Aller au contenu

L'Établi des Maths Cours

Outils pour apprendre et pratiquer

PASS / L.AS · Probabilités et lois · PA-04

Cours et exercices corrigés de PASS / L.AS : Variables aléatoires discrètes : lois binomiale et de Poisson

Espérance et variance, propriétés de linéarité, loi de Bernoulli, loi binomiale, loi de Poisson et approximation d'une loi binomiale par une loi de Poisson.

Objectifs du chapitre

Le cours

1. Espérance et variance

Pour XX prenant les valeurs xix_i avec les probabilités pip_i :
E(X)=∑ipixi,V(X)=E(X2)−E(X)2,σ(X)=V(X).E(X) = \sum_i p_i x_i, \qquad V(X) = E(X^2) - E(X)^2, \qquad \sigma(X) = \sqrt{V(X)}.
Propriétés : E(aX+b)=aE(X)+bE(aX + b) = aE(X) + b et V(aX+b)=a2V(X)V(aX + b) = a^2 V(X) ; E(X+Y)=E(X)+E(Y)E(X + Y) = E(X) + E(Y) toujours ; V(X+Y)=V(X)+V(Y)V(X + Y) = V(X) + V(Y) si XX et YY sont indépendantes.

2. Loi de Bernoulli et loi binomiale

Une épreuve de Bernoulli a deux issues (succès de probabilité pp) : E=pE = p, V=p(1−p)V = p(1 - p).
X∼B(n,p)X \sim \mathcal{B}(n, p) compte les succès dans nn épreuves identiques et indépendantes :
P(X=k)=(nk)pk(1−p)n−k,E(X)=np,V(X)=np(1−p).P(X = k) = \dbinom{n}{k} p^k (1 - p)^{n - k}, \qquad E(X) = np, \qquad V(X) = np(1 - p).
Exemple : nombre de patients répondeurs parmi nn traités, chacun répondant avec la probabilité pp.

3. Loi de Poisson

X∼P(λ)X \sim \mathcal{P}(\lambda) (λ>0\lambda > 0) modélise un nombre d'événements rares survenant indépendamment dans un intervalle de temps ou d'espace (désintégrations par seconde, cas d'une maladie rare par an) :
P(X=k)=e−λλkk!,E(X)=V(X)=λ.P(X = k) = e^{-\lambda} \dfrac{\lambda^k}{k!}, \qquad E(X) = V(X) = \lambda.
Si X∼P(λ)X \sim \mathcal{P}(\lambda) et Y∼P(μ)Y \sim \mathcal{P}(\mu) sont indépendantes, X+Y∼P(λ+μ)X + Y \sim \mathcal{P}(\lambda + \mu).

4. Approximation de la binomiale par la loi de Poisson

Quand nn est grand et pp petit (critère usuel : n≥30n \geq 30 et p≤0,1p \leq 0{,}1, avec npnp modéré), B(n,p)≈P(np).\mathcal{B}(n, p) \approx \mathcal{P}(np).
L'approximation conserve l'espérance ; la variance np(1−p)np(1 - p) est alors très proche de npnp.
Si au contraire npnp et n(1−p)n(1 - p) sont tous deux grands, on utilise une approximation normale (PA-05).

5. Aux partiels : pièges fréquents

  • Additionner des écarts types : ce sont les variances qui s'additionnent (variables indépendantes).
  • Oublier le coefficient (nk)\dbinom{n}{k} dans P(X=k)P(X = k).
  • Utiliser une loi binomiale pour des tirages sans remise dans une petite population (loi hypergéométrique).
  • Calculer P(X≥1)P(X \geq 1) en sommant tous les termes au lieu d'écrire 1−P(X=0)1 - P(X = 0).

Méthodes et exemples rédigés

Méthode : Reconnaître une loi binomiale

Exemple

Un traitement provoque des nausées chez 15 %15\,\% des patients. On traite 88 patients. Probabilité qu'aucun n'ait de nausées ?

  1. Étape 1 (Justifier) : 88 épreuves identiques et indépendantes, succès « nausées » de probabilité 0,150{,}15 : X∼B(8;0,15)X \sim \mathcal{B}(8 ; 0{,}15).

  2. Étape 2 (Calculer) : P(X=0)=0,858≈0,272P(X = 0) = 0{,}85^8 \approx 0{,}272.

  3. Étape 3 (Paramètres) : E(X)=1,2E(X) = 1{,}2 et V(X)=8×0,15×0,85=1,02V(X) = 8 \times 0{,}15 \times 0{,}85 = 1{,}02.

Méthode : Approximation par une loi de Poisson

Exemple

Un effet indésirable touche 11 patient sur 500500. On traite 1 0001\,000 patients : probabilité d'observer au plus 11 cas ?

