Variables aléatoires

L1 Economie-Gestion
Faculté des Sciences Economiques et de Gestion
Université de Strasbourg

Julien Jacob
[email protected]
 Chapitre 4

Les lois fondamentales discrètes

de probabilité
Chapitre 4. Lois discrètes de probabilité.

Sommaire

Section 1. Loi uniforme discrète

Section 2. Loi binomiale

Section 3. Loi de Poisson

Section 4. Approximation d’une loi binomiale par une loi de Poisson

Section 5. Principaux cas où la loi de Poisson s’applique

Chapitre 4. Lois discrètes de probabilité.

Section 1. La loi uniforme discrète

Chapitre 4. Lois discrètes de probabilité. Section 1. Loi uniforme

Cas d’application
Cette loi se rencontre lorsque tous les événements élémentaires (singletons) ont la même
probabilité de réalisation.

Définition
Soit une variable aléatoire prenant les valeurs 1, 2, … , , avec toutes la même
probabilité .

Loi de probabilité
1
= =
∀ = 1,2, … ,
Chapitre 4. Lois discrètes de probabilité. Section 1. Loi uniforme

Espérance

+1
=
2

Variance

−1
=
12
Chapitre 4. Lois discrètes de probabilité. Section 1. Loi uniforme

Loi de probabilité
Rq : ici, nous avons :
E(X) = (a+b) / 2
V(X) = (b² - a) / 12

Pour n = 5,
Fonction de répartition Définition : entre a et b
1
0,8
0,6
0,4
0,2
Chapitre 4. Lois discrètes de probabilité.

Section 2. La loi binomiale

Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Définitions
Epreuve de Bernoulli
Expérience / épreuve n’ayant que deux issues possibles
• Succès : probabilité de se réaliser
• Echec : probabilité (1 − ) de se réaliser

Loi binomiale
Soit une épreuve de Bernoulli répétée fois.
Les épreuves successives sont indépendantes (la probabilité reste la même à chaque épreuve).
Alors la variable aléatoire égale au nombre de succès obtenus au cours des épreuves
suit la loi binomiale de paramètre et . On note :
~ ( , )
Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Loi de probabilité

Une variable aléatoire binomiale peut prendre toutes les valeurs entières comprises
entre 0 et , et on a :
= = (1 − )( )

∀ = 0,1, … ,
Démo :
= signifie succès, et − échecs.
Les épreuves sont indépendantes.
Ainsi, la probabilité de réaliser succès et ( − ) échecs est de :
∗ ∗ ⋯∗ ∗ ( 1 − ∗ 1 − ∗ ⋯∗ 1 − )
(k fois) ( (n-k) fois)
Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Loi de probabilité

Une variable aléatoire binomiale peut prendre toutes les valeurs entières comprises
entre 0 et , et on a :
= = (1 − )( )

∀ = 0,1, … ,
Démo :
Ainsi, la probabilité de réaliser succès et ( − ) échecs est de :
∗ ∗ ⋯∗ ∗ ( 1 − ∗ 1 − ∗ ⋯∗ 1 − )
(k fois) ( (n-k) fois)
Soit : ∗ (1 − )( )
Or : il y a possibilités pour le « rang » des succès au cours des épreuves => (1 − )( )
Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Exemple 1 :

Un vivier contient 100 truites du même aspect et de même âge.

5 d’entre elles pèsent moins de 200 grammes, et toutes les autres pèsent plus de 200 gr.

3 fois de suite, nous allons sortir une truite du vivier, la peser, et la remettre à l’eau. Soit X
le nombre de truites de plus de 200 gr obtenu suite à ces trois pesées.

Question
Déterminer la loi de probabilité de X.
Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Exemple 1 :
Un vivier contient 100 truites du même aspect et de même âge.
5 d’entre elles pèsent moins de 200 grammes, et toutes les autres pèsent plus de 200 gr.

