Vous êtes sur la page 1sur 33

Les probabilits Les probabilits reprsentent lessence mme des statistiques.

Lapproche frquentiste et baysienne sont bases sur la notion de probabilit. Il devient donc important de bien saisir les nuances des probabilits. A cet effet, nous attacherons une attention particulire sur lidentification des caractristiques propres aux probabilits ainsi quaux diffrentes caractristiques des distributions. Dans un premier temps il est important de faire la diffrence entre le caractre empirique et thorique des variables. Une variable est empirique lorsquelle est observe et elle est dite thorique lorsquelle anticipe. Prenons lexemple dun d six faces. Chaque cot porte un chiffre de 1 6. En thorie, si le d est bien quilibr, chaque chiffre une chance gale et connue de sortir chaque tirage. Cette chance est gale 1/6. Aussi, si le d est lanc 300 fois nous nous attendons, en thorie, avoir les rsultats suivants : Chiffre 1 2 3 4 5 6 Total Rsultat thorique 50 50 50 50 50 50 300
300 = 50 6

Le chiffre 50 reprsente 1/6 du total tel que

Ce chiffre reprsente la valeur thorique ou la frquence que lon sattend avoir si on rpte 300 fois lexprience. Bien entendu il est trs rare que le nombre thorique est exactement le mme que la frquence observe que certains appellent galement variables empiriques. Cette distinction entre la frquence thorique et la frquence observe nous servira ventuellement dans le calcul du Khi carr ainsi que dans le calcul de lesprance mathmatique. La notion du OU et du ET La premire rgle dans le calcul des probabilits est celle du OU et du ET. Lorsque la question comporte la notion du OU on additionne les probabilits alors que lorsque la question comporte ET on multiplie les probabilits. Il est donc essentiel dans la lecture dun problme didentifier la situation. Pour lexemple des ds la probabilit que le chiffre 2 sorte est de 1/6. Il y a une chance sur 6 que cela arrive. Toutefois si la question est Quelle est la probabilit que le chiffre 2 OU 3 sorte? alors la probabilit devient 1/6 ou 1/6 donc 1/6+1/6 = 2/6 (on peut arrondir 1/3 ou une chance sur trois).

Cependant si la question est Quelle est la probabilit que sur deux tirages conscutifs le chiffre 2 sorte deux fois de suite? nous aurions ici le chiffre 2 au premier tirage ET le chiffre 2 au deuxime tirage donc 1/6*1/6 =1/36 (une chance sur 36). Les combinaisons et les permutations Il est important, dans un premier temps, dexaminer les diffrentes situations dans la slection des lments dun chantillon. Ceci aura galement un impact sur le calcul des probabilits. La premire tape consiste identifier ces situations. Il sagit en fait de rpondre trois questions : 1) Est-ce que le calcul est bas sur un chantillon ou sur lensemble de la population? 2) Est-ce que lordre de slection est important ou non? 3) Est-ce quil y a remise ou non? Pour ce dernier cas il sagit de dterminer si llment peut tre slectionn encore. Par exemple, un individu est slectionn au hasard pour participer une enqute et ce dernier pourrait tre slectionn encore une fois. Le tableau rcapitulatif qui suit illustre le tout : Tableau des formules Arrangement Permutation (ordre (ordre important et important et chantillon) population) N! N! (N-k)! Nk Nn Combinaison (Ordre pas important) N! k! * (N-k)! (N+k-1)! k! * (N-1)! (NCR) NpR et NcR reprsentent les fonctions sur la calculatrice. Nous introduisons ici le symbole ! qui reprsente le factoriel. Le factoriel indique que le chiffre est multipli par ses prcdents. Par exemple 6! = 6*5*4*3*2*1 = 720 alors que 10! = 10*9*8*7*6*5*4*3*2*1 = 3628800 Exemple : Dans une classe il y a quatre tudiants soit : Andr, Bernard, Carole et Denise. Le professeur dcide de former des quipes de deux personnes. Pour constituer les quipes le professeur dcide dinscrire le nom des quatre employs sur un bout de papier et de mettre le tout dans un chapeau. Combien dquipes de 2 personnes le patron peutil faire avec ces 4 employs sil ny a aucune remise de nom, c'est--dire que le nom une fois slectionn ne peut tre pig de nouveau, et que lordre nest pas important ?

Sans remise (NPR) Avec remise

Lgende: N = Nombre dans la population et k = Slection

La formule utilise serait:

N! k!( N k )!

Nous avons ainsi pour notre exemple :


N! = k!( N k )! 4! = 2!( 4 2)!

