STS Variables aléatoires discrètes 2009/200 Chapitre 7 : Variables aléatoires discrètes Table des matières I Variable aléatoire I. Notion de variable aléatoire discrète................................ I.2 Loi d une variable aléatoire..................................... I.3 Espérance d une variable aléatoire................................. 2 I.4 Variance et écart-type d une variable aléatoire........................... 3 II Lois fondamentales 4 II. Loi de Bernoulli............................................ 4 II.2 loi binomiale............................................. 4 II.3 loi de Poisson............................................. II.4 Approximation de la loi binomiale par la loi de Poisson...................... I Variable aléatoire I. Notion de variable aléatoire discrète Définition Une grandeur numérique X prenant, lors d une expérience aléatoire, des valeurs x, x 2,..., x n avec des probabilités p, p 2,..., p n est une variable aléatoire discrète. Exemple Un jeu de hasard consiste à lancer un dé équilibré à faces. Le lanceur gagne la somme double de la valeur de la face obtenue si celle-ci est paire, sinon, il perd le double de la valeur indiquée par le dé. On appelle X le gain, positif ou négatif, du joueur après un lancer. Ici, l ensemble des issues possibles est Ω = {; 2; 3; 4; ; }, on a défini avec X une variable aléatoire réelle telle que : X() = 2, X(2) = 4, X(3) =, X(4) =, X() = 0 et X() = 2. I.2 Loi d une variable aléatoire Définition 2 La loi de probabilité de la variable aléatoire X est la fonction f qui a chaque valeur associe sa probabilité.
STS Variables aléatoires discrètes 2009/200 Remarque En général, on présente la loi d une variable aléatoire X sous la forme d un tableau, qui récapitule les valeurs prises par X ainsi que les probabilités associées. Dans tout le reste du chapitre, on considèrera la variable aléatoire discrète de loi : Valeurs de X : x i x x 2 x 3... x n Probabilité : p p 2 p 3... p n Exemple 2 On reprend l énoncé de l exemple précédent. La loi de X est donnée par : x i 0 2 4 2 Exemple 3 On dispose d un jeu de 32 cartes. On tire une carte dans ce jeu, et on attribue à ce tirage la valeur X calculée suivant la règle suivante : si la carte est un Roi, X vaut 4 points, si la carte est une Dame, X vaut 3 points, si la carte est un Valet, X vaut point, toutes les autres cartes valent 0 point. La loi de X est donnée par : x i 0 3 4 Remarque 2 On note que pour chacun de ces tableaux, la somme des probabilités élémentaires fait, en accord avec l un des axiomes des probabilités! I.3 Espérance d une variable aléatoire Définition 3 Soit X une variable aléatoire discrète, on appelle espérance de la variable aléatoire X le réel noté E(X) qui vaut : n E(X) = p x + p 2 x 2 +... + p n x n = p i x i. i= Remarque 3 Ce nombre important en probabilités représente la valeur moyenne de la variable aléatoire X. Exemple 4 On reprend le jeu de cartes étudié précédemment. On rappelle que la loi de X est donnée par :
STS Variables aléatoires discrètes 2009/200 D où le calcul de l espérance : x i 0 3 4 E(X) = 0 + + 3 + 4 E(X) = =. Concretement, cela signifie "qu en moyenne", le joueur gagne point. I.4 Variance et écart-type d une variable aléatoire Définition 4 Soit X une variable aléatoire aléatoire discrète d espérance E(X). On appelle variance de la variable aléatoire X le réel noté V (X) qui vaut : n V (X) = p [x E(X)] 2 + p 2 [x 2 E(X)] 2 +... + p n [x n E(X)] 2 = p i [x i E(X)] 2. i= On appelle écart-type de X le réel noté σ(x) ou σ X défini par : σ(x) = V (X). Exemple Calcul de la variance pour le jeu de cartes : V (X) = [0 ]2 + [ ]2 + [3 ]2 + [4 ]2 V (X) = + 0 + 4 + 9 = 9 = 2, 2. 4 D où l écart-type : σ(x) = σ x = 9 4 = σ x = 3 =,. 2 Le théorème suivant permet un calcul plus facile de la variance : Théorème (De Kœnig) V (X) = p x 2 + p 2 x 2 2 +... + p n x 2 n [E(X)] 2 = n p i x 2 i [E(X)] 2 = E(X 2 ) E 2 (X). i= Exemple Autre méthode de calcul de la variance pour le jeu de cartes : V (X) = 02 + 2 + 32 + 42 2 V (X) = 0 + + 9 + = V (X) = 9 = 2, 2. 4