3 fois de suite, nous allons sortir une truite du vivier, la peser, et la remettre à l’eau. Soit X le nombre de truites de
plus de 200 gr obtenu suite à ces trois pesées.

Question
Déterminer la loi de probabilité de X.

2 issues possibles : (i) + de 200g = « succès » (ii) – de 200g = « échec »

Le fait de remettre les truites dans le vivier après chaque pesée rend les tirages
indépendants : le nombre de truites, et donc la probabilité d’en choisir une de plus de
200gr reste la même. (Il est possible de tirer plusieurs fois la même truite)
X suit donc une loi binomiale de type : B(n=3, p=0,95)
Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Exemple 1 :
Un vivier contient 100 truites du même aspect et de même âge.
5 d’entre elles pèsent moins de 200 grammes, et toutes les autres pèsent plus de 200 gr.

3 fois de suite, nous allons sortir une truite du vivier, la peser, et la remettre à l’eau. Soit X le nombre de truites de
plus de 200 gr obtenu suite à ces trois pesées.

Question
Déterminer la loi de probabilité de X.

X suit donc une loi binomiale de type : B(n=3, p=0,95)

-> P(X=k) = 0,95 (1 − 0,95)( )
-> P(X=1) = 0,95 (1 − 0,95) = 0,007125
-> P(X=2) = 0,95 (1 − 0,95)( ) = 0,135375

-> P(X=3) = 0,95 (1 − 0,95)( )= 0,857375

Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Exemple 2 :

Grâce aux tarifs réduits, 90% des usagers du train bénéficient de réductions. A chaque
trajet, un contrôleur prend les billets de cinq personnes, choisies au hasard dans cinq
voitures différentes.
Soit X le nombre de billets à tarifs réduits qu’il va contrôler.

Questions
1/ Déterminer la probabilité que le contrôleur ne contrôle qu’un seul voyageur porteur
d’un billet réduit
2/ Déterminer la loi de probabilité de X
3/ Déterminer l’espérance de X
4/ Déterminer la variance de X
Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Exemple 2 :

Grâce aux tarifs réduits, 90% des usagers du train bénéficient de réductions. A chaque trajet, un contrôleur prend les billets de cinq
personnes, choisies au hasard dans cinq voitures différentes.
Soit X le nombre de billets à tarifs réduits qu’il va contrôler.

Questions
1/ Déterminer la probabilité que le contrôleur ne contrôle qu’un seul voyageur porteur d’un billet
réduit
Contrôler un billet constitue une expérience à deux issues :
(i) tarif réduit -> p = 0,9 ;
(ii) tarif non réduit -> q = 1-p = 0,1
(en admettant absence de fraude)
L’expérience est répétée 5 fois. En supposant indépendance, et en notant X le nombre de tarifs
réduits, nous obtenons : %~&(' = ( ; * = +, ,)
Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Exemple 2 :

Grâce aux tarifs réduits, 90% des usagers du train bénéficient de réductions. A chaque trajet, un contrôleur prend les billets de cinq
personnes, choisies au hasard dans cinq voitures différentes.
Soit X le nombre de billets à tarifs réduits qu’il va contrôler.

Questions
1/ Déterminer la probabilité que le contrôleur ne contrôle qu’un seul voyageur porteur d’un billet
réduit
%~&(' = ( ; * = +, ,)
Pour un nombre k < n = 5 d’observations de tarifs réduits, nous avons :
= = - 0,9 (1 − 0,9)(- )
Et, pour k = 1 :
= 1 = - 0,9 .0,1(- ) = +, +++/(
Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Exemple 2 :

Grâce aux tarifs réduits, 90% des usagers du train bénéficient de réductions. A chaque trajet, un contrôleur prend les billets de cinq
personnes, choisies au hasard dans cinq voitures différentes.
Soit X le nombre de billets à tarifs réduits qu’il va contrôler.

