Loi de Poisson

Exercice 2 A. Loi normale 1. Calcul de P (9,5 ≤ X ≤ 10,5) La variable aléatoire Xsuit la loi normale N ( 10 ; 0,21 ), la variable aléatoire T = X − 10 0,21 centrée réduite . Si X=9,5 alors T = 9, 5 − 10 =− 0,5 suit la loi normale 0,21 Si X=10,5 alors T = 10, 5 − 10 0,21 0,21 ≃ −2,38. = 0,5 0,21 ≃ 2,38. P (9, 5 ≤ X ≤ 10, 5) =P(−2,38≤T ≤2,38)

PROBABILITE Introduction : Il existe dans un cadre statistique plusieurs loi permettant de répondre à des questions de probabilité. La probabilité étant la chance possible qu’un événement se produise ou pas. 1-1inomale : cette loi est utilisée lorsque des phénomènes se répètent de façons indépendantes, et pouvant prendre 2 états. Exemple : succès ou échec, vrai ou faux, garçon ou fille. 2- loi de poisson : elle est utilisée pour déterminer le nombre d’événement indépendant se produisant dans

traumatisme crânien est 0,1. Si le nombre de microhémorragies est inférieur ou égal à 2 lors d’un match, alors la probabilité que le boxeur ait un traumatisme crânien est nulle. On suppose que le nombre de microhémorragies lors d’un match suit une loi de Poisson de paramètre 3 et que ce nombre est indépendant d’un boxeur à l’autre et d’un match à l’autre. On note X le nombre de microhémorragies d’un boxeur apparues lors d’un match ; on note Y le nombre de boxeurs présentant un nombre de microhémorragies

DISTRIBUTIONS DE PROBABILITES 1 Loi Binomiale B(n,p) Il s’agit en fait de la somme de n variables aléatoires indépendantes [pic] qui suivent une loi [pic], de même paramètre p. ❑ [pic] avec [pic] ❑ [pic] ❑ [pic] Somme de lois binomiales. Soient deux variables aléatoires indépendantes: [pic] qui suit [pic], et [pic] qui suit [pic]. La V.A. définie par [pic] suit une loi [pic]. 2 Loi de Poisson P(() On appelle variable aléatoire de Poisson une variable aléatoire discrète X

Probabilités Chapitre 1 Intersection de A et B : réalisation de A ET B = P( A ∩ B ) = P(A) * PA(B) Réunion de A et B : réalisation de A OU B = P( A ∪ B ) = P(A) + P(B) – P(A∩B) Loi de Morgan : Equiprobabilité : L’espace Ω est dit équiprobable si tous les évènements élémentaires ont la même probabilité. Probabilité Conditionnelle : PA(B)= P(A∩B) / P(A) Indépendance : Deux évènements sont indépendant ssi P(A∩B ) = P(A)*P(B) Formule des probabilités totales : P(D) = PA(D)*P(A)

VARIABLES ALEATOIRES TABLE DES MATIÈRES 1. Loi de probabilité 2 1.1. Exemple 2 1.1.1. Calcul de probabilités sur un univers W 2 1.1.2. Variable aléatoire à valeurs réelles. 2 1.1.3. Probabilité image définie par une variable aléatoire 2 1.1.4. Loi de probabilité ou distribution d’une variable aléatoire 3 1.1.5. Fonction de répartition 3 1.2. Autres exemples 3 1.2.1. Exemple de variable aléatoire discrète 3 1.2.2. Exemple de variable aléatoire discrète, prenant une infinité de valeurs 3

montrer que la suite (un) est géométrique. b) Pour tout n de IN, exprimer P(X ≥ n) en fonction de n et de q. c) Établir que : ∀n∈IN, P(X = n) = P(X ≥ n) – P(X ≥ n + 1). d) En déduire que, pour tout n de IN, on a P(X = n) = q n p. 4) a) Reconnaître la loi suivie par la variable X + 1. b) En déduire E(X) et V(X). Partie 2 : taux de panne d’une variable discrète. Pour toute variable aléatoire Y à valeurs dans IN et telle que, pour tout n de IN, P(Y ≥ n) > 0, on définit le taux de panne de Y à l’instant

discrète Compter les éléments qui se distinguent Ex. : produits défectueux dans un échantillon Poisson : discrète Compter des apparitions Ex. : panne d’un système informatique Exponentielle : continue Attendre une apparition Ex. : durée avant une panne Normale : continue Observer le résultat d’un hasard complexe Ex. : valeur du TSX Loi binomiale Expérience 4 propriétés 1- une série de n tirage identique 2- 2 événements possibles, succès

discrètes usuelles . . . . . . . . . . . . . . . . . . . . . . . 2.1 Loi de Bernoulli . . . . . . . . . . . . . . . . . . . . . . 2.2 Loi binomiale . . . . . . . . . . . . . . . . . . . . . . . 2.3 Loi géométrique . . . . . . . . . . . . . . . . . . . . . . 2.4 Loi de Poisson - Approximation d’une loi binomiale . . 2.4.1 Loi de Poisson . . . . . . . . . . . . . . . . . 2.4.2 Approximation d’une loi binomiale par une loi 3 . . . . . . . . . . . . . . . . . . . .

yn zn et tn . 1 y0 = , z0 = 0, t0 = 0 et 2  xn yn   zn  tn 1. Trouver une matrice M telle que : ∀n ∈ N∗ , Xn = MXn−1 . Exercice 8 On suppose que le nombre N de colis expédiés à l'étranger chaque jour par une entreprise suit une loi de Poisson de paramètre 5. Ces colis sont expédiés à l'étranger indépendamment les uns des autres. La probabilité pour qu'un colis envoyé à l'étranger soit détérioré est égale à 0, 1. On s'intéresse aux colis expédiés à l'étranger un jour donné : N est la