Calculateur de loi de probabilité : formules, exemples et exercices
Un calculateur de loi de probabilité détermine l'espérance, la variance et la probabilité de n'importe quel résultat pour une variable aléatoire discrète ou continue, sans vous obliger à construire un tableau de probabilités complet ni à consulter une table z à la main à chaque fois. Il prend le type de loi — un tableau discret, un processus binomial ou une courbe normale — ainsi que ses paramètres, et renvoie la probabilité, la moyenne et l'écart type dont vous avez besoin. Les étudiants en statistiques l'utilisent pour les lancers de pièce, l'échantillonnage en contrôle qualité, les notes d'examen et toute variable aléatoire dont l'ensemble des résultats est clairement défini. Ce guide construit les formules sous-jacentes étape par étape, avec de vrais nombres que vous pouvez vérifier à la main, pour que le calculateur ne ressemble jamais à une boîte noire.
Sommaire
- 01Qu'est-ce qu'un calculateur de loi de probabilité ?
- 02Comment fonctionne un calculateur de loi de probabilité ?
- 03Lois de probabilité discrètes et continues
- 04Comment vérifier que les probabilités ont pour somme 1 ?
- 05Exemple résolu : espérance et variance d'une loi discrète
- 06Exemple résolu : probabilité avec la loi binomiale
- 07Quand une loi normale peut-elle approcher une loi binomiale ?
- 08Quelles erreurs courantes faussent les calculs de lois de probabilité ?
- 09Exercices d'entraînement avec solutions complètes
- 10Quand faut-il utiliser un calculateur de loi de probabilité ?
- 11Comment Solvify peut-il vous aider à vérifier vos exercices de lois de probabilité ?
Qu'est-ce qu'un calculateur de loi de probabilité ?
Un calculateur de loi de probabilité est un outil qui prend les résultats possibles d'une variable aléatoire et leurs probabilités — ou les paramètres d'une famille de lois connue, comme la loi binomiale ou la loi normale — et renvoie la probabilité d'un événement précis, ainsi que des valeurs récapitulatives comme l'espérance (la moyenne) et la variance. Une loi de probabilité n'est elle-même rien d'autre qu'une liste complète de tous les résultats que peut prendre une variable aléatoire, associée à la probabilité de chacun. Les lois discrètes énumèrent des résultats individuels, comme le nombre de pièces défectueuses dans un lot de 10 ; les lois continues décrivent des résultats sur un intervalle, comme la taille d'une personne. Quel que soit le type avec lequel vous travaillez, un calculateur de loi de probabilité n'est jamais plus fiable que la loi que vous lui fournissez, et c'est pourquoi vérifier les mathématiques sous-jacentes compte, même quand un outil fait les calculs à votre place.
Toute loi de probabilité valide doit respecter deux règles : chaque probabilité individuelle est comprise entre 0 et 1, et l'ensemble des probabilités a pour somme exactement 1.
Lois de probabilité discrètes et continues
Une loi de probabilité discrète s'applique à une variable aléatoire dont les résultats forment une liste dénombrable : le nombre de faces sur trois lancers de pièce, le nombre de réclamations clients dans une journée, ou le nombre de succès sur un nombre fixe d'épreuves. Chaque résultat reçoit sa propre probabilité, et un calculateur de loi de probabilité pour une variable discrète n'est en réalité qu'une addition et une multiplication organisées sur cette liste. Une loi de probabilité continue, comme la loi normale, s'applique à une variable aléatoire pouvant prendre n'importe quelle valeur dans un intervalle — taille, poids ou temps de réaction — de sorte qu'au lieu d'une probabilité pour chaque valeur exacte, vous calculez la probabilité de tomber dans un intervalle, à l'aide de l'aire sous une courbe. Savoir à quel type vous avez affaire détermine toutes les formules qui suivent.
Comment vérifier que les probabilités ont pour somme 1 ?
Avant de faire confiance à un calcul d'espérance ou de variance, confirmez que la loi est valide : chaque probabilité doit être comprise entre 0 et 1, et l'ensemble des probabilités doit avoir pour somme exactement 1 (aux arrondis près). Sauter cette vérification est de loin la première source de réponses fausses dans les exercices de probabilité discrète, car une probabilité mal saisie ou mal comptée fausse tous les calculs qui en découlent.
1. Lister chaque résultat et sa probabilité
Supposons qu'une petite équipe d'assistance suive le nombre de réclamations, X, reçues par jour : P(X=0) = 0,1, P(X=1) = 0,3, P(X=2) = 0,4, P(X=3) = 0,2.
