Upload
others
View
20
Download
0
Embed Size (px)
Citation preview
1
Université Hassan II -Casablanca- OUIA AZIZ
Faculté des Sciences Juridiques Economiques 2019/2020
Et sociales -Mohammedia-
Probabilité : S2
Partie III : Lois de probabilité d'une variable aléatoire discrète.
Quand le nombre d’expériences augmente d’une manière très élevée
alors, les fréquences observées pour la variable étudiée tendent vers des
probabilités et les distributions observées vers les distributions de
probabilité ou loi de probabilité.
Dans ces conditions, on peut associer à une variable aléatoire une
probabilité et définir ainsi une loi de probabilité.
La détermination de la loi de probabilité1 suivie par une variable
aléatoire donnée est d’une grande importance car, elle conditionne le choix
des méthodes employées pour répondre à une question donnée.
Une loi discrète prend soit un nombre fini de valeurs soit un nombre
infini dénombrable de valeurs. Après la loi uniforme (constante) qui
représente l'équi-répartition, le modèle le plus simple est celui avec deux
valeurs (loi binaire ou encore loi de Bernoulli). Vient ensuite le modèle
binomial, somme de lois Bernoulliennes). Enfin, le modèle poissonnien,
avec une infinité de valeurs.
I. Loi uniforme
On dira qu’une variable aléatoire X définie sur un espace
probabilisé (Ω , P) est distribuée selon une loi uniforme, si elle ne peut
prendre qu’un nombre fini de valeurs. Chaque valeur a la même
probabilité. Autrement dit, si l’ensemble des valeurs que peut prendre X
est SX = s1, ..., sp, P(X = si) = 1/p, pour tout 1 ≤ i ≤ p.
(Si s1=1, s2=2,.. sn=n alors :
1 La détermination d’une loi de probabilité est très développée dans les ouvrages d’inférence statistique. Pour plus de détail, voir
« Exercice et problèmes statistiques » et « principes de statistiques mathématique » du même auteur OUIA AZIZ
2
Exemple : On suppose que la variable aléatoire X distribuée selon une loi
uniforme sur l’ensemble X(Ω) = −3,−2,1,4.
1) Donner la loi de X.
2) Calculer E(X) et V (X).
On définit la variable aléatoire Y = 2X + 1.
3) Donner la variable aléatoire Y : Y(Ω).
4) Calculer E(Y).
Selon l’énoncé de l’exercice, la loi de X est uniforme et la probabilité
d’avoir X = x pour tout élément x de X(Ω) est donc constante. De ce fait,
cette probabilité est égale à . La loi de X est donc résumée par
le tableau suivant :
x -3 -2 1 4
P(X=x)
L’espérance de X est donnée par :
E(X) = = = 0.
Pour calculer la variance, on utilise la formule V(X) = E(X²)−(E(X))²
V(X)= E(X²)−(E(X))² =
= ((−3)² + (−2)² + 1² + 4²) = 7.
Soit Y = 2*X + 1. Le tableau suivant donne la valeur de Y pour toutes les
valeurs possibles de X :
x -3 -2 1 4
Y=2*X+1 -5 -3 3 9
On a donc Y (Ω) = -5, -3, 3, 9. Y est également une variable discrète,
Pour calculer E(Y), on peut appliquer différentes méthodes. On va utiliser
une propriété de l’espérance mathématique.
Pour tout réel a et b, et toute variable aléatoire X, E(a*X + b) = a*E(X) +
b. Dans notre cas, on a donc E(Y ) = 2*E(X) + 1 =2*0+ 1=1.
II. La loi de Bernoulli.
Considérons l’exemple suivant, qui résume en fait de nombreuses
situations pratiques comme nous le verrons ultérieurement : Une pièce de
monnaie a deux faces (pile et face). Désignons par X la variable aléatoire
3
suivante : résultat du ième lancement avec Xi = 1 (si le lacement donne Pile)
; 0 sinon (si le lancement donne Face).
Xi à valeurs 1 ou 0, avec une probabilité p ou (1-p) respectivement,
est appelée variable de Bernoulli.
Si nous supposons que le tirage est effectué d’une manière aléatoire,
chaque résultat (Pile ou face) a une même probabilité. La probabilité du
résultat [Pile] est égale à la somme des probabilités d’avoir après chaque
lancement un résultat Pile, soit :
p = P[ résultat = Pile] =P/(P+F)
En outre, les variables Xi sont indépendantes (le tirage i n'est pas
influencé par les tirages antérieurs) et de même loi.
La moyenne de la loi de Bernoulli
P(Xi=1) = p ;
P(Xi=0) = 1-p = q
E(Xi) = 1*p + 0*(1-p) = p
La variance de la loi de Bernoulli
Var(Xi) = 1²*p+ 0²*(1-p) - E(Xi)²
= p- p² = p*(1-p) = p*q
Remarque :
On appelle processus de Bernoulli toute modélisation par une suite X1, X2,
X3, . . ., Xn de variables aléatoires (indépendantes et identiquement
distribuées), chacune distribuée selon une loi de Bernoulli B(p). Plusieurs
exemples de lois peuvent être donnés comme étant des comptages, menant
à des lois différentes :
Loi Binomiale : comptage avec répétition des succès ;
Loi Géométrique : comptage des échecs avant d’atteindre le premier
succès ;
Loi Binomiale Négative : comptage des échecs avant d’atteindre le
kième succès () ;
4
Loi de poisson : comptage de nombre d’événements dans un
intervalle de temps.
Exercice 1 : Soit une urne contenant des boules blanches en proportion
p=0,8 et des boules rouges en proportion q=(1–p) et soit X la variable
aléatoire qui consiste à tirer une boule blanche est un succès.
Quelle est la nature de la loi de probabilité de X ?
Il s’agit d’une épreuve de Bernoulli car dans cette épreuve le tirage d’une
boule blanche est un succès avec une probabilité p =80% avec (0 p 1)
et le tirage d’une boule rouge est un échec avec la probabilité q = 1 –
p=20%.
Dans ce cas, La loi suivie par le nombre de succès dans cette épreuve de
Bernoulli est une loi de Bernoulli.
Quelle est l'espérance de X ?
On peut associer au tirage d’une boule blanche « succès » la valeur 1
et celui du tirage d’une boule rouge « échec » la valeur 0 on obtient alors :
E(X) = 1*p + 0*(1-p) = p=0,8
V(X) = p*q=0,8*0,2==0,16
III. La loi Binomiale.
On considère maintenant n épreuves de Bernoulli (avec n > 1),
indépendantes, chacune pouvant conduire à un succès avec la probabilité p
(0 p 1) ou à un échec avec la probabilité q = 1 – p. On désigne par X le
nombre de succès obtenu à ces n épreuves de Bernoulli. On note B(n , p),
La loi binomiale qui est considérée comme la somme de ces n lois binaires
(Bernoulliennes) indépendantes de même paramètres p.
La probabilité d'obtenir exactement k succès (0 k n) :
P(X = k) =k-nkk
n p)-(1 pC . Avec :
5
: Est le nombre de manières de choisir k épreuves avec succès
parmi n sans tenir compte de l'ordre ;
Pk : Est la probabilité pour que les k épreuves choisies conduisent
à k succès ;
: Est la probabilité pour que les n – k autres épreuves
conduisent à n – k échecs.
X : Est la somme de n variables qui suivent la loi de Bernoulli de
paramètre p.
Chacune des variables de Bernoulli a pour espérance p.
L’espérance étant additive, E(X) = n*p.