4 * 3 * 2 *1 24 = =6 2*2 4

Il y aurait donc 6 quipes possibles. En utilisant la fonction NcR sur votre calculatrice vous obtiendrez ce rsultat. (Vous inscrivez 6 puis la touche 2nd function puis la touche NcR puis le chiffre 2. On peut illustrer cette rponse de la faon suivante : Andr Bernard Carole Diane Andr X X X X Bernard 1 X X X Carole 2 4 X X Diane 3 5 6 X

Lordre ntant pas important les quipes Andr/Bernard et Bernard/Andr sont quivalentes et forment une seule et mme quipe. Les quipes avec le mme nom sont impossibles puisquil ny a pas remise. Si lordre est important, par exemple le premier nom slectionn doit faire une prsentation en classe, alors nous utiliserions la formule suivante :
N! 4! 4 * 3 * 2 * 1 24 = = = =12 ( N k )! ( 4 2 )! 2 *1 2

On peut illustrer cette rponse de la faon suivante : Andr Bernard Carole Diane Andr X 4 7 10 Bernard 1 X 8 11 Carole 2 5 X 12 Diane 3 6 9 X

En utilisant la fonction NpR sur votre calculatrice vous obtiendrez ce rsultat. Sil est possible que ltudiant slectionn soit de nouveau ligible, nous aurions alors une slection avec remise. Ltudiant pourrait, thoriquement, ainsi faire quipe avec luimme. Si lordre est important (ne demandez pas pourquoi !) alors nous aurions Nk quipes. Dans ce cas ci 42 ou 16 quipes tel que le tableau suivant illustre. Cest 42 parce

quil y a 4 personnes (N) et nous dsirons des quipes de deux personnes (k). Le tableau qui suit illustre les rsultats : Andr Bernard Carole Diane Andr 1 5 9 13 Bernard 2 6 10 14 Carole 3 7 11 15 Diane 4 8 12 16

Sil y a remise mais que lordre nest pas important alors nous avons :
( N + k 1)! ( 4 + 2 1)! 5! 120 = = = = 10 2!(3!) k!( N 1)! 2!( 4 1)! 12

On peut illustrer cette rponse de la faon suivante : Andr Bernard Carole Diane Andr 1 X X X Bernard 2 5 X X Carole 3 6 8 X Diane 4 7 9 10

Lorsquon utilise toute la population Si tous les lments dune population sont utiliss nous utiliseront les formules qui suivent. Supposons que, dans un cours, un professeur veut connatre le nombre de faons diffrentes que les tudiants peuvent se placer devant lui. Ici tous les tudiants doivent donc tre slectionns. (toute la population est ainsi utilise). Il y a donc N ! manires diffrentes de placer les tudiants. 4 ! = 24 Si ltudiant peut tre slectionn chaque tirage (avec remise) nous aurions alors NN manires ou 44 = 256 Il est vident que lutilisation de lun ou lautre de ces calculs dpend de la situation. Les distributions Il est important de souligner quil existe plusieurs types de distributions probabilistes. galement connu sous le nom de Loi discrtes (parce quelles suivent une loi), leur application respectent certaines conditions. Il sagit donc de reconnatre ces conditions

afin dtre en mesure dappliquer correctement la loi qui sy rattache. Nous nous attarderons cependant aux principales dentres elles et qui sont au nombre de six. La distribution binomiale Afin didentifier si on a affaire une distribution binomiale retenons les deux premires lettre soit bi. Bi veut dire deux. On a affaire une distribution binomiale lorsquil y a deux rsultats possibles et que nous connaissons les proportions (%). Par exemple, un appareil fonctionne ou ne fonctionne pas; soit nous sommes un homme soit une femme; la rponse un examen est vraie ou fausse, nous sommes pour ou contre, un produit est dfectueux ou fonctionne, etc. La formule dune distribution binomiale est la suivante :

n x n x ( p) (1 p) x
n x p 1-p n-x signifie le nombre de slection ou lchantillon total la partie de lchantillon qui possde la caractristique recherche la probabilit connue de la caractristique de la partie de lchantillon recherch la probabilit de lautre partie de lchantillon. Le 1 reprsentant ici 100% La diffrence entre la taille de lchantillon et le nombre de slection qui possde la caractristique recherche Exemple : Supposons que lon dsire interroger 20 personnes. Nous voulons connatre la probabilit que sur ces 20 personnes il y ait exactement 12 femmes. Supposons galement que nous savons que dans la population ltude 52% des personnes sont des femmes. Nous avons donc : n = 20 (Nous dsirons un chantillon de 20 personnes) x = 12 (nous dsirons 12 femmes) p = ,52 (il y a 52% de femmes dans la population) 1-p = ,48 (puisquil il y a 52% de femmes il y a donc 48% dhommes (100% - 52% = 48%) Ainsi :

n x n x ( p) (1 p) x 2 1 21 0 0 2 (.5 ) (1 .5 ) 2 2 1 2 2 1 8 02 (.5 ) (.4 ) 2 8 1 2 2 0 1 2


