Probabilités
: support du cours
Probabilités
I) Généralités
Vocabulaire des probabilités :
L'exemple choisi pour introduire le vocabulaire probabiliste est le jet d'un dé )
Epreuve ou expérience aléatoire :
expérience pouvant être répétée dans des conditions identiques et dont l'issue
n'est pas prévisible à priori. ( Le jet d'un dé en regardant le nombre
correspondant sur la face supérieure est une expérience aléatoire)
Eventualité , cas possible :
résultat d'une épreuve, notée généralement 1, 2, ....
(Exemple : 1,2,3,4,5,6 sont les éventualités de l'expérience aléatoire définie ci-
dessus comme exemple )
Univers :
associé à une expérience aléatoire, ensemble des cas possibles d'une expérience
aléatoire. L'univers est généralement noté .
( exemple choisi = {1,2,3,4,5,6} )
Événement :
partie de l'univers.
( Exemple : "obtenir un nombre pair" est un événement, A = {2,4,6} )
Si une éventualité appartient à un événement, on dit qu'elle réalise cet
événement.
L'événement particulier est un événement particulier puisqu'il contient toute
les éventualités d'une même expérience aléatoire, il est donc toujours réalisé on
l'appelle événement certain.
Aucune éventualité appartient à l’événement , il est donc jamais réalisé, est
appelé événement impossible.
Événement élémentaire :
événement réduit à une seule éventualité ( Exemple : "obtenir 6" est un
événement élémentaire , B= {6} ) Les événements étant des ensembles on peut
définir les mêmes opérations que sur les ensembles.
Si A et B sont deux événements d'une même expérience aléatoire :
A le complémentaire de A est appelé événement contraire de A. ( Exemple si A
est l'événement : A :"Obtenir un nombre pair " , A= {2,4,6} , A est
l'événement contraire A: " Ne pas obtenir de nombre pair " , A= {1,3,5} ).
Remarque deux événements contraires sont incompatibles.
A B : l'événement A B est la réunion des événement A et B . ( Exemple si A
est l'événement : A :"Obtenir un nombre pair " , A= {2,4,6} , et B: " Obtenir un
nombre supérieur ou égal à 4 ", B={4,5,6} A B : "Obtenir un nombre pair ou
4" et A B = {2,4,5,6})
A B : l'événement A B est l'intersection des événement A et B . ( Exemple si
A est l'événement : A :"Obtenir un nombre pair " , A= {2,4,6} , et B: " Obtenir
un nombre supérieur ou égal à 4 ", B={4,5,6} A B : "Obtenir un nombre pair et
4" et A B = {4,6})
Page 1 sur 29
Probabilités : support du cours
Si A B = , les événements A et B sont dit incompatibles , il ne peuvent pas
se réaliser en même temps ( Exemple si A est l'événement : A :"Obtenir un
nombre < 3 " , A= {1,2} , et B: " Obtenir un nombre supérieur ou égal à 4 ",
B={4,5,6} A B : "Obtenir un nombre < 3 et 4" et A B = ).
II ) Dénombrement
Définition : dénombrer, c'est compter les éléments d'un ensemble fini. Plusieurs
méthodes permettent de dénombrer un ensemble, le principe c'est d'organiser
efficacement les données pour éviter d'oublier des éléments de l'ensemble.
Méthodes de dénombrement :
Arbre
Dénombrement d'un ensemble avec un arbre
Pour comprendre on va prendre un énoncé type :
Enoncé :
Une urne contient 7 boules numérotées de 1 à 7
on tire au hasard et successivement 3 boules de cette urne
le tirage est avec remise, c'est à dire qu'on remet la boule une fois tirée. (voir
exemple de tirage ci-dessous)
Quel est alors le nombre de tirages possibles ?
Page 2 sur 29
Probabilités : support du cours
Il y a 7 choix possibles pour la première boule de même pour la seconde une fois
la première boule sortie et de même pour la troisième boule.
il y a dans ce cas 7 x 7 x 7 tirages possibles soit 343 tirages
(le nombre de ramification à chaque branche est le même , il s'agit en fait du
nombre de 3-listes dans un ensemble à 7 éléments )
on tire au hasard et successivement 3 boules de cette urne
le tirage est sans remise, c'est à dire qu'on ne remet pas la boule une fois tirée.