Ces n variables sont indépendants. La variance de leur somme est
la somme de leurs variances : V(X)=n*p*q
Donc, La moyenne d’une loi binomiale est n*p (la somme de n
espérances mathématiques de lois bernoulliennes identiques) et sa variance
n*p*(1-P) (c’est également la somme de n variance de lois bernoulliennes
identiques). La loi binomiale correspond à un nombre de fois où un
évènement est réalisé, comme par exemple le nombre de "pile" obtenus
pour le lancer de n pièces, le nombre de garçons dans une population
humaine, le nombre de fautes détectées dans un manuel, le nombre de fois
où on a réussi une expérience, ...etc. C'est aussi la loi de comptage d'un
caractère binaire dans un tirage avec remise.
Exemple 1 : Dans une société qui fabrique des mêmes pièces de rechange,
un contrôle de la qualité a trouvé que la probabilité pour qu’une pièce soit
défectueuse est p=5%. Soit X la variable aléatoire qui est égale au nombre
de pièces défectueuses trouvées lors d’un contrôle de n=1000 pièces
Déterminer la loi de X ainsi que son espérance et son écart-type.
On a X une variable de Bernoulli répétée 1000 fois. Donc, il s’agit d’une
loi binomiale B(n=1000 , p=5%) de probabilité p.
E(X)=n*p=1000*5%=50
σ(X)= =6.892
6
Exemple 2 : Considérons deux variables aléatoires indépendantes X1 et
X2, distribuées respectivement aux lois binomiales B (n1,p) et B (n2,p)
(avec une même probabilité p).
La variable aléatoire Z définie comme étant la somme X1 + X2 est le
nombre de succès après n1+n2 épreuves de Bernoulli identiques,
indépendantes, de même probabilité de succès p. La variable aléatoire Z
est également une variable de Bernoulli distribuée selon une loi binomiale
B (n1+n2 , p).
Exemple 3 : Un candidat se présente à un concours où, cette fois, les 20
questions sont données sous forme de QCM. A chaque question, sont
proposées 4 réponses, une seule réponse étant exacte. L’examinateur fait le
compte des réponses exactes données par les candidats. Certains candidats
répondent au hasard à chaque question ; Donner une variable aléatoire
associée à ce problème et donner sa loi de probabilité, son espérance et sa
variance. Il s’agit d’une loi binomiale de paramètres n=20 et p=1/4.
E(X) = n*p = 5 et V(X) = n*p*(1-p)=20*1/4*3/4=15/4
Exemple 4 : On lance 8 fois un dé numéroté de 1 à 6. Soit la variable
aléatoire X représentant le nombre de 5 apparus. La probabilité d’obtenir
exactement 3 fois le résultat 5 est donc égale à :
P(X=3)= =
Exercice 1 : Dans une société, 95% des pièces produites sont supposées
non défectueuses. Par commodité les pièces sont rangées par paquets de 2.
Un paquet est dit parfait si les 2 pièces le sont.
1) Quelle est la probabilité d’avoir un paquet parfait ?
2) X = nombre de paquets parfaits sur un lot de 10. Quelle est la loi de X ?
3) Un lot de 10 est accepté par l’acheteur si 9 au moins des paquets sont
parfaits. Quelle est la probabilité qu’un lot soit accepté ?
1) p = 0,95 * 0,95 = 0,9025 (les deux pièces sont indépendantes)
2) X → B (10 ; 0,9025)
3) P(X≥9) = P(X=9) + P(X=10) (les deux paquets sont indépendantes)
= 0, 7361
Exercice 2 : 6% des individus d’une population présentent une certaine
maladie. Les responsables de la santé publique réalisent 4 tirages :
Le premier tirage d’un échantillon de taille n=1.
Donnez la loi de probabilité réelle et ses paramètres.
Le deuxième tirage d’un échantillon de taille n=8.
7
Donnez la loi de probabilité réelle et ses paramètres.
Calculer la probabilité d’avoir une personne malade.
Calculer la probabilité d’avoir au moins 3 personnes malades.
Calculer la probabilité d’avoir au plus 2 personnes malades.
Exercice 3 : Un mini-bus peut accueillir 20 personnes ; des statistiques
montrent que 25% clients ayant réservé ne viennent pas.
Soit X la variable aléatoire : « nombre de clients qui viennent après
réservation ».
1- Quelle est la loi de la variable aléatoire X ?
2- Calculer son espérance mathématique et son écart-type ?
3- Calculer la probabilité pour que le nombre des clients qui viennent
après réservation soit égale à 15 ?
Exercice 4 : Une machine fabrique des boites de conserves. On sait que la
probabilité d’obtenir une boite défectueuse est égale à 5 %.
Soit X la variable aléatoire représentant « le nombre de boites défectueuses
dans chaque lot contrôlé ». On a contrôlé un lot de 200 boites.
Donner la loi de probabilité de la variable aléatoire correspondante ainsi
que ses paramètres.
Exercice 5 — Soient X et Y deux variables aléatoires indépendantes de
lois respectives B(6 , 80%) et B(4 , 80%).
Quelle est la loi de la somme (X + Y) ? Calculer E(X+Y) et V(X+Y)
IV. Loi géométrique
On considère une succession possiblement infinie d'épreuves de Bernoulli
identiques, indépendantes, de probabilités de succès p (0 < p 1) et
d'échec q = 1 – p.
On désigne par X le numéro de la première épreuve conduisant à un
succès. Cette variable aléatoire peut se définir comme le nombre d'essais
jusqu'au premier succès pour des épreuves de Bernoulli indépendantes de
paramètre p. la loi associée à cette variable aléatoire discrète porte le nom
de la loi géométrique ou loi de Pascale de paramètre P, tel que :
P(X=k)=P(1-P)k-1 avec k IN*
Espérance :
E(X)=1/P
Variance :
V(X)=(1-P)/P²
8
Remarque :
On définit quelquefois la variable Géométrique comme le nombre
d'échecs avant le premier succès. Dans ce cas, elle prend ses valeurs dans
IN*. Dans ce cas :
Espérance :
E(X)=1/P -1
Variance :
V(X)=(1-P)/P²
Exemple : on considère la variable aléatoire X « nombre de naissance de
garçons avant l’obtention d’une fille » avec P=1/2. La loi suivie par X est
une loi géométrique :
X = 1 si X= F avec P(X = 1) = p
X = 2 si X= G∩F avec P(X = 2) = q*p
X = 3 si X= G∩G∩F avec P(X = 3) = q²*p
D’où X = k si X=G∩G∩…∩.G∩F avec k-1 pour X=G et donc :
P(X = k) = pqk-1
Exercice 1 : Une urne contient 10 boules blanches et 10 boules rouges. On
les tire une à une avec remise jusqu’à ce que l’on obtienne une boule
blanche. Soit X la variable aléatoire "rang de la première boule blanche".
Déterminer la loi de X et son espérance.
X est distribuée selon une loi géométrique de paramètre p=10/20=1/2.
On a : P(X=n)=(1−p)n−1*p=
On sait que : E(X)=1/p=2 et V(X)=(1-P)/P²=2
Exercice 2 : On suppose que le temps d’attente (en minutes) d’un métro
suit une loi géométrique. Durant les heures de pointes du matin, le temps
d’attente moyen d’un métro pour la ligne 2 est de 3 minutes tandis qu’il est
de 2 min pour la ligne 3.
a) Quels sont les paramètres des lois géométriques pour les lignes n° 1 et
n° 3 ?
b) Quelle est la probabilité d’attendre entre 2 et 4 minutes un métro de la
ligne 2 ? de la ligne 3 ?
c) Même question pour un temps d’attente de plus de 5 minutes.
9
Exercice 3 : On jette un dé ordinaire numéroté de 1 à 6 jusqu’à ce que le 1
apparaisse pour la première fois et on appelle X la variable aléatoire égale
au nombre de coups nécessaires pour obtenir ce 1.
Déterminer la loi de probabilité de X.
