Lois Usuelles

Les lois usuelles
Plan
1 La loi Binomiale 1.1 Définitions 1

1.2 Propriétés
1.3 Exemple
2 La loi de Poisson 2.1 Définitions 3
2.2 Propriétés
2.3 Utilisation
2.4 Exemple
3 La loi Normale 3.1 Définition 5
3.2 Calculs pratiques
3.3 Propriétés
3.4 Utilisation
3.5 Théorème central-limite
1. La loi Binomiale (variable discrète)

1.1 Définition
Soit une expérience élémentaire qui donne 2 résultats possibles.
Ces résultats peuvent être appelés succès et échec.
On note: p, la probabilité d'avoir un succès. La probabilité d'avoir un échec
est donc 1-p.
On répéte l'expérience n fois dans des épreuves indépendantes.
Soit X, la variable aléatoire associée au nombre de succès au cours des n épreuves.
X suit une loi binomiale de paramètres n et p. La probabilité d'avoir
k expériences réussies est : P(X = k) = k
C
n
p k (1 − p) (n −k)
n!
avec C k
n = k!(n - k)!
Savoir-faire EXCEL = utiliser les fonctions

- COMBIN(nombre_éléments; no_éléments_choisis)
- FACT(nombre)
- LOI.BINOMIALE(nombre_succès; tirages; probabilité_succès; cumulative)
Quelques exemples de variables binomiales
Classeur "Lois" - Feuille "Cours" 1

- le nombre de produits défectueux sur un ensemble de 10 produits
- le nombre de personnes se déclarant prêtes à acheter un certain produit, après un essai.
Application numérique
Si n vaut 10
k vaut 4
p vaut 0.2
La valeur de P(X=k) fournie par la fonction EXCEL est : 0.088
1.2 Propriétés
è Si X1 suit une loi binomiale de paramètre n1 et p
et X2 suit une loi binomiale de paramètre n2 et p
Alors Y = X1+X2 suit une loi binomiale de paramètre n1+n2 et p
è E(X) = np
è Var(X) = np(1-p)
1.3 Exemple
E1
La probabilité qu'un client visité effectue un achat est évaluée à p = 0.20
Si un vendeur visite 10 clients éventuels, quelle est la probabilité
qu'il obtienne exactement 4 achats ?
Réponse 0.088
x P(X=x) Loi binomiale

0 0.107 0.350
1 0.268
0.300
2 0.302
3 0.201 0.250
4 0.088 0.200
5 0.026 0.150
6 0.006
0.100
7 0.001
8 0.000 0.050
9 0.000 0.000
10 0.000 0 1 2 3 4 5 6 7 8 9 10

0.100
0.050
0.000
0 1 2 3 4 5 6 7 8 9 10
2. La loi de Poisson (variable discrète)
2.1 Définition
La loi de POISSON de paramètre m mk

est définie par : P(X = k) = e -m
k!
Savoir-faire EXCEL = utiliser la fonction

- LOI.POISSON(x; espérance; cumulative)
voir AIDE EN LIGNE
Application numérique
Si m vaut 3
et k vaut 4
La valeur de P(X=k) fournie par la fonction EXCEL est : 0.168
2.2 Propriétés
è Si X1 suit une loi de Poisson de paramètre m 1

et X2 suit une loi de Poisson de paramètre m 2
Alors Y = X1+X2 suit une loi de Poisson de paramètre m1+m2
è E(X) = V(X) = m
Cette dernière propriété pourra aider à juger si on a une loi de Poisson.
2.3 Utilisation
Pour quelques applications, la loi de Poisson est un "bon modèle"
- arrivées de clients à un service
- pannes de machine
- occurence de sinistres (compagnie d'assurances)
- etc...
2.4 Exemple
E2
Un atelier de réparation de machines reçoit en moyenne , 5

appels de service par heure. La variable aléatoire associée à ce nombre
suit une loi de Poisson de paramètre 5
La probabilité d'avoir 3 appels durant une certaine heure est:
P ( X = 3 )= 0.140
x p(X=x) Loi de Poisson

0 0.0067 0.2000
1 0.0337 0.1750
2 0.0842 0.1500
3 0.1404
0.1250
4 0.1755
0.1000
5 0.1755
6 0.1462 0.0750
7 0.1044 0.0500
8 0.0653 0.0250
9 0.0363 0.0000
10 0.0181 0 1 2 3 4 5 6 7 8 9 10

