Rappels sur les variables aléatoires

Lois classiques discrétes

Approximation en loi

Cours 1: lois discrétes classiques en

probabilités

Clément Rau
Laboratoire de Mathématiques de Toulouse
Université Paul Sabatier-IUT GEA Ponsan

Module: Stat inférentielles

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

1 Rappels sur les variables aléatoires

Définition
Quelques exemples
loi d’une v.a
Paramétres classiques d’une loi
Quelques propriétés
2 Lois classiques discrétes
Loi uniforme
Loi de Bernoulli
Loi binomiale
Loi de Poisson
3 Approximation en loi

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Variables aléatoires

Definition
Une variable aléatoire est une application de l’univers Ω dans R

X : Ω −→ R
ω 7−→ X (ω)

Une variable aléatoire est généralement désignée par une

lettre majuscule X , Y , etc. La variable aléatoire est dite discréte
si l’ensemble X (Ω) est discret, c’est à dire qui ne prend que
des valeurs ponctuelles, isolées, typiquement N ou Z.

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Exemples de v.a
Le résultat d’un lancé de dé. On a alors,

X (Ω) = {1, 2, 3, 4, 5, 6}.

Soit le jeu consistant à lancer une piéce et gagner 1 euros

si pile, rien sinon. Soit X = le gain à l’issue d’un lancé.

X : Ω → {0, 1}

Le nombre de piles obtenus sur 4 lancés d’une piéces.

X (Ω) = {0, 1, 2, 3, 4}.

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Exemples de v.a
Le résultat d’un lancé de dé. On a alors,

X (Ω) = {1, 2, 3, 4, 5, 6}.

Soit le jeu consistant à lancer une piéce et gagner 1 euros

si pile, rien sinon. Soit X = le gain à l’issue d’un lancé.

X : Ω → {0, 1}

Le nombre de piles obtenus sur 4 lancés d’une piéces.

X (Ω) = {0, 1, 2, 3, 4}.

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Exemples de v.a
Le résultat d’un lancé de dé. On a alors,

X (Ω) = {1, 2, 3, 4, 5, 6}.

Soit le jeu consistant à lancer une piéce et gagner 1 euros

si pile, rien sinon. Soit X = le gain à l’issue d’un lancé.

X : Ω → {0, 1}

Le nombre de piles obtenus sur 4 lancés d’une piéces.

X (Ω) = {0, 1, 2, 3, 4}.

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Exemples de v.a
Le résultat d’un lancé de dé. On a alors,

X (Ω) = {1, 2, 3, 4, 5, 6}.

Soit le jeu consistant à lancer une piéce et gagner 1 euros

si pile, rien sinon. Soit X = le gain à l’issue d’un lancé.

X : Ω → {0, 1}

Le nombre de piles obtenus sur 4 lancés d’une piéces.

X (Ω) = {0, 1, 2, 3, 4}.

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Exemples de v.a
Le résultat d’un lancé de dé. On a alors,

X (Ω) = {1, 2, 3, 4, 5, 6}.

Soit le jeu consistant à lancer une piéce et gagner 1 euros

si pile, rien sinon. Soit X = le gain à l’issue d’un lancé.

X : Ω → {0, 1}

Le nombre de piles obtenus sur 4 lancés d’une piéces.

X (Ω) = {0, 1, 2, 3, 4}.

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Exemples de v.a
Le résultat d’un lancé de dé. On a alors,

X (Ω) = {1, 2, 3, 4, 5, 6}.

Soit le jeu consistant à lancer une piéce et gagner 1 euros

si pile, rien sinon. Soit X = le gain à l’issue d’un lancé.

X : Ω → {0, 1}

Le nombre de piles obtenus sur 4 lancés d’une piéces.

X (Ω) = {0, 1, 2, 3, 4}.

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Loi d’une v.a discréte

Definition
On appelle loi d’une v.a discréte la donnée de tous les
P(X = xi ) lorsque xi prend toutes les valeurs possibles dans
X (Ω).

On note invariablement P[{X = x}], P[X = x], ou parfois PX (x)

pour la probabilité que X prenne la valeur x

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Loi d’une v.a discréte

Definition
On appelle loi d’une v.a discréte la donnée de tous les
P(X = xi ) lorsque xi prend toutes les valeurs possibles dans
X (Ω).

