Exemples de questions portant sur la fonction de distribution binomiale
La loi binomiale est une loi de probabilité discrète qui décrit le nombre de succès dans une expérience composée d'une série d'épreuves indépendantes à deux issues possibles : succès et échec. Chaque épreuve est appelée un essai, et la loi binomiale est souvent utilisée lorsque l'on s'intéresse au nombre de succès obtenus lors de plusieurs épreuves indépendantes. Dans cet article, nous aborderons les concepts fondamentaux de la loi binomiale et fournirons des exemples et des solutions.
Concepts de base de la fonction de distribution binomiale
Avant de passer aux exemples de questions et à la discussion, abordons quelques concepts de base liés à la distribution binomiale.
1. Définition : La distribution binomiale est définie comme la somme des succès dans 'n' essais indépendants, où chaque essai a deux résultats possibles : succès (avec une probabilité p) ou échec (avec une probabilité q = 1 – p).
2. Fonction de probabilité : La fonction de probabilité de la distribution binomiale est :
\[
P(X = k) = \binom{n}{k} p^k (1-p)^{nk}
\]
Où:
– \( P(X = k) \) est la probabilité d'avoir k succès en n essais.
– \( \binom{n}{k} \) est une combinaison de n prendre k, qui est définie comme \( \frac{n!}{k!(nk)!} \).
– \( p \) est la probabilité de succès à chaque essai.
– \( (1-p) \) est la probabilité d’échec à chaque essai.
3. Valeur attendue et variance :
– La valeur attendue (moyenne) de la distribution binomiale est \( \mu = np \).
– La variance de la distribution binomiale est \( \sigma^2 = np(1-p) \).
À présent, appliquons ces concepts à un exemple concret afin d'approfondir notre compréhension.
Exemple de question 1 : Calculs de base de la distribution binomiale
Question :
Une entreprise produit des composants électroniques avec une probabilité de 0.95 que chaque composant réussisse un test de qualité. Si 10 composants sont produits, quelle est la probabilité qu'exactement 8 composants réussissent le test de qualité ?
Discussion :
Nous pouvons utiliser la formule de la loi binomiale pour résoudre ce problème. Tout d'abord, nous identifions les paramètres suivants :
– \( n \) (nombre total d'essais) = 10
– \( k \) (nombre de succès) = 8
– \( p \) (probabilité de succès) = 0.95
– \( q \) (probabilité d'échec) = 1 – 0.95 = 0.05
Ensuite, remplacez ces valeurs dans la formule de la distribution binomiale :
\[
P(X = 8) = \binom{10}{8} (0.95)^8 (0.05)^2
\]
Tout d'abord, calculez la combinaison \( \binom{10}{8} \):
\[
\binom{10}{8} = \frac{10!}{8!(10-8)!} = \frac{10!}{8!2!} = \frac{10 \times 9 \times 8!}{8! \times 2!} = \frac{10 \times 9}{2 \times 1} = 45
\]
Ensuite, calculez les probabilités \( (0.95)^8 \) et \( (0.05)^2 \) :
\[
(0.95)^8 ≈ 0.6634
\]
\[
(0.05)^2 = 0.0025
\]
Enfin, multipliez toutes ces valeurs pour obtenir :
\[
P(X = 8) = 45 × 0.6634 × 0.0025 ≈ 0.0744
\]
Ainsi, la probabilité que 8 composants sur 10 réussissent le test de qualité est d'environ 0.0744 ou 7.44 %.
Exemple de question 2 : Probabilité cumulée
Question :
Toujours au sein de la même entreprise, calculez la probabilité qu'au moins 9 composants sur 10 réussissent le test de qualité.
Discussion :
Pour résoudre ce problème, nous devons calculer la probabilité cumulée. La probabilité qu'au moins 9 composants sur 10 réussissent le test correspond au calcul de \( P(X \geq 9) \), qui peut s'écrire :
\[
P(X \geq 9) = P(X = 9) + P(X = 10)
\]
Utilisation de la formule de la distribution binomiale :
\[
P(X = 9) = \binom{10}{9} (0.95)^9 (0.05)^1
\]
\[
P(X = 10) = \binom{10}{10} (0.95)^{10} (0.05)^0
\]
Tout d'abord, calculez la combinaison pour chaque cas :
\[
\binom{10}{9} = \frac{10!}{9!(10-9)!} = 10
\]
\[
\binom{10}{10} = 1
\]
Ensuite, calculez les probabilités pour \( P(X = 9) \) et \( P(X = 10) \) :
\[
P(X = 9) = 10 × (0.95)⁹ × 0.05
\]
\[
(0.95)^9 ≈ 0.6302
\]
\[
P(X = 9) = 10 × 0.6302 × 0.05 ≈ 0.3151
\]
\[
P(X = 10) = 1 × (0.95)^{10} × 1
\]
\[
(0.95)^{10} ≈ 0.5987
\]
\[
P(X = 10) = 0.5987
\]
Probabilité totale pour \( P(X \geq 9) \):
\[
P(X ≥ 9) = 0.3151 + 0.5987 ≈ 0.9138
\]
Ainsi, la probabilité qu'au moins 9 composants sur 10 réussissent le test de qualité est d'environ 0.9138 ou 91.38 %.
Exemple de question 3 : Espérance et variance
Question :
Calculez la valeur attendue et la variance du nombre de composants réussissant le test de qualité sur 10 composants produits, avec une probabilité de réussite de 0.95.
Discussion :
Utilisez la formule suivante :
– Valeur attendue (moyenne) \( \mu = np \)
– Variance \( \sigma^2 = np(1-p) \)
Avec \( n = 10 \) et \( p = 0.95 \) :
\[
μ = 10 × 0.95 = 9.5
\]
\[
σ² = 10 × 0.95 × 0.05 = 0.475
\]
Ainsi, la valeur attendue du nombre de composants réussissant le test de qualité est de 9.5 et la variance est de 0.475.
conclusion
À travers les trois exemples précédents, nous avons abordé le calcul des probabilités à l'aide de la loi binomiale dans diverses situations : calcul de la probabilité exacte, de la probabilité cumulative, ainsi que de l'espérance et de la variance. La connaissance de la loi binomiale est utile dans de nombreux domaines, tels que la production industrielle, la recherche médicale et les statistiques sociales, où l'analyse des résultats d'expériences répétées à deux issues possibles permet d'éclairer la prise de décision. Nous espérons que ces exemples et les explications fournies vous aideront à approfondir votre compréhension de la loi binomiale.