(exemple de tirage ci-dessous)
Quel est alors le nombre de tirages possibles ?
Page 3 sur 29
Probabilités : support du cours
Il y a 7 sorties possibles pour la
première boule, mais la seconde boule
sera quant à elle tirée parmi les 6
restantes et la troisième parmi les 5
restantes.
Le nombre de tirages est donc 7 x 6 x
5 = 210.
( le nombre de ramifications diminue
d'une branche à chaque étape , il s'agit
en fait du nombre d'arrangements de 3
éléments pris parmi un ensemble de 7
élément )
on tire au hasard et simultanément 3 boules de cette urne
(voir exemple de tirage ci-dessous ) il n'y a plus d'ordre d'arrivée des boules
vous pouvez construire un arbre comme précédemment et supprimer les
ramifications équivalente puisque par exemple : ( , , ) = ( , , )
= .....=....
Page 4 sur 29
Probabilités : support du cours
Ou bien calculer le nombre de
permutations possibles de trois boules
distinctes quelconques en vous aidant
d'un arbre vous devez en trouver 6.
il y a donc 210/6 = 35 tirages
possibles. (il s'agit en fait du nombre
de combinaison de 3 éléments pris
dans un ensemble à 7 éléments)
Partition
Utilisation d'une partition
pour dénombrer un ensemble
Exemple d'énoncé pour comprendre :
Dans une entreprise de 120 salariés, on sait parler au moins une langue parmi
l'Allemand, l'Espagnol , l'Anglais.
8 personnes parlent les trois langues,
2 parlent l'Allemand et l'Espagnol mais pas l'Anglais,
10 parlent uniquement l'Espagnol,
101 personnes parlent l'Anglais,
Page 5 sur 29
Probabilités : support du cours
50 personnes parlent l'Espagnol,
52 personnes parlent l'Allemand.
On veut déterminer :
le nombre de personnes qui
parlent l'Anglais et
l'Espagnol, mais pas
l'Allemand.
le nombre de personnes qui
parlent l'Allemand et
l'Anglais mais pas l'Espagnol
le nombre de personnes qui
parlent l'Anglais seul
le nombre de personnes qui
parlent l'Allemand seul
On fait le graphe
correspondant :
Chaque disque correspond à un groupe de personne pratiquant une langue ( sauf
le rouge)
on peut distinguer 8 partitions .
notons a, b, c, d , e, f , g, h le nombre d'éléments de chaque partition, traduisons
l'énoncé, on a :
Il y a c = 30 personnes parlant l'Anglais et l'Espagnol , mais pas l'Allemand.
Il y a b = 35 personnes parlant l'Anglais et l'Allemand mais pas l'Espagnol.
Il y a d = 7 personnes parlant l'Allemand uniquement.
Dénombrements d'ensembles finis
Définition
Page 6 sur 29
Probabilités : support du cours
Un ensemble est une "collection" de plusieurs objets de même nature ou de
nature différente, on peut considérer par exemple les élèves d'une classe comme
des éléments de l'ensemble classe.
Un ensemble peut être :
vide si il ne possède aucun élément on le note
fini dans le cas où on peut compter ses éléments.
(infini dans le cas contraire)
booléen si il contient comme seuls éléments 0 et 1 ( faux ou vrai )
Notations et définitions :
- Si un élément a appartient à un ensemble A, on note : a A ce qui se traduit par
" a est un élément de A " ou bien a appartient à A" , si un élément x n'appartient
pas à A on note : x A .
- Si un ensemble A est tel que tous ses éléments appartiennent à un ensemble B
on dit dans ce cas que l'ensemble A est inclus dans B et on note : A B, on dit
aussi que A est un sous ensemble de B.