2. Additionner toutes les probabilités
0,1 + 0,3 + 0,4 + 0,2 = 1,0. La somme des probabilités vaut exactement 1 : il s'agit donc d'une loi de probabilité valide.
3. Reconnaître une loi non valide
Si la dernière valeur était plutôt indiquée comme P(X=3) = 0,3, le total serait 0,1 + 0,3 + 0,4 + 0,3 = 1,1 — soit plus de 1, ce qui est impossible pour une loi de probabilité et signale une erreur de saisie à corriger avant tout autre calcul.
Si les probabilités d'une loi n'ont pas pour somme exactement 1, la loi n'est pas valide et doit être corrigée avant de calculer l'espérance, la variance ou toute autre probabilité à partir d'elle.
Exemple résolu : espérance et variance d'une loi discrète
Avec la même loi du nombre de réclamations par jour — P(X=0) = 0,1, P(X=1) = 0,3, P(X=2) = 0,4, P(X=3) = 0,2 — un calculateur de loi de probabilité détermine l'espérance (la moyenne à long terme) et la variance (la dispersion des résultats) exactement comme vous le feriez à la main.
1. Étape 1 : Multiplier chaque valeur par sa probabilité et additionner
E[X] = (0×0,1) + (1×0,3) + (2×0,4) + (3×0,2) = 0 + 0,3 + 0,8 + 0,6 = 1,7 réclamation par jour en moyenne.
2. Étape 2 : Calculer E[X²]
E[X²] = (0²×0,1) + (1²×0,3) + (2²×0,4) + (3²×0,2) = 0 + 0,3 + 1,6 + 1,8 = 3,7.
3. Étape 3 : Soustraire le carré de la moyenne
Var(X) = E[X²] − (E[X])² = 3,7 − 1,7² = 3,7 − 2,89 = 0,81.
4. Étape 4 : Prendre la racine carrée pour l'écart type
σ = √0,81 = 0,9 réclamation par jour, ce qui signifie que le nombre quotidien de réclamations s'écarte généralement d'environ 0,9 de la moyenne de 1,7.
Exemple résolu : probabilité avec la loi binomiale
Une loi binomiale s'applique lorsque vous disposez d'un nombre fixe d'épreuves indépendantes, chacune avec exactement deux issues (succès ou échec) et la même probabilité de succès à chaque fois. La formule est P(X=k) = C(n,k) × p^k × (1−p)^(n−k), où n est le nombre d'épreuves, k le nombre de succès recherché et p la probabilité de succès lors d'une seule épreuve. Supposons que 30 % des visiteurs d'une page d'atterrissage s'inscrivent (p = 0,3) et que vous observiez 10 visiteurs indépendants (n = 10). Quelle est la probabilité qu'exactement 3 d'entre eux s'inscrivent ?
1. Étape 1 : Identifier n, k et p
n = 10, k = 3, p = 0,3, donc 1 − p = 0,7.
2. Étape 2 : Calculer le nombre de combinaisons
C(10,3) = 10! ÷ (3! × 7!) = 120.
3. Étape 3 : Calculer p^k et (1−p)^(n−k)
p³ = 0,3³ = 0,027. (1−p)^7 = 0,7^7 = 0,0823543.
4. Étape 4 : Tout multiplier
P(X=3) = 120 × 0,027 × 0,0823543 ≈ 0,2668, soit environ 26,68 %.
Pour une loi binomiale, la moyenne vaut μ = np et la variance σ² = np(1 − p) : avec n = 10 et p = 0,3, cela donne une moyenne de 3 et une variance de 2,1, sans aucun tableau de probabilités complet.
Quand une loi normale peut-elle approcher une loi binomiale ?
Lorsque le nombre d'épreuves est grand, calculer une probabilité binomiale exacte à la main — ou même sommer de nombreux termes binomiaux — devient impraticable ; les statisticiens approchent donc la loi binomiale par une loi normale. L'approximation est jugée fiable lorsque np ≥ 5 et n(1−p) ≥ 5 sont tous deux vérifiés. Supposons que 200 e-mails soient envoyés et que chacun ait 40 % de chances d'être ouvert (n = 200, p = 0,4). Quelle est la probabilité qu'au plus 45 des 100 premiers destinataires ouvrent l'e-mail, en utilisant n = 100 pour cette question ?
1. Étape 1 : Vérifier les conditions de l'approximation
Avec n = 100 et p = 0,5 pour cette question précise, np = 50 ≥ 5 et n(1−p) = 50 ≥ 5 : l'approximation normale est donc valide.
