Variables Aléatoires & Lois de Probabilités Usuelles Théorie des Probabilités Étude des lois de probabilités usuelles Pr. A. SOULAYMANI Introduction: Théorie des Probabilités Une variable aléatoire X peut prendre des valeurs xi dans un intervalle donné de façon qu’à chaque valeur particulière de xi correspond une probabilité pi. pi apparaît comme une fonction de xi et l’ensemble des probabilités élémentaires pi constitue la loi de probabilité de la variable aléatoire X . Pr. A. SOULAYMANI Autrement dit, affecter une probabilité pi à chacune des valeurs de xi, c’est doter la variable aléatoire X d’une loi de probabilité. Théorie des Probabilités Ceci ne pose aucun problème lorsque la var. aléatoire est discrète. • Exemple : Si on lance successivement 3 fois une pièce de monnaie: xi 0 1 2 3 P(xi) 1/8 3/8 3/8 1/8 Pr. A. SOULAYMANI Le problème des lois de probabilité devient plus délicat lorsque la V.A. X est continue. Théorie des Probabilités En effet, pour des V.A. continue, la probabilité d’une valeur particulière est nulle.(De la même manière que le choix d’un point sur une droite). On est donc amener à distinguer deux catégories de lois de probabilité: - Les Lois relatives à la variation discontinue et, - Les Lois relatives à la variation continue. Pr. A. SOULAYMANI I- Distribution Binomiale Pr. A. SOULAYMANI La distribution binomiale ou loi binomiale est une loi de variation discontinue dite de Bernoulli. Si X est la V.A. qui associe à tout élément de A la valeur 1 et à tout élément n’appartenant pas à A la valeur 0. Loi Binomiale Cette variable ne prend donc que deux valeurs 1 et 0, avec: P(A) = p et P(Ã) = q = 1-p Pr. A. SOULAYMANI 1- Urne de BERNOULLI: Considérons une urne qui contient deux types de boules: - Des boules blanches d’effectif n1 (8): ☺ Loi Binomiale - Des boules noires d’effectif n2: (12)☻ ☻☻ ☺ ☻ ☺ n + n = N = 20 ☻ ☻ ☻ 1 2 ☻☺ ☺ ☺ ☺ ☻☺ ☻ ☻ ☻ ☺☻ Pr. A. SOULAYMANI Loi Binomiale: urne de Bernoulli On suppose que le tirage se fait avec remise, de sorte que la composition de l’urne ne change pas d’un tirage à l’autre. ☻☻ ☺ p = n1/N = 8/20 = 0,4 ☺ ☻ ☺ ☻ ☻ ☻ ☺ ☺ ☻☺ ☺ ☻☺ ☻ ☻ ☻ ☻ q = n2/N = 12/20 = 0,6 ☺☻ On constate que p+q = n1 + n2 /N = 20/20 = 1 Pr. A. SOULAYMANI Loi Binomiale: urne de Bernoulli 2- Définition: Une Variable aléatoire X suit une Loi Binomiale β(N,p) si elle peut être considérée comme une somme de plusieurs variables aléatoires indépendantes, suivant toutes la loi de Bernoulli de paramètre p. Ce qui nous intéresse donc, c’est la probabilité des associations qui peuvent résulter de n tirages successifs. Pr. A. SOULAYMANI 2- 1. Épreuve du double tirage: Loi Binomiale: Épreuve du double tirage Considérons l’exemple simple d’un sac de 3 boules, dont une blanche et deux noires. On se propose de voir ce qui va se passer sur le plan de probabilités quand on procède à deux tirages successifs avec remise. La probabilité de tirer une boule blanche étant p=1/3 et celle de tirer une boule noire est q=1-p = 2/3. Pr. A. SOULAYMANI Loi Binomiale: Épreuve du double