Pour définir les différentes opérations sur les ensembles, choisissons un
ensemble de référence que l'on notera , le nombre des éléments d'un ensemble
E fini est appelé cardinal de E et note card E
p-listes
Définition :
Une p-liste de p éléments pris dans un ensemble à n éléments est une suite
constituées de p éléments distincts ou non de cet ensemble.
Soit E = { x1 ; x2; x3 ; x4 ; ......; xn }
Exemples de p-listes :
(x1 ; x2; .........; xp)
(x1 ; x1 ; x1; ..;x1)
(x1 ; x1; x2; x2; ...; ..)
Remarque :
il peut y avoir répétition d'un même élément dans une p-liste.
Nombre de p-liste :
Le nombre de p-listes de p éléments pris dans un ensemble à n élément est égal à
np
Page 7 sur 29
Probabilités : support du cours
Pour comprendre utilisons un arbre :
Dans l'exemple ci-dessous droite on a dénombré à l'aide d'un arbre le nombre de
p-liste de 3 éléments pris dans l'ensemble de 4 éléments :
E ={a, b, c, d }
il y a 43 p-listes . L'ensemble de ces p-listes est {(a,b,c) ; (a,b,d), (a, a, a)
(a,a,b).......}
Exemple
Arrangements
Définition : un arrangement de p éléments sur un ensemble à n éléments est une
p-liste dans laquelle les éléments sont deux à deux distincts. ( p n)
Soit E un ensemble à n éléments
E = { x1 ; x2; x3 ; x4 ; ......; xn }
Exemples d'arrangements de p éléments :
(x1 ; x2; x3 ; x4;.........; xp)
(x2 ; x1; x3 ; x4;.........; xp)
(x2 ; x3; x4 ; x5;.........; xp+1)
Remarque : il ne peut plus y avoir répétition d'un même élément.
Nombre d'arrangement de p éléments pris dans un ensemble à n éléments :
Le nombre d'arrangement de p élément pris dans un ensemble à n éléments est
égal à :
Page 8 sur 29
Probabilités : support du cours
pour le comprendre on peut faire un arbre :
Dans l'exemple ci-dessous on a
dénombré à l'aide d'un arbre le nombre
d'arrangements de 3 éléments pris dans
l'ensemble
E ={a, b, c, d }
le nombre d'arrangements est :
L'ensemble de ces arrangements est
{(a,b,c) ; (a,b,d), (b, a, d) ............}
Combinaisons
Définition : Une combinaison de p éléments pris parmi n éléments d'un
ensemble E à n éléments est un sous ensembles de p éléments pris parmi les n
Page 9 sur 29
Probabilités : support du cours
éléments de E.
Soit E un ensemble à n éléments
E = { x1 ; x2; x3 ; x4 ; ......; xn }
Exemples de combinaisons de p éléments :
{x1 ; x2; x3 ; x4;.........; xp}
{x2 ; x3; x4 ; x5;.........; xp+1}
Remarque : {x1 ; x2; x3 ; x4;.........; xp} et {x2 ; x1; x3 ; x4;.........; xp} représente la
même combinaison, ce qui fait la différence avec un arrangement.
Nombre de combinaison :
Le nombre de combinaisons de p élément pris dans un ensemble à n éléments
est égal au coefficient binomial :
( on divise le nombre d'arrangements des p-éléments pris parmi n par le nombre
de permutations de ces p éléments)
Dans l'exemple ci-dessous on a
dénombré à l'aide d'un arbre le nombre
de combinaisons de 3 éléments pris
dans l'ensemble
E ={a, b, c, d }.
Le nombre de combinaisons est :
Permutations
Définitions :
Une permutation de n élément est un arrangement de n éléments pris parmi n.