On note invariablement P[{X = x}], P[X = x], ou parfois PX (x)

pour la probabilité que X prenne la valeur x

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Donner la loi d’une variable aléatoire revient alors à donner les

probabilités des évènements élémentaires qu’elle induit, et on
présente souvent ces données sous forme d’un tableau. En
notant d’une manière générale
X (Ω) = (xi )i=1,...,N = (x1 , x2 , . . . , xN ) pour une variable
aléatoires à N valeurs possibles (qui ne sont pas forcément
1, 2, . . . , N), on a :

xi x1 x2 ... xN
P(X = xi ) p1 p2 ... pN

où l’on note respectivement p1 = P(X = x1 ), p2 = P[X = x2 ],

. . . , pN = P[X = xN ].

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Espérance

Definition
L’espérance mathématique E[X ] d’une variable aléatoire X
joue le rôle dévolu à la moyenne en statistiques : elle
correspond à la valeur moyenne espérée par un observateur
lors d’une réalisation de la variable aléatoire X . On a :
N
X N
X
E[X ] = pi · xi = xi · P[X = xi ]
i=1 i=1

lorsque X peut prendre N valeurs différentes x1 , . . . , xN avec

comme probabilités élémentaires pi = P[X = xi ].

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Remarque
L’espérance E[X ] n’est qu’un indicateur moyen et ne peut
caractériser la loi une variable aléatoire à lui tout seul.

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Variance

Pour décrire plus précisément le comportement de X , sans

pour autant caractériser complètement la loi de X , on peut
s’intéresser aux écarts de X par rapport à cette moyenne.
Cependant, si on considère simplement la différence X − E[X ],
on obtient un écart moyen E[X − E[X ]] = 0 (par linéarité de
l’espérance). On pourrait considérer la valeur moyenne de
|X − E[X ]| mais on préfère considérer la moyenne de
(X − E[X ])2 , plus pertinente mathématiquement.

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Definition
La variance mesure ainsi la déviation moyenne autour de la
moyenne espérée E[X ], et est définie par
N

2  X
2
V [X ] = E X − E[X ] = pi · xi − E[X ] .
i=1

Proposition
Elle est toujours positive puisqu’il s’agit de l’espérance d’un
carré.
Autre expression de la variance :

V (X ) = E[X 2 ] − (E[X ])2 . (1)

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Definition
La variance mesure ainsi la déviation moyenne autour de la
moyenne espérée E[X ], et est définie par
N

2  X
2
V [X ] = E X − E[X ] = pi · xi − E[X ] .
i=1

Proposition
Elle est toujours positive puisqu’il s’agit de l’espérance d’un
carré.
Autre expression de la variance :

V (X ) = E[X 2 ] − (E[X ])2 . (1)

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Definition
La variance mesure ainsi la déviation moyenne autour de la
moyenne espérée E[X ], et est définie par
N

2  X
2
V [X ] = E X − E[X ] = pi · xi − E[X ] .
i=1

Proposition
Elle est toujours positive puisqu’il s’agit de l’espérance d’un
carré.
Autre expression de la variance :

V (X ) = E[X 2 ] − (E[X ])2 . (1)

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Definition
Pour mesurer la dispersion d’une variable aléatoire X , on
considère souvent en statistiques l’écart-type, lié à la variance
par : p
σX = V (X ). (2)

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Propriétés de l’espérance et de la variance

Proposition (Linéarité de l’espérance)

Si X et Y sont deux variables aléatoires définies sur le même
univers Ω et a, b deux réels,

E[aX + bY ] = aE[X ] + bE[Y ]. (3)

En particulier, E[aX ] = aE[X ].

Proposition (Non-linéarité de la variance)

Pour toute variable aléatoire X et a, b ∈ R

V (aX + b) = a2 V (X ).

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Propriétés de l’espérance et de la variance

Proposition (Linéarité de l’espérance)

Si X et Y sont deux variables aléatoires définies sur le même
univers Ω et a, b deux réels,

E[aX + bY ] = aE[X ] + bE[Y ]. (3)

En particulier, E[aX ] = aE[X ].

Proposition (Non-linéarité de la variance)

Pour toute variable aléatoire X et a, b ∈ R

V (aX + b) = a2 V (X ).