= nCr =
N! 20 ! 2.432902008 18 2.432902008 18 = = = = k!( N k )! 12 !( 20 12 )! 479001600 (8)! 479001600 * 40320

2.432902008 1.931334451

18 13

=125970

(Avec la calculatrice on obtient ce rsultat en utilisant la touche NcR). Ceci signifie quil y a 125970 combinaisons diffrentes de douze femmes partir des 20 personnes.

NOTE : Lorsque les chiffres sont entre parenthses comme

ainsi calculer le nombre de combinaisons. Nous avons donc maintenant :


125970 ( .52 )

n x

il faut faire nCr et

12

(.48 ) 8 )

Tel que : (.52 )12 = .000390877 (.48 ) 8 = .002817928

donc :

13,9%

2 1 8 02 (.5 ) (.4 ) 2 8 1 2

=125970 ( ( .000390877 )( .002817928

))

= 125970 (.000001101) = .13875 ou

Rappel : Pour une binomiale il faut : quil y ait deux possibilits que lon connaisse la proportion (%) dans la population ltude et que le total en haut des parenthses doit tre gal lchantillon (ici nous avons 12 + 8 = 20)

Pour notre exemple nous avons mentionn que nous dsirions EXACTEMENT 12 femmes. Si la question avait t 12 OU 13 femmes alors nous aurions d additionner les deux probabilits. Donc pour 13 femmes nous avons :

2 1 2310 0 3 (.5 ) (1 .5 ) 2 2 1 3 2 1 7 03 (.5 ) (.4 ) 2 8 1 3

= 0,09250

La probabilit quil y ait 12 OU 13 femmes est donc de : P(12) + P(13) = 0,13875 + 0,09250 = 0,23125 ou 23,125% Hypergomtrique On utilise lhypergomtrique lorsquon possde des informations sur la taille de la population. Ainsi, pour reprendre notre exemple prcdent plutt que de connatre la proportion de femmes (52%) nous connaissons le nombre exact de femmes dans la population ltude. Supposons quil y a 200 personnes dans une salle et que de ce nombre il y a 52% de femmes. Nous pouvons conclure quil y a 104 femmes (52% * 200 = 104). Sil y a 104 femmes alors il y a 96 hommes. Nous connaissons donc la population totale et les sous populations. Ainsi, pour rpondre la question quelle est la probabilit que sur un chantillon de 20 personnes nous aurons exactement 12 femmes nous procderions de la faon suivante laide la formule de lhypergomtrique.1 Cette formule est :
1

Il est important de noter quil est possible dutiliser lhypergomtrique pour plus de deux sous populations.

N1 N2 x xn N n
Tel que : N1 = La sous population 1 (ici le nombre de femmes - 104) N2 = La sous population 2 (ici le nombre dhommes - 96) n = La taille de lchantillon total (ici un chantillon de 20 personnes) x = La taille du sous chantillon de la population 1 (ici nous dsirons 12 femmes) n-x = La taille du sous chantillon de la population 2 (ici nous dsirons 8 hommes (2012=8) Nous aurions donc :

N1 N2 1 9 0 6 4 x xn 1 8 2 N 2 0 0 n 2 0
= Rappelons que lexpression entre parenthse exemple nous aurions 104NcR12 multipli par 96NcR8 (la question demande 12 femmes ET 8 hommes) et divis par 200NcR20 ce qui nous donne :

N n

signifie NcR. Aussi pour notre

1 9 0 6 4 1 8 2 2 0 0 2 0

= 0,1420 ou 14,2%

On remarquera quil y a une diffrence entre le calcul de la Binomiale (13,9%) et de lHypergomtrique. Plus la population N sera grande plus les deux rsultats seront semblables. Supposons que la taille de la population est de 100 plutt que de 200. Nous aurions alors :

5 4 2 8 1 8 2 1 0 0 2 0

= 0,14529 ou 14,5%

NOTE : Vous remarquerez que le total des deux sous populations (ici 52+48) est gal au total de la population (ici 100) et que le total des deux sous chantillons (ici 12+8) est gal lchantillon total (ici 20). Il est important que les chiffres concordent. Si la population (N) est de 1000 alors nous avons :

5 4 2 8 0 0 1 8 2 1 0 0 0 2 0
= 0,1394 Cette rponse se rapproche du rsultat avec la binomiale. Note : La rponse avec un N de 10000 et les mmes conditions (femme = 52% et homme = 48% et un chantillon de 12 femmes et 8 hommes) est de 0,1388. On utilise lhypergomtrique dans le calcul de certaines loteries. Par exemple : Nous savons que la probabilit de gagner le gros lot la 6/49 est : 6/6 = nCr =
N! 49 ! = = 13983816 = 1/13983816 = ,000000072 k!( N k )! 6!( 49 6 )!

