Théoreme Moivre-Laplace

Présenté par :
Hassnioui Amine

AYAD Chaimae
TABLE OF CONTENT
1 Introduction 3
Théoreme de Moivre-Laplace

2 Definitions 4 Exemple d’application

5 Des exercices

2 /11
Introduction
Le théorème de Moivre-Laplace établit un lien profond entre les
distributions binomiale et normale

Il montre comment des événements discrets tendent vers des

comportements normaux avec l'augmentation de la taille de l'échantillon

Cette convergence vers la distribution normale est cruciale dans de

nombreux domaines, des probabilités à la statistique

En résumé, ce théorème offre un cadre pour comprendre la transition des

événements discrets vers des modèles continus, permettant ainsi une
meilleure modélisation des phénomènes aléatoires
3/37
Introduction

Comment la relation établie par le théorème de Moivre-Laplace entre les

distributions binomiale et normale peut-elle être exploitée pour mieux
comprendre et modéliser les phénomènes aléatoires dans des situations
réelles ?

4/37
Definition
Le théorème de Moivre-Laplace énonce que la distribution binomiale tend
vers une distribution normale lorsque le nombre d'essais augmente

Plus précisément, il stipule que pour une série d'essais indépendants avec
une probabilité de succès fixe et une taille d'échantillon suffisamment
grande, la distribution binomiale devient de plus en plus similaire à la
distribution normale

Cette convergence vers la distribution normale est centrée autour de la

moyenne de la distribution binomiale et s'étend en fonction de l'écart type

5/37
 Théorème de Moivre-Laplace
Soient p [0;1] un réel fixé et soit ) une suite de variables aléatoires, telle

que ) suit la loi binomiale B (n,p). Posons :

Le théorème énonce que pour les réels a et b (avec a ⩽ b)…

6/37
 Théorème de Moivre-Laplace
Autrement dit :
Soient X une variables aléatoires, qui suit la loi binomiale B (n,p) et Y suit la loi
normal N (0,1) alors :

Donc sous réserve que : n > 30 et np > 5 et n (1-p) > 5 on peut approximer :

Par :

7/37
Exemple
Un magasin spécialisé dans la vente de téléphones portables fait une
promotion sur un type d’appareil A

Dans une journée, 150 personnes se présentent indépendamment

La probabilité pour qu’une personne achète l’appareil A est de 0,4

On appelle X la variable aléatoire représentant le nombre d’articles A

vendus en une journée

8/37
Exemple

1. Justifier que X suit une loi binomiale dont on donnera les

paramètres

 En répète 150 fois de manière identique et indépendante une expérience

de Bernoulli dont la probabilité de succès est p = 0.4

 Prenons X compte le nombre de succès X suit une loi binomiale de

paramètre n = 150 , p = 0,4

9/37
Exemple
2. Déterminer l'espérance et l'écart-type de X

En sait que X  B (150,0.4) :

Donc :
E(X) = np = 150*0.4 = 60
Et :
= == 6

10/37
Exemple
3. Par quelle loi peut-on approcher la variable aléatoire X-60/6?
Justifier la réponse

En remarquons que : =
Et on a :
n = 150 > 30

Et np = 150*0.4 = 60 > 5 Et n (1-p) = 150 * 0.6 = 90 > 5

Alors nous sommes dans les conditions d'application du théoreme de
Moivre-Laplace
11 /3 7
Exemple

4. On donne le résultat suivant :

Si Z est une variable aléatoire qui suit la loi normale centrée réduite alors

P (Z > 2) = 0,023

12/37
Exemple
Sans calculatrice, déterminer la probabilité qu’il ait au plus 72 articles A
vendus dans la journée

On a P(X ≤72) = P(x-60≤12)

= P(x - 60 / 6 < 2)
= p(z < 2)

Or P(z < 2) = 1- P (z > 2)

= 1 - 0,023
= 0.977
P (X ≤ 72) = 0.977
13/37
Exercice 01

Un QCM comporte 100 questions. Pour chaque question, il y a 5 réponses

possibles et une seule est correcte

Un élève décide de répondre au hasard à ce questionnaire

On note X la variable aléatoire qui compte le nombre de bonnes réponses.