Calculer E(X) et V(X)
Exercice 4 : Un couple décide d’avoir des enfants jusqu’à ce qu’il ait au
moins un enfant de chaque sexe.
a) Quelle est la probabilité qu’il ait 4 enfants ?
b) Quelles sont l’espérance et la variance du nombre d’enfants qu’il
aura ?
V. La loi binomiale négative
On considère une succession potentiellement infinie d'épreuves de
Bernoulli identiques et indépendantes, de probabilités de succès p (0 < p
1) et d'échec q = 1 – p.
La loi binomiale négative est une généralisation de la loi géométrique où
l’on considère X « nombre d’échecs avant de parvenir au kème succès ».
On désigne par X le numéro de l’épreuve conduisant au succès numéro
égal à k (avec k un entier naturel non nul).
Une variable aléatoire X distribuée selon une loi binomiale négative de
paramètres k et p notée ℬn(k, p) si elle prend ses valeurs dans k, k+1,
k+2, ... avec les probabilités ainsi définies : (ik, k+1, k+2, ...). La
probabilité que ce numéro soit i (k i) est P(X = i) = Ci
k
−
−
1
1pkqi-k
X est la somme de k variables géométriques, indépendantes, de même
paramètre p. Donc, E(X) = k
p et V(X)=
kq
p2.
Soient p et q deux réels de somme 1 tels que : 0 < p 1. Soit k un entier
strictement positif.
Exercice 1 : On lance un dé jusqu’à ce que la face « 6 » soit obtenue pour la
10ème fois. Soit X le nombre de lancers effectués au moment du 10ème «6».
a) Déterminer la probabilité suivante : P(X = 30);
10
b) Déterminer l’espérance mathématique et la variance du nombre de
lancers requis.
Exercice 2 : Afin de constituer un échantillon aléatoire de 20 ménages
francophones, on tire au hasard des numéros de téléphones dans une
population dans laquelle 60 % des ménages sont francophones. Soit X le
nombre de ménages qu'il faudra tirer pour atteindre cette cible.
a) Déterminer la probabilité suivante : P(X = 30) ;
b) Déterminer l’espérance mathématique et la variance du nombre d'appels
effectués.
VI. La loi hypergéométrique
On procède à des prélèvements équiprobables exhaustifs (sans
remises) de « n » individus ou objets à partir d’une population-mère de
taille N (avec N>n). On cherche à étudier un seul type d’éléments de cette
population qui est représentée avec un certain pourcentage « p ».
Soit X : le nombre d’éléments du type étudié présents dans
l’échantillon de taille n. X est dite distribuée selon une loi hyper
géométrique de paramètre N, n, p et sa loi de probabilité est notée
ℋ(N,n,p), si et seulement si : P(X=k) = avec k un entier naturel
Remarque : La loi hypergéométrique correspond au tirage d'un
échantillon sans remise (par contre la loi binomiale correspond au tirage
d'un échantillon avec remise).
Exemple : On suppose qu'une urne contient N boules identiques au
toucher dont certaines sont blanches et les autres sont noires. On désigne
par p la proportion des boules blanches et par q celle des boules noires.
p et q sont compris entre 0 et 1 et ont pour somme 1.
On effectue dans cette urne un tirage aléatoire de n boules (0 n N).
On désigne par : X le nombre de boules blanches obtenues.
N*p= le nombre de boules blanches
N*q= le nombre de boules noires
11
La probabilité d'obtenir k boules blanches (0 k N*p ; n – N*q k n)
est : P(X = k) =
Est le nombre de façons de choisir i boules blanches parmi N*p sans
tenir compte de l'ordre ;
Est le nombre de façons de choisir n-k boules noires parmi N*q
sans tenir compte de l'ordre ;
Est le nombre de façons de choisir n boules parmi N sans tenir compte
de l'ordre.
Si X distribuée selon une loi hypergéométrique de paramètres N,
n, p. Alors, l’espérance mathématique de X est n*p et sa variance est
n*p*q*( . ( est appelé facteur d’exhaustivité.
Remarque : Une variable aléatoire X distribuée selon une loi
hypergéométrique H (N, n, p) si elle peut prendre les valeurs entières k
telles que
0 k N*p ; n – N*q k n
Exercice 1 : Dans un contrôle de la qualité de la production d’une
machine, un technicien contrôle 3 pièces tirées sans remise d’une manière
indépendantes d’un échantillon de 15 pièces. Parmi
Les pièces de l’échantillon, 5 pièces sont défectueuses. Soi X, la variable
tiré une pièce défectueuse est un succès.
Donner la loi de X et calculer E(X) et V(X).
a) Calculer la probabilité de ne trouver aucune pièce défectueuse ;
b) Calculer la probabilité de trouver exactement une pièce défectueuse ;
c) Calculer la probabilité de trouver au moins une pièce défectueuse ;
Exercice 2 : Dans une fête à laquelle participent 20 personnes, dont 12
femmes, on tire au hasard (sans remise) les noms de 7 personnes qui se
voient offrir un cadeau.
a) Quelle est la probabilité qu’exactement deux des gagnants soient
des femmes ?
b) Quelle est la probabilité qu'il y ait au plus 3 femmes parmi les
gagnants ?
12
VII. La loi de Poisson.
On dira qu’une variable aléatoire X définie sur un espace probabilisé (Ω,P)
est distribuée selon une loi de Poisson de paramètre λ > 0 si elle ne prend
que des valeurs entières positives ou nulles. On note P() cette loi. La loi
de Poisson convient à la description des événements dont les chances de
réalisation sont faibles.
La loi de Poisson intervient dans le même contexte général que celui de la
loi binomiale : celle d’un comptage du nombre de succès enregistrés au
cours d’une succession indépendante d’expériences ayant chacune la
même probabilité de succès, mais où le nombre de répétitions est très
grand, la probabilité de succès étant elle-même très petite. C’est pourquoi,
on considère que l'approximation de la loi binomiale par la loi de Poisson
est acceptable, quelle que soit la valeur de n, lorsque p < 10%.
La loi de Poisson (et aussi les tables de la loi de Poisson) est plus simple
que la loi binomiale (et les tables de la loi binomiale).
La variable aléatoire de Poisson X est une variable discrète qui prend des
valeurs entières (X= 0, 1, 2, 3 ….) : La probabilité d'obtenir la valeur k est
:
(e-*k)/k!
Sa moyenne est égale à , sa variance est aussi égale à :
E(X) = V(X) =
Remarque :
Soient X et Y deux variables aléatoires indépendantes qui suivent une loi
de Poisson :
Si X distribuée selon une loi de Poisson ℘(λ1) de paramètre λ1 (λ1 ≥ 0) et
Si Y distribuée selon une loi de Poisson ℘(λ2) de paramètre λ2 (λ2 ≥ 0).
Alors la variable aléatoire Z=X+Y.
la variable aléatoire Z est distribuée selon une loi de Poisson de paramètre
λ1+λ2.
13
Exemple 1 : On considère des évènements se produisant en moyenne 0,5
fois par minute. Pour étudier le nombre d'évènements se produisant dans
un intervalle de temps de 4 minutes, on utilise comme modèle une loi de
Poisson de paramètre λ =0,5×4=2.