Il ny a quune seule combinaison gagnante et il y a 13983816 combinaisons au total. Nous utiliserons lhypergomtrique pour calculer la probabilit de gagner le deuxime prix soit 5 bons numros plus le numro complmentaire (qui reprsente un septime chiffre slectionn par la socit de loterie) nous aurions alors :

5/6 + =

6 1 4 2 5 10 4 9 6

= ,0000000429

Si nous dcomposons la formule nous avons :

6 1 4 2 5 10 4 9 6
tel que

sur votre billet. Il y a donc 6NcR5 combinaisons de 5 chiffres partir des 6 chiffres qui ont t slectionn par la socit de loterie. Habituellement on exprime 6 NcR5 de la 6 faon suivante: C 5 . Ici, le rsultat est 6.

6 5 1 1

= La socit de loterie slectionne 6 chiffres et le 5 reprsente cinq de ces chiffres

= Il ny a quun seul numro complmentaire et ce numro doit galement

apparatre sur notre billet. Nous avons donc 1NcR1 combinaison ce qui donne 1. En fait, il ny a quune seule faon que cela se produise.

Cependant tous les numros qui apparaissent sur notre billet ont t slectionns. Il en reste donc zro. Le rsultat est 1 puisquil ny a quune seule manire que ceci se produise.

4 2 0

= Une fois tous les chiffres slectionns il reste encore 42 boules dans le boulier.

Nous avons calcul prcdemment

possibles. Nous avons donc ici

4 9 6

qui reprsente toutes les combinaisons

6 *1 *1 6 = = ,000000429 13983816 13983816

Il y a donc une chance sur 2 330 636 de gagner ce lot. Remarquez galement que le total des chiffres en haut des parenthses du numrateur donne 49 (6+1+42), ce qui reprsente le total de boules dans le boulier, et que le total du bas de la parenthse donne 6 (5+1+0). Ce chiffre reprsente le total de chiffres sur le billet. La probabilit davoir 5 bons chiffres mais pas le numro complmentaire est pour sa part :

5/6 =

6 1 4 2 5 01 4 9 6

= ,000018021

Rappel. On utilise lhypergomtrique lorsque lon connat la population et les sous populations. Une erreur frquente consiste oublier des lments dans le calcul. Pour notre exemple ci haut nous devons avoir 6+1+42 = 49 et 5+0+1 = 6 et on doit retrouver ces mmes deux chiffres au dnominateur. La loi gomtrique

La loi gomtrique contrairement la loi binomiale ou hypergomtrique dpend des rsultats obtenus. On rpte lpreuve jusquau moment ou on enregistre un premier succs. La formule est la suivante : P(1) = pqn-1 tel que : p reprsente la probabilit dun succs q reprsente la probabilit dun chec x reprsente le succs n reprsente le nombre dessais On utilise n-1 puisque nous dsirons un seul succs Nous avons galement la formule suivante : P(x) = p (1-p)n-1 Reprenons notre exemple. Nous savons que 52% des personnes dans une salle sont des femmes. Nous dsirons poser une question la premire femme qui sera slectionne. Quelle est la probabilit que la premire femme slectionne sera la troisime personne interroge? Si tel est le cas nous savons galement que les deux premires personnes interroges seront des hommes. Nous aurons donc : P(1) (,52)1 (,48)2 = 0,1198 ou 11,98% Il nest pas ncessaire de faire le NcR puisquil ny a quune seule manire que ceci va se produire soit Homme, Homme, Femme. La binomiale ngative On utilise la loi binomiale ngative lorsquon dsire un ne succs. Contrairement la loi gomtrique ou on arrte ds le premier succs. La formule est la suivante :

x 1 n nx (xP )= p (1 p) n 1
Pour dmontrer les nuances entre les diffrentes distributions, y compris la binomiale ngative, prenons lexemple suivant. Exemple intgrant plusieurs distributions Supposons que vous croisez une copine sur la rue. Elle est maintenant en couple et ce dernier a dcid de fonder une famille. Vous lui demandez :

Combien denfants avez-vous lintention davoir? Nous en voulons 4. Et mon conjoint aimerait beaucoup avoir un garon.