Estimer la probabilité que l'élève ait entre 10 et 25 bonnes réponses

14/37
Solution 01
On demande de calculer

X suit une loi binomiale de paramétre n = 100 et p = 0,2

L'espérance de X est E(X) = n.p = 100 x 0,2 = 20

Alors on a :

n = 100 > 30

Et n.p = 100 * 0.2 = 20 > 5 Et n (1-p) = 100 * 0.8 = 80 > 5

15/37
Solution 01
Alors nous sommes dans les conditions d'application du théoreme de
Moivre-Laplace

En remarquons que : =
Alors :

= avec Z

16/37
Exercice 02

Dans un jeu de 32 cartes, on tire au hasard une carte, puis on la remet et on

recommence cela 200 fois

On note X la variable aléatoire indiquant le nombre d'as obtenus

En utilisant l'approximation de la loi binomiale par la loi normale,

déterminer à près P(X ≥ 28)

17/37
Solution 02
Dans cet exercice, on répète 200 fois de manière indépendante la même expérience aléatoire à 2 issues(Il y a bien 2
issues:
soit on obtient un as,
soit on n'obtient pas un as.).
 Donc X qui compte le nombre de succès (obtenir un as), suit la loi binomiale B(200;)
 Vérifions que les 3 conditions sont remplies, avant d'approximer la loi binomiale par la loi normale.
n=200 donc n ≥ 30, p= donc np=25 ≥ 5 et n(1−p)=175 donc n(1−p) ≥ 5
Les 3 conditions étant remplies, on peut donc approximer B(200; )
Par la loi normale d'espérance μ=np=25 et d'écart-type σ=.
Posons Y la variable aléatoire qui suit la loi normale d'espérance μ=25et d'écart-type σ= = 21.875
D'après le théorème de Moivre-Laplace, P(X≥28)≈P(Y≥28)

. Et : ==0.137
Puis on calcule P(Y≥28) a l’aide de la table, et on trouve: P(Y≥28)≈0.55 à 10^(−2 )

18/37
Exercice 03

Une usine produit 100 machines à laver par jour

On suppose qu'une machine a une probabilité égale à 0,1 de tomber en

pause à la sortie de l'usine

On note X le nombre de machines en pause

Estimer la probabilité que moins de 5 machines par jour tombent en pause

19/37
Solution 03
On demande de calculer

X suit une loi binomiale de paramétre n = 100 et p = 0,1

L'espérance de X est E(X) = n.p = 100 x 0,1 = 10

Alors on a :

n = 100 > 30

Et n.p = 100 * 0.1 = 10 > 5 Et n (1-p) = 100 * 0.9 = 90 > 5

20/37
Solution 03
Alors nous sommes dans les conditions d'application du théoreme de
Moivre-Laplace

En remarquons que : =
Alors :

= avec Z

21/37
Exercice 04
On lance 300 fois un dé tétraèdrique non truqué

On note X la variable aléatoire indiquant le nombre de 4 obtenus

1. Justifier que X suit une loi binomiale dont précisera les paramètres

2. Justifier que cette loi binomiale peut être approchée par une loi
normale centrée réduite

3. A l'aide d'une approximation par une loi normale centrée réduite,

déterminer au centième

22/37
Solution 04
La variable aléatoire X, qui représente le nombre de 4 obtenus lors du lancement d'un dé non truqué, suit une loi
binomiale. Cela est dû au fait que chaque lancer du dé peut avoir deux résultats possibles : obtenir un 4 (succès) ou
ne pas obtenir un 4 (échec). Les lancers sont indépendants, et la probabilité de succès P(4) reste constante à chaque
lancer.
La loi binomiale est définie par les paramètres n (nombre d'essais) et p (probabilité de succès). Dans ce cas, n=300 et
p=1/4​. Ainsi, X suit une loi binomiale B(300,​).
 On peut justifier l'approximation de la loi binomiale par une loi normale :
Dans ce cas, n=300 est suffisamment grand pour appliquer l'approximation par la loi normale.
Pour déterminer P(X≤70) en utilisant l'approximation par une loi normale centrée réduite, nous devons standardiser
la variable aléatoire X. La formule de standardisation est la suivante :

où Z est une variable aléatoire suivant une distribution normale standard :Z ∼N(0,1).
Dans notre cas, np=300× ​​=75 et np(1−p)=300× ​​× ​​=56.25.
Donc, la standardisation de X=70 est :

= - 0.66
alors: P(X≤70)= 1-(0.66)=0.26
23/37
Exercice 05

On lance 180 fois un dé équilibré à 6 faces, et on note X le nombre

d'apparitions du 6 au cours des 180 lancers

En utilisant le théorème de Moivre-Laplace, calculer P(X 20), P(X > 40)

et P(X 20 ou X > 40)

24/37
Solution 05
On calculer

X suit une loi binomiale de paramétre n = 180 et p =

L'espérance de X est E(X) = n.p = = 30

Alors on a :

n = 180 > 30

Et n.p = 180 * = 30 > 5 Et n (1- p) = 180 * = 150 > 5

25/37
Solution 05
Alors nous sommes dans les conditions d'application du théoreme de
Moivre-Laplace

