Valeur attendue de la distribution binomiale
La loi binomiale est l'une des lois de probabilité discrètes les plus fréquemment rencontrées en statistique et en probabilité. Elle décrit le nombre de succès dans une série d'épreuves binaires indépendantes (épreuves à deux issues possibles : succès ou échec). Pour mieux comprendre la loi binomiale, il est important de saisir la notion d'espérance mathématique, qui représente la valeur moyenne d'une épreuve répétée sur le long terme. Cet article présentera la notion d'espérance mathématique dans le contexte de la loi binomiale.
Définition de la distribution binomiale
La distribution binomiale apparaît dans des contextes où l'on effectue un certain nombre d'essais identiques et indépendants, et où chaque essai a deux résultats mutuellement exclusifs, généralement appelés « succès » et « échec ». Par exemple, lancer une pièce (pile ou face), répondre à une question d'examen (vrai ou faux), ou un essai médical (guérison ou non-guérison).
La distribution binomiale est définie par deux paramètres :
– n , nombre d'essais.
– p, la probabilité de succès à chaque essai.
En gros, si X est une variable aléatoire représentant le nombre de succès dans n essais, alors X suit une distribution binomiale avec des paramètres n et p, notée X ~ Binomial(n, p).
Fonction de probabilité
La fonction de probabilité de la distribution binomiale est la suivante :
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
Où:
– \( \binom{n}{k} \) est le coefficient binomial, qui est calculé comme \( \frac{n!}{k!(nk)!} \).
– \( k \) est le nombre de succès souhaité.
– \( n \) est le nombre d’essais.
– \( p \) est la probabilité de succès à chaque essai.
– \( (1-p) \) est la probabilité d’échec dans chaque essai.
Valeur attendue
L'espérance ou la moyenne d'une distribution de probabilité est l'une des mesures de tendance centrale les plus importantes. Pour la distribution binomiale, l'espérance d'une variable aléatoire X suivant une loi binomiale de paramètre n, p est :
\[ E(X) = np \]
Preuve de la valeur attendue
Pour comprendre pourquoi la valeur attendue de la distribution binomiale est np, nous pouvons utiliser la propriété de linéarité de la valeur attendue et voir comment les variables binaires s'additionnent pour donner leur contribution.
Définissons \( X \) comme le nombre de succès sur n épreuves binaires. Plus précisément, soit \( X_i \) une variable aléatoire représentant le résultat de la i-ème épreuve, avec \( X_i = 1 \) si la i-ème épreuve est un succès, et \( X_i = 0 \) si c'est un échec. On peut alors écrire \( X \) comme suit :
\[ X = X_1 + X_2 + \ldots + X_n \]
Puisque chaque \( X_i \) est une variable binaire avec une probabilité de succès p, la valeur attendue de \( X_i \) est :
\[ E(X_i) = 1 \cdot p + 0 \cdot (1-p) = p \]
Nous pouvons utiliser la propriété de linéarité de l'espérance mathématique pour calculer l'espérance mathématique de X :
\[ E(X) = E(X_1 + X_2 + \ldots + X_n) \]
\[ E(X) = E(X_1) + E(X_2) + \ldots + E(X_n) \]
\[ E(X) = p + p + \ldots + p \]
\[ E(X) = np \]
Cela montre que la valeur attendue de la distribution binomiale est np.
Exemple illustratif
Prenons l'exemple de 10 lancers d'une pièce équilibrée. Quelle est l'espérance mathématique du nombre de lancers donnant pile ?
Dans ce cas:
– n = 10 (nombre de lancers de pièce)
– p = 0.5 (probabilité d'obtenir pile, puisque la pièce est équilibrée)
La valeur attendue est donc :
\[ E(X) = np = 10 \times 0.5 = 5 \]
Cela signifie que si l'on lance une pièce 10 fois de suite sur le long terme, on obtiendra en moyenne 5 fois face.
Variance et écart type
Outre la valeur attendue, il est également important de comprendre la variance et l'écart type de la distribution binomiale.
Pour la distribution binomiale, la variance \( \sigma^2 \) et l'écart type \( \sigma \) sont les suivants :
\[ \sigma^2 = np(1-p) \]
\[ \sigma = \sqrt{np(1-p)} \]
La variance mesure la dispersion des données autour de la valeur attendue. L'écart type, racine carrée de la variance, mesure également la dispersion des données, mais dans les mêmes unités que les données initiales.
conclusion
La loi binomiale est un concept fondamental en statistiques et en probabilités, fréquemment rencontré dans diverses applications concrètes, des affaires aux sciences sociales en passant par la biologie. L'espérance mathématique de la loi binomiale, notée np, fournit des informations importantes sur le nombre moyen de succès dans une série d'épreuves binaires. La compréhension des concepts d'espérance mathématique, de variance et d'écart type permet de mieux appréhender les caractéristiques de la loi binomiale et la manière dont elle décrit certains phénomènes de la vie quotidienne.
Ces connaissances sont extrêmement utiles non seulement en analyse de données et en statistiques, mais aussi pour la prise de décision nécessitant l'évaluation des probabilités et des incertitudes. La compréhension de l'espérance mathématique et de la loi binomiale peut nous aider à faire des prédictions plus précises et à prendre des décisions plus éclairées.
