DISTRIBUTION DE PROBABILITÉ

DISTRIBUTION BINOMIALE
Une variable aléatoire X est dite suivre une distribution binomiale avec des paramètres n et p si P
nCxpxqn - x où x = 0, 1, 2, 3 ….. n, p est la probabilité de succès et q est le
probabilité d'échec et q = 1 - p et p(x) est appelée la fonction de densité de probabilité.
Remarque
n
Pour une distribution binomiale p(x) = 1
x=0
Preuve
n
p(x) = nC0p0qn-0 + nC1p1qn- 1 + nC2p2qn-2 +…..+ nCnpnqn-n
x=0
= qn+ nC1p1qn- 1 + nC2p2qn-2 +…..+ pn
= ( p + q )n
=1
Dans une distribution binomiale
1) n, le nombre d'essais est fini.
2) chaque essai a deux résultats possibles appelés
succès et échec.
3) tous les essais sont indépendants
4) p et donc q est constant pour tous les essais.

Moyenne et variance d'une distribution binomiale

Moyenne = = x p(x)
p(x)
Mais pour la distribution binomiale p(x) = 1
= x p(x)
= x nCxpxqn - x
= 0. nC0p0qn-0 +1. nC1p1qn- 1 +2. nC2p2qn-2 +…..+ [Link]-n
= np1qn - 1 +n(n-1)p2qn-2 +…..+ n pn
= np(qn- 1 + (n-1)p qn-2 +…..+ pn-1)
= np( q + p )n-1
= np
Moyenne = np

Variance= 2
=
x2p(x) 2
p(x)
Mais pour la distribution binomiale p(x) = 1

2
= x2p(x) 2
= 0. nC0p0qn-0 +1. nC1p1qn - 1 +4. nC2p2qn-2 +…..+ [Link]-n – (n2p2)
 = np1qn- 1 +2n(n-1)p2qn-2 + 3 /2n(n-1)(n-2) p3qn-3…..+ n2pn- n2p2

= np (qn- 1 +2 (n-1)p qn-2 +3 /2 (n-1)(n-2) p2qn-3…..+ n pn-1 )- n2p2

= np[ (qn- 1 + ( n-1)pqn-2 +1 /2 (n-1)(n-2) p2qn-3…..+ p n-1 )

+(( n-1)p qn-2 +1 (n-1)(n-2) p2qn-3…..+ (n-1) pn-1] n 2p2

= np[( q + p )n-1 +(n-1)p(qn-2 + (n-2) pqn-3…..+ pn-2] -n2p2

= np [ ( q + p )n-1 +(n-1)p(q + p)n-2-n2p2

= np [ ( q + p )n-1 +( n-1)p(q + p )n-2] -n2p2

= np ( 1+ (n-1)p) -n2p2

= np + n2p2– n p2– n2p2

= np(1 – p)
= npq
Écart type =√npq

Problèmes
1) La moyenne et la variance d'une variable binomiale sont 16 et 8. Trouver i) P(X=0)
ii) P( X≥ 2)

Moyenne = = np = 16
Variance= 2
= npq = 8

npq / np = 8/16 = 1/2

c'est-à-dire, q = ½

p=1–q=½
np = 16 c'est-à-dire, n = 32

i) P ( X = 0 ) = nC0p0qn-0
=(½)0(1/2)32
(1/2)32

ii)P( X≥ 2) = 1 – P ( X < 2)
= 1 - P( X = 0 ,1)
= 1 – P(X = 0) – P(X = 1)
= 1 - 33 (1/2)32
6) Six dés sont lancés 729 fois. Combien de fois attendez-vous au moins 3 ?
dés pour montrer un 5 ou un 6 ?
n=6
P(x≥ 3) = 6Cxpxqn-x
Soit p la probabilité d'obtenir 5 ou 6 avec 1 dé
 ie, p = 2/6 = 1/3
q = 1 – 1/3 = 2/3
P(x ≥ 3) = P(x = 2, 3, 4, 5, 6)
= p( x=3)+p(x=4)+p(x=5)+p(x=6)
=0 .3196
nombre de fois = 729*0.3196 = 233
3) Un panier contient 20 bonnes oranges et 80 mauvaises oranges. 3 oranges
sont tirés au hasard de ce panier. Trouvez la probabilité que parmi
de 3 i) exactement 2 ii) au moins 2 iii) au plus 2 sont de bonnes oranges.
Soit p la probabilité d'obtenir une bonne orange
ie, p =80C1
100C1
= 0,8
q = 1 - 0,8 = 0,2
i ) p (x=2) = 3C2 (0.8)2(0.2)1= 0,384
ii) p(x≥2) = P(2) + p(3) = 0,896
iii) p(x≤ 2) = p(0) + p(1) + p(2) = 0.488
4) Dans un échantillonnage d'un grand nombre de pièces fabriquées par une machine,
le nombre moyen de défauts dans un échantillon de 20 est de 2. Sur 1000 de tels
Échantillons combien devraient contenir au moins 3 pièces défectueuses.
n=20 n p =2
c'est-à-dire, p=1/10 q = 1-p = 9/10

