• Aucun résultat trouvé

1 Loi binomiale

N/A
N/A
Protected

Academic year: 2022

Partager "1 Loi binomiale"

Copied!
3
0
0

Texte intégral

(1)

Rappel Loi binomiale/normale BTS MV

Variables aléatoires

1 Loi binomiale

Lorsqu'on répète n fois, dans des conditions identiques et indépendantes, une même expérience de Bernoulli de paramètre p, alors la loi de probabilité de la variable aléatoire X qui associe le nombre de succès obtenus au bout desnrépétition, est appelée loi binomiale de paramètres n et p. On note alors :

X ∼ B(n, p) On a, pour tout entierk en entre0 et n :

P(X =k) = n

k

pk×(1−p)n−k

Dénition 1 :

Pour une urne contenant 7 boules rouges et 3 boules bleues. Le joueur décide de tirer 5 fois consécutivement, en remettant à chaque tirage la boule dans l'urne. On note X la variable aléatoire associant le nombre de boules rouges obtenues au bout des 5 tirages.

On a donc :

X ∼ B(..., ...)

La probabilité d'obtenir exactement 3 boules rouges et donc 2 boules bleues est : P(X = 3) =...

Exemple 1 :

Si une variable aléatoireX suit la loi binomiale de paramètres n etp, alors E(X) =np et V(X) =np(1−p) etσ(X) =p

np(1−p))

Propriété 1 :

2 Loi normale ou loi de Laplace-Gauss

Soit σ un réel strictement positif, et m un réel.

On appelle loi normale de paramètrem et σ, notée N(m, σ) la loi de probabilité dont la densitéf est la fonction dénie surR par :

f(x) = 1 σ√

2πe

(x−m)22

Dénition 2 :

sebjaumaths.free.fr page 1 Lycée Jean Rostand

(2)

Rappel Loi binomiale/normale BTS MV

Pour la loi normaleN(0; 0,3), on a :

∀x∈[0,+∞[, f(x) = 1 0.3√

2πe x2 0.18

−2 −1 1 2 3

1 2

0

C

Exemple 2 :

On suppose que X suit la loi normale de paramètre N(m, σ) :

∀a∈[0,+∞[,∀b∈[0,+∞[ ,P(a6X 6b) =Rb a

1 σ√

2πe

(x−m)22 dt

∀a∈[0,+∞[ ,P(X 6a) =Rb

−∞

1 σ√

2πe

(x−m)22 dt

∀a∈[0,+∞[ ,P(X >a) =R+∞

a

1 σ√

2πe

(x−m)22 dt

Propriété 2 :

Remarque :

Les calculs de probabilités avec une loi normale nécessiteront l'usage de la calculatrice. Pour calculerP(a6X 6b) :

Pour la casio :

Dans le menu RUN, la direction est : OPTN ,→STAT ,→DIST ,→ NORM ,→ Ncd : puis on écrit NormCD ( a,b, σ,m).

Pour la TI :

Dans le menu distrib, on choisit NormalFrep ( a,b, m,σ).

Il est possible, grâce à la calculatrice, de déterminer la valeur d'un réel t tel que P(X 6t) =p0

, où p0 est donné : Pour la casio :

sebjaumaths.free.fr page 2 Lycée Jean Rostand

(3)

Rappel Loi binomiale/normale BTS MV

Dans le menu RUN, la direction est : OPTN ,→ STAT ,→ DIST ,→ NORM puis on écrit InvNormCD ( p0, σ,m).

Pour la TI :

Dans le menu distrib, on choisit FracNormale ( p0, m,σ).

On suppose que X suit la loi normale de paramètre N(m, σ), on a : E(X) =m

V(X) =σ2

Propriété 3 :

On suppose que X suit la loi normale de paramètre N(m, σ), on a : P(m−σ6X 6m+σ) = 0,68à 10−2 près P(m−2σ6X 6m+ 2σ) = 0,95à 10−2 près P(m−3σ6X 6m+ 3σ) = 0,99à 10−2 près

Propriété 4 :

Approximation :

SoitY suivant la loi binomiale B(n;p)avecn "assez grand" (quelques dizaines au moins), np etn(1−p) "pas trop petit".

On pose m l'espérance et σ l'écart-type de Y ( donc m =np etσ =p

np(1−p) ) , on a l'approximation suivante :

P(a≤Y ≤b)≈P(a≤X ≤b) avecX suivant la loi normale N(m, σ).

Propriété 5 :

PourY ∼ B(500; 0.3). On a :

m=...et σ=... On a : P(149 ≤Y ≤151) =...

etpourX ∼ N(m, σ), on a :

P(149 ≤X ≤151) =...

Exemple 3 :

sebjaumaths.free.fr page 3 Lycée Jean Rostand

Références

Documents relatifs

La fonction set.seed() permet de spécifier l’amorce du générateur de nombre aléa- toire, ce qui se révèle utile quand on veut répéter une simulation à l’identique (les

Degrave, Probabilités-Statistiques ECS 2ème année, pages 141 à 148 Exercice :. Soit (X n ) n≥1 une suite

Soit X une variable aléatoire continue de loi uniforme sur [−1, 1] et ε une variable aléatoire discrète uniforme sur {−1, 1}. Montrer que Y = |X| est une variable aléatoire

Il faut donc pour chaque simulation compter le nombre de 1 dans la liste pour cela on utilisera la fonction somme (accessible dans le menu y … 9 MATH 5 ) sur Texas ou Sum

On admet que la durée de vie de lampes ‡uorescentes produites par un fabricant peut être représentée par une variable aléatoire normale X de moyenne m X et d’écart-type X..

[r]

Lorsqu’on répète de façon identique et indépendante des épreuves de Bernoulli, on peut modéliser la situation par un arbre de probabilités. On répète 3 fois une épreuve

On note X la variable aléatoire qui, aux cinq animaux choisis, associe le nombre d’animaux ayant un test positif.. Première S - Bernoulli et loi binomiale