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Proposition (Inégalité de Markov)

(cf TD) Soit X une variable aléatoire positive d’espérance finie,
alors pour tout a > 0

1
P[X ≥ a] ≤ E[X ]. (4)
a

Proposition (Inégalité de Bienaymé-Tchebychev)

(cf TD) Soit X une variable aléatoire réelle de variance finie,
alors pour tout a > 0

1
P[| X − E[X ] |≥ a] ≤ V (X ). (5)
a2

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Définition
Rappels sur les variables aléatoires Quelques exemples
Lois classiques discrétes loi d’une v.a
Approximation en loi Paramétres classiques d’une loi
Quelques propriétés

Proposition (Inégalité de Markov)

(cf TD) Soit X une variable aléatoire positive d’espérance finie,
alors pour tout a > 0

1
P[X ≥ a] ≤ E[X ]. (4)
a

Proposition (Inégalité de Bienaymé-Tchebychev)

(cf TD) Soit X une variable aléatoire réelle de variance finie,
alors pour tout a > 0

1
P[| X − E[X ] |≥ a] ≤ V (X ). (5)
a2

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

1 Rappels sur les variables aléatoires

Définition
Quelques exemples
loi d’une v.a
Paramétres classiques d’une loi
Quelques propriétés
2 Lois classiques discrétes
Loi uniforme
Loi de Bernoulli
Loi binomiale
Loi de Poisson
3 Approximation en loi

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Loi uniforme

Elle modélise des situations d’équiprobabilités.

Definition
On dit qu’une variable aléatoire X suit une loi uniforme
discrète lorsqu’elle prend ses valeurs dans {1, . . . , n} avec des
probabilités élémentaires identiques. Puisque la somme des
ces dernières doit valoir 1, on en déduit qu’elles doivent toutes
être égales à un 1/n :

1
∀k = 1 . . . n, P[X = k ] = .
n

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Loi uniforme, paramétres

Proposition (Espérance et variance)

On calcule aisément
n+1
E[X ] = ,
2
n2 − 1
V (X ) = .
12

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Preuve :

1 1 1 1
E[X ] = 1. + 2. + 3. + · · · + +n. ,
n n n n
n
1 X
= . k,
n
k =1
1 n(n + 1)
= . ,
n 2
n+1
= .
2

= n(n+1)
Pn
k =1 k 2 est la somme des premiers termes d’une suite
arithmétique de raison 1 de premier terme 1.
Clément Rau Cours 1: lois discrétes classiques en probabilités
 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Preuve :

1 1 1 1
E[X 2 ] = 12 . + 22 . + 32 . + · · · + +n2 . ,
n n n n
n
1 X 2
= . k ,
n
k =1
1 n(n + 1)(2n + 1)
= . ,
n 6
(n + 1)(2n + 1)
= .
6

= n(n+1)(2n+1)
Pn 2
k =1 k 6 est un résultat classique qui se
démontre par récurrence.
Clément Rau Cours 1: lois discrétes classiques en probabilités
 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Preuve :
Ainsi,
V [X ] = E[X 2 ] − (E[X ])2 ,
(n + 1)(2n + 1) (n + 1)2
= − ,
6 4
2n + 1 n + 1
= (n + 1) − ,
6 4
 
4n + 2 − 3n − 3
= (n + 1) ,
12
n−1
= (n + 1) ,
12
n2 − 1
= .
12
Clément Rau Cours 1: lois discrétes classiques en probabilités
 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Loi uniforme, exemple

Exemple :
X = résultat d’un jet de dé à six faces non-pipé.
Les n = 6 modalités possibles, x1 = 1, x2 = 2, x3 = 3, x4 = 4,
x5 = 5, x6 = 6, ont toutes pour probabilité élémentaire 1/6 :

1
∀k = 1 . . . 6, P[X = k ] =
6

et on peut calculer E[X ] = 72 ; V [X ] = 35

12 .

