Probabilités et statistiques

Première partie L’effectif total est de 1000, ce qui permet de calculer facilement les fréquences situées
sur la dernière ligne du tableau.
Statistique descriptive On peut imaginer de multiples représentations graphiques pour une série statistique :
diagramme en batons, camemberts...Une seule présente une petite difficulté : l’histo-
1 statistiques à une variable gramme, utilisé pour représenter par une suite de rectangle des résultats regroupés en
classes.
1.1 vocabulaire, représentation exemple 2 : un technicien mesurant des tiges métalliques obtient les valeurs suivantes :
La statistique est l’étude des populations, dont les éléments sont des individus ; le plus
souvent on n’étudie pas toute la population, mais seulement un échantillon de celle-ci.
L’effectif d’un échantillon est le nombre d’individus qui le composent. longueur (mm) [330; 340[ [340; 343[ [343; 345[ [345; 350[ [350; 360[
Plus précisément, on étudie certains caractères des individus, caractères qui peuvent
être qualitatifs (par exemple le prénom, la nationalité, ...) ou quantitatifs (l’âge, la taille,
les revenus mensuels...). Les caractères quantitatifs peuvent être discrets (la pointure de effectifs 57 195 204 30 14
chaussures, le nombre de personnes au foyer, ...) ou continus (la taille, la superficie d’une
région, ...).
Pour faciliter l’étude, en particulier des caractères continus, on peut regrouper les va- 57 195 204 30 14
fréquences ≃ 0.11 ≃ 0.39 ≃ 0.41 ≃ 0.06 ≃ 0.03
leurs en classes, c’est à dire en intervalles deux à deux disjoints. La longueur d’un tel 500 500 500 500 500
intervalle est appelé amplitude de la classe.
Par exemple, pour décrire la taille d’un adulte, on pourra considérer les intervalles Pour tracer l’histogramme on place en abscisse les différentes classes, ici [330; 340[,
[0; 100[, [100, 110[, . . ., [190, 200[, [200, +∞[, la première classe est d’amplitude 100, la [340; 343[, [343; 345[, [345; 350[ et [350; 360[.
dernière d’amplitude infinie alors que toutes les autres sont d’amplitude 10. Pour chaque classe on calcule alors la hauteur du rectangle correspondant : c’est l’ef-
fectif divisé par l’amplitude de la classe. Ici, on trouve donc respectivement 5.7, 65, 102, 6
Une série statistique est un ensemble de couples (xi , ni ), où les xi sont les valeurs et 14.
prises du caractère et les ni le nombre de fois où P
la valeur xi apparaît. Alors l’aire de chaque rectangle est proportionnelle à l’effectif de chaque classe. Atten-
L’effectif total de l’échantillon est donc n = i ni . tion, c’est bien l’aire, et non la hauteur, qui est proportionnelle à l’effectif !
On appelle fréquence d’appparition de xi le nombre fi = ni /n.
exemple 1 : sur un échantillon de mille pièces tirées de la production journalière d’une 1.2 caractéristiques de position
usine, on compte le nombre de défauts constatés :
le mode est la valeur la plus fréquente d’une série statistique ; pour une série répartie
nombre de défauts 0 1 2 3 4 en classe on parle de classe modale. Le mode n’est pas forcément unique.
effectifs 570 215 140 60 15 Dans l’exemple 1, le mode est 0 ; dans l’exemple 2, la classe modale est l’intervalle
fréquences 0.57 0.215 0.140 0.06 0.015 [343; 345[.

Ici les valeurs sont donc x0 = 0, x1 = 1, . . ., x4 = 4 d’effectifs respectifs n0 = 570, la médiane est la valeur M e telle que la moitié des individus de la série ont un caractère
n1 = 215, n2 = 140, n3 = 60, n4 = 15. inférieur ou égal à M e et l’autre moitié un caractère supérieur ou égal.
 Quand les données sont regroupées en classes on parle de classe modale. remarque 1 : on peut développer l’expression donnant la variance et obtenir après cal-
Dans l’exemple 1, la médiane est 0 ; dans l’exemple 2, la classe médiane est [340; 343[. cul la formule σ ′2 = x2 − x̄2 .

la moyenne d’une série statistique (xi , ni ) est le nombre remarque 2 : la formule donnant la variance fait bien intervenir un n, et pas un n − 1,
cf 10.2 pour plus de précisions.
n1 x1 + n2 x2 + . . . + np xp
x̄ = = f1 x1 + f2 x2 + . . . + fp xp
n

Dans l’exemple 1, la moyenne est donc 0.215 × 1 + 0.14 × 2 + 0.06 × 3 + 0.015 × 4 =

0.735.
2 statistiques à deux variables
Dans le cas où les valeurs sont regroupées en classes, on peut déterminer une valeur
approchée de la moyenne en remplaçant pour le calcul chaque classe par son milieu : dans
l’exemple 2, la moyenne est 0.114 × 335 + 0.39 × 341.5 + 0.408 × 344 + 0.06 × 347.5 + Une série statistique double est une série de n mesures de deux quantités x et y :
0.028 × 355 = 342.517. Ce calcul n’est satisfaisant que si les classes sont « bien choisies », x1 , x2 , . . . , xn et y1 , y2 , . . . , yn .
i.e d’amplitudes et d’effectifs comparables.
On s’intéresse surtout à la question de savoir si les mesures des deux valeurs sont indé-
1.3 caractéristiques de dispersion pendantes ou non. Si elles ne sont pas indépendantes, comment sont-elles reliées ?

On souhaite estimer si les valeurs d’une série statistique sont regroupées ou non autour
de la valeur moyenne.
La caractéristique de dispersion la plus élémentaire et la plus facile à calculer est l’éten-
due, différence entre la plus grande et la plus petite des valeurs. On peut aussi considérer la
moyenne des écarts à la moyenne de chaque valeur. 2.1 Droite de régression linéaire
Mais on préfère utiliser la variance et l’écart-type qui pour chaque valeur :

la variance de la série statistique est exemple 1 : On mesure simultanément le courant et l’intensité aux bornes d’une résis-
tance. On obtient les valeurs :
n1 (x1 − x̄)2 + n2 (x2 − x̄)2 + . . . + np (xp − x̄)2
=
n

f1 (x1 − x̄)2 + f2 (x2 − x̄)2 + . . . + fp (xp − x̄)2 . intensité en ampères 0.053 0.067 0.095 0.16 0.21

L’écart-type de la série statistique, noté σ ′ ,

est la racine carrée de sa variance. tension en volts 8.1 9.95 15 25 30

Ainsi, la variance est simplement « la moyenne des carrés des écarts à la moyenne ».

Dans l’exemple 1, on trouve une étendue de 4, une variance égale à 0.57 × (0.735)2 +
0.215 × (1 − 0.735)2 + 0.14 × (2 − 0.735)2 + 0.06 × (3 − 0.735)2 + 0.015 × (4 − 0.735)2 ≃ On peut représenter ces mesures par un nuage de points Mi (xi , yi ) ; G(x̄, ȳ) est appelé
1.015 et donc σ ′ ≃ 1.01. point moyen. Ici, on trouve pour point moyen G(x̄ = 0.117, ȳ = 17.61).

2/27 I - 2 statistiques à deux

variable
 1
Pn
On peut développer
Pn l’expression1définissant Pn σx,y = n i=1
la covariance Pi yi − x̄yi −
(x
ȳxi + x̄ȳ) = n i=1 xi yi − x̄ × n i=1 yi − ȳ × n i=1 xi + x̄ȳ = n1 ni=1 xi yi −
1
Pn 1
graphe des mesures U=f(I)
30
x̄ȳ − x̄ȳ + x̄ȳ, et obtenir ainsi une autre expression de la covariance comme moyenne des
produits moins produit des moyennes :

25 n
1X
σx,y = xi yi − x̄ȳ.
n i=1
20

* G(0.117,17.61) En utilisant l’une ou l’autre de ces formules, on trouve ici σx,y = 0.503.
15
On appelle alors droite de régression de y en x la droite D : y = ax + b passant par
G et de coefficient directeur
10
σx,y
a= .
σx2
5

D et D’, quasiment indiscernables C’est la droite D pour laquelle la somme des Mi Pi2 est minimale, les Pi étant les points de
0 D d’abscisse xi .
0 0.025 0.05 0.075 0.1 0.125 0.15 0.175 0.2
Ici, D : y = 143.27x − 0.847.

Sur cet exemple, que constate-t-on ? Les mesures semblent indiquer qu’il y a une re- De même la droite de régression de x en y D′ : x = a′ y + b′ passant par G et de coef-
lation linéaire entre les valeurs x du courant et y de la tension, i.e que l’on peut écrire de σx,y
ficient a′ = 2 minimise la somme i Mi Q2i où les Qi sont les points de D′ d’ordonnée
P
manière « presque » exacte y = ax + b. Mais comment choisir les « meilleurs » a et b ? σy
On peut bien sûr tracer à la main une droite qui passe au plus près des points, puis déter- yi .
miner par lecture graphique son coefficient directeur a et son ordonnée à l’origine b. Cette Ici D′ : x = 6.927 × 10−3 y − 0.00498, soit y = 144.36x + 0.719.
méthode est tout à fait valable, en particulier pour des valeurs obtenues en TP et tracées à On constate sur cet exemple que les deux droites sont quasiment indiscernables, et la
la main ! loi théorique U = RI (soit ici y = Rx) semble a peu près vérifiée, avec une valeur de R
Mais nous allons voir une méthode calculatoire plus systématique (et plus utilisable lors proche de 143 ou 144 Ω.
d’un traitement informatique des données) : la méthode des moindres carrés.

