Cours de Statistiques

2022/2023

Chapitre 5
Lois de probabilité
 Plan

1 Distribution de Bernoulli

2 Loi Binomiale

3 Loi de poisson
2
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

1- Loi de Bernoulli

- Une épreuve de Bernoulli est une expérience aléatoire qui possèdent deux issues:
succès ou échec
Exemples:
« Le jeu de pile ou face »:
- Considérons comme succès: « Obtenir pile » et comme échec: « Obtenir face »

« le jeu de Dé »:
Un Dé contient 6 faces => 6issues
On peut mettre en place 2 issues
Considérons comme succès: « Obtenir 6 » et comme échec: « obtenir un chiffre
différent de 6 (1, 2, 3, 4 et 5)

3
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

1- Distribution de Bernoulli

- Qu’est ce que c’est qu’une loi de Bernoulli?

C’est une loi de probabilité qui suit le schéma suivant:
- La probabilité d’obtenir un succès est égale à p,
- La probabilité d’obtenir un échec est égale à 1-p.
p est appelé le paramètre de la loi de Bernoulli.

- Dans l’exemple de « jeu pile ou face »: p=1/2

- Dans l’exemple de «jeu de Dé »: p= 1/6

4
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

1- Distribution de Bernoulli

Habituellement, on préfère présenter les lois de probabilité dans un tableau

Xi
P(X=Xi)

-Les valeurs prises par la loi de Bernoulli sont succès ou échecs

-P(X=Xi)= échec ou P(X=Xi)= succès
- Par convention au succès on associe le nombre 1 et l’échec le nombre 0.

Xi 1 0
P(X=Xi) p 1-p
5
 1- Loi de Bernoulli 2- Loi binomiale 3- Loi de poisson

1- Loi de Bernoulli
• Epreuve de Bernoulli: est une expérience aléatoire où l’on s’intéresse à la
réalisation d’un événement « appelé succès » ou à sa non réalisation « appelé
échec »
• Schéma de Bernoulli:
Si on répète n fois une épreuve de Bernoulli de paramètre p, les épreuves étant
identiques les unes des autres, on dit que l’on a réalisé un schéma de Bernoulli de
paramètres n et p
• Variable aléatoire:
On appelle variable aléatoire associée à un schéma de Bernoulli toute variable X
égale au nombre de succès obtenus lors de n épreuves répétées de paramètre p.

6
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

1- Distribution de Bernoulli

Xi 1 0
- Exemple « jeu de Dé »: P(X=Xi) 1/6 5/6

Loi de Bernoulli Propriétés:

-Esperance E(X)=∑xipi=(0×q)+(1×p)=p

-Variance V(X)= p(1-p)

-Ecart-type σ(X) = (p.(1-p))1/2 =V1/2

7
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

1- Distribution de Bernoulli
Exemple:
On lance un dé à six faces notées de 1 à 6
On considère la variable aléatoire « X » obtenir le chiffre 2.
1- déterminer la loi de X
2- calculer les différentes propriétés de cette loi

Réponse:
1- On a D(X)= {0, 1}
X= 1 si le résultat est égale à 2 donc p (X=1)= 1/6
X= 0 si le résultat est différent de 2 càd {1, 3, 4, 5, 6} donc q= 1-1/6=5/6
Donc X suit la loi de Bernoulli B(1/6)
2- E= 1/6
V= 1/6*5/6= 5/36 et σ=(5/36)1/2
8
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

1- Distribution de Bernoulli

Exemple:
Une urne contient 7 boules rouges, 4 boules jaunes et 4 boules vertes.
On gagne si on tire une boule verte donc P (X=V)= 3/14
Si on répète 3 fois l’expérience en remettant à chaque fois la boule tirée avant de
répéter le tiré on décrit ainsi un schéma de Bernoulli de paramètres n=3 et p= 3/14

9
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

2- Distribution binomiale
Considérons une épreuve de Bernoulli, on note p la probabilité de succès et q = 1-p la
probabilité d’échec. Supposons qu’on répète cette épreuve n fois. Les épreuves successives
étant identiques et indépendantes et à chaque fois chaque épreuve a la probabilité de
succès p .
La variable aléatoire X égale au nombre de succès obtenus au cours des n épreuves suit
alors par définition la loi binomiale de paramètres (n,p).
La probabilité d’obtenir k succès est calculé par la formule:

 Exemple:
On lance une pièce de monnaie non truquée 15 fois et on s’intéresse à l’événement « obtenir
face ». Donc X suit la loi B(n,p)= B(15,1/2)
10
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

 Propriétés: 1- Distribution binomiale

- Si X1 et X2 deux variables indépendantes de lois binomiales respectives B(n1; p) et B(n2; p) alors X1 +

X2 suit la loi binomiale B(n1 + n2; p)
- Pour une distribution binomiale,
- L’espérance mathématique est : E{X} = n.p
- La variance est V{X} = n . p . q
- L’écart –type est : σ{X} = V1/2 = (n . p .q)1/2

 Domaine d’application:
La distribution de probabilité binomiale, rend compte de tous les phénomènes répétés
d’une façon identique et indépendante, pouvant prendre deux états : Succès ou Echec, tout
ou rien, Etat 1 ou Etat 2,… .
11
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

2- Distribution binomiale

 Exemple:
Dans une entreprise, on a observé que la fréquence de rupture du stock a été de quatre
semaines sur cent, on s’intéresse aux ruptures de stock qui peuvent se produire au
cours des 25 prochaines semaines.
a) Calculer la probabilité de n’observer aucune rupture de stock au cours des 25
prochaines semaines.
b) Calculer la probabilité d’observer 2 ruptures de stock au cours des 25 prochaines
semaines
c) Calculer la probabilité d’avoir un nombre de ruptures de stock inférieur (ou égale) à 3 au
cours des 25 prochaines semaines.