tirage Ce qui nous intéresse, c’est la probabilité des 1er 2eme Association associations tirage issues du premier tirage BB : p2 et du second tirage. BN : pq BN : pq NB : qp p=1/3 NN : q2 q=2/3 NN : q2 NB : qp NN : q2 NN : q2 Pr. A. SOULAYMANI 1er tirage 2eme tirage Association BB : p2 Loi Binomiale: Épreuve du double tirage BN : pq BN : pq NB : qp Au total, on aura trois catégories d’associations (2 tirages + 1) Si on ne tient pas compte de l’ordre du tirage, on aura: 1Association BB probabilité (1/3)(1/3)=p2 de NN : q2 NN : q2 NB : qp 2- Association BN ou NB de probabilité 2(1/3)(2/3)=2pq NN : q2 NN : q2 3Association NN probabilité (2/3)(2/3)=q2 de Ces divers associations de 2 boules, comportant respectivement 0, 1 et 2 boules noires, ont donc pour probabilités respectives les termes successifs du développement de (p+q)2 = p2 + 2pq + q2 Pr. A. SOULAYMANI Loi Binomiale: Épreuve du tirage multiple 2-2. Épreuve du tirage multiple: La loi Binomiale En résonnant de la même manière que précédemment, on arrivera dans le cas d’un triple tirage à 4 associations (3+1) de boules blanches ou noires, avec 0, 1, 2 ou 3 boules noires. En démontre facilement que les probabilités des 4 associations seront obtenues par les termes du développement de (p+q)3. (p+q)3 = p3 + 3p2q + 3 pq2 + q2 3 B 2B+ N 2N+ B 3 N Pr. A. SOULAYMANI Loi Binomiale: Épreuve du tirage multiple Épreuve du tirage multiple: La loi Binomiale [ p = 1/3 ; q = 2/3 ] (p+q)3 = p3 + 3p2q + 3 pq2 + q2 Probabilité 3pq2= 12/27 q3 =8/27 3p2q=6/27 p3 = 1/27 Nombre de boules Noires 0 1 2 3 Pr. A. SOULAYMANI D’une manière générale: Soit une urne composée de N boules , dont k boules blanches et N-k boules noires. Loi Binomiale: En général Tirage Échantillon E: n boules (n < N) En répétant l’épreuve plusieurs fois; la structure des échantillons sera la suivante: - 0 boules Blanches et noires. - 1 boules Blanches boules noires. - 2 boules Blanches boules noires. -…. -…. - k boules Blanches boules noires. -…. -…. - n boules Blanches et noires. n boules et (n-1) et (n-2) et (n-k) 0 boules Pr. A. SOULAYMANI Si E : tirer une boule blanche E : tirer une boule Noire Loi Binomiale: En général X: nombre de réalisations de E dans un échantillon de n boules. X: peut prendre (n+1) valeurs possibles tel que: X = { 0, 1, 2, ………., K, ……., n } Si X = k réalisations de E et si l’on tient pas compte de l’ordre du tirage des boules La probabilité d’avoir k boules blanches est: p. p. p…..p… p = pk K fois Dans l’échantillon, on aura (N-k) boules noires de probabilité q. q. ….q…….q = q(N-k) Pr. A. SOULAYMANI Ainsi, la probabilité d’avoir k boules blanches et (n-k) boules noires dans l’échantillon serait; fk = pk.q(n-k). Loi Binomiale: En général Mais il y a autant d’échantillon satisfaisants (k boules blanches et n-k boules noires) que de combinaisons de n boules avec k boules blanches; on aura donc: P( X k ) C . p .q k n K ( nk ) n! k ( nk ) p( X k ) . p .q (n k )! k! Pr. A. SOULAYMANI Si X est le nombre de réalisation de E avec X = { 0,1,2,……k,……N} Les