On commence par determiner les caractéristiques de chacune desr séries : les moyennes exemple 2 : dans un SAV, on note pour chaque appareil défectueux l’heure d’arrivée et
Pn 2 le temps d’atelier nécessaire à la réparation. Dans ce cas, il est probable que le graphique
i=1 (xi − x̄)
x̄ = 0.117 et ȳ = 17.61 déjà calculées, et les écarts-types σx = = ressemble à un nuage de points d’apparence aléatoire, car les deux caractéristiques n’ont
n
r Pn
2 probablement aucun lien entre elles. Les droites D et D′ ne coïncideront pas du tout.
i=1 (yi − ȳ)
0.0593 et σy = = 8.53.
n
On définit alors la covariance de la série des (xi , yi ) par la formule Un outil numérique permet d’estimer si deux variables sont liées ou pas par une relation
linéaire :
n
1X σx,y
σx,y = (xi − x̄)(yi − ȳ). le coefficient de corrélation r= .
n i=1 σx σy

3/27 I
 r est toujours compris entre −1 et 1. S’il vaut ±1, les droites D et D′ sont confondues, Pn 2 2 Pn
< a( n1 i=1 xi − x̄ ) 1
8
et plus il est proche de ±1, plus les points (xi , yi ) semblent alignés : on dit qu’il y a une = n i=1 xi yi − x̄ȳ
bonne corrélation linéaire entre les quantités x et y.
ax̄ + b = ȳ
:
Ici, r = 0.994. En pratique, on commence à considérer une valeur |r| > 0.7 comme
significative d’une corrélation linéaire. Mais on reconnait dans la première équations les expressions de la variance x2 − x̄2 et de la
σx,y σx,y
covariance déjà étudiées. Ainsi, a = 1 Pn = , et la deuxième équation exprime
n
x
i=1 i
2
− x̄ 2 σx2
remarque 1 : le fait que r soit proche de 0 n’indique pas qu’il n’y a aucune corrélation bien le fait que la droite D passe par le point moyen du nuage de points.
entre les variables, mais seulement qu’il n’y a pas de corrélation linéaire. En effet, on ren- Des considérations intuitives montrent (la démonstration rigoureuse dépasse le niveau de ce
contre souvent des relations du type y = 1/(ax + b), y = kcx , y = kxc , ... et tout ce qui cours) qu’il doit bien exister une droite réalisant ce minimum, et on vient de prouver que ce n’est
précède est inadapté pour traiter ces corrélations non linéaires. possible que pour les valeurs de a et b définies plus haut.
Mais il suffit d’un changement de variable pour se ramener au cas linéaire : voir les
exercices. 2.2 Régression linéaire passant par l’origine
remarque 2 : une bonne corrélation (|r| proche de 1) ne signifie pas qu’il existe une Dans le cas de la résistance, si l’on connaît préalablement à l’expérience la loi d’Ohm,
relation de cause à effet entre deux phénomènes ; une étude physique plus approfondie sera on sait que la relation à chercher est du type U = RI, et l’on peut souhaiter simplement dé-
nécessaire pour le savoir : r n’est qu’un indice pour le technicien. terminer le meilleur coefficient R correspondant aux mesures, avec une relation sans terme
On peut illustrer cela par un troisième exemple : si à Grenoble on note, chaque jour de constant.
l’hiver, la hauteur de neige tombée et la température de l’air, on observera une corrélation : Si l’on recherche une relation de la forme y = ax, on prendra alors la valeur
il neige très peu les jours très froids. Peut-on en déduire que le froid empêche la neige de P
tomber ? En fait, il n’y a pas de relation physique directe : en altitude, ou dans d’autres xi yi xy
a = Pi 2 = .
régions du globe, il peut neiger avec des températures très froides. Mais en France, ce sont i xi x2
les anticyclones sibériens qui amènent le froid vif...et l’air sec. Il y a bien corrélation entre
les phénomènes, mais pas de lien de cause à effet.
Dans cet exemple, i x2i = 0.086023 et i xi yi = 12.82095, d’où a ≃ 149.04Ω.
P P
Complément : démonstration de la formule des moindres carrés Le choix entre ces deux méthodes dépendra des circonstances : dans cette expérience, le
On considère un nuage de points Mi (xi , yi ) et une droite D : y = ax + b. fait qu’une régression linéaire « classique » ne donne pas b = 0 peut s’expliquer par le fait
Une manière d’exprimer le fait que la droite D passe au plus près des points Mi est de demander que la résistance n’est pas une résistance « pure » (le terme b ayant alors une signification
que le produit des carrés des écarts Pd’ordonnée yi − (axi2+ b) soit le plus petit possible : on souhaite physique) ou bien par le fait qu’une ou plusieurs mesures sont peu précises.
trouver a et b tels que la quantité n i=1 ((axi + b) − yi ) soit minimale.
Il s’agit d’une application de deux variables (a, b) positive et à valeurs réelles. De plus cette ap-
plication est dérivable : si elle admet un minimum, on sait qu’en celui-ci les dérivées partielles doivent
s’annuler. On peut calculer ces dérivées partielles :
∂( n 2
∂( n 2
P P
i=1 (axi + b − yi ) ) i=1 (axi + b − yi ) )
Pn
= 2 i=1 xi (axi + b − yi ) et =
∂a ∂b
2 n
P
i=1 (ax i + b − y i ).
équations Pn
P
Ainsi la P condition nécessaire de minimum s’exprime Ppar les deuxP i=1 xi (axi + b −
n n 2 n n
yiP
) = 0 et i=1 (ax i + b − yi ) = 0, soit encore a i=1 x i + b i=1 x i − i=1 xi yi = 0 et
n Pn
a i=1 xi + nb − i=1 yi = 0. En divisant par n les deux équations on obtient le système :
8 1 Pn 2 1
Pn
< a n i=1 xi + bx̄ = n i=1 x i yi

ax̄ + b = ȳ
:

que l’on résoud en enlevant x̄ fois la deuxième ligne à la première :

4/27 I - 2 statistiques à deux varias

Deuxième partie Autrement dit, n! est le nombre de permutations d’un ensemble à n éléments.

Probabilités 3.3 listes

Un autre problème classique de dénombrement est celui du tirage avec remise : typique-
3 Combinatoire ment, on dispose d’une urne avec 10 jetons, numérotés de 1 à 10, et on tire 3 fois de suite un
Avant de commencer l’étude des probabilités, il est nécessaire d’apprendre à comp- jeton dont on note le numéro avant de le remettre dans l’urne. On a donc 10×10×10 = 103
ter le nombre d’éléments des ensembles finis qui seront les événements étudiés : c’est le triplets de résultats possibles. Plus généralement, on démontre de même que
dénombrement.
Et un moyen pour y arriver est l’utilisation de quelques méthodes combinatoires, que le nombre de manières de fabriquer une liste (ordonnée)
nous détaillons ici. de n-éléments tous compris entre 1 et p est pn .

3.1 cardinal
3.4 arrangements
Si E est un ensemble fini, on appelle cardinal de E, et on note card(E), le nombre de
ses éléments. Combien de podiums sont possibles pour une épreuve olympique avec 10 participants ?
exemple : Il faut choisir la médaille d’or parmi les 10, puis la médaille d’argent parmi les 9 restants,
– Si E = { pique, trèfle, coeur, carreau }, son cardinal est card(E) = 4. puis la médaille de bronze parmi les 8 restants, soit 10 × 9 × 8 = 720.
– Si E = {1, 2, 3, 4, 5, 6}, card(E) = 6. Plus généralement,
– Si E est l’ensemble des entiers, card(E) est infini.
– Si E est l’ensemble des manières de placer Amandine, Bertrand et Cécile sur un
le nombre de manières de classer p personnes choisies parmi n est
banc, quel est le cardinal de E ? n!
On peut énumérer les possibités, en indiquant l’ordre de droite à gauche : A, B, C, Apn = n × (n − 1) × . . . × (n − p + 1) = .
(n − p)!
ou bien A, C, B, ou bien B, A, C ou bien B, C, A, ou bien C, A, B, ou bien C, B, A.
Et donc card(E) = 6.

3.2 factorielle 3.5 combinaisons

Le dernier exemple est encore traitable directement ; mais si le nombre de personnes à A un concours de recrutement, 10 candidats se présentent pour trois postes. Combien
classer augmente, on a intérêt à réflechir un peu plus...par exemple, de combien de manières de possibilités de recrutement ?
peut-on classer 80 étudiants de DUT Mesures Physiques ? Ici, contrairement à l’exemple précédent, l’ordre importe peu : seul compte le fait d’être,
Il suffit de choisir, parmi les 80 étudiants, celui qui sera premier : on a 80 possibili- ou non, recruté. On peut donc commencer par compter le nombre de manière de classer trois
tés. Puis de choisir le second parmi les 79 restants : 79 possibilités. Puis le troisième, le candidats parmi 10 : 720. Puis, ensuite, diviser ce nombre par le nombre de classements de
quatrième, et ainsi de suite. On a donc 80 × 79 × 78 × . . . × 2 × 1 possibilités. ces trois recrutés entre eux, soit 3!. Et le nombre de recrutements possibles est donc de 120.
Cette démonstration se généralise, et Plus généralement,

le nombre de façons de classer n élements est n! = n × (n − 1) × (n − 2) × . . . × 2 × 1. le nombre

  de manières de choisir p éléments parmi n est
n n × (n − 1) × . . . × (n − p + 1) n!
= = .
p p × (p − 1) × . . . × 1 p!(n − p)!
Le nombre n! se lit « factorielle n ».

