0 Variables aléatoires 1. Définition élémentaire ....................................................................................... 1 2. Le prix de vente d'un billet de la tombola ......................................................... 2 3. Espérance mathématique d’une variable aléatoire finie ................................... 3 4. La variable aléatoire centrée associée à une variable aléatoire finie ................ 4 5. Variance d’une variable aléatoire finie ............................................................. 5 6. Une utilisation de l’écart type ........................................................................... 6 7. Variables aléatoire finies : exercices. ................................................................ 7 8. Variable aléatoire de Bernoulli ......................................................................... 8 9. Une situation binomiale .................................................................................... 9 10. Situation binomiale (cas général) .................................................................. 10 11. Variables aléatoires binomiales définition. ................................................... 11 12. Espérance mathématique, variance d’une variable aléatoire binomiale. ...... 12 13. Variables aléatoires dénombrables ................................................................ 13 14. Espérance mathématique, variance d’une variable aléatoire dénombrable. . 14 16. Espérance mathématique, variance d’une variable aléatoire de POISSON .. 16 17. Espérance mathématique : justification dans le cas de Poisson .................... 17 18. La variance : justification dans le cas de Poisson. ........................................ 18 19. Les lois de Poisson et les lois des accidents .................................................. 19 20. Variable aléatoire normale (première approche, des explications suivent). . 20 Avertissement Pour atteindre un paragraphe, cliquer sur son titre ; cliquer sur Haut du document pour revenir ici. Chaque paragraphe s’inscrit sur une seule page et nécessite un maximum de 15 minutes de travail (exercice compris), sauf les inscriptions comprises entre deux rectangles rouges ou roses qui nécessitent un supplément de 15 minutes de travail (roses un peu moins). Les exercices soulignés sont un plus compliqués que les autres. Les solutions des exercices seront proposées ultérieurement. Tout le monde doit pouvoir effectuer les exercices non soulignés et comprendre ce qui n’est pas borné par des rectangles colorés. 1 1. Définition élémentaire Une variable aléatoire est un nombre inconnu sur lequel on a deux types d’informations : Type I Toutes les valeurs possibles de ce nombre. Type II Les probabilités de chacune de ces valeurs ou, pour n’importe quel intervalle, les probabilités de les situer dans cet intervalle. Exemple 1 : tombola Voici l’inventaire des valeurs possibles des billets d’une tombola : Valeur du billet en Euro Nombre de billets correspondant à la valeur 200 1 50 3 10 15 0 100 X représente la valeur du billet que vous allez acheter. X est une variable aléatoire, les deux types d’informations qui la concernent peuvent être résumés dans le tableau suivant qui définit la loi de X: Valeur possible de X : xi Probabilité correspondante: P(X= xi) 200 1119 50 3119 10 15119 0 100119 Remarque importante P(X x1) P(X x 2 ) P(X x 3 ) P(X x 4 ) 1 . n P(X x i ) 1 ici n 4. i 1 Exercice 1 Calculer la probabilité pour que X soit au moins égale à 10.Calculer la probabilité pour que X soit au plus égale à 50. Calculer la probabilité pour que X égale à moins de 50. Haut du document 2 2. Le prix de vente d'un billet de la tombola Question Quel doit être le prix de vente d’un billet pour que la recette permette de payer les gains sans aucun bénéfice pour les organisateurs de la tombola (tous les billets sont supposés vendus)? Réponse Il faut encaisser, pour rembourser les billets, le capital suivant : 0 Euro100+10 Euro15+50 Euro3+200 Euro1. Il y 119 billets à vendre : le prix du billet est donc : (0Euro100+10 Euro15+50 Euro3+200 Euro1)119 Ce qui s’écrit : 15 3 1 100 0 . 