Chapitre 2: Les Probabilités - Jean-Louis SIGRIST
Exemple 2 : On tire une carte d'un jeu de 32 cartes et on note la couleur obtenue.
On répète cette expérience deux fois. Exemple 3 : On dispose d'une urne dans ...
part of the document
.
Exemple 3 :
On dispose d'une urne dans laquelle se trouvent 6 boules noires et 4 boules blanches.
On tire (à l'aveugle) une boule, on note sa couleur et on la remet dans l'urne.
Cette expérience est répétée trois fois de suite.
Univers
On appelle "univers" associé à une expérience aléatoire, l'ensemble des éventualités possibles.
Cet ensemble est noté EMBED Equation.3
( Exercice n° 1 :
Trouver les univers associés aux expériences 1, 2 et 3.
Événement
On appelle événement toute partie de l'univers EMBED Equation.3
( Exercice n° 2 :
Pour l'exemple 2 voici deux autres événements
Il apparaît deux cartes rouges
Il apparaît au moins une carte noire
Pour l'exemple 3 voici une éventualité
E = { (R, R, N ) }
D. Variable aléatoire
Variable aléatoire discrète
On appelle "variable aléatoire discrète", une application qui à chaque événement A fait correspondre un nombre réel noté P(A).
Cette application doit vérifier les propriétés suivantes:
( EMBED Equation.3 )
EMBED Equation.3
" Deux événements A et B de Wð sont équiprobables si P(A)=P(B)
Exemple :
On lance un dé (non pipé). L univers est {1, 2, 3, 4,5, 6}
Soit B l événement : « Sur la face supérieure apparaît un nombre pair ».
Calculez la probabilité de réalisation de l'événement B.
P({1})=1/6 P({2})=1/6 P({3})=1/6 P({4})=1/6 P({5})=1/6 P({6})=1/6
P(B={2,4,6})=3/6=1/2
Remarque :
Connaissant les "images" des événements élémentaires on peut trouver les "images" de tous les événements.
Variable aléatoire continue
On appelle "variable aléatoire continue", une application qui à chaque événement A fait correspondre un nombre réel noté Prob(x [ a,b])
A représente un intervalle, une intersection ou une réunion d'intervalles
Cette application doit vérifier (pour tout A et B) les propriétés suivantes :
E. Fonction de répartition (ou de densité)
La fonction de répartition associée à une variable aléatoire est définie de la manière suivante :
EMBED Equation.3
Exemple :
On lance une pièce de monnaie ( supposée équilibrée) trois fois de suite.
Chaque fois que PILE apparaît, on perd 1 Franc
Chaque fois que FACE apparaît on gagne 1 Franc
On définit une variable aléatoire X qui associe à chaque élément de l'univers, le gain (ou la perte)
à l'issue des trois lancers.
{P,P,P}(-3
{F,P,P}(-1
{P,F,P}(-1
{P,P,F}(-1
{F,F,P}(1
{P,F,F}(1
{F,P,F}(1
{F,F,F}(3
Voici la loi de probabilité :
EMBED Equation.3
X-3-113p1/83/83/81/8
Voici la fonction de répartition
F(-3)=1/8 F(-1)=1/2 F(1)=7/8 F(3)=1
F. Lois de probabilités
Nous allons nous intéresser à des familles de fonctions réelles (f) très spéciales.
EMBED Equation.3
Une loi de probabilité est un MODELE représentant "au mieux", une distribution de fréquences d'une variable statistique ou aléatoire.
Une classification des lois
Les lois "discrètes"
Les lois "continues"
Comme l'étude de ces lois n'est pas simple, n'étudierons-nous que quelques-unes d'entre elles.
Pour chacune d'elles il faut connaître :
L'espérance mathématique E(X) (ou moyenne EMBED Equation.3 )et la variance Var(X) (notée EMBED Equation.3 )
La forme de la fonction de répartition
Les domaines et conditions d'utilisation
Dans le cas discret il faut pouvoir calculer les nombres :
Prob(X=k)
Dans les cas continus les nombres :
EMBED Equation.3
La fonction de densité sera notée f(x), la fonction de répartition F(x)
Exemples de lois "discrètes"
Loi "Uniforme discrète"
Loi de "Bernoulli"
Loi "Binomiale"
Loi de "Poisson"
Loi "Hypergéométrique"
Loi "Binomiale négative"
Loi "Géométrique"
Loi "Multinomiale"
I. Loi UNIFORME
X est une variable aléatoire qui prend les valeurs x1, x2,
, xn avec les probabilités pi=1/n
II. Loi de BERNOULLI
Dans un tel schéma, les épreuves satisfont aux conditions suivantes :
l'issue de chaque épreuve est l'une ou l'autre de deux éventualités complémentaires
la probabilité de succès (p) est la même pour chaque épreuve
l'issue d'une épreuve est indépendante du résultat de chacune des épreuves précédentes
III. Loi BINOMIALE
Le nombre de succès au cours d'une série de n épreuves répondant à un schéma de Bernoulli est une variable aléatoire discrète, appelée loi Binomiale
Conditions :
Échantillon de taille n , 2 issues à chaque tirage de probabilité p et 1-p, Indépendance des tirages.
EMBED Equation.2
Remarques :
EMBED Equation.2
Une relation pratique :
EMBED Equation.2
Exercice
La probabilité pour quun tireur atteigne une cible est 1/3.
Sachant quil tire 5 fois, quelle est la probabilité pour quil atteigne la cible au moins deux fois ?
Combien de fois doit-il tirer pour que la probabilité datteindre au moins une fois la cible soit plus grande que 0,9 ?
Réponses : - P(Xe"2)= 131/243 - n=6
IV. Loi de POISSON
La Loi de densité ou de répartition est donnée par la fonction :
EMBED Equation.2
La loi de POISSON est une bonne approximation de la loi binomiale lorsque p est « très petit » (de l ordre de 1/100 par exemple)ou p « voisin de 1 » et n « grand » .((ne"20 et p
