Probabilités Classes Préparatoires en Sciences et Techniques d’Oran 2015-2016 KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Chapitre IV : Lois de probabilité usuelles KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes 1 Loi uniforme discrète : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes 1 Loi uniforme discrète : Soit n ∈ N∗ . On dit que la v.a X suit la loi uniforme discrète sur l’ensemble {k1 , k2 , · · · , kn } si les ki sont équiprobables. KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes 1 Loi uniforme discrète : Soit n ∈ N∗ . On dit que la v.a X suit la loi uniforme discrète sur l’ensemble {k1 , k2 , · · · , kn } si les ki sont équiprobables. c.à.d : X(Ω) = {k1 , k2 , · · · , kn } et ∀k ∈ X(Ω) : P(X = ki ) = KARA-ZAÏTRI L. Probabilités et statistique 1 . n Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes 1 Loi uniforme discrète : Soit n ∈ N∗ . On dit que la v.a X suit la loi uniforme discrète sur l’ensemble {k1 , k2 , · · · , kn } si les ki sont équiprobables. c.à.d : X(Ω) = {k1 , k2 , · · · , kn } et ∀k ∈ X(Ω) : P(X = ki ) = On note X ; U{k1 , k2 , · · · , kn } . KARA-ZAÏTRI L. Probabilités et statistique 1 . n Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : 1 si X ; U{a, a + 1, a + 2, · · · , b}, alors : E(X) = a+b 2 et KARA-ZAÏTRI L. Var (X) = (b − a)(b − a + 2) Probabilités et statistique 12 . Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : 1 si X ; U{a, a + 1, a + 2, · · · , b}, alors : E(X) = 2 a+b 2 et Var (X) = (b − a)(b − a + 2) si X ; U{1, 2, 3, · · · , n}, alors : KARA-ZAÏTRI L. Probabilités et statistique 12 . Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : 1 si X ; U{a, a + 1, a + 2, · · · , b}, alors : E(X) = 2 a+b et 2 Var (X) = (b − a)(b − a + 2) si X ; U{1, 2, 3, · · · , n}, alors : E(X) = n+1 2 KARA-ZAÏTRI L. et Var = Probabilités et statistique 12 . Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : 1 si X ; U{a, a + 1, a + 2, · · · , b}, alors : E(X) = 2 a+b et 2 Var (X) = (b − a)(b − a + 2) 12 si X ; U{1, 2, 3, · · · , n}, alors : E(X) = n+1 2 KARA-ZAÏTRI L. et Var = n2 − 1 12 Probabilités et statistique . . Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes 2 Loi de Bernoulli de paramètre p : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes 2 Loi de Bernoulli de paramètre p : Soit p ∈ [0, 1]. On dit que la v.a X suit la loi de Bernoulli de paramètre p, si elle n’admet que deux résultats possibles : le succés qui prend la valeur 1 avec une probabilité p, l’échec qui prend la valeur 0 avec une probabilité q=1−p. KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes c.à.d : X(Ω) = {0, 1}, et ∀k ∈ X(Ω) : P(X = k ) = pk (1 − p)1−k . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes c.à.d : X(Ω) = {0, 1}, et ∀k ∈ X(Ω) : P(X = k ) = pk (1 − p)1−k . On note X ; B(p) . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes c.à.d : X(Ω) = {0, 1}, et ∀k ∈ X(Ω) : P(X = k ) = pk (1 − p)1−k . On note X ; B(p) . Propriétés : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes c.à.d : X(Ω) = {0, 1}, et ∀k ∈ X(Ω) : P(X = k ) = pk (1 − p)1−k . On note X ; B(p) . Propriétés : si X ; B(p), alors : E(X) = p KARA-ZAÏTRI L. et Var = pq. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes 3 Loi Binomiale de paramètres n et p : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes 3 Loi Binomiale de paramètres n et p : Soient n ∈ N∗ et p ∈ [0, 1]. On dit que la v.a X suit la loi Binomiale de paramètres n et p, si elle donne le nombre de succés quand on répète n fois une expérience de Bernoulli de paramètre p de manières indépendantes. KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes 3 Loi Binomiale de paramètres n et p : Soient n ∈ N∗ et p ∈ [0, 1]. On dit que la v.a X suit la loi Binomiale de paramètres n et p, si elle donne le nombre de succés quand on répète n fois une expérience de Bernoulli de paramètre p de manières indépendantes. On note X ; B(n, p) . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : Si X ; B(n, p), alors : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : Si X ; B(n, p), alors : X(Ω) = {0, 1, 2, · · · , n}, KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : Si X ; B(n, p), alors : X(Ω) = {0, 1, 2, · · · , n}, ∀k ∈ X(Ω) : P(X = k) = Ckn pk (1 − p)n−k , KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : Si X ; B(n, p), alors : X(Ω) = {0, 1, 2, · · · , n}, ∀k ∈ X(Ω) : P(X = k) = Ckn pk (1 − p)n−k , E(X) = n p, KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : Si X ; B(n, p), alors : X(Ω) = {0, 1, 2, · · · , n}, ∀k ∈ X(Ω) : P(X = k) = Ckn pk (1 − p)n−k , E(X) = n p, Var(X) = n p q. KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes 4 Loi de Poisson de paramètre λ : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes 4 Loi de Poisson