Quelle est la probabilit quil ny ait quun seul garon parmi les enfants du couple? Ici peu importe que le garon soit le premier, deuxime, troisime ou quatrime enfant. Enfin supposons que la probabilit davoir un garon, pour notre exemple est de 48%. Telle qumise, la question implique lutilisation de la binomiale. Tout ce que nous voulons savoir cest la probabilit que le couple ait un seul garon sur les 4 enfants.2

La formule de la binomiale est donc :

n x n x ( p) (1 p) x

Tel que (pour notre exemple) : n x p 1-p n-x signifie le nombre denfants (ici 4) le nombre de garon (ici 1) la probabilit connue davoir un garon (ici 48%) la probabilit davoir une fille (ici 1-0,48 = 52%). Le 1 reprsentant ici 100% La diffrence entre le nombre denfants (n = 4) et le nombre de garon (x =1)

Nous aurions galement pu poser la question diffremment soit : Quelle est la probabilit que le couple ait 3 filles et un garon? Le calcul est :

n x n x ( p) (1 p) x
2

Bien entendu nous aurions pu demander une seule fille.

4 1 4 1 (0,4 ) (1 0,4 ) 8 8 1 4 1 3 (0,4 ) (0,5 ) 8 2 1


Il y a C14 manires diffrentes que la couple ait un garon soit : 1er enfant Garon Fille Fille Fille 2e enfant Fille Garon Fille Fille 3e enfant Fille Fille Garon Fille 4e enfant Fille Fille Fille Garon

Il y a donc 4 manires diffrentes davoir un garon sur quatre enfants. La probabilit davoir un garon ET une fille ET une fille ET une fille, pour notre exemple est donc : ( 0,48 ) 1 ( 0,52 ) 3 = 0,48 * 0,1406083 = 0,06749184 ET ceci peut se produire 4 fois. Nous avons donc une probabilit de 0,06749184 * 4 = 0,26996736 ou 27%. Noublions pas que le ET indique la multiplication. Si la question avait t : Quelle est la probabilit que le couple ait un OU deux garons alors nous aurions calcul:

0,52 * 0,52 * 0,52 = 0,140608

OU

4 1 3 (0,4 ) (0,5 ) 8 2 1 4 2 2 (0,4 ) (0,5 ) 8 2 2

= 0,26996736

= 0,37380096

La probabilit que le couple ait un OU deux garons est donc de : 0,26996736 + 0,37380096 = 0,64376832 ou 64,38% Lensemble de toutes les probabilits doit donner 100%. Ainsi, la probabilit davoir :

aucun garon P(0) =

Dtails du calcul : 4nCr0 =1 Il y a en effet une seule possibilit davoir aucun garon soit : FFFF (0,48)0 = 1 (0,52)4 = 0,07311616 puisque (0,52)4 = 0,52*0,52*0,52*0,52

4 0 4 (0,4 ) (0,5 ) 8 2 0

= 0,07311616

un garon P(1) =

Dtails du calcul : 4nCr1 =4 Il y a en effet 4 possibilits davoir un garon soit : GFFF FGFF FFGF FFFG (0,48)1 = 0,48 (0,52)3 = 0,140608 puisque (0,52)3 = 0,52*0,52*0,52 Donc : (0,48) * (0,140608) = 0,06749184 4*0,06749184 = 0,269967369 ou 27%

4 1 3 (0,4 ) (0,5 ) 8 2 1

= 0,269967369

deux garons P(2) =

Dtails du calcul : 4nCr2 = 6 Il y a en effet 6 possibilits davoir deux garons soit : GGFF GFGF GFFG FGFG FFGG FGGF (0,48)2 = 0,2304 puisque (0,48)2 = 0,48*0,48 (0,52)2 = 0,2704 puisque (0,52)2 = 0,52*0,52 Donc : (0,2304) * (0,2704) = 0,06230016

4 2 2 (0,4 ) (0,5 ) 8 2 2

= 0,37380096

6*0,06230016 = 0,37380096 ou 37,4%

trois garons P(3) =

Dtails du calcul : 4nCr3 = 4 Il y a en effet quatre possibilits davoir trois garons soit : GGGF GFGG GGFG FGGG (0,48)3 = 0,110592 puisque (0,48)3 = 0,48*0,48*,48 (0,52)1 = 0,52 Donc : (0,110592) * (0,52) = 0,05750784 4*0,05750784 = 0,23003136 ou 23%