2. Étape 2 : Déterminer la moyenne et l'écart type
μ = np = 100 × 0,5 = 50. σ = √(np(1−p)) = √(100 × 0,5 × 0,5) = √25 = 5.
3. Étape 3 : Appliquer la correction de continuité
Comme la loi binomiale est discrète et la loi normale continue, ajustez X = 45 en X = 45,5 avant de convertir en cote z : z = (45,5 − 50) ÷ 5 = −0,9.
4. Étape 4 : Lire la probabilité dans la table
P(Z < −0,9) ≈ 0,1841, donc P(X ≤ 45) ≈ 18,41 %.
La correction de continuité — ajouter ou retrancher 0,5 avant de convertir en cote z — est ce qui maintient la précision d'une approximation normale pour une loi qui est en réalité discrète.
Quelles erreurs courantes faussent les calculs de lois de probabilité ?
La plupart des erreurs dans les exercices sur les lois de probabilité proviennent d'un petit nombre de fautes récurrentes ; les vérifier avant de valider une réponse finale permet d'éliminer la majorité des erreurs de devoirs et d'examens.
1. Oublier de vérifier que les probabilités ont pour somme 1
Calculer une espérance ou une variance à partir d'une loi dont la somme ne vaut pas 1 garantit une réponse fausse, même si toutes les autres étapes sont menées correctement.
2. Confondre variance d'échantillon et variance de population
Lorsque tous les résultats et toutes les probabilités d'une loi sont parfaitement connus, utilisez Var(X) = E[X²] − (E[X])², et non la formule de la variance d'échantillon qui divise par n − 1 : cette formule sert à estimer une variance à partir d'un échantillon de données, pas d'une loi connue.
3. Appliquer l'approximation normale sans vérifier np ≥ 5 et n(1−p) ≥ 5
Utiliser une approximation normale sur une loi binomiale avec un petit n ou un p extrême produit une probabilité nettement inexacte, car la loi binomiale est alors trop asymétrique pour être bien modélisée par une courbe en cloche symétrique.
4. Oublier la correction de continuité
Sauter l'ajustement de 0,5 lorsqu'on approche une loi binomiale discrète par une courbe normale continue décale systématiquement la probabilité obtenue, en particulier pour de petites valeurs de n.
Exercices d'entraînement avec solutions complètes
Traitez ces trois exercices avant de vérifier le résultat d'un quelconque calculateur, en utilisant les mêmes formules que ci-dessus.
1. Exercice 1 : espérance et variance
Une variable aléatoire discrète X vérifie P(X=−1) = 0,2, P(X=0) = 0,3, P(X=1) = 0,3, P(X=2) = 0,2. Déterminez E[X] et Var(X). Solution : E[X] = (−1×0,2)+(0×0,3)+(1×0,3)+(2×0,2) = −0,2+0+0,3+0,4 = 0,5. E[X²] = (1×0,2)+(0×0,3)+(1×0,3)+(4×0,2) = 0,2+0+0,3+0,8 = 1,3. Var(X) = 1,3 − 0,5² = 1,3 − 0,25 = 1,05.
2. Exercice 2 : probabilité binomiale « au moins un »
Si 25 % des pièces produites par une machine sont défectueuses (p = 0,25) et que l'on prélève 8 pièces (n = 8), déterminez P(au moins 1 défectueuse). Solution : P(aucune défectueuse) = (0,75)^8 ≈ 0,1001. P(au moins 1) = 1 − 0,1001 ≈ 0,8999, soit environ 89,99 %.
3. Exercice 3 : approximation normale d'une loi binomiale
Avec n = 200 et p = 0,4, déterminez P(X ≥ 90) à l'aide de l'approximation normale. Solution : μ = np = 80, σ = √(200×0,4×0,6) = √48 ≈ 6,93. Avec la correction de continuité, X = 89,5, donc z = (89,5 − 80) ÷ 6,93 ≈ 1,37. P(Z ≥ 1,37) ≈ 1 − 0,9147 = 0,0853, soit environ 8,53 %.
Quand faut-il utiliser un calculateur de loi de probabilité ?
