Académique Documents
Professionnel Documents
Culture Documents
Définition
Une variable aléatoire X est une application : Ω → R
X ( )
: Résultat d'une expérience.
2. LOI DE PROBABILITE
Définition
La loi de probabilité d’une variable aléatoire discrète X est l'ensemble de couple
{(Xi, Pi)}, avec Pi = P( X = xi )
On a 2 cas possible :
1. Soit on est dans le cas général et on représente sous forme d’un tableau.
2. Soit on est dans le cas d’une loi particulière (voir plus loin, par exemple : loi de Bernoulli, loi de
poisson ….)
xi -1 1
P(X= xi) 4/6 2/6
3. ESPERANCE, VARIANCE
Définition
L'espérance mathématique ou la moyenne de X est donnée par :
k -1 1
E ( X ) = k P( X = k ) si la somme existe.
k
P(X= k) 2/3 1/3
Remarque
➢ Dans un jeu de hasard, l’espérance mathématique E du jeu est considérée comme le gain qu’un
joueur peut espérer retirer du jeu. On dit que le jeu est favorable au joueur si l’espérance E est
positive, défavorable si l’espérance E est négative, et équitable (ou équilibré) si E = 0.
K2 (-1)2 12
P(X= k) 2/3 1/3
E ( X 2 ) = k 2 P( X = k )
k
Définition
➢ La variance de X est le réel noté :
V ( X ) = E ( X 2 ) − [ E ( X )]2
En particulier si X est centré, c'est-à-dire E(X)=0, alors V(X) = E(X2).
➢ L'écart- type
Représente la dispersion des valeurs prises par la variable aléatoire X autour de la moyenne.
( X ) = V (X )
Exemple 2
1- Calculer l’espérance E(X), le jeu est-il équitable ?
2- Calculer la variance V(X) = 1- (-1/3)2 = 1- 1/9 = 9/9-1/9 = 8/9
Exercice 1 :
On lance un dé non pipé, On note X la variable qui prend pour valeurs les points marqués.
1- Déterminer l’univers Ω.
2- Ecrire la formule de l’espérance et de la variance de X.
3- Calculer l’espérance E(X) et la variance V(X).
k 1 2 3 4 5 6
P(X= k) 1/6 1/6 1/6 1/6 1/6 1/6
1. = 1, 2, 3, 4, 5, 6
3. E ( X ) = k P( X = k ) = 1 P( X = 1) + 2 P( X = 2) + + 6 P( X = 6)
k
1 1 1 1 21 7
=1 + 2 + + 6 = (1 + 2 + + 6) = =
6 6 6 6 6 2
K2 12 22 32 42 52 62
P(X= k) 1/6 1/6 1/6 1/6 1/6 1/6
3. V ( X ) = E ( X 2 ) − [ E ( X )]2 avec
E( X 2 ) = k k
2
P( X = k )
E ( X 2 ) = (1) P( X = 1) + ( 2 ) 2 P( X = 2) + + ( 6 ) P( X = 6)
2 2
1 1 1 1 91
= 1 + 22 + + 62 = (1 + 22 + + 62 ) =
6 6 6 6 6
Donc
2
91 7 91 49*3 91 49*3
V ( X ) = E ( X ) − [ E ( X )] =
2
− = 2
− = −
6 2 6 2*3 6 2*3
1 avec P(X = 1 ) = p
X =
0 avec P(X = 0) = 1- p
0 si echec
Xi = avec P(X=1) = p
1 si succès
P(X = 0) = 1-p
Alors Y suit la loi géométrique de paramètre P
La probabilité d’obtenir le premier succès au bout de k expériences vaut:
P( X = k ) = (1 − p)k −1 P
Exemple : Un Lancer d'un dé
On considère un dé équilibré à 6 faces. On lance 4 fois un dé.
On s’intéresse à l’instant d’obtention du nombre 5 pour la 1ère fois,
qu’on notera avec la variable Y.
0 si echec
Xi = avec P(X=1) = p
1 si succès
P(X = 0) = 1-p
n n n!
P( Sn = k ) = p k (1 − p)n−k avec =
k k k ! (n − k )!
E(Sn) = n p, V(Sn) = n p (1-p).
