TS 22 Cours Proba Succession

Télécharger au format pdf ou txt
Télécharger au format pdf ou txt
Vous êtes sur la page 1sur 4

Séquence : Probabilités

Partie A : Succession d’épreuves indépendantes

Révision p 400-401
Activité 2,3 p402

I. Répétition d’expériences identiques et indépendante

Lorsque la même expérience aléatoire est répétée plusieurs fois de suite on dit qu’il y a
répétition d’expériences identiques.
Lorsque l’issue de l’une quelconque de ces expériences aléatoires ne dépend pas des issues
des autres expériences, on dit que ces expériences sont indépendantes.

Remarques :
• Cela signifie que les conditions dans lesquelles on répète l’expérience sont les
mêmes. Par exemple, les tirages de boules ou de jetons se font « avec remise » de
l’objet tiré après chaque tirage.
• Cela signifie aussi qu’une expérience ne dépend pas du résultat de l’expérience
précédente. De manière imagée, on peut dire que les pièces ou les dés n’ont pas de
mémoire.
• Bien entendu, cela ne signifie pas que les résultats de ces expériences répétées sont
les mêmes, puisqu’il s’agit d’expériences aléatoires.

Propriété
On considère une expérience aléatoire à deux issues d’univers Ω qu’on appellera expérience
aléatoire élémentaire.
En répétant 𝑛 fois cette expérience aléatoire élémentaire on obtient une nouvelle
expérience aléatoire dont les issues sont les éléments du produit cartésien Ω × Ω × … × Ω
Cette nouvelle expérience possède donc 2! issues.

(De même, si l’expérience aléatoire élémentaire possède 3 issues, la nouvelle expérience


aléatoire aura 3! issues)

Exemples :
• Une question est posée à 4 personnes. Elles doivent choisir une réponse parmi 3
réponses données. Comme elles n’ont aucune connaissance sur le sujet, elles
répondent au hasard.
Dans cette expérience aléatoire, l’expérience élémentaire a 3 issues (le choix d’une
réponse parmi 3) et est répétée 4 fois (une fois par personne).
Elle aura donc 3" = 81 issues.

• On lance deux fois une pièce de 1 € bien équilibrée, il y’a 2# = 4 issues différentes. Si
on compte le nombre de Pile obtenus. Il y a donc trois résultats possibles : 0, 1, 2.

Pour exprimer qu’on choisit cette loi de probabilité, on dit qu’on utilise le modèle de la
répétition d’épreuves identiques et indépendantes, ou, plus brièvement, que les expériences
sont identiques et indépendantes.

1
Propriété :

On considère une expérience aléatoire (dite « élémentaire ») à deux issues. En répétant 𝑛


fois cette expérience on obtient un univers à 2! issues. Sur cet univers à 2! issues, on définit
une loi de probabilité de la façon suivante : La probabilité d’une liste de 𝑛 résultats est le
produit des probabilités de chacun des 𝑛 résultats partiels qui la constituent.

On peut représenter ces répétitions d’expériences identiques et indépendantes par un arbre


pondéré par les probabilités correspondant à chaque branche.
Une succession de deux branches est appelée un chemin.
Chaque chemin conduit à une issue inscrite à droite de l’arbre.

Propriété :
Un arbre pondéré, où l’on indique sur chaque branche la probabilité d’obtenir chaque
résultat partiel, permet d’utiliser très facilement la propriété précédente : il suffit de
multiplier les probabilités des branches successives pour obtenir la probabilité de
chaque résultat global.

Exercices 44, 48, 51, 53, 56 p 418-419

II. Schéma de Bernoulli

Définition :
Une épreuve de Bernoulli est une épreuve aléatoire comportant deux issues, l’une appelée
« succès » et l’autre « échec ».

Exemple :
• Le lancer d’une pièce ;
• Le sexe d’un nouveau-né ;
• Tirer une boule dans une urne qui ne contient que des boules de deux couleurs ;
• Répondre au hasard à des questions Vrai-Faux ;
• Gagner à un jeu de hasard.

Définition :
On considère une épreuve de Bernoulli.

Soit X la variable aléatoire qui prend la valeur 1 en cas de réussite et la valeur 0 en cas
d’échec.
La variable aléatoire X est appelée variable de Bernoulli et la loi de probabilité de X est
appelée loi de Bernoulli.

Notation :
On note 𝑝 la probabilité de réussir et donc 𝑞 = 1 − 𝑝 la probabilité d’échouer.
D’où 𝑃(𝑋 = 1) = 𝑝 et 𝑃(𝑋 = 0) = 𝑞 = 1 − 𝑝.

