UMMTO

Département des sciences financières & comptabilité

L2/SCF –LMD- Section A+B STATISTIQUE III

Une probabilité égale à 0 signifie qu’il n’ya aucune chance qu’il pleuve demain.
Et une probabilité égale à 1 signifie qu’il est certain de pleuvoir demain
Introduction EX2/ Dans une urne (boite) contenant 5boules dont 3 boules bleues et 2 rouges,
La théorie des probabilités a pour objectif de modéliser des expériences où Qu’elle est la probabilité de tirer une boule rouge ? soit l’événement noté R « tirer
plusieurs résultats sont possibles, mais où leur réalisation n’est pas déterminée à une boule rouge ». on calcule la probabilité de cet événement P(R)=2/5. Nombre
l’avance. Lancé de dés, prix d’une action, ……ou encore jouer au [Link] théorie d’élément favorables à R = 2. Nombre de cas possibles = 5
des probabilités décrit le comportement de phénomènes dont le résultat est soumis EX3/ On lance un dé. La probabilité de l’événement A « avoir un nombre pair »
au hasard. Elle permet de modéliser la fréquence de réalisation d’évènements 3 1
est P(A)= 6 =2. car
aléatoires. La notion de probabilité est associée aux notions de chances,
Card A={2,4,6}=3 card Ω ={1,2,3,4,5,6}=6
possibilités, espérance, croyance, crédibilité, confiance.
EX4/ Dans une salle de TD contenant 36 étudiants, 27 d’entre eux sont titulaire
d’un baccalauréat sciences de la vie. La probabilité de tirer de ce groupe au hasard
Définition de la probabilité 27 3
La probabilité est une mesure numérique de la vraisemblance de l’occurrence un étudiant titulaire d’un bac science (événement B) est : P(B) = = = 0,75.
36 4
d’un événement. Ainsi les probabilités peuvent être utilisées pour mesurer le On a 75% de chance de tirer un étudiant ayant un baccalauréat scientifique.
degré d’incertitude associé à un événement quelconque.1 La Probabilité d’un
Événement est plus ou moins grande suivant le nombre de Chances par lesquelles Définition de l’expérience aléatoire
il peut arriver, rapporté au nombre total des Chances par lesquelles il peut ou ne Certaines expériences entrainent des résultats aléatoires c-a-d qui dépendent
peut pas arriver. directement du hasard. Nous les appelons des expériences aléatoires.
La probabilité peut être définie comme le rapport de cas favorables à un Définition de l’ensemble fondamental (Univers) Ω
évènement (A) au nombre de cas possibles, lorsque ces derniers sont On appelle ensemble fondamental ou univers l’ensemble des résultats possibles
équiprobables c-a-d ont la même chance de se réaliser. d’une expérience aléatoire. L’univers est noté Ω.
𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
P(A)= 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑠 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒𝑠
;
𝑐𝑎𝑟𝑑 𝐴
P(A)= / card : désigne le nombre d’éléments
𝑐𝑎𝑟𝑑 Ω
Nb : la valeur d’une probabilité est toujours comprise entre 0 et 1. 0≤ P ≤1
Exemples. Exemples
Ex1/ Soit l’évènement noté A « il va pleuvoir demain » Expérience aléatoire Résultats possibles (Ω)
Une probabilité proche de zéro (P(A)= 0,001) signifie qu’il n’ya presque aucune *Lancer une pièce de monnaie Pile, face
chance qu’il pleuve. *sélectionner une pièce au hasard Défectueuse, non défectueuse
Une probabilité proche de 1 par contre signifie qu’il est très vraisemblable qu’il *Lancer un dé 1,2,3,4,5,6
pleuve demain. *Jouer au football Gagner, perdre, match nul
Une probabilité de 0,5 signifie qu’il ya une chance sur deux qu’il pleuve.