Exemple 2 : Dans une banque, il arrive en moyenne 2 clients par minute
aux guichets automatiques entre 10 et 12 h. Soi X : le nombre de
personnes observées par minute à l’entrée de la banque. Sachant que X est
distribuée selon une loi de poisson de paramètre «λ=2», déterminer les
probabilités suivantes :
a) En 1mn il arrive 2 clients
b) 4 clients au plus
c) 3 clients au moins.
a) P(X = 2) = 0,2707
b) P(X 4) = 0,9473
c) P(X 3) =1-P(X≤2)=1- 0,6767=0,3233
Exemple 3 : Dans une banque, il arrive en moyenne 1,25 clients à la
minute aux guichets automatiques entre 9 et 12 h. X : nombre de personnes
observées à la minute à l’entrée de la banque. Sachant que X est distribuée
selon une loi de poisson de paramètre « λ=1,25 », déterminer les
probabilités suivantes :
a) En 1mn il arrive 2 clients b) 4 clients au plus c) 3 clients au moins.
a) P(X = 2) = 0, 2238
b) P(X 4) = 0, 9909
c) P(X3) =1-P(X≤2) =1-0,8685=0,1315
Exemple 4 : Un magasin spécialisé reçoit en moyenne 4 clients par jour,
le nombre de clients étant distribué selon une loi de Poisson. Calculer la
probabilité que le magasin soit visité un jour par :
1. Aucun client ;
2. 5 clients ;
3. Au moins 6 clients.
Soit X la variable aléatoire donnant le nombre de clients reçus par jour
dans le magasin. Selon l’énoncé de l’exercice, X est distribuée selon une
loi de Poisson de paramètre λ et telle que E(X) = 4. Or, on sait que si X est
distribuée selon une loi de Poisson P(λ), E(X) =V(X)= λ, donc λ = 4.
14
Comme X est distribuée selon une loi de Poisson :
P(X=0)= 0,0183
P(X=5)= 0,156
P(C ≥ 6) = 1−P(X<6)=1-P(X≤5)=1-0,7851=0,2149
Exercice 1 : (Bombardement de Londres). Durant la seconde guerre
mondiale, le sud de Londres a été bombardé continuellement pour un total
de 537 impacts de bombes. On divise cette partie de Londres en 576 zones
de 25 hectares chacune et on note N la variable aléatoire telle que X = k est
l’événement « une zone a été touchée par k impacts ». On suppose que X
suit une loi de Poisson.
a) Quel est le paramètre de la loi de Poisson ?
b) Calculer le nombre de zones ayant reçu 1, 2, 3, 4 et plus de 5 impacts.
Les bombardements étaient-ils ciblés sur des zones spécifiques ou étaient-
ils fait à l’aveugle ?
Exercice 2 : On admet que le nombre d’accidents survenant sur une
autoroute quotidiennement est une va qui suit la loi de Poisson de
paramètre λ = 4.
1) Calculer P(X = k) pour k = 0, ..., 5.
2) Quelle est la probabilité qu’il y ait au moins 2 accidents lors d’un
jour donné ?
Exercice 3 : Le nombre de tremblements de terre par semaine sur la côte
ouest américaine suit une loi de Poisson de moyenne 2. Quelle est la
probabilité qu'il y ait 6 secousses pendant le prochain mois ?
Rappel : dans un mois il y a 4 semaines donc, pour un mois on a λ=4*2=8
P(X=6)= 0,12212,2%
15
VIII. Approximation d’une loi discrète
Convergence de la loi hypergéométrique vers la loi binomiale.
H(N ; n ; p) converge vers B(n ; p) quand N est grand
On utilisera l’approximation de la loi hypergéométrique par la loi
binomiale lorsque N>10*n.
Convergence de la loi binomiale vers la loi de Poisson
B(n ; p) converge vers P ( ) avec = n*p quand n est grand
On utilisera l’approximation de la loi binomiale par la loi de Poisson
lorsque les 3 conditions ci-après sont simultanément vérifiées :
15
30
1,0
np
n
p
Exercice 1 : Soit X une variable de loi binomiale de paramètres n = 8 et p
= 0,06. Déterminer la distribution complète (c'est-à-dire, les probabilités
P(X = x) pour x = 0, 1,…,10). Comparer les résultats avec ceux que vous
auriez obtenus en utilisant la loi de Poisson
Exercice 2 : On tire au hasard un échantillon de 5 personnes d'une classe
de 12 personnes dont 4 sont des fumeurs. Soit X le nombre de fumeurs
observés dans l'échantillon. Déterminer la distribution complète (c'est-à-
dire, les probabilités P(X = x) pour x = 0, 1 ,…, 4). Comparer les résultats
avec l'approximation par la loi binomiale.
Exercice 3 : Dans une chaîne de fabrication, 5% des pièces sont
défectueuses ; on prélève une pièce, on examine si elle est défectueuse et
on la replace parmi les autres. On répète 120 fois cette expérience. On
désigne par X la variable aléatoire qui à chaque tirage de 120 pièces
associe le nombre des pièces défectueuses.
a) Donner la loi de probabilité de X ;
b) Donner une loi d’approximation de cette loi trouvée à la première
question ;
16
Loi de poisson P(X=k) =!k
e k−
Probabilités individuelles
k 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
0 0,9048 0,8187 0,7408 0,6703 0,6065 0,5488 0,4966 0,4493 0,4066
1 0,0905 0,1637 0,2222 0,2681 0,3033 0,3293 0,3476 0,3595 0,3659
2 0,0045 0,0164 0,0333 0,0536 0,0758 0,0988 0,1217 0,1438 0,1647
3 0,0002 0,0011 0,0033 0,0072 0,0126 0,0198 0,0284 0,0383 0,0494
4 0,0001 0,0003 0,0007 0,0016 0,003 0,005 0,0077 0,0111