Questions
2/ Déterminer la loi de probabilité de X
%~&(' = ( ; * = +, ,)
On continue le raisonnement précédent avec toutes les valeurs de k, de 0 à 5. Nous obtenons :
= = - 0,9 (1 − 0,9)(- )
Résultats :
On vérifie :
k 0 1 2 3 4 5 -

0 = =1
P(X = k) 0,00001 0,00045 0,0081 0,0729 0,32805 0,59049 12
Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Exemple 2 :

Grâce aux tarifs réduits, 90% des usagers du train bénéficient de réductions. A chaque trajet, un contrôleur prend les billets de cinq
personnes, choisies au hasard dans cinq voitures différentes.
Soit X le nombre de billets à tarifs réduits qu’il va contrôler.

Questions
3/ Déterminer l’espérance de X
-

3 % =0 . =
12
= 0 ∗ 0,00001 + … + 5 ∗ 0,59049 = /, (
Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Exemple 2 :

Grâce aux tarifs réduits, 90% des usagers du train bénéficient de réductions. A chaque trajet, un contrôleur prend les billets de cinq
personnes, choisies au hasard dans cinq voitures différentes.
Soit X le nombre de billets à tarifs réduits qu’il va contrôler.

Questions
4/ Déterminer la variance de X
-

5 % = 0 ². = − [ ( )]²
12
= 0 ∗ 0,00001 + … + 5 ∗ 0,59049 − (4,5)² = +, /(
Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Epreuve de Bernoulli - suite

Expérience / épreuve n’ayant que deux issues possibles
• Succès : probabilité de se réaliser
• Echec : probabilité (1 − ) de se réaliser

Notons « 1 » l’événement « succès », et « 0 » l’événement « échec ». Alors, une variable

aléatoire qui suit une loi de Bernoulli peut être définie par :
= (1, 0 ; , 1 − )
Espérance mathématique :
=
Variance :
= (1 − )
Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Loi binomiale - suite

Une variable aléatoire binomiale peut être vue comme la somme de expériences
indépendantes suivant une loi de Bernoulli de paramètre . Ainsi :
• Si l’expérience prend la valeur 1 si la première épreuve de Bernoulli est un succès, et 0 si
elle est un échec ;
• Si l’expérience prend la valeur 1 si la deuxième épreuve de Bernoulli est un succès, et 0 si
elle est un échec ;
• …
• Si l’expérience prend la valeur 1 si la è:; épreuve de Bernoulli est un succès, et 0 si
elle est un échec.
Et que nous considérons : ∑=1 = , alors :
• Cette somme des expériences = est égale au nombre de succès obtenus au cours
des épreuves de Bernoulli
• Suit la loi binomiale de paramètres ' et *.
Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Loi binomiale - suite

Dès lors nous pouvons noter :
~ ( ; )
avec = ∑=1 =

Espérance :
=
Variance :
= (1 − )

Rq : dans la mesure où les épreuves de Bernoulli sont indépendantes, nous avons :

0 = = 0 ( =)
=1 =1
Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Proposition : somme de variables aléatoires binomiales indépendantes

Si et sont deux variables aléatoires indépendantes suivant respectivement les lois binomiales
, et , , alors + suit la loi binomiale :

+ ~ ( + ; )
avec :
. Espérance :
+ =?

. Variance :
+ =?

. Ecart-type :
? + =?
Chapitre 4. Lois discrètes de probabilité. Section 2. Loi binomiale

Proposition : somme de variables aléatoires binomiales indépendantes

Si et sont deux variables aléatoires indépendantes suivant respectivement les lois binomiales
, et , , alors + suit la loi binomiale :

+ ~ ( + ; )
avec :
. Espérance :
+ = + = + = + ( )

. Variance :
+ = + 1− = (1 − ) + (1 − ) = + ( )

. Ecart-type :
@ @
? + = + = + ( )
Chapitre 4. Lois discrètes de probabilité.

Section 3. La loi de Poisson

Chapitre 4. Lois discrètes de probabilité. Section 3. Loi de Poisson

Définition
Soit λ un réel strictement positif.
Une variable aléatoire suit une loi de Poisson de paramètre λ si elle peut prendre toutes les valeurs
entières avec la probabilité :
A ( λ) λ
= =
!

