USTHB L1 – SNV 2024/2025 FSB

La Loi Binomiale
Par K. Tazaïrt

Introduction :

Les distributions établies d’après les données expérimentales présentent des formes très variées. Cependant, la
plupart d’entre elles se rapprochent de quelques lois de distributions théoriques établies à partir du calcul des
probabilités qu’on appelle les lois probabilistes. Parmi ces lois, la loi binomiale, la loi de Poisson et la loi
normale. L’objet de ce cours est la loi binomiale.

1°) Epreuve et loi de Bernoulli :

On réalise une expérience de lancer d’une pièce de monnaie. Deux événements peuvent se produire : Pile (P)
ou Face (F).

Si on s’inspire de cette expérience pour faire le jeu du « Pile ou Face, on introduit alors l’expression « Pile je
gagne », « Face tu perds ». Donc, si la pièce tombe côté Pile, c’est un événement de succès. Mais si la pièce
tombe côté Face, c’est un événement d’échec. C’est le principe même de l’épreuve de Bernoulli.

Définition : On appelle « épreuve de Bernoulli », une expérience aléatoire n’ayant que deux (2)
issues (résultats) : Succès (S) et Echec (S̄). La loi de Bernoulli associe au « Succès » la probabilité « p »
et à l’ « Echec » la probabilité « q ».
- p = P(S)
- q = P(S̄).
Remarque : p + q = 1. « p » et « q » sont, alors, dits complémentaires.

1
Illustration de l’épreuve de Bernoulli :

Lancer 1 pièce de monnaie 1 fois. On obtient Pile (P) ou Face (F).

Pile (P)
Pièce de monnaie
Face (F)

Epreuve classique

Lancer 1 pièce de monnaie 1 fois. On obtient Pile (P) ou Face (F). Mais cette fois-ci, on considère l’événement
« obtenir Pile » comme événement de Succès. L’événement « obtenir Face » devient donc l’événement de
l’Echec : c’est l’épreuve de Bernoulli.

p Succès = Pile = S
Pièce de monnaie
q Echec = Face = S̄

Epreuve de Bernoulli

Applications :

Exemple 01 :

On lance un dé et on considère, par exemple, comme événement de Succès « obtenir un 6 ». L’événement

Echec devient, par conséquent, « ne pas obtenir un 6 ».

P(S) = p = P(6) = 0.16

Or, P(S) + P(S̄) = 1 = p + q = 1 => q = P(S̄) = 1 – 0.16 = .84.

En effet, « ne pas obtenir un 6 » c’est obtenir soit 1, soit 2, soit 3, soit 4, soit 5.

Donc, la probabilité de l’événement « ne pas obtenir un 6 » est ainsi calculée :

P(S̄) = P(1) + P(2) + P(3) + P(4) + P(5) = 0.84.

2
Exemple 02 :

Un sac contient des boules Rouges (événement R), des boules Jaunes (événement J) et des boules Noires
(événement N). On considère comme événement de Succès l’événement « obtenir une boule Rouge » après
un tirage aléatoire dans le sac. Donc « ne pas obtenir une boule Rouge », c’est-à-dire obtenir une boule
Jaune ou une boule Noire, est l’événement de l’Echec.

Par conséquent :

 P(R) = P(Succès) = P(S) = p

 P(J) + P(N) = P(Echec) = P(S̄) = q
 [ P(R) ] + [ P(J) + P(N) ] = p + q = 1

2°) Schéma de Bernoulli :

On appelle « schéma de Bernoulli », la répétition « n » fois et de manière identique et indépendante d’une

épreuve de Bernoulli.

Précision :
Plusieurs épreuves sont dites identiques et indépendantes si :
 Elles ont les mêmes issues
 Chaque issue possède la même probabilité

3°) La loi binomiale :

On réalise un schéma de Bernoulli composé de « n » épreuves de Bernoulli identiques et indépendantes.

Une loi binomiale est une loi de probabilité d’une variable aléatoire quantitative et discontinue (discrète)
X qui donne le nombre de succès de l’expérience.

Démonstration :

On lance une pièce de monnaie 1 fois (ici n = 1). On obtient P ou F.

Pile (P)
Pièce de monnaie

Face (F)

3
On va répéter cette expérience 3 fois (n = 3) en lançant, donc, la pièce de monnaie 3 fois et on note le résultat
des événements qui en découleront sous forme d’arbre ou arborescence des probabilités (schéma ci-dessous).

