Académique Documents
Professionnel Documents
Culture Documents
10 - Loi Binomiale
10 - Loi Binomiale
Cours de Probabilités :
b.1. Contexte
Si on répète l’expérience 𝑛 fois alors on peut avoir entre 0 succès (toutes les expériences ont un
résultat d’échec) et 𝑛 succès (un succès résultant pour chaque expérience). Donc, l’ensemble
des valeurs possibles est 𝑋(Ω) = {0, 1, 2, … , 𝑛}.
La variable aléatoire suivant une loi de Binomiale doit avoir deux paramètres 𝑛 (le nombre de
fois de répétition de l’expérience) et 𝑝 (la probabilité de succès fixe pour chaque expérience).
Le succès pour cette expérience aléatoire varie entre 0 (toutes les lancers ont donnée des faces
différentes de 5) et 10 (l’obtention de la face 5 lors de chaque lancer). Donc 𝑌(Ω) =
{0,1,2, … ,10}.
1
La variable aléatoire 𝑌 suit une loi Binomiale avec paramètres 𝑛 = 10 et 𝑝 = 6
1
𝑌~Binomiale (𝑛 = 10, 𝑝 = )
6
Exemple : On prend la même urne contenant 32 Boules Blanches et 07 Boules Rouges. On tire
5 Boules Avec Remise (AR) et on définit la variable aléatoire 𝑌 : « Le nombre de Boules
Rouges parmi les 5 boules tirées ».
Pour que les expériences aléatoires soient identiques et indépendantes il faut effectuer un tirage
Avec Remise (AR). Lors du tirage avec remise la probabilité de succès (la probabilité de tirer
7
une Boule Rouge lors de chaque tirage) est fixe pour les 5 tirages et qui est égale à 39.
Puisque on effectue 5 tirages, alors 𝑌(Ω) = {0,1,2,3,4,5}
7
Donc, la variable aléatoire 𝑌 suit une loi Binomiale de paramètres 𝑛 = 5 et 𝑝 = 39
7
𝑌~Binomiale (𝑛 = 5, 𝑝 = )
39
1 (𝑠𝑢𝑐𝑐è𝑠) 𝑝
𝑌𝑖 = { , 𝑖 ∈ {1, … , 𝑛}
0 (é𝑐ℎ𝑒𝑐) 1−𝑝
𝑌𝑖 ~Bernoulli(𝑝) , 𝑖 ∈ {1, … , 𝑛}
Donc,
𝑛
𝑋 = ∑ 𝑌𝑖 ~Binomial(𝑛, 𝑝)
𝑖=1
1
𝑌~Binomiale (𝑛 = 10, 𝑝 = )
6
7
𝑌~Binomiale (𝑛 = 5, 𝑝 = )
39
b.3. L’espérance
1
𝑌~Binomiale (𝑛 = 10, 𝑝 = )
6
1 5
𝐸[𝑌] = 𝑛𝑝 = 10 × =
6 3
7
𝑌~Binomiale (𝑛 = 5, 𝑝 = )
39
L’espérance de la variable aléatoire 𝑌
7 35
𝐸[𝑌] = 𝑛𝑝 = 5 × =
39 39
b.4. La variance
Donc,
𝐸[𝑋 2 ] = 𝑛(𝑛 − 1)𝑝2 + 𝑛𝑝 = 𝑛2 𝑝2 − 𝑛𝑝2 + 𝑛𝑝
1
𝑌~Binomiale (𝑛 = 10, 𝑝 = )
6
1 5 50 25
𝑉(𝑌) = 𝑛𝑝(1 − 𝑝) = 10 × × = =
6 6 36 18
7
𝑌~Binomiale (𝑛 = 5, 𝑝 = )
39
L’espérance de la variable aléatoire 𝑌
7 32 1120
𝑉(𝑌) = 𝑛𝑝(1 − 𝑝) = 5 × × =
39 39 392
Preuve :
𝑛 𝑛 𝑛
Preuve :
𝑛 𝑛
𝑡𝑋 ]
𝑀𝑋 (𝑡) = 𝐸[𝑒 = ∑ 𝑒 𝑃(𝑋 = 𝑥) = ∑(𝑒 𝑡 )𝑥 𝐶𝑛𝑥 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑡𝑥
𝑥=0 𝑥=0
𝑛
𝑛
= ∑ 𝐶𝑛𝑥 (𝑝𝑒 𝑡 )𝑥 (1 − 𝑝)𝑛−𝑥 = (𝑝𝑒 𝑡 + (1 − 𝑝))
𝑥=0
b.7. Le mode
Preuve :
Pour calculer le mode, il faut calculer :
𝑛! 𝑥+1 𝑛−𝑥−1
𝑃(𝑋 = 𝑥 + 1) 𝐶𝑛𝑥+1 𝑝 𝑥+1 (1 − 𝑝)𝑛−𝑥−1 (𝑥 + 1)! (𝑛 − 𝑥 − 1)! 𝑝 (1 − 𝑝)
= =
𝑃(𝑋 = 𝑥) 𝐶𝑛𝑥 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 𝑛!
𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥! (𝑛 − 𝑥)!
𝑛−𝑥 𝑝
=
𝑥 +11−𝑝
Si 𝑃(𝑋 = 𝑥 + 1) = 𝑃(𝑋 = 𝑥)
𝑛−𝑥 𝑝
= 1 ⇒ 𝑥 = 𝑝(𝑛 + 1) − 1
𝑥 +11−𝑝
Cela implique que si 𝑛(𝑝 + 1) est un entier alors 𝑃(𝑋 = 𝑥 + 1) = 𝑃(𝑋 = 𝑥). Donc, il
existe deux modes, 𝑝(𝑛 + 1) et 𝑝(𝑛 + 1) − 1
Si 𝑃(𝑋 = 𝑥 + 1) > 1
𝑛−𝑥 𝑝
> 1 ⇒ 𝑥 < 𝑝(𝑛 + 1) − 1
𝑥 +11−𝑝
Cela implique que si 𝑝(𝑛 + 1) n’est pas entier, alors il existe un seul mode, [𝑝(𝑛 + 1)]
1
𝑌~Binomiale (𝑛 = 10, 𝑝 = )
6
11
𝑦𝑚𝑜𝑑𝑒 = [𝑛𝑝 + 𝑝] = [ ]=1
6
𝑦 1
𝑦
5 10−𝑦
𝑃(𝑌 = 𝑦) = 𝐶10 ( ) ( )
6 6
𝑦 0 1 2 3 4 5 6 7 8 9 10
3
𝑋~Binomiale (𝑛 = 4, 𝑝 = )
5
3 𝑥 3 4−𝑥
𝑃(𝑋 = 𝑥) = 𝐶4𝑥 ( ) ( )
5 5
𝑥 0 1 2 3 4