5 0,0001 0,0002 0,0004 0,0007 0,0012 0,002
6 0,0001 0,0002 0,0003
Probabilités cumulées
k 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
0 0,9048 0,8187 0,7408 0,6703 0,6065 0,5488 0,4966 0,4493 0,4066
1 0,9953 0,9825 0,9631 0,9384 0,9098 0,8781 0,8442 0,8088 0,7725
2 0,9998 0,9989 0,9964 0,9921 0,9856 0,9769 0,9659 0,9526 0,9371
3 1 0,9999 0,9997 0,9992 0,9982 0,9966 0,9942 0,9909 0,9865
4 1 1 0,9999 0,9998 0,9996 0,9992 0,9986 0,9977
5 1 1 1 0,9999 0,9998 0,9997
6 1 1 1
Loi de Poisson
TABLE 2 (suite)
Probabilités individuelles
k 1 1,5 2 2,5 3 3,5 4 4,5 5
0 0,3679 0,2231 0,1353 0,0821 0,0498 0,0302 0,0183 0,0111 0,0067
1 0,3679 0,3347 0,2707 0,2052 0,1494 0,1057 0,0733 0,05 0,0337
2 0,1839 0,251 0,2707 0,2565 0,224 0,185 0,1465 0,1125 0,0842
3 0,0613 0,1255 0,1804 0,2138 0,224 0,2158 0,1954 0,1687 0,1404
4 0,0153 0,0471 0,0902 0,1336 0,168 0,1888 0,1954 0,1898 0,1755
5 0,0031 0,0141 0,0361 0,0668 0,1008 0,1322 0,1563 0,1708 0,1755
6 0,0005 0,0035 0,012 0,0278 0,0504 0,0771 0,1042 0,1281 0,1462
7 0,0001 0,0008 0,0034 0,0099 0,0216 0,0385 0,0595 0,0824 0,1044
8 0,0001 0,0009 0,0031 0,0081 0,0169 0,0298 0,0463 0,0653
9 0,0002 0,0009 0,0027 0,0066 0,0132 0,0232 0,0363
10 0,0002 0,0008 0,0023 0,0053 0,0104 0,0181
11 0,0002 0,0007 0,0019 0,0043 0,0082
12 0,0001 0,0002 0,0006 0,0016 0,0034
13 0,0001 0,0002 0,0006 0,0013
14 0,0001 0,0002 0,0005
15 0,0001 0,0002
16 0,00005
17
Probabilités cumulées
k 1 1,5 2 2,5 3 3,5 4 4,5 5
0 0,3679 0,2231 0,1353 0,0821 0,0498 0,0302 0,0183 0,0111 0,0067
1 0,7358 0,5578 0,406 0,2873 0,1991 0,1359 0,0916 0,0611 0,0404
2 0,9197 0,8088 0,6767 0,5438 0,4232 0,3208 0,2381 0,1736 0,1247
3 0,981 0,9344 0,8571 0,7576 0,6472 0,5366 0,4335 0,3423 0,265
4 0,9963 0,9814 0,9473 0,8912 0,8153 0,7254 0,6288 0,5321 0,4405
5 0,9994 0,9955 0,9834 0,958 0,9161 0,8576 0,7851 0,7029 0,616
6 0,9999 0,9991 0,9955 0,9858 0,9665 0,9347 0,8893 0,8311 0,7622
7 1 0,9998 0,9989 0,9958 0,9881 0,9733 0,9489 0,9134 0,8666
8 1 0,9998 0,9989 0,9962 0,9901 0,9786 0,9597 0,9319
9 1 0,9997 0,9989 0,9967 0,9919 0,9829 0,9682
10 0,9999 0,9997 0,999 0,9972 0,9933 0,9863
11 1 0,9999 0,9997 0,9991 0,9976 0,9945
12 1 0,9999 0,9997 0,9992 0,998
13 1 0,9999 0,9997 0,9993
14 1 0,9999 0,9998
15 1 0,9999
16 1
Loi de poisson probabilités individuelles
k 5,5 6 6,5 7 7,5 8 8,5 9 9,5
0 0,0041 0,0025 0,0015 0,0009 0,0006 0,0003 0,0002 0,0001 0,0001
1 0,0225 0,0149 0,0098 0,0064 0,0041 0,0027 0,0017 0,0011 0,0007
2 0,0618 0,0446 0,0318 0,0223 0,0156 0,0107 0,0074 0,005 0,0034
3 0,1133 0,0892 0,0688 0,0521 0,0389 0,0286 0,0208 0,015 0,0107
4 0,1558 0,1339 0,1118 0,0912 0,0729 0,0573 0,0443 0,0337 0,0254
5 0,1714 0,1606 0,1454 0,1277 0,1094 0,0916 0,0752 0,0607 0,0483
6 0,1571 0,1606 0,1575 0,149 0,1367 0,1221 0,1066 0,0911 0,0764
7 0,1234 0,1377 0,1462 0,149 0,1465 0,1396 0,1294 0,1171 0,1037
8 0,0849 0,1033 0,1188 0,1304 0,1373 0,1396 0,1375 0,1318 0,1232
9 0,0519 0,0688 0,0858 0,1014 0,1144 0,1241 0,1299 0,1318 0,13
10 0,0285 0,0413 0,0558 0,071 0,0858 0,0993 0,1104 0,1186 0,1235
11 0,0143 0,0225 0,033 0,0452 0,0585 0,0722 0,0853 0,097 0,1067
12 0,0065 0,0113 0,0179 0,0263 0,0366 0,0481 0,0604 0,0728 0,0844
13 0,0028 0,0052 0,0089 0,0142 0,0211 0,0296 0,0395 0,0504 0,0617
14 0,0011 0,0022 0,0041 0,0071 0,0113 0,0169 0,024 0,0324 0,0419
15 0,0004 0,0009 0,0018 0,0033 0,0057 0,009 0,0136 0,0194 0,0265
16 0,0001 0,0003 0,0007 0,0014 0,0026 0,0045 0,0072 0,0109 0,0157
17 0,0001 0,0003 0,0006 0,0012 0,0021 0,0036 0,0058 0,0088
18 0,0001 0,0002 0,0005 0,0009 0,0017 0,0029 0,0046
19 0,0001 0,0002 0,0004 0,0008 0,0014 0,0023
20 0,0001 0,0002 0,0003 0,0006 0,0011
21 0,0001 0,0001 0,0003 0,0005
22 0,0001 0,0001 0,0002
23 0,0001
18
Loi de Poisson Probabilités cumulées
k 5,5 6 6,5 7 7,5 8 8,5 9 9,5
0 0,0041 0,0025 0,0015 0,0009 0,0006 0,0003 0,0002 0,0001 0,0001
1 0,0266 0,0174 0,0113 0,0073 0,0047 0,003 0,0019 0,0012 0,0008
2 0,0884 0,062 0,043 0,0296 0,0203 0,0138 0,0093 0,0062 0,0042
3 0,2017 0,1512 0,1118 0,0818 0,0591 0,0424 0,0301 0,0212 0,0149
4 0,3575 0,2851 0,2237 0,173 0,1321 0,0996 0,0744 0,055 0,0403
5 0,5289 0,4457 0,369 0,3007 0,2414 0,1912 0,1496 0,1157 0,0885
6 0,686 0,6063 0,5265 0,4497 0,3782 0,3134 0,2562 0,2068 0,1649
7 0,8095 0,744 0,6728 0,5987 0,5246 0,453 0,3856 0,3239 0,2687
8 0,8944 0,8472 0,7916 0,7291 0,662 0,5925 0,5231 0,4557 0,3918
9 0,9462 0,9161 0,8774 0,8305 0,7764 0,7166 0,653 0,5874 0,5218
10 0,9747 0,9574 0,9332 0,9015 0,8622 0,8159 0,7634 0,706 0,6453
11 0,989 0,9799 0,9661 0,9467 0,9208 0,8881 0,8487 0,803 0,752
12 0,9955 0,9912 0,984 0,973 0,9573 0,9362 0,9091 0,8758 0,8364
13 0,9983 0,9964 0,9929 0,9872 0,9784 0,9658 0,9486 0,9261 0,8981
14 0,9994 0,9986 0,997 0,9943 0,9897 0,9827 0,9726 0,9585 0,94
15 0,9998 0,9995 0,9988 0,9976 0,9954 0,9918 0,9862 0,978 0,9665
