LOIS DE PROBABILITE

USUELLES

CHAPITRE 4

 Loi de Bernoulli

 La variable de Bernoulli est souvent utilisée pour

modéliser une expérience aléatoire qui n’a que deux issues.
En général, le chiffre 1 est attribué au "succès" alors que 0
est attribué à "l’echec".

 Dans une expérience aléatoire de Bernoulli, le paramètre

p est donc la probabilité du "succès".

 X={0,1}
P ( X  1)  p
P ( X  0)  1  p
E ( X ) p V ( X )  p ( 1 p )

1
 Loi Binomiale
 Pour n ≥ 1 et 0 < p < 1.
On répète « n » fois dans des conditions identiques une
expérience où l’on observe l’apparition ou pas d’un
événement avec à chaque expérience la même probabilité
« p » d’apparition.
 Plus généralement, la loi binomiale B(n, p) est la loi
d'une somme X de n variables aléatoires indépendantes
suivant chacune la même loi de Bernoulli B(p).
 X calcule le nombre d’apparition de l’événement.
 X={0,1,2, …, n) :
Sa fonction de masse est définie par :
C nk p k (1  p ) n  k si k  0, 1....., n
p X (k )  
0 sinon
E ( X )  n p V ( X )  n  p  ( 1 p )

Exemple
• La probabilité qu'un tireur atteigne une cible est égale à
1/3. Sur 5 tirs, indépendants les uns des autres, quelle est
la probabilité que le tireur n’atteigne la cible aucune fois ?
Rép. 32/243
• Dans un atelier fonctionnent 10 machines identiques et
indépendantes. La probabilité pour que l’une quelconque
d’entre elles tombe en panne dans le mois est 0,1.
Déterminer les probabilités des évènements suivants:
1) Aucune panne dans le mois.
2) Il y a au moins une panne dans le mois.
Rép.
1)P(X=0)~~34,9%.
2) P(X>=1)=1-P(X=0).

2
 Loi uniforme
On dit que X suit la loi uniforme discrète si X={1,2,…,n}
et la fonction de masse est définie par:
1
 si k  0, 1 ....., n
p X (k )   n
0 sinon
n 2 1
E ( X )  n 1 V ( X )
2 12
Exemple:
• Lancer du dé.
• Lancer de la pièce de monnaie.

 Loi géométrique
• On répète l'épreuve de Bernoulli de façon indépendante
jusqu'à l'obtention d'un succès.
• Soit X le nombre de répétitions nécessaires à l'obtention
d'un succès.
• L'événement X = k est la conjonction de k – 1 échecs
suivi d'un succès.
• L’évènement de probabilité p apparaît au kième essai :
P ( X  k )  P ( X 1  0 ; X 2  0 ;...; X k 1 )  ( 1 p ) k  1 p

• La fonction de masse est définie par:

(1  p ) k 1 p si k  1
p X (k )  
0 sinon
1 1 p
E(X )  V (X ) 
p p2

3
Exemple:
On joue avec deux dés équilibrés à six faces numérotées
de 1 à 6. On jette un premier dé. On jette ensuite le deuxième
dé jusqu'à ce qu'il indique le même numéro que le premier.
Soit X le nombre de fois qu'il faut lancer le deuxième dé pour
qu'il indique le même numéro que le premier.
a) Etablir la loi de probabilité de X.
b) Calculer son espérance mathématique et sa variance.

Rép.
P (X = n) = p q n – 1 ,q = 1 – p.
X est une variable géométrique de paramètre p =1/6 sur N*.

Loi hypergéométrique
 La distribution hypergéométrique permet de calculer
la probabilité d'obtenir k succès et n-k échecs lorsqu'on
choisit n éléments sans remise simultanément à partir d'une
population de taille N.
 La différence majeure entre cette loi et la loi binomiale
est que les tirages ne sont pas indépendants et la probabilité
de succès change d’un tirage à l’autre.
Crk .CNnkr
 si max(0, r  n  N )  k  min(r, n)
pX (k )  P( X  k )   CNn
0 sinon

N= taille de la population;
n= taille de l’échantillon;
r= nombre d’individus dans la population qui possèdent
la caractéristique étudiée (considérés comme un succès);
N-r= nombre d’individus dans la population qui ne possèdent pas
la caractéristique étudiée (considérés comme un échec);

4
• Si X est une v.a. hypergéométrique alors :
E ( X )  n. p avec p  r / N
N n
VAR ( X )  n. p.q. 
 N 1 
• Exemple:
On prélève au hasard un échantillon de 20 pièces dans une
production totale de 500 pièces comportant en tout 5 pièces
défectueuses. Quelle est la probabilité qu'il y ait exactement 2
pièces défectueuses dans l'échantillon ?
• Rép.

