En utlisant la loi binomiale, on a 1 − m = (0, 98)100 + 2 × (0, 98)99 ≈ 0, 403.
Soit m ≈ 0, 597.
k
En utilisant la loi de Poisson, on a P rob(X = k) = e−2 × 2k! , donc 1 − m ≈
P rob(X = 0) + P rob(X = 1) = 0, 406 , soit m ≈ 0, 594. L’approximation est
donc ici excellente.

Solution 1.0.3 Soit X la variable aléatoire associée au nombre de pannes

durant 25 jours ouvrables. Ces 25 épreuves sont identiques et indépendantes
donc X suit une loi binomiale B(25 ;1/1000).
1. Calculer la probabilité pour une machine déterminé de tomber en panne
au moins une fois au cours des 25 jours ouvrables : p(X ≥ 1) = 1 −
p(X = 0) = 1 − 0, 99925 ≈ 0, 0247
2. Calculer la probabilité pour une machine déterminé de tomber en panne
plus d’une fois au cours des 25 jours ouvrables : p(X > 1) = 1−((p(X =
0) + p(X = 1)) = 1 − (0, 99925 + 25 × 0, 001 × 0, 99924 ) ≈ 0, 0003
3. Soit Y la variable aléatoire associée au nombre de pannes pour 200
machines en 25 jours. Y suit la loi binomiale B(5000 ;0,001). On l’ap-
proche la loi binomiale par la loi de Poisson de même moyenne np =
5000 × 0, 001 = 5 (on a bien n ≥ 30; p ≤ 0, 1 et np < 15). On en déduit

p(Y ≤ 4) = p(Y = 0) + p(Y = 1) + p(Y = 2) + p(Y = 3) + p(Y = 4)

52 53 54
 
−5 5
= e 1+ + + + ≈ 0, 4405
1! 2! 3! 4!
52 53 54 55
 
−5 5
P (Y < 6) = P (Y ≤ 5) = e 1+ + + + + ≈ 0, 6160
1! 2! 3! 4! 5!

6
3 Références
– Statistique et calcul des probabilités, Walder Masiéri, Éditions Dalloz
– L’essentiel des probabilités et statistiques, Francois Aubin et René Si-
gnoret, Éditions Ellipses
– http://www.inrialpes.fr/sel/
– http://www.statcan.ca/francais/edu/index_f.htm
– http://fr.wikipedia.org/wiki/Accueil