16 0,9999 0,9998 0,9996 0,999 0,998 0,9963 0,9934 0,9889 0,9823
17 1 0,9999 0,9998 0,9996 0,9992 0,9984 0,997 0,9947 0,9911
18 1 0,9999 0,9999 0,9997 0,9993 0,9987 0,9976 0,9957
19 1 1 0,9999 0,9997 0,9995 0,9989 0,998
20 1 0,9999 0,9998 0,9996 0,9991
21 1 0,9999 0,9998 0,9996
22 1 0,9999 0,9999
23 1 0,9999
Loi de poisson
Probabilités individuelles
10 11 12 13 14 15 16 17 18
0
1 0,0005 0,0002 0,0001
2 0,0023 0,001 0,0004 0,0002 0,0001
3 0,0076 0,0037 0,0018 0,0008 0,0004 0,0002 0,0001
4 0,0189 0,0102 0,0053 0,0027 0,0013 0,0006 0,0003 0,0001 0,0001
5 0,0378 0,0224 0,0127 0,007 0,0037 0,0019 0,001 0,0005 0,0002
6 0,0631 0,0411 0,0255 0,0152 0,0087 0,0048 0,0026 0,0014 0,0007
7 0,0901 0,0646 0,0437 0,0281 0,0174 0,0104 0,006 0,0034 0,0019
8 0,1126 0,0888 0,0655 0,0457 0,0304 0,0194 0,012 0,0072 0,0042
9 0,1251 0,1085 0,0874 0,0661 0,0473 0,0324 0,0213 0,0135 0,0083
10 0,1251 0,1194 0,1048 0,0859 0,0663 0,0486 0,0341 0,023 0,015
11 0,1137 0,1194 0,1144 0,1015 0,0844 0,0663 0,0496 0,0355 0,0245
12 0,0948 0,1094 0,1144 0,1099 0,0984 0,0829 0,0661 0,0504 0,0368
13 0,0729 0,0926 0,1056 0,1099 0,106 0,0956 0,0814 0,0658 0,0509
14 0,0521 0,0728 0,0905 0,1021 0,106 0,1024 0,093 0,08 0,0655
15 0,0347 0,0534 0,0724 0,0885 0,0989 0,1024 0,0992 0,0906 0,0786
16 0,0217 0,0367 0,0543 0,0719 0,0866 0,096 0,0992 0,0963 0,0884
17 0,0128 0,0237 0,0383 0,055 0,0713 0,0847 0,0934 0,0963 0,0936
18 0,0071 0,0145 0,0255 0,0397 0,0554 0,0706 0,083 0,0909 0,0936
19 0,0037 0,0084 0,0161 0,0272 0,0409 0,0557 0,0699 0,0814 0,0887
20 0,0019 0,0046 0,0097 0,0177 0,0286 0,0418 0,0559 0,0692 0,0798
21 0,0009 0,0024 0,0055 0,0109 0,0191 0,0299 0,0426 0,056 0,0684
19
Loi de poisson
Probabilités individuelles
k 5,5 6 6,5 7 7,5 8 8,5 9 9,5
0 0,0041 0,0025 0,0015 0,0009 0,0006 0,0003 0,0002 0,0001 0,0001
1 0,0225 0,0149 0,0098 0,0064 0,0041 0,0027 0,0017 0,0011 0,0007
2 0,0618 0,0446 0,0318 0,0223 0,0156 0,0107 0,0074 0,005 0,0034
3 0,1133 0,0892 0,0688 0,0521 0,0389 0,0286 0,0208 0,015 0,0107
4 0,1558 0,1339 0,1118 0,0912 0,0729 0,0573 0,0443 0,0337 0,0254
5 0,1714 0,1606 0,1454 0,1277 0,1094 0,0916 0,0752 0,0607 0,0483
6 0,1571 0,1606 0,1575 0,149 0,1367 0,1221 0,1066 0,0911 0,0764
7 0,1234 0,1377 0,1462 0,149 0,1465 0,1396 0,1294 0,1171 0,1037
8 0,0849 0,1033 0,1188 0,1304 0,1373 0,1396 0,1375 0,1318 0,1232
9 0,0519 0,0688 0,0858 0,1014 0,1144 0,1241 0,1299 0,1318 0,13
10 0,0285 0,0413 0,0558 0,071 0,0858 0,0993 0,1104 0,1186 0,1235
11 0,0143 0,0225 0,033 0,0452 0,0585 0,0722 0,0853 0,097 0,1067
12 0,0065 0,0113 0,0179 0,0263 0,0366 0,0481 0,0604 0,0728 0,0844
13 0,0028 0,0052 0,0089 0,0142 0,0211 0,0296 0,0395 0,0504 0,0617
14 0,0011 0,0022 0,0041 0,0071 0,0113 0,0169 0,024 0,0324 0,0419
15 0,0004 0,0009 0,0018 0,0033 0,0057 0,009 0,0136 0,0194 0,0265
16 0,0001 0,0003 0,0007 0,0014 0,0026 0,0045 0,0072 0,0109 0,0157
17 0,0001 0,0003 0,0006 0,0012 0,0021 0,0036 0,0058 0,0088
18 0,0001 0,0002 0,0005 0,0009 0,0017 0,0029 0,0046
19 0,0001 0,0002 0,0004 0,0008 0,0014 0,0023
20 0,0001 0,0002 0,0003 0,0006 0,0011
21 0,0001 0,0001 0,0003 0,0005
22 0,0001 0,0001 0,0002
23 0,0001
20
Loi de poisson
Probabilités individuelles
k 10 11 12 13 14 15 16 17 18
0
1 0,0005 0,0002 0,0001
2 0,0023 0,001 0,0004 0,0002 0,0001 1
3 0,0076 0,0037 0,0018 0,0008 0,0004 0,0002 0,0001
4 0,0189 0,0102 0,0053 0,0027 0,0013 0,0006 0,0003 0,0001 0,0001
5 0,0378 0,0224 0,0127 0,007 0,0037 0,0019 0,001 0,0005 0,0002
6 0,0631 0,0411 0,0255 0,0152 0,0087 0,0048 0,0026 0,0014 0,0007
7 0,0901 0,0646 0,0437 0,0281 0,0174 0,0104 0,006 0,0034 0,0019
8 0,1126 0,0888 0,0655 0,0457 0,0304 0,0194 0,012 0,0072 0,0042
9 0,1251 0,1085 0,0874 0,0661 0,0473 0,0324 0,0213 0,0135 0,0083
10 0,1251 0,1194 0,1048 0,0859 0,0663 0,0486 0,0341 0,023 0,015
11 0,1137 0,1194 0,1144 0,1015 0,0844 0,0663 0,0496 0,0355 0,0245
12 0,0948 0,1094 0,1144 0,1099 0,0984 0,0829 0,0661 0,0504 0,0368
13 0,0729 0,0926 0,1056 0,1099 0,106 0,0956 0,0814 0,0658 0,0509
14 0,0521 0,0728 0,0905 0,1021 0,106 0,1024 0,093 0,08 0,0655
15 0,0347 0,0534 0,0724 0,0885 0,0989 0,1024 0,0992 0,0906 0,0786
16 0,0217 0,0367 0,0543 0,0719 0,0866 0,096 0,0992 0,0963 0,0884
17 0,0128 0,0237 0,0383 0,055 0,0713 0,0847 0,0934 0,0963 0,0936
18 0,0071 0,0145 0,0255 0,0397 0,0554 0,0706 0,083 0,0909 0,0936
19 0,0037 0,0084 0,0161 0,0272 0,0409 0,0557 0,0699 0,0814 0,0887
20 0,0019 0,0046 0,0097 0,0177 0,0286 0,0418 0,0559 0,0692 0,0798
21 0,0009 0,0024 0,0055 0,0109 0,0191 0,0299 0,0426 0,056 0,0684
22 0,0004 0,0012 0,003 0,0065 0,0121 0,0204 0,031 0,0433 0,056
23 0,0002 0,0006 0,0016 0,0037 0,0074 0,0133 0,0216 0,032 0,0438
24 0,0001 0,0003 0,0008 0,002 0,0043 0,0083 0,0144 0,0226 0,0328
25 0,0001 0,0004 0,001 0,0024 0,005 0,0092 0,0154 0,0237
26 0,0002 0,0005 0,0013 0,0029 0,0057 0,0101 0,0164