de paramètre λ : Soit λ > 0. On dit que la v.a X suit la loi de Poisson de paramètre λ, si elle donne le nombre de fois qu’un événement se produit sur une periode donnée ( une surface, un volume), sachant que cet événement se produit λ fois en moyenne sur cette même période ( surface, volume). KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes 4 Loi de Poisson de paramètre λ : Soit λ > 0. On dit que la v.a X suit la loi de Poisson de paramètre λ, si elle donne le nombre de fois qu’un événement se produit sur une periode donnée ( une surface, un volume), sachant que cet événement se produit λ fois en moyenne sur cette même période ( surface, volume). On note X ; P(λ) KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : Si X ; P(λ), alors : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : Si X ; P(λ), alors : X(Ω) = {0, 1, 2, · · · , } = N, KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : Si X ; P(λ), alors : X(Ω) = {0, 1, 2, · · · , } = N, ∀k ∈ N : P(X = k) = e−λ KARA-ZAÏTRI L. λk , k! Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : Si X ; P(λ), alors : X(Ω) = {0, 1, 2, · · · , } = N, ∀k ∈ N : P(X = k) = e−λ λk , k! E(X) = λ , KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Propriétés : Si X ; P(λ), alors : X(Ω) = {0, 1, 2, · · · , } = N, ∀k ∈ N : P(X = k) = e−λ λk , k! E(X) = λ , Var(X) = λ. KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Exemple 1 : Sur une autoroute on a enregistré en moyenne 4 accidents par semaine. Quelle est la probabilité que la semaine prochaine il y ait trois accidents ? Quelle est la probabilité qu’il y ait un accident aujourd’hui ? KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles discrètes Lois usuelles discrètes Exemple 1 : Sur une autoroute on a enregistré en moyenne 4 accidents par semaine. Quelle est la probabilité que la semaine prochaine il y ait trois accidents ? Quelle est la probabilité qu’il y ait un accident aujourd’hui ? Exemple 2 : Un réservoir d’eau de 2000 litres contient en moyenne 3 bactéries par litre. Si vous buvez un litre de ce réservoir, quelle est la probabilité que vous avaliez 8 bactéries ? KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues 1 Loi uniforme continue : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues 1 Loi uniforme continue : Soient a, b ∈ R tels que a < b. On dit que la v.a X suit la loi uniforme continue sur [a, b] si elle admet pour densité de probabilité la fonction : f (x) = 1 b−a 0 KARA-ZAÏTRI L. si x ∈ [a, b], sinon. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues 1 Loi uniforme continue : Soient a, b ∈ R tels que a < b. On dit que la v.a X suit la loi uniforme continue sur [a, b] si elle admet pour densité de probabilité la fonction : f (x) = 1 b−a 0 si x ∈ [a, b], sinon. On note X ; U[a, b] . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Propriétés : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Propriétés : si X ; U[a, b], alors : 1 b E(X) = a+ , 2 2 Var (X) = (b−a)2 12 . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues 2 Loi exponentielle de paramètre λ : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues 2 Loi exponentielle de paramètre λ : Soit λ > 0. On dit que la v.a X suit la loi exponentielle de paramètre λ, si elle admet pour densité de probabilité la fonction : f (x) = −λx λe si x > 0, sinon. KARA-ZAÏTRI L. 0 Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues 2 Loi exponentielle de paramètre λ : Soit λ > 0. On dit que la v.a X suit la loi exponentielle de paramètre λ, si elle admet pour densité de probabilité la fonction : f (x) = −λx λe si x > 0, sinon. 0 On note X ; E(λ) . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Propriétés : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Propriétés : si X ; E(λ), alors : 1 2 E(X) = 1 λ Var (X) = , 1 λ2 . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues 3 Loi Normale (Loi Gaussienne, Loi de Laplace-Gauss) : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues 3 Loi Normale (Loi Gaussienne, Loi de Laplace-Gauss) : 1 Loi Normale centrée et réduite : On dit que la v.a X suit la loi Normale centrée et réduite, si elle admet pour densité de probabilité la fonction : 1 2 1 e− 2 x f (x ) = √ 2π KARA-ZAÏTRI L. , ∀x ∈ R. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues 3 Loi Normale (Loi Gaussienne, Loi de Laplace-Gauss) : 1 Loi Normale centrée et réduite : On dit que la v.a X suit la loi Normale centrée et réduite, si elle admet pour densité de probabilité la fonction : 1 2 1 e− 2 x f (x ) = √ 2π , ∀x ∈ R. On note X ; N (0, 1) . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Fonction de répartition : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Fonction de répartition : Rx 1 2 F(x) = −∞ √1 e− 2 t dt = ? 