En remarquons que : =
Alors :

= avec Z

26/37
Solution 05
On calculer

En remarquons que : =
Alors :

= avec Z

27/37
Solution 05
On calculer ou

Alors :

ou = +

ou =

28/37
Exercice 06
Une usine fabrique des balles de tennis

Un contrôle qualité montre que 10% des balles produites ne sont pas
conformes au cahier des charges de la fabrication

On prélève au hasard dans la production 400 balles de tennis

Le nombre de balles est suffisamment important pour ces prélèvements

soient assimilés à des tirages indépendants

29/37
Exercice 06

On note X la variable aléatoire qui, à chaque lot de 400 balles tirées,

associe le nombre de balles non conforme

Sachant que si Z est une variable aléatoire qui suit la loi normale centrée
réduite alors = 0,159, déterminer la probabilité qu’il y ait entre 34 (inclus)
et 46 (inclus) balles non conformes dans un tirage

30/37
Solution 06
Dans ce cas, la variable aléatoire X, qui représente le nombre de balles non conformes dans un lot de 400
balles tirées, suit une distribution binomiale B(400,0.10).
Calcul des paramètres de la distribution normale :
La moyenne (μ) de la distribution normale est np=400×0.10=40.
1.L'écart-type (σ) de la distribution normale est :np(1−p)​=400×0.10×0.90​=36​.
2.Ainsi, la variable aléatoire X suit une distribution normale approximative N(40,6).
3.Standardisation des valeurs : On standardise les valeurs pour les bornes 34 et 46 :​=​=−1
=1
4.Calcul de la probabilité recherchée : Nous voulons P(34≤X≤46).En utilisant la table normale
standard fournie, nous trouvons : P(−1≤ Z ≤1)
puisque P(Z<−1)=0.159.
Et : P(−1 ≤ Z ≤ 1)=P(Z ≤1)−P(Z≤−1)= 0.841− 0.159 =0.682
Donc, la probabilité qu'il y ait entre 34 (inclus) et 46 (inclus) balles non conformes dans un tirage est
d'environ 0.682 ou 68.2%

31/37
Exercice 07
On joue à un jeu avec lequel on a 15% de chance de gagner à chaque fois

On joue 300 fois de suite

Soit X la variable aléatoire correspondant au nombre de succès (au nombre

de fois où le joueur gagne) lors des 300 jeux

En utilisant le théorème de Moivre-Laplace, Calculer la probabilité de

gagner entre 30 et 60 fois ?

32/37
Solution 07
On demande de calculer

X suit une loi binomiale de paramétre n = 300 et p = 0,15

L'espérance de X est E(X) = n.p = 300 x 0,15 = 45

Alors on a :

n = 150 > 30

Et n.p = 300 * 0.15 = 45 > 5 Et n (1-p) = 300 * 0.85 = 255 > 5

33/37
Solution 07

Alors nous sommes dans les conditions d'application du théoreme de

Moivre-Laplace

= avec Z

34/37
Exercice 08

Sami prend le bus 600 fois par an. Il veut savoir s'il est intéressant de ne
jamais acheter de ticket

Un ticket coûte 1,1Dh et une amende 30Dh

A chaque voyage, la probabilité d'être contrôlé est de 0,05

On note C la variable aléatoire égale au nombre de contrôle sur une année

35/37
Exercice 08

1. Justifier que C suit une loi binomiale et préciser ses paramètres

2. Justifier que cette loi binomiale peut être approchée par une loi
normale dont vous préciserez les paramètres

3. Utilisez l'approximation de la loi normale centrée réduite pour

estimer la probabilité que Sami subisse au moins 40 contrôles au cours
de l'année.

36/37
Solution 08
La variable aléatoire C, qui représente le nombre de contrôles sur une année, suit une loi
binomiale B(600,0.05) où n est le nombre d'essais et p est la probabilité de succès (probabilité
d'être contrôlé).
Les paramètres de cette distribution binomiale sont donc n = 600 et p = 0.05.
1.Calcul des paramètres :
• La moyenne (μ) de la distribution binomiale est np, μ = np = 600×0.05 = 30
• L'écart-type (σ) de la distribution binomiale est np(1−p)​. σ = np(1−p)​= 600×0.05×0.95​≈
1.Utilisation de l'approximation normale : Standardisez la valeur X=40 (au moins 40 contrôles) en
utilisant la formule : ​= ​≈ 1.87
2.Consultation de la table normale standard : En consultant une table normale standard, vous trouverez
que :P(Z ≥1.87) est d'environ : 0.96.

37/37
Merci pour votre
attention