5/27 II - 3 Combinatoire
 n
se prononce « p parmi n ». Les np sont les coefficients binômiaux ; l’écriture lar-



p pour tous a,b complexes,
gement utilisée dans le secondaire en France au siècle précédent est Cnp (lire « C n p »)
n
(attention à l’ordre : n est en haut dans p , en bas dans Cnp )


       
n n n 0 n n−1 1 n 1 n−1 n 0 n
(a + b) = a b + a b + ...+ a b + a b
On peut aussi voir np comme le nombre de parties à p-éléments dans un ensemble à n

0 1 n−1 n
éléments. Avec cette définition, il est alors clair que

    et en particulier : (a + b)2 = a2 + 2ab + b2 , (a + b)3 = a3 + 3a2 b + 3ab2 + b3 .

n n
=
Citons enfin une dernière propriété des nk qui nous sera utile plus tard dans


p n−p
kn! n(n − 1)!
l’étude de la loi binomiale : si n, k ≥ 1, on a = =
k!(n − k)! (k − 1)!(n − k)!
car déterminer un ensemble à p-éléments revient exactement à déterminer son complémen- (n − 1)!
n , donc
taire, à n − p éléments. (k − 1)!(n − 1 − (k − 1)!
On a aussi :
   
n n−1
pour k, n entiers tels que 0 ≤ k ≤ n, k =n
     
n n−1 n−1 .
pour n, p supérieurs ou égaux à 1, = + . k k−1
p p p−1

En effet, si E est un ensemble à n éléménts et a ∈ E fixé, il y a n−1

p parties de E à p
n−1


éléments qui ne contiennent pas a, et p−1 qui contiennent a. Cette propriété est à la base
de la construction du triangle de Pascal : le tableau suivant, où chaque nombre à partir de la
ligne 1 est la somme des deux de la ligne du dessus sur la même colonne et la colonne de
gauche,

col.0 col.1 col.2 col.3 col.4 col.5 col.6 col.7 col.8 col.9 . . .
ligne 0 : 1
ligne 1 : 1 1
ligne 2 : 1 2 1
ligne 3 : 1 3 3 1
ligne 4 : 1 4 6 4 1
ligne 5 : 1 5 10 10 5 1
ligne 6 : 1 6 15 20 15 6 1
ligne 7 : 1 7 21 35 35 21 7 1
ligne 8 : 1 8 28 56 70 56 28 8 1
ligne 9 : 1 9 36 84 126 126 84 36 9 1
... ...

contient, à l’intersection de la ligne n et de la colonne p la valeur de np .

C’est l’occasion de rappeler l’utilisation des np pour le développement d’expressions

algébriques :

6/27 II - 3 Combinatoire
4 Probabilités - définitions élémentaires un nombre inférieur ou égal à 4 », et A ∩ B = {1, 3} = « on obtient un nombre impair
inférieur ou égal à 4 ».
4.1 expériences aléatoires
Deux événements sont incompatibles s’ils ne peuvent se produire simultanément, i.e si
On appelle expérience aléatoire une expérience dont les issues (les résultats) ne sont leur intersection A ∩ B est vide.
pas déterminés à l’avance. Bien sûr, un événement et son contraire sont toujours incompatibles.
L’ensemble, souvent noté Ω, de toutes les issues possibles est appelé univers ou espace
d’échantillonnage de l’expérience.
4.4 loi de probabilité
exemples :
– On jette un dé à six faces, il y a six issues possibles : Ω = {1, 2, 3, 4, 5, 6}. On peut associer à une expérience aléatoire et à son univers une probabilité qui permet
– Un fabricant contrôle les produits sortis de ses chaînes : il y a deux issues possibles, de quantifier le fait qu’un événement est « probable » ou est « peu probable ».
ou bien le produit est sans défaut et peut être vendu, ou bien le produit présente des
Une probabilité est une application p de P(Ω) dans [0; 1] telle que p(Ω) = 1 et telle
défauts et va être jeté : Ω = { conforme , non conforme }.
que si A et B sont deux événements incompatibles, p(A ∪ B) = p(A) + p(B).
– On choisit un nombre entier positif : Ω = N. A la différence des exemples précé-
dents, Ω est ici infini. On parle là d’infini discret (les valeurs possibles sont toutes Comme conséquence de cette définition, on a donc les propriétés suivantes :
isolées).
– On choisit un point dans le plan. Là, Ω = R2 , et l’univers est aussi infini, mais cette
0 ≤ p(A) ≤ 1 pour tout événement A
fois-ci on parle d’infini continu.
p(∅) = 0, p(Ω) = 1
4.2 événements
p(Ā) = 1 − p(A) pour tout événement A
Un sous-ensemble, ou partie, de Ω est appelé un événement. L’ensemble des événe-
ments est donc l’ensemble noté P(Ω) des parties de Ω. p(A ∪ B) + p(A ∩ B) = p(A) + p(B) pour tous événements A, B.
En particulier Ω et ∅ sont appelés événement certain et événement impossible.
Un ensemble qui ne contient qu’une seule issue est un événement élémentaire.
exemple : dans l’expérience du dé, « on obtient 1 » est un événement élémentaire, « on
obtient un nombre impair » ou « on obtient un nombre inférieur ou égal à 4 » sont deux remarque : pour chaque univers, on peut bien sûr imaginer plusieurs lois de proba-
événements (non élémentaires). bilités différentes. Dans l’expérience de la fabrication d’objets, on peut imaginer qu’un
chaîne de fabrication fonctionnant bien ait pour probabilité p(« conforme ») = 0, 95 et
p(« non conforme ») = 0, 05, alors qu’une chaîne moins efficace ait des probabilités asso-
4.3 opérations sur les événements ciées p(« conforme ») = 0, 75 et p(« non conforme ») = 0, 25.
A et B sont deux événements. Alors : On doit donc définir non seulement l’univers Ω, mais aussi la loi de probabilité p dont
L’événement contraire de A est son complémentaire dans Ω, noté Ā ou Ω − A, et se on le munit. Pour être rigoureux on parle donc en toute rigueur d’un espace probabilisé
comprend « A n’est pas réalisé ». (Ω, p).
La réunion de A et B est A ∪ B et se comprend « A ou B (ou les deux) sont réalisés ».
L’intersection de A et B est A ∩ B et se comprend « A et B sont réalisés simultané- 4.5 le cas particulier des univers finis
ment ». Pour étudier un phénomène à l’aide des probabilités, on a besoin de connaître la loi de
exemple : Dans l’expérience du dé, si A = {1, 3, 5} = « on obtient un nombre probabilité p, qui est une fonction de P(Ω) dans [0; 1], donc a priori on a besoin de connaître
impair » et B = {1, 2, 3, 4} = « on obtient un nombre inférieur ou égal à 4 », alors sa valeur sur chaque sous-ensemble de Ω. Mais en fait, quand Ω est fini, la connaissance de p
Ā = {2, 4, 6} =« on obtient un nombre pair », B̄ = {5, 6} =« on obtient un nombre sur chaque événement élémentaire suffit : si A ⊂ Ω est un événement quelconque, A est fini
strictement supérieur à 4 », A ∪ B = {1, 2, 3, 4, 5} = « on obtient un nombre impair ou et on peut écrire A = {a1 , a2 , . . . , ak }, donc p(A) = p({a1 }) + p({a2 }) + . . . + p({ak }).

7/27 II - 4 Probabilités - définitions élémentaires

 Un cas encore plus particulier mais fondamental est le cas de l’équiprobabilité : sur un Pour ce qui suit on prend pour Ω un intervalle de R (par exemple, [0; 1], ou [0; +∞[, ou
univers fini, on dit que la loi est équiprobable si tous les événements élémentaires ont la R lui-même...).
même probabilité. Dans ce cas, la probabilité de chaque événement élémentaire est simple- Ces événements de base vont ici être les segments [a, b]. Dans la plupart des cas, les
ment 1/card(Ω), et la probabilité d’un événement A est : événements qui nous intéressent pourront être décrits comme réunion, intersection, com-
plémentaires, ... de segments et on pourra donc déduire ainsi leur probabilité de celles de
card(A) nombre d’éléments de A ces segments grâce aux règles de calcul sur les probabilités.
p(A) = = . Donc dans le cas des probabilités continues on associe à chaqueZprobabilité une densité
card(Ω) nombre d’éléments de Ω
de probabilité qui est une fonction intégrable et positive, telle que f = 1. Et la probabi-
Z Ω

lité p est caractérisée par le fait que pour tout événement A, p(A) = f . En particulier,
exemples : dans des expérience de tirage au sort (pile ou face, dé, jeu de cartes, ...), Z b A
sans précisions supplémentaires on supposera que le jeu n’est pas truqué, ce qui revient à p([a; b]) = f pour tout segment [a; b].
dire que la loi est équiprobable : tous les événements élémentaires ont la même probabilité a
(une chance sur deux de faire pile, une chance sur deux de faire face ; une chance sur six de
exemple : le cas le plus simple est celui de la probabilité uniforme sur [0; 1], qui corres-
tirer 1, une chance sur six de tirer 2, etc... ; une chance sur 32 de tirer chacune des cartes du
pond à l’expérience « on choisit au hasard un nombre compris entre 0 et 1, sans privilégier
paquet).
aucune valeur ».
Alors la densité correspondante est f = 1, et la probabilité d’obtenir un nombre entre a
4.6 le cas particulier des probabilités infinies discrètes Z b
et b (pour 0 ≤ a ≤ b ≤ 1) est égale à p([a, b]) = 1 = b − a.
Ω infini est dit discret si on peut énumérer ses éléments, i.e si on peut écrire Ω = a
{x1 , x2 , . . . , }. Typiquement, cela correspond à des expériences dont le résultat est un entier Ainsi, avec a = 0 et b = 1, la probabilité est 1 : le choix d’un nombre entre 0 et 1 donne
naturel. Comme dans le cas précédent, on obtient la probabilité d’un événement quelconque à coup sûr un nombre entre 0 et 1 !
comme somme (éventuellement infinie) des événements élémentaires qui le composent. Au contraire, si a = b, on constate que la probabilité de choisir un nombre a donné à
l’avance est nulle.
exemple : On considère la probabilité de désintégration des atomes d’un composé ra- Si a = 0, 25 et b = 0, 75 : on a une chance sur deux que le nombre choisi soit dans
dioactif durant un intervalle de temps de longueur t fixé. Ici, Ω = N, et on montrera en l’intervalle [a; b] de longueur 1/2.
Λn tn −Λt
exercice que pn = e . Quelle est la probabilité d’obtenir moins de 5 désintégra-
n!
tions ?
remarque : on n’a jamais équiprobabilité sur un ensemble infini discret. En effet,
supposonsPles probabilités élémentaires pi (i ∈ N) toutes égales à un même α. Alors
+∞
p(Ω) = i=0 α ne peut valoir que 0 (si α = 0) ou +∞ (si α > 0), mais en aucun
cas 1.