C52 .C500
18
5
P( X  2)  20
C500

Distribution de Poisson
• Une v.a.d. souvent utilisée pour décrire le nombre
d’occurrences d’un événement au cours d’un intervalle
de temps ou d’espace bien défini.
• Loi fréquemment utilisée pour modéliser le nombre
moyen X d’événements arrivant dans un temps donné
T.
• X={0,1,…} ,  = nombre moyen d’événement par
unité de temps.
 k
P( X  k )  e
k!
E ( X )  V (X ) 

5
 Relation avec la loi binomiale :
Si p<0,1 et n>50 : B(n,p)P(np)
Exemple:
Dans une grande usine, on sait par expérience qu’il se
produit en moyenne 1,8 accidents de travail par semaine.
Trouvons :
1- La probabilité qu’il se produise, dans cette usine, au plus
2 accidents dans une semaine;
2- La probabilité qu’il se passe 2 semaines sans qu’il se
produise d’accident dans cette usine.
Rép. 1
1,8 2 1
1. P[ X  2]  e [1  (1,8) 1!  (1,8) 2!]

2. P[X=0].P[X=0]=e-2*1,8

Lois de probabilité continues

Loi uniforme
Soit a ∈ IR, on dit qu’une variable aléatoire X suit une loi
uniforme sur [0, a] si sa fonction de densité f est donnée par:
x 0 ; a  f (x ) 1 F (x ) x
a a
2
a a
E( x )  V( x)
Exemple: 2 12
À partir de 7 heures, les bus passent toutes les quinze minutes
à un arrêt précis. Un usager se présente à cet arrêt entre
7 heures et 7 heures 30. On fait l'hypothèse que l'heure exacte
de son arrivée à cet arrêt est la variable aléatoire uniformément
répartie sur l'intervalle [0 ; 30].
1. Quelle est la probabilité que l'usager attende moins de cinq
minutes le prochain bus ?
2. Quelle est la probabilité qu'il attende plus de dix minutes ?

6
  Loi exponentielle
Soit λ > 0, on dit qu’une variable aléatoire X suit une loi
exponentielle de paramètre λ si sa fonction de densité f et
Sa fonction de répartition sont données par:
Pour tout x  0 f ( x )   e   x F ( x )  1  e  x
1 1
E( x )  V( x)  2
 
Cette loi est utilisée en fiabilité pour représenter la durée de
vie d’un « matériel».
Exemple:
La durée de vie X (en heures) d'un composant électronique
a été modélisée par la loi exponentielle de paramètre λ= 0,0006
sur [0; +∞ [ .
1. Quelle est la probabilité qu'un de ces composants,
pris au hasard, ait une durée de vie inférieure à 1 000 heures ?
2. Quelle est la probabilité qu'un de ces composants, pris au
hasard, soit encore en état de marche au bout de 500 heures ?

Loi Normale
• On appelle loi normale d’espérance
mathématique µ et d’écart type , notée µ,), la
loi de probabilité d’une variable aléatoire continue
telle que X()= et dont la densité de probabilité
f est définie par:
( x)2
1 2 2
f (x)   e
 2

7
 Loi Normale
• Si la v.a. continue X suit une loi normale N(µ,)
alors la v.a. Z  X   suit la loi normale centrée
réduite N(0,1). 

• Fonction de répartition:
t
F (t )   (t )  P (T  t )    f ( x ) dx
• Propriété:
 (  t )  1   (t )

Loi normale centrée

y

1,5

0,5

0 x
-2 -1,5 -1 -0,5 0 0,5 1 1,5 2

-0,5

-1

8
Utilisation de la table numérique

Un extrait de la table numérique

9
 Théorème central limite
• Si X1 , X2 , X3 , ... , Xn sont des variables aléatoires
indépendantes, de même loi de probabilité, d'espérance
µ et de variance σ², posons:
X 1  ...  X n Xn  E  Xn  Xn  
Xn  Z n  
n   Xn  
n
Zn tend, quand n→∞, vers la loi normale centrée réduite.
Approximation d’une binomiale par une normale:
Supposons que les conditions suivantes sont satisfaites :
n≥30, np≥10 et n(1-p)≥10, Par application du théorème
central limite si X v.a suit la loi B(n,p) alors X va Suivre
approximativement la loi normale N(np, √np(1-p)).

Applications:
• Au centre ville le temps mis par les automobilistes pour
circuler de l'avenue A à l'avenue B aux heures de pointe
suit une loi normale avec un temps moyen de 15,2 minutes
et un écart type de 1,7 minute. Calculer la probabilité pour
que le temps mis de A à B par un automobiliste choisi au
hasard soit compris entre 14,5 et 16,0 minutes.
• Rép: 0,3399
• Un recensement effectué par le service des loisirs d'une
petite municipalité révèle que le nombre d'heures de loisirs
consacrées à des activités physiques par semaine par
citoyen suit approximativement une loi normale de
moyenne 1,3 heure et d'écart type 0,5 heure.
Calculer la probabilité pour qu'un citoyen choisi au hasard
dans la municipalité s'adonne à plus de 2 heures par
semaine à des activités physiques.
Rép: 0,0808

10