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Loi de Bernoulli
Definition
Cette loi est celle de toute variable aléatoire X modélisant une
expérience dont l’issue ne possède que deux alternatives de
type "succès ou échec", "vrai ou faux", "marche ou arrêt", pile
ou face", etc. Un succès est représenté par l’évènement
{X = 1} tandis que {X = 0} correspond à un échec
X (Ω) = {0; 1}. Puisque l’on a P[X = 0] = 1 − P[X = 1], la loi de
X ne dépend que d’un paramètre (la probabilité de succès) ; on
parle alors de la loi de Bernoulli de paramètre p caractérisée
par

P[X = 1] = p,
P[X = 0] = 1 − p.
Clément Rau Cours 1: lois discrétes classiques en probabilités
 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Exemple de base

On joue au Pile ou Face avec proba p de tomber sur Pile (et

donc 1 − p de tomber sur Face).
Soit 
1 si on obtient Pile
X =
0 sinon
alors X suit une Bernoulli(p).

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Exemple de base

On joue au Pile ou Face avec proba p de tomber sur Pile (et

donc 1 − p de tomber sur Face).
Soit 
1 si on obtient Pile
X =
0 sinon
alors X suit une Bernoulli(p).

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Exemple de base

On joue au Pile ou Face avec proba p de tomber sur Pile (et

donc 1 − p de tomber sur Face).
Soit 
1 si on obtient Pile
X =
0 sinon
alors X suit une Bernoulli(p).

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Exemple de base

On joue au Pile ou Face avec proba p de tomber sur Pile (et

donc 1 − p de tomber sur Face).
Soit 
1 si on obtient Pile
X =
0 sinon
alors X suit une Bernoulli(p).

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Paramétres d’une Bernoulli

Proposition (Espérance et variance)

E[X ] = p,
V [X ] = p(1 − p).

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Loi binomiale

Definition
La loi binomiale est la loi de probabilité d’une variable
aléatoire représentant une série d’épreuves de Bernoulli
possédant les propriétés suivantes :
1 Chaque épreuve donne lieu à deux éventualités exclusives
de probabilités constantes p et q = 1 − p.
2 Les épreuves répétées sont indépendantes les unes des
autres.
3 La variable aléatoire X correspondante prend pour valeur
le nombre de succès dans une suite de n épreuves.

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Loi binomiale

Cette loi est donc caractérisée par deux paramètres : n et p.

Lors d’une telle expérience, on dit que X suit une binomiale
B(n, p), à valeurs dans X (Ω) = {0, 1, 2, . . . , n}.

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Loi binomiale

Cette loi est donc caractérisée par deux paramètres : n et p.

Lors d’une telle expérience, on dit que X suit une binomiale
B(n, p), à valeurs dans X (Ω) = {0, 1, 2, . . . , n}.

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Exemple de base

On joue n fois au pile ou face. Pour 1 ≤ i ≤ n, on pose


1 si on obtient Pile
Xi = au i iéme lancés.
0 sinon

Soit Y le nombre de "Piles" obtenus au cours des n lancers

indépendants de la pièce.
Alors,
Y = X1 + X2 + ... + Xn
et Y suit une loi binomiale B(n, p).

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Exemple de base

On joue n fois au pile ou face. Pour 1 ≤ i ≤ n, on pose


1 si on obtient Pile
Xi = au i iéme lancés.
0 sinon

Soit Y le nombre de "Piles" obtenus au cours des n lancers

indépendants de la pièce.
Alors,
Y = X1 + X2 + ... + Xn
et Y suit une loi binomiale B(n, p).

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Exemple de base

On joue n fois au pile ou face. Pour 1 ≤ i ≤ n, on pose


1 si on obtient Pile
Xi = au i iéme lancés.
0 sinon

Soit Y le nombre de "Piles" obtenus au cours des n lancers

indépendants de la pièce.
Alors,
Y = X1 + X2 + ... + Xn
et Y suit une loi binomiale B(n, p).

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Exemple de base

On joue n fois au pile ou face. Pour 1 ≤ i ≤ n, on pose


1 si on obtient Pile
Xi = au i iéme lancés.
0 sinon

Soit Y le nombre de "Piles" obtenus au cours des n lancers

indépendants de la pièce.
Alors,
Y = X1 + X2 + ... + Xn
et Y suit une loi binomiale B(n, p).

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Autre manière de voir une binomiale

Théorème
Si Y peut s’écrire ainsi :

Y = X1 + · · · + Xk + · · · + Xn

où les Xk sont des variables aléatoires de Bernoulli

indépendantes de paramètre p, correspondant au succès d’une
seule épreuve de pile ou face. Alors Y suit une loi binomiale
B(n, p).