4.7 le cas particulier des probabilités continues

Pour étudier les probabilités sur des univers continus infinis (par exemple : choix d’un
nombre au hasard dans [0; 1] ; durée de vie d’une voiture dans [0; +∞[, ...) on va comme
dans le cas fini partir d’ « événements de base » qui permettent de reconstituer tous les
événements, donc de calculer toutes les propriétés. Mais ici le problème est un peu plus
délicat. En effet, en général, avec un univers continu la probabilité de chaque événement
élémentaire est nulle, et cette information ne permet pas de déterminer la valeur de p(A)
pour tout événement A.

- 8/27 II - 4 Probabilités - définitions élémentaires

4.8 probabilités conditionnelles p(B) = p(B|A1 )p(A1 ) + p(B|A2 )p(A2 ) + . . . + p(B|An )p(An ).
Soit (Ω, p) un espace probabilisé, et A un événement de probabilité non nulle.
On appelle « probabilité que B soit réalisé sachant que A l’est », ou plus simplement
« probabilité de B sachant A », la quantité Alors en écrivant p(Ak |B) = p(Ak ∩ B)/p(B) = p(B|Ak )p(Ak )/p(B), et en rempla-
çant p(B) par la formule précédente, on obtient la formule de Bayes :
p(A ∩ B)
p(B|A) = .
p(A) p(Ak )p(B|Ak )
p(Ak |B) = Pn
i=1 p(Ai )p(B|Ai )
Ainsi p(Ω|A) est toujours égal à 1.

exemple : on lance deux dés bien équilibrés. Quelle est la probabilité que la somme des exemple : Un test de dépistage d’une maladie rare touchant une personne sur 10000
résultats soit strictement supérieure à 10 sachant que l’un des dés a donné 6. semble efficace : il détecte 99% des personnes infectées, avec seulement 0, 5% de « faux
"somme > 10" ={(6, 6); (6, 5); (5, 6)}, "l’un des dés donne 6" est de cardinal 11, et positifs ». Quelle est la probabilité qu’une personne dont le test est positif soit effectivement
l’intersection est de cardinal 3, donc la probabilité est 3/11. malade ? p(M |P ) = p(P |M )p(M )/(p(P |M )p(M ) + p(P |M̄ )p(M̄ )) ≃ 1, 94%.

Connaissant p(A|B), on aimerait parfois connaître p(B|A). C’est souvent possible en 4.9 événements indépendants
écrivant de deux manières différentes p(A ∩ B) à l’aide des définitions de p(A|B) et de
p(B|A) : On dit que deux événements A et B sont indépendants quand l’un des deux est de pro-
babilité nulle, ou bien, quand les deux sont de probabilité non nulle, si le fait de savoir que
l’un est réalisé n’influe pas sur la probabilité que l’autre le soit. Autrement dit deux événe-
p(A ∩ B) = p(A)p(B|A) = p(B)p(A|B).
ments de probabilité non nulle sont indépendants quand p(B|A) = p(B) (ou de manière
équivalente quand p(A|B) = p(A)).
exemple : 48 des 53 étudiants de T I ont eu la moyenne en automatique, et 14 des 26 p(A ∩ B)
Comme p(B|A) = , cela équivaut à la
étudiants M CP C. Quelle est la probabilité qu’un étudiant ayant eu la moyenne soit en T I ? p(A)
On a p(S|M CP C) = 14/26 et p(S|T I) = 48/53. De plus p(S) = 62/79 et proposition : deux événements sont indépendants si et seulement si p(A ∩ B) =
p(T I ∩ S) = 48/79. Donc p(T I|S) = (48/79)/p(S) = (48/79) × (79/62) = 48/62 = p(A)p(B).
24/31. remarque : ne pas confondre les deux notions d’événements indépendants et d’événe-
La formule ci-dessus peut s’exprimer sous la forme plus directement utilisable suivante : ments incompatibles ! Deux événements incompatibles ne sont jamais indépendants (sauf
si les deux sont de probabilités nulle). En effet, si A et B sont incompatibles et que l’on sait
que A est réalisé, justement, B ne peut pas se produire...il n’y a donc pas indépendance.
p(B|A) × p(A)
p(A|B) = .
p(B)

Dans les cas un peu plus compliqués, on peut avoir besoin de la formule de Bayes.
Considérons donc des événements incompatibles A1 , A2 , . . ., An , et un événement B
qui ne peut se produire que si l’un des Ai se produit, les p(B|Ai ) étant connus. On cherche
la probabilité pour que, B s’étant produit, Ak en soit la cause.
Commençons par remarquer que p(B) = p(A1 ∩ B) + . . . + p(An ∩ B) ; comme
p(Ak ∩ B) = p(Ak )p(B|Ak ), on obtient la formule des probabilités totales :

- 9/27 II - 4 Probabilités - définitions élémentaires

5 variables aléatoires Si la pièce est bien équilibrée on a donc pX (0) = p(pile) = 1/2, pX (1) = p(face) =
1/2.
5.1 définition exemple 2 : on étudie une expérience de désintégration nucléaire. Soit X la variable
Une variable aléatoire sur un espace probabilisé (Ω, p) est une application X : Ω → R. aléatoire représentant le nombre d’atomes désintégrés en 1 seconde. Alors on a déjà vu que
λk −λ
exemples : le résultat obtenu en jetant un dé, la mesure d’une tige métallique, le nombre p(X = k) vaut e où λ est une constante qui dépend du composé radioactif.
k!
de pannes quotidiennes d’une machine, . . . sont des variables aléatoires. On peut représenter graphiquement les pk et la fonction de répartition (avec ici λ = 3) :
Chaque variable aléatoire définit une probabilité pX sur R de la manière suivante : valeurs des pk = p(X = k) fonction de répartition
0.3 1
pour tout A ⊂ R, pX (A) = p(X −1 (A)) = p(X ∈ A) = p({x ∈ Ω | X(x) ∈ A}).
0.25
0.2
pX (A) est donc la probabilité pour que la variable aléatoire X prenne ses valeurs dans
un ensemble A fixé. Et la loi d’une variable aléatoire X est la donnée des valeurs pX (A) 0.15

pour tous les A ⊂ R. 0.1

0.05

La fonction de répartition FX d’une variable aléatoire X est la fonction définie par 0 0

0 1 2 3 4 5 6 7 8 9 101112
FX (x) = p(X −1 (] − ∞; x[) = p(X < x). 0 1 2 3 4 5 6 7 8 9 10 11 12

FX est une fonction croissante, à valeurs dans [0; 1]. De plus, comme p(∅) = 0 et
p(Ω) = 1, la limite de FX en −∞ est 0, sa limite en +∞ est 1, et donc p(X ≥ x) = On peut déduire de ces probabilités élémentaires les probabilités des autres événements.
1 − FX (x). Ainsi, p(le nombre d’atomes désintégrés est compris entre 2 et 4) = p(X ∈ [2; 4]) =
p(X = 2) + p(X = 3) + p(X = 4) = FX (5) − FX (2) (car FX (5) = p(X < 5) = p(X ≤
Bien sûr, donner la loi d’une variable aléatoire en donnant chaque pX (A) est fastidieux, 4), FX (2) = p(X < 2)). De même, p(deux atomes au moins se sont désintégrés) =
et souvent impossible si X(Ω) est infini. Mais nous allons voir que l’on peut être plus ef- p(X ∈ [2; +∞[) = 1 − p(X < 2) = 1 − FX (2).
ficace en décrivant la loi seulement pour certains événements « simples » : les événements exemple 3 : on joue dix fois de suite à pile ou face, et on compte le nombre de « face ».
élémentaires (pour une variable discrète) ou les événements du type ] − ∞; x[ (pour une Ω est ici constitué des listes de 10 résultats successifs « pile » ou « face ».
variable continue), ce qui revient à donner seulement la fonction de répartition. Que vaut X(Ω) ? C’est {0; 1; 2; . . . ; 10} : on peut obtenir face 0, 1, 2, . . ., 9 ou 10 fois.
nombre de listes avec k fois « face »
5.2 cas des univers finis ou infinis discrets Et si k désigne un nombre entre 0 et 10, pX (k) = ;
nombre total de listes
10
mais le nombre total de listes de 10 résultats pile ou face est 2 , alors
que le nombre de
5.2.1 variables aléatoires 10
listes avec exactement k résultats face est 10 k


