2024-01-22

UNIVERSITE DES SCIENCES DE LA SANTE

INTRODUCTION
FACULTE DE MEDECINE
DEPARTEMENT DE SANTE COMMUNAUTAIRE ET SOCIALE
 Les formules de probabilités totales et le théorème de
Bayes permettent de calculer des probabilités sur des
VARIABLES ALÉATOIRES ensembles
ET LOIS DE PROBABILITÉS  Pour les statistiques inférentielles (extrapolation, sur la
Emmanuel ANYUNZOGHE population, des résultats observés sur un échantillon),
on utilise la notion de variables aléatoires.
1 2

ILLUSTRATION ILLUSTRATION

Un couple souhaitant avoir 2 enfants On admet que la naissance d’un garçon est aussi probable
que celle d’une fille :
s’intéresse au nombre de garçons qu’il
P(G) = P(F) = 1/2
pourrait avoir.
Et que les naissances sont indépendantes.

3 4
 2024-01-22

ILLUSTRATION ILLUSTRATION

F Soit X = nombre de garçons.

F
G Les valeurs possibles de X sont 0; 1; 2
F avec des probabilités différentes.
G
G
1e naissance 2e naissance

5 6

ILLUSTRATION ILLUSTRATION
Valeur de
Ensemble Probabilité associée
X  On dit que X est une variable aléatoire.
F puis F 0 1/2 x 1/2 = 1/4
 L’ensemble des valeurs possibles de X
F puis G ou G puis 1/2 x 1/2 + 1/2 x 1/2 =
1 et les probabilités associées constituent
F 1/2
G puis G la loi (ou distribution) de probabilité de X.
2 1/2 x 1/2 = 1/4

7 8
 2024-01-22

ILLUSTRATION DEFINITION : VARIABLE ALEATOIRE

1  Une variable aléatoire (v.a.) est une représentation de
Il est possible de tous les résultats possibles d’une épreuve aléatoire.
0,75
représenter graphiquement
 Une v.a. X est une application de Ω, l’univers des
0,5 les probabilités associées possibles vers un ensemble de réalisation appelés
0,25 aux valeurs possibles de X modalités X(Ω).
par un diagramme en bâton
0  Deux grands groupes : qualitatives et quantitatives.
0 1 2
9 10

INTRODUCTION : VARIABLES ALÉATOIRES

DEFINITION : VARIABLE ALEATOIRE
Variable
aléatoire
X 𝑥 IR
Qualitative Quantitative
(Résultat non (Résultat

numérique) numérique) X() = 𝑥

Nominale Ordinale Discrète Continue 

Binaire + de 2 modalités, Relation Dénombrable, infinité de
2 modalités pas de d'ordre, qu'on peut valeurs dans
classement classement énumérer un intervalle Variable aléatoire quantitative

11 12
 2024-01-22

VARIABLE ALEATOIRE QUANTITATIVE DEFINITION : VARIABLE ALEATOIRE

 Une v.a. quantitative mesure des quantités.
 Une variable aléatoire est discrète si les modalités sont
 Elle associe un résultat numérique, généralement un nombre dénombrables (on peut les compter)
réel (ou un entier) à chaque issue possible d’une expérience.
 Une variable aléatoire est continue si elles peuvent
 Elle peut être discrète ou continue. prendre une infinité de valeurs dans un intervalle donné
(généralement le résultat d’une mesure).

13 14

VARIABLE ALEATOIRE DISCRETE VARIABLES ALEATOIRE DISCRETE

Distribution de probabilité L’Esperance mathématique
 Une variable aléatoire discrète prend uniquement des valeurs dans un sous
ensemble discret (dénombrable) On appelle espérance mathématique de X notée E(X) le réel :

𝑿() = {𝒙𝟏, 𝒙𝟐 , … , 𝒙𝒏 , … }
𝝁= 𝑬 𝑿 = 𝒙𝒊 𝒑𝒊 = 𝒙𝟏 𝒑𝟏 + 𝒙𝟐 𝒑𝟐 + 𝒙𝟑 𝒑𝟑 + ⋯
 On définit une distribution (loi) de probabilité de la variable X en associant à
𝒊
chaque valeur 𝑥 , la probabilité 𝑝
en « Statistique », 𝝁 exprime la « moyenne » des valeurs 𝑥
𝒑𝒊 = 𝑷(𝑿 = 𝒙𝒊 ) ; ∑ 𝑷𝒊 = 𝟏
affectées des fréquences 𝑝 = 𝑃(𝑋 = 𝑥 ) ; Tendance centrale de la V.A.
 La loi de probabilité est caractérisée par une fonction de répartition 𝐹 telle que :
𝑭 𝒙 = 𝑷(𝑿 ≤ 𝒙) indicateur de POSITION sur la distribution de probabilité de X