1 ANDERSON-SWEENEY-WILLIAMS(2010). Statistiques pour l’économie et la gestion ed de boeck p179

1
UMMTO
Département des sciences financières & comptabilité
L2/SCF –LMD- Section A+B STATISTIQUE III

Définition de l’évènement Définition d’une variable aléatoire

On appelle un événement un ensemble de résultats d’une expérience aléatoire, ou Le concept de variable aléatoire formalise la notion de grandeur variant selon le
un sous ensemble de l’univers Ω. L’évènement est souvent défini par une résultat d’une expérience aléatoire. Autrement dit, cela revient à attribuer une
proposition. Il est identifié à la partie de l’univers pour laquelle il est réalisé. valeur numérique à chaque résultat possible d’une épreuve (expérience) aléatoire.
Exemple : Dans l’expérience du lancer de dé. Soit l’événement A : « avoir un Exemples : la variable aléatoire X est définie comme suit
multiple de 3 » ; A= {3,6}. Card A = 2. Soit l’événement B : « avoir un *Nombre de faces dans un lancer de 3 pièces. X(Ω)=xi = {(0,1,2,3)}
nombre impair ; B= {1,3,5} card B=3 *Nombre de patients dans une s alla d’attente qui peut contenir10 personnes.
Propriétés X(Ω)=xi = {(0,1,2,…,10)}
1/ Pour tout événement A 0≤ P(A) ≤1 Mesures de tendance centrales et mesures de dispersion
2/Si A∩B=Ø alors2 p(AUB)=P(A)+P(B). car on a P(AUB)= P(A)+P(B) – Espérance mathématique E(X)
P(A∩B) L’espérance mathématique E(X) en probabilité correspond à celle de moyenne
Afin d’illustrer le vocabulaire et les notations probabilistes, on considère arithmétique (X) d’une variable discrète X. E(X)= ∑1…n Pi Xi
l’exemple du lancer d’un dé à six faces.
Vocabulaire usuel Vocabulaire notation exemple
consacré La variance V(X)
*un résultat possible Une réalisation ω 5 La variance d’une variable aléatoire (X), si elle existe est l’espérance
*Tous les résultats Univers Ω {1, 2, 3,4, 5, 6} mathématique de la variable aléatoire (X- E(X))2 ; On la note V(X) ou σ2 (X)
possibles Un événement A {2, 4, 6} V(X)= E[X- E(X)]2 =V ( X )=E( X 2)-E( X )2= E (X2) - E2(X)
*Un sous ensemble de L’écart type σ (X)
résultats possibles
L’écart type est égal à la racine carrée de la variance. σ (X)= √𝑽(𝑿)
Quelques formules
On définit également
Statistique descriptives probabilités
Evénement certain Ω
Moyenne arithmétique Espérance mathématique
Evénement impossible Ø 1 E(X)= ∑1…n Pi Xi
*données individuellesX= ∑ xi
Evénement contraire de A Ac , Ᾱ 1
𝑛

Evénement A et B A∩B *données regroupées X= ∑ ni xi

𝑁
Evénement A ou B AUB Variance
1 V(X)= ∑1…n Pi [Xi - E(X)]2
Evénement A et non B A/B *données individuellesX= ∑ (xi – X) 2
𝑛
Evénement élémentaire {ω} 1
X= ∑ (xi)2 –
𝑛
X2
Deux événement A,B sont indépendants si P(A∩B)=P(A)*P(B) 1
*données regroupées X= ∑ ni (xi- X)2
𝑁
Ecart type
σ (X)= √V(X) σ (X)= √V(X)

2 A∩B=Ø→ P(A∩B)=0 on dit que les événements A et B sont incompatibles ou disjoints ;

2
UMMTO
Département des sciences financières & comptabilité
L2/SCF –LMD- Section A+B STATISTIQUE III

√125
V(X) = (1)- (2) = 150/4 - 25/4 = 125/4 ; D’où l’écart type σX = √𝑉(𝑋) = √4
=
Propriétés de l’espérance E(X) et de la variance V(X) 5
 X,Y variables aléatoires.  a,bR
2
= 2,5.
*Espérance
E(X+Y)= E(X)+E(Y)
E(X+b)=a E(X)+b
E (aX+bY)= aE(X)+ b E(Y)
X=Y→ E(X)=E(Y) La distribution Normale
X et Y indépendantes, alors E(XY)=E(X)*E(Y)