Soit E un ensemble à n éléments
E = { x1 ; x2; x3 ; x4 ; ......; xn }
Exemples de permutation de n éléments :
(x1 ; x2; x3 ; x4;.........; xn)
(x2 ; x1; x3 ; x4;.........; xn)
(x3 ; x2; x1 ; x4;.........; xn)
(xn ; xn-1; xn-2 ; xn-3;.........; x1)
Nombre de permutations de n éléments :
On démontre que le nombre de permutation de n élément est :
n! = n(n-1)(n-2)......2x1 ( n ! se lit factorielle n )
Page 10 sur 29
Probabilités : support du cours
Exemple :
le nombre de permutations de 3 éléments d'un ensemble
E = {a, b, c} est : 3! = 6
Page 11 sur 29
Probabilités : support du cours
III Les lois de probabilités
Définition : Une loi de probabilité est un MODELE représentant "au mieux",
une distribution de fréquences d'une variable aléatoire. Définir la loi de
probabilité d’une expérience aléatoire, c’est déterminer les probabilités p1, p2, …
, pn, de chacun de ces évènements : x1, x2, … , xn.
On distingue deux type de 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 ) et la variance Var(X) (notée )
La forme de la fonction de répartition et 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 :
La fonction de densité sera notée f(x), la fonction de répartition F(x)
Variable aléatoire et loi de probabilité
Définir une variable aléatoire X, c’est :
Faire une partition de l’univers avec les évènements constitué par les
différentes issues possibles de l’expérience,
Associer à chaque évènement d’une épreuve un nombre réel xi.
Exemple :
Une urne contient dix boules indiscernables au toucher, l’une d’entre-elles porte
le numéro 10, deux portent le numéro 5, trois portent le numéro 3 et les autres
portent le numéro 1.
L’expérience consiste à extraire au hasard une boule de l’urne et à noter son
numéro.
L’univers de cette expérience est formé de l’ensemble des 10 boules. On
s’intéresse aux 4 évènements suivants qui forment une partition de :
Variable aléatoire :
A1 : « la boule extraite porte le numéro 10 »;
A2 : « la boule extraite porte le numéro 5 » ;
A3 : « la boule extraite porte le numéro 3 »;
A4 : « la boule extraite porte le numéro 1 ».
On vient d’associer à chaque évènement de la partition un nombre réel xi et donc
de définir la variable aléatoire X : «numéro de la boule extraite». On dit que xi
=10 est une représentation de la variable aléatoire X
Loi de probabilité :
A1 : « la boule extraite porte le numéro 10 » dont la probabilité est
A2 : « la boule extraite porte le numéro 5 », dont la probabilité est
Page 12 sur 29
Probabilités : support du cours
A3 : « la boule extraite porte le numéro 3 », dont la probabilité est
A4 : « la boule extraite porte le numéro 1 », dont la probabilité est .
On peut consigner ces résultats dans un tableau tel que celui-ci :
Xi = valeurs possibles de x1 =10 x2=5 x3=3 x4=1
l’expérience
Pi probabilité correspondante p1=1/10 p2=2/10 p3=3/10 p4=4/10
Remarque : on a p1 + p2 + … + pn = 1
Espérance mathématique et variance
Espérance mathématique d’une variable aléatoire :
Quand les évènements d’une partition n’ont pas la même probabilité on ne parle
pas de moyenne mais d’espérance mathématique que on note E{X}.
E{X}= x
p
n
i 1 i i
avec n le nombre d’événements de la partition
Si les pi sont tous égaux (équiprobabilité avec pi = 1/n) alors E{X} est égale à
une simple moyenne.
Dans notre exemple : E{X}= 10 + 5 + 3 + 1 = 3,3
Variance d’une variable aléatoire:
Si la loi de probabilité est équiprobable, la variance chiffre la dispersion des
évènements autour de la valeur moyenne. Si cette dispersion est grande ; la
moyenne est peu significative de la variable aléatoire. La variance chiffre en
quelque sorte la qualité de la moyenne. En effet si la moyenne d’une classe et de
12 mais que la dispersion est grande, un élève ne peut pas vraiment être
persuadé de sa note. Si maintenant il sait que la dispersion est faible, il peut
s’attendre à avoir une note proche de 12.
Lorsque la loi de probabilité n’est pas équiprobable la variance chiffre la
dispersion autour de l’espérance mathématique. Elle se note V(X) et :
V(X) = (x1 – E(X))² p1 + (x2 – E(X))² p2 + … + (xn – E(X))² pn. Soit :
n
V ( X ) pi xi E ( X )
2
i 1
On somme les écarts à l’espérance mathématique au carré afin que les écarts
négatifs ne compensent pas les écarts positifs. De la même façon que dans
l’espérance mathématique, ces écarts sont pondérés avec les probabilités des
évènements.
