Académique Documents
Professionnel Documents
Culture Documents
PROBABILITÉS
Dr EL BADAOUI Rabie
Ecole Nationale de Commerce et de Gestion de
Marrakech
Théorème de Bayes
% de pièces de % de pièces
bonne qualité défectueuses
Fournisseur 1 98 2
Fournisseur 2 95 5
Théorème de Bayes
Sachant que:
Est une variable aléatoire qui peut prendre soit un nombre fini de valeurs, soit
un ensemble infini de valeurs dénombrables telles que 0,1,2…est dite variable
aléatoire discrète
Exemple:
On aura:
1. Espérance mathématique
L’espérance mathématique ou la moyenne d’une variable aléatoire est une
mesure de tendance centrale. L’expression mathématique de l’espérance
d’une variable aléatoire discrète X est :
E(X)= µ = ∑x f(x)
Il s’agit d’une moyenne pondérée des valeurs que peut prendre la variable
aléatoire. Les poids correspondent aux probabilités.
Les notation E(x) et µ décrivent toutes les deux l’espérance mathématique
d’une variable aléatoire
Cette équation montre que pour calculer l’espérance mathématique d’une
variable aléatoire discrète, on multiplie chaque valeur de la variable
aléatoire par la probabilité f(x) correspondante et on additionne les
différents produits.
Application
Total = 1 1.50
E(X)= µ = ∑x f(x)
2. La variance
Si les propriétés 2,3 et 4 sont satisfaites, on dit que les tirages sont générés
par un processus de Bernoulli.
Si la propriété 1 est également satisfaite : Expérience Binomiale
L’intérêt d’une expérience binomiale est de connaître le nombre de succès
au cours de n tirages.
(1)
Où
n! = n(n-1)(n-2)….(2)(1)
Pour notre cas, tout résultat comprenant 2 succès parmi 3 tirages a une
probabilité égale à :
p2(1-p)(3-2)=(0.30)2*(0.70)1= 0.063
La combinaison des deux équations (1) et (2) nous donne la fonction de
probabilité binomiale suivante:
x nombre de succès
p est la probabilité du succès lors d’un tirage
n est le nombre de tirages
f(x) est la probabilité de x succès en n tirage
3
Total 1.000
La fonction de probabilité binomiale peut être appliquée à toute expérience
binomiale.
La probabilité que quatre clients sur dix fassent un achat est égale à :
Utilisation des tables de probabilité binomiales
L'utilisation de ces tables est souvent plus facile que la formule de la fonction
précédente.
Alors que les tables de probabilités binomiales sont faciles à utiliser, il est
impossible d’avoir des tables avec toutes les valeurs possibles de n et p
Espérance mathématique et variance d’une loi binomiale
E(X)= µ = np
Var(X)= σ2 = np(1-p)
Calculons le nombre moyen de clients qui effectuent un achat pour
l’exemple du magasin de parfum avec 3 clients :
Avec 1000 clients prévus qui entreront dans le magasin le mois prochain,
le nombre moyen d’acheteurs serait : µ = np = 1000(0.3) = 300
La Loi de Poisson est souvent utilisée pour modéliser les taux d’arrivées
dans des situations de file d’attente.
Propriétés d’une expérience de Poisson
1. la probabilité d’une occurrence est la même dans deux intervalles de même longueur.
2. l’occurrence ou la non-occurrence d’un évènement dans un intervalle est
indépendante de l’occurrence ou la non-occurrence de cet évènement dans un autre
intervalle.
Où
Si l’on suppose que la probabilité d’une arrivée est la même pour deux
intervalles de longueur égale et que l’arrivée ou la non-arrivée pendant
une période de temps est indépendante de l’arrivée ou la non-arrivée
pendant une autre période de temps.
Considérons une application n’impliquant pas d’intervalle de temps, pour
laquelle la distribution de Poisson est utile.
On suppose que la probabilité d’un défaut majeur est la même sur deux
portions d’autoroute de longueur égale et que l’apparition d’un défaut sur
un intervalle est indépendante sur un autre intervalle.
Quelle est la probabilité qu’il n’ait pas de défaut majeur sur une distance de
l’autoroute d’une longueur de 3 km ?
La différence majeure entre ces deux lois est que : lorsqu’il s’agit d’une loi
hypergéométrique, les tirages ne sont pas indépendants, et la probabilité de
succès change d’un tirage à l’autre.
Pour que cela se réalise, il faut obtenir x succès parmi les r succès de la
population et n-x échecs parmi les N-r échecs de la population.
Les fusibles électriques produits par Ontario Electric sont conditionnés par
une boîte de douze.
Supposons que la durée du vol soit comprise entre 120 et 140 minutes.
Supposons que les données actuelles sur la durée du vol nous permettent
de conclure que la probabilité que la durée du vol appartienne à un autre
intervalle d’une minute compris entre 120 et 140 minutes.
Puisque tous les intervalles d’une minute, compris entre 120 et 140 minutes,
sont équiprobables, on dit que la variable aléatoire X suit une loi uniforme.
Puisque la durée du vol doit être comprise entre 120 et 140 minutes
et que les probabilités sont uniformément distribuées sur cet
intervalle, on pressent que P(120 x 130)= 0.50.
Nous montrerons par la suite que cette probabilité est égale à l’aire
situé entre 120 et 130 dans la figure X
L’aire comme mesure des probabilités
La courbe normale:
La loi normale est représentée par une courbe en forme de
µ: la moyenne
σ : écart type
Π = 3.14159
E = 2.71828
La loi normale
inférieure ou égale à 1
La probabilité que la variable Z soit comprise entre deux valeurs
certaine valeur
La loi normale centrée réduite
En utilisant la formule, on a:
Pour que x = µ=10 et z = (x- µ)/σ = (10-10)/2 = 0
Pour x = 14, z = (14-10)/2=2
Quelle devrait être le kilométrage garanti pour qu’au plus 10% des
pneus n’effectuent pas le nombre de kilomètres garantis?