STATS – CM – Chapitre 3 Chapitre 3 : Lois de propabilités I. Loi Binomiale 1. Etude de la variable X qui désigne le nombre de garçons dans une famille de 2 enfants. X= nombre de garçons (en considérant que la probabilité qu’un enfant soit un garçon est de ½). Nombre de garçon X=0 X=1 X=2 Probabilité 0,25 0,5 0,25 2. Etude de la variable X qui désigne le nombre de garçons dans une famille de 4 enfants (probabilité d’avoir un garçon = ½) Nombre de garçon X=0 Calcul Probabilité 1/16 4 (1/2) 1 4 X=1 C (1/2) X=2 C (1/2) X=3 C (1/2) X=4 C (1/2) 4 2 4 3 4 4 4/16 4 6/16 4 4/16 4 1/16 4 Définition : Si chaque évènement est indépendant et si pour chaque tirage ou évènement est associé une probabilité de succès constant p, la variable « nombre de succès » suit une loi de P probabilité appelée « loi binomiale » notée pour n tirage B (n.p) ou B n Avec : K n-k P (X = k) = C(k * n) * p * (1 – p) Dans l’exemple précédent, la formule se lit : « la probabilité que le nombre de garçon soit x dans la famille de n enfant est … » avec p la probabilité qu’un enfant soit un garçon. Ex. : x=1 1 1 P(x=1) = C (4 ; 1) * (1/2) * (1- ½) = C (4 ; 1) * (1/2) * (½) 1 3 STATS – CM – Chapitre 3 Propriétés : E (X) = n * p V(X) = n * p * (1 – p) Ex : En moyenne, les parents de quatre enfants ont : E (X) = 4 * ½ = 2 garçons V (X) = 4 * ½ * (1 – ½) = 1 II. Loi Hypergéométrique Etude de la variable X qui désigne le nombre de trèfles obtenus sur 5 cartes tirées sans remise (jeu de 32 cartes). C (24 ; 5) P (X=0) = Nombre de mains possibles : C (32 ; 5) C (12 ; 5) Nombre de mains sans trèfles : C (24 ; 5) C (8 ; 1) * C (24 ; 4) P (X=1) = Nombre de mains avec 1 trèfle : C (8 ; 1) * C (24 ; 4) C (32 ; 5) Nombre de mains avec 2 trèfles : C (8 ; 2) * C (24 ; 3) C (8 ; 2) * C (24 ; 3) P(X=2) = C (32 ; 5) Définition : lorsque dans une population de N individus, M possèdent une caractéristique donnée. Sur un échantillon de n individus pris au hasard, la probabilité que k possèdent cette caractéristique suit la loi : C (M ; l) * C P(X=k) = N-l N-M C (M ; n) Propriétés: E (X) = n * M/N V (X) = n * M/N * (1-M/N) * (N – n) / (N – 1) Ex: Avec les données du début, le nombre moyen de trèfles est de : E (X) = 5 * 8/32 = 40/32 = 1,25 2 STATS – CM – Chapitre 3 III. Loi de Poisson Lorsque l’on étudie un caractère rare sur une population donnée tel que : - le nombre de fautes de frappe dans une page - le nombre d’appels téléphoniques reçus en 2 secondes Ces situations sont modélisées par une loi qui porte le nom de loi de Poisson : (e - m * m k )) -m k P(X = k) = e *m /k!= k! Remarques : 1. On appelle processus de Poisson la réalisation d’évènements aléatoires qui obéissent aux conditionnements suivants : - l’intervalle de temps choisi est suffisamment petit pour que la probabilité qu’un évènement se produit soit favorable. La probabilité de réalisation de l’évènement est proportionnelle à l’intervalle de temps et est indépendante du passée. 2. Dans le cas d’une variable aléatoire qui suit une loi Binomiale B (n ; P) où n > 50 est n*p < 5, la loi Binomiale peut être approchée par une loi de Poisson. P (X=k) = e m *m k! k avec m = n * p Ex : Soit une urne contenant 100 boules (95 boules blanches et 5 boules noires). On réalise 50 tirages successifs en remettant à chaque fois dans l’urne une boule tirée. La probabilité de tirer une boule noire est donc pour chaque tirage de 1/20 m=n*p B (50 ; 1/20) n = 50 et p = 1/20 (p constant) donc on peut approcher la loi de probabilité suivie par une loi de Poisson : 25 k (e * 2,5 ) P (X = k) = k! 3