BURHAN.

Calcul des probabilités : Résumé de cours de Mathématiques 2BAC Sciences Économiques et Gestion

Calcul des probabilités : résumé de maths 2BAC SEG, avec les points essentiels, les formules et les méthodes à retenir pour réviser avant un contrôle. Pour les élèves de 2BAC Sciences Économiques et Sciences de Gestion Comptable, option française (BIOF).

Dénombrer : rappels de 1re année

PropriétéPrincipe multiplicatif

Une situation se décompose en kk choix successifs. Si le premier choix peut se faire de n1n_1 façons, puis, quel que soit ce premier choix, le deuxième de n2n_2 façons, et ainsi de suite jusqu'au kk-ième choix, qui peut se faire de nkn_k façons, alors le nombre total de possibilités est n1×n2×⋯×nk.n_1 \times n_2 \times \cdots \times n_k. En particulier, le nombre de listes de pp éléments, distincts ou non, choisis dans un ensemble à nn éléments est npn^p.

PropriétéArrangements et permutations

Soit nn et pp deux entiers naturels tels que 1≤p≤n1 \leq p \leq n.

  • Le nombre de listes de pp éléments distincts choisis dans un ensemble à nn éléments (arrangements de pp éléments parmi nn) est Anp=n×(n−1)×⋯×(n−p+1)=n!(n−p)!.A_n^p = n \times (n - 1) \times \cdots \times (n - p + 1) = \frac{n!}{(n - p)!}.
  • Le nombre de façons d'ordonner les nn éléments d'un ensemble (permutations) est Ann=n!A_n^n = n!, où n!=1×2×⋯×nn! = 1 \times 2 \times \cdots \times n et, par convention, 0!=10! = 1.

PropriétéCombinaisons

Soit nn et pp deux entiers naturels tels que 0≤p≤n0 \leq p \leq n. Le nombre de parties à pp éléments d'un ensemble à nn éléments (combinaisons de pp éléments parmi nn) est Cnp=n!p! (n−p)!.C_n^p = \frac{n!}{p!\,(n - p)!}. Pour 1≤p≤n1 \leq p \leq n, on a aussi Cnp=Anpp!C_n^p = \dfrac{A_n^p}{p!}. On a Cn0=Cnn=1C_n^0 = C_n^n = 1, Cn1=nC_n^1 = n et Cnp=Cnn−pC_n^p = C_n^{n - p}.

Listes de p éléments, avec répétition possible
npn^p
Arrangements de p éléments parmi n
Anp=n!(n−p)!A_n^p = \dfrac{n!}{(n - p)!}
Combinaisons de p éléments parmi n
Cnp=n!p! (n−p)!C_n^p = \dfrac{n!}{p!\,(n - p)!}
Permutations de n éléments
n!=1×2×⋯×nn! = 1 \times 2 \times \cdots \times n

MéthodeChoisir le modèle de dénombrement d'un tirage

  1. Lire la façon de tirer : tous les objets à la fois, ou l'un après l'autre, avec ou sans remise.
  2. Tous à la fois (tirage simultané) : l'ordre est sans importance et aucun objet ne se répète ; on compte avec CnpC_n^p.
  3. L'un après l'autre sans remise : l'ordre importe et aucun objet ne se répète ; on compte avec AnpA_n^p.
  4. L'un après l'autre avec remise : l'ordre importe et un objet peut revenir ; on compte avec npn^p.
  5. Contrôler le modèle sur un très petit cas, en écrivant toutes les issues.

Exemple

Une urne contient 1111 boules numérotées de 11 à 1111. On tire 22 boules.

  • Tirage simultané : C112=11×102×1=55C_{11}^2 = \dfrac{11 \times 10}{2 \times 1} = 55 tirages.
  • Tirage successif sans remise : A112=11×10=110A_{11}^2 = 11 \times 10 = 110 tirages.
  • Tirage successif avec remise : 112=12111^2 = 121 tirages.

On retrouve A112=2!×C112A_{11}^2 = 2! \times C_{11}^2 : chaque paire de boules se range de 2!=22! = 2 façons.

AttentionOrdre et remise dans un tirage

Dans un tirage simultané, l'ordre n'existe pas : compter avec AnpA_n^p compterait p!p! fois chaque groupe. Dans un tirage successif sans remise, une boule tirée ne revient pas : compter avec npn^p ajouterait des tirages impossibles. Pour une probabilité, l'univers et l'événement se comptent avec le même modèle.

Expérience aléatoire et événements

DéfinitionExpérience aléatoire, univers, événement

Une expérience aléatoire est une expérience dont on connaît tous les résultats possibles, sans pouvoir prévoir lequel se produira.

