Documente Academic
Documente Profesional
Documente Cultură
Loi binomiale
Christophe ROSSIGNOL
2 Loi de Bernoulli 2
1
2 LOI DE BERNOULLI
en prliminaire au cours :
Activits : Activits 1 page 316 1 [TransMath]
2 Loi de Bernoulli
Dfinition :
On appelle preuve de Bernoulli toute preuve deux issues possibles : un succs (not S) ou un
chec (not S).
La loi de Bernoulli est la loi de probabilit de la variable alatoire Y prenant la valeur 1 si lissue
est un succs, et 0 si lissue est un chec.
On note p = p (Y = 1) = p (S).
p est appel paramtre de la loi de Bernoulli.
On dit aussi que loi loi de probabilit de la variable alatoire Y suit la loi de Bernoulli.
1. Simulation de la loi du nombre de succs.
2. Rptition dexpriences identiques et indpendantes.
3. Loi gomtrique tronque.
2
2 LOI DE BERNOULLI
3
3 SCHMA DE BERNOULLI LOI BINOMIALE
Remarques :
1. On peut reprsenter la loi de Bernoulli par larbre pondr de la figure 2.
E (Y ) = p et V (Y ) = p (1 p)
Dmonstration :
E (Y ) = p (Y = 0) 0 + p (Y = 1) 1 = p 1 = p
2 2
V (Y ) = p (Y = 0) (0 E (Y )) + p (Y = 1) (1 E (Y ))
2
= (1 p) p2 + p (1 p) = p (1 p) [p + 1 p] = p (1 p)
4
3 SCHMA DE BERNOULLI LOI BINOMIALE 3.1 Un exemple pour comprendre
5
3.2 Schma de Bernoulli Loi binomiale 3 SCHMA DE BERNOULLI LOI BINOMIALE
X = 0 correspond lvnement S S S .
On a donc : 3
5 5 5 5 125
p (X = 0) = = =
6 6 6 6 216
X = 1 correspond lvnement S S S ; S S S ; S S S .
On a donc :
2
1 5 5 5 1 5 5 5 1 1 5 75
+ + =3
p (X = 1) = =
6 6 6 6 6 6 6 6 6 6 6 216
X = 2 correspond lvnement S S S ; S S S ; S S S .
On a donc :
2
1 1 5 5 1 1 1 5 1 1 5 15
p (X = 2) = + + = 3 =
6 6 6 6 6 6 6 6 6 6 6 216
X = 3 correspond lvnement {S S S}.
On a donc : 3
1 1 1 1 1
p (X = 3) = = =
6 6 6 6 216
Dfinition :
On appelle schma de Bernoulli dordre n lexprience consistant rpter n fois de manire
indpendantes la mme preuve de Bernoulli de paramtre p.
La loi binomiale de paramtres n et p est la loi de probabilit de la variable alatoire X prenant
prenant comme valeurs le nombre de succs (S) obtenus au cours des n preuves du schma de
Bernoulli.
On dit aussi que loi loi de probabilit de la variable alatoire X suit la loi binomiale de paramtres
n et p.
Remarque : Dans lexemple du 3.1, on a donc un schma de Bernoulli dordre 3.
La variable alatoire X suit la loi binomiale de paramtres 3 et 61 .
Dfinition : Le nombre de chemins de larbre
pondr
associ un schma de Bernoulli dordre n conduisant
n
k succs pour n rptitions est not .
k
n
Les nombres entiers sont appels coefficients binomiaux.
k
Remarques :
n
1. se lit k parmi n
k
3 3 3 3
2. Grce au 3.1, on a dj trouv que = 1; = 3; = 3 et = 3.
0 1 2 3
3. On peut utiliser la calculatrice pour trouver les coefficients binomiaux. Voir le TP 23 page 334 5
[TransMath].
Proprit : Soit X une variable alatoire suivant la loi binomiale de paramtres n et p.
1. Les valeurs de X sont {0 ; 1 ; 2 ; . . . ; n}
2. Pour tout k {0 ; 1 ; 2 ; . . . ; n} :
n nk
p (X = k) = pk (1 p)
k
6
3 SCHMA DE BERNOULLI LOI BINOMIALE 3.3 Esprance, variance, cart-type
Remarque : On peut utiliser la calculatrice pour trouver calculer des probabilits suivant une loi binomiale.