probabilités liées à chacune des réalisations xi correspondent aux termes successifs du développement du binôme de Newton (p+q)n. 1 n 1 Loi Binomiale: En général ( p q) q C p q n n 1 n C p q 2 n 2 n2 ..... C p q k n k nk ... p n C’est cette distribution de probabilités qui est connue sous le nom de Distribution Binomiale. Pr. A. SOULAYMANI 2-3. Paramètre de La loi Binomiale 2-3-1. La moyenne d’une loi Binomiale Si X est le nombre de réalisation de E avec X={0,1,2,……k,……N}; à chacune des valeurs xi s’associe une probabilité P(xi), telle que: P( xi ) C p q Loi Binomiale:Moyenne x n x n x X X n np.[i0 n i 0 X in0 xi . P( xi ) in0Cnk p x .q ( x ) .x n! p x .q ( n x ) .x ( n x) ! x ! (n 1) ! x 1 n x p .q ] n. p (n x) !( x 1) ! (p+q)(n-1) = 1 Pr. A. SOULAYMANI 2-3-2. La variance d’une loi Binomiale La variance_ V(X) = sx2 = E(X)2 – [E(x)]2 _ _ _ n 2 2 = 1 pi xi -x = pi xi2 - x +x -x2 on sait que x pi xi donc s pi xi [( x 1)] x x Loi Binomiale:Variance 2 x s C p q 2 x x n x ( n x) .x( x 1) x x 2 2 2 n! x ( n x) s p q x( x 1) x x (n x)! x! 2 x 2 (n 2)! ( x 2) n x s n(n 1) p p q xx (n x)!( x 2)! 2 x 2 Pr. A. SOULAYMANI 2 (n 2)! ( x 2) n x s n(n 1) p p q xx (n x)!( x 2)! 2 x 2 (p+q)(n-2) = 1(n-2)=1 s n(n 1) p np n p Loi Binomiale:Variance 2 x 2 2 2 s n p np np n p np(1 q) np 2 x 2 2 2 2 2 s np npq np 2 x s npq 2 x Pr. A. SOULAYMANI 3- Exemples d’application 3-1. Exemple 1: Dans les familles de 3 enfants, quelle est la probabilité d’avoir 2 filles?. La probabilité de naissance d’une fille est p=0.48. Solution: n=3, k=2, p=0.48 et q=1-p=0.52 P( X 2) C (0.48) (0.52) Loi Binomiale 2 3 2 ( 3 2 ) 0.359 Quel est le nombre moyen de filles et la variance? Solution: E(X) = np = 3 (0.48) = 1.44 Var(X) = npq = 3 (0.48) (0.52)= 0.75 Pr. A. SOULAYMANI 3-2. Exemple 2: Dans les familles de 5 enfants, définir la loi de probabilité de X (nombre de filles) si la probabilité d’avoir une fille est de 0.3 et donner la valeur moyenne et la variance de X Solution: Loi Binomiale x Loi de Probabilité k k ( nk ) C P(X=x) n p q 0 0.1680 1 0.3601 2 0.3087 3 0.1323 4 0.0283 5 0.0024 La Moyenne est: E(X) = n.p =5(0.3)=1.5 La Variance est: Var(X) = n.p.q =5(0.3)(0.7) =1.05 Pr. A. SOULAYMANI Fonction de répartition: Solution: Loi Binomiale FX(x) = P(X ≤ xi) x 0 1 2 3 4 5 P(X = x) 0.1680 0.3601 0.3087 0.1323 0.0283 0.0024 P(X ≤ x) 0.1680 0.5281 0.8368 0.9691 0.9974 0.9999 ≈ 1 Pr. A. SOULAYMANI 3- 3. Exemple 3: Soit un Dé cubique à 6 faces numérotés de 1 à 6, ayant la même probabilité. On lance 9 fois de suite le Dé. On considère que l’on obtient un succès si la réponse obtenue est supérieur à 5. Soit X, la V.A. associée aux nombre de succès obtenus sur les 9 jets. Déterminer la probabilité de X=0, X=4 et de X=9, la moyenne et la variance de cette distribution. Pr. A. SOULAYMANI Solution: Sur un jet, la probabilité de succès est p = 2/6 = 1/3 La probabilité de l’échec est q = 4/6 = 2/3 X suit une loi binomiale b (N,p) = b (9, 1/3) 1 0 2 9 29 P( X 0) C p q C ( ) ( ) [ ] 3 3 3 0 9 0 9 0 9 1 4 2 5 P( X 4) C p q C ( ) ( ) 