Académique Documents
Professionnel Documents
Culture Documents
Soit X une v.a.d définie sur un espace probabilisé (Ω, A, P ) et à valeurs dans E = {x1 , . . . , xn }. On dit que X
1
P (X = xi ) = pour tout i ∈ [1 : n].
n
Exemple :
Si X suit la loi uniforme discrète sur {1, . . . , n}, (c-à-d : xi = i), alors
n n
X 1X n+1
E(X) = xi P (X = xi ) = i= .
i=1
n i=1 2
n n
X 1X 2 (n + 1)(2n + 1)
E(X 2 ) = x2i P (X = xi ) = i = .
i=1
n i=1 6
n2 − 1
V (X) = E(X 2 ) − (E(X))2 = .
12
Soit X une v.a.d définie sur un espace probabilisé (Ω, A, P ). On dit que X suit la loi de Bernoulli, notée B(p),
P (X = 1) = p et P (X = 0) = 1 − p.
P (succès) = p et P (échec) = 1 − p.
1 1
P obtenir (P) = P (succès) = , P obtenir (F) = P (échec) = .
2 2
Soit (Ω, A, P ) un espace probabilisé et X une v.a.d qui suit la loi de Bernoulli B(p), alors,
1
Preuve :
Par conséquent,
E(X) = 0 × P (X = 0) + 1 × P (X = 1) = p.
E(X 2 ) = 02 × P (X = 0) + 12 × P (X = 1) = p.
Finalement,
Soit X une v.a.d définie sur un espace probabilisé (Ω, A, P ). On dit que X suit la loi Binomiale, notée B(n, p),
de paramètres n ∈ N∗ et p ∈]0, 1[ si :
P (X = k) = Cnk pk (1 − p)n−k .
La loi Binomiale B(n, p) modélise le nombre de succès dans une suite d’expériences indépendantes où il y a une
- Cnk pour tenir compte de l’ordre de tous les choix possibles des k succès sur n.
Exemples :
- On lance (n = 10) fois d’une manière indépendante une pièce de monnaie équilibrée.
1
Si X représente le nombre de faces obtenues, alors X suit la loi Binomiale B 10, .
2
La probabilité d’obtenir exactement (k = 3) fois (F) dans (n = 10) lancers est :
1 3 1 10−3 15
3
P (X = 3) = C10 1− = .
2 2 128
Soient X1 , . . . , Xn n v.a.d(s) indépendantes définies sur le même espace probabilisé (Ω, A, P ) et suivant chacune
une loi de Bernoulli B(p), alors la v.a.d somme X = X1 + . . . + Xn suit la loi Binomiale B(n, p). Preuve :
2
Il est clair que X(Ω) = {0, . . . , n} et pour tout k ∈ X(Ω), on a :
[
P (X = k) = P (X1 + . . . + Xn = k) = P (X1 = x1 )∩, . . . , ∩(Xn = xn )
xi ∈{0,1}
x1 +...+xn =k
X
= P ((X1 = x1 )∩, . . . , ∩(Xn = xn ))
xi ∈{0,1}
x1 +...+xn =k
X
= P (X1 = x1 ) × . . . × P (Xn = xn )
xi ∈{0,1}
x1 +...+xn =k
X
= px1 (1 − p)1−x1 × . . . × pxn (1 − p)1−xn
xi ∈{0,1}
x1 +...+xn =k
X
= px1 +...+xn (1 − p)n−(x1 +...+xn )
xi ∈{0,1}
x1 +...+xn =k
= pk (1 − p)n−k × card (x1 , . . . , xn ) ∈ {0, 1}n ; x1 + . . . + xn = k
= Cnk pk (1 − p)n−k .
Soit (Ω, A, P ) un espace probabilisé et X une v.a.d qui suit une loi Binomiale B(n, p), alors,
Preuve :
n
X Xn
V (X) = V Xi = V (Xi ) = p(1 − p) + . . . + p(1 − p) = np(1 − p).
i=1 i=1
Soit X une v.a.d définie sur un espace probabilisé (Ω, A, P ). On dit que X suit la loi géométrique notée, Geo(p),
P (X = k) = p(1 − p)k−1 .
Exemple :
3
1
Si X suit la loi géométrique Geo , alors X modélise l’expérience aléatoire du lancer infini d’une pièce de monnaie
2
équilibrée jusqu’à l’obtention de (F). La probabilité d’obtenir (F) dans le cinquième lancer est :
1 1 5−1 1
P (X = 5) = 1− = .