4 3 1 (0,4 ) (0,5 ) 8 2 3

= 0,23003136

quatre garons P(4) =

Dtails du calcul : 4nCr4 = 1 Il y a en effet une seule possibilit davoir 4 garons soit : GGGG (0,48)4 = 0,05308416 puisque (0,48)4 = 0,48*0,48*0,48*0,48 (0,52)0 = 1 Donc : (0,05308416) * (1) = 0,05308416 ou 5,3% Nous avons donc : 0,07311616 + 0,269967369 + 0,37380096 + 0,23003136 + 0,05308416 =

4 4 0 (0,4 ) (0,5 ) 8 2 4

= 0,05308416

= 1,00 ou 100% Notez quil est possible de calculer les probabilits pour les filles avec les rsultats prcdents puisque la probabilit davoir 4 garons est gale la probabilit davoir aucune fille et ainsi de suite.

aucune fille P(0) =

4 4 0 (0,4 ) (0,5 ) 8 2 0

= 0,05308416

Variation dans la situation La Gomtrique Rappelons la situation. Vous avez crois une copine sur la rue et vous lui avez demand combien denfant(s) elle et son copain avaient lintention davoir. Elle vous a rpondu : - Nous en voulons 4. Et mon conjoint aimerait beaucoup avoir un garon. Avec cette rponse le rang du garon na aucune importance. Cependant si la rponse avait t : Mon conjoint ma dit que lon va arrter davoir des enfants aussitt que nous aurons un garon.

Donc ici si le premier enfant est un garon votre copine aura, au total, un enfant. Cependant si elle vous signale quelle aimerait bien avoir 4 enfants alors quelle est la probabilit que votre copine ait effectivement 4 enfants compte tenu que le couple arrtera davoir des enfants aussitt quils auront un garon? Pour que cela se ralise il faut absolument que le quatrime enfant soit un garon. Ici nous devons utiliser la loi gomtrique. Nous arrtons au premier succs . La formule pour la distribution gomtrique est : pqn-1 Aussi la question devient quelle est la probabilit que le couple ait quatre enfants compte tenu quil arrtera ds quil aura un garon? Pour que cela arrive il faut que les trois premiers enfants soient des filles. En supposant que la probabilit davoir un garon est de 48% et de 52% pour une fille nous avons alors :

( ,48 )1 (.52 ) 3 = ( ,48 )(.140608 ) = 0.06749184. Il y a donc 6,7% des chances que le couple
ait 4 enfants sachant que le quatrime enfant sera un garon. Il ny a pas de nCr puisquil ny a quune seule possibilit soit FFFG. Variation dans la situation La binomiale ngative Si dans la conversation la rponse de votre copine avait t : - Nous aurons des enfants jusquau moment ou nous aurons deux garons (ou deux filles). Votre copine vous raffirme son dsir davoir 4 enfants. Quelle est donc la probabilit que le couple de votre copine ait 4 enfants dont deux garons et que le 4e enfant sera un garon puisque le couple arrtera davoir des enfants au deuxime garon. Le quatrime enfant doit tre un garon puisque le couple arrtera davoir des enfants au moment de la naissance dun deuxime garon. Par ailleurs, lautre garon peut, thoriquement, tre le premier, le deuxime ou le troisime. Nous avons donc :

x 1 n nx (xP )= p (1 p) n 1
Tel que : x reprsente le nombre denfant (pour lexemple 4) n reprsente le nombre de garon (pour notre exemple 2) p reprsente la probabilit davoir un garon (pour notre exemple (,48) q reprsente la probabilit davoir une fille (pour notre exemple (,52) Nous avons x-1 et n-1 parce que nous savons que le dernier enfant sera un garon. Il sagit alors de calculer la probabilit pour le premier garon. Donc :

x 1 n nx (xP )= p (1 p) n 1

14 2 24 P(2)= (,4 ) (1 ,4 ) 8 8 12
3 2 2 P(2) = ( ,4 ) ( ,5 ) 8 2 1

3 P(2)= (,2 )(,2 3) 7 0 0 4 4 1


3 P(2) = ( 0,6 ) 2 3 0 0 1 6 1
P (2) = 3( 0,06230016

) (En effet 3NcR1 = 3)

P ( 2) = 0,18690048

ou 18,7%

Vous remarquerez que les probabilits changent en fonction de la spcificit de la question et/ou du problme. Ainsi la probabilit quun couple qui a 4 enfants dont 2 garons est de 37,4% (binomiale)

n x n x ( p) (1 p) x 4 2 2 (0,4 ) (0,5 ) 8 2 2
= 37,4%

alors que la probabilit quun couple ait 4 enfants dont deux 2 garons mais dont le 4e enfant est un garon est de 18,7%.