1er Lancer 2ème lancer 3ème lancer

Arbre classique ou schéma classique

(parce qu’il n’y a pas de notion de succès ou d’échec)

L’Univers du lancer d’une pièce de monnaie 3 fois est établi comme suit :

U = { PPP, PPF, PFP, PFF, FPP, FPF, FFP, FFF }

Card (Ω) = 8

A présent, on vous demande de répéter l’expérience « lancer 1 pièce de monnaie » 3 fois, sauf que cette fois-ci
on va désigner comme événement de Succès, l’événement « obtenir un Pile ». Il sera donc question
d’introduire le schéma de Bernoulli puisque l’épreuve de Bernoulli sera répétée 3 fois.

On a donc : P(Succès) = P(P) = p et P(Echec) = P(S̄) = q.

4
La distribution des événements de cette expérience est donnée dans le schéma suivant :

1er Lancer 2ème lancer 3ème lancer

Arbre ou schéma de Bernoulli

(Parce qu’il y a la notion de succès ou d’échec)

On sait que l’événement du succès c’est « obtenir un Pile ». Comme l’expérience a été répétée plusieurs fois,
en l’occurrence ici 3 fois, on peut donc avoir soit « 0 » obtention du succès (cas où on n’obtient que Face, Face,
Face), soit « 1 » fois, (par exemple Face, Face, Pile, …), soit « 2 » fois (par exemple Pile, Face, Pile, …), soit
« 3 » fois (Pile, Pile, Pile).

Pour déterminer le nombre de fois où le succès est obtenu, il suffit de se référer au schéma de Bernoulli et de
« suivre » le ou les chemin(s) qui font apparaitre le Succès. On obtient ainsi le tableau suivant :

X Evénements Probabilités des événements

0 F et F et F P(F∩F∩F) = P(F).P(F).P(F) = q.q.q = q3 => 1.p0.q3
1 P et F et F P(P∩F∩F) = P(P).P(F).P(F) = p.q.q = p.q2
ou ou +
F et P et F P(F∩P∩F) = P(F).P(P).P(F) = q.p.q = p.q2 = 3.p.q2 => 3.p1.q2
ou ou +
F et F et P P(F∩F∩P) = P(F).P(F).P(P) = q.q.p = p.q2
2 P et P et F P(P∩P∩F) = P(P).P(P).P(F) = p.p.q = p2.q
ou ou +
P et F et P P(P∩F∩P) = P(P).P(F).P(P) = p.q.p = p2.q = 3.p2.q => 3.p2.q1
ou ou +
F et P et P P(F∩P∩P) = P(F).P(P).P(P) = q.p.p = p .q
2

3 P et P et P P(P∩P∩P) = P(P).P(P).P(P) = p.p.p = p3 => 1.p3.q0

5
En analysant la dernière colonne du tableau ci-dessus, on constate qu’il y a bel et bien une relation entre les
probabilités et les valeurs de X. X étant une variable qui peut prendre des valeurs comprises entre 0 et 3
(3 correspond au nombre de répétitions de l’expérience, donc « n »). Il en ressort que X est une variable
aléatoire qui suit la loi binomiale caractérisée par deux paramètres : « n » et « p » et pour tout entier « k » tel
que 0 ≤ k ≤ n, on aura :

 X B(n, p) : La variable X suit une loi binomiale de paramètres « n » et « p ».

 X : Variable aléatoire quantitative discontinue (discrète) (VAQD)

 k : Valeur maximale que peut prendre X. k est compris entre 0 et n : 0 ≤ k ≤ n.

 pk : « p » c’est la probabilité de l’événement du Succès et « k » le nombre de Succès.

 qn – k : « q » c’est la probabilité de l’événement de l’échec et « n – k » le nombre d’échecs.

 : Le Coefficient binomial (ou nombre de combinaisons de succès) est le nombre de chemins

conduisant à « k » succès parmi « n » épreuves sur l’arbre (ou arborescence) de Bernoulli représentant
l’expérience.

Remarque : Combinaison --------> ‫توفيقا ت‬

La formule du coefficient binomial est ainsi établie :

Quelques propriétés du coefficient binomial :

6
Conclusion :

Les conditions d’application de la loi binomiale se résument en cinq points :

 X : Variable Aléatoire Quantitative et Discontinue

 Il y a seulement deux événements ou deux issues : le Succès et l’Echec

 Ces deux événements sont exclusifs ou incompatibles => P(S ∩ S̄) = Ø

 Ces deux événements sont complémentaires => P(S) + P(S̄) = 1

 Expérience répétée « n » fois, de manière identique et indépendante.

4°) Espérance, Variance et Ecart-Type :

a) Espérance mathématique :

L’espérance mathématique est l’équivalent de la moyenne en probabilité. Elle est notée E(X) : E : espérance et
X : relativement à la variable X.