  1. Étape 1 (Conditions) : n=1 000n = 1\,000 grand, p=0,002p = 0{,}002 petit : X≈P(2)X \approx \mathcal{P}(2).

  2. Étape 2 (Calculer) : P(X≤1)≈e−2(1+2)=3e−2P(X \leq 1) \approx e^{-2}(1 + 2) = 3e^{-2}.

  3. Étape 3 (Valeur) : avec e−2≈0,135 3e^{-2} \approx 0{,}135\,3, on trouve environ 0,4060{,}406.

Pièges fréquents

Questions de révision

Essaie de répondre de tête avant d'afficher la réponse.

Espérance et variance de B(n,p)\mathcal{B}(n, p) ?

npnp et np(1−p)np(1 - p).

P(X=k)P(X = k) pour X∼P(λ)X \sim \mathcal{P}(\lambda) ?

e−λλkk!e^{-\lambda}\dfrac{\lambda^k}{k!}.

Condition usuelle d'approximation de B(n,p)\mathcal{B}(n, p) par P(np)\mathcal{P}(np) ?

nn grand (n≥30n \geq 30) et pp petit (p≤0,1p \leq 0{,}1).

Valeur de V(aX+b)V(aX + b) ?

a2V(X)a^2 V(X).

Exercices corrigés

Exercice 1 Nombre moyen de récidives

Palier 1 · découverte

Le nombre XX de récidives d'une infection urinaire en un an chez une patiente suit la loi : P(X=0)=0,5P(X = 0) = 0{,}5, P(X=1)=0,3P(X = 1) = 0{,}3, P(X=2)=0,2P(X = 2) = 0{,}2.
Calculez E(X)E(X) (réponse décimale avec un point).

Un indice

L'espérance est la somme des valeurs pondérées par leurs probabilités.

Voir la correction

Réponse attendue : 0.7

E(X)=0+0,3+0,4=E(X) = 0 + 0{,}3 + 0{,}4 = 0,70{,}7 récidive par an en moyenne.

Exercice 2 Deux répondeurs sur cinq

Palier 2 · application

Un traitement est efficace chez 20 %20\,\% des patients. On traite 55 patients indépendants.
Calculez la probabilité qu'exactement 22 patients répondent, arrondie au millième (point décimal).

Un indice

Écrivez P(X=k)P(X = k) pour une loi binomiale, sans oublier le coefficient binomial.

Voir la correction

Réponse attendue : 0.205

(52)=10\dbinom{5}{2} = 10, 0,22=0,040{,}2^2 = 0{,}04, 0,83=0,5120{,}8^3 = 0{,}512.
P(X=2)=10×0,04×0,512=0,204 8P(X = 2) = 10 \times 0{,}04 \times 0{,}512 = 0{,}204\,8, soit 0,2050{,}205.

Exercice 3 Désintégrations détectées

Palier 3 · approfondissement

Le nombre de désintégrations détectées par seconde par un compteur suit une loi de Poisson de moyenne 22.
Calculez la probabilité de détecter au plus 11 désintégration en une seconde, arrondie au centième (point décimal). On donne e−2≈0,135 3e^{-2} \approx 0{,}135\,3.

Un indice

« Au plus 11 » signifie X=0X = 0 ou X=1X = 1.

Voir la correction

Réponse attendue : 0.41

P(X≤1)=e−2(1+2)=3×0,135 3=0,405 9P(X \leq 1) = e^{-2}\left(1 + 2\right) = 3 \times 0{,}135\,3 = 0{,}405\,9.
Arrondi : 0,410{,}41.

Exercice 4 Effet indésirable rare

Palier 4 · défi

Un effet indésirable grave survient chez 11 patient sur 1 0001\,000. Un médicament est prescrit à 3 0003\,000 patients indépendants.
En utilisant une approximation par une loi de Poisson, calculez la probabilité d'observer au moins 22 cas, arrondie au millième (point décimal). On donne e−3≈0,049 8e^{-3} \approx 0{,}049\,8.

Un indice

Déterminez le paramètre de la loi de Poisson, puis passez par l'événement contraire de « au moins 22 ».

Voir la correction

Réponse attendue : 0.801

X≈P(λ)X \approx \mathcal{P}(\lambda) avec λ=3 000×0,001=3\lambda = 3\,000 \times 0{,}001 = 3.
P(X≤1)=e−3(1+3)=4×0,049 8=0,199 2P(X \leq 1) = e^{-3}(1 + 3) = 4 \times 0{,}049\,8 = 0{,}199\,2.
P(X≥2)=1−0,199 2=0,800 8P(X \geq 2) = 1 - 0{,}199\,2 = 0{,}800\,8, soit 0,8010{,}801.