GENERALITE

SUR LES LOIS DE

PROBABILITES
Dr AKA Joseph
Maître de Conférences Agrégé
Département de Santé Publique et Spécialités
Unité de Pédagogie en Santé publique, Biostatistique et Informatique médicale
Laboratoire de Biostatistique, Méthode et Informatique médicale
UFR SMA /UFHB
4/03/2020 Cours STAT EPSS 2019-2020 1
 OBJECTIFS

• Rattacher à chaque variable aléatoire sa

loi de probabilités (LP)
• Formuler les moments d’une loi de
probabilités
• Appliquer/(Connaitre) les propriétés des
moments

4/03/2020 Cours STAT EPSS 2019-2020 2

 PLAN

INTRODUCTION ET INTERETS
I. VARIABLE ALEATOIRE ET LOI DE PROBABILITES
II. MOMENTS D’UNE LOI DE PROBABILITES
III. PROPRIETES DES MOMENTS D’UNE LOI DE
PROBABILITES
CONCLUSION

4/03/2020 Cours STAT EPSS 2019-2020 3

 INTRODUCTION
• La probabilité est une idéalisation de la fréquence
relative (Théorème central limite)
• La distribution des variables n’est pas connue dans
la population (en général)
• Distributions observées seront approchées par des
lois théoriques (lois de probabilités)

• Triple Intérêt portant sur :

‐ Compréhension de la théorie des distributions
‐ Compréhension des chapitres à venir (lois de probabilités)
‐ Tests de signification et tables statistiques

4/03/2020 Cours STAT EPSS 2019-2020 4

 OBJECTIFS

• Rattacher à chaque variable aléatoire sa

loi de probabilités (LP)

• Formuler les moments d’une loi de probabilités

• Appliquer/Connaitre les propriétés des moments d’une loi de probabilités

4/03/2020 Cours STAT EPSS 2019-2020 5

 I - VARIABLE ALEATOIRE
ET LOI DE PROBABILITES (1/9)
1. NOTION DE VARIABLE ALEATOIRE ET LP
• Rappel : la probabilité d’un événement E  P() est
une application de :
- P() [0, 1]  R+
- E p(E)
• On appelle VA X une application de l’univers des
éventualités dans R
-  R
- a X(a)
• A chaque VA, on rattache sa loi de probabilités +++

4/03/2020 Cours STAT EPSS 2019-2020 6

 I - VARIABLE ALEATOIRE
ET LOI DE PROBABILITES (2/9)
2. LOI DE PROBABILITES D’UNE VA DISCRETE
• Soit une expérience aléatoire et x un réel associé au
résultat de cette expérience
• Supposons que X puisse prendre k valeurs discrètes
auxquelles on associe k probabilités / p  p( X  xi )
i

x , x ,..., x ,..., x
1 2 i k k

 p 1
p , p ,.., p ,.., p
1 2 i k
i 1
i

• La LOI de PROBABILITES (LP) de X est constituée par

l’ENSEMBLE des couples x , p 
i i

4/03/2020 Cours STAT EPSS 2019-2020 7

 I - VARIABLE ALEATOIRE
ET LOI DE PROBABILITES (3/9)
2. LOI DE PROBABILITES D’UNE VA DISCRETE
La LP de X formée par l’ensemble des couples x , p 
i i

- Estimation de pi  p( X  xi )
- Représentation graphique

Cf. EXEMPLES DU POLYCOPIE

• Le lancer de 2 dés où X est « la somme des valeurs

obtenues »
• Le lancer 3 fois d’une pièce de monnaie +++
• Enquête de la distribution du nombre de TV dans
200 ménages
4/03/2020 Cours STAT EPSS 2019-2020 8
 Représentation graphique de la LP X
(ex1 : lancer de 2 dés où X = somme des 2 faces)