Afin de s’affranchir de cette somme au carré peu parlante on définit l’écart type
de la variable aléatoire et :
Page 13 sur 29
Probabilités : support du cours
VX
L’écart type est la racine carrée de la variance : X
La loi de probabilité, l’espérance mathématiques et l’écart type définissent
clairement une variable aléatoire.
Les lois de probabilités fondamentales
1 Epreuve ou loi de Bernouilli
Considérons une expérience dont l'univers ne contient que deux événements
élémentaires. On appelle succès la réalisation de A et échec la réalisation de son
contraire A .
Posons P(A) = p la probabilité de l’événement A et P( A ) = q la probabilité de
l’événement A . p et q sont liés par la relation p + q = 1
Exemple : Un joueur lance un dé non pipé et on s’intéresse à l’obtention du six.
Soit A l'événement «on obtient un trois ». Nous avons P(A) = 1/6 et P ( A ) =
5/6.
Lorsqu'on s'intéresse ainsi à un événement A ou à son contraire , la
réalisation de l'expérience est appelée épreuve de Bernoulli.
2 Loi Binomiale
Considérons une suite de n épreuves de Bernoulli identiques et indépendantes.
On note p la probabilité commune de succès. On dit alors qu’on est dans un
schéma de Bernoulli caractérisé par p la probabilité de succès à chaque épreuve
et n le nombre d’épreuves.
Soit n un entier tel que n 1 et soit p [0, 1]. Par définition la variable
aléatoire X qui désigne le nombre de succès de probabilité commune p dans un
schéma de Bernoulli suit une loi binomiale de paramètres n et p, notée
B (n ; p)
Exemple : On lance plusieurs fois un dé et on s’intéresse au nombre
d’apparitions du six. On lance le dé deux fois
:
Page 14 sur 29
Probabilités : support du cours
La loi de probabilité de la variable X qui compte le nombre de succès est :
xi 0 1 2 3
125 25 5 1
p( X = xi ) 216 72 72 216
1 1
L’espérance mathématique E (X) = 3 6 = 2
1 5 5
La variance est V(X) = 3 6 6 = 12
Ainsi E{X} = n p et V(X) ) = n p p
Exemple jeu pile ou face pour n =5 et p = «1/2 pour avoir face
Déterminer la loi de probabilité pour k =6
Réponse : P(x=0) 1/32 P(x=1) =5/35 P(x=2)= 5/16 P(x=3) =5/16 P(x=4) =5/32
P(x=5) =1/3
E(x) =5/2 V(x) =5/4
3 Loi de Poisson
Loi de Poisson : On dit qu'une variable aléatoire X, à valeurs dans suit une loi
géométrique si sa loi de probabilité est :
où est un réel strictement positif
Espérance et variance mathématique :
L'espérance mathématique d'une variable aléatoire suivant une loi de Poisson de
paramètre est E(X) =
La variance mathématique d'une variable aléatoire suivant une loi de Poisson de
paramètre est V(X) =
Page 15 sur 29
Probabilités : support du cours
jusqu'à k = 5 pour =2
Loi de probabilité de X :
4Loi normale ou de Gauss
Supposons que nous tirions des échantillons aléatoires d'une population dont la
taille moyenne est de 170 cm, avec un écart type de 10 cm.
Traçons l'histogramme de la taille, avec des classes de 5cm de large.
Examinons l’aspect de ces histogrammes
On constate qu’au fur et à mesure que la taille de l'échantillon augmente (et que
la taille des classes diminue), l'histogramme devient de plus en plus régulier et
se rapproche d'une courbe en cloche, appelée loi normale.
n
o
m
b
r
e
d’
i
n
d
i
v
i
d
u
s
120 140 160 180 200
taille (cm)
La loi normale est la loi statistique la plus répandue et la plus utile.