Voir le TP 23 page 334 6 [TransMath].
Exercices : 5, 6, 7 page 327 ; 18, 19 page 332 et 51, 52 page 339 7 44, 46, 47 et 53 page 339 8 [TransMath]
Proprit : (admis)
Soit X une variable alatoire suivant la loi binomiale de paramtres n et p.
Son esprance est : E (X) = np
Sa variance est : V (X) = np p (1 p)
Son cart-type est : (X) = np (1 p)
Dmonstration :
1. Dans larbre, un seul chemin ralise 0 succs et un seul chemin ralise n succs.
2. Comme n k succs correspondent k checs, il y a autant de chemins menant k succs
qu n k succs.
n+1
3. est le nombre de chemins qui ralisent k + 1 succs parmi n + 1 rptitions. Il y
k+1
en a de deux types :
(a) ceux qui commencent
par un succs : il reste alors k succs parmi n rptitions.
n
leur nombre est donc .
k
(b) ceux qui ne commencent pas succs : il reste alors k + 1 succs parmi n
par un
n
rptitions. leur nombre est donc .
k+1
3 2 2
Exemple : = + =1+2=3
1 0 1
n
Remarque : En particulier, la deuxime formule permet de calculer de proche en proche. Les
k
rsultats sont dtaills dans le tableau 1, appel triangle de Pascal.
Exercices : 56 page 340 ; 59, 60 page 341 et 64 page 342 10 [TransMath]
6. Calculer des probabilits suivant une loi binomiale.
7. Utiliser la loi binomiale.
8. Utilisation de la calculatrice.
9. Esprance dune loi binomiale.
n
10. Utilisation des formules sur les .
k
7
4 INTERVALLE DE FLUCTUATION ET PRISE DE DCISION
k
0 1 2 3 4 5
n
0 1
1 1 1
2 1 2 1
3 1 3 3 1
4 1 4 6 4 1
5 1 5 10 10 5 1
Dfinitions :
1. On appelle chantillon de taille n la srie statistique forme des rsultats obtenus lorsquon rpte n
fois une exprience dans les mmes conditions.
2. La distribution de frquences associe lchantillon est le tableau des frquences issues de cette
chantillon.
Exemple : On lance dix fois de suite une pice bien quilibre. On obtient P (Pile), F (Face), F, F, P, P,
F, P, F, F.
Il sagit dun chantillon de taille 10 (on a rpt lexprience 10 fois).
La distribution de frquences est :
Rsultat Pile Face
Effectif 4 6
Frquence 0,4 0,6
Remarques :
1. Les distributions de frquences varient dun chantillon lautre pour la mme exprience. Cest ce
quon appelle la fluctuation dchantillonnage.
2. Mme pour des chantillon de mme taille, la distribution de frquences peut varier.
3. Lorsque la taille de lchantillon augmente, les distributions de frquences ont tendance se stabiliser.
Plus prcisment, on a la proprit suivante, vue en classe de Seconde :
Proprit : (admise)
Soit un caractre dont la proportion dans une population donne est p.
Si 0, 2 p 0,8 et si n 25, alors 95 % des chantillons de taille n auront une distribution de frquence
dans la quelle la frquence du caractre sera dans lintervalle :
1 1
p ; p+
n n
Dfinition : Soit un caractre dont la proportion dans une population donne est p.
Lintervalle de fluctuation 95 % dune frquence, pour un chantillon de taille n, selon la loi binomiale
de paramtres n et p est :
(
a b a : plus petit entier tel que p (X a) > 0, 025
; avec
n n b : plus petit entier tel que p (X b) 0, 975
8
RFRENCES 4.3 Prise de dcision partir dun chantillon
On considre une population dans laquelle on suppose que la proportion dun caractre est p.
On observe la frquence f de ce caractre dans un chantillon de taille n et on considre lhypothse la
proportion de ce caractre dans la population est p .
On a alors la rgle de
dcision suivante :
Si f na ; nb : on considre que lhypothse nest pas remise en question et lon accepte au seuil de
risque de
5 %;
Si f / na ; nb : on rejette lhypothse au seuil de risque de 5 %.
Rfrences
[TransMath] transMATH 1re S, dition 2011 (Nathan)
2, 4, 6, 7, 9