Calculateur de loi binomiale

Calculateur de loi binomiale

En croissance AI Skill PRO

Entrez le calcul

Formule

P(X=x)=(nx)px(1−p)n−xP(X = x) = \binom{n}{x}\, p^{\,x}\,(1-p)^{\,n-x}
Statistiques d'utilisation

Publicité

Résultats

Valeur maximale de Probability mass f(x)
0,202331
en x = 5
Espérance (n·p)5
Variance3,75
Écart-type1,9365
0
1
2
3
4
5
6
7
8
9
10
11
12
x f(x)
0 0,003171212
1 0,021141413
2 0,066947808
3 0,133895615
4 0,189685455
5 0,202331152
6 0,168609293
7 0,112406195
8 0,060886689
9 0,027060751
10 0,009922275
11 0,00300675
12 0,000751688

Signaler une erreur sur cette page

Qu'est-ce que la loi binomiale ?

La loi binomiale décrit le nombre de succès x au cours d'un nombre fixe d'essais indépendants n, chaque essai ayant la même probabilité de succès p (épreuve de Bernoulli). Elle répond à des questions du type : « quelle est la probabilité d'obtenir exactement 5 fois pile sur 20 lancers de pièce ? » Il s'agit de mathématiques pures, valables partout à l'identique, sans unité ni cadre juridique particulier.

Comment utiliser ce calculateur

Choisissez d'abord la fonction à calculer : la densité \(f(x)\) (la probabilité d'obtenir exactement \(x\) succès), la probabilité cumulée basse \(P(X \le x)\) ou la probabilité cumulée haute \(Q(X \ge x)\). Indiquez le nombre d'essais \(n\), la probabilité de succès par essai \(p\) (comprise entre 0 et 1), puis définissez la première valeur de succès (\(x\) initial), le pas entre chaque ligne et le nombre de lignes à générer. L'outil dresse le tableau et trace le graphique de la fonction sélectionnée sous forme d'histogramme discret, barres jointives.

Diagramme en barres d’une fonction de masse binomiale
La fonction de masse (PMF) binomiale donne la probabilité d’obtenir x succès en n épreuves indépendantes.

La formule expliquée

La fonction de densité s'écrit $$f(x,n,p) = \binom{n}{x}\, p^{\,x}\,(1-p)^{\,n-x}$$ où \(\binom{n}{x} = \dfrac{n!}{x!\,(n-x)!}\) est le coefficient binomial. La probabilité cumulée basse \(P(x)\) somme \(f\) pour \(t = 0..x\), et la probabilité cumulée haute \(Q(x)\) somme \(f\) pour \(t = x..n\). Pour éviter le dépassement de capacité lié aux factorielles quand \(n\) est grand, ce calculateur évalue le coefficient à l'aide de la fonction log-gamma : $$\ln f = \ln\Gamma(n+1) - \ln\Gamma(x+1) - \ln\Gamma(n-x+1) + x\cdot\ln p + (n-x)\cdot\ln(1-p)$$ L'espérance de la loi vaut \(np\) et la variance \(np(1-p)\).

Publicité

Exemple résolu

Pour \(n = 20\) et \(p = 0{,}25\), l'évaluation de la densité pour \(x = 0..12\) donne : \(f(0) \approx 0{,}003171\), \(f(1) \approx 0{,}021142\), \(f(2) \approx 0{,}066948\), \(f(3) \approx 0{,}133897\), \(f(4) \approx 0{,}189691\) et \(f(5) \approx 0{,}202337\). Le maximum est atteint en \(x = 5\), qui correspond exactement à l'espérance $$np = 20 \times 0{,}25 = 5$$ comme prévu.

Trois diagrammes en barres comparant la fonction de masse (PMF), la probabilité cumulée inférieure et la probabilité cumulée supérieure
Comparaison de la fonction de masse f(x), de la probabilité cumulée inférieure P(X≤x) et de la probabilité cumulée supérieure Q(X≥x).

