Vous êtes sur la page 1sur 21

1

Application des lois de probabilit


-Variable alatoire discrte-
Facult de Mdecine dOran
Laboratoire de Biostatistique
BOUKERMA AMEUR
2
Une v. a. de Bernoulli est une v. a. qui ne prend que
deux valeurs possibles notes
1 , associe une probabilit p
et 0 , avec une probabilit 1 p (vnement
contraire)
-Sa loi de probabilit dfinit la loi de Bernoulli de
paramtre p
-Moyenne : p
-Variance : p(1 p)=p q
-Concerne toutes les preuves binaires : succs/chec,
prsence/absence, oui/non, vrai/faux, malade/non
malade
Loi de Bernoulli:
3
X p(X) Xipi(Xi) pi(Xi) X
i
2
0
1-p=q 0 0
1
p p p

Somme
1 p p

La loi de Bernouilli
Une variable alatoire de Bernouilli a deux ralisations
possibles :
Succs X=1, Probabilit de succs : p
chec X=0, Probabilit d'chec : 1-p =q
Calcul de la Moyenne et la variance:
Var (X) = pi(Xi) Xi
2
- [E(x)]
2

= p -[p]
2

= p(1-p) = p q

E(X) = p

Var(X)= p q

4
La loi binomiale
Cest une exprience alatoire constitue
dune suite dpreuves de Bernoulli indpendantes
o chaque preuve ne peut conduire quaux 2
mme rsultats possibles (succs, chec) et o
chacun de ces rsultats a la mme probabilit de
ralisation dune preuve lautre

5
Processus Bernoulli et exprience
binomiale
Proprits:

1-Lexprience est une srie de n tirages identiques
2-Deux vnements sont possibles chaque tirage:
succs et chec
3-La probabilit de succs, note p, ne se modifie pas
dun tirage lautre. La probabilit dchec q=1-p ne se
modifie pas non plus
4-Les tirages sont indpendants

Lorsque les proprits 2,3, et 4 sont satisfaites, on dit que
les tirages sont gnrs par un processus de Bernoulli. Si la
proprit 1 est galement satisfaite, il sagit dune
exprience binomiale

6
La loi binomiale

Si une variable alatoire X reprsente le nombre de
succs lorsquon effectue n preuves de Bernoulli, alors X obit
une distribution binomiale.

X Bi (n, p)
Ce qui se lit X obit une loi binomiale de paramtres n, p
Lintrt est de connatre le nombre de succs aprs n tirages

7
La loi binomiale
n = le nombre dpreuves de Bernoulli
p = la probabilit de succs

Dfinition mathmatique dune v. a. binomiale :
Une v. a. X qui prend les valeurs entires x telles que
x = 0,1,2,n pour n entier positif, 0 p 1, q=1-p,
avec les probabilits :

x n x n
x
q p C x X P x f

. . ) ( ) (
sappelle une v. a. binomiale de paramtres n et p.

x n x x
n
x n x
p p C p p
x n x
n
p n x B x X P

) 1 ( ) 1 (
)! ( !
!
) , ; ( ) (
8
Distribution binomiale
Si X est une v. a. binomiale alors :

q p n X VAR
p n X E
. . ) (
. ) (

Paramtres dune distribution binomiale


np E(X) npq V(X)
9
Exemples dapplication
Exemple 1:
On lance 7 fois une pice de monnaie bien quilibre.
1- Quelle est la probabilit davoir 4 fois face?
2- Calculer lesprance mathmatique E(x) et la variance V(x)
1-Solution:
1- Cette variable suit une loi binomiale de paramtres B(7,1/2).
-a. n=7 (nombre d preuves avec remise)
-b. les 2 ventualits: P=(succs) q=(chec)
p=1/2 (avoir face) q=1-p=1/2(ne pas avoir face. Avoir pile)
p(x=4)= C7
4
(0.5)
4

(0.5)
3
= 0.2734
2- Solution: E(x)=n p=7.0,5=3,5
V(x)=n p q=3,5 0,5=17,5
10
Dans une population, il y a 49% de filles et 51% de garons. Quelle est la
probabilit que dans une famille de 5 enfants, il y ait au moins 3
garons?
Solution: Nombre dpreuves=5 =n
les 2 issues: Succs: p= 0,51 (avoir un garon)
chec : q= 0,49 (avoir une fille)
la variable x suit une loi binomiale de paramtre B(n,p) B(5;0,51)
P(x)= C
x
n
P
x
q
n- x
P(x 3)= P(x=3) + P(x=4) + P(x=5)

P(x 3)= C
3
5
(0,51)
3
( 0.49)
2

+ C
4
5
(0,51)
4
( 0.49)
1
+ C
5
5
(0,51)
5
( 0.49)
0
= 0,319 +0,162 +0,035 = 0,516

P(x 3)= 1
-
P(x < 3)= 1 - [ p (x=0) + p (x=1)+ p (x=2) ]
=1-[C
0
5
(0,51)
0
( 0.49)
5+
C
1
5
(0,51)
1
( 0.49)
4+

C
2
5
(0,51)
2
( 0.49)
3
]


=1-[ 0,028 +0,148 +0,307 ]= 1-0,4083 =0,517
Exemple 2:
11
Exemple 3:
Dans les familles de 3 enfants, quelle est la probabilit
davoir 2 filles?. La probabilit de naissance dune fille est
p=0.48
Solution: n=3, x=2, p=0.48 et q=1-p=0.52
359 . 0 ) 52 . 0 ( ) 48 . 0 ( ) 2 (
) 2 3 ( 2 2
3


C X P
Quel est le nombre moyen de filles et la variance?
Solution:
E(X) = n p = 3 (0.48) = 1.44
Var(X) = n p q = 3 (0.48) (0.52)= 0.75
12
Exemple 4:

En moyenne, un tudiant sur 20 est daltonien.
1.Quelle est la probabilit quil y en ait deux dans une classe de 25
tudiants?
2.Quelle est la probabilit quil y en ait au moins deux dans une classe de 25
tudiants?
3.Quelle est la probabilit quil y en ait au plus deux dans une classe de 25
tudiants?