p(x≥ 3) = 1 – p ( x < 3 )
= 1 – p( x = 0,1,2) = 0.323
Nombre d'échantillons ayant au moins 3 pièces défectueuses = 0,323 * 1000
=323
Devoirs

1) Supposons qu'en moyenne 1 numéro de téléphone sur 15 appelé entre

14h et 15h en semaine sont chargées. Quelle est la probabilité que si 6 m
les numéros sélectionnés au hasard s'appellent i) pas plus de 3 seront occupés
au moins 3 d'entre eux seront occupés.
2) Si 10 % des boulons produits par une machine sont défectueux. Déterminer le
probabilité qu'un parmi 10 boulons, choisi au hasard
2 boulons seront défectueux.
3) Dans 800 familles avec 5 enfants chacune, combien de familles y aurait-il ?
expected to have i) 3 boys and 2 girls ii)atmost 2 [Link]) no girl
(Supposer que la probabilité pour les garçons et les filles soit égale.)
4) Pendant une guerre, en moyenne 1 navire sur 9 était coulé lors d'une certaine
voyage. Trouvez la probabilité que exactement 3 sur un convoi de 6 navires
arriverait en toute sécurité.
Dans un grand envoi d'ampoules électriques, 10 pour cent sont défectueuses.
un échantillon aléatoire de 20 est pris pour inspection. Trouvez la probabilité que
i) all are good bulbs ii) at most there are 3 defective bulbs. iii) Exactly
 il y a 3 ampoules défectueuses.

AJUSTEMENT DE LA DISTRIBUTION BINOMIALE

Le processus de détermination des valeurs les plus appropriées des paramètres à partir de
les observations données et l'écriture de la fonction de densité de probabilité sont connues sous le nom de
ajustement de la distribution binomiale.

Problèmes
1) Ajustez une distribution binomiale appropriée et calculez la distribution théorique
x:0 1 2 3 4 5
f:2 14 20 34 22 8

Ici n = 5, N = 100

Moyenne 2.84
fi

np = 2.84
p = 2.84/5 = 0.568
q = 0.432

p(r) = 5Cr(0,568)r(0,432)5-r , r = 0,1,2,3,4,5

Les distributions théoriques sont

r p(r) N* p(r)
0 0,0147 1,47 = 1
1 0,097 9,7 = 10
2 0,258 25,8 = 26
3 0,342 34,2 = 34
4 0,226 22,6 = 23
5 0,060 6=6
100

Devoirs
1) 5 pièces non biaisées sont lancées et le nombre de faces est noté. L'expérience
est répété 64 fois et la distribution suivante est obtenue
Nombre de têtes 2 3 4 5
Fréquences : 3 6 24 26 4 1
Ajuster une distribution binomiale et calculer les fréquences théoriques
2) Les données suivantes sont le nombre de graines germées sur 10
sur un papier filtre humide pour 80 séries de graines. Ajuster un binomial
distribution aux données observées.
 x: 0 1 2 3 4 5 6 7 8 9 10
f : 6 20 28 12 8 6 0 0 0 0 0
3) Ajustez une distribution binomiale aux données suivantes
012 3 4 5
2 14 20 34 22 8 Compare la fréquence théorique
avec la fréquence actuelle.

************************************************

DISTRIBUTION DE POISSON

Si les paramètres n&p d'une distribution binomiale sont connus, alors nous pouvons trouver le
[Link] lorsque n est grand et que p est très petit, l'application de la binomiale
la distribution est très difficile.
Soit x une variable aléatoire discrète qui peut prendre les valeurs 0, 1, 2, 3, ...
que la fonction de distribution de probabilité de x, P(x)=e-λ λx
x!
où λ est une constante positive, np = λ. Cette distribution est appelée
la distribution de Poisson.
Exemple : 1) Nombre d'erreurs d'impression sur chaque page d'un livre
publié par un bon éditeur
2) Nombre d'appels téléphoniques arrivant à un commutateur téléphonique
planche par minute.