Elle représente beaucoup de phénomènes aléatoires.
De plus, de nombreuses autres lois statistiques peuvent être approchées par la loi
normale, tout spécialement dans le cas des grands échantillons.
Son expression mathématique est la suivante:
x 2
n 2
n( x )
2
e
2
Page 16 sur 29
Probabilités : support du cours
n(x)
+ x
est la moyenne l’écart type
n le nombre total d’individus dans l’échantillon n(x) le nombre
d’individus pour lesquels la grandeur analysée a la valeur x.
Lorsque la distribution des individus dans une population obéit à la loi normale,
on trouve :
A. 50 % des individus en dessous de la moyenne et 50 % au-dessus (la loi
normale est symétrique)
50 %
x
B. 68 % des individus entre et
68 %
x
+
C. 95 % des individus entre -1,96 et +1,96, que nous arrondirons à
l’intervalle 2,
95 %
x
2 + 2
Page 17 sur 29
Probabilités : support du cours
D. 99,7 % des individus entre et (il y a donc très peu de chances
qu’un individu s’écarte de la moyenne de plus de 3).
99,7 %
x
3 + 3
Calcul des probabilités pour la loi normale
Pour calculer les probabilités associées à la loi normale, on utilise généralement
la loi normale réduite : c’est une loi normale pour laquelle et .
La table suivante permet de déterminer la probabilité que la variable x s’écarte
de la moyenne de plus de z0 vers le haut.
Pour obtenir z0, on calcule l’écart par rapport à la moyenne : x - , puis on
z0
divise par l’écart type :
2ème décimale de z0
Z0 0 1 2 3 4 5 6 7 8 9
0. . . . . . . . . . .
0 500 496 492 488 484 480 476 472 468 464
0. . . . . . . . . . .
1 460 456 452 448 444 440 436 433 429 425
0. . . . . . . . . . .
2 421 417 413 409 405 401 397 394 390 386
0. . . . . . . . . . .
3 382 378 374 371 367 363 359 356 352 348
0. . . . . . . . . . .
4 345 341 337 334 330 326 323 319 316 312
0. . . . . . . . . . .
5 309 305 302 298 295 291 288 284 281 278
0. . . . . . . . . . .
6 274 271 268 264 261 258 255 251 248 245
0. . . . . . . . . . .
7 242 239 236 233 230 227 224 221 218 215
0. . . . . . . . . . .
8 212 209 206 203 200 198 195 192 189 187
Page 18 sur 29
Probabilités : support du cours
0. . . . . . . . . . .
9 184 181 179 176 174 171 169 166 164 161
1. . . . . . . . . . .
0 159 156 154 152 149 147 145 142 140 138
1. . . . . . . . . . .
1 136 133 131 129 127 125 123 121 119 117
1. . . . . . . . . . .
2 115 113 111 109 107 106 104 102 100 099
1. . . . . . . . . . .
3 097 095 093 092 090 089 087 085 084 082
1. . . . . . . . . . .
4 081 079 078 076 075 074 072 071 069 068
1. . . . . . . . . . .
5 067 066 064 063 062 061 059 058 057 056
1. . . . . . . . . . .
6 055 054 053 052 051 049 048 047 046 046
1. . . . . . . . . . .
7 045 044 043 042 041 040 039 038 038 037
1. . . . . . . . . . .
8 036 035 034 034 033 032 031 031 030 029
1. . . . . . . . . . .
9 029 028 027 027 026 026 025 024 024 023
2. . . . . . . . . . .
0 023 022 022 021 021 020 020 019 019 018
2. . . . . . . . . . .
1 018 017 017 017 016 016 015 015 015 014
2. . . . . . . . . . .
2 014 014 013 013 013 012 012 012 011 011
2. . . . . . . . . . .
3 011 010 010 010 010 009 009 009 009 008
2. . . . . . . . . . .
4 008 008 008 008 007 007 007 007 007 006
2. . . . . . . . . . .
5 006 006 006 006 006 005 005 005 005 005
2. . . . . . . . . . .