On note alors :
~ (λ)

Remarque :
CD

0 = =1
12
Chapitre 4. Lois discrètes de probabilité. Section 3. Loi de Poisson

Exemple 1
Dans chaque train dont il a la charge, un contrôleur effectue des contrôles sur 100
passagers. Il note le nombre de passagers en situation d’infraction.
On admet que suit une loi de Poisson de paramètre 2.

Questions
1/ Déterminer la loi de probabilité de .
2/ Déterminer les probabilités que le contrôleur trouve : 0, 1, 3, 4, 10 voyageurs en situation
d’infraction.
Chapitre 4. Lois discrètes de probabilité. Section 3. Loi de Poisson

Exemple 1
Dans chaque train dont il a la charge, un contrôleur effectue des contrôles sur 100
passagers. Il note le nombre de passagers en situation d’infraction.
On admet que suit une loi de Poisson de paramètre 2.

Questions
1/ Déterminer la loi de probabilité de .

A ( 2) 2
= =
!
Chapitre 4. Lois discrètes de probabilité. Section 3. Loi de Poisson

Exemple 1
Dans chaque train dont il a la charge, un contrôleur effectue des contrôles sur 100
passagers. Il note le nombre de passagers en situation d’infraction.
On admet que suit une loi de Poisson de paramètre 2.

Questions
2/ Déterminer les probabilités que le contrôleur trouve : 0, 1, 3, 4, 10 voyageurs en situation
d’infraction.
; (E2) 2F
Application de : = = pour k = 0, 1, 3, 4, 10
!

k 0 1 3 4 10
P(X=k) 0,135 0,2707 0,18045 0,0902 0,000038
Chapitre 4. Lois discrètes de probabilité. Section 3. Loi de Poisson

Loi de Poisson : autres caractéristiques

Lorsque ~ (λ)

Espérance :
=λ

Variance :
V =λ

Ecart-type :
@
? = λ
Chapitre 4. Lois discrètes de probabilité. Section 3. Loi de Poisson

Proposition : somme de variables aléatoires Poisson indépendantes

Si et sont deux variables aléatoires indépendantes suivant respectivement les lois de Poisson
λ et λ , alors + suit la loi de Poisson :

+ ~ (λ + λ )
avec :
. Espérance :
+ =?

. Variance :
+ =?

. Ecart-type :
? + =?
Chapitre 4. Lois discrètes de probabilité. Section 3. Loi de Poisson

Proposition : somme de variables aléatoires Poisson indépendantes

Si et sont deux variables aléatoires indépendantes suivant respectivement les lois de Poisson
λ et λ , alors + suit la loi de Poisson :

+ ~ (λ + λ )
avec :
. Espérance :
+ = λ +λ =λ +λ = + ( )

. Variance :
+ = λ +λ =λ +λ = + ( )

. Ecart-type :
@ @
? + = + = + ( )
Chapitre 4. Lois discrètes de probabilité. Section 3. Loi de Poisson

Exemple 2
Une compagnie ferroviaire a établi que la loi de probabilité du nombre de fraudeurs parmi
100 voyageurs tirés au hasard suit une loi de Poisson d’espérance 2 si le contrôle est
effectué en semaine, mais elle suite une loi de Poisson d’espérance 1 si le contrôle est
effectué le week-end.
Un employé contrôle 100 personnes un jour de semaine, et 100 personnes un jour de week-
end.