2
Notation On note p la probabilité de réussir et donc q = 1− p la probabilité d’échouer.
D’où P ( X = 1) = p et P ( X = 0 ) = q = 1− p.
Loi de probabilité
Loi ded’une variable
probabilité devariable
d’une Bernoulli
de Bernoulli
Succès
p
xi 1 0

q = 1 –p Échec P (X=xi ) p 1–p

36 Séquence 6 :– MA12
Propriété
La variable aléatoire de Bernoulli de paramètre p a pour espérance p et pour variance
𝑝(1 − 𝑝 ).
- Académie en ligne
Démonstration :
𝐸(𝑋) = 1 × 𝑝 + 0 × (1 − 𝑝) = 𝑝
#
𝑉(𝑋) = 𝐸(𝑋 # ) − 7𝐸(𝑋)8 = 1# × 𝑝 + 0# × (1 − 𝑝) − 𝑝# = 𝑝 − 𝑝# = 𝑝(1 − 𝑝)

Définition :
La répétition de n épreuves de Bernoulli identiques et indépendantes est une expérience
aléatoire qu’on appelle schéma de Bernoulli.

III. Loi binomiale

Définition :
Soit X la variable aléatoire définie par le nombre de succès dans un schéma de Bernoulli où
on répète n fois une épreuve de Bernoulli pour laquelle la probabilité du succès est égale à p.
La loi de probabilité de X s’appelle la loi binomiale de paramètres n et p.
Cette loi est notée 𝐵(𝑛; 𝑝)

Remarque :
Le paramètre n est un entier naturel non nul.
Le paramètre p est un nombre réel de l’intervalle [0 ; 1]

Définition :
𝑛
Le nombre de chemins de l’arbre réalisant k succès pour n répétitions se note = ? et
𝑘
s’appelle un coefficient binomial.


Théorème :
Expression de la loi binomiale
Lorsque la loi d’une variable aléatoire X est la loi binomiale de paramètres n et p, la variable
aléatoire X prend les 𝑛 + 1 valeurs 0, 1, ..., n avec les probabilités :
𝑛
𝑷(𝑿 = 𝒌 ) = = ? 𝒑𝒌 (𝟏 − 𝒑)𝒏&𝒌 pour tout entier k tel que 0 ≤ 𝑘 ≤ 𝑛.
𝑘

Exemple :
Soit X une variable aléatoire qui suit la loi 𝐵(10; 0,4).
Calculer 𝑃(𝑋 = 3)

3
Remarques :
Solution : probabilités se calculent avec la calculatrice ou le tableur.
• Les
10
on a •𝑃(𝑋P(
=X3)
=k= × 0,4' ×d'obtenir
= la?probabilité
) est 0,6( . exactement k succès parmi les n expériences.
3
• P( X ⩽k ) est la probabilité d'obtenir au plus k succès parmi les n expériences.
10
La calculatrice
• P( X >kaffiche
)=1−P(= X⩽k)
? = . 120.
3
D’où : 𝑃(𝑋 = 3) = 120 × 0,4' × 0,6( ≈ 0,215.
Théorème : Si X suit la loi binomiale de paramètres n et p , alors son espérance est
E(X )=n p .
Rappel :
𝑛 𝑛
= ? = = ?
Exemple : On lance 15 fois de suite une pièce 0de monnaie
𝑛 truquée : la probabilité d'obtenir « Pile »
sur un lancé est 0,3.
Propriété :
Soit X , variable aléatoire égale au nombre de « Piles » obtenus ; on a donc X ∼B(15 ;0,3) .
Soit X une variable aléatoire qui suit la loi binomiale de paramètres n et p, son espérance et
On construit un diagramme représentant cette loi : en abscisse, ce sont les valeurs k de la
savariable
variancealéatoire X (avecpar
sont données 0⩽k: ⩽15 ), et en ordonnée, les probabilités P( X =k ) .
𝐸(𝑋) = 𝑛𝑝 et 𝑉(𝑋) 0,25
= 𝑛𝑝(1 − 𝑝).
On a donc 𝜎(𝑋) = K𝑛𝑝(1 − 𝑝)
0,2

A retenir :
0,15
Pour reconnaître et justifier les situations où une variable aléatoire X suit une loi binomiale
𝐵(𝑛; 𝑝), il est essentiel
0,1
de mettre en évidence :
• une épreuve de Bernoulli,
• où le succès a pour probabilité p,
0,05

• répétée n fois,
0
• de façons identiques0 1 et
2 indépendantes.
3 4 5 6 7 8 9 10 11 12 13 14 15

• X compte le nombre de succès.


On a donc E( X)=15×0,3=4,5 .

Calcul loi binomiale


c) Utilisation à la calculatrice ( p 522 )
de la calculatrice

On considère ici que n=20 et p=0,6 .


Texas Instruments Casio
Calcul de P( X =7) « distrib » (« 2nde », puis « DIST » (« OPTN »,
« var »), « binomFdp » : « STAT », « DIST »),
binomFdp(20,0.6,7) « BINM » :
binomialPD(7,20,0.6)

Calcul de P( X ⩽7) « distrib » (« 2nde », puis « DIST » (« OPTN »,


« var »), « binomFrép » : « STAT », « DIST »),
binomFrép(20,0.6,7) « BINM » :
binomialCD(7,20,0.6)

Exercices STMG
Cours de mathématiques – Terminale 59, 61,:64, 65, 69, 70, 73 p 420-421
26/32
A l’aide des p410-411 : 78, 79, 82 p 422
Exercices 90 p 424, 92 p 425, 94 p 425

Vous aimerez peut-être aussi