pi
0,2
0,18
0,16
0,14
0,12
0,1
0,08
0,06
0,04
0,02
0
2 3 4 5 6 7 8 9 10 11 12
XI

4/03/2020 Cours STAT EPSS 2019-2020 9

 Représentation graphique de la LP X
(ex2 : lancer 3 fois une pièce de monnaie)

pi
0,45

0,4

0,35

0,3

0,25

0,2

0,15

0,1

0,05

0
0 1 2 3

4/03/2020 Cours STAT EPSS 2019-2020 10

 Représentation graphique de la LP X
(ex3 : Distribution du nombre de TV dans 200 ménages)

fri
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 1 2 3

4/03/2020 Cours STAT EPSS 2019-2020 11

 I - VARIABLE ALEATOIRE
ET LOI DE PROBABILITES (4/9)
3. LOI DE PROBABILITES D’UNE VA CONTINUE
• La loi de probabilités d’une VAC est connue
lorsque l’on connait sa fonction de répartition ou
sa densité de probabilité
• Notation des 2 fonctions de probabilités :
- F(x) = fonction de répartition et
- f(x) = fonction densité de probabilité (fdp)

• Sa fonction de répartition est dérivable à gauche

et à droite
4/03/2020 Cours STAT EPSS 2019-2020 12
 I - VARIABLE ALEATOIRE
ET LOI DE PROBABILITES (5/9)
 FONCTION DE REPARTITION D’UNE LPC
- Considérons X VAC, X définit sur un intervalle
donné (a , b) ou (- , +) /
p(X<a) ou p(X<-) = 0 et p(X>b) ou p(X>+) = 0
- Si au cours d’un premier essai, on obtient x1,
alors p(X<x1) = F(x1)
- Si au cours d’un deuxième essai, on obtient x2,
alors p(X<x2) = F(x2)
- Et si x1<x2, alors p(X<x2) = p(X<x1) + p(x1X<x2)
Et F(x2) - F(x1) = p(x1X<x2)

4/03/2020 Cours STAT EPSS 2019-2020 13

 I - VARIABLE ALEATOIRE
ET LOI DE PROBABILITES (6/9)
 PROPRIETES DE F(x) :
• F(+) = p(X<+) = 1
• F(-) = p(X<-) = 0
• F(x) croissante, en effet si x1<x2, alors
F(x2) - F(x1) = p(x1X<x2) > 0
• F(x2) > F(x1)
• Allure de courbe en « S » italique ++++
(faire la représentation graphique)

4/03/2020 Cours STAT EPSS 2019-2020 14

 I - VARIABLE ALEATOIRE
ET LOI DE PROBABILITES (7/9)
F(x)

1/2

- x
0 +
4/03/2020 Cours STAT EPSS 2019-2020 15
 I - VARIABLE ALEATOIRE
ET LOI DE PROBABILITES (8/9)
 DENSITE DE PROBABILITE D’UNE LPC
− De ce qui précède, considérons un intervalle, le
plus petit possible / X  [x, x+x], alors
p(x X< x+x) = p(x) = F(x+x) - F(x) = F(x)
− Notion de limite :
F ( x  x)  F ( x) F ( x) p ( x)
 
x x x
F ( x  x)  F ( x) F ( x) p ( x)
lim   lim  lim
x x x
F ( x) dp( x)
quand x  0 alors lim 
 F ( x)   f ( x)
x dx
4/03/2020 Cours STAT EPSS 2019-2020 16
 I - VARIABLE ALEATOIRE
ET LOI DE PROBABILITES (9/9)
 DENSITE DE PROBABILITE D’UNE LPC

 F ( x)  f ( x)
− f(x) est appelée densité de probabilité de X
si x1
 R alors p ( X  x )  F(x )
1 1

x1
et F ( x1)   
f (x) dx

− Aire sous la courbe de f(x)