La distribution de Poisson On utilise la Poisson lorsquil y a une moyenne (identifie par la lettre grecque lambda ) qui est fixe dans lespace ou le temps. La formule est la suivante :
e * x x!

e reprsente la constante 2.71828182.

reprsente la moyenne x reprsente lvnement Exemple : Supposons quun professeur fait le pari quil ny aura pas de A+ dans son cours. Pour faire cela le professeur dduira 2 points pour chacune des fautes. Ce que le professeur omet de mentionner cest quil sait quen moyenne les tudiants font une demi-faute par page. Supposons que le professeur exige un travail de 20 pages et que pour obtenir un A+ il faut une note de 96%. Quelle est la probabilit quun tudiant ait 2 fautes ou moins et ait encore une chance dobtenir un A+? Nous avons donc une moyenne par page de 0,5 faute. Pour un travail de 20 pages ceci quivaut une moyenne de 10 fautes. Nous savons que lambda () reprsente la moyenne de fautes pour le travail Donc = 10 pour un travail de 20 pages. Quelle est la probabilit quun tudiant ait 2 fautes ou moins? Nous devons donc calculer la probabilit de 0 faute, 1 faute et 2 fautes.
e * x x! e 10 * 10 0 P(0) = = .0000454 0!

P(x) =

+ P(1) = + P(2) =
e 10 * 10 2 = ,002269996 2! e 10 * 10 1 = .000453999 1!

(Il existe une fonction ex sur votre calculatrice. Il est important dinscrire la moyenne puis le signe ngatif (et non le signe de la soustraction) pour excuter la premire partie de la formule) La probabilit quun tudiant ait 2 fautes ou moins pour un travail de 20 pages est de . 002769395 ou moins de 1%. (On doit additionner les trois rsultats puisquil sagit de 0 faute OU 1 faute OU 2 fautes). Le professeur va trs probablement gagner son pari : aucun tudiant naura un A+. Rappel. On utilise la Poisson lorsquil y a une moyenne fixe et invariable dans le temps et/ou lespace. La multinomiale Contrairement la binomiale ou seul deux rsultats sont possibles, la loi multinomiale sapplique lorsquil y a plus de deux rsultats possibles. Ceci est habituellement le cas dans les sondages lectoraux ou il y a plus de deux partis. La formule de la multinomiale est la suivante :

n! p x1 p x2 .... p xk x1!x 2 !... x k !

Tel que n reprsente la taille de lchantillon x1; x2; xk reprsentent le nombre dans lchantillon qui ont la caractristique 1, 2k
p x1 p x2 .... p xk reprsente les proportions des diffrents rsultats possibles.

Par exemple, supposons quil y a trois partis politiques en lice (A, B et C) et que nous connaissons la proportion dans lintention de vote pour chacun de ces partis (respectivement de 41%, 32% et 27%). Quelle est la probabilit que sur un chantillon de 10 personnes on retrouve exactement 4 partisans du parti A; et 3 du parti B et 3 du parti C? Nous aurions donc
n! p x1 p x2 .... p xk x1!x 2 !... x k !

10 ! 3 3 (, 41 ) 4 (,32 ) (,27 ) 4!3!3!


3628800 (, 02825761 )( ,106666667 864

)( ,019683 )

4200 X ,000059327 = 0,2491 ou 24,9%

Ce calcul est important lors de la planification des enqutes spcialises (par exemple des groupes de discussions)

Le thorme de Bayes Thomas Bayes (1702-1761) est n Londres en Angleterre et a dvelopp un thorme qui porte sur le calcul de la probabilit dun vnement bas sur une connaissance a priori. Bayes, un pasteur Presbytrien, tait galement un mathmaticien amateur. Le principe de base qui soustend lapproche Baysienne repose sur le principe quun vnement puisse tre vrai ou faux. Cest ce principe qui est utilis lorsquon effectue des tests mdicaux. Comme les tests ne donnent pas toujours un bon rsultat, il est donc possible davoir un rsultat qui soit faux. Cest ce que lon appelle un faux positif ou un faux ngatif. Cette approche est linverse de lapproche frquentiste qui examine les situations sans tenir compte des connaissances pralables. Le thorme, de faon indirecte, fut publi titre posthume en 1763 sous le titre de Essay Towards Solving a Problem in the Doctrine of Chance. En gros lapplication du thorme permet dtablir que la probabilit dun vnement est le rsultat conditionnel dune probabilit connue. La formule4 du thorme est la suivante5 :

