Comment reconnaître une loi… : En identifiant le schéma de modélisation… — ECG1 appliquées | MetMat

Comment reconnaître une loi usuelle dans une modélisation ?

En identifiant le schéma de modélisation (succès/échec $\to$ Bernoulli ; $n$ répétitions indépendantes $\to$ binomiale ; rang du premier succès $\to$ géométrique ; nombre d'événements rares $\to$ Poisson ; équiprobabilité sur $[\![a,b]\!]$ $\to$ uniforme) pour invoquer la loi et ses paramètres

Identifier la loi d'une variable aléatoire par analyse du modèle, pour réutiliser directement ses paramètres, son espérance et sa variance connus.

Maîtriser

Reconnaître

Résoudre

Que ferais-tu face à un exercice de ce type ?

On lance $10$ fois une pièce équilibrée. Soit $X$ le nombre de faces obtenues. Reconnaître la loi de $X$ .

L'objectif

Identifier la loi d'une variable aléatoire par analyse du modèle, pour réutiliser directement ses paramètres, son espérance et sa variance connus.

Le principe

Les lois usuelles correspondent à des schémas types : $\mathcal{B}(p)$ modélise une épreuve à deux issues (succès de proba $p$ ) ; $\mathcal{B}(n,p)$ compte le nombre de succès dans $n$ répétitions indépendantes d'une même épreuve de Bernoulli ; $\mathcal{G}(p)$ donne le rang du premier succès dans une suite d'épreuves de Bernoulli indépendantes ; $\mathcal{P}(\lambda)$ modélise le nombre d'occurrences d'événements rares indépendants dans un intervalle (paramètre $\lambda>0$ ) ; $\mathcal{U}([\![a,b]\!])$ modélise l'équiprobabilité sur un intervalle entier.

La méthode

1
J'analyse l'expérience : nature des épreuves (à deux issues ou non), caractère répété ou non, indépendance, quantité mesurée (occurrence, comptage, rang, équiprobabilité).
2
Je compare ce schéma aux lois usuelles : $\mathcal{B}(p)$ (une épreuve succès/échec), $\mathcal{B}(n,p)$ ( $n$ répétitions indépendantes), $\mathcal{G}(p)$ (rang du premier succès), $\mathcal{P}(\lambda)$ (comptage d'événements rares), $\mathcal{U}([\![a,b]\!])$ (équiprobabilité sur $\{a,\dots,b\}$ ).
Comment montrer que des événements sont (mutuellement) indépendants ?Voir
3
J'énonce la loi reconnue avec ses paramètres précis et je réutilise le cas échéant son espérance, sa variance ou sa fonction de masse sans nouvelle démonstration.
Comment calculer l'espérance d'une variable aléatoire discrète ?Voir

Pour comprendre, fais des exercices !

Exercice d'exemple

On lance $10$ fois une pièce équilibrée. Soit $X$ le nombre de faces obtenues. Reconnaître la loi de $X$ .

Étape 1 —

J'analyse l'expérience : nature des épreuves (à deux issues ou non), caractère répété ou non, indépendance, quantité mesurée (occurrence, comptage, rang, équiprobabilité).

L'expérience est la répétition de $10$ lancers indépendants d'une pièce (épreuve à deux issues), la quantité mesurée est le nombre de succès (faces) sur ces répétitions.

Étape 2 —

Je compare ce schéma aux lois usuelles :

\mathcal{B}(p)

(une épreuve succès/échec),

\mathcal{B}(n,p)

(

n

répétitions indépendantes),

\mathcal{G}(p)

(rang du premier succès),

\mathcal{P}(\lambda)

(comptage d'événements rares),

\mathcal{U}([\![a,b]\!])

(équiprobabilité sur

\{a,\dots,b\}

Ce schéma correspond exactement à une loi binomiale : $n=10$ répétitions indépendantes, probabilité de succès $p=1/2$ .

Étape 3 —

J'énonce la loi reconnue avec ses paramètres précis et je réutilise le cas échéant son espérance, sa variance ou sa fonction de masse sans nouvelle démonstration.

Donc $X\sim\mathcal{B}(10,1/2)$ , avec $E(X)=np=5$ et $V(X)=np(1-p)=2{,}5$ .

$X\sim\mathcal{B}(10,1/2)$ , $E(X)=5$ , $V(X)=2{,}5$ .

Les applications suivantes et la correction guidée sont réservées aux membres Premium

La méthode et sa première application corrigée restent en accès libre. Le Premium débloque les applications suivantes, l'aide IA et le suivi de ta maîtrise.