Académique Documents
Professionnel Documents
Culture Documents
Chapitre 4 Quelques Lois de Probabilita
Chapitre 4 Quelques Lois de Probabilita
1. Introduction
1. Introduction
1. Introduction
E(X) = 0 · (1 − p) + 1 · p = p
et une variance de :
Exemple
La variable aléatoire X correspond au nombre de pièces défectueuses obtenues
en trois épreuves et se traduit par X = Xl + X2 + X3 , où Xj est le nombre de
succès lors de la y-ième épreuve.
Elle présente ainsi la distribution ci-dessous.
x p(x)
0 P {EEE} = (1 − p) · (1 − p) · (1 − p) = (1 − p)3
1 P {EES} + P {ESE} + P {SEE} = 3p(1 − p)2
2 P {ESS} + P {SES} + P {SSE} = 3p2 (1 − p)
3 P {SSS} = p3
E(X) = p + p + · · · + p = np
et :
La loi de Poisson est l’une des lois de probabilité discrètes les plus utiles.
Cette loi intervient souvent lorsqu’on s’intéresse au nombre de fois qu’un certain
type d’événements se réalise dans un intervalle de temps.
Fonction de masse de la loi de Poisson
On dit qu’une variable aléatoire X est distribuée selon une loi de Poisson de
paramètre c > 0 si sa fonction de masse est donnée par :
( x −c
c e
x!
si x = 0, 1, 2, . . .
p(x) =
0 sinon.
d’où :
V (X) = E(X 2 ) − [E(X)]2 = c.
c = c1 + c2 + · · · + ck .
Remarque
La somme de variables aléatoires indépendantes distribuées chacune selon une
loi de Poisson obéit elle-même à une loi de Poisson.
1. Introduction
Par conséquent :
de sorte que :
V (X) = σ 2 .