Solution:

Dsignons par X le nombre dtudiants daltoniens, cest une
variable alatoire de paramtres B (n, p) = (25, 1/20 )
La probabilit cherche est simplement:
1- p (X = 2) = C
2
25
(1/20)
2
(19/20)
23
= 0,2305

2- p (X 2) = p (X = 2) + p (X = 3) + p (X = 4) + p (X =5)

3- p (X 2) = p (X = 0) + p (X = 1) + p (X = 2)
13
Exemple 5:
Soit une tude portant sur des familles de 10 enfants. On sait que la
probabilit davoir une fille ou un garon est identique.
1-La probabilit que 2 des enfants dune famille soient des filles


2-Quune famille ait au moins deux filles

3-Quune famille nait pas plus de deux garons
P(X 8) = P(X = 8) + P(X = 9) + P(X = 10) = 0.0547


14
Dfinition mathmatique dune v. a. de Poisson :

Une v. a. d. X qui prend toutes les valeurs entires x telles que
x = 0, 1, 2, avec les probabilits :

sappelle une v. a. de Poisson de paramtre
Dfinition mathmatique dune v. a. de Poisson :

Une v. a. d. X qui prend toutes les valeurs entires x telles que x =
0, 1, 2, avec les probabilits :




sappelle une v. a. de Poisson de paramtre

Loi de Poisson (distribution des vnements rares)
( )
!
x
p x e
x



15
On dit quune Variable Alatoire X suit une Loi de Poisson:

1- Si sa distribution est discontinue ( V.A. Discrte) pouvant
prendre toutes les valeurs possible {0, 1, 2, i, ... n}

2-Si les probabilits de ralisation de X sont trs faibles

La raret du phnomne dans une Distribution de Poisson ne
peut tre dfini que lorsque leffectif tudi est trs lev.

I- Dfinition:
16
II- Paramtres dune distribution de Poisson:

La raret du phnomne (p trs petit, et q tend vers 1, nous
conduit une valeur moyenne





E(x)=n p


V(x) =n p

E(X)
V(X)
17
Sachant que dans un service durgences on accueille en moyenne 5
entorses par week-end, quelle est la probabilit dobserver 3 entorses
au cours du prochain week-end?
Loi de Poisson, avec =5 et x=3
P(X = x) = e.
-

x
/x!
P(X = 3) = e
-5
5
3
/3!= 0.14
Exemple2:
Sachant quun service durgence accueille en moyenne 3 fractures du
membre suprieur par week-end (vnement rare),
quelle est la probabilit pour que ce service accueille le prochain week-
end :
1) exactement 3 fractures
2) aucune fracture

Application de la loi de Poisson
Exemple1:
Rep: P(x=3) = 0,224
Rep: P(x=0)= 0,049
18
Dans un atelier, le nombre daccidents au cours dune anne
suit une loi de Poisson de paramtre 5. Calculer la probabilit
des vnements suivants :
1. Il ny a pas daccidents au cours dune annee
2. Il y a exactement 4 accidents au cours de lanne
3. Il a plus de 6 accidents au cours de lanne

Exemple 3:
19
Approximation de la loi Binomiale par la loi de Poisson

La loi de poisson est considre comme la limite de la loi binomiale
lorsque le phnomne est trs rare et leffectif est trs lev. Dans ce
cas =n p et n tend vers linfini.
X Bi (n, p) X P() avec ( =n p)



En gnral lapproximation est valable si:
1- n 30 ( grands chantillons)
2- p 0,10 (probabilit faible au voisinage de zro)
3- = n p5
x n x n
x
q p C x X P x f

. . ) ( ) (
( )
!
x
p x e
x



20

Suite `a une vaccination contre le paludisme, dans une
population risque, on estime 2%, compte tenu du dlai
dimmunisation, la proportion de personnes qui seront
pourtant atteintes de la maladie. En utilisant la loi binomiale
puis la loi de Poisson, quelle est la probabilit de constater, lors
dun contrle dans un petit village de 100 habitants tous
rcemment vaccines, plus dune personne malade ?
(on supposera lindpendance des ventualits).

Compte tenu des hypothses, le nombre de malades est
ici rgi par une loi binomiale de paramtres n = 100 et p =
0,02. B(100;0,02)
Exemple: Approximation de la loi binomiale par la loi de poisson
21
Solution:

les conditions dapproximation par une loi de Poisson sont
vrifis.
-n 30 100 >30 ( la taille est grande)
- P = 0.02 (la probabilit est faible ).
- = n p = 100 0.02 = 2 < 5
Prob (X > 1)= 1- Prob (X 1) = 1- [Prob (X = 0)+Prob (X = 1)]

= 1- [e
-
2
20/0! + e
-2
21/1! ]

= 1- [ 0,1353 +0,2707 ]

= 1- 0,406 =0,594

Prob (X > 1)= 0,594