10 . 50 . 200 . Euros 119 119 119 119 On obtient 500 119 . Remarque Les valeurs possibles de X sont en Euros : x1 0, x 2 10, x 3 50, x 4 200 avec les probabilités correspondantes: 100 15 3 1 P(X x1) , P( X x 2 ) , P( X x 3 ) , P( X x 4 ) . 119 119 119 119 Le prix de vente du billet en Euros est donné par : 4 x i P( X x i ) . i 1 4 On note E(X) x i P(X x i ) . E(X) est l'espérance mathématique de la i 1 variable aléatoire représentant la valeur d'un billet de la tombola. Remarque On vient de calculer la moyenne de la série statistique qui prend les valeurs (0, 10, 50,200) avec les effectifs respectifs (100, 15, 3,1). Exercice 2 On décide de supprimer tous les billets valant 0 Euro de la tombola de l'exemple 1. Calculer le prix de vente du billet pour cette nouvelle situation. Haut du document 3 3. Espérance mathématique d’une variable aléatoire finie Lorsque l'ensemble des valeurs possibles de la variable aléatoire est un ensemble fini, la variable aléatoire est dite "finie". Les valeurs possibles d’une variable aléatoire X sont notées par exemple : x1, x 2 ,.....x n et P(X x i ) désigne la probabilité pour X d'être égale à x i pour i 1,2,...n. Remarque importante. in On a toujours : P(X x i ) 1 . i 1 Définition E(X) n x i P( X x i ) i 0 Ce nombre s’appelle l’espérance mathématique de la variable aléatoire X. Le prix du billet d’une tombola est l’espérance mathématique de la variable aléatoire qui est définie par cette tombola. Vocabulaire Espérance mathématique se dit parfois : Moyenne, valeur prévisionnelle, etc. Exercice 3 Voici une variable aléatoire X (les caractéristiques sont réunies dans le tableau suivant) : i Valeur possible de X : xi P(X= xi) 1 2 0.10 2 3 0.40 4 6 1) Donner la valeur de P(X 6) 2) Calculer l’espérance mathématique de X. 3) La variable aléatoire Y prend la valeur x i E(X) 2 lorsque X prend la valeur x i . Réunir les caractéristiques de Y dans un tableau et calculer l'espérance mathématique E(Y) de Y. Haut du document 4 4. La variable aléatoire centrée associée à une variable aléatoire finie Définition Si X est une variable aléatoire finie on lui associe alors la variable aléatoire finie T X E(X) . On retranche à chaque valeur possible l’espérance mathématique. T est souvent nommée « variable aléatoire centrée associée à la variable aléatoire X ». Description Soient x1, x 2 ,.....,x n l’ensemble des valeurs possibles de X. Les valeurs possibles de T sont x1 E(X), x 2 E(X),.....,x n E(X) . Pour i 1,2,....,n : P( T x i E(X) ) P( X x i ). Propriété Pour n’importe quelle variable aléatoire finie X , E(T) 0 si T est la variable aléatoire centrée associée à X. Preuve de la propriété n n E(T) ( x i E(X)) P( T x i E(X) ) ( x i E(X))P( X x i ) i 1 i 1 n n E (T ) x i P( X x i ) E ( X ) P( X x i ) i 1 i 1 n n x i P( X x i ) E(X) et E(X) P( X x i ) 1 : i 1 i 1 E(T) E(X) E(X) 1 0. Vocabulaire Une variable aléatoire finie est dite centrée si son espérance mathématique est nulle. Exercice 4 Soit Y la variable aléatoire dont les valeurs possibles sont x1, x 2 , x 3 . On sait que Y est centrée et d’autre part que x1 1, x 2 2 avec les probabilités suivantes P(X x1) 0,50 , P(X x 2 ) 0,40 . Trouver la valeur de x 3 . Haut du document 5 