P ( B / A) =

P ( B1 ) * P( A | B1 ) + P ( B2 ) * P A | B2

P( B1 ) * P( A | B1 )

Nous verrons en dtails la dfinition des termes dans les prochaines lignes. Certaines applications du thorme Il est possible dappliquer le thorme de Bayes dans plusieurs situations dont : les intentions de votes, le milieu sportif et surtout le milieu mdical. En effet, pour ce dernier cas lapplication du thorme de Bayes est monnaie courante. Comme les tests mdicaux ne sont pas srs 100% il est possible davoir un faux positif ou un faux ngatif. C'est-dire que le test indique que le patient est atteint dune certaine maladie alors quen ralit le patient na pas la maladie (faux positif) ou encore les rsultats du test indiquent que le patient na pas la maladie alors quen ralit il a effectivement la maladie (faux ngatif). Pour pallier un mauvais diagnostique, les mdecins procderont souvent un deuxime test afin de confirmer le rsultat initial. Le thorme de Bayes permet dtablir la probabilit dun rsultat erron. Exemple6 : Supposons que lon sait quune personne sur 100 (ou 0,01) souffre dune maladie ou dune condition quelconque (que nous noterons X). Supposons galement quil y a 95% (ou 0,95) de chances quune personne avec la maladie X (ou la condition X) obtiendra un rsultat positif pour la maladie X, et quil existe 3% (0,03) des chances quune personne qui na pas la maladie X obtienne un rsultat positif (faux positif). Si une personne,
4 5

La formule est diffrente selon la probabilit qui est recherch. Ici nous cherchons la probabilit de lvnement B conditionnelle A. 6 Cet exemple provient du Dictionnary of Statistics, Penguin Reference, London, 2004, pp8-10

choisie au hasard, obtient un rsultat positif pour X, quelle est la probabilit que cette personne ait rellement la maladie X? Rappelons la formule du thorme : P ( B1 / A) = Pour appliquer le thorme supposons que : A reprsente lvnement obtient un test positif pour la maladie X B1 a la maladie X B2 na pas la maladie X Nous cherchons P ( B1 / A) c'est--dire a la maladie X et obtient un rsultat positif au test. Nous avons donc : Prob B1 = 0.01 (en effet 1 personne sur 100 a la maladie X) Prob B2 = 0.99 (en effet 99 personnes sur 100 nont pas la maladie X) A = obtient un rsultat positif au test P ( B1 / A) = la probabilit quune personne qui a la maladie obtienne un test positif. Nous avons donc : P ( B1 / A) = P ( B1 / A) =

P ( B1 ) * P( A | B1 ) + P ( B2 ) * P A | B2

P( B1 ) * P ( A | B1 )

P ( B1 ) * P( A | B1 ) + P ( B2 ) * P A | B2
0.01 * 0.95 = 0.24 0.01 * 0.95 + 0.99 * 0.03

P( B1 ) * P( A | B1 )

Donc avant le test la probabilit quun individu ait la maladie tait de 0,01 (ou 1%) et aprs le test cette probabilit est de 0,24 ou 24% Deuxime exemple7 Dans une rgion 30% des hommes et 20% des femmes sont contre le dveloppement dun tronon routier. Les femmes forment 45% de tous les rsidents de la rgion. Une personne qui est contre le projet est slectionne au hasard. Quelle est la probabilit que cette personne soit une femme? Nous avons donc : Prob (F) = ,45 (en effet les femmes forment 45% de la population)
7

Source: Exemple modifi (mme chiffre mais contexte diffrent) in Statistics Problem solvers pp 98-99.

Prob (C) = ,20 (en effet 20% des femmes sont contre le projet) Prob (N) = ,55 (en effet 55% des personnes ne sont pas des femmes) Nous obtenons la formule suivante :
P( F C ) =

P( F ) P( C F ) P( F ) P( C F ) + P ( N ) P ( C N )

Il faut lire lquation de la faon suivante : La probabilit dune femme contre le projet est gale la probabilit dune femme fois la probabilit conditionnelle dtre contre le projet et dtre une femme divis par la probabilit dune femme fois la probabilit conditionnelle dtre contre le projet et dtre une femme plus la probabilit de ne pas tre une femme fois la probabilit dtre contre le projet et de ne pas tre une femme. On obtient ainsi :
P( F C ) =

( 0,45 )( 0,2) ( 0,45 )( 0,2 ) + ( 0,55 )( 0,3) =

,0 9 ,0 9 = ,25 = ,353 ,0 +1 5 9 ,6 5

La probabilit quune personne contre le projet et choisie au hasard soit une femme est de ,353 (35,3%).