. Ainsi, p(X = k) = .
Si les valeurs prises par X forment un ensemble discret X(Ω) = {x1 , x2 , . . . , xn , . . .} k 210
on peut décrire la loi de la variable X en donnant seulement les pX ({xi }), probabilité que On obtient les représentations graphiques :
les éléments de Ω « prennent » la valeur xi . En effet pour tout événement A, pX (A) sera la
valeurs des pk = p(X = k) fonction de répartition
somme des pX ({a}) pour a ∈ A.
0.3 1
remarque : la notation pX ({xi }) est lourde et abrège en pX (xi ) ou p(X = xi ). 0.25
Ainsi la probabilité de chaque événement élémentaire xi est un nombre p(X = xi ) = pi 0.2
XΩ
card 0.15
tel que pi = 1, et décrire la loi de X revient à donner l’ensemble des valeurs pi . 0.1
i=1
0.05
exemple 1 : on joue à pile ou face, et on appelle X la variable aléatoire qui vaut 0 en 0 0
cas de résultat pile et 1 en cas de résultat face. Alors Ω = {pile, face}, et X(Ω) = {0; 1}. 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10

10/27 II - 5 variables aléatoires

 On en déduit de même ici la probabilité d’autres événements, par exemple
L’espérance est linéaire : E(X + Y ) = E(X) + E(Y ) et E(aX) = aE(X)
p(le nombre de résultats pile est impair) = p(X ∈ {1, 3, 5, 7, 9} = p(X = 1) + p(X =
3) + p(X = 5) + p(X = 7) + p(X = 9), ou bien p(X > 3) = 1 − p(X ≤ 3) = 1 − FX (4).
E(X + b) = E(X) + b

5.2.2 espérance, variance, écart-type Var(X) = E[(X − E(X))2 ] = E(X 2 ) − E(X)2

On définit pour une variable aléatoire discrète X qui prend les valeurs Var(aX) = a2 Var(X) et σ(aX) = |a|σ(X)
{x1 , x2 , . . . , xn , . . .} avec les probabilités {p1 , p2 , . . . , pn , . . .} (où pi = p(X = xi )) les
trois quantités suivantes : Var(X + b) = Var(X) et σ(X + b) = σ(X)

n
X
l’espérance de X est E(X) = pi xi = p1 x1 + p2 x2 + . . . , Une variable aléatoire X est dite centrée si E(X) = 0, et réduite si Var(X) = 1.
i=1 Des propriétés précédentes on déduit que

si X est une variable aléatoire quelconque,

la variance de X est X − E(X)

n Z= est une variable aléatoire centrée réduite.
σ(X)
X
2 2 2
Var(X) = pi (xi − E(X)) = p1 (x1 − E(X)) + p2 (x2 − E(X)) + . . . ,
i=1

5.3 variables aléatoires continues

(à chaque fois les sommes ci-dessus peuvent être finies ou infinies)
Z variable aléatoire X admet une densité fX si pour tout x ∈ R FX (x) =
On dit qu’une
x
p
l’écart-type de X est σ(X) = Var(X). p(X < x) = fX (t) dt : la densité est la dérivée de la fonction de répartition.
−∞

R a On a en particulier p(a ≤ X < b) = FX (b) − FX (a), et aussi p(X = a) =

a fX (t)dt = 0 : la probabilité d’obtenir une valeur donnée doit être considérée comme
Le terme espérance vient de la théorie des jeux, pour laquelle ont été développées les nulle, et ce sont les probabilités d’obtenir un résultat dans un segment [a, b] qui nous inté-
probabilités. Il s’agit en quelque sorte du « gain moyen » au cours du jeu : dans une lo- resseront, et permettront de calculer les probabilités de tous les événements.
terie, avec une chance sur 10 de gagner 20e et neuf chances sur dix de perdre la mise exemple : si X est une variable aléatoire uniformément répartie sur [a; b], on détermine
de 3e, l’espérance de gain, ou gain moyen sur un grand nombre de parties, sera bien de
1 9 7
20 + (−3) = − : l’organisateur du jeu est favorisé ! 
0 si x < a

0 si x < a
10 10 10  
 x− a
1

La variance (et l’écart-type) mesurent, eux, la dispersion des valeurs autour de cette fX (x) = si a ≤ x ≤ b et FX (x) = si a ≤ x ≤ b .
espérance : ils sont d’autant plus élevés que les probabilités des valeurs éloignées de l’es-  b − a  b − a
0 si x > b 1 si x > b
 
pérance (valeur moyenne) sont importantes.

Citons quelques-unes des propriétés remarquables de ces quantités : que l’on peut représenter graphiquement, pour a = 1, b = 3 :

11/27 II - 5 variables aléatoires

 fonction densité fonction de répartition 5.4 l’inégalité de Tchébycheff
1
0.5 Citons ce résultat qui justifiera, plus tard, la loi des grands nombres faisant le lien entre
probabilités et statistiques :

Si X est une variable aléatoire quelconque, on a pour tout λ > 0 :

0
p( E(X) − λσ(X) < X < E(X) + λσ(X) ) ≥ 1 − 1/λ2 ,
0
-2 -1 0 1 2 3 4 5 -2 -1 0 1 2 3 4 5
soit encore :

|X − E(X)|
remarque : nous ne présentons ici qu’un cas particulier, suffisant pour une première p( ≥ λ ) ≤ 1/λ2 .
σ(X)
approche : en fait une variable aléatoire continue n’admet pas forcément de densité et on
parle, si cette densité existe, de variables aléatoires absolument continues. Toutes les va-
riables continues que nous rencontrerons seront en fait absolument continues. Autrement dit, si λ tend vers l’infini, la probabilité que X prenne une valeur dans
[E(X) − λσ(X); E(X) + λσ(X)] devient proche de 1.
On définit alors pour une variable aléatoire continue X, par analogie avec le cas discret : Pour λ = 2 par exemple, la probabilité que X prenne une valeur dans [E(X) −
2σ(X); E(X) + 2σ(X)] est au moins de 3/4. Pour λ = 3, la probabilité que X prenne
une valeur dans [E(X) − 3σ(X); E(X) + 3σ(X)] est au moins de 8/9.
Z Ces valeurs sont, la plupart du temps, loin d’être optimales. Mais elles ont l’avantage
l’espérance de X : E(X) = x fX (x) dx d’être vérifiées sans aucune hypothèse sur la loi de X. Quand cette loi est connue, nous
I
verrons plus loin comment améliorer ces résultats.
Z
la variance de X : Var(X) = fX (x) (x − E(X))2 dx
I
p
l’écart-type de X : σ(X) = Var(X).

Ces formules sont bien entendu analogues aux formules vues dans le cas discret.
Plus précisément, les probabilités élémentaires pi = p(X = xi ) sont remplacées par la
fonction densité fX (x), que l’on peut intérpréter en disant que fX (x)dx est la probabilité
de l’événement infinitésimal p(x ≤ X ≤ x + dx).
P Dans le cas discret, on obtient la probabilité de l’événement A par la formule p(A) =
a∈A p(X = a) (la probabilité d’un événement est la somme des probabilités des événe-
ments élémentaires qui le composent). R Dans le cas continu, la somme est remplacée par une
intégrale, et on a la formule p(A) = A fX (x)dx.
P
De même, l’espérance E(X) = i xi pi , qui est la somme des produits de la
Rforme (valeur de la variable aléatoire X) × (probabilité d’obtenir cette valeur), devient
x∈R xf (x)dx : on somme ici encore le produit de la valeur x par la probabilité f (x)dx
que X prenne une valeur infiniment proche de x.

12/27 II - 5 variables aléatoires

6 Couples de variables aléatoires exemple : étudier l’indépendance des variables X et Y de l’exercice précédent.

On peut vouloir étudier plusieurs variables définies sur une même population, et les
liens entre ces variables. Par exemple : l’âge X, la taille Y , le revenu mensuel Z, . . ....Dans 6.2 loi d’un couple de variables aléatoires continues : densité
ce but nous allons introduire la notion de couple de variables aléatoires.
Si X et Y sont des variables continues, on Rappelle densité conjointe de
On considère donc deux variables X et Y définies sur un même univers Ω. (X, Y ) est
R
X et Y une fonction f (x, y) positive telle que f (x, y) dxdy = 1 et
une nouvelle variable aléatoire, à deux dimensions : c’est une application de P(Ω) dans R2 . Z bZ d
p((a < X < b) ∩ (c < Y < d)) = f (x, y) dxdy.
a c
Z +∞
6.1 loi d’un couple de variable aléatoires discrètes
Les densités marginales de X et Y sont respectivement fX (x) = f (x, y) dy et
Si Ω est discret, pour connaître la loi conjointe, la loi de (X, Y ), il suffit de la −∞
Z +∞
connaître sur les événements élémentaires (x, y) : on doit donc connaître les pxy = p(X = fY (y) = f (x, y) dx.
2
x
Pet Y = y). Alors si A est une P partie quelconque de R , on a p((X, Y ) ∈ A) =
−∞