5. Variance d’une variable aléatoire finie Soit X une variable aléatoire dont les valeurs possibles sont désignées par x1, x 2 ,.....x n . Définition (Variance) La variance de X est le réel positif (ou nul) V(X) calculé de la manière suivante : n V ( X ) [ x i E ( X ) ]2 P ( X x i ) . i 1 Formule de la Variance n 2 V(X) x i P(X x i ) [E(X)]2 i 1 Vérification de la Formule de la Variance n n 2 x 2 2x E(X) E(X)2 P(X x ) V ( X ) [ x i E ( X )] P ( X x i ) i i i i 1 i 1 n n n 2 2 x i P(X x i ) 2E(X) x i P(X x i ) E(X) P( X x i ) i 1 i 1 i 1 n n x i P(X x i ) E(X) et P(X x i ) 1 i 1 i 1 n V(X) x i 2 P(X x i ) 2E(X) E(X) E(X)2 1 i 1 n 2 donc : V(X) x i P(X x i ) E(X)2 i 1 Définition (Ecart type) L'écart type de X est le réel positif (ou nul) : (X) V(X). Exercice 5 Calculer l'écart type de la variable aléatoire définie dans l'exercice 3. Haut du document 6 6. Une utilisation de l’écart type Voici l’inventaire des valeurs possibles des billets de deux tombolas dont le prix de vente des billet est le même : 1ère tombola Valeur du billet en Euro Nombre de billets correspondant à la valeur 200 1 50 3 10 15 0 100 ème 2 tombola Valeur du billet en Euro Nombre de billets associés 2000 1 50 3 10 285 0 901 L’espérance mathématique de la variable aléatoire X représentant les valeurs possibles du billet de la 1ère tombola est : 100 15 3 1 500 . 0. 10. 50. 200. 119 119 119 119 119 L’espérance mathématique de la variable aléatoire Y représentant les valeurs possibles du billet de la 2ème tombola est : 901 285 3 1 5000 500 E( Y ) 0. 10. 50. 2000 . 1190 1190 1190 1190 1190 119 Le prix du billet est le même pour les deux tombolas proposées : E(X)=E(Y). Comment choisir ? Le calcul de la variance (ou de l’écart type) donne un critère de choix. Vocabulaire Dans l’ambiance des jeux de hasard, ou dans la prise de décision en avenir incertain, l’écart type est souvent appelé « risque », ou « risque prévisionnel ». Le risque est un critère de choix, il doit donc être calculé. La nouvelle tombola est plus attrayante mais elle est plus risquée, cela se traduit par le fait que l’écart type de la nouvelle tombola est plus grand que celui de la première. Exercice 6 Calculer la variance et l’écart type pour les variables aléatoires représentant les prix des billets des deux tombolas précédentes. Vérifier que la 2ème tombola est plus risquée. Haut du document 7 7. Variables aléatoire finies : exercices. Exercice 7.1 Voici une variable aléatoire X (les caractéristiques sont réunies dans le tableau suivant) : i Valeur possible de X : xi Probabilité de prendre cette valeur : P(X= xi) 1 2 0.10 2 3 0.40 4 6 0.50 1) Calculer l’espérance mathématique de X. 2) Calculer la variance et l’écart type. Exercice 7.2 X est une variable aléatoire dont la loi est définie dans le tableau suivant : Valeur possible de X : x i Probabilité pour que X soit égal à x i : P(X x i ) 2 0.10 3 0.40 4 0.30 5 0.20 1) Calculer l’espérance mathématique de X, la variance de X et l’écart type de X. 2) Calculer la probabilité pour que X soit au moins égale à 1. 3) Calculer la probabilité pour que X soit au moins égale à 2. 4) Calculer la probabilité pour que X soit au moins égale à 3. 5) Calculer la probabilité pour que X soit au plus égale à 5. 6) Calculer la probabilité pour que X soit au plus égale à 3. 