- 1 - Chapitre 9 : BTS 2 électrotechnique
Chapitre 9
Variables aléatoires discrètes
I Variable aléatoire et loi de probabilité
A] Définitions
Définition :
On considère l'univers lié à une expérience aléatoire.
Définir une variable aléatoire réelle (var) X sur , c'est associer à chaque événement élémentaire un
nombre réel.
Définition :
Lorsqu'à chaque valeur xi prise par une variable aléatoire X, on associe la probabilité pi (c'est-à-dire
pi=p(X = xi)), on dit que l'on définit la loi de probabilité de X.
Remarques :
une variable aléatoire est souvent notée par une lettre majuscule X, Y, Z, ...
Lorsque a1, a2, ...., an sont des valeurs prises par une variable aléatoire X, on note (X = ai),
l'événement "X prend la valeur ai" (pour i compris entre 1 et n).
p1 + p2 + .... + pn = 1.
On donne souvent la loi de probabilité sous la forme d'un tableau.
Exemple :
Un sac contient 9 jetons, 3 rouges, 4 jaunes et 2 verts. Un joueur prend au hasard un jeton. Si le
jeton est rouge, le joueur gagne 5 euros; s'il est jaune, il gagne 3 euros et s'il est vert il perd 2 euros.
Soit X la variable aléatoire qui, à chaque résultat, associe le gain ou la perte du joueur : X prend
donc les valeurs : 5, 3 et 2. On a alors :
p(X = 5) = p(" rouge ") =
Error!
=
Error!
.
p(X = 3) = p(" jaune ") =
Error!
.
p(X = 2) = p(" vert ") =
Error!
.
On a bien sur :p(X = 5) + p(X = 3) + p(X = 2) = 1.
Loi de probabilité de X :
xi
2
3
5
Total
Pi
Error!
Error!
Error!
1
B] Espérance, variance et écart type d’une variable aléatoire
Définition :
L'espérance mathématique de la variable aléatoire X est le nombre :
E(X) = p1 x1 + p2 x2 + ...... + pn xn =
Error!
.
Exercices 1, 5 et 7p341.
Exercice 9p342.
Propriété :
Soient a et b deux réels.
Alors on a : E(aX+b) = aE(X) + b.
Démonstration :
E(aX+b) =
Error!
=
Error!
+
Error!
= a
Error!
+ b
Error!
= aE(X) + b car
Error!
= 1 et
Error!
= E(X).
- 2 - Chapitre 9 : BTS 2 électrotechnique
Définition :
La variance de la variable aléatoire X est le nombre :
V(X) = (x1 E(X))2p1 + (x2 E(X))2p2 + ...... + (xn E(X))2pn =
Error!
.
Propriété :
La variance est un réel positif.
Définition :
L'écart type est la racine carrée de la variance :
(X) = V(X).
Exemple :
Pour la variable X liée au gain dans le jeu précédent, l'espérance mathématique est :
E(X) =
Error!
( 2) +
Error!
3 +
Error!
5 =
Error!
2,56.
Sa variance est :
V(X) =
Error!Error!Error!
Error!
+
Error!Error!
Error!
+
Error!Error!
Error!
6,7.
et son écart type est donc (X)
2,6.
L'espérance de gain de ce jeu est environ 2,56€ avec un écart type d'environ 2,6.
Cela signifie que si un joueur joue un grand nombre de fois, il aura en moyenne un gain de 2,56 €.
L'espérance E(X) est la moyenne des valeurs de la variable aléatoire X, pondérées par leurs
probabilités.
L'écart type mesure la dispersion des valeurs de X autour de E(X). Ainsi plus l’écart type est
important plus les valeurs sont dispersées.
Propriété :
On utilise souvent la formule suivante :
V(X) = ( )
p1x12 + p2x22 + … + pnxn2 ( )
E(X) 2 = E(X2) E(X)2.
Démonstration :
Si on veut!!! On développe, on réduit et on utilise que p1 + p2 + … + pn = 1 !!
Cette formule évite les erreurs d’arrondis !!
Propriété :
Soient a et b deux réels.
Alors on a : V(aX+b) = a2V(X).
Démonstration :
V(aX+b)=
Error!
.
=
Error!
.
= a2
Error!
.
= a2V(X).
II Exemples de variables aléatoires discrètes
A] Loi Bernoulli
Définition :
On considère une expérience qui n’a que deux issues possibles. Une des issues appelée succès et sa
probabilité est p et l’autre est appelée échec et sa probabilité est q.