Exemple 1 : Un Lancer
On lance 10 fois une pièce de monnaie. On suppose que la probabilité d’avoir pile vaut 1/3.
On note X la variable aléatoire correspondant au nombre de faces obtenus après ces 10 lancés.
1. Présenter un exemple de résultat.
2. Quelle est la loi de X ? en précisant toujours les paramètres n et p. Justifier votre réponse.
3. Calculer la probabilité d’avoir 6 faces.
Exercice :
Dans une unité de chirurgie cardiaque, on administre aux opérés au moment de réveil
un médicament anti-douleur.
Dans 95% des cas ce médicament ne produit aucun effet secondaire.
Dans 4% des cas il produit une légère modification du rythme respiratoire
Dans 1% des cas un début de perte de connaissance.
Sur 5 opérés, quelle est la probabilité que le médicament ne produise aucun effet sur
au moins 4 d’entre eux ?
Exemple 1 :
Une urne contient N boules dont t gagnantes, on considère n tirages de boules sans remise
➔ Nous avons une succession d'épreuve de Bernoulli dépendantes Binomiale.
Soit X la v.a. comptant le nombre boules gagnantes (succès)
1. Quelle est la loi de X?
X suit la loi hypergéométrique de paramètre n, t/N, N avec n N
2. Quelle est la probabilité de que le nombre de boule gagnante soit égale à k avec k n
P(X=k) =
Exemple 2 :
Une grande enveloppe contient les douze ”figures” d’un jeu de carte : les quatre rois, les quatre dames
et les quatre valets. On tire, simultanément et au hasard, cinq cartes de l’enveloppe.
Soit X la variable aléatoire qui, à chaque tirage, associe le nombre de rois obtenus.
1. Déterminer la loi de probabilité de X. N=12
2. Quelle est la probabilité d’obtenir exactement 4 rois ?
***********************************************************************************************************
Dans la même enveloppe contenant les mêmes douze cartes, on effectue successivement cinq fois le
tirage d’une carte que l’on remet à chaque fois dans l’enveloppe.
Soit Y la variable aléatoire dont la valeur est égale au nombre de rois obtenus au cours des cinq
tirages.
3. Déterminer la loi de probabilité de Y.
4. Quelle est la probabilité d’obtenir au moins un roi ?
C44C125−−44 C44C81
P( X = 4) = = 5
C125 C12
P(Y 1) =1 − P(Y = 0) =
e− k
k N, P(X = k) =
k!
Exemple : Nombre d'appel téléphonique, ou nombre de client dans un magasin entre deux instant [t 1, t2].
Remarque : La loi de poisson est un processus de comptage, dans le cas d’un événement rare.
La notation ! correspond à un produit appelé produit factoriel.
3 ! = 1*2*3 k ! = 1*2*…*(k-1)*k
Par convention : 0 ! = 1
40 2
1. = E ( X ) = =
60 3
2 3
− 2
3
− k e
e 3
2. P( X = 3) = =
k! 3!
3. P ( X 2) = P ( ( X = 2) ou ( X = 3) ou ( X = 4) )
− 2 2 0 − 2
2 1
e 3 e 3
=1 − P (( X = 0) ou ( X = 1)) = 1 − 3 + 3
0! 1!
FX ( x) = P( X x)
lim FX ( x) = 0 lim FX ( x) = 1
x → − x→
9.1 Propriétés de la densité de probabilité
−
f X (t ) dt = 1
x, f X ( x) 0
➢ L'espérance de X : E ( X ) = x f X ( x) dx
−
➢ La variance de X est le réel noté :
V ( X ) = E ( X 2 ) − [ E ( X )]2
Avec E ( X ) = x 2 f X ( x) dx
2
−
➢ L'écart- type
Représente la dispersion des valeurs prises par la variable aléatoire X autour de la moyenne.
( X ) = V (X )
f ( x) = e 2 x F ( x) = ? u ' eu
- On pose u = 2x
- On calcule u’=2
(
f ( x) = 2 x 4 − 1 e 2 x ) −5 x
5
F ( x) = ?