7) Calculer la probabilité pour que X soit égale à moins de 4. Haut du document 8 8. Variable aléatoire de Bernoulli Si p est un réel de l’intervalle] 0, 1[, une variable aléatoire X est dite de Bernoulli de paramètre p lorsque : 1) ses valeurs possibles sont 0 ou 1 2) les probabilités correspondantes sont P(X 0) 1 p P(X 1) p Espérance mathématique : E(X)=p Variance : V(X)=p (1p) Ecart type : (X) p(1 p) Preuve E (X) 0 P(X 0) 1 P(X 1)p donc : E (X) p V(X) (0 E (X)) 2 P(X 0) (1 E (X)) 2 P(X 1) V(X) p 2 (1 p) (1 p) 2 p p(1 p)( p (1 p)) donc : V(X) p(1 p) On peut aussi utiliser la formule de la variance : V(X) 0 2 P(X 0) 12 P(X 1) (E(X)) 2 V(X) p p 2 p(1 p) Vocabulaire Lorsque X est une variable aléatoire de Bernoulli de paramètre p on dit que X suit la loi B p (ou que B p est la loi de X). Exemple d'utilisation Une personne décide de mettre au monde un enfant; la probabilité pour qu'un nouveau né soit un garçon est 0,51, la probabilité pour qu'il soit une fille est 0,49. X est la variable aléatoire qui représente le nombre de garçons appartenant à cette future famille de 1 enfant. X suit la loi B 0,51 . Exercice 8 Donner l’espérance mathématique et l’écart type de la variable aléatoire de Bernoulli de paramètre 0.5, puis de celle de paramètre 0.25. Haut du document 9 9. Une situation binomiale Une personne décide de mettre au monde 5 enfants; la probabilité pour qu'un nouveau né soit un garçon est 0,51, la probabilité pour qu'il soit une fille est 0,49. X représente le nombre de garçons appartenant à cette future famille de 5 enfants. X est une variable aléatoire. 1) Valeurs possibles de X {0, 1, 2, 3, 4,5} 2) Probabilités de chacune de ces valeurs Pour k=0,1,…..,5 : P(X k ) C5k 0,51k 0,495 k 5! avec C5k k!(5 k )! 0! 1,1! 1, 2! 1 2, 3! 1 2 3, 4! 1 2 3 4, 5! 1 2 3 4 5, etc.... Justification Par exemple : il y a une probabilité de 0,512 0,493 que la famille soit GGFFF ; il y a la même probabilité 0,512 0,493 qu’elle soit GFFGF, etc. Il y a C52 10 choix de 2 rangs de naissance parmi 5 (le rang de naissance d’un garçon), donc : la probabilité pour qu’une famille de 5 enfants soit constituée de 2 garçons et 3 filles est P(X 2) C52 0,512 0,493 . De la même manière : chaque famille de k garçons et 5−k filles a une probabilité de 0,51k 0,495 k 5! Il y a C5k telles familles, donc P(X k ) C5k 0.51k 0.495 k. k!(5 k )! Exercice 9 Quelle est la probabilité qu’une famille de 5 enfants contienne au moins un garçon ? Haut du document 10 10. Situation binomiale (cas général) On se donne un entier positif n. On décide d’effectuer n fois la même expérience avec le même objectif. On se place dans la situation suivante 1) pour chaque expérience, la probabilité d'atteindre cet objectif est la même et vaut p (0p1). 2) les expériences sont indépendantes les unes des autres. X représente le nombre de fois où l'objectif sera atteint. X est une variable aléatoire. 1) Valeurs possibles de X {0, 1, …...n} 2) Probabilités de chacune de ces valeurs Pour k=0, 1, …...n : k 5 k P( X k ) C k n p (1 p) n! avec C k n k!(n k )! 0! 1,1! 1, 2! 1 2, 3! 1 2 3, 4! 1 2 3 4, 5! 1 2 3 4 5, etc.... Exercice 10 A) Une famille est composée de 10 enfants ; on suppose maintenant que la probabilité pour un nouveau-né d’être un garçon 0,5 (ce qui est faux, elle est de 0,51 mais on constate qu’il y a plus de femmes que d’hommes sur la Terre). Quelle est la probabilité que la famille contienne autant de garçons que de filles ? Quelle est la probabilité que la famille contienne au moins 4 garçons mais moins de 7 ? B) On suppose que les situations météorologiques des différents « 31 décembre à Paris » sont indépendantes les unes des autres et que la probabilité qu’il neige le 31 décembre à Paris est toujours égale à 0,20. Quelle est la probabilité pour que pendant les 5 prochaines années il y ait exactement 3 années avec de la neige le 31 décembre à Paris ? Quelle est la probabilité pour que pendant les 5 prochaines années il ne neige jamais le 31 décembre à Paris ? Quelle est la probabilité pour que pendant les 5 prochaines années il neige au moins une fois à Paris le 31 décembre ? Haut du document 11 11. Variables aléatoires binomiales définition. Si p est un réel de l’intervalle] 0, 1[et n un entier positif non nul, une variable aléatoire X est dite binomiale de paramètres (n ; p) lorsque : 1) les valeurs possibles de X sont : {0, 1, …...n} 2) les probabilités de chacune de ces valeurs sont pour k=0, 1, …...n : k 5 k P( X k ) C k n p (1 p) n! k!