Académique Documents
Professionnel Documents
Culture Documents
n 30; p 0. 1; np 15
x x 0.8 x (0.2) 75 x
P[X x] C75 e 6 6 x
P[X x]
x!
0 0.00192 0.00247
1 0.01254 0.01487
2 0.04036 0.04461
3 0.08540 0.08923
4 0.13367 0.13385
5 0.16505 0.16062
6 0.16744 0.16062
7 0.14352 0.13767
8 0.10608 0.10325
9 0.06867 0.06883
10 0.03941 0.04130
17
1.2. Tendance vers la loi normale
Exemple. X ~ P(λ=50)
18
Exercice d’application
Une société de location de voitures a trouvé par calcul que la probabilité qu’une de ses
voitures louées ait un accident dans une journée est égale à 0.004 (la probabilité qu’une voiture
louée ait plus d’un accident par jour est nulle). Les accidents sont supposés indépendants les uns
des autres. Chaque jour, n voitures de la société sont en circulation.
1. Soit Xi la variable aléatoire qui prend la valeur 1 si la i-ème voiture subit un accident dans une
journée et elle prend la valeur 0 sinon. Quelle est la loi de probabilité de la variable Xi .En déduire son
espérance et sa variance.
a) Nous supposons dans cette question que n=1000. Déterminer la loi exacte de Y. Utiliser une loi
approximative de la variable Y pour calculer la probabilité qu’il y ait au moins un accident dans une
journée.
b) Maintenant nous supposons que n=10000. Donner une valeur approchée de la probabilité qu’il y ait
au moins un accident dans une journée.
19
Convergences
1. Convergence en probabilités
1.1. Définition.
( X n ) nN est une suite de variables aléatoires définies sur un même espace probabilisé (S,F,P)
et X une variable aléatoire définie sur (S,F,P). On dit que X n converge en probabilités vers X et on
P 0, limP[ X n X ] 0
écrit ( X n X ) si nous avons :
n
Si ( X n ) nN est une suite de variables aléatoires indépendantes de même loi telles que E(Xn)=μ
P X ...X n
et V(Xn)=σ2 alors X n où, X n 1
n
1
Exemple. ( X n ) nN * est une suite de variables aléatoires indépendantes de loi binomiale B(n, ).
4
Xn 1
Utiliser l’inégalité de Tchebychev pour prouver que converge en probabilité vers .
n 4
2. Convergence en loi
2.1. Définition.
( X n ) nN est une suite de variables aléatoires (de fonction de répartition Fn ) définies sur un
même espace probabilisé (S,F,P) et X une variable aléatoire (de fonction de répartition F) définie sur
L lim Fn ( x) F ( x)
(S,F,P). On dit que X n converge en loi vers X et on écrit : X n X si pout toute
n
valeur réelle x où F est continue
2.2. Théorème central limite.
Si ( X n ) nN est une suite de variables aléatoires indépendantes de même loi telles que :
n ( X n ) L
E(Xn)=μ et V(Xn)=σ2 alors N (0,1)
Exemple. ( X n ) nN * est une suite de variables aléatoires indépendantes de loi exponentielle de
1 64
paramètre ½. Utiliser une loi approximative pour la variable X X i pour calculer la probabilité
64 i 1
PX 2.49.
20