Fonction de distribution binomiale : explication complète et applications
La loi binomiale est l'une des lois de probabilité discrètes les plus utilisées en statistique et en probabilité. Elle modélise le nombre de succès dans une série d'épreuves identiques et indépendantes, chaque épreuve ayant deux issues possibles : succès ou échec. Cet article explore en détail la définition, la formule, les propriétés et les applications de la loi binomiale.
Comprendre la distribution binomiale
La distribution binomiale décrit le nombre de « succès » dans n essais indépendants, où :
– Chaque essai ne produit que deux résultats possibles : le succès ou l’échec.
– La probabilité de succès à chaque essai est p.
– La probabilité d’échec est de 1 – p.
– Chaque essai est indépendant des autres.
La distribution binomiale est notée B(n, p), où n est le nombre d'essais et p est la probabilité de succès dans un seul essai.
Formule de la distribution binomiale
La distribution binomiale est calculée à l'aide de la formule suivante :
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
De mana:
– \( P(X = k) \): La probabilité d'obtenir exactement k succès en n essais.
– \( \binom{n}{k} \): Combinaison de n objets pris k.
– \( p \): Probabilité de succès à chaque essai.
– \( n \): Nombre total d'essais.
– \( k \): Nombre de succès souhaité.
La combinaison \(\binom{n}{k}\) est calculée comme suit :
\[ \binom{n}{k} = \frac{n!}{k!(nk)!} \]
Propriétés de la distribution binomiale
1. Espérance (moyenne) et variance :
– L'espérance ou la moyenne de la distribution binomiale est \( \mu = np \).
– La variance est \( \sigma^2 = np(1-p) \).
2. Symétrie :
– La distribution binomiale est symétrique si p = 0.5. Si p ≠ 0.5, la distribution devient asymétrique à droite (p < 0.5) ou à gauche (p > 0.5).
3. Asymétrie et kurtosis :
– L'asymétrie de la distribution binomiale est \( \gamma_1 = \frac{1-2p}{\sqrt{np(1-p)}} \).
– Le kurtosis est \( \gamma_2 = \frac{1-6p(1-p)}{np(1-p)} \).
4. Distribution approximative :
– Pour de grandes valeurs de n et de p approchant 0.5, la distribution binomiale peut être approximée par la distribution normale.
– Si p est très petit et n est très grand de sorte que np reste constant, alors la distribution binomiale peut être approximée par la distribution de Poisson.
Utilisation de la distribution binomiale
La loi binomiale est utilisée dans des domaines tels que la biologie, l'économie, le marketing et l'ingénierie pour modéliser des événements pouvant être exprimés en termes binaires (succès/échec). Voici quelques exemples concrets de son utilisation :
Tests de qualité des produits
Supposons qu'un lot de produit ait 2 % de chances d'être défectueux. Si l'on teste 50 unités de ce produit, on peut utiliser la loi binomiale pour calculer la probabilité de trouver un nombre donné d'unités défectueuses. Avec n = 50 et p = 0.02, on peut calculer la probabilité de trouver exactement k unités défectueuses dans le lot.
Évaluation par échantillonnage
En études de marché, par exemple, les enquêtes sont souvent réalisées avec des questions fermées (oui/non). Si l'on souhaite connaître le nombre de répondants qui sont d'accord avec une affirmation dans un échantillon de 100 personnes (en supposant une probabilité d'accord de 0.7), la loi binomiale permet d'estimer le nombre attendu de personnes d'accord.
Génétique
En génétique, la loi binomiale sert à modéliser la transmission de certains caractères d'une génération à l'autre. Par exemple, s'il existe une probabilité de 25 % qu'un descendant possède un certain caractère génétique, on peut utiliser la loi binomiale pour déterminer la probabilité que, parmi quatre descendants, deux possèdent ce caractère.
Finance et assurance
En finance, la distribution binomiale peut être utilisée pour modéliser la survenue de faillites, les paiements de créances ou les taux d'intérêt sur certaines matières premières qui remplissent des conditions de succès/échec.
Exemple de calcul
Supposons que nous voulions calculer la probabilité d'obtenir exactement 6 faces sur 10 lancers de pièces (en supposant que les pièces sont équilibrées et que p=0.5) :
\[ P(X = 6) = \binom{10}{6} (0.5)^6 (0.5)^4 \]
\[ = \frac{10!}{6!4!} (0.5)^{10} \]
\[ = \frac{210}{1024} \]
\[ = 0.205 \]
La probabilité d'obtenir exactement 6 faces sur 10 lancers de pièces est donc de 0.205.
Applications informatiques
À l'ère du numérique, les distributions binomiales sont souvent calculées à l'aide de logiciels statistiques tels que R, Python ou de tableurs comme Microsoft Excel. Voici un exemple de script Python simple utilisant la bibliothèque `scipy` :
« `python
from scipy.stats import binom
Par exemple, nous voulons trouver P(X = 6) pour n = 10 et p = 0.5.
n = 10
p = 0.5
k = 6
prob = binom.pmf(k, n, p)
print(f"La probabilité d'obtenir exactement {k} faces sur {n} lancers de pièce est de {prob:.3f}")
“`
conclusion
La loi binomiale est un outil important en statistiques et en probabilités, notamment pour l'analyse d'événements binaires indépendants. La maîtrise de ce concept permet de mieux appréhender les problèmes liés aux décisions financières, aux études de marché, à la qualité des produits, à la génétique et à de nombreuses autres applications.
La compréhension de la fonction de répartition binomiale permet de modéliser et de calculer avec précision les probabilités d'événements, et de fonder les décisions sur une analyse statistique rigoureuse. Les progrès technologiques et logiciels en matière de statistiques ont également facilité le calcul et la visualisation de cette distribution, la rendant ainsi plus accessible dans de nombreux domaines d'étude et d'application.