Définitions et Glossaire

  • Essai : Une seule répétition d'une expérience aléatoire avec un ensemble fixe et défini de résultats possibles.
  • Essai de Bernoulli : Un essai ayant exactement deux résultats mutuellement exclusifs, conventionnellement étiquetés « succès » et « échec ».
  • Probabilité de succès \(p\) : La probabilité qu'un seul essai aboutisse à un succès, avec \(0 \le p \le 1\). On suppose qu'elle est constante pour tous les essais.
  • Nombre d'essais \(n\) : Le nombre fixe d'essais de Bernoulli indépendants dans l'expérience, un entier non-négatif.
  • Succès \(x\) : Le nombre observé de succès parmi les \(n\) essais ; \(x\) est un entier tel que \(0 \le x \le n\).
  • FMP \(f(x)\) : La fonction de masse de probabilité, donnant la probabilité d'exactement \(x\) succès : \(f(x)=\binom{n}{x}p^{x}(1-p)^{n-x}\).
  • Cumulative inférieure \(P(X\le x)\) : La fonction de distribution cumulée, la probabilité d'au plus \(x\) succès : \(P(X\le x)=\sum_{k=0}^{x} f(k)\).
  • Cumulative supérieure \(Q(X\ge x)\) : La probabilité d'au moins \(x\) succès : \(Q(X\ge x)=\sum_{k=x}^{n} f(k)=1-P(X\le x-1)\).
  • Coefficient binomial \(\binom{n}{x}\) : Le nombre de façons distinctes de choisir \(x\) succès parmi \(n\) essais, \(\binom{n}{x}=\dfrac{n!}{x!\,(n-x)!}\).
  • Moyenne \(np\) : Le nombre attendu de succès, \(\mu = np\).
  • Variance \(np(1-p)\) : La variance du nombre de succès, \(\sigma^{2}=np(1-p)\) ; l'écart-type est \(\sigma=\sqrt{np(1-p)}\).

Interprétation de Votre Résultat

Les trois quantités répondent à trois questions différentes sur la même expérience :

  • \(f(x)\) — exactement \(x\) : la probabilité d'obtenir précisément \(x\) succès et aucun autre nombre. Utilisez ceci pour les questions « exactement k ».
  • \(P(X\le x)\) — au plus \(x\) : la probabilité que le nombre de succès ne dépasse pas \(x\). Utilisez ceci pour les questions « au plus k », « pas plus de k » ou « moins que k+1 ».
  • \(Q(X\ge x)\) — au moins \(x\) : la probabilité de \(x\) succès ou plus. Utilisez ceci pour les questions « au moins k », « k ou plus » ou « plus que k−1 ».

Mapping d'une question réelle à une fonction. Traduisez la formulation avec soin, en surveillant la frontière :

  1. « Au moins \(k\) » \(\Rightarrow Q(X\ge k)\).
  2. « Plus que \(k\) » \(\Rightarrow Q(X\ge k+1) = 1 - P(X\le k)\).
  3. « Au plus \(k\) » \(\Rightarrow P(X\le k)\).
  4. « Moins que \(k\) » \(\Rightarrow P(X\le k-1)\).
  5. « Entre \(a\) et \(b\) inclus » \(\Rightarrow P(X\le b) - P(X\le a-1)\).

Le chevauchement \(P\)/\(Q\). Parce que \(P(X\le x)\) et \(Q(X\ge x)\) incluent tous deux le terme \(f(x)\), ils ne sont pas complémentaires au même \(x\). En fait \(P(X\le x) + Q(X\ge x) = 1 + f(x)\), de sorte que les deux queues cumulées se chevauchent exactement à un point de masse. Le vrai complément de \(Q(X\ge x)\) est \(P(X\le x-1)\), non \(P(X\le x)\).

Approximation normale. Quand \(np\) et \(n(1-p)\) sont tous deux raisonnablement grands (une règle courante est que chacun soit \(\ge 5\), et idéalement \(\ge 10\)), la binomiale est bien approximée par une distribution normale de moyenne \(\mu = np\) et d'écart-type \(\sigma = \sqrt{np(1-p)}\). Appliquez une correction de continuité (par exemple, utilisez \(x+0,5\) ou \(x-0,5\)) lors de la conversion d'un comptage discret à l'échelle normale continue. Pour grand \(n\) avec petit \(p\) (de sorte que \(np\) reste modéré), la distribution de Poisson avec \(\lambda = np\) est l'approximation la plus précise.

Publicité
Schéma présentant les éléments de la formule binomiale
La formule multiplie le nombre d’arrangements possibles par la probabilité de chaque issue.

FAQ

Pourquoi \(P(x) + Q(x)\) ne vaut-il pas 1 ? Les deux probabilités cumulées incluent le point \(t = x\), si bien que \(P(x) + Q(x) = 1 + f(x)\). Cette convention de recouvrement (la basse inclut \(x\), la haute inclut \(x\)) est ici un choix délibéré.

Que se passe-t-il si \(x\) est en dehors de \(0..n\) ? La densité y vaut 0 ; la probabilité cumulée basse est ramenée à 0 (\(x < 0\)) ou à 1 (\(x \ge n\)), et la cumulée haute à 1 (\(x \le 0\)) ou à 0 (\(x > n\)).

Puis-je utiliser de grandes valeurs de \(n\) ? Oui. Le calcul par log-gamma garantit un résultat stable pour les grandes valeurs de \(n\), là où les factorielles directes provoqueraient un dépassement de capacité.

Dernière mise à jour:

Les plus populaires dans Mathématiques et statistiques

Voir toutes les calculatrices de Mathématiques et statistiques