6 005 005 004 004 004 004 004 004 004 004
2. . . . . . . . . . .
7 003 003 003 003 003 003 003 003 003 003
Page 19 sur 29
Probabilités : support du cours
2. . . . . . . . . . .
8 003 002 002 002 002 002 002 002 002 002
2. . . . . . . . . . .
9 002 002 002 002 002 002 002 001 001 001
Lorsque l’on doit déterminer une probabilité à partir de la loi normale, on essaie
de se ramener à une probabilité considérée dans la table.
Quelques cas concrets sont illustrés ci-dessous.
1) x > + z0
Prob (table)
z0 + z0 x
2) x < - z0
Prob (table)
z0 + z0 x
3) x plus éloigné de que z0
2Prob (table)
z0 + z0 x
4) x plus proche de que z0
1-2Prob (table)
z0 + z0 x
5) x z0
Page 20 sur 29
Probabilités : support du cours
1-Prob (table)
z0 + z0 x
Page 21 sur 29
Probabilités : support du cours
Exemples :
Le poids des tomates produites par un jardinier obéit à une loi normale de
moyenne 200 gr et d'écart type 40 gr.
a. Calculez la probabilité que le poids d'une tomate excède 250 gr.
Solution: 250 200 50 gr
50
z0 1,25
40
Prob 0,106 10,6 %
b. Calculez la probabilité que le poids d'une tomate soit inférieur à 100 gr.
Solution: 100 200 100 gr
la loi normale est symétrique on ne s'occupe pas du signe
100
z0 2,5
40
moins de 100 gr: on s'écarte donc de la valeur moyenne = 200 gr de plus de
z0
Prob 0,006 0,6 %
c. Calculez la probabilité que le poids d'une tomate soit inférieur à 230 gr.
Solution: 230 200 30 gr
30
z0 0,75
40
L’intervalle ( 230 gr) considéré contient la valeur moyenne (200 gr) on
prend 1 – Prob(table):
Prob 1 0,227 0,773 77,3 %
d. Calculez la probabilité que le poids d’une tomate ne s’écarte pas de la valeur
moyenne de plus de 20 gr.
Solution: on calcule d’abord la probabilité que le poids s’écarte de plus de 20
gr, vers le haut ou vers le bas :
20 gr 40
20
z0 0,5
40
Prob 0,309 30,9 %
On doit multiplier par 2 car on considère les deux côtés Prob = 2 0,309 =
0,618
On a donc une prob. de 0,618 que le poids s'écarte de µ de plus de 20 gr, et donc
une prob. 1-0,618 que le poids ne s'écarte pas de plus de 20 gr.
Réponse: 0,382 = 38,2 %
Table de la fonction de répartition de la loi normale centrée réduite
Page 22 sur 29
Probabilités : support du cours
Extraits de la table de la fonction de répartition de la loi normale centrée réduite
N(0 ; 1) : (x)
Exemple d'utilisation de la table :
Pour calculer (x) avec un nombre positif x, il suffit d'utiliser directement la
table exemple :
(1,2) = 0,88493
Pour calculer (x) avec un nombre négatif , on utilise la propriété :
Pour tout réel x on a : (- x) = 1 - (x)
Si X est une variable aléatoire suivant la loi N(0 ; 1 ) on a : p(- x X x) = 2
(x) - 1
Exemple : (-1,2) = 1 - 0,88493 = 0,11507
Pour calculer p( X x ) où X est une variable aléatoire suivant la loi normale
N( m ; ) , il suffit de faire le changement de variable T = (X - m)/ puisque la
variable aléatoire T suit alors une loi normale centrée réduite.
Exemple : calculons p( X 3,2 ) sachant que X suit une loi normale N(2 ; 0,5)
p( X 3,2 ) = p( (X - 2)/0,5 (3,2 - 2)/0,5 ) = p( T 2,4 ) = (2,4) = 0,99180
Page 23 sur 29
Probabilités : support du cours
Table pour x appartenant à l'intervalle [0 ; 3,4]
Table suite
Exemples Lois de probabilités
Page 24 sur 29
Probabilités : support du cours
exemple
La probabilité pour qu’un tireur atteigne une cible est 1/3.