15 16
 2024-01-22

VARIABLE ALEATOIRE DISCRETE VARIABLE ALEATOIRE DISCRETE

La Variance La Fonction de répartition

 Notée σ2 (sigma au carré) est un indicateur de DISPERSION qui caractérise  On appelle fonction de répartition d’une V.A. X, la fonction 𝐹(𝑥) telle que :

l'éloignement des valeurs « 𝑥𝑖 » par rapport à la moyenne « μ ». 𝑭 𝒙 = 𝑷 𝑿 ≤ 𝒙 𝒑𝒐𝒖𝒓 𝒕𝒐𝒖𝒕 𝒙 ∈ ℛ

 L’écart type σ est la racine carré de la variance.

𝝈𝟐 = 𝑽𝒂𝒓 𝑿 = 𝒑𝒊 𝒙 𝒊 − 𝝁 𝟐 𝑭 𝒙 = 𝑷 𝑿 = 𝒙𝒊 = 𝑷𝒊
𝒊 𝒙𝒊 𝒙 𝒙𝒊 𝒙

17 18

VARIABLE ALEATOIRE DISCRETE VARIABLE ALEATOIRE DISCRETE

F
EXEMPLE F
G
F
Un couple souhaitant avoir 3 enfants s’intéresse au nombre de F
G
G
garçons qu’il pourrait avoir.
F
F
Soit X la variable aléatoire désignant le nombre de garçons G
G
dans une fratrie. Déterminer la loi de probabilité de X F
G
G
1e naissance 2e naissance 3e naissance

19 20
 2024-01-22

VARIABLE ALEATOIRE DISCRETE VARIABLE ALEATOIRE DISCRETE

X = nombre de garçons ,
Fonction de répartition
Les valeurs possibles de X sont 0, 1, 2, 3 avec des probabilités différentes.

F(x)
1/2
1
La loi de probabilité est : 7/8
3/8
3/4
Nombre de garçons 𝑷𝒊 =𝑷 𝑿 = 𝒙𝒊 𝐹 𝒙 1/4
5/8

PI
1/2
0 1/8 1/8 1/8
3/8
1/4
1 3/8 1/2 1/8
0
0
2 3/8 7/8 0 1 2 3
0 1 2 3
XI x
Diagramme en bâton Fonction de répartition
3 1/8 1

21 22

VARIABLE ALEATOIRE CONTINUE VARIABLE ALEATOIRE DISCRETE

La fonction de répartition F est définie comme une primitive d’une fonction appelée
 une V.A. peut dans certains cas prendre toutes les valeurs d’un intervalle fini ou infini.
densité de probabilité sur un intervalle I,
 Une telle V.A. est appelée variable aléatoire continue
(Exemple : « poids du nouveau-né à la naissance », « taux de glucose dans le sang ») 𝒙
∀𝒙 ∈ 𝑰, 𝑷 𝑿 ≤ 𝒙 = 𝑭 (𝒙) = 𝒇 𝒕 𝒅𝒕
 Sa loi de probabilité est déterminée par la connaissance de la fonction de
répartition F: Elle permet de déterminer pour tout intervalle [𝑎, 𝑏]  I, la probabilité que la V.A.
𝑭 (𝒙) = 𝑷(𝑿 ≤ 𝒙) X soit comprise entre 𝑎 et 𝑏 :

 alors pour tout intervalle (𝑎, 𝑏) la probabilité que X soit compris entre 𝑎 et 𝑏 : 𝒃

𝑷(𝒂 ≤ 𝑿 ≤ 𝒃) = 𝑭(𝒃) – 𝑭(𝒂) 𝑷 𝒂≤𝑿≤𝒃 = 𝑭 𝒃 – 𝑭 𝒂 = 𝒇 𝒕 𝒅𝒕

𝒂

23 24
 2024-01-22

VARIABLE ALEATOIRE CONTINUE VARIABLE ALEATOIRE CONTINUE

 la loi de probabilité d’une V.A continue associe une probabilité à chaque ensemble
de valeurs définies dans un intervalle donné.
 𝑷 𝒂 ≤ 𝑿 ≤ 𝒃 est une mesure en unités d’aire, de l’aire du domaine comprise entre :

 la courbe Cf représentative de la fonction 𝑓,

 l’axe des abscisses

Densité de probabilité 𝑓(𝑋) d’une variable aléatoire continue
 et les droites d’équations 𝑥 = 𝑎 et 𝑥 = 𝑏
𝒃

𝑷 𝒂≤𝑿≤𝒃 = 𝒇 𝒕 𝒅𝒕 L’aire totale sous la courbe dans tout l’intervalle I vaut 1.