3 3 4 9 4 5 4 9 1 9 2 0 19 P( X 9) C p q C ( ) ( ) [ ] 3 3 3 9 9 9 0 9 9 Pr. A. SOULAYMANI La moyenne de X : b (N,p) est: np = 9.1/3 = 3 La variance de X : b (N,p) est: npq = 9.1/3.2/3 = 2 Pr. A. SOULAYMANI 3- Distribution asymétrique: binomiale symétrique ou L’expression générale de la loi binomiale est donnée par: P( X k ) C p q k n k ( nk ) Si p = q; l’expression générale de terme k, abstraction faite du coefficient C, devient pk.q(n-k) = pk.p(n-k) = pn. Loi Binomiale Dans ce cas, tous les termes sont de la forme pn et ne différent que par C. Il en résulte que, si p=q, les termes situés à égales distance du binômes (p+q)2 deviennent respectivement égaux entre eux: La distribution est dite alors Symétrique. Pr. A. SOULAYMANI Exemple: X: Nombre de fois « pile » dans l’épreuve de 3 tirages successifs d’une pièce de monnaie non truquée (p = q = 1/2) (P,P,P)→3 (F,P,P)→2 (P,F,F)→1 (P,P,F)→2 (P,F,P)→2 (F,P,F)→1 (F,F,P)→1 (F,F,F)→0 X = {0, 1, 2, 3} P(X=3) = P(P,P,P) = 1/8 P(X=2) = P(P,P,F)+P(P,F,P)+P(F,P,P) =3/8 P(X=1) = P(P,F,F)+P(F,P,F)+P(F,F,P) =3/8 P(X=0) = P(F,F,F) = 1/8 Avec ∑ Pi = 1 Pr. A. SOULAYMANI La forme générale de la distribution symétrique est la suivante: P 0,4 0,35 0,3 0,25 P(X) 0,2 0,15 0,1 0 1 2 3 k 0,05 0 1 2 3 4 Xi Pr. A. SOULAYMANI 4- Utilisation de la table de la Loi Binomiale:P (X ≤ x) n=10 x p 0,10 0,20 0,25 0,30 0,40 0,50 0 1 2 3 4 5 6 7 8 9 10 0,348 0,107 0,056 0,028 0,006 0,000 0,736 0,375 0,244 0,149 0,046 0,010 0,929 0,677 0,525 0,382 0,167 0,054 0,987 0,879 0,775 0,649 0,382 0,171 Par définition: 0,998 0,967 0,921 0,849 0,633 0,379 P(X=x = P(X ≤xi)0,952 – P(X ≤x(i-1) ) 0,999 i) 0,993 0,980 0,833 0,623 0,999 0,999 0,996 0,989 0,945 0,828 P(X=5) = P(X≤5) – P(X ≤4) 1,000 0,999 0,999 0,998 0,987 0,945 1,000 0,999 0,999 0,998 0,989 P(X=5) = 0,999 – 0,998 = 0,001 1,000 0,999 0,999 0,999 1,000 1,000 1,000 Pr. A. SOULAYMANI Probabilité d’un intervalle: P (xi ≤ X ≤ xk) n=10 x 0 1 2 3 4 5 P(xi 6 7 8 9 10 p ≤ 0,10 0,20 0,25 0,30 0,40 0,50 0,348 0,107 0,056 0,028 0,006 0,000 0,736 0,375 0,244 0,149 0,046 0,010 0,929 0,677 0,525 0,382 0,167 0,054 0,987 0,879 0,775 0,649 0,382 0,171 0,998Par 0,967 0,921 0,849 0,633 0,379 définition: 0,980 0,833≤x0,623) X0,999 ≤ xK)0,993 = P(X ≤xi0,952 ) – P(X (k-1) 0,999 0,999 0,996 0,989 0,945 0,828 P(2≤ X ≤4) = P(X≤4) – P(X ≤1) 1,000 0,999 0,999 0,998 0,987 0,945 1,000 0,999 0,999 0,998 0,989 P(X=5) = 0,998 – 0,736 = 0,262 1,000 0,999 0,999 0,999 1,000 1,000 1,000 Pr. A. SOULAYMANI Probabilité P ( X ≥ xk) n=10 x 0 1 2 3 4 5 6 7 8 9 10 p 0,10 0,20 0,25 0,30 0,40 0,348 0,107 0,056 0,028 0,006 0,736 0,375 0,244 0,149 0,046 0,929 0,677 0,525 0,382 0,167 0,987 0,879 0,775 0,649 0,382 0,998Par 0,967 0,921 0,849 0,633 définition: 0,999 0,993 0,980 0,952 0,833 P(X ≥xi) = 1 -P(X ≤x(i-1)) 0,999 0,999 0,996 0,989 0,945 P( X ≥4) = 1 -P(X≤3) 1,000 0,999 0,999 0,998 0,987 1,000 0,999 0,999 0,998 P(X=5) = 1 – 0,987 = 0,013 1,000 0,999 0,999 1,000 1,000 0,50 0,000 0,010 0,054 0,171 0,379 0,623 0,828 0,945 0,989 0,999 1,000 Pr. A. SOULAYMANI