(n k )! 0! 1,1! 1, 2! 1 2, 3! 1 2 3, 4! 1 2 3 4, 5! 1 2 3 4 5, etc.... avec C k n Vocabulaire Lorsqu’une variable aléatoire X est binomiale de paramètres (n, p) on dit que X suit la loi B (n ; p) (ou que B (n ; p) est la loi de X). Remarque La loi B (1, p) est la loi de Bernoulli B p . Exercice 11 X est une variable aléatoire de loi Binomiale B (5 ; 0,4). 1) Quelles sont les valeurs possibles de X ? 2) Donner l’expression en fonction de k de la probabilité pour que X soit égale à k, indiquer les valeurs possibles de k. 3) Calculer le plus simplement possible la probabilité pour que X soit au moins égale à 1. 4) Calculer la probabilité pour que X soit au plus égale à 3. 5) Calculer la probabilité pour que X soit égale à moins de 3. Haut du document 12 12. Espérance mathématique, variance d’une variable aléatoire binomiale. Résultats La variable aléatoire X binomiale suit la loi B (n, p) : 1) Espérance mathématique 2) Variance E( X) n p V(X) n p (1 p) 3) Ecart type (X) n p (1 p) . Remarque V(X) E(X) (1 p) Précisions La définition de l’espérance mathématique est dans ce cas: E(X) 0 P(X 0) 1 P(X 1) .... k P(X k ) .... n P(X n ) k n k ..... E(X) 0 C 0n p 0 (1 p) n 1 C1n p1(1 p) n 1 .. k C k n p (1 p) n 0 ... n C n n p (1 p) Des calculs mathématiques donnent E(X) n p . [Voir : approfondissement] La définition de la variance est dans ce cas : V(X) 0 2 P(X 0) 12 P(X 1) .. k 2 P(X k ) .. n 2 P(X n ) E(X)2 k n k ..... V(X) 0 2 C0n p 0 (1 p) n 12 C1n p1(1 p) n 1 .. k 2C k n p (1 p) n 0 2 ... n 2C n n p (1 p) n p On obtient V(X) n p (1 p) . [Voir : approfondissement] Exercice 12 X est une variable aléatoire de loi Binomiale B (5 ; 0,4). Calculer la probabilité pour que X soit égale à son espérance mathématique. Donner la variance et l’écart type de la variable aléatoire X. Répondre aux mêmes questions si la loi de X est B (5 ; 0,3). Haut du document 13 13. Variables aléatoires dénombrables Les valeurs possibles de la variable aléatoire X sont dénombrables. 1) les valeurs possibles de X sont : x1, x 2 ,....,x n , x n 1,...... 2) les probabilités de chacune de ces valeurs sont pour k 1, 2,..., n, n 1,..... P( X x k ) Remarque importante On a toujours : P( X x k ) 1 k 1 Explication N P(X x k ) Lim N P(X x k ) 1 k 1 k 1 N P(X x k ) P(X x1 ) P(X x 2 ) ... P(X x N ). k 1 Exemple On sait : 1 q q 2 ..... q N 1 1 qN si q 1. 1 q 1 1 1 1 1 1 11 1 1 1 1 2N .. .. 2 2 2 23 2 N 2 2 2 2 23 2 N 1 2 1 1 2 Donc : 1 1 1 1 2N 1 2k lim N 2 22 23 .. 2 N lim N 1 2 N 1 1 1 1 1 Si les valeurs possibles de X sont x1, x 2 ,....,x n , x n 1,.... on peut avoir : N 1 P( X x k ) pour k 1, 2,....,n, n 1,...donc : P(X x k ) 1. k 2 k 1 Exercice 13 1 2 k Vérifier que si on suppose que P(Y y k ) pour k 1, 2, ....on est en 3 3 présence d’une variable aléatoire Y qui admet les valeurs y1, y 2 ,.., y k ,..avec les probabilités ainsi définies. Haut du document 14 14. Espérance mathématique, variance d’une variable aléatoire dénombrable. 1) les valeurs possibles de X sont : x1, x 2 ,....,x n , x n 1,...... 