Un calculateur de loi de probabilité trouve sa place partout où vous avez besoin d'une réponse rapide et vérifiable pour une variable aléatoire aux résultats connus ou appartenant à une famille de lois connue : les cours de statistiques couvrant les tableaux discrets, la loi binomiale et la loi normale ; l'échantillonnage en contrôle qualité, où une usine estime la probabilité qu'un lot contienne trop de pièces défectueuses ; l'assurance et la finance, où les calculs d'espérance déterminent les primes et la tarification du risque ; et les tests A/B, où un modèle binomial estime la probabilité qu'un écart de conversion observé soit significatif. Dans tous les cas, le calculateur est le plus utile une fois que vous comprenez la formule qu'il applique : vous pouvez alors repérer une saisie erronée ou une approximation inapplicable avant qu'elle ne produise une réponse fausse mais péremptoire.
Comment Solvify peut-il vous aider à vérifier vos exercices de lois de probabilité ?
Une fois le raisonnement ci-dessus compris, un outil sert surtout à vérifier votre travail rapidement plutôt qu'à remplacer la réflexion. Le solveur pas à pas de Solvify décompose les questions de loi de probabilité — tableaux discrets, probabilités binomiales et approximations normales — selon les mêmes étapes nommées que celles employées dans ce guide, afin que vous puissiez comparer votre propre travail ligne par ligne au lieu de ne voir qu'un pourcentage final.
1. Prendre l'énoncé en photo
Utilisez le scan intelligent de Solvify pour capturer une question de loi de probabilité directement depuis un manuel ou une fiche d'exercices et obtenir une solution entièrement rédigée.
2. Comparer vos étapes à la solution
Confrontez votre espérance, votre variance et votre probabilité finale au détail fourni par Solvify pour repérer les erreurs évoquées plus haut.
3. Poser des questions complémentaires
Utilisez le tuteur IA de Solvify pour demander pourquoi l'approximation normale s'applique, ou pour voir le même exercice résolu avec la formule binomiale exacte.
Un calculateur doit confirmer votre raisonnement, pas le remplacer : Solvify affiche tout le cheminement pas à pas pour que vous voyiez exactement où votre propre calcul correspondait ou divergeait.
Articles connexes
Calculateur de Distribution Binomiale : Comment Calculer les Probabilités à la Main
Un approfondissement de la formule binomiale utilisée ci-dessus, avec davantage d'exemples résolus de probabilités binomiales exactes et cumulées.
Calculateur de courbe de loi normale : formules, étapes et exemples
Les mathématiques de la cote z et de la règle empirique derrière l'exemple d'approximation normale, appliquées aux lois continues comme les notes d'examen et les tailles.
Calculateur de probabilité aux dés : formules, exemples résolus et exercices
Un autre sujet de probabilité discrète fondé sur le même raisonnement d'univers et d'espérance que celui des tableaux de lois de probabilité.
Solveurs mathématiques
Solutions pas à pas
Visualisez chaque formule, chaque substitution et chaque valeur intermédiaire clairement présentées, au lieu d'une simple probabilité finale.
Solveur par scan intelligent
Photographiez une question de loi de probabilité et obtenez instantanément un corrigé entièrement détaillé.
Tuteur de maths IA
Posez des questions complémentaires sur l'espérance, la variance ou le moment où utiliser une approximation normale plutôt que la formule binomiale exacte.
Comment fonctionne un calculateur de loi de probabilité ?
Que vous travailliez avec un tableau construit à la main ou avec un calculateur statistique complet, un calculateur de loi de probabilité suit toujours la même logique en quatre étapes. Il doit d'abord savoir à quel type de loi il a affaire, car un tableau discret, un processus binomial et une courbe normale utilisent chacun une formule différente pour la probabilité, l'espérance et la variance.
1. Étape 1 : Identifier le type de loi
Déterminez si la variable aléatoire est discrète (une liste fixe de résultats, comme dans un tableau de loi de probabilité) ou continue (tout un intervalle de valeurs possibles, comme dans une loi normale), et si elle correspond à une famille connue telle que la loi binomiale.
2. Étape 2 : Saisir les paramètres de la loi
Pour un tableau discret, saisissez chaque résultat et sa probabilité. Pour une loi binomiale, saisissez le nombre d'épreuves (n) et la probabilité de succès (p). Pour une loi normale, saisissez la moyenne (μ) et l'écart type (σ).
3. Étape 3 : Calculer la probabilité, l'espérance et la variance
Le calculateur applique la formule correspondante — sommation directe pour un tableau discret, formule binomiale pour un processus binomial, ou table de la loi normale centrée réduite pour une courbe normale — afin de renvoyer la probabilité demandée avec la moyenne et la variance.
4. Étape 4 : Interpréter le résultat
Convertissez la probabilité décimale en pourcentage et confrontez-la à une vérification de bon sens, comme la règle empirique ou une estimation grossière, avant de la considérer comme définitive.