Académique Documents
Professionnel Documents
Culture Documents
Plan :
I. Les lois de probabilité
A. Variables aléatoires
B. Variables aléatoires continues
Page 1 sur 14
Chapitre 0 – Introduction : variables aléatoires et lois de probabilité
I. Les lois de probabilité
A. Variables aléatoires
Exemple 1 : Sur 300 jours ouvrés, le nombre de contrats obtenus dans la journée par un représentant visitant la
clientèle est le suivant :
Probabilités
Nombre de Fonction de
Nombre de jours Espérance Calculs variance
contrats répartition
0 42
1 105
2 72
3 45
4 27
5 9
300
1) Fonction de distribution
On peut tout d’abord estimer la probabilité pour qu’aucun contrat ne soit signé dans la journée :
Soit X : la variable aléatoire représentant le nombre de contrats signés au cours d’une journée.
On dira que X est une variable aléatoire discrète :
- Aléatoire : car X (nombre de contrats signés dans la journée) n’est pas connu à l’avance ;
- Discrète : car la valeur que peut prendre X est forcément un entier.
On a établi la loi de probabilité (fonction de distribution). Cette fonction de distribution peut être représentée
graphiquement par un diagramme en bâton.
2) Fonction de répartition
La fonction de répartition traduit :
3) L’espérance mathématique
L’espérance mathématique, E(X), représente une moyenne en supposant que l’épreuve soit renouvelée un très grand
nombre de fois dans les mêmes conditions.
Page 2 sur 14
4) Variance et écart type
On cherche à mesurer la dispersion de la variable par rapport à l’espérance. La variance et l’écart type permettent
surtout d’apprécier le risque.
Variance :
V(X) = Σ [xi - E(x)]² × pi [xi - E(x)]² : écart par rapport à la moyenne (au carré pour neutraliser le signe)
× pi : pondéré par la probabilité
2ème méthode :
V(X) = Σ [xi² × pi ] – [E(x)]²
V(X) = 4,85 – (1,79)²
V(X) = 1,6459
σ ( X)
Coefficient de variation =
E( X )
1,2829
Coefficient de variation = = 0,72
1 ,79
Travail à faire : Calculer l’espérance, l’écart-type et le coeff de variation pour ces deux projets.
Page 3 sur 14
On considère que le projet est risqué lorsque le coefficient de variation est supérieur à 1.
Exemple 3 :
Projet 1 Projet 2
Ecart-type 100 000 100 000
Espérance 50 000 500 000
L’écart-type est le même entre les deux projets, on serait donc tenté de croire qu’ils comportent le même risque. Or,
on peut remarquer que le projet 1 est plus risqué que le projet 2.
CA Mensuel Probabilités
xi pi
10 000 10%
15 000 20%
22 500 35%
30 000 25%
40 000 10%
2) Fonction de répartition
F(x) = p(X<x)
F(x) est une fonction croissante
0
-∞ x1 x2 +∞
Page 4 sur 14
3) Fonction de densité de probabilité
La fonction de densité correspond à la dérivée de la fonction répartition.
En représentant graphiquement une fonction de densité, la probabilité sur un intervalle donné est représentée par son
aire.
x1 m x2 x
m : moyenne
E (X + Y) = E(X) + E(Y)
E(a×X) = a × E(X)
E(X + b) =
V(a×X) = a² × V(X)
V(X + b) = V(X)
V(a×X + b) = a² × V(X)
Page 5 sur 14
Exemple : L’entreprise PLACEBO
L’entreprise Placebo fabrique et distribue deux médicaments P1 et P2. Les quantités vendues mensuellement sont des
variables aléatoires. On donne les renseignements suivants :
P1 P2
Quantités vendues : espérance
5 000 unités 2 000 unités
mathématique
Quantités vendues : écart-type 400 300
Prix de vente unitaire 30 € 20 €
Charges variables unitaires 20 € 8€
Travail à faire :
1. Calculer l’espérance mathématique et l’écart type du chiffre d’affaires mensuel total.
2. Calculer l’espérance mathématique et l’écart type de la marge sur coût variable mensuelle pour chacun des
produits.
3. Calculer l’espérance mathématique, l’écart type et le coefficient de variation du résultat mensuel.
Ce sera le cas lorsque les valeurs prises par la valeur aléatoire dépendent de nombreux facteurs indépendants.