E(X) = n.p

b) Variance :
En théorie des probabilités, la variance est une mesure de la dispersion des valeurs d'une distribution
de probabilité. Notée Var(X), la variance est ainsi formulée :

Var(X) = n.p.q

c) L’écart-type :
L’écart-type est une mesure de la dispersion des valeurs d'une distribution de probabilité. Il est défini comme la
racine carrée de la variance ou, de manière équivalente, comme la moyenne quadratique des écarts par rapport à
la moyenne.

7
 APPLICATION
Un sac contient 7 boules :

 4 Rouges (R)
 2 Noires (N)
 1 Jaune (J)

On désigne par événement de Succès, l’événement « obtenir une boule Rouge », c’est-à-dire l’événement R.
Donc la probabilité d’obtenir une boule rouge est :

P(R) = p => P(R̄) = q

=>

Après un tirage aléatoire et successif (Avec Remise) de 5 boules (c’est-à-dire n = 5).

1°) Calculer les probabilités des événements suivants :

 Obtenir 2 boules Rouges => P(2 R) => P(X=2)

 Obtenir au moins 3 boules Rouges => P(au moins 3 R) => P(X ≥ 3)

 Obtenir au plus 3 boules rouges => P(au plus 3 R) => P(X ≤ 3)

 Obtenir 5 boules Noires => P(5 N) => P(X = 0)

2°) Calculer l’Espérance E(X), la Variance Var(X) et l’Ecart-type σ(X).

Réponse :

1°) Calcul des probabilités :

A la lecture de l’énoncé, on déduit les remarques suivantes :

 A l’événement de Succès, on lui associe la notion de « épreuve de Bernoulli ».

 Expérience répétée plusieurs fois, ici 5 fois => Schéma de Bernoulli.

 X : désigne le nombre de fois où le Succès, « obtenir une boule Rouge », apparait.

 X est donc une Variable Aléatoire Quantitative et Discontinue(1).

 Puisqu’on réalise une épreuve de Bernoulli, il y a donc 2 événements(2) (Succès et Echec).

8
  Les 2 événements sont exclusifs(3) => P(R ∩ R̄) = Ø

 Les 2 événements sont complémentaires(4) => P(R) + p(R̄) = 1

 L’expérience est répétée plusieurs fois (5 fois) de manière indépendante (avec remise) et
identique(5).

De ces remarques, 5 conditions (texte gras et rouge) pour appliquer une loi de probabilité sont réunies : C’est
la loi Binomiale. La variable X suit donc la loi binomiale de paramètres « n » et « p » avec n = 5 et p = P(R).

On a donc la formule suivante de la loi binomiale :

a) Calcul de la probabilité d’obtenir 2 boules Rouges :

Sachant que p + q = 1 => q = 1 – p => q = 1 – 0.57 = 0.43

p = 0. 57 et q = 0.43

P(X = 2) = 10 x 0.3249 x 0.0765 = 0.25

P(X = 2) = 0.25

9
 b) Calcul de la probabilité d’obtenir au moins 3 boules Rouges :

P(au moins 3 R) = P(X ≥ 3) => X = k = 3 ou 4 ou 5 => P(X ≥ 3) = P(X = 3) + P(X = 4) + P(X = 5)

= (10 x 0.185 x 0.1849) + (5 x 0.105 x 0.43) + (1 x 0.060 x 1)

= (0.342) + (0.225) + (0.060) = 0.62

P(X ≥ 3= 0.62

c) Calcul de la probabilité d’obtenir au plus 3 boules Rouges :

P(au plus 3 R) = P(X ≤ 3) => X = k = 0 ou 1 ou 2 ou 3 => P(X ≤ 3) = P(X=0) + P(X=1) + P(X=2) + P(X=3)

= (1 x 1 x 0.014) + (5 x 0.57 x 0.034) + (10 x 0.324 x 0.079) + (10 x 0.185 x 0.184)

= (0.014) + (0.096) + (0.258) + (0.342) = 0.71

P(X ≤ 3) = 0.71

d) Calcul de la probabilité d’obtenir 5 Noires :

P(X = 0) = 0.014

Remarque : P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4) + P(X=5) = 1

Règle fondamentale en probabilité : Pour tout « a », entier naturel, on a :

P(X ≤ a) + P(X > a) = 1

10
2°) Calculer l’espérance mathématique E(X), la variance Var(X) et l’écart-type σ(X) :

 E(X) = n . p = 5 . 057 = 2.85

 Var(x) = n . p . q . = 5 . 057 . 0.43 = 1.22

E(X) = 2.85 Var(X) = 1.22 σ(X) = 1.1

FIN

11