*Variance
L’une des lois continues les plus importantes est la distribution normale ou loi
V(a)=0 V(b)=0 normale appelée aussi distribution de Laplace-Gauss.
V(aX)= a2V(X) → V(aX+bY)= a2 V(X) + b2 V(Y) Définition
1
1 (𝑥−𝜇)2 /𝜎2
V(X+b)= V(X) Elle est définie par l’équation Y=√2𝜋 𝑒 − 2 …………………..(A)
On appelle [X- E(X)] une variable centrée de X autour de E. On appelle Z=
[𝐗− 𝐄(𝐗)]
σ (X)
variable centrée réduite. Notons que E(Z)=0 V(Z)=1 (NB. la variable Z L’aire totale entre la courbe de l’équation (A)et l’axe X est égale à 1. Ainsi, pour
est utilisée dans la table de la loi normale centrée réduite) une valeur donnée Xa laissant une aire (a) à droite correspond une aire sous la
Exemple d’application courbe de (1-a) et représente la probabilité de cette valeur de X.
On lance une pièce de monnaie bien équilibrée, ainsi l’ensemble fondamental sera P (X≤ Xa) = 1-a
Ω= {Pile, Face} avec P(pile) = ½ P(face)=1/2. On définit sur Ω une variable La loi normale centrée réduite N (0,1)
aléatoire discrète de la manière suivante : Quand la variable X est exprimée en termes d’unités standardisées (on remplace
X: Pile → +10DA (On gagne 10DA) la variable X par une variable Z centrée réduite de moyenne 0 et d’écart type 1),
Face → -5DA (On perd 10DA) on a une courbe normale standard (centrée réduite) dont les valeurs sont donnée
L’ensemble de définition de la variable aléatoire X est X(Ω)=xi = {(-5, 10)} de la dans une table (voir la table de la loi normale standard)
loi de probabilité P Définition.
xi -5 10 Total Une variable aléatoire Z suit la loi normale centrée réduite, notée N(0,1) lorsque
Pi ½ ½ 1 Z admet pour fonction densité la fonction ϕ définie sur ℝ par :
1/ Calculons l’espérance mathématique E(X) et la variance V(X)
E(X) = ∑1…n Pi Xi = (-5 *1/2) + (10 *1/2)= 5/2 = 2,5 f(x) =
V(X) = E (X2) - E2(X). Propriétés
+∞
On a E (X2)= ∑1…n Pi Xi2 =∑1…n Xi2Pi = (-5)2 *1/2 +(10)2 *1/2 = 125/2 (P1) f est une fonction continue et positive sur ℝ et ∫−∞ f( x)dx = 1 . L'aire
=150/4……………………………………………………………………..(1) totale comprise entre la courbe et l'axe des abscisses est égale à 1. Par définition
E2(X)=(5/2)2=25/4………………………………………………………....(2) E(Z) = 0 , V(X) = σ2 = 1.

3
UMMTO
Département des sciences financières & comptabilité
L2/SCF –LMD- Section A+B STATISTIQUE III

Courbe de la loi normale centrée réduite (P4) Pour tout nombre réel a, on a par symétrie : P(Z⩽−a)= P(Z⩾a)

(P5) Valeurs de référence :

*Pour les valeurs de Z (Z N(0,1)
b
(P2) Pour tous nombres réels a et b, tels que a⩽b : P(a⩽Z⩽b)= ∫a f(x)dx= F(b) P(−1⩽Z⩽1)=0,6829... = 68,3%
− F(a). P(−2⩽Z⩽2)=0,9545... = 95,5%
P(−3⩽Z⩽3)=0,9973... = 99,7%
*Pour les valeurs de X (X N (μ,σ)

(P3) La fonction F est paire donc sa courbe est symétrique par rapport à l'axe
des ordonnées. Donc : P(Z⩽0)=P(Z⩾0)= 1/2

Exemples
Donner les probabilités suivantes :
1) P(Z<1)= ?
P(Z<1)= P(Z≤1)= F(1)=0,8413
2) P(-0,5 ≤Z ≤ 1,25)= ?
P(-0,5 ≤Z ≤ 1,25)= P( Z ≤ 1,25)- P(Z ≤ -0,5)= F(1,25)-F(-0,5)
= 0,8944 – 0,3085=0,5859
Donner la valeur de Za
1) P(Z > Za)=0,1
On a P(Z ≤ Za)= F(Za)=1-a = 1- P(Z > Za)= donc 1-a =0,9
Dans la table la probabilité 0,9 (0,8997) correspond à une valeur Za=1,28