3. La loi Normale (variable continue)
3.1 Définition
La loi normale (on parle aussi de loi de Laplace-Gauss) est une loi continue
ayant pour fonction de densité:
2
_( x − µ )
1 µ étant l'espérance de cette loi
f(x) =
2
e 2σ
σ 2π et σ l'écart-type
Cette fonction a une courbe d'allure bien connue: la fameuse "cloche"
Distribution Normale Centrée Réduite

Voici la "cloche" correspondant
0.4
à la loi normale centrée réduite
0.35
(c.à.d d'espérance nulle
et d'écart-type égal à 1) 0.3
0.25
Probabilité
0.2
0.15
0.1
0.05
0
-3 -2 -1 0 1 2 3
Des lois normales de même 0.4

0.38
moyenne m, et d'écart-types 0.35
différents "ont des cloches" 0.33
0.3
plus ou moins aplaties. 0.28
0.25
0.23
0.2
0.18
0.15
0.13
0.1
0.08
0.05
0.03
0
5 6 7 8 9 10 11 12 13 14 15

3.2 Calculs pratiques
La probabilité qu'une variable prenne une valeur entre a et b est égale à b
∫ f(x)dx
a
Mais ce n'est pas cette formule mathématique qui est importante.
Ce qui est important pour la pratique, c'est
Distribution Normale Centrée Réduite
- d'avoir compris que cette même valeur
est égale à l'aire de la surface
située sous la courbe entre les
"droites verticales" passant en a et b
Probabilité
a b
-3 -1 1 3
- de savoir utiliser une table ou un logiciel pour calculer une telle valeur.
Savoir-faire EXCEL
Inutile d'utiliser une table et de centrer et réduire la variable,
il existe 4 fonctions:
- LOI.NORMALE.STANDARD(x)
- LOI.NORMALE.STANDARD.INVERSE(probabilité)
- LOI.NORMALE(x; espérance; écart_type; cumulative)
- LOI.NORMALE.INVERSE(probabilité; espérance; écart_type)
Exemples
E3
Soit X, une v.a. normale centrée réduite.
La probabilité d'avoir X inférieur ou égal à 1 est 0.8413
E4
On suppose que la durée de vie d'une ampoule suit une loi normale
de moyenne : 750 h et d'écart-type : 80
Quelle est la probabilité qu'une ampoule ait une durée de vie inférieure à
800 ? Réponse 0.734
Quelle est la probabilité qu'une ampoule ait une durée de vie entre
750 et 800 ? Réponse 0.234

3.3 Propriétés
è Si X1 suit une loi normale d'espérance E(X1) et de variance Var(X1),

et si X2 suit une loi normale d'espérance E(X2) et de variance Var(X2),
et si X1 et X2 sont indépendantes
Alors Y = X1+X2 suit une loi normale d'espérance E(X1) + E(X2)
et de variance Var(X1) + Var(X2)
3.4 Utilisation
La loi normale est un modèle largement utilisé dans tous les domaines.
3.5 Théorème central-limite
Soient X1,X2,...,Xn, n variables aléatoires indépendantes
et de même type de loi.
Lorsque n est suffisamment grand,

Y = X1+...+Xn suit approximativement une loi normale
de paramètres :
- moyenne = somme des moyennes des Xi

- variance = somme des variances des Xi
Ce théorème est très important, car il est à la base de la statistique inférentielle.

Il renforce l'intérêt pratique de la loi normale qui est une sorte de "loi-limite"
pour toutes les lois. Même quand une distribution n'est pas normale,
la somme (ou la moyenne) d'un nombre suffisant de valeurs de cette distribution
sera approximativement normalemement distribuée.

.

2 3

0
moyenne 10 10 10
sigma 1 1.5 2
-3 0 3.9 0 0 0
-2.9 0.01 4 0 0 0
-2.8 0.01 4.1 0 0 0
-2.7 0.01 4.2 0 0 0
-2.6 0.01 4.3 0 0 0
-2.5 0.02 4.4 0 0 0
-2.4 0.02 4.5 0 0 0
-2.3 0.03 4.6 0 0 0.01
-2.2 0.04 4.7 0 0 0.01
-2.1 0.04 4.8 0 0 0.01