• Sachant qu’il tire 5 fois, quelle est la probabilité pour qu’il atteigne la cible au
moins deux fois?
• Combien de fois doit-il tirer pour que la probabilité d’atteindre au moins une
fois la cible soit plus grande que 0,9 ?
Réponses :
- P(X≥2)= 131/243
- n=6
Loi de POISSON
La Loi de densité ou de répartition est donnée par la fonction :
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 " .(n≥20 et p<1/30)
P(X=k) donne la fréquence des valeurs égale à k pour une loi normale réduite.
m=np
n nombre d’épreuves
la moyenne est m, la variance est m.
• Si n " grand ", et p non voisin de 0 ou 1 alors
Exercice n° 1 :
Une population est composée de 45 % d'hommes et de 55 % de femmes.
On suppose que 4 % des hommes et 0,5 % des femmes sont daltoniens.
On choisit une personne au hasard.
a. Quelle est la probabilité qu'elle soit daltonienne ?
b. Quelle est la probabilité qu'elle soit un homme sachant qu'elle est
daltonienne ?
Appelons D l'événement : la personne est daltonienne, et H l'événement, la
personne est un homme.
Exercice n° 2 :
On suppose que 2 % des êtres humains en moyenne sont gauchers. Calculez la
probabilité pour que parmi 100 personnes, 3 ou plus soient des gauchers.
Réponses :
p=2/100=0,02 n=100 d’où m=2
P(X<3)=P(X=0)+ P(X=1)+ P(X=2) =0,1353+0,2707+0,2027=0,6767
Page 25 sur 29
Probabilités : support du cours
d’où P(X≥3)=1-0,6767=0,3233 =32,3%
**Exercice n° 3 :
On suppose que dans un livre de 200 pages, 220 erreurs d’impression sont
distribuées au hasard.
Calculez la probabilité pour qu’une page donnée contienne :
• 0 erreur
• 1 erreur
• 2 erreurs
• 2 erreurs ou plus
Réponses :
La difficulté de l’exercice provient de la difficulté de définir, n, m et p
m=220/200=1,1
**Exercice n° 4 :
Dans une chaîne de fabrication, 3 % des pièces sont défectueuses.
On prélève une pièce, on examine si elle est défectueuse et on la replace parmi
les autres.
On répète 120 fois cette expérience.
Quelle est la probabilité pour qu’on ait 5 pièces défectueuses ?
Réponses :
--> p=0,03 et n=120 d’où m=np=3,6
**Exercice n° 5 :
Un représentant de commerce doit visiter 40 clients distincts.
Chacune de ces visites est indépendante des autres. Quelle que soit la visite
considérée, la probabilité de l’événement : " le représentant rencontre le client "
est égale à 0,6.
Calculez les probabilités suivantes :
A: aucun client n’est rencontré
B: un client au moins est rencontré
C: tous les clients sont rencontrés
Réponses :
Page 26 sur 29
Probabilités : support du cours
Comme n " grand », p " non voisin de 0 ou 1 ", on peut utiliser une
approximation par la loi de Laplace-Gauss. m=0,6*40=24, p=0,6 q=0,4 l’écart
type est égal à 3,1
• Prob(A) voisin de 0 z=-7,75
• Prob(B)voisin de 1
• Prob(C) voisin de 0 z=5,16
Page 27 sur 29
Probabilités : support du cours
Probabilité
Loi Type Ou distribution Moyenne Variance
probabilité
0-1 Discrète et
Uniforme Discrète
Binomiale Discrète
pour
Géométriq p
Discrète
ue
our
Pascal Discrète
Poisson Discrète pour
et
Uniforme Continue avec
Gauss Continue pour
Cauchy Continue non défini non défini
Gamma Continue
Exponenti Continue
elle pour et
Page 28 sur 29
Probabilités : support du cours
Rayleigh Continue pour
Laplace Continue
Continue
Student Continue
Weibull Continue
/*/*/*/*/*/*/*/*/*/
Page 29 sur 29