2π KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Fonction de répartition : Rx 1 2 F(x) = −∞ √1 e− 2 t dt = ? 2π Graphiquement : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Fonction de répartition : Rx 1 2 F(x) = −∞ √1 e− 2 t dt = ? 2π Graphiquement : Cloche symétrique par rapport à l’axe des y . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Propriétés : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Propriétés : si X ; N (0, 1), alors : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Propriétés : si X ; N (0, 1), alors : E(X) = 0 . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Propriétés : si X ; N (0, 1), alors : E(X) = 0 . Var (X) = 1 . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Propriétés : si X ; N (0, 1), alors : E(X) = 0 . Var (X) = 1 . F(−x) = P(X ≤ −x) = P(X ≥ x) = 1 − P(X < x) , Ainsi : F(−x) = 1 − F(x) . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues 2 Loi Normale de paramètres µ et σ : On dit que la v.a X suit la loi Normale de paramètres µ et σ , si elle admet pour densité de probabilité la fonction : f (x) = 1 σ √ 2π KARA-ZAÏTRI L. 1 e− 2 ( x−µ σ 2 ) , ∀x ∈ R. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues 2 Loi Normale de paramètres µ et σ : On dit que la v.a X suit la loi Normale de paramètres µ et σ , si elle admet pour densité de probabilité la fonction : f (x) = 1 σ √ 2π KARA-ZAÏTRI L. 1 e− 2 ( x−µ σ 2 ) , ∀x ∈ R. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues 2 Loi Normale de paramètres µ et σ : On dit que la v.a X suit la loi Normale de paramètres µ et σ , si elle admet pour densité de probabilité la fonction : f (x) = 1 σ √ 2π 1 e− 2 ( x−µ σ 2 ) , ∀x ∈ R. On note X ; N (µ, σ) . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Graphiquement : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Graphiquement : Cloche symétrique par rapport à l’axe (x = µ). Pointue pour σ petit, aplatie pour σ grand. KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Propriétés : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Propriétés : si X ; N (µ, σ), alors : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Propriétés : si X ; N (µ, σ), alors : E(X) = µ . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Propriétés : si X ; N (µ, σ), alors : E(X) = µ . Var (X) = σ 2 . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Lois usuelles continues Lois usuelles continues Propriétés : si X ; N (µ, σ), alors : E(X) = µ . Var (X) = σ 2 . La v.a X∗ = X−µ σ ; N(0, 1). KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Approximations Approximations KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Approximations Approximations KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Approximations Approximations 1 Approx. de la loi Binomiale par la loi de Poisson : . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Approximations Approximations 1 Approx. de la loi Binomiale par la loi de Poisson : Soit X ; B(n; p) . Si n ≥ 30 ; p ≤ 0, 1 et np ≤ 15, nous pouvons approcher . la loi Binomiale B(n; p) par la loi de Poisson KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Approximations Approximations 1 Approx. de la loi Binomiale par la loi de Poisson : Soit X ; B(n; p) . Si n ≥ 30 ; p ≤ 0, 1 et np ≤ 15, nous pouvons approcher la loi Binomiale B(n; p) par la loi de Poisson P(np) . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Approximations Approximations KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Approximations Approximations 2 Approx. de la loi Binomiale par la loi Normale : . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Approximations Approximations 2 Approx. de la loi Binomiale par la loi Normale : Soit X ; B(n; p) . Si n ≥ 30 ; np ≥ 15 et npq ≥ 5, nous pouvons approcher . la loi Binomiale B(n; p) par la loi Normale KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Approximations Approximations 2 Approx. de la loi Binomiale par la loi Normale : Soit X ; B(n; p) . Si n ≥ 30 ; np ≥ 15 et npq ≥ 5, nous pouvons approcher √ la loi Binomiale B(n; p) par la loi Normale N (np ; npq) . KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Approximations Approximations KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Approximations Approximations Correction de continuité : KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Approximations Approximations Correction de continuité : Si X ; B(n; p) et qu’on l’approche par la loi Normale √ N (np ; npq). KARA-ZAÏTRI L. Probabilités et statistique Lois de probabilité usuelles Approximations Approximations Correction de continuité : Si X ; B(n; p) et qu’on l’approche par la loi Normale √ N (np ; npq). Pour calculer P(X = k ) avec la loi Normale, il faut calculer P(k − 12 < X ≤ k + 21 ) . KARA-ZAÏTRI L. Probabilités et statistique