-2 0.05 4.9 0 0 0.01
-1.9 0.07 5 0 0 0.01
-1.8 0.08 5.1 0 0 0.01
-1.7 0.09 5.2 0 0 0.01
-1.6 0.11 5.3 0 0 0.01
-1.5 0.13 5.4 0 0 0.01
-1.4 0.15 5.5 0 0 0.02
-1.3 0.17 5.6 0 0 0.02
-1.2 0.19 5.7 0 0 0.02
-1.1 0.22 5.8 0 0.01 0.02
-1 0.24 5.9 0 0.01 0.02
-0.9 0.27 6 0 0.01 0.03
-0.8 0.29 6.1 0 0.01 0.03
-0.7 0.31 6.2 0 0.01 0.03
-0.6 0.33 6.3 0 0.01 0.04
-0.5 0.35 6.4 0 0.01 0.04
-0.4 0.37 6.5 0 0.02 0.04
-0.3 0.38 6.6 0 0.02 0.05
-0.2 0.39 6.7 0 0.02 0.05
-0.1 0.4 6.8 0 0.03 0.06
0 0.4 6.9 0 0.03 0.06
0.1 0.4 7 0 0.04 0.06
0.2 0.39 7.1 0.01 0.04 0.07
0.3 0.38 7.2 0.01 0.05 0.07
0.4 0.37 7.3 0.01 0.05 0.08
0.5 0.35 7.4 0.01 0.06 0.09
0.6 0.33 7.5 0.02 0.07 0.09
0.7 0.31 7.6 0.02 0.07 0.1
0.8 0.29 7.7 0.03 0.08 0.1
0.9 0.27 7.8 0.04 0.09 0.11
1 0.24 7.9 0.04 0.1 0.11
1.1 0.22 8 0.05 0.11 0.12
1.2 0.19 8.1 0.07 0.12 0.13
1.3 0.17 8.2 0.08 0.13 0.13
1.4 0.15 8.3 0.09 0.14 0.14
1.5 0.13 8.4 0.11 0.15 0.14
1.6 0.11 8.5 0.13 0.16 0.15
1.7 0.09 8.6 0.15 0.17 0.16
1.8 0.08 8.7 0.17 0.18 0.16
1.9 0.07 8.8 0.19 0.19 0.17
2 0.05 8.9 0.22 0.2 0.17
2.1 0.04 9 0.24 0.21 0.18
2.2 0.04 9.1 0.27 0.22 0.18
2.3 0.03 9.2 0.29 0.23 0.18
2.4 0.02 9.3 0.31 0.24 0.19
2.5 0.02 9.4 0.33 0.25 0.19
2.6 0.01 9.5 0.35 0.25 0.19
2.7 0.01 9.6 0.37 0.26 0.2
2.8 0.01 9.7 0.38 0.26 0.2

2.9 0.01 9.8 0.39 0.26 0.2
3 0 9.9 0.4 0.27 0.2
3.1 0 10 0.4 0.27 0.2
3.2 0 10.1 0.4 0.27 0.2
3.3 0 10.2 0.39 0.26 0.2
3.4 0 10.3 0.38 0.26 0.2
3.5 0 10.4 0.37 0.26 0.2
3.6 0 10.5 0.35 0.25 0.19
3.7 0 10.6 0.33 0.25 0.19
3.8 0 10.7 0.31 0.24 0.19
3.9 0 10.8 0.29 0.23 0.18
4 0 10.9 0.27 0.22 0.18
4.1 0 11 0.24 0.21 0.18
4.2 0 11.1 0.22 0.2 0.17
4.3 0 11.2 0.19 0.19 0.17
4.4 0 11.3 0.17 0.18 0.16
4.5 0 11.4 0.15 0.17 0.16
4.6 0 11.5 0.13 0.16 0.15
4.7 0 11.6 0.11 0.15 0.14
4.8 0 11.7 0.09 0.14 0.14
4.9 0 11.8 0.08 0.13 0.13
5 0 11.9 0.07 0.12 0.13
5.1 0 12 0.05 0.11 0.12
5.2 0 12.1 0.04 0.1 0.11
5.3 0 12.2 0.04 0.09 0.11
5.4 0 12.3 0.03 0.08 0.1
5.5 0 12.4 0.02 0.07 0.1
5.6 0 12.5 0.02 0.07 0.09
12.6 0.01 0.06 0.09
12.7 0.01 0.05 0.08
12.8 0.01 0.05 0.07
12.9 0.01 0.04 0.07
13 0 0.04 0.06
13.1 0 0.03 0.06
13.2 0 0.03 0.06
13.3 0 0.02 0.05
13.4 0 0.02 0.05
13.5 0 0.02 0.04
13.6 0 0.01 0.04
13.7 0 0.01 0.04
13.8 0 0.01 0.03
13.9 0 0.01 0.03
14 0 0.01 0.03
14.1 0 0.01 0.02
14.2 0 0.01 0.02
14.3 0 0 0.02
14.4 0 0 0.02
14.5 0 0 0.02
14.6 0 0 0.01