27 0,0001 0,0002 0,0007 0,0016 0,0034 0,0063 0,0109
28 0,0001 0,0003 0,0009 0,0019 0,0038 0,007
29 0,0001 0,0002 0,0004 0,0011 0,0023 0,0044
30 0,0001 0,0002 0,0006 0,0013 0,0026
31 0,0001 0,0003 0,0007 0,0015
32 0,0001 0,0001 0,0004 0,0009
33 0,0001 0,0002 0,0005
34 0,0001 0,0002
35 0,0001
36 0,0001
21
Loi de poisson
Probabilités cumulées
k 10 11 12 13 14 15 16 17 18
0
1 0,0005 0,0002 0,0001
2 0,0028 0,0012 0,0005 0,0002 0,0001
3 0,0103 0,0049 0,0023 0,0011 0,0005 0,0002 0,0001
4 0,0293 0,0151 0,0076 0,0037 0,0018 0,0009 0,0004 0,0002 0,0001
5 0,0671 0,0375 0,0203 0,0107 0,0055 0,0028 0,0014 0,0007 0,0003
6 0,1301 0,0786 0,0458 0,0259 0,0142 0,0076 0,004 0,0021 0,001
7 0,2202 0,1432 0,0895 0,054 0,0316 0,018 0,01 0,0054 0,0029
8 0,3328 0,232 0,155 0,0998 0,0621 0,0374 0,022 0,0126 0,0071
9 0,4579 0,3405 0,2424 0,1658 0,1094 0,0699 0,0433 0,0261 0,0154
10 0,583 0,4599 0,3472 0,2517 0,1757 0,1185 0,0774 0,0491 0,0304
11 0,6968 0,5793 0,4616 0,3532 0,26 0,1848 0,127 0,0847 0,0549
12 0,7916 0,6887 0,576 0,4631 0,3585 0,2676 0,1931 0,135 0,0917
13 0,8645 0,7813 0,6815 0,573 0,4644 0,3632 0,2745 0,2009 0,1426
14 0,9165 0,854 0,772 0,6751 0,5704 0,4657 0,3675 0,2808 0,2081
15 0,9513 0,9074 0,8444 0,7636 0,6694 0,5681 0,4667 0,3715 0,2867
16 0,973 0,9441 0,8987 0,8355 0,7559 0,6641 0,566 0,4677 0,3751
17 0,9857 0,9678 0,937 0,8905 0,8272 0,7489 0,6593 0,564 0,4686
18 0,9928 0,9823 0,9626 0,9302 0,8826 0,8195 0,7423 0,655 0,5622
19 0,9965 0,9907 0,9787 0,9573 0,9235 0,8752 0,8122 0,7363 0,6509
20 0,9984 0,9953 0,9884 0,975 0,9521 0,917 0,8682 0,8055 0,7307
21 0,9993 0,9977 0,9939 0,9859 0,9712 0,9469 0,9108 0,8615 0,7991
22 0,9997 0,999 0,997 0,9924 0,9833 0,9673 0,9418 0,9047 0,8551
23 0,9999 0,9995 0,9985 0,996 0,9907 0,9805 0,9633 0,9367 0,8989
24 1 0,9998 0,9993 0,998 0,995 0,9888 0,9777 0,9594 0,9317
25 0,9999 0,9997 0,999 0,9974 0,9938 0,9869 0,9748 0,9554
26 1 0,9999 0,9995 0,9987 0,9967 0,9925 0,9848 0,9718
27 0,9999 0,9998 0,9994 0,9983 0,9959 0,9912 0,9827
28 1 0,9999 0,9997 0,9991 0,9978 0,995 0,9897
29 1 0,9999 0,9996 0,9989 0,9973 0,9941
30 0,9999 0,9998 0,9994 0,9986 0,9967
31 1 0,9999 0,9997 0,9993 0,9982
32 1 0,9999 0,9996 0,999
33 0,9999 0,9998 0,9995
34 1 0,9999 0,9998
35 1 0,9999
36 1
Loi binomiale
Pour n=5
Probabilités individuelles
k 1% 5% 10% 15% 20% 30% 40% 50% 70% 90%
0 0,951 0,7738 0,5905 0,4437 0,3277 0,1681 0,0778 0,0313 0,0024 0
1 0,048 0,2036 0,3281 0,3915 0,4096 0,3602 0,2592 0,1563 0,0284 0,0005
2 0,001 0,0214 0,0729 0,1382 0,2048 0,3087 0,3456 0,3125 0,1323 0,0081
3 0,0011 0,0081 0,0244 0,0512 0,1323 0,2304 0,3125 0,3087 0,0729
4 0,0284 0,0768 0,1563 0,3602 0,3281
Probabilités cumulées
k 1% 5% 10% 15% 20% 30% 40% 50% 70% 90%
0 0,951 0,7738 0,5905 0,4437 0,3277 0,1681 0,0778 0,0313 0,0024 0
1 0,999 0,9774 0,9185 0,8352 0,7373 0,5282 0,337 0,1875 0,0308 0,0005
2 1 0,9988 0,9914 0,9734 0,9421 0,8369 0,6826 0,5 0,1631 0,0086
3 1 1 0,9978 0,9933 0,9692 0,913 0,8125 0,4718 0,0815
4 1 0,9898 0,9688 0,8319 0,4095
22
Loi binomiale
Pour n=10
Probabilités individuelles
k 1% 5% 10% 15% 20% 30% 40% 50% 70% 90%
0 0,9044 0,5987 0,3487 0,1969 0,1074 0,0282 0,006 0,001 0 0
1 0,0914 0,3151 0,3874 0,3474 0,2684 0,1211 0,0403 0,0098 0,0001 0
2 0,0042 0,0746 0,1937 0,2759 0,302 0,2335 0,1209 0,0439 0,0014 0
3 0,0001 0,0105 0,0574 0,1298 0,2013 0,2668 0,215 0,1172 0,009 0
5 0,0015 0,0085 0,0264 0,1029 0,2007 0,2461 0,1029
7 0,0008 0,009 0,0425 0,1172 0,2668 0,0574 0,0015
9 0,1211 0,3874
Probabilités cumulées
k 1% 5% 10% 15% 20% 30% 40% 50% 70% 90%
0 0,9044 0,5987 0,3487 0,1969 0,1074 0,0282 0,006 0,001 0 0
1 0,9957 0,9139 0,7361 0,5443 0,3758 0,1493 0,0464 0,0107 0,0001 0
2 0,9999 0,9885 0,9298 0,8202 0,6778 0,3828 0,1673 0,0547 0,0016 0
3 1 0,999 0,9872 0,95 0,8791 0,6496 0,3823 0,1719 0,0106 0
5 1 0,9999 0,9986 0,9936 0,9527 0,8338 0,623 0,1503 0,0016
7 1 1 0,9999 0,9984 0,9877 0,9453 0,6172 0,0702
9 1 1 0,9999 0,999 0,9718 0,6513
Loi binomiale
Pour n=15
Probabilités individuelles
k 1% 5% 10% 15% 20% 30% 40% 50% 70% 90%
0 0,8601 0,4633 0,2059 0,0874 0,0352 0,0047 0,0005 0 0 0
2 0,0092 0,1348 0,2669 0,2856 0,2309 0,0916 0,0219 0,0032 0 0
4 0 0,0049 0,0428 0,1156 0,1876 0,2186 0,1268 0,0417 0,0006 0
6 0 0 0,0019 0,0132 0,043 0,1472 0,2066 0,1527 0,0116 0
8 0 0 0,0005 0,0035 0,0348 0,1181 0,1964 0,0811 0,0003
10 0 0 0,0001 0,003 0,0245 0,0916 0,2061 0,0105
12 0,0001 0,0016 0,0139 0,17
14 0,0005 0,0305 0,3432
Loi binomiale
Probabilités cumulées
k 1% 5% 10% 15% 20% 30% 40% 50% 70% 90%
0 0,8601 0,4633 0,2059 0,0874 0,0352 0,0047 0,0005 0 0 0
2 0,9996 0,9638 0,8159 0,6042 0,398 0,1268 0,0271 0,0037 0 0
4 1 0,9994 0,9873 0,9383 0,8358 0,5155 0,2173 0,0592 0,0007 0
6 1 0,9997 0,9964 0,9819 0,8689 0,6098 0,3036 0,0152 0
8 1 0,9999 0,9992 0,9848 0,905 0,6964 0,1311 0,0003
