Loi binomiale et échantillonnage
Introduction
Beaucoup de situations se ramènent à la même expérience répétée : un contrôle qualité sur des pièces, un sondage sur des personnes, une série de lancers. À chaque fois, on compte les succès — et c'est toujours la même loi qui gouverne ce compte.
1. Reconnaître une loi binomiale
Schéma de Bernoulli : On répète n fois une même épreuve, de façon indépendante, et chaque épreuve n'a que deux issues : succès, de probabilité p, ou échec, de probabilité 1-p.
Le nombre X de succès suit alors la loi binomiale B(n ; p).
Les trois conditions, et il les faut TOUTES : Répétition de la même épreuve · indépendance entre les épreuves · deux issues seulement.
Un tirage SANS remise dans une petite urne échoue à la deuxième : les tirages n'y sont pas indépendants. En revanche un prélèvement de 200 pièces dans une production de plusieurs milliers y satisfait en pratique.
Exemple : On lance 10 fois un dé et l'on compte les fois où l'on obtient 5 ou 6.
Même épreuve répétée 10 fois, lancers indépendants, deux issues retenues : X suit B(10 ; 13).
2. Calculer une probabilité
formula P(X = k) = C(n,k) p ᵏ (1-p) ⁿ⁻ᵏ
Le coefficient C(n,k) compte les façons de placer les k succès parmi les n épreuves ; les deux puissances donnent la probabilité d'UNE de ces façons.
Le contrôle qui ne trompe pas : Les exposants doivent totaliser n : k succès et n-k échecs.
Écrire (1-p) ⁿ ou (1-p) ᵏ est l'erreur la plus fréquente, et elle se repère en additionnant les exposants.
Exemple : Pour X ∼ B(10 ; 0,3) :
P(X = 3) = C(10,3)(0,3)³(0,7)⁷ = 120 × 0,027 × 0,0824 ≈ 0,2668
Les mots qui déclenchent un raccourci : « au moins un » ⇒ passer par le contraire : P(X ≥ 1) = 1 - P(X = 0), un seul calcul au lieu de n.
« au plus un » ⇒ P(X = 0) + P(X = 1), deux termes.
3. Espérance et écart-type
formula E(X) = np σ(X) = √(n p (1-p))
Exemple : Une usine produit 4 % de pièces défectueuses ; on en prélève 200.
E(X) = 200 × 0,04 = 8 σ(X) = √(200 × 0,04 × 0,96) ≈ 2,77
On attend donc environ 8 pièces défectueuses, avec des écarts typiques de l'ordre de 3.
L'espérance n'est ni une garantie ni la valeur la plus probable : E(X) = 8 ne dit pas qu'un lot contiendra 8 défectueuses.
Et l'espérance peut n'être même pas entière : pour B(10 ; 13), elle vaut 10/3 ≈ 3,33, alors que X ne prend que des valeurs entières.
À quoi sert l'écart-type : Il donne l'échelle des écarts NORMAUX. Un écart de plus de 2σ est inhabituel, de plus de 3σ franchement rare.
C'est ce qui permet de juger un seuil ou une anomalie sans aucun outil supplémentaire.
4. Échantillonnage : l'intervalle de fluctuation
On connaît la proportion p dans la population, et l'on veut prévoir où tombera la fréquence observée sur un échantillon.
formula I = [ p - 1/(√n) ; p + 1/(√n) ]
Pour n ≥ 25 et 0,2 ≤ p ≤ 0,8, la fréquence observée sur un échantillon de taille n tombe dans cet intervalle dans environ 95 % des cas.
Prendre une décision :
- L'hypothèse fixe p — c'est elle qu'on met à l'épreuve.
- On calcule I, centré sur p.
- La fréquence observée f est dans I : on ne rejette pas l'hypothèse. Elle est hors de I : on la rejette au niveau 95 %.
Exemple : Un dé est-il truqué ? On le lance 400 fois et l'on obtient 160 fois un 5 ou un 6.
Sous l'hypothèse « dé équilibré », p = 13 ≈ 0,333 (entre 0,2 et 0,8 : la formule s'applique) et 1/(√(400)) = 0,05, donc I ≈ [0,283 ; 0,383].
Or f = 160/400 = 0,40, qui est hors de I : le dé est suspect.
L'intervalle de fluctuation est centré sur p, JAMAIS sur f : Le centrer sur la fréquence observée le ferait contenir f à tous les coups : le test ne pourrait plus rien rejeter.
C'est ce qui le distingue de l'intervalle de confiance, où l'on ignore p et où c'est bien f qui est au centre (leçon 2).
Ne pas rejeter n'est pas prouver : Une fréquence dans l'intervalle ne démontre pas que l'hypothèse est vraie : elle dit que les données ne permettent pas de la contredire.
Avec un échantillon plus grand, le même écart pourrait devenir décisif.
À retenir
Résumé :
Trois conditions pour une loi binomiale : répétition, indépendance, deux issues
P(X = k) = C(n,k)p ᵏ(1-p) ⁿ⁻ᵏ, et les exposants totalisent n
E(X) = np et σ(X) = √(np(1-p))
« Au moins un » se calcule par l'événement contraire
Intervalle de fluctuation [p ± 1/(√n)] : centré sur p, il sert à DÉCIDER