(x,y)∈A p((X, Y ) = (x, y)) = (x,y)∈A pxy . En particulier, les pxy sont tous positifs, et
leur somme vaut 1. Indépendance : on dit que deux variables continues X et Y sont indépendantes si tous
les événements a < X < b et c < Y < d sont indépendants, autrement dit si l’on a
La loi d’un couple de variables
X aléatoires (X, Y ) X
étant donnée, on définit la loi margi- p(a < X < b, c < Y < d) = p(a < X < b) × p(c < Y < d) pour tous les intervalles
nale de X par p(X = x) = p(X = x, Y = y) = pxy ; et de même la loi marginale [a, b] et [c, d]. Cela équivaut à demander que la densité conjointe soit égale au produit des
y
X y
X densités marginales : f (x, y) = fX (x)fY (y).
de Y est donnée par p(Y = y) = p(X = x, Y = y) = pxy .
x x exemple : on peut voir un couple de variables aléatoires (X, Y ) comme la détermina-
On représente en général ces informations sous forme d’un tableau : les cases centrales tion d’une répartition de masse totale de 1 sur R2 . Dans le cas discret, il s’agit de répartir
donnent les probabilités des événements élémentaires, la somme de chaque ligne ou chaque des masses ponctuelles. Dans le cas continu, des masses continues, la densité de probabilité
colonne fournissant les probabilités marginales. correspond à une densité « physique ».
Par exemple quelle est la densité associé à la répartition de la masse uniformément sur
exemple : dans une urne contenant 4 boules indiscernables au toucher marquées 1 à 4, un triangle de sommets (0, 0), (0, 1), (1, 1) ?
on en tire simultanément deux. Le triangle T est déterminé par les équations y ≤ 1, x ≥ 0 et y ≥ x. On cherche une
On appelle X le plus petit des deux numéros sortis, et Y le plus grand. Donner la loi fonction nulle en dehors de T et constante sur T . Z 1Z 1
conjointe et les lois marginales de (X, Y ). R
Sa valeur k doit donc vérifier D k = 1, soit k dxdy = 1, soit encore
0 x
X|Y 2 3 4 loi marginale en X R1
(1 − x)k = k/2 = 1, donc k = 2.
0
1 1/6 1/6 1/6 1/2 R1
Réponse : 2 0 1/6 1/6 1/3 La densité marginale en x vaut 0 si x < 0 ou si x > 1, et sinon fX (x) = y=x 2 dy =
3 0 0 1/6 1/6 2(1 − x) ; elle est, logiquement, plus importante quand x est proche de 0 que de 1.
loi marginale en Y 1/6 1/3 1/2 R y De même la densité marginale en y vaut 0 en dehors de [0; 1] et sur [0; 1] : fY (y) =
x=0
2 dx = 2y.

Indépendance : on dit que deux variables discrètes X et Y sont indépendantes si

tous les événements X = x et Y = y sont indépendants, autrement dit si l’on a 6.3 propriétés
p(X = x, Y = y) = p(X = x) × p(Y = y) pour tous x, y.
L’intérêt d’avoir des variables indépendantes est là : la connaissance des lois marginales On peut citer les propriétés suivantes des couples de variables aléatoires, qu’elles soient
suffit pour connaître la loi conjointe. discrètes ou continues :

13/27 II - 6 Couples de variables aléatoires

 pour deux variables aléatoires X et Y quelconques : cov(X, Y ) = E(XY ) − E(X)E(Y )
E(X + Y ) = E(X) + E(Y )
Si X et Y sont indépendantes, cov(X, Y ) = ρ(X, Y ) = 0
et si les variables X et Y sont indépendantes, alors :
E(XY ) = E(X)E(Y ) |cov(X, Y )| ≤ σ(X) σ(Y )
et
Var(X + Y ) =Var(X) + Var(Y ) −1 ≤ ρ(X, Y ) ≤ 1

(attention, il ne suffit pas que ces relations soient vérifiées Pour tous a, b réels, Var(aX + bY ) = a2 Var(X) + 2abcov(X, Y ) + b2 Var(Y )
pour que les variables aléatoires soient indépendantes ! !)

Ces deux nombres mesurent l’importance de la dépendance entre les variables X et Y ;

ρ(X, Y ) a l’avantage d’être un nombre sans dimension, toujours compris entre 0 et 1.
remarque : en toute généralité, la formule donnant E(XY ) est remarque : ρ(X, Y ) = 0 n’implique pas que X et Y sont indépendantes !
Si ρ(X, Y ) = ±1, X et Y sont liées par une relation de dépendance linéaire : Y est de
la forme Y = aX + b.
dans
P le cas discret,
E(XY ) = x,y p(X = x, Y = y)xy exemple : en reprenant l’exemple précédent du tirage de deux boules, X étant la plus
petite des deux valeurs et Y la plus grande, on trouve E(X) = 1/2×1+1/3×2+1/6×3 =
5/3 et E(Y ) = 1/6 × 2 + 1/3 × 3 + 1/2 × 4 = 10/3.
dans le
R Rcas continu, Comme de plus E(XY ) = 1/6×1×2+1/6×1×3+1/6×1×4+1/6×2×3+1/6×
E(XY ) = f (x, y)xy dxdy,
2 × 4 + 1/6 × 3 × 4 = 35/6, la covariance cov(X, Y ) = E(XY ) − E(X)E(Y ) = 5/18
est bien non nulle : on retrouve le fait que les variables X et Y ne sont pas indépendantes.

dont le calcul sera souvent laborieux et parfois délicat : si les variables sont indépendantes,
la formule E(XY ) = E(X)E(Y ) est bien plus efficace !

6.4 covariance

On appelle covariance de X et Y le nombre cov(X, Y ) = E[(X −E(X))(Y −E(Y ))]

cov(X, Y )
et coefficient de corrélation de X et Y le nombre ρ(X, Y ) = .
σ(X)σ(Y )

On a alors les propriétés suivantes :

14/27 II - 6 Couples de variables aléatoires

7 Quelques lois de probabilités classiques Ainsi,

7.1 probabilités discrètes si X suit une loi binomiale de paramètres

  n, p,
n k
7.1.1 la loi de Bernoulli ou loi 0-1 pour tout k ∈ {0; 1; . . . , n}, p(X = k) = p (1 − p)n−k ,
k
Une épreuve de Bernoulli est une expérience aléatoire n’ayant que deux issues (« suc-
cès - échec »), de probabilités p et q = 1 − p. Par exemple, le jeu de pile ou face est une
p
et E(X) = np, Var(X) = np(1 − p), σ(X) = np(1 − p).
épreuve de Bernoulli avec p = q = 1/2.
On définit alors la variable aléatoire X qui vaut 0 en cas d’échec et 1 en cas de succés.
La loi de probabilité de la variable X est appelée loi de Bernoulli de paramètre p. On On a déjà vu les représentations graphiques des pk et de la fonction de répartition pour
parle aussi de loi 0-1. n = 10, p = 1/2 :
Son espérance vaut E(X) = q × 0 + p × 1 = p, et sa variance Var(X) = p(1 − p)2 +
q(0 − p)2 = pq 2 + qp2 = pq(p + q) = pq. valeurs des pk fonction de répartition
0.3 1
Ainsi, 0.25
0.2
si X suit une loi de Bernoulli de paramètre p, 0.15
p(X = 0) = p, p(X = 1) = 1 − p, 0.1
0.05
p
et E(X) = p, Var(X) = p(1 − p), σ(X) = p(1 − p). 0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10

exemple : Un candidat a 5% de chances d’être admis à un concours. Quelle est l’espé-

7.1.2 la loi binomiale rance du nombre de candidats admis dans une des salles d’examen de 40 places ?
Un schéma de Bernoulli consiste en la répétition de n épreuves de Bernoulli identiques Le nombre de candidats admis dans la salle suit une loi binomiale de paramètres n = 40
et indépendantes. et p = 0, 05. L’espérance est E = 2, il y aura donc « en moyenne » deux admis dans chaque
On définit alors la variable aléatoire « nombre total de succés » X, à valeurs dans salle de 40 candidats.
{0, 1, . . . , n}. La variance V = 2 × 0, 95 = 1, 90 et l’écart-type σ ≃ 1, 38 mesurent la dispersion des
La loi de probabilité de X est appelée loi binomiale de paramètres n et p. valeurs autour de cette valeur moyenne quand on regarde le nombre d’admis sur un grand
nombre de salles d’examen. Ce point sera développé en statistiques plus loin.
  X : X est caractérisée par le fait que pour tout k compris
Décrivons plus précisément
n k n−k
entre 0 et n, p(X = k) = p q . 7.1.3 la loi de Poisson
k
On peut alors calculer l’espérance de la loi binomiale :
Il s’agit d’une loi qui permet de modéliser des événements rares, comme un phénomène
E(X) =
Pn
k nk p
k q n−k

de désintégration radioactive. On admet que la décomposition d’un échantillon radioactif
Pn k=0 n−1 vérifie les propriétés suivantes :
= k=1 n k−1 pk q n−k
Pn−1 n−1

k n−1−k
= k=0
n k pp q 1. le nombre moyen de désintégrations durant l’intervalle ∆t est Λ∆t, avec Λ ne dé-
Pn−1 n−1
= np k=0 k pk q n−1−k = np(p + q)n−1 pendant ni de t, ni de ∆t.
E(X) = np. 2. deux désintégrations ne se produisent jamais simultanément
et de même on peut montrer que la variance vaut Var(X) = npq. 3. les désintégrations successives sont indépendantes