2 2 32
Soit (Ω, A, P ) un espace probabilisé et X une v.a.d qui suit une loi Geo(p), alors,
1 1−p
E(X) = et V (X) = .
p p2
Preuve :
On a : X(Ω) = N∗ et pour tout k ∈ N∗ : P (X = k) = p(1 − p)k−1 . Alors, en utilisant une série géométrique et la
P
propriété de dérivation par rapport à p sous le signe , on obtient :
+∞ +∞ +∞ ′ ′
X X X 1 1
E(X) = kP (X = k) = kp(1 − p)k−1 = −p (1 − p)k = −p = .
1 − (1 − p) p
k=1 k=1 k=0
+∞
X +∞
X +∞
X
E(X(X − 1)) = k(k − 1)P (X = k) = k(k − 1)p(1 − p)k−1 = p(1 − p) k(k − 1)(1 − p)k−2
k=1 k=1 k=2
+∞ ′′
X 2(1 − p)
= p(1 − p) (1 − p)k = .
p2
k=0
Par conséquent,
1−p
V (X) = E(X 2 ) − (E(X))2 = E(X(X − 1)) + E(X) − (E(X))2 = .
p2
Soient (Ω, A, P ) un espace probabilisé, X une v.a.d qui suit une loi géométrique Geo(p) et FX sa fonction de
FX (x) = 1 − (1 − p)x .
x
X x
X x−1
X
FX (x) = P (X ≤ x) = P (X = k) = p(1 − p)k−1 = p (1 − p)k = 1 − (1 − p)x .
k=1 k=1 k=0
4
2.5.5 Loi de Poisson
Soit X une v.a.d définie sur un espace probabilisé (Ω, A, P ). On dit que X suit la loi de Poisson notée P de
λk
P (X = k) = exp(−λ) .
k!
Exemple :
20 25
P (X = 0) = exp(−2) ≈ 0.135 P (X = 5) = exp(−2) ≈ 0.036.
0! 5!
Soit (Ω, A, P ) un espace probabilisé et X une v.a.d qui suit une loi de Poisson P(λ), alors E(X) = V (X) = λ.
Preuve :
+∞ +∞ +∞
X X λk X λk−1
E(X) = kP (X = k) = k exp(−λ) = λ exp(−λ)
k! (k − 1)!
k=0 k=0 k=1
+∞ k′
X
λ
= λ exp(−λ) ′
= λ exp(−λ) exp(λ) = λ. (k ′ = k − 1)
′
k!
k =0
+∞ +∞ +∞
X X λk X λk−2
E(X(X − 1)) = k(k − 1)P (X = k) = k(k − 1) exp(−λ) = λ2 exp(−λ)
k! (k − 2)!
k=0 k=0 k=2
+∞ k′
X
λ
= λ2 exp(−λ) ′!
= λ2 exp(−λ) exp(λ) = λ2 . (k ′ = k − 2)
′
k
k =0
Finalement,
Exercice :
Un central téléphonique reçoit en moyenne 100 appels par heure. En supposant que le nombre d’appels durant un
1) Quelle est la probabilité que le central reçoive trois appels en deux minutes ?
2) Quelle est la probabilité pour qu’en deux minutes, il reçoive au moins un appel ?
5
Correction :
2 × 100 10
λ = E(X) = = .
60 3
10 3
10 3
P (X = 3) = exp − ≃ 0, 220.
3 3!
10
P (X ≥ 1) = 1 − P (X < 1) = 1 − P (X = 0) = 1 − exp − ≃ 0, 964.
3
Soient X1 , . . . , Xn n v.a.d(s) indépendantes définies sur le même espace probabilisé (Ω, A, P ) où chaque Xi , i ∈
Xn
[1 : n] suit une loi de Poisson P(λi ), alors la v.a.d somme X = X1 + . . . + Xn suit la loi de Poisson P λi .
i=1
Preuve :
Posons : X = X1 + X2 où Xi suit la loi de Poisson P(λi ), i = 1, 2 et montrons que X suit la loi de Poisson
x
X
P (X = x) = P (X1 + X2 = x) = P (X1 = x1 ) × P (X2 = x − x1 ) (x1 ≥ 0 ; x − x1 ≥ 0)
x1 =0
x
X λx1 1 λx−x1
= exp(−λ1 ) exp(−λ2 ) 2
x1 =0
x1 ! (x − x1 )!
exp − (λ1 + λ2 ) X x
x!λx1 1 λ2x−x1
=
x! x !(x − x1 )!
x =0 1 1
exp − (λ1 + λ2 ) x
X
= Cxx1 λx1 1 λ2x−x1
x! x1 =0
exp − (λ1 + λ2 )
= (λ1 + λ2 )x . (formule du binôme de Newton)
x!