10 1 1 0,9993 0,9907 0,9408 0,4845 0,0127
12 1 0,9997 0,9963 0,8732 0,1841
14 1 1 0,9953 0,7941 20
23
Loi binomiale
Pour n = 20
Probabilités individuelles
k 1% 5% 10% 15% 20% 30% 40% 50% 70% 90%
0 0,8179 0,3585 0,1216 0,0388 0,0115 0,0008 0 0 0 0
2 0,0159 0,1887 0,2852 0,2293 0,1369 0,0278 0,0031 0,0002 0 0
4 0 0,0133 0,0898 0,1821 0,2182 0,1304 0,035 0,0046 0 0
6 0 0,0003 0,0089 0,0454 0,1091 0,1916 0,1244 0,037 0,0002 0
8 0 0,0004 0,0046 0,0222 0,1144 0,1797 0,1201 0,0039 0
10 0 0,0002 0,002 0,0308 0,1171 0,1762 0,0308 0
13 0 0 0,001 0,0146 0,0739 0,1643 0,002
15 0 0,0013 0,0148 0,1789 0,0319
17 0 0,0011 0,0716 0,1901
20 0 0,0008 0,1216
Loi binomiale
Probabilités cumulées
k 1% 5% 10% 15% 20% 30% 40% 50% 70% 90%
0 0,8179 0,3585 0,1216 0,0388 0,0115 0,0008 0 0 0 0
2 0,999 0,9245 0,6769 0,4049 0,2061 0,0355 0,0036 0,0002 0 0
4 1 0,9974 0,9568 0,8298 0,6296 0,2375 0,051 0,0059 0 0
6 1 0,9976 0,9781 0,9133 0,608 0,25 0,0577 0,0003 0
8 0,9999 0,9987 0,99 0,8867 0,5956 0,2517 0,0051 0
10 1 1 0,9994 0,9829 0,8725 0,5881 0,048 0
13 1 0,9997 0,9935 0,9423 0,392 0,0024
15 1 0,9997 0,9941 0,7625 0,0432
17 1 0,9998 0,9645 0,3231
20 1 1 1
Loi binomiale
Pour n=30
Probabilités individuelles
k 1% 5% 10% 15% 20% 30% 40% 50% 70% 90%
0 0,7397 0,2146 0,0424 0,0076 0,0012 0 0 0 0 0
2 0,0328 0,2586 0,2277 0,1034 0,0337 0,0018 0 0 0 0
5 0 0,0124 0,1023 0,1861 0,1723 0,0464 0,0041 0,0001 0 0
8 0,0001 0,0058 0,042 0,1106 0,1501 0,0505 0,0055 0 0
10 0 0,0004 0,0067 0,0355 0,1416 0,1152 0,028 0 0
12 0 0,0006 0,0064 0,0749 0,1474 0,0806 0,0005 0
15 0 0,0002 0,0106 0,0783 0,1445 0,0106 0
18 0 0,0005 0,0129 0,0806 0,0749 0
20 0 0,002 0,028 0,1416 0,0004
24 0 0,0006 0,0829 0,0474
26 0 0,0208 0,1771
30 0 0,0424
24
Loi binomiale
Pour n=30
Probabilités cumulées
k 1% 5% 10% 15% 20% 30% 40% 50% 70% 90%
0 0,7397 0,2146 0,0424 0,0076 0,0012 0 0 0 0 0
2 0,9967 0,8122 0,4114 0,1514 0,0442 0,0021 0 0 0 0
5 1 0,9967 0,9268 0,7106 0,4275 0,0766 0,0057 0,0002 0 0
8 1 0,998 0,9722 0,8713 0,4315 0,094 0,0081 0 0
10 0,9999 0,9971 0,9744 0,7304 0,2915 0,0494 0 0
12 1 0,9998 0,9969 0,9155 0,5785 0,1808 0,0006 0
15 1 0,9999 0,9936 0,9029 0,5722 0,0169 0
18 1 0,9998 0,9917 0,8998 0,1593 0
20 1 0,9991 0,9786 0,4112 0,0005
24 1 0,9998 0,9234 0,0732
26 1 0,9907 0,3526
30 1 1
Loi binomiale
Pour n=40
Probabilités individuelles
k 1% 5% 10% 15% 20% 30% 40% 50% 70% 90%
0 0,669 0,1285 0,0148 0,0015 0,0001 0 0 0 0 0
2 0,0532 0,2777 0,1423 0,0365 0,0065 0,0001 0 0 0 0
5 0 0,0342 0,1647 0,1692 0,0854 0,0061 0,0001 0 0 0
7 0 0,0027 0,0576 0,1493 0,1513 0,0315 0,0015 0 0 0
10 0 0,0036 0,0373 0,1075 0,1128 0,0196 0,0008 0 0
12 0,0003 0,0077 0,0443 0,1366 0,0576 0,0051 0 0
15 0 0,0003 0,005 0,0774 0,1228 0,0366 0 0
18 0 0,0002 0,0172 0,1026 0,1031 0,0006 0
20 0 0,0038 0,0554 0,1254 0,0038 0
22 0,0006 0,0203 0,1031 0,0172 0
25 0 0,0021 0,0366 0,0774 0
30 0 0,0008 0,1128 0,0036
35 0 0,0061 0,1647
40 0 0,0148
Loi binomiale
Probabilités cumulées
k 1% 5% 10% 15% 20% 30% 40% 50% 70% 90%
0 0,669 0,1285 0,0148 0,0015 0,0001 0 0 0 0 0
2 0,9925 0,6767 0,2228 0,0486 0,0079 0,0001 0 0 0 0
5 1 0,9861 0,7937 0,4325 0,1613 0,0086 0,0001 0 0 0
7 0,9993 0,9581 0,7559 0,4371 0,0553 0,0021 0 0 0
10 1 0,9985 0,9701 0,8392 0,3087 0,0352 0,0011 0 0
12 0,9999 0,9957 0,9568 0,5772 0,1285 0,0083 0 0
15 1 0,9999 0,9971 0,8849 0,4402 0,0769 0 0
18 1 0,9999 0,9852 0,7911 0,3179 0,0009 0
20 1 0,9976 0,9256 0,5627 0,0063 0
22 0,9997 0,9811 0,7852 0,032 0
25 1 0,9988 0,9597 0,1926 0
30 1 0,9997 0,8041 0,0051
35 1 0,9974 0,371
40 1 1
25
Loi binomiale Pour n = 50
Probabilités individuelles
k 1% 5% 10% 15% 20% 30% 40% 50% 70% 90%
0 0,605 0,0769 0,0052 0,0003 0 0 0 0 0 0
5 0,0001 0,0658 0,1849 0,1072 0,0295 0,0006 0 0 0 0
8 0 0,0024 0,0643 0,1493 0,1169 0,011 0,0002 0 0 0
10 0,0001 0,0152 0,089 0,1398 0,0386 0,0014 0 0 0
12 0 0,0022 0,0328 0,1033 0,0838 0,0076 0,0001 0 0
15 0,0001 0,0033 0,0299 0,1223 0,0415 0,002 0 0
18 0 0,0001 0,0037 0,0772 0,0987 0,016 0 0
20 0 0,0006 0,037 0,1146 0,0419 0 0
25 0 0,0014 0,0405 0,1123 0,0014 0
27 0,0002 0,0154 0,096 0,0067 0
30 0 0,002 0,0419 0,037 0
35 0 0,002 0,1223 0,0001
37 0,0003 0,105 0,0007
40 0 0,0386 0,0152
45 0,0006 0,1849
50 0 0,0052
Loi binomiale
Probabilités cumulées
k 1% 5% 10% 15% 20% 30% 40% 50% 70% 90%
0 0,605 0,0769 0,0052 0,0003 0 0 0 0 0 0
5 1 0,9622 0,6161 0,2194 0,048 0,0007 0 0 0 0
8 0,9992 0,9421 0,6681 0,3073 0,0183 0,0002 0 0 0
10 1 0,9906 0,8801 0,5836 0,0789 0,0022 0 0 0
12 0,999 0,9699 0,8139 0,2229 0,0133 0,0002 0 0
15 1 0,9981 0,9692 0,5692 0,0955 0,0033 0 0
18 0,9999 0,9975 0,8594 0,3356 0,0325 0 0
20 1 0,9997 0,9522 0,561 0,1013 0 0
25 1 0,9991 0,9427 0,5561 0,0024 0
27 0,9999 0,984 0,7601 0,0123 0
30 1 0,9986 0,9405 0,0848 0
35 1 0,9987 0,5532 0,0001
37 0,9998 0,7771 0,001
40 1 0,9598 0,0245
45 0,9998 0,5688
50 1 1