STS Variables aléatoires discrètes 2009/200 Propriété La variance et l écart-type d une variable aléatoire réelle X sont des nombres positifs. L écart-type mesure la dispersion des valeurs d une variable aléatoire par rapport à son espérance. Si X est exprimé dans un certaine unité, σ X l est dans la même unité. II II. Lois fondamentales Loi de Bernoulli Définition Une expérience de Bernoulli est une expérience qui n a que deux issues possibles, l une appelée «succès» qui a pour probabilité p, l autre appelée «échec» qui a pour probabilité q = p. Définir une loi de Bernoulli de paramètre p, c est associer une loi de probabilité discrète à cette expérience aléatoire en faisant correspondre la valeur à l apparition d un succès et 0 à celle d un échec. x i 0 p p Exemple 7 Si on lance un dé et qu on nomme «succès» l apparition de la face, on obtient la loi de Bernoulli suivante : x i 0 Propriété 2 Soit X une variable aléatoire suivant une loi de Bernouilli B(p), alors : L espérance de X vaut E(X) = p. La variance de X vaut V (X) = pq. Exemple Dans l exemple précédent, on obtient E(X) = et V (X) = 3. II.2 loi binomiale
STS Variables aléatoires discrètes 2009/200 Définition La loi binomiale de paramètres n et p, notée B(n; p) est la loi de probabilité du nombre de succès dans la répétition de n expériences de Bernouilli de paramètre p identiques et indépendantes. Elle est définie par : P(X = k) = n p k q n k k, 0 k n Exemple 9 On lance 2 fois un dé bien équilibré. On s intéresse à l apparition ( de la face. Chaque lancer est une expérience de Bernouilli de paramètre. O.n obtient donc une loi binomiale B 2; ). nombre de succès 0 2 probabilité 2 3 0 3 3 Propriété 3 Soit X une variable aléatoire suivant une loi Binomiale B(n, p), alors : L espérance de X vaut E(X) = np. La variance de X vaut V (X) = npq. Exemple 0 Dans l exemple précédent, on obtient E(X) = 3 et V (X) =. II.3 loi de Poisson La loi de Poisson modélise des situations où l on s intéresse au nombre d occurrences d un événement dans un laps de temps déterminé ou dans une région donnée. Par exemple : Nombre d appels téléphoniques qui arrivent à un standard en x minutes, nombre de clients qui attendent à la caisse d un magasin, nombre de défauts de peinture par m 2 sur la carrosserie d un véhicule... Définition 7 La variable aléatoire X suit une loi de Poisson de paramètre λ, notée P(λ) avec λ > 0 lorsque sa loi de probabilité vérifie : λ λk P(X = k) = e k!, k N. Le formulaire donne pour certaines valeurs du paramètres les probabilités p(x = k), k N, les valeurs non écrites étant négligeables. On peut aussi taper la formule directement sur la calculatrice.
STS Variables aléatoires discrètes 2009/200 Exemple On considère la variable aléatoire X mesurant le nimbre de clients se présentant au guichet d un bureau de poste par intervalle de temps de durée 0 minutes entre 4h30 et h30. On suppose que X suit la loi de Poisson de paramètre λ =. Pour λ =, la table de la loi de poisson nous donne : k 0 2 3 4 7 9 0 2 3 4 p(x = k) 0, 007 0, 034 0, 04 0, 40 0, 7 0, 7 0, 4 0, 04 0, 0 0, 03 0, 0 0, 00 0, 003 0, 00 0, 000 On peut aussi représenter graphiquement la loi P() : 0. 2 3 4 7 9 0 2 3 La porbabilité qu entre 4h30 et 4h40, 0 personnes exactement se présentent à ce guichet vaut : P(X = 0) = 0, 0. La porbabilité qu entre h20 et h30, au maximum 3 personnes se présentent à ce guichet vaut : P(X 3) = P(X = 0) + P(X = ) + P(X = 2) + P(X = 3) = 0, 2. La porbabilité qu entre h00 et h0, personnes au moins se présentent à ce guichet vaut : P(X ) = P(X < ) = [P(X = 0) + P(X = ) + + P(X = )] = 0, 7 = 0, 33. Propriété 4 Soit X une variable aléatoire suivant une loi de Poisson de paramètre λ, alors l espérance et la variance sont égales et valent E(X) = V (X) = λ. Exemple 2 Dans l exemple précédent, on obtient E(X) = V (X) =. II.4 Approximation de la loi binomiale par la loi de Poisson Proposition Pour n assez grand (n > 30) et p proche de 0, (p 0, ) tels que np( p) 0, on peut approcher la loi binomiale B(n; p) par la loi de Poisson P(λ), où λ = np. On a alors : P(X = k) λk k! e λ Exemple 3 Dans une chaîne de fabrication, % des pièces sont défectueuses. On prélève 20 pièces et on désigne par X la variable aléatoire qui donne le nombre de pièces défectueuses.. Calcul de P(X = ) en utilisant la loi binomiale. 2. Calcul de P(X = ) en utilisant l approximation.
STS Variables aléatoires discrètes 2009/200 0. 2 3 4 7 9 0 2 3