2) les probabilités de chacune de ces valeurs sont pour k 1, ., n, .. : P(X x k ) N 3) Si x k P(X x k ) Lim N x k P(X x k ) existe k 1 k 1 cette limite est l' espérance mathématiq ue de X : E(X). E ( X) x k P(X x k ) k 1 4) Si E(X) existe et si N 2 ( x k E(X)) P(X x k ) Lim ( x k E(X)) 2 P(X x k ) existe N k 1 k 1 cette limite est la variance de X : V(X). V( X) ( x k E(X)) 2 P(X x k ) k 1 La variance existe si et seulement si N 2 x k P(X x k ) Lim x k 2P(X x k ) existe N k 1 k 1 Formule de la Variance 2 V(X) x k P(X x k ) [E(X)]2 k 1 Exercice 14 On connaît les formules suivantes (voir approfondissement) : q 1 1 q k k 1 Si q 1 : q ; kq ; k 2q k 1 1 q (1 q) 2 k 1 (1 q)3 k 1 k 1 Soit : 0 p 1, q 1 p. Les valeurs de la variable aléatoire X sont : 1,.., k,.. avec : P(X 1) p, P(X 2) pq, P(X 3) pq 2 ,.....P(X k ) pq k 1,.... 1 q P(X k) 1, E(X) ,V(X) p p2 k 1 Haut du document Vérifier que 15 15. Variable aléatoire de POISSON Soit un réel positif, une variable aléatoire X est dite de Poisson de paramètre lorsque : 1) les valeurs possibles de X sont : {0, 1, …...n, n+1,……} (L’ensemble des valeurs de X est l’ensemble N des entiers positifs ou nul). 2) les probabilités de chacune de ces valeurs sont pour k=0, 1, …...n : k P( X k ) e . k! Vocabulaire Lorsqu’une variable aléatoire X est de Poisson de paramètre on dit que X suit la loi P (ou que P est la loi de X). Remarque On a bien défini une variable aléatoire, à savoir : P(X k ) 1 k 0 Vérification : AA k k P( X k ) e e . k! k! k 0 k 0 k 0 On sait que : k N k k lim N e donc :e 1 AA k! k! k! k 0 k 0 k 0 (Voir approfondissement) Exercice 15 Y est une variable aléatoire de Poisson de paramètre 2. 1) Quelles sont les valeurs possibles de Y ? 2) Donner l’expression en fonction de k de la probabilité pour que Y soit égale à k, indiquer les valeurs possibles de k. 3) Calculer la probabilité pour que Y soit au moins égale à 1.Calculer la probabilité pour que Y soit au plus égale à 3.Calculer la probabilité pour que Y soit égale à moins de 3. Haut du document 16 16. Espérance mathématique, variance d’une variable aléatoire de POISSON Résultats La variable aléatoire de Poisson X suit la loi P . 1) Espérance mathématique 2) Variance E ( X) V( X) 3) Ecart type (X) . Remarque importante Si X suit une loi de Poisson de paramètre : 0 et E(X) V(X) (X) E(X) Lorsque l’espérance mathématique est identique à la variance, on soupçonne une loi de Poisson dont le paramètre est donné par l’espérance mathématique. Vocabulaire Si X suit la loi de Poisson de paramètre on dit aussi « X est la variable aléatoire de Poisson d’espérance mathématique ou de moyenne . Exercice 16 1) Y est une variable aléatoire de Poisson d’espérance mathématique 2, donner la variance et l’écart de Y. 2) Quelle devrait être l’espérance mathématique d’une variable aléatoire Z de Poisson qui vérifie P( Z 0) 0,2 ? 3) Quelle devrait être la variance d’une variable aléatoire T de Poisson telle que P(T 1) 0,75 ? Haut du document 17 17. Espérance mathématique : justification dans le cas de Poisson Soit un réel positif, la variable aléatoire X est de Poisson de paramètre : 1) les valeurs possibles de X sont : {0, 1, ……n, n+1,……} (L’ensemble des valeurs de X est l’ensemble N des entiers positifs ou nul). 2) les probabilités de chacune de ces valeurs sont pour k=0, 1, ……n : k P( X k ) e . k! E ( X) AA Vérification : Espérance mathématiq ue k 1 k k E(X) kP (X k ) k e e .e k! (k 1)! k! k 0 k 1 k 1 k 0 puisque k k 1 On sait que : k e . k! k 0 On obtient après simplification E(X) AA Exercice 17 k Pour k 0,1,.....: v k vérifier : k (k 1) v k k (k 1) v k 2e k! k 0 k 2 3 k (k 1)(k 2) v k . k (k 1)( k 2)..(k n ) v k n 1e si n 3,4,.. k 0 k 0 La loi X est P , vérifier k (k 1)( k 2)..