𝒂

25 26

VARIABLE ALEATOIRE CONTINUE VARIABLE ALEATOIRE CONTINUE

𝑭𝒐𝒏𝒄𝒕𝒊𝒐𝒏 𝒅𝒆 𝒅𝒆𝒏𝒔𝒊𝒕é
𝑓 𝑡 𝑑𝑡 = 1
𝒇 est une fonction de densité sur I ssi ∎ 𝐸𝑠𝑝é𝑟𝑎𝑛𝑐𝑒 ∶ 𝝁 = 𝑬 𝑿 = 𝒕𝒇 𝒕 𝒅𝒕
𝑰

∎ 𝒇 est positive sur I

∎ 𝑉𝑎𝑟𝑖𝑎𝑛𝑐𝑒 ∶ 𝝈𝟐 = 𝑽𝒂𝒓 𝑿 = 𝒕 − 𝝁 𝟐 𝒇 𝒕 𝒅𝒕 = 𝑬 𝑿𝟐 − 𝑬(𝑿) 𝟐

∎ 𝒇 𝒕 𝒅𝒕 = 𝟏
𝑰

27 28
 2024-01-22

VARIABLE ALEATOIRE CONTINUE LOIS DE PROBABILITÉS

Exercice

 On modélise à l’aide d’une variable aléatoire X la durée en heures du temps d’attente aux consultations d’un
hôpital fictif avec X ∈ [0 ; 1,5] suivant la loi de probabilité de densité 𝑓, fonction définie pour tout réel 𝑡 de Lois de Probabilité discrète
l’intervalle [0 ; 1,5] par :
64𝑡 64𝑡 16𝑡 1-Loi de Bernoulli
𝑓 𝑡 = − +
27 9 3
Soit une expérience n’ayant que deux résultats possibles :
 Calculer :

1) Montrer que 𝒇 est une fonction de densité sur I Succès/Echec ; Oui/Non ; Présence/Absence d’une certaine caractéristique.

2) Calculer la probabilité que le temps d’attente soit inférieur à 18 minutes Soit la variable aléatoire X qui associe la valeur 0 à l’échec (ou à l’absence de la caractéristique) et la valeur 1 au
3) La probabilité que le temps d’attente soit compris entre 15 et 45 minutes succès (ou à la présence de la caractéristique) ; X(échec) = 0 ; X(succès) = 1

4) La probabilité que le temps d’attente soit supérieur à une demi-heure Cette variable aléatoire est appelée variable de Bernoulli.
5) Calculer le temps moyen d’attente aux consultations.

29 30

LOIS DE PROBABILITÉS LOIS DE PROBABILITÉS

Lois de Probabilité discrète Lois de Probabilité discrète

1-Loi de Bernoulli (Distribution de X) 2-Loi binomiale
𝑥 𝑝
Soit p est la probabilité de l’évènement « succès » ;  On considère les épreuves répétées et indépendantes d’une même expérience de Bernoulli.
0 1−𝑝
𝑷(« 𝒔𝒖𝒄𝒄è𝒔 ») = 𝑷(𝑿 = 𝟏) = 𝒑 ; 𝑷(« é𝒄𝒉𝒆𝒄 ») = 𝑷(𝑿 = 𝟎) = 𝟏 − 𝒑  Chaque expérience n’a que 2 résultats possibles : succès ou échec.
1 p
 𝜇 = 𝐸 𝑋 = ∑ 𝑥 𝑝 = 0× 1−𝑝 +1×𝑝 = 𝑝  Soit 𝑝 la probabilité de l’événement élémentaire « succès ».
𝑬 𝑿 =𝒑
 𝜎 = 𝑉𝑎𝑟 𝑋 = ∑ 𝑝 𝑥 − 𝜇 = 1−𝑝 × 0−𝑝 +𝑝× 1−𝑝 = 𝑝 1−𝑝  A cette expérience répétée on associe une v.a. X qui mesure le nombre de succès obtenus.
𝝈𝟐 = 𝑽 𝑿 = 𝒑 𝟏 − 𝒑