− Voire allure gaussienne de la courbe +++
4/03/2020 Cours STAT EPSS 2019-2020 17
 RESUME SUR LES LP
• LOI DE PROBABILITES D’UNE VA DISCRETE
 Sa LOI de PROBABILITES (LP) de X est constituée
par l’ENSEMBLE des couples x , p 
i i

avec p  p( X  x )
i i

• LOI DE PROBABILITES D’UNE VA CONTINUE

Est connue si l’on connait
 F(x) = fonction de répartition ou
 f(x) = fonction densité de probabilité
avec p( X  x1)  F ( x1) et F ( x1)   x f (x)dx 1



4/03/2020 Cours STAT EPSS 2019-2020 18

 OBJECTIFS

• Rattacher à chaque variable aléatoire sa loi de probabilités

• Formuler les moments d’une loi de

probabilités
• Appliquer/Connaitre les propriétés des moments

4/03/2020 Cours STAT EPSS 2019-2020 19

 II - MOMENTS D’UNE LOI DE PROBA (1/9)
• RAPPEL :
− En statistique descriptive, au cours d’une
expérience, une VA prend les valeurs
x , x ,...... x ,...... x1 2 i k

− Associées aux freq. relat. f r , f r ,.... f r ,.... f r1 2 i k

− Nous avons noté que  f r  1

i 1 i

2
− Et avons défini les moments x et S x
4/03/2020 Cours STAT EPSS 2019-2020 20
 II - MOMENTS D’UNE LOI DE PROBA (2/9)
• CAS DES LOIS DE PROBABILITES :
− On construit une VA (théorique) prenant les
valeurs
x , x ,.... x ,.... x
1 2 i k

− Associées aux pi p , p ,... p ,... p

1 2 i k
k
avec  pi  1
i 1

lim f r ( E )  p( E )
− Nous avons montré que
quand n  

− Nous allons construire les moments

4/03/2020 Cours STAT EPSS 2019-2020
 et  x
21
2
 II - MOMENTS D’UNE LOI DE PROBA (3/9)

DEFINTION DES MOMENTS

Encore appelés :
− moment d’ordre 1 ou espérance mathématique
− et moment d’ordre 2 ou variance théorique

4/03/2020 Cours STAT EPSS 2019-2020 22

 II - MOMENTS D’UNE LOI DE PROBA (4/9)
1. MOMENTS D’UNE LP DISCRETE / DISCONTINUE
• Espérance mathématique de X
k
E( X )     px i
i
i 1

• Espérance math de la VA Centrée : X - E(X)

k
E  X  E ( X )   p  X  E ( X )
i
i 1

p x      p x   p
k k k
 i i
 0
i i i
i 1 i 1 i 1

4/03/2020 Cours STAT EPSS 2019-2020 23

 II - MOMENTS D’UNE LOI DE PROBA (5/9)
1. MOMENTS D’UNE LP DISCRETE / DISCONTINUE
• Variance de X

 p x i   
k


2
V (X )  
2
i
i 1


k

px
2
 
2
i i
i 1

 E( X ) 
2
E ( X ) 2

• Cf. développement du binôme de Newton

x i     ( x  2  x   )
2 2
i i
2

4/03/2020 Cours STAT EPSS 2019-2020 24

 II - MOMENTS D’UNE LOI DE PROBA (6/9)

1. MOMENTS D’UNE LP DISCRETE / DISCONTINUE

• EXEMPLE 1 : Lancer 3 fois une pièce de

monnaie
• E(X) ?
• V(X) ?

• EXEMPLE 2 : cf. polycopié sur le lancer du dé

• E(X) ?
• V(X) ?