La distribution de Poisson comme un cas limite de la distribution binomiale

RÉSULTAT
La distribution binomiale tend vers une distribution de Poisson lorsque n → ∞
et p → 0 tel que np = λ soit fini
Preuve
La distribution de probabilité d'une distribution binomiale est
P ( X ) = nCxpxqn - x
Mais λ = np
p=λ/n
q=1-p
=1-λ/n

p( x) = nCx(λ / n)x( 1 - λ / n )n-x

= n(n-1)(n-2)…………[n-(x-1)](n-x)! λx( 1 - λ / n )n
x!(n-x)! nx( 1 - λ / n )x

= λxn (n-1) (n-2)(n-3)……… [n-(x-1)] (1 - λ / n) n

 x! nx ( 1 - λ / n )x

= λxn (n-1) (n-2)………. [n-(x-1)] ( 1 - λ / n )n

x! n n n n (1 - λ / n)x
= λx( 1-1/n) (1 – 2/n) ………..( 1 – (x-1)/n) [( 1 - λ /n)– n/ λ] - λ
x! ( 1 - λ / n )x
= e-λ λx
x!

( puisque lorsque n →∞ chacun des facteurs (x-1) (1-1/n), (1-2/n) ……1- (x-1) /n → 1 et
depuis Lt ( 1 + 1/x)x= e)
n →∞

Résultat

∞
Pour une distribution de Poisson p(x) = 1
x=0

Preuve ∞
Pour une distribution de Poisson p(x) = e-λ λx
x=0 x!

=e-λ λ0+e-λ λ1+e-λ λ2+e-λ λ3+ ….… ….

0 ! 2 1 ! ! 3 !

=e– λ [ 1 + λ/1! + λ/2! +……..]

=e– λ eλ
=1
moyenne
Moyenne = x p(x)
p(x)

Mais pour la distribution de Poisson p(x) = 1

Moyenne= = x p(x)
= xe-λ λx
x!
= e λ = e–λ λx
-λ x

(x-1)! (x-1)!
= λe (λ +λ /2!+ λ3/3!+ ……)
-λ 2

= λe- λ eλ = λ
Moyenne = =λ
Variance= 2
= x2p(x) 2
p(x)
Mais pour la distribution de Poisson p(x) = 1

2
= x2p(x) 2
=( x(x-1) + x(e-λ λx- λ2
x!
= e λ + x e λ - λ2
-λ x -λ x

(x-2)! x!

= λe- λ(λ+λ2/ 1!+ λ3/ 2! +………..) +λ – λ2

= λ 2+λ – λ2= λ
Variance= 2= λ

Problèmes
1) Une variable de Poisson x telle que p(x = 1) = 2 P(x = 2). Trouvez p(x = 0).

p(x = 1) = 2 Px =2).
e λ1= e–λ λ2
–λ

1! 2!
c'est-à-dire, λ = 1

p(x = 0) = e-110 = 1/e

0!
Une entreprise de location de voitures dispose de deux voitures qu'elle loue quotidiennement. Le nombre de demandes pour une voiture sur
Chaque jour est réparti comme une variable de Poisson avec une moyenne de 1,5. Obtenez la proportion de jours.
sur lequel i) il n'y avait pas de demande ii) la demande est refusée.
Ici λ = 1.5
p(x = 0) = e- 1,5 1.50=0 .2231
0!
p(x > 2) = 1 - p(x ≤ 2) = 1 - p(x = 0,1,2) = 0.1914
3) En supposant que la probabilité qu'un individu soit tué dans une mine
L'accident au cours d'une année est de 1/2400. Utilisez la distribution de Poisson pour calculer.
La probabilité que dans une mine employant 200 mineurs, il y ait au moins
un accident mortel par an ?
Ici p = 1/2400 n = 200
λ = np = 0,083
P( x ≥ 1 ) = 1 – p( x < 1) = 1 – p(x = 0)
= 1 - e-0.083 = 0,0796
Devoirs
1) Dans une certaine usine qui fabrique des lames de rasoir, il y a une petite chance
1/500 pour qu'une lame soit défectueuse. Les lames sont en paquets de 10.
distribution de Poisson pour calculer le nombre approximatif de paquets contenant
 pas de défectueux, un défectueux, deux lames défectueuses respectivement dans un
envoi de 10 000 paquets.
2) Si la probabilité qu'une personne subisse une mauvaise réaction d'un certain
L'injection est de 0,001. Déterminez la probabilité que parmi 200 personnes
exactement 3