15/27 II - 7 Quelques lois de probabilités classiques

 L’hypothèse 1 est réaliste tant que l’échantillon étudié comporte un grand nombre
d’atomes susceptibles de se désintégrer, de sorte que les premières désintégrations n’in-
e−λ λk
fluent pas sur le nombre d’atomes restant à désintégrer. L’hypothèse 2 est réaliste tant que si X suit une loi de Poisson paramètre λ, pour tout k ∈ N, p(X = k) =
l’activité radioactive n’est pas trop intense : on peut supposer que toutes les désintégrations k!
sont espacées dans le temps. L’hypothèse 3 est physiquement vérifiée. √
et on a : E(X) = λ, Var(X) = λ, σ(X) = λ.
On peut alors vérifier que la probabilité α qu’un atome se désintègre durant un inter-
valle de temps infiniment petit [t, t + dt] est Λdt. En effet, durant cet intervalle de temps,
le nombre moyen d’atomes désintégrés est, par l’hypothèse 1, Λdt. Et comme les désinté-
grations ne sont pas simultanées (hypothèse 2), sur un intervalle de temps infinitésimal, on On a déjà vu pour λ = 3 la représentation des pk et de la fonction de répartition :
a soit 1 désintégration (avec probabilité α) soit 0 désintégration (avec probabilité 1 − α).
Ainsi on a bien Λdt = 1 × α + 0 × (1 − α) = α, égalité que nous allons réutiliser. valeurs des pk fonction de répartition
0.3 1
On souhaite maintenant déterminer la probabilité pk (t) qu’exactement k atomes se 0.25
soient désintégrés pendant un intervalle de temps [0, t].
0.2
L’événement « aucun atome ne s’est décomposé pendant l’intervalle [0, t + dt] » est
0.15
l’intersection des deux événements indépendants « aucun atome ne s’est décomposé durant
0.1
[0, t] » (de probabilité p0 (t)) et « aucun atome ne s’est décomposé durant [t, t + dt] » (de
0.05
probabilité 1 − Λdt). Ainsi, p0 (t + dt) = p0 (t)(1 − Λdt).
0
L’événement « exactement k atomes se sont décomposés durant l’intervalle [0, t + dt] » 0
0 1 2 3 4 5 6 7 8 9 101112 0 1 2 3 4 5 6 7 8 9 10 11 12
est la réunion des deux événements incompatibles « exactement k atomes se sont décom-
posés durant l’intervalle [0, t] et aucun durant [t, t + dt] » (de probabilité pk (t)(1 − Λdt))
et « exactement k − 1 atomes se sont décomposés durant l’intervalle [0, t] et un durant exemples : un standard téléphonique reçoit en moyenne 10 appels par heure.
[t, t + dt] » (de probabilité pk−1 (t)Λdt). Ainsi, On peut (et on doit, pour répondre aux questions) supposer que les appels sont indépen-
pk (t + dt) = pk (t)(1 − Λdt) + pk−1 (t)Λdt. dants les uns des autres, ne sont jamais simultanés, et que le nombre moyen d’appels sur
La première relation donne l’équation différentielle p′0 (t) = −Λp0 (t), donc p0 (t) = une durée ∆t est proportionnel à ∆t : ici, 10 par heure, donc aussi 10 × 5/60 par période
−Λt
e (car à l’évidence p0 (0) = 1). de 5 minutes, 10/4 par période de 15 minutes, etc. . .
La deuxième donne les équations p′k (t) = −Λpk (t) + Λpk−1 (t). pk (t) est donc de la
forme Kk (t)e−Λt , avec Kk′ (t) = ΛeΛt pk−1 (t). – quelle est la probabilité pour qu’en une heure il reçoive exactement 2 appels ?
Comme p0 (t) = e−Λt , K1′ (t) = Λ, donc K1 (t) = Λt, et p1 (t) = Λte−Λt . On montre Le nombre X d’appels sur une période d’une heure suit une loi de Poisson de para-
Λ k tk Λk tk −Λt e−10 102
ensuite par récurrence que Kk (t) = , et donc que pk (t) = e . mètre 10, et donc p(X = 2) = ≃ 0, 23%.
2!
Pk!
+∞
k!
On peut vérifier que l’on a bien k=0 pk (t) = 1, quelles que soient les valeurs de t et – quelle est la probabilité pour qu’en 5 minutes il reçoive exactement 3 appels ?
Λ. Le nombre X d’appels suit une loi de Poisson de paramètre 10×5 60 = 56 , et donc
e−5/6 ( 56 )3
p(X = 3) = ≃ 4, 2%.
Plus généralement : une variable aléatoire suit une loi de Poisson de paramètre λ > 0 3!
e−λ λk – quelle est la probabilité pour qu’en 15 minutes, il reçoive au moins 2 appels ?
si pour k ≥ 0, p(X = k) = . Le nombre X d’appels suit une loi de Poisson de paramètre 10×15 = 25 , donc p(X ≥
k! 60

Ainsi, à chaque fois que l’on cherchera à modéliser des événements rares, dont le 2) = 1 − p(X < 2) = 1 − p(X = 0)− p(X = 1) = 1 − e−5/2 − e−5/2 ( 52 ) ≃ 71, 3%.
nombre moyen par unité de temps est λ connu et qui se succèdent de manière indépen- – quelle est la probabilité pour qu’en une heure, il reçoive au plus 8 appels ?
dante sans que deux événements ne soient jamais simultanés, le nombre X d’événements Le nombre X d’appels suit une loi de Poisson de paramètre 10, donc p(X ≤ 8) =
qui ont lieu durant l’unité de temps fixée suivra une loi de Poisson de paramètre λ. p(X = 0) + p(X = 1) + p(X = 2) + p(X = 3) + p(X = 4) + p(X = 5) + p(X =
Alors : 6) + p(X = 7) + p(X = 8).

16/27 II - 7 Quelques lois de probabilités classiques

 On peut bien entendu faire les calculs à l’aide des formules utilisées ci-dessus. Mais D’où la représentation de la loi uniforme sur [0, 1] :
il est plus rapide et aussi plus précis d’utiliser les tables de valeur de la loi. Ici,
on obtient sans aucun calcul à l’aide de la table située en fin d’ouvrage la valeur fonction densité fonction de répartition
p(X ≤ 8) ≃ 33, 28%. 1 1

remarque : si deux variables aléatoires X et Y indépendantes suivent des lois de Pois-

son de paramètres respectifs λ1 et λ2 , alors X + Y suit une loi de Poisson de paramètre
λ1 + λ2 .
0 0
-2 -1 0 1 2 -2 -1 0 1 2
7.2 probabilités continues
7.2.1 la probabilité uniforme remarque : Ril n’existe pas de loi uniforme sur tout R : si la densité est une constante c,
on devrait avoir R c = 1 : mais l’intégrale n’est pas définie si c 6= 0, et vaut 0 si c = 0.
Si une variable aléatoire à valeur dans un segment [a; b] a pour densité la fonction
1
constante définie par f (x) = sur [a, b], 0 ailleurs, on dit qu’elle suit une loi de 7.2.2 la loi exponentielle
b−a
probabilité uniforme. Soit X la durée de vie d’un composant « sans vieillissement », dont la durée de vie est
Z b Z b
x 1 1 b 2 − a2 a+b indépendante du fonctionnement passé. Plus précisément, on veut que pour tous T, t ≥ 0 :
Alors E(X) = dx = x dx = = .
a b − a b − a a b − a 2 2
1 Rb 2 1 b 3 − a3 p( X ≥ t + T | X ≥ T ) = p( X ≥ t ).
De même Var(X) = E(X 2 ) − E(X)2 = x dx − E(X) 2
= −
b−a a b−a 3
2 2
a + b + 2ab 2
a + ab + b 2 2 2
a + b + 2ab 2 2
b + a − 2ab (b − a) 2 1 − FX (T + t)
= − = = . Alors = 1 − FX (t), donc si GX = 1 − FX , pour tous T, t ≥ 0,
4 3 4 12 12 1 − FX (T )

Ainsi, GX (T + t) = GX (T )GX (t).

Cette équation fonctionnelle implique que GX est une exponentielle de la forme

0 si x < a

 GX (t) = e−kt , et donc pour t ≥ 0, FX (t) = 1 − e−kt (et FX (t) = 0 si t < 0). La densité
 1 de la variable aléatoire X est alors la dérivée de FX , soit fX (t) = ke−kt sur [0, +∞[, 0 sur
si X suit une loi uniforme sur [a; b], fX (x) = si x ∈ [a; b] ,
 b − a ] − ∞, 0].
0 si x > b

On dit que X suit la loi exponentielle de paramètre k, et on peut tracer l’allure du

0 si x < a graphe de la fonction densité et de la fonction de répartition :

 x− a
FX (x) = si x ∈ [a; b] , fonction densité fonction de répartition
 b − a
1 si x > b
 1 1

a+b
et on a : E(X) = ,
2

(b − a)2 b−a
Var(X) = , σ(X) = √ . 0 0
12 2 3 -2 -1 0 1 2 3 4 5 6 7 -2 -1 0 1 2 3 4 5 6 7

Résumons les valeurs à connaître pour une loi exponentielle :

17/27 II - 7 Quelques lois de probabilités classiques

 1 x−µ 2

0 si t < 0
si X suit la loi exponentielle de paramètre k, fX (t) = , 1 − ( )
ke−kt si t ≥ 0 si X suit la loi normale N (µ, σ 2 ), fX (x) = √ e 2 σ ,
σ 2π

0 si t < 0 1 t−µ 2
FX (t) = , x
1 − e−kt si t ≥ 0 1
Z
− ( )
FX (x) = √ e 2 σ dt,
σ 2π −∞
et on a : E(X) = 1/k,

Var(X) = 1/k 2 , σ(X) = 1/k. et on a : E(X) = µ,

Var(X) = σ 2 , σ(X) = σ.

application pratique : la loi exponentielle modélise les pannes d’un composant sans
vieillissement : si la durée de vie moyenne d’un tel composant est 1/k, la variable « durée
de vie du composant » suit une loi exponentielle de paramètre k.
On appelle usuellement la durée de vie moyenne « temps moyen entre deux dé- Traçons l’allure du graphe de la fonction densité et de la fonction de répartition :
faillances » (MTBF, soit : « mean time between failures » en anglais, et « moyenne des
temps de bon fonctionnement » en français).

