
|
|
Dans un espace probabilisé fini W, on peut associer, à toute éventualité ei, un nombre réel xi; on définit ainsi une application X de W dans R, appelée variable aléatoire (du latin alea = dé (jeu-de) = chance = hasard). Sa loi de probabilité est l'ensemble des couples (xi,pi) où pi = Prob{X = xi} désigne la probabilité de réalisation de l'événement {X = xi}.
Dans un problème statistique, on cherche généralement la probabilité qu'une variable aléatoire soit inférieure ou supérieure à une valeur donnée, ou encore comprise entre deux valeurs données (fourchette).
On définit alors sa fonction de répartition
F définie de R sur [0;1] par F(x) = Prob{X
x}. C'est une fonction cumulative : si les xi
sont rangés par valeurs croissantes, alors :
pour tout x < xo, F(x) = 0
F(xo) = Prob{X = xo}
F(x1) = Prob{X = xo} + Prob{X = x1}
...
F(xk) = Prob{X = xo} + ... + Prob{X = xk}
...
F(xn) = 1
pour tout x > xn, F(x) = 1

On obtient, dans ce cas fini une fonction en escalier. Ci-contre la
représentation de la fonction de répartition de la variable X définie par le
lancement d'un dé conduisant à un gain relatif de : -1 € si le 1 sort, -2 € si
tout autre impair sort, +3 € si le 6 sort et +2 € si tout autre pair sort.
| xi | /// | -2 | -1 | 2 | 3 | /// |
| pi | /// | 1/3 | 1/6 | 1/3 | 1/6 | /// |
| F(xi) | 0 | 1/3 | 1/2 | 5/6 | 1 | 1 |
Sur le graphique et selon la coutume, le
point (
) signifie
une valeur prise effectivement par F, la pointe de flèche inversée signifiant le
contraire : F est continue à droite en chaque xi.
La définition s'étend au cas
continu, c'est à dire lorsque X peut varier continûment dans un intervalle
:
Fonction de répartition d'une variable
aléatoire continue :
|
La loi binomiale (ou distribution binomiale) : |
Dans son Ars conjectandi (1713), Jacques) Bernoulli définit la variable aléatoire qui porte son nom : une épreuve de Bernoulli est une expérience aléatoire conduisant à deux éventualités : l'une appelée succès de probabilité p, à laquelle nous associons la valeur 1; l'autre appelée échec de probabilité q = 1 - p, à laquelle nous associons la valeur 0.
On peut définir alors une variable aléatoire X à valeurs dans {0,1}, dite de Bernoulli dont la loi de probabilité se réduit à Prob{X = 1) = p et Prob{X = 0} = q.
Répétons n fois une épreuve de Bernoulli, les épreuves successives étant indépendantes, et notons Xi la variable aléatoire associée à la i-ème expérience. Les lois des Xi sont identiques.
En posant B = X1 + X2 + ... + Xn, Bernoulli invente (découvre, pourrait-on dire) la loi binomiale, souvent notée B(n,p), et l'on a, vu l'indépendance des éventualités :
Prob{B = k} = Cnk
x pkqn-k (pbk)
de Moivre
où Cnk désigne le nombre de combinaisons de k objets parmi n.
L'appellation binomiale est due au lien avec le développement de la formule du binôme de Newton, fournissant (a + b)n : remarquer que la somme des probabilités pour k variant de 0 à n doit être égale à 1; or p + q = 1 et, précisément, selon la célèbre formule :
(p + q)n = Cno pnqo + Cn1 pn-1q1 + Cn2 pn-2q2 + ... + Cnn-1pqn-1 + Cnn poqn
L'espérance mathématique, valeur moyenne d'une
loi binomiale B(n,p) est np. Sa variance est npq.
Notion d'espérance mathématique,
variance, écart-type :
![]()
Noter que si X et Y sont des variables aléatoires indépendantes suivant toutes deux une loi binomiale de paramètres respectifs (n1,p) et (n2,p), alors X + Y suit une loi binomiale de paramètres (n1 + n2, p).
![]()
1.
On suppose que les probabilités de
naissance d'une fille ou d'un garçon sont les mêmes (en
fait, un peu plus de garçons : 52%)
et qu'il y a
indépendance des sexes d'une naissance à
l'autre.
Dans
une famille de quatre enfants, quelle est la probabilité qu'il y ait deux filles
et deux garçons ?
solution
2. Vérifier par un calcul simple au moyen de l'égalité (pbk) ci-dessus ou par récurrence que :

Y a-t-il vraiment
plus de garçons que de filles ? (loi du khi2) ,
fille ou garçon ?
Loi binomiale et loi normale (Laplace-Gauss) :
![]()
De Moivre
, Poisson ,
GaussLois des grands nombres
(Bernoulli, Poisson) :
Loi fortes des grands nombres Borel,
Kolmogorov)
: