Qu'est-ce que le calculateur « au moins k succès » (loi binomiale) ?

Cet outil calcule la probabilité d'obtenir au moins k succès sur n essais indépendants, où chaque essai réussit avec la même probabilité p. Il s'agit de la probabilité cumulée de la queue supérieure de la loi binomiale, notée $P(X \geq k)$. On l'utilise couramment en contrôle qualité, en tests de fiabilité, en tests A/B, dans les sondages et dans toute situation reposant sur la répétition d'épreuves de type oui/non (épreuves de Bernoulli).

Comment l'utiliser

Saisissez trois valeurs : le nombre d'essais n (un entier), le nombre minimal de succès k qui vous intéresse, et la probabilité de succès par essai p sous forme de nombre décimal compris entre 0 et 1 (par exemple 0,25 pour 25 %). Cliquez sur « Calculer » pour afficher $P(X \geq k)$, la même valeur en pourcentage, ainsi que la probabilité exacte $P(X = k)$ et la queue inférieure $P(X \leq k)$.

La formule expliquée

La probabilité d'obtenir exactement i succès est donnée par la fonction de masse binomiale $\binom{n}{i}\, p^{i}\,(1-p)^{n-i}$, où $\binom{n}{i}$ représente le nombre de façons de choisir quels essais réussissent. Pour obtenir « au moins k », on additionne tous les termes de $i = k$ jusqu'à $i = n$ :

$$P(X \geq k) = \sum_{i=k}^{n} \binom{n}{i}\, p^{i}\,\left(1-p\right)^{n-i}$$

Le calculateur construit chaque terme de façon itérative afin de garantir la stabilité numérique, plutôt que de calculer directement de grandes factorielles : il reste donc précis même pour des valeurs élevées de n.

Diagramme en barres d'une loi binomiale avec les barres de k à n ombrées pour montrer la probabilité de la queue d'au moins k — $P(X \geq k)$ est la somme des barres ombrées de la queue supérieure de la loi binomiale.

Exemple concret

Supposons que vous lanciez une pièce équilibrée (p = 0,5) 10 fois et que vous vouliez connaître la probabilité d'obtenir au moins 6 fois face. Avec $n = 10$, $k = 6$, $p = 0{,}5$, la somme des termes pour $i = 6, 7, 8, 9, 10$ vaut $$\frac{386}{1024} \approx 0{,}376953,$$ soit environ 37,7 %.

Schéma montrant deux pièces par essai avec les chemins de succès et d'échec et la sélection combinatoire des succès — Chaque essai réussi apporte un facteur $p$ et chaque échec un facteur $(1-p)$, sommés sur toutes les façons de choisir $i$ succès.

Interprétation de votre résultat

$P(X \geq k)$ est une probabilité unilatérale (queue supérieure) : elle répond à la question « si le vrai taux de succès est vraiment $p$, à quelle fréquence observerais-je $k$ succès ou plus en $n$ essais, simplement par hasard ? » Elle regroupe tous les résultats possibles de exactement $k$ succès jusqu'à la totalité de $n$.

Un résultat faible — par exemple inférieur à 0,05 — signifie que le nombre de succès observé serait surprenant sous l'hypothèse du $p$ supposé. C'est exactement la logique qui sous-tend une p-valeur unilatérale : si vous supposez un taux de base et que vos données se situent loin dans la queue, l'hypothèse semble douteuse. Un résultat élevé signifie que le nombre est banal et entièrement cohérent avec le $p$ supposé.

Tests A/B. Si le taux de conversion du groupe de contrôle est $p$ et la variante a produit $k$ conversions sur $n$, $P(X \geq k)$ évalue si le gain pourrait être simplement du bruit. Une très faible probabilité de queue est une preuve que la variante diffère réellement.
Contrôle qualité / échantillonnage d'acceptation. Avec un taux de défaut supposé $p$, $P(X \geq k)$ est la probabilité qu'un lot présente $k$ défectueux ou plus dans un échantillon de $n$ — le fondement des règles d'acceptation/rejet.
Fiabilité « au moins un ». En posant $k=1$, on obtient la probabilité qu'au moins un événement se produise au cours de $n$ tentatives indépendantes.

Pour un grand $n$, la queue binomiale est souvent approximée par une distribution normale, de sorte qu'un outil de queue supérieure normale peut servir de vérification une fois que $np$ et $n(1-p)$ sont tous deux confortablement au-dessus d'environ 10. Traitez le nombre comme une description de la compatibilité de vos données avec le $p$ supposé ; le choix d'un seuil d'action est une décision de conception d'étude, pas quelque chose que la probabilité elle-même impose.

Définitions et glossaire

$n$ — nombre d'essais: Le nombre total fixe de répétitions indépendantes de l'expérience (par exemple 20 lancers de pièce, 100 pièces échantillonnées).
$k$ — nombre minimum de succès: Le seuil testé. $P(X \geq k)$ somme les probabilités d'obtenir exactement $k, k+1, \dots, n$ succès.
$p$ — probabilité de succès par essai: La probabilité que tout essai unique soit un « succès », supposée identique pour chaque essai. Elle est comprise entre 0 et 1.
Essai de Bernoulli: Une seule expérience avec exactement deux résultats — succès (probabilité $p$) ou échec (probabilité $1-p$). Un cadre binomial est $n$ essais de Bernoulli identiques et indépendants.
Coefficient binomial $\binom{n}{i}$: « $n$ parmi $i$ », le nombre de façons distinctes d'arranger $i$ succès parmi $n$ essais : $\binom{n}{i} = \dfrac{n!}{i!\,(n-i)!}$.
Probabilité cumulative / queue supérieure: Une probabilité qui agrège une gamme de résultats. $P(X \geq k)$ est la queue supérieure — elle ajoute les chances de tous les nombres de $k$ jusqu'à $n$. Son complément est $P(X \leq k-1)$.
Indépendance: L'hypothèse que le résultat d'un essai n'influence aucun autre. Sans indépendance (et un $p$ constant), la formule binomiale ne s'applique pas.

FAQ

L'outil suppose-t-il que les essais sont indépendants ? Oui. Chaque essai doit être indépendant et présenter la même probabilité de succès $p$.

Et si je veux exactement k ou au plus k succès ? Le tableau de résultats affiche également $P(X = k)$ et $P(X \leq k)$ pour plus de commodité.

Puis-je saisir p sous forme de pourcentage ? Non : entrez p sous forme décimale (par exemple 0,05 pour 5 %), et non 5.

P(X = k) exactement k succès	0,117188
P(X ≤ k) at most k successes	0,171875

Probabilité d'au moins k succès (loi binomiale)

Entrez le calcul

Formule

Résultats