- On pose u = 2 x5 − 5 x
- On calcule u ' = 2*5* x 4 − 5
(
u ' eu = 10 x 4 − 5 e 2 x ) −5 x
(
= 5 2 x4 −1 e 2 x ) −5 x
5 5
- On écrit
1 1 u
f ( x) = u ' eu →
F ( x) = e
5 5
1 2 x5 −5 x
→
F ( x) = e
2
Intégrale simple :
b
a, b : f ( x)dx F ( x)a
b
f est continue sur = = F (b) − F (a ) avec F primitive de f
a
primitive
5
e
−2 x
3. dx =
0
f ( x) = e −2 x
−on pose u = −2 x
− on calcule u ' = −2
1
− u ' eu = −2e −2 x f ( x) = u ' eu
−2
1 u 1 −2 x
F ( x) = e = e
−2 −2
5
1
5
3. e
−2 x
dx = e−2 x =
−2 0 −2
e − e =
−2 −2
(
1 −2*5 1 −2*0 1 −10
e − e0 ) = − ( e−10 − 1)
1
2
0
primitive
Une variable aléatoire suit la loi exponentielle de paramètre > 0, si X a pour densité de probabilité
donnée par :
fX( x ) = e- x , pour x > 0
Propriétés :
1 1
E(X) = et V(X) = .
2
Le paramètre est donné par l’inverse de la moyenne
P(X>3) = ° ° °
X −m
• Z= • Avec la table de loi normale, On a P( Z nombre positif )
− y2 +
1
de densité f Y (y) =
2
e 2 avec f
−
Y ( y )dy = 1
Exemple :
Soit X la variable aléatoire correspondant aux notes des élèves d’une classe.
La moyenne de la classe est 11 et les notes s’écartent de 2 autour de la moyenne.
Les notes sont normalement distribuées.
1. Déterminer la probabilité d’avoir la moyenne
X~→ N(11, 2)
P( X >=10) =
= P( Z >= - 0.5)
Exercice 1 :
P( X 1.88) =
P( X −1.88) = P( X 1.88) =
P( X 1.88) =1 − P( X 1.88) =
Exercice 2 :
P( X 8) = P( X −8) =
P( X 8) = P( X −8) =
On doit poser
X −m
Z=
Ici on posera
X −5
Z=
2
Soit (Xk)k une suite de variable aléatoire indépendante de même loi quelconque,
avec pour tout k, E(Xk) = m est une constante et V(Xk) = 2 est une constante.
( )
n
Alors: Pour Sn = X
k =1
k ~ E(Sn ), V(Sn )
Sn − E (Sn )
Zn = converge en loi vers la v.a Z , quand n tend vers l'infini.
V (Sn )
Z n ⎯⎯→
loi
Z
avec Z suit la loi normale centrée réduite : Z ~ N (0,1)
ICm = X − 1.96 , X + 1.96
n n
6. TEST STATISTIQUE
Ce test permet de juger la qualité de l’ajustement d’une distribution théorique à une distribution
expérimentale.
A partir d’un échantillon de donnée, on cherche à répondre à la question suivante :
Peut-on affirmer que la répartition des observations de l’échantillon puisse s’apparenter à une
répartition théorique particulière (exemple : loi binomiale, loi normale, loi de poisson, …).
Soit ( x1 , x2 ,..., xn ) un échantillon donné, le test d’adéquation permet de choisir la loi de X parmi les loi
usuelles
Exemple :
On lance un dé 60 fois et on obtient les résultats rangés selon le tableau observé suivant :
Face observée 1 2 3 4 5 6
Nombre d'observation 10 0 15 15 8 12
Face 1 2 3 4 5 6
Nombre d'observation → oI 10 0 15 15 8 12
Nombre Théorique sous
l'hypothèse de dé équilibré: n pi 1 10 10 10 10 10
60* = 10
→Ti 6
- On calculera ERREUR :
(10 − 10 ) ( 0 − 10 ) (12 − 10 )
2 2 2
d= + + + = 15.8
10 10 10
- On compare le résultat avec l'erreur théorique de la table de 2 ( )
de degrés de libertés = k − 1 − s = 6 − 1 − 0
k : nombre de possibilité (nombre de colonne ) s : nombre de paramètre de la loi
Avec la table de ( 6 −1 − 0) risque = 5% , on trouve r = 11.07 → erreur théorique max
2
Principe du test de 2 :