Questions
1/ Quelle est la probabilité qu’il prenne 2 fraudeurs en flagrant délit ?
2/ Quelles sont les probabilités qu’il prenne : 0, 1, 2, 3, 4, 5, 6 passagers en flagrant délit un
jour de semaine? Même question pour le week-end?
Chapitre 4. Lois discrètes de probabilité. Section 3. Loi de Poisson

Exemple 2
Une compagnie ferroviaire a établi que la loi de probabilité du nombre de fraudeurs parmi 100 voyageurs tirés au hasard suit une loi
de Poisson d’espérance 2 si le contrôle est effectué en semaine, mais elle suite une loi de Poisson d’espérance 1 si le contrôle est
effectué le week-end.
Un employé contrôle 100 personnes un jour de semaine, et 100 personnes un jour de week-end.

Questions
1/ Quelle est la probabilité qu’il prenne 2 fraudeurs en flagrant délit ?
Notons la variable aléatoire représentant le nombre de fraudeurs (parmi 100) détectés le
jour de semaine, et la variable aléatoire représentant le nombre de fraudeurs (parmi
100) détectés le jour de week-end.
Nous avons : ~ (2) et ~ (1)
Puisque et sont indépendantes, nous pouvons les sommer pour obtenir :
H= + avec H~ (2 + 1)
Chapitre 4. Lois discrètes de probabilité. Section 3. Loi de Poisson

Exemple 2
Une compagnie ferroviaire a établi que la loi de probabilité du nombre de fraudeurs parmi 100 voyageurs tirés au hasard suit une loi
de Poisson d’espérance 2 si le contrôle est effectué en semaine, mais elle suite une loi de Poisson d’espérance 1 si le contrôle est
effectué le week-end.
Un employé contrôle 100 personnes un jour de semaine, et 100 personnes un jour de week-end.

Questions
1/ Quelle est la probabilité qu’il prenne 2 fraudeurs en flagrant délit ?
H= + avec H~ (2 + 1)
On peut alors en déduire :
A . 3²
H=2 = = 0,224
2!
Chapitre 4. Lois discrètes de probabilité. Section 3. Loi de Poisson

Exemple 2
Une compagnie ferroviaire a établi que la loi de probabilité du nombre de fraudeurs parmi 100 voyageurs tirés au hasard suit une loi de Poisson
d’espérance 2 si le contrôle est effectué en semaine, mais elle suite une loi de Poisson d’espérance 1 si le contrôle est effectué le week-end.
Un employé contrôle 100 personnes un jour de semaine, et 100 personnes un jour de week-end.

Questions
2/ Quelles sont les probabilités qu’il prenne : 0, 1, 2, 3, 4, 5, 6 passagers en flagrant délit un
jour de semaine? Même question pour le week-end?
Loi de Poisson d'espérance 2 Loi de Poisson d'espérance 1
0,3 0,4
0,25
0,3
0,2
0,15 0,2
0,1
0,1
0,05
0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6
Chapitre 4. Lois discrètes de probabilité. Section 3. Loi de Poisson

Loi de Poisson d'espérance 1 Loi de Poisson d'espérance 2

0,4 0,3
0,25
0,3
0,2
0,2 0,15
0,1
0,1
0,05
0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6

Loi de Poisson, d'espérance 4

0,25 Remarque : lorsque espérance plus grande,
0,2 « décalage » de la loi vers la droite.
0,15 Concentration assez forte autour de
0,1 l’espérance.
0,05

0
0 1 2 3 4 5 6 7 8 9 10
Chapitre 4. Lois discrètes de probabilité.

Section 4. Approximation d’une loi binomiale par une

loi de Poisson
Chapitre 4. Lois discrètes de probabilité. Section 4. Approx. binomiale par Poisson

Proposition
Si les trois conditions suivantes sont vérifiées simultanément :
• « grand » ( ≥ 30)
• « petit » ( ≤ 0,1)
• « pas trop grand » ( ≤ 15)
Alors il est possible d’approcher la loi binomiale ( ; ) avec la loi de Poisson (λ) avec
λ = np.
Dans ce cas, nous avons donc quasiment égalité de ces deux lois de probabilité.

Rq : les conditions ne sont pas si rigides.