4/03/2020 Cours STAT EPSS 2019-2020 25

 II - MOMENTS D’UNE LOI DE PROBA (7/9)
2. MOMENTS D’UNE LP CONTINUE
• Espérance mathématique de X
k
E( X )     px i
i
i 1

Re mplacez  par 

x i
par x et p i
par f ( x ) dx


Alors E ( X )   xf ( x )dx

4/03/2020 Cours STAT EPSS 2019-2020 26
 II - MOMENTS D’UNE LOI DE PROBA (8/9)

2. MOMENTS D’UNE LP CONTINUE

• Variance de X
V (X )  
2
 

x    f ( x)dx2



 x
2
 f ( x ) dx 
2


 E( X
2
) E ( X ) 2

• Cf. développement du binôme de Newton

(x - )²
4/03/2020 Cours STAT EPSS 2019-2020 27
 II - MOMENTS D’UNE LOI DE PROBA (9/9)

2. MOMENTS D’UNE LP CONTINUE

• EXEMPLE : cf. polycopié

soit f(x) = 2x et 0<X<1
• E(X) ?
• V(X) ?

4/03/2020 Cours STAT EPSS 2019-2020 28

 OBJECTIFS

• Rattacher à chaque variable aléatoire sa loi de probabilités

• Formuler les moments d’une loi de probabilités

• Appliquer/Connaitre les propriétés des

moments

4/03/2020 Cours STAT EPSS 2019-2020 29

 III - PROPRIETES DES MOMENTS (1/3)

1. X VA ISOLEE et a  R

• E(aX) = a E(X)
• V(aX) = a² V(X)

• E(a+X) = a+E(X)
• V(a+X) = V(X) car V(a) = 0

4/03/2020 Cours STAT EPSS 2019-2020 30

 III - PROPRIETES DES MOMENTS (2/3)

2. X et Y DEUX VA SIMULTANEES

• E(X+Y) = E(X) + E(Y)

• E(X-Y) = E(X) - E(Y)
• Si E(X) = E(Y) alors E(X-Y) = 0

4/03/2020 Cours STAT EPSS 2019-2020 31

 III - PROPRIETES DES MOMENTS (3/3)
2. X et Y DEUX VA SIMULTANEES
• V(X+Y) = V(X) + V(Y) + 2Cov(XY)
• V(X-Y) = V(X) + V(Y) - 2Cov(XY)
• Avec Cov(XY) = E(XY) - E(X)E(Y)
• Si X et Y sont indépendants, alors
Cov(XY) = 0 et V(X+Y) = V(X-Y)
(Exemple du lancer de 2 dés)
• Si X et Y sont dépendants, alors
Cov(XY) ≠ 0 et V(X+Y) ≠ V(X-Y)
(Exemple du poids et taille)
4/03/2020 Cours STAT EPSS 2019-2020 32
 CONCLUSION (1/3)
1. Ce chapitre permet une meilleure compréhension
des différentes lois de probabilités que nous
aborderons dans les prochains chapitres

2. En distinguant 2 familles de lois de probabilités

usuelles :
- Les lois de probabilités discrètes ou
discontinues
- Les lois de probabilité continues

4/03/2020 Cours STAT EPSS 2019-2020 33

 CONCLUSION (2/3)
2.1- LOIS DE PROBABILITES DISCRETES/DISCONTINUES :
• Bernoulli : B(1,p)
• Binomiale : B(n,p)
• Multinominale : M(n,p,k)

• Poisson : P()
• Géométrique : G(p)
• Hypergéométrique : H(N,n,p)
• Uniforme directe : U(n)

4/03/2020 Cours STAT EPSS 2019-2020 34

 CONCLUSION (3/3)
2.2 - LOIS DE PROBABILITES CONTINUES :
• Normale : N(,)
• Khi-Deux : X n
2

• Student : t
• Fisher-Snedecor : F  ,
1 2

• Uniforme continue : U(a,b)

• Exponentielle : E()
• Gamma : G(,)

4/03/2020 Cours STAT EPSS 2019-2020 35

4/03/2020 Cours STAT EPSS 2019-2020 36
 Môh - Ayôh - Barikah - Nanséh

4/03/2020 Cours STAT EPSS 2019-2020 37