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Pour déterminer les probabilités des événements élémentaires

d’une variable aléatoire suivant une loi binomiale, il nous faut
tout d’abord déterminer le nombre de possibilités d’obtenir k
succès au cours de n épreuves.
Il s’agit de déterminer le nombre de combinaisons (non
ordonnées) de k objets pris parmi n, avec bien sûr k ≤ n. Les
combinaisons sont non ordonnées car seul importe d’avoir k
objets (succès pour nous) et non pas à quel(s) tirage(s) ces
succès ont eu lieu. On connaît le nombre de possibilités de k
succès et n échec, (Cnk ) il suffit de les multiplier par les
probabilités de succès et d’échec pour obtenir la loi binomiale.
On a donc :

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Pour déterminer les probabilités des événements élémentaires

d’une variable aléatoire suivant une loi binomiale, il nous faut
tout d’abord déterminer le nombre de possibilités d’obtenir k
succès au cours de n épreuves.
Il s’agit de déterminer le nombre de combinaisons (non
ordonnées) de k objets pris parmi n, avec bien sûr k ≤ n. Les
combinaisons sont non ordonnées car seul importe d’avoir k
objets (succès pour nous) et non pas à quel(s) tirage(s) ces
succès ont eu lieu. On connaît le nombre de possibilités de k
succès et n échec, (Cnk ) il suffit de les multiplier par les
probabilités de succès et d’échec pour obtenir la loi binomiale.
On a donc :

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Calcul des probabilités d’une binomiale

Proposition
Les probabilités élémentaires d’une variable aléatoire X suivant
une loi binomiale B(n, p) sont données pour tout nombre de
succès k = 1 . . . n par :

P[X = k ] = Cnk · pk · (1 − p)n−k .

Remarque
On a bien, en utilisant la formule du binome,
n
X n
X
P[X = k ] = Cnk · pk · (1 − p)n−k
k =0 k =0
=1
Clément Rau Cours 1: lois discrétes classiques en probabilités
 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Paramètres d’une binomiale

Proposition (Espérance et variance)

E[X ] = np,
V [X ] = np(1 − p).

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Preuve :

On a l’écriture X = X1 + X2 + · · · + Xk + · · · + Xn , ou les Xk sont

n variables aléatoires de Bernoulli indépendantes. On a en effet
par linéarité de l’espérance

E[X ] = E[X1 ] + E[X2 ] + · · · + E[Xk ] + · · · + E[Xn ] = n · E[X1 ] = n · p

et par indépendance des variables aléatoires (Xk )k =1...n

V [X ] = V [X1 ]+V [X2 ]+· · ·+V [Xk ]+· · ·+V [Xn ] = n·V [X1 ] = n·p·(1−p)

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Loi de Poisson
Cette loi peut modéliser les événements rares. Par exemple,
elle peut modèliser le nombre d’appels reçus par un standard
téléphonique, le nombre de voyageurs se présentant à un
guichet dans la journée, etc. Pour des raisons tues ici, elle
s’exprime à l’aide de la fonction exponentielle et dépend d’un
paramètre λ > 0, qui correspond au nombre moyen
d’occurence du phénomène observé pendant la durée donnée.
Plus formellement :
Definition
Une variable aléatoire X suit une loi de Poisson de paramêtre
λ > 0, notée P(λ) lorsque X (Ω) = N et pour tout k ∈ N

λk
P[X = k ] = e−λ
k!
Clément Rau Cours 1: lois discrétes classiques en probabilités
 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Loi de Poisson
Cette loi peut modéliser les événements rares. Par exemple,
elle peut modèliser le nombre d’appels reçus par un standard
téléphonique, le nombre de voyageurs se présentant à un
guichet dans la journée, etc. Pour des raisons tues ici, elle
s’exprime à l’aide de la fonction exponentielle et dépend d’un
paramètre λ > 0, qui correspond au nombre moyen
d’occurence du phénomène observé pendant la durée donnée.
Plus formellement :
Definition
Une variable aléatoire X suit une loi de Poisson de paramêtre
λ > 0, notée P(λ) lorsque X (Ω) = N et pour tout k ∈ N

λk
P[X = k ] = e−λ
k!
Clément Rau Cours 1: lois discrétes classiques en probabilités
 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

paramètre d’une loi de poisson

Proposition (Espérance et variance)

E[X ] = λ,
V [X ] = λ.