B. Représentation graphique
X suit une loi normale N (m ; σ)
x1 m x2 x
m : moyenne
Page 6 sur 14
C. La loi normale centrée réduite
La loi normale centrée réduite est la loi normale de moyenne m = 0 et d’écart-type σ = 1 N (0 ; 1)
Soit T suit N (0 ; 1)
t1 0 t2 t
m : moyenne = 0
0 t2 t
m : moyenne 0(loi normale centrée réduite)
D. Applications
Page 7 sur 14
Application 1 : Le CA journalier X suit une loi normale de moyenne m = 12 000 et σ = 3 000
X N (12 000 ; 3 000)
X−12 000
T N (0 ; 1) avec T = 3 000
Application 2 :
Soit X N (200 ; 40)
Travail à faire :
Déterminer x tel que p(X<x) = 0,70
k n!
Le nombre de combinaisons = C n =
( n−k ) ! × k !
Page 8 sur 14
Calcul combinaison : calculatrice Texas (Ti 82 et Ti 83+)
k n!
Le nombre de arrangements = An =
( n−k ) !
Exemple : on veut choisir 2 personnes parmi 5 candidats à l’embauche (ils n’occuperont pas le même poste).
Combien existe-t-il de combinaison ?
Remarque : C n
0
=1 et An =1
0
B. Présentation de la loi
Exemple : Un vendeur doit négocier un contrat avec 3 clients différents. La probabilité pour que la négociation
débouche sur une signature du contrat est estimée à 40%.
Soit X : Le nombre de contrats signés Valeur aléatoire discrète qui peut prendre les valeurs 0, 1, 2, 3
X B (n = 3 ; p = 40%)
Remarque :
Si Y : Le nombre de contrats non signés B (n = 3 ; p = 60%)
Pour une loi binomiale, on aura :
k k n-k
p(X=k) = C n × p × q avec q = 1-p
Remarques :
Travail à faire :
Calculer l’espérance du nombre de contrats signés par le vendeur et l’écart-type pour l’exemple précédent.
Travail à faire :
1. Justifier que la variable aléatoire suit une loi binomiale et déterminer les paramètres de cette loi.
2. Calculer la probabilité que, dans un tel prélèvement, aucune pièce ne soit défectueuse. Arrondir à 10 -3.
3. Calculer la probabilité que, dans un tel prélèvement, au plus deux pièces soient défectueuses. Arrondir à 10 -3.
Dans un lot de ce type de pièce, on admet que 3,2% des pièces sont défectueuses. On prélève au hasard 500 pièces de
ce lot. Le lot est suffisamment important pour que l’on puisse assimiler ce prélèvement à un tirage avec remise de 500
pièces.
On considère la variable aléatoire Y qui, à tout prélèvement de 500 pièces, associe le nombre de pièces défectueuses
parmi ces 500 pièces. On admet que la variable aléatoire Y suit la loi binomiale de paramètre N = 500 et p = 0,032.
Travail à faire :
4. On considère que la loi suivie par la variable aléatoire Y peut être approchée par une loi normale. Retrouver
les paramètres de cette loi normale. (A faire en vous aidant du V. Approximation des lois).
On désigne par Z la variable aléatoire suivant la loi normale de moyenne 16 et d’écart-type 3,9 et permettant
d’approcher la variable aléatoire Y.
Travail à faire :
5. Déterminer la probabilité que, dans un tel prélèvement, il y ait entre 13 et 19 pièces défectueuses :
Calculer p(12,5 < Z < 19,5) Arrondir à 10-3.
Page 10 sur 14
IV. La loi de Poisson
Elle s’applique à des évènements rares dont la probabilité de réalisation sur un laps de temps court est faible.
Ex : Le nombre d’appels à un poste de secours dans une station balnéaire ; le nombre de bus arrivant à une station
d’arrêt de bus durant une heure ; etc.
Exemple : Coquilles
On évalue en moyenne à cinq le nombre de coquilles par page d’un mémoire rédigé par un étudiant.
Travail à faire :
En supposant que le nombre de coquilles par pages est une variable aléatoire C qui suit une loi de Poisson,
calculer la probabilité pour que dans un page donnée :
- Il n’y ait aucune coquille ; - Il y ait exactement 5 coquilles ;
- Il y ait au moins trois coquilles ; - Il y ait plus de 4 coquilles.
X : VA discrète X : VA continue
Page 13 sur 14
Annexe 3 - Table des probabilités de la loi de Poisson : Fonction de répartition
Page 14 sur 14