DISTRIBUTION NORMALE

C'est une distribution continue. Elle peut être dérivée de la distribution binomiale.
comme un cas limite où n Le nombre d'essais est très grand. & P la probabilité de
le succès est proche de ½. L'équation générale est
f(x) = 1 e-(x-μ)²
σ2
√ 2π où la variable x se situe entre -∞ < x < ∞, μ & σ
s'appellent les paramètres de la distribution. F(x) est appelé pdf de la normale
distribution N( μ ,σ2)Le graphique de la distribution normale est appelé la normale
courbe. Elle a la forme d'une cloche et est symétrique par rapport à sa moyenne. Les deux extrémités de la courbe s'étendent
de +∞ à -∞ La courbe est unimodale. L'aire totale sous la courbe est de 1.

Forme standard de la distribution normale

Si X est une variable aléatoire normale avec une moyenne μ et un écart type σ, alors le
La variable aléatoire Z = X-μ suit une distribution normale avec une moyenne de 0 et un écart type de 1.
σ
la pdf est f(z) = 1 / √ 2п e– z 2 / 2 , -∞ < z < ∞ Il est libre de tout paramètre.

Zone sous la courbe normale

En prenant z = x - μ, la courbe normale standard est formée. La surface totale sous
σ
Cette courbe est divisée en deux parties. 1) z varie de -∞ à 0 et 2) z varie
de 0 à ∞, chaque zone est 0.5
Un échantillon de 100 cellules de batterie est testé pour déterminer la durée de vie.
résultats suivants. Moyenne = 12 heures. Écart type = 3 heures. En supposant que les données soient
normalement distribué quel pourcentage de cellules de batterie est censé avoir une durée de vie i) plus
than 15 [Link])less than 6hrs. Iii) between 10 & 14 hrs .

i ) quand x = 15
P( x > 15) = P( X-μ > 15 – μ )
σ σ
= P( z > 1)
= 0,5 - 0,3413
0,1587 = 16 %
ii) Quand x = 6
P( x <6) = P( X-μ < 6 – μ )
σ σ
= P( z < -2)
= 0,5 - 0,4772
= 0,0228 = 2,28 %
iii) Quand P( 10< x<14) = P( 10 - μ < X-μ < 6 – μ )
σ σ σ
= P( -0.6667 < z < 0.6667)
= 2*P(0< z < 0.6667)
= 0.2485*2=0.497 =50%
2. Dans une distribution normale, 31 % des articles sont en dessous de 45 et 8 % sont au-dessus de 64. Trouvez
la moyenne et l'écart-type de la distribution.
Zone entre 0 et 45-μ = 0,5-0,31= 0,19
σ
De la table 45-μ = -0.49
σ
Zone entre 0 et 64 - μ = 0,5 - 0,08 = 0,42
σ
 D'après le tableau 64-μ = 1,41
σ

45-μ = -0,49 σ..................(1)

64-μ = 1.41 σ .................(2)
En résolvant (1) et (2), nous obtenons μ = 50
σ = 10
3. Dans une distribution normale, 7 % des éléments sont en dessous de 35 et 11 % sont au-dessus.
63. Trouvez la moyenne et l'écart type de la distribution.
Zone entre 0 et 35-μ = 0,5-0,07= 0,43
σ
D'après le tableau 35-μ = -1,48
σ
Zone entre 0 et 63-μ = 0,5-0,11= 0,39
σ
D'après le tableau 63-μ = 1,23
σ
35-μ = -1,48σ.................(1)
63-μ = 1.23σ .................(2)
en résolvant (1) &(2) nous obtenons μ = 50 σ = 10.

Devoirs
1) X est une variable normale avec une moyenne de 30 et un écart-type de 5. Trouvez la probabilité que
a) 26<x<40
b) │x-30│>5
2) Pour une population distribuée normalement, 7 % des articles ont des valeurs inférieures à
. 35 et 89 % ont des valeurs inférieures à 63. Trouvez la moyenne et l'écart type.

************************************************