Bon exercice : démontrer cette propriété !

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

paramètre d’une loi de poisson

Proposition (Espérance et variance)

E[X ] = λ,
V [X ] = λ.

Bon exercice : démontrer cette propriété !

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Exemple :

Si on sait qu’en général un standard téléphonique reçoit 20

appels dans la journée et que l’on peut modéliser le nombre
aléatoire d’appels par une loi de Poisson, on pourra calculer la
probabilité d’avoir k appels, pour tout k, à l’aide des formules
données par une loi de Poisson P(20).
Remarque
Dans la pratique, des tables donnant les probabilités
élémentaires pour différentes valeurs du paramètre sont
disponibles et peuvent être utilisées.

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Loi uniforme
Rappels sur les variables aléatoires
Loi de Bernoulli
Lois classiques discrétes
Loi binomiale
Approximation en loi
Loi de Poisson

Exemple :

Si on sait qu’en général un standard téléphonique reçoit 20

appels dans la journée et que l’on peut modéliser le nombre
aléatoire d’appels par une loi de Poisson, on pourra calculer la
probabilité d’avoir k appels, pour tout k, à l’aide des formules
données par une loi de Poisson P(20).
Remarque
Dans la pratique, des tables donnant les probabilités
élémentaires pour différentes valeurs du paramètre sont
disponibles et peuvent être utilisées.

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Rappels sur les variables aléatoires
Lois classiques discrétes
Approximation en loi

Approximation d’une binomiale par une poisson

Proposition
Soit Xn des v.a telle que Xn ∼ B(n, pn ) et Y ∼ P(λ) alors pour
tout 0 ≤ k ≤ n, on a

si lim npn = λ, alors lim P(Xn = k ) = P(Y = k )

n→+∞ n→+∞

On dit que Xn converge en loi vers la loi de Poisson et on écrit :

L
Xn −→ Y
n→∞

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Rappels sur les variables aléatoires
Lois classiques discrétes
Approximation en loi

idée de preuve :

On a :

P(Xn = k ) = Cnk pnk (1 − pn )n−k

n(n − 1)...(n − k + 1) pnk
= (1 − pn )n
k! (1 − pn )k
n(n − 1)...(n − k + 1) λk 1 λ
' k λ
(1 − )n
n k ! (1 − n )k n
λk −λ
' e
k!

Clément Rau Cours 1: lois discrétes classiques en probabilités

 Rappels sur les variables aléatoires
Lois classiques discrétes
Approximation en loi

Utilisation pratique de cette approximation

Si X suit une Binomiale(n, p), avec n grand (n ≥ 30) et p petit
(p ≤ 0, 1).

Alors,

pour tout k ≥ 0, P(X = k ) ' P(Y = k ),

où Y suit une loi de Poisson de paramétre λ = n × p.

Concrétement, on s’autorise donc l’approximation suivante :

λk −λ
P(X = k ) ' e .
k!
Clément Rau Cours 1: lois discrétes classiques en probabilités
 Rappels sur les variables aléatoires
Lois classiques discrétes
Approximation en loi

Utilisation pratique de cette approximation

Si X suit une Binomiale(n, p), avec n grand (n ≥ 30) et p petit
(p ≤ 0, 1).

Alors,

pour tout k ≥ 0, P(X = k ) ' P(Y = k ),

où Y suit une loi de Poisson de paramétre λ = n × p.

Concrétement, on s’autorise donc l’approximation suivante :

λk −λ
P(X = k ) ' e .
k!
Clément Rau Cours 1: lois discrétes classiques en probabilités
 Rappels sur les variables aléatoires
Lois classiques discrétes
Approximation en loi

Utilisation pratique de cette approximation

Si X suit une Binomiale(n, p), avec n grand (n ≥ 30) et p petit
(p ≤ 0, 1).

Alors,

pour tout k ≥ 0, P(X = k ) ' P(Y = k ),

où Y suit une loi de Poisson de paramétre λ = n × p.

Concrétement, on s’autorise donc l’approximation suivante :

λk −λ
P(X = k ) ' e .
k!
Clément Rau Cours 1: lois discrétes classiques en probabilités