Le taux moyen de défaillance du composant est alors k.

loi normale N (0, 1)
fonction densité fonction de répartition
exemple : le taux moyen de défaillance d’un capteur est de 0.2 par an.
0.5 1
Alors p("la durée du vie du capteur est inférieure à t”) = 1 − e−0.2t , donc 0.4
p("le capteur fonctionne à l’instant t") = e−0.2t .
0.3
Le MTBF, ou durée de vie moyenne, est l’espérance : 1/0.2 = 5 ans.
0.2

0.1

0 0
-4 -3 -2 -1 0 1 2 3 4 -4 -3 -2 -1 0 1 2 3 4
7.2.3 la loi normale

C’est la loi la plus utilisée car en pratique elle « colle bien » à la réalité, pour décrire la
répartition de valeurs aléatoires autour d’une valeur moyenne. Par exemple, la répartition
des notes à un examen, la répartition des tailles dans une population. Les valeurs de FX ne sont pas directement accessibles, car on ne sait pas exprimer à
l’aide des fonctions usuelles les primitives de fX . On doit utiliser des tables ou des ordina-
teurs qui donnent des valeurs approchées.
Si une variable aléatoire à valeurs dans R a pour densité la fonction définie par
1 x−µ 2
1 − ( )
f (x) = √ e 2 σ , on dit qu’elle suit la loi normale de paramètres µ et σ, Pour voir l’effet des paramètres µ et σ, on peut représenter trois exemples de densités ;
σ 2π 5 1
souvent notée N (µ, σ 2 ). On peut démontrer facilement les propriétés suivantes : de gauche à droite, (µ = −2, σ = 2), (µ = 0, σ = 1) et (µ = , σ = ) :
2 2

18/27 II - 7 Quelques lois de probabilités classiques

 0.6 Enfin, p(−2.5 ≤ X ≤ 3) = p(−1.75 ≤ Z ≤ 1) = p(Z ≤ 1) − (1 − p(Z ≤ 1.75)) =
0.8413 − 1 + 0.9599 = 0.8012.
0.5 remarque 1 : interprétation de l’écart-type
L’inégalité de Tchébycheff ( p(E(X)−λσ(X) < X < E(X)+λσ(X)) ≥ 1−1/λ2 )
0.4 peut être améliorée pour une loi normale. En effet,
p(E(X) − λσ(X) < X < E(X) + λσ(X)) = p(µ − λσ < X < µ + λσ)
X−µ
0.3 = p(−λ < < λ) .
σ
X −µ X −µ
= p( < λ) − p( < −λ)
0.2 σ σ
X −µ
Mais la densité de la loi normale centrée réduite étant paire, on a p( < −λ) =
σ
0.1 X −µ
1 − p( < λ), donc finalement, p(E(X) − λσ(X) < X < E(X) + λσ(X)) =
σ
2p(Z < λ) − 1, avec Z ∼ N (0, 1).
0
Pour λ = 1, λ = 2, λ = 3, les valeurs 0, 3/4 et 8/9 obtenues par l’inégalité de Tché-
-7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7
bycheff sont donc largement améliorées :

On voit que l’espérance µ correspond à l’abscisse de l’axe vertical de symétrie de la

courbe, alors que la valeur de σ correspond à la largeur de la courbe : plus σ est faible et si X suit la loi normale N (µ, σ 2 ),
plus les valeurs sont concentrées autour de la valeur moyenne.
p( µ − σ < X < µ + σ ) ≃ 0.68 = 68%
Il serait impossible de donner une table pour toutes les valeurs de σ et µ. Mais on sait p( µ − 2σ < X < µ + 2σ ) ≃ 0.954 = 95.4%
X −µ p( µ − 3σ < X < µ + 3σ ) ≃ 0.997 = 99.7%
que si X suit une loi normale N (µ, σ 2 ), d’espérance µ et de variance σ 2 , la loi suit
2
σ
la loi normale centrée réduite N (0, 1) (dont la densité vaut √12π e− 2 ). Et c’est en utilisant
x

la table de celle-ci que l’on détermine la loi de X. En effet, si Z = X−µ

σ , on sait que Z suit remarque 2 : somme de deux lois normales
une loi normale centrée réduite, et Si X et Y sont deux variables aléatoires indépendantes qui suivent les lois normales
p(a ≤ X ≤ b) = p(a − µ ≤ X − µ ≤ b − µ) = p( a−µ σ ≤
X−µ
σ ≤ b−µ a−µ
σ ) = p( σ ≤ N (µ1 , σ12 ) et N (µ2 , σ22 ), alors X + Y suit une loi normale N (µ1 + µ2 , σ12 + σ22 ).
b−µ b−µ a−µ
Z ≤ σ ) = p(Z ≤ σ ) − p(Z ≤ σ ), donc Une conséquence qui sera fondamentale en statistiques : si X1 , X2 , . . ., Xn sont
n variables aléatoires indépendantes de même loi N (µ, σ 2 ), leur moyenne X̄ =
X1 + . . . + Xn σ2
b−µ a−µ suit la loi normale N (µ, ).
p(a ≤ X ≤ b) = p(a − µ ≤ X − µ ≤ b − µ) = p(Z ≤ ) − p(Z ≤ ) n n
σ σ
7.2.4 autres lois

et ces deux dernières valeurs, qui sont des valeurs de la fonction de répartition de Z, se Nous utiliserons plus tard, sans les étudier préalablement, d’autres lois qui apparaissent
trouvent dans la table de la loi normale centrée réduite N (0; 1). naturellement en statistiques : loi du χ2 , loi de Student.

exemple : X est une variable aléatoire de loi normale N (1, 4). Déterminer p(X ≤ 3),
p(X > 2) et p(−2.5 ≤ X ≤ 3).
On applique ce qui précède (avec µ = 1, σ = 2) : p(X ≤ 3) = p(Z ≤ 1) soit 0.8413.
De même on a p(X > 2) = p(Z > 0, 5) = 1 − p(Z ≤ 0, 5) = 1 − 0.6915 = 0.3085,

19/27 II - 7 Quelques lois de probabilités classiques

Troisième partie Loi binomiale n = 40,p = 0, 05 Loi de Poisson λ = np = 2
k valeur de p(X = k) valeur de p(X = k)
Statistiques 0
1
0.1353
0.2707
0.1285
0.2706
2 0.2707 0.2777
8 Approximation d’une loi par une autre 3 0.1804 0.1851
4 0.0902 0.0901
5 0.0361 0.0342
8.1 principe 6 0.0120 0.0105
7 0.0034 0.0027
Les applications statistiques des probabilités nécessitent de connaître les valeurs des 8 0.0009 0.0006
probabilités et fonctions de répartitions des variables aléatoires dont les lois ont été étu- 9 0.0002 0.0001
diées précédemment. 10+ 0.0000 0.0000
Dans le cas des lois discrètes (en particulier, loi binomiale et loi de Poisson) les va-
On constate effectivement que l’approximation n’est pas trop mauvaise et permet de
leurs des p(X = k) ont déja été établies, et sont calculables par des formules relativement
déterminer, par simple lecture de la table de la loi de Poisson, des valeurs approchés du
simples. En revanche, déterminer une valeur de fonction de répartition FX (k) = p(X < k)
type p(X ≤ 5) ≃ 0.9834, la valeur exacte, que l’on devrait calculer explicitement par
nécessite de faire la somme des p(X = j) pour tous les j strictement inférieurs à k, ce qui P5
p(X = 0) + p(X = 1) + . . . + p(X = 5) = k=0 40 k
0.9540−k étant proche de


peut être très fastidieux dès que k dépasse quelques unités. k 0.05
0.986.
Pour la loi de Poisson P (λ), les tables font déjà figurer, pour chaque valeur du para-
mètre λ, la valeur des p(X ≤ k). En revanche, pour la loi binomiale B(n, p), la difficulté
tient à ce que la loi est déterminée par 2 paramètres, n et p, et qu’il faudrait donc disposer 8.3 approximation d’une loi binomiale par une loi normale
d’une table pour chaque valeur du couple (n, p). Si n est grand mais si p n’est pas petit, l’approximation par une loi de Poisson n’est pas
On va donc essayer, quand n est grand, de contourner le problème en remplaçant les utilisable, et on préférera utiliser la loi normale N (np, np(1 − p)).
valeurs de la loi B(n, p) par les valeurs correspondantes pour une loi de Poisson ou une loi Mais les p(X = k) sont nuls pour une loi normale (continue) : on va approcher
normale de mêmes espérance et variance. p(X = k) par p(k − 0.5 < X < k + 0.5). En effet, sachant que les valeurs de la variable
X sont entières, si on utilise une loi normale on peut assimiler chaque valeur à l’entier le
plus proche.
exemple : on souhaite comparer B(100, 0.6) avec N (60, 24).
8.2 approximation d’une loi binomiale par une loi de Poisson Pour cela on trace sur le même graphique, d’une part les p(X = k) et le graphe de la
densité, d’autre part les p(X ≤ k) et le graphe de la fonction de répartition p(X < k + 0.5).
Quand n est grand et p petit, le succés lors d’un tirage de Bernoulli est un événement
rare. De plus, dans ce cas, l’espérance np et la variance npq = np(1−p) sont peu différents. densité et valeur des pk fonctions de répartition
Cela incite à utiliser, en lieu et place de la loi binomiale B(n, p), une loi de Poisson 0.08 1
P (np) de paramètre λ = np. Et en pratique, on peut vérifier que l’approximation ainsi
0.8
obtenue n’est pas trop mauvaise si si n ≥ 30, p ≤ 0, 1 et np ≤ 5. 0.06
0.6
exemple : on reprend l’exemple des 40 candidats d’une salle de concours qui ont chacun 0.04
0.4
5% de chances d’être admis. n = 40 > 30, p = 0, 05 < 0.1, et on a bien np = 2 ≤ 5.
0.02
Avec la loi exacte qui est une loi binomiale, p(X = k) = 40 k 40−k


k (0, 05) (0, 95) . Avec 0.2
−2 k
la loi de Poisson de paramètre 2 on trouve p(X = k) = e 2 /k!. 0 0
Calculons quelques valeurs approchées à 4 chiffres significatifs : 40 45 50 55 60 65 70 75 80 40 45 50 55 60 65 70 75 80

20/27 III - 8 Approximation d’une loi par une autre