14.7 0 0 0.01
14.8 0 0 0.01
14.9 0 0 0.01
15 0 0 0.01
15.1 0 0 0.01
15.2 0 0 0.01
15.3 0 0 0.01
15.4 0 0 0.01
15.5 0 0 0
15.6 0 0 0
15.7 0 0 0
15.8 0 0 0
15.9 0 0 0
16 0 0 0

Exercices sur les lois usuelles
Exemple 1
Selon un article récent du Wall Street journal, 4 sur 10 "surfeurs" mémorisent les bannières
publicitaires qu'ils rencontrent en naviguant sur la toile.
Si on considère un échantillon aléatoire de 5 personnes ayant été exposées
à une certaine bannière et qu'on leur demande s'ils s'en souviennent
Quelle est la probabilité d'avoir exactement 1 réponse positive? 2 ? 3 ou plus ?
Exemple 2
Dans une compagnie aérienne, le nombre journalier de réclamations pour bagages perdus
pour un certain aéroport, suit une loi de Poisson de moyenne 9
Quelle est la probabilité d'avoir exactement 3 réclamations ? 3 ou plus ? Plus de 3 ?
Exemple 3
Soit X, une v.a. normale centrée réduite.
La probabilité d'avoir X inférieur ou égal à 3 est
5610206.xls - Exercices -Page 45

Exemple 4
On suppose que la durée des appels téléphoniques longue distance d'une certaine entreprise
suit une loi normale de moyenne 240 secondes et d'écart-type 40 secondes.
a/ Quel est le pourcentage de ces appels durant moins de 180 secondes ?
b/ Quelle est la probabilité qu'un certain appel dure entre 180 et 300 secondes ?
c/ Quelle est la probabilité d'avoir un appel durant plus de 400 secondes ?
d/ Que peut-on dire de la durée d'un ceratin appel qui est tels que seulement 1% des appels ont une
durée plus courte ?
Exemple 5
Je cherche Z tel que j'ai 95.00% des valeurs
entre - Z et + Z pour une loi normale centrée-réduite

s appels ont une

Lois Usuelles

Transféré par

Droits d'auteur :

Formats disponibles

Lois Usuelles

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Lois Usuelles

Transféré par

Droits d'auteur :

Formats disponibles

Les lois usuelles

1 La loi Binomiale 1.1 Définitions 1

1. La loi Binomiale (variable discrète)

Savoir-faire EXCEL = utiliser les fonctions

Quelques exemples de variables binomiales

Classeur "Lois" - Feuille "Cours" 1

La valeur de P(X=k) fournie par la fonction EXCEL est : 0.088

x P(X=x) Loi binomiale

Classeur "Lois" - Feuille "Cours" 2

2. La loi de Poisson (variable discrète)

La loi de POISSON de paramètre m mk

Savoir-faire EXCEL = utiliser la fonction

La valeur de P(X=k) fournie par la fonction EXCEL est : 0.168

è Si X1 suit une loi de Poisson de paramètre m 1

Cette dernière propriété pourra aider à juger si on a une loi de Poisson.

Classeur "Lois" - Feuille "Cours" 3

x p(X=x) Loi de Poisson

Classeur "Lois" - Feuille "Cours" 4

Cette fonction a une courbe d'allure bien connue: la fameuse "cloche"

Distribution Normale Centrée Réduite

Des lois normales de même 0.4

Classeur "Lois" - Feuille "Cours" 5

Classeur "Lois" - Feuille "Cours" 6

è Si X1 suit une loi normale d'espérance E(X1) et de variance Var(X1),

3.5 Théorème central-limite

Soient X1,X2,...,Xn, n variables aléatoires indépendantes

et de même type de loi.

Lorsque n est suffisamment grand,

- moyenne = somme des moyennes des Xi

Ce théorème est très important, car il est à la base de la statistique inférentielle.

Classeur "Lois" - Feuille "Cours" 7

Classeur "Lois" - Feuille "Cours" 12

Classeur "Lois" - Feuille "Cours" 16

Classeur "Lois" - Feuille "Cours" 41

Classeur "Lois" - Feuille "Cours" 42

Classeur "Lois" - Feuille "Cours" 43

Classeur "Lois" - Feuille "Cours" 44

5610206.xls - Exercices -Page 45

5610206.xls - Exercices -Page 46

5610206.xls - Exercices -Page 48

Vous aimerez peut-être aussi