12
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

2- Distribution binomiale
 Réponse:

13
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

2- Distribution binomiale
 Exemple:
On lance une pièce de monnaie non équilibrée 50 fois et on donne X « nombre de fois où
on obtient pile ». On a p(pile)= 0,8
a) Justifie que X suit une loi binomiale
b) Détermine la probabilité d’avoir exactement 39 piles
c) Détermine la probabilité d’avoir exactement 41 piles
d) Détermine la probabilité d’avoir entre 39 et 41 piles
e) Détermine la probabilité d’avoir au plus 2 piles
f) Détermine le nombre minimal de lancé pour la probabilité d’obtenir au
moins un pile dépasse 99,99%

14
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

2- Distribution binomiale
 Réponse:
a- Conditions d’une loi binomiale:
-p(succès)=p(pile)= 0,8
-q=p(échec)=1-p=0,2 -On a 2 issues

-On répète l’expérience n fois, n=50

-Les expériences sont indépendantes car la probabilité de succès est la même en répétant la même
expérience
-Donc X suit la loi B(n,p)=B(50,0,8)

b- probabilité d’avoir 39 piles dans les 50 fois

p(X=ksuccès)= = p(X=39); k=39, n=50, et p= 0,8 p(X=39)=0,127

c- p(X=41)= 0,136
15
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

2- Distribution binomiale

 Réponse:
b- probabilité d’avoir 39 piles dans les 50 fois
p(X=ksuccès)= = p(X=39); k=39, n=50, et p= 0,8 p(X=39)=0,127

c- p(X=41)= 0,136

d- probabilité d’avoir entre 39 et 41 donc 39<X<41

NB: notre variable est une variable aléatoire discrète càd les valeurs de la variable sont absolues
Donc p(39<=X<=41)= p(X=39)+p(X=40)+p(X=41)

e- probabilité d’avoir au moins 2 piles

p(X>=2)= 1-p(X<2)= 1-(p(X=0)+p(X=1))

16
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

2- Distribution binomiale

 Réponse:
f- Nombre minimal de lancé dont p(X>=1)>=99,99%
1- Il faut d’abord calculer p(X>=1)
p(X>=1)= 1-p(X<1)= 1- p(X=0)= 1- (Cn0.0,80.(1-0,8)n)=1-0,2n
2- calculons n
1-0,2n >=99,99%
0,2n<=1-0,9999 alors Ln 0,2n <= Ln 0,0001 donc n >=(Ln0,0001)/(Ln0,2)
n>=5,72 donc le nombre minimale de lancé c’est 6

17
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

3- Loi de poisson

 Lorsque n devient grand, le calcul de la probabilité d’une loi binomiale

devient très fastidieux.
 On va donc, sous certaines conditions trouver une approximation de pk
plus maniable.

Si n tend vers l’infini et p tend vers 0

Alors X: B(n,p) va tendre vers une loi P dont le paramètre est λ=np
On note P(λ): Loi de Poisson
Prob{X=k}=e-λ (λk/k!)
Généralement quand n est grand >=30, p très petite p<=0,1 et λ<5
18
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

3- Loi de poisson
La loi de Poisson s’appelle encore la loi des petites probabilités. Elle est utilisée pour
représenter des phénomènes rares : nombre d’accidents, nombre de déchets dans une
fabrication,…

Propriétés
- L’espérance mathématique de la loi de Poisson est égale au paramètre λ : E{X}= λ
- La variance d’une loi de Poisson est égale au paramètre λ : V{X}= λ
-L’écart-type d’une loi de Poisson est égal à la racine carrée du paramètre λ: σ{X}= (V{X})1/2= λ1/2
- Si X1 et X2 deux v.a.r indépendantes de lois respectives P(λ1) et P(λ2), alors X1+X2 est encore
une v.a.r. de loi de Poisson P(λ1 + λ2)

19
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

3- Loi de poisson

Exemple d’application
Lors d’une fabrication de billets de banque, le nombre de défauts suit une loi de Poisson
de moyenne λ=0.5.
Calculer
a) La probabilité d’avoir 0 défaut
b) La probabilité d’avoir un défaut
c) La probabilité d’avoir plus de trois défauts

20
 1- Loi de Bernoulli 2- Loi Binomiale 3- Loi de poisson

3- Loi de poisson
Exemple d’application
Soit X la variable aléatoire : nombre de défauts. Par hypothèse X suit la loi de Poisson :

21