Ainsi p + q = 1.
Alors la variable aléatoire X, qui prend pour valeur 1 lorsque c’est un succès et 0, si c’est un échec
est une var de Bernoulli de paramètre p.
La loi de probabilité est donc :
xi
0
Total
pi
q
p+q =1
Propriété :
Soit X une variable aléatoire qui suit une loi de Bernoulli.
Alors E(X) = p et V(X) = pq.
- 3 - Chapitre 9 : BTS 2 électrotechnique
Démonstration :
E(X) = 0
q + 1
p = p.
V(X) = E(X2) E(X)2 =
Error!
p2.
V(X) = p p2 = p ( )
1 p = pq.
Exemple :
On lance un dé à 6 faces.
Quelle est la probabilité de tirer un multiple de 3.
B] Loi binomiale
Définition :
On considère une succession de n expériences de Bernoulli indépendantes de paramètre p. Soit X la
variable aléatoire qui compte le nombre de succès. On dit que X suit une loi binomiale de
paramètres n et p. On le note B(n,p).
Exemple :
On lance n fois un dé à 6 faces.
On dit que c’est un succès lorsque la face qui apparaît est un multiple de 3.
C’est bien n expériences aléatoires indépendantes de Bernoulli de paramètre
Error!
.
On pose X la var qui compte le nombre de fois on a obtenu un multiple de 3. X suit donc une loi
binomiale de paramètre n et
Error!
.
Propriété :
Si une var X suit une loi binomiale de paramètre n et p, alors pour tout k entier naturel tel que :
0
k
n on a : P(X=k) = Ck;n pk qnk.
Démonstration :
ADMIS
Exemple :
Chercher la loi de probabilité de notre lancer de dé pour n = 4 !
Propriété :
Si X suit une loi binomiale B(n,p), alors E(X) = np et (X) = npq
Démonstration :
ADMIS
Exercices 11, 14, 16 et 18p343.
Exercice 25p345.
C] Loi de Poisson
Exercice 4p341.
Définition :
Une var X suit la loi de Poisson de paramètre ( avec > 0 ) si pour tout k
IN, sa loi de
probabilité est donnée par :
P( )
X=k = e
Error!
.
La loi est notée P().
Propriété :
Si X est une var qui suit une loi de Poisson de paramètre , alors E(X) = et (X) = .
Démonstration :
ADMIS
Exercices 19 et 20p344.
Exercice 30p347.
- 4 - Chapitre 9 : BTS 2 électrotechnique
D] Approximation d’une loi binomiale par une loi de Poisson
Théorème :
Si on pose np = m.
On a alors Ck;n pk ( )
1 p nk = Ck;n
Error!
k
Error!
nk , on démontre et on admet que
Error!
C
Error!
Error!
k
Error!
nk = e m
Error!
.
Démonstration :
ADMIS !
Conditions d’application :
* Lorsque p est petit ( p
0,1),
* et lorsque n est grand ( n
30),
* et lorsque le produit np pas trop grand ( np
10 ), alors
on peut approcher les probabilité associées à la loi binomiale B(n,p) par celles obtenues avec la loi
de Poisson P(np).
Exemple :
Une machine produit en moyenne 2% de pièces défectueuses. On prélève 50 pièces au hasard.
On considère que le tirage est sans remise. Soit X la var qui compte le nombre de pièces
défectueuses. Ainsi X suit une loi binomiale B(50,
Error!
).
Ainsi : p = 0,02
0,1
n = 50
30,
np = 1
10.
On peut donc approcher cette loi binomiale par la loi de Poisson de paramètre = np = 1.
Comparons les résultats pour mesurer l’approximation faite :
Nombre de pièces défectueuses
Loi Binomiale
Loi de Poisson
0
0,3642
0,3679
1
0,3716
0,3679
2
0,1858
0,1839
3
0,0607
0,0613
4
0,0145
0,0153
5
0,0027
0,0031
6
0 ;004
0,0005
Exercice 23p344.
Exercice 34p348.
Exercice 37p349.
Exercice 39p350.
1 / 4 100%
La catégorie de ce document est-elle correcte?
Merci pour votre participation!

Faire une suggestion

Avez-vous trouvé des erreurs dans linterface ou les textes ? Ou savez-vous comment améliorer linterface utilisateur de StudyLib ? Nhésitez pas à envoyer vos suggestions. Cest très important pour nous !