(k n )P(X k ) n 1si: n 1,2,3,4,.. k 0 Haut du document 18 18. La variance : justification dans le cas de Poisson. V(X) si la loi de X est P 2 2 2 V( X) k P(X k ) (E(X)) k P(X k ) (E(X)) 2 k 0 k 1 AA Vérification 2 k 2 k P(X k ) kP (X k ) puisque k 2 k 2 k k k P( X k ) k 0 k 0 k k 2 2 k P( X k ) ke k k e k! k! k 0 k 0 k 0 k k k k e k (k 1) k e k (k 1) k k! k! k! k! k 0 k 1 k 0 k 2 puisque k 2 k k (k 1) 0 si k 0 ou 1. Remarque k (k 1) 1 k 1 , k! (k 2)! k! (k 1)! Donc k 2 k 1 2 2 k P( X k ) e (k 2)! (k 1)! k 0 k 1 k 2 k k 2 e k! k! k 0 k 0 k 2 2 donc k P(X k ) puisque e . k! k 0 k 0 2 V(X) k P(X k ) (E(X))2 2 2 puisque E(X) . AA k 0 Exercice 18 X suit la loi P , vérifier : k 3P(X k ) 3 32 . k 1 Haut du document 19 19. Les lois de Poisson et les lois des accidents On note X le nombre d’accidents qui se produiront demain dans une ville. Théoriquement les valeurs possibles de X peuvent être tous les entiers naturels de l’ensemble N : 0,1,2,....,n, n 1,..... Un modèle adapté à cette situation est donné par la loi de Poisson de paramètre où représente le nombre d’accidents moyen par jour dans cette ville. X représente le nombre d’accidents qui se produiront demain dans la ville, on suppose souvent que X suit la loi de Poisson de paramètre (le nombre moyen d’accidents par jour). Exercice 19 On suppose que le nombre X d’accidents qui peuvent se produire dans un système donné suit une loi de Poisson dont le paramètre est le nombre moyen d’accidents. On note f () P(X 2) si X suit la loi P . 1) Etudier la fonction f. 2) Donner une valeur approchée à une décimale du maximum du nombre moyen d’accidents pour qu’il y ait une probabilité supérieure à 0,90 que le nombre d’accidents qui se produiront ne dépasse pas 2. 3) Avec la valeur ainsi trouvée, donner la probabilité qu’il se produise au moins un accident et la probabilité qu’il se produise au moins 2 accidents. Haut du document 20 20. Variable aléatoire normale (première approche, des explications suivent). On donne le réel m et le réel positif (non nul) ; m peut être nul. Une variable aléatoire X est dite Normale de paramètres (m,) lorsque les valeurs possibles de X sont tous les réels et si on a : x m P( X x ) . On dit que la loi de X est la loi Normale de paramètres (m,). On dit aussi que la loi de X est la loi Normale de moyenne m et d’écart type . On dit aussi que X suit la loi Normale de moyenne m et d’écart type , etc... Signification de la fonction Si la variable aléatoire T est normale de paramètre m=0, =1, Y est dite « Variable aléatoire Y normale centrée réduite » (centrée parce que m=0, réduite parce que =1). Dans ce cas la probabilité P (Tt) se note (t). Les valeurs de (t) sont données pour les valeurs positives de t dans la table de la loi normale centrée réduite dite souvent « Table de Gauss ». Pour les valeurs de t négatives on utilise la formule : (t)=1(t). (Voir le Formulaire de Mathématiques) Remarque Si la loi de X suit est Normale alors pour tout réel x : P(X x) 0. Il n’est donc pas faux d’affirmer : P(X x ) P(X x ), P(X x ) P(X x ) P(a X b) P(a X b) P(a X b) P(a X b). Probabilité d’être situé dans un intervalle P(a X b) P(X b) P(X a ). Exercice 20 On sait : (0) 0,5 (1) 0,8413 (Voir le Formulaire de mathématiques). 1) La température T au mois de janvier suit la loi Normale de moyenne 0 et d’écart type 5. Calculer P(T 5), P(T 0), P(T 5), P(5 T 5) . 2) La taille d’une fourmi est une variable aléatoire F qui suit la loi Normale de moyenne 1cm et d’écart type 0,1cm. Calculer la probabilité pour que la taille d’une fourmi choisie au hasard soit dans l’intervalle 0,9; 1,1 . 3) La taille d’un humain (adulte) est une variable aléatoire H qui suit la loi Normale de moyenne 170cm et d’écart type 10 cm. Calculer la probabilité pour que la taille d’un tel humain choisi au hasard soit dans l’intervalle 160; 180 . Haut du document