31 32
 2024-01-22

LOIS DE PROBABILITÉS LOIS DE PROBABILITÉS

Lois de Probabilité discrète Lois de Probabilité discrète

2-Loi binomiale B(n,p) 2-Loi binomiale (Exercice1)
 La probabilité d’observer k succès lors de n épreuves répétées et indépendantes est : Un trouble de l’audition touche 2% des nouveau-nés dans une population. On choisit au hasard
un échantillon de 10 nouveau-nés. Soit 𝑋 le nombre aléatoire de nouveau-nés atteints. :
𝑷 𝑿 = 𝒌 = 𝑪𝒌𝒏 𝒑𝒌 𝟏 − 𝒑 𝒏 𝒌
- 1- Quelle loi la variable 𝑋 suit-elle ? Donner son espérance, sa variance et son écart type.
!
Avec coefficients du binômes 𝐶 = 0! = 1 ; 𝑛! = 1 × 2 × ⋯ . .× - 2-Quelle est la probabilité qu’aucun des nouveau-nés ne souffrent d’un trouble de l’audition?
! !

𝑛 𝑬𝒔𝒑é𝒓𝒂𝒏𝒄𝒆 ∶ 𝑬 𝑿 = 𝒏𝒑 𝑽𝒂𝒓𝒊𝒂𝒏𝒄𝒆 ∶ 𝝈𝟐 = 𝑽 𝑿 = 𝒏𝒑 𝟏 − 𝒑 - 3-Quelle est la probabilité qu’au moins 1 nouveau-né souffre d’un trouble de l’audition ?

33 34

LOIS DE PROBABILITÉS LOIS DE PROBABILITÉS

Lois de Probabilité discrète Lois de Probabilité discrète

2-Loi binomiale (Corrigé1) 2-Loi binomiale (Exercice2)
1-X suit une loi binomiale de paramètres n= 10; p = 0,02 ; on note : 𝑿~𝑩(𝟏𝟎; 𝟎, 𝟎𝟐) On sait par expérience qu'une certaine opération chirurgicale a 85% de chances de réussir. On
𝐸(𝑋) = 𝑛𝑝 = 0,2 ; 𝑉(𝑋) = 𝑛𝑝(1 − 𝑝) = 0,196; 𝜎 = 0,196 = 0,443
s'apprête à réaliser l'opération sur 5 patients. Soit 𝑋 la variable aléatoire égale au nombre de
2-Soit k le nombre de nouveaux atteints : 𝑷 𝑿 = 𝒌 = 𝑪𝒌𝟏𝟎 × 𝟎, 𝟎𝟐𝒌 × 𝟎, 𝟗𝟖𝟏𝟎 𝒌
réussites de l'opération sur les 5 tentatives.
Aucun nouveau-né atteint : k = 0 ; P(X = 0) = 𝑪𝟎𝟏𝟎 × 𝟎, 𝟎𝟐𝟎 × 𝟎, 𝟗𝟖𝟏𝟎 = 𝟏 ×1 × 𝟎, 𝟗𝟖𝟏𝟎=0,817
1. Quel modèle proposez-vous pour 𝑋 ? (préciser la loi de probabilité de 𝑋.)
3- Au moins un nouveau-né ( k ≥ 1) est le contraire de « Aucun nouveau-né » (k = 0)
2. Donner l’espérance, la variance et l'écart type de 𝑋.
donc P( X ≥ 1) = 1 − 𝑃(𝑋 = 0) = 0,183
3. Calculer la probabilité d'avoir au moins 3 réussites.

35 36
 2024-01-22

LOIS DE PROBABILITÉS

Lois de Probabilité discrète

2-Loi binomiale (Corrigé2)
1. X suit une loi binomiale de paramètres n= 5; p = 0,85 ; on note : 𝑿~𝑩(5;𝟎, 85)
2. 𝐸(𝑋) = 𝑛𝑝 = 4,25 ; 𝑉(𝑋) = 𝑛𝑝(1−𝑝)=0,638; 𝜎= √0,196=0,798
3. Au moins 3 réussites signifie k ≥ 3 (k = 3 ou 4 ou 5)
𝑃(𝑋 ≥ 3) = 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 5)
𝑃(𝑋 ≥ 3) = 𝐶 × 0,85 × 0,15 + 𝐶 × 0,85 × 0,15 + 𝐶 × 0,85 × 0,15
=10 × 0,85 × 0,15 + 5 × 0,85 × 0,15 + 1 × 0,85 × 0,15 = 0,973

37