Chapitre 4. Lois discrètes de probabilité. Section 4. Approx. binomiale par Poisson

Exemple
C’est encore notre compagnie ferroviaire qui fait des statistiques! Celle-ci a établi que la
probabilité qu’une personne contrôlée le lundi soit en infraction est égale à 0,02.
Soit la variable aléatoire désignant le nombre de personnes contrôlées en infraction
parmi 100 voyageurs contrôlés un lundi.

Question
Déterminez la loi de probabilité de
Chapitre 4. Lois discrètes de probabilité. Section 4. Approx. binomiale par Poisson

Exemple
C’est encore notre compagnie ferroviaire qui fait des statistiques! Celle-ci a établi que la probabilité qu’une personne contrôlée le
lundi soit en infraction est égale à 0,02.
Soit la variable aléatoire désignant le nombre de personnes contrôlées en infraction parmi 100 voyageurs contrôlés un lundi.

Question
Déterminez la loi de probabilité de
Contrôler un voyageur constitue une expérience de type Bernoulli (2 issues possibles) :
• En infraction -> = 0,02
• En règle -> K = 1 − = 0,98
Cette épreuve est répétée 100 fois, et on peut supposer que les épreuves sont
indépendantes.
On sait alors: ~ (100 ; 0,02)
Chapitre 4. Lois discrètes de probabilité. Section 4. Approx. binomiale par Poisson

Exemple
C’est encore notre compagnie ferroviaire qui fait des statistiques! Celle-ci a établi que la probabilité qu’une personne contrôlée le
lundi soit en infraction est égale à 0,02.
Soit la variable aléatoire désignant le nombre de personnes contrôlées en infraction parmi 100 voyageurs contrôlés un lundi.

Question
Déterminez la loi de probabilité de
On sait alors : ~ (100 ; 0,02)
On a alors : = = 22 . 0,02 . 0,98 22

Et on obtient :
k 0 1 2 3 4
P(X=k) 0,1326 0,2707 0,2707 0,1823 0,0902
Chapitre 4. Lois discrètes de probabilité. Section 4. Approx. binomiale par Poisson

A noter :
22 22
= = . 0,02 . 0,98
Donne :
K 0 1 2 3 4
P(X=k) 0,1326 0,2707 0,2707 0,1823 0,0902

Alors que la loi de Poisson de paramètre λ = = 100 ∗ 0,02 = 2 donne :

K 0 1 2 3 4
P(X=k) 0,1353 0,2707 0,2707 0,1804 0,0902

C’est proche !
Chapitre 4. Lois discrètes de probabilité. Section 4. Approx. binomiale par Poisson

A noter :

P(2) B(100 ; 0,02)

0,25 0,25

0,2 0,2

0,15 0,15

0,1 0,1

0,05 0,05

0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
Chapitre 4. Lois discrètes de probabilité.

Section 5. Principaux cas où la loi de Poisson

s’applique
Chapitre 4. Lois discrètes de probabilité. Section 4. Cas d’application loi de Poisson

Remarque
Il est facile de savoir dans quels cas il est possible d’utiliser une loi binomiale : deux issues
(type succès – échec, à la Bernoulli), répétées, indépendantes.
Pour ce qui est de la loi de Poisson, c’est moins aisé …

La loi de Poisson s’applique notamment (mais non exclusivement) :

• Dans le cadre d’épreuves de Bernoulli répétées un grand nombre de fois, et au
cours desquelles la probabilité de succès est faible.
En ce sens, elle est donc parfois appelée « loi de petites probabilités » ou « loi des
phénomènes rares » (comme des phénomènes accidentels)
• Dans certains phénomènes de file d’attente
Chapitre 4. Lois discrètes de probabilité. Section 4. Cas d’application loi de Poisson

Exemples d’application

• Nombre de pièces défectueuses dans un lot ;

• Nombre d’erreurs dans une comptabilité ;
• Nombre de pannes d’un appareil au cours d’une période donnée ;
• Nombre de personnes arrivant à un guichet au cours d’une période donnée ; …