  • Chaque résultat possible est une issue ; l'ensemble des issues est l'univers, noté Ω\Omega. Dans ce chapitre, Ω\Omega est un ensemble fini.
  • Un événement est une partie de Ω\Omega. L'événement AA est réalisé lorsque l'issue obtenue appartient à AA.
  • Un événement formé d'une seule issue est un événement élémentaire ; Ω\Omega est l'événement certain ; l'ensemble vide ∅\varnothing est l'événement impossible.

DéfinitionOpérations sur les événements

Soit AA et BB deux événements d'un univers Ω\Omega.

  • L'événement contraire de AA, noté A‾\overline{A}, est formé des issues de Ω\Omega qui ne sont pas dans AA : il est réalisé exactement quand AA ne l'est pas.
  • L'événement A∩BA \cap B (« AA et BB ») est réalisé quand AA et BB le sont tous les deux.
  • L'événement A∪BA \cup B (« AA ou BB ») est réalisé quand au moins l'un des deux l'est.
  • AA et BB sont incompatibles lorsque A∩B=∅A \cap B = \varnothing : ils ne peuvent pas être réalisés en même temps.

Dans le cadre rectangulaire de l'univers Ω, deux disques sécants : A sur la gauche, B sur la droite. Est teinté tout ce qui n'appartient pas au cercle A : le croissant de B situé hors de A et le reste du rectangle autour des cercles. Le cercle A reste blanc en entier, sa partie commune avec B comprise.

Ā, teinté, occupe tout Ω hors du cercle A : la partie de B extérieure à A en fait partie.

Même univers Ω, mêmes disques A et B. Une seule zone est teintée, la lentille commune aux deux cercles : une issue s'y trouve quand elle réalise A et B à la fois. Les croissants de A et de B hors de cette lentille, ainsi que l'extérieur des cercles, restent blancs.

A ∩ B, teinté : la lentille où les deux cercles se recouvrent, et rien d'autre.

Même univers Ω, mêmes disques A et B. Les deux croissants et la lentille commune sont teintés : la réunion contient toute issue qui réalise au moins un des deux événements. Seule la partie du rectangle extérieure aux deux cercles reste blanche.

A ∪ B, teinté : les deux cercles entiers, lentille commune comprise, puisque le « ou » n'est pas exclusif.

Exemple

On lance un dé cubique équilibré, aux faces numérotées de 11 à 66. L'univers est Ω={1,2,3,4,5,6}\Omega = \{1, 2, 3, 4, 5, 6\}.

  • AA : « obtenir un nombre pair », A={2,4,6}A = \{2, 4, 6\} ; BB : « obtenir au moins 55 », B={5,6}B = \{5, 6\}.
  • A‾={1,3,5}\overline{A} = \{1, 3, 5\}, A∩B={6}A \cap B = \{6\} et A∪B={2,4,5,6}A \cup B = \{2, 4, 5, 6\}.
  • CC : « obtenir 11 », C={1}C = \{1\}. Comme A∩C=∅A \cap C = \varnothing, les événements AA et CC sont incompatibles.

Attention« Ou » n'est pas exclusif

L'événement A∪BA \cup B est réalisé dès que l'un des deux l'est, y compris quand les deux le sont. Avec le dé de l'exemple, l'issue 66 réalise AA et BB : elle appartient à A∪BA \cup B. L'événement « exactement un des deux » est {2,4,5}\{2, 4, 5\} : on a retiré l'issue de A∩BA \cap B.

Probabilité d'un événement

DéfinitionProbabilité sur un univers fini

Soit Ω={ω1,ω2,…,ωn}\Omega = \{\omega_1, \omega_2, \ldots, \omega_n\} un univers fini. Définir une probabilité pp sur Ω\Omega, c'est associer à chaque issue ωi\omega_i un réel pip_i tel que pi≥0pour tout ietp1+p2+⋯+pn=1.p_i \geq 0 \quad \text{pour tout } i \qquad \text{et} \qquad p_1 + p_2 + \cdots + p_n = 1. La probabilité d'un événement AA, notée p(A)p(A), est la somme des probabilités des issues qui le composent. On pose p(∅)=0p(\varnothing) = 0 ; on a p(Ω)=1p(\Omega) = 1.

PropriétéPropriétés d'une probabilité

Soit pp une probabilité sur un univers fini Ω\Omega, et AA et BB deux événements.

  • 0≤p(A)≤10 \leq p(A) \leq 1.
  • p(A‾)=1−p(A)p(\overline{A}) = 1 - p(A).
  • p(A∪B)=p(A)+p(B)−p(A∩B)p(A \cup B) = p(A) + p(B) - p(A \cap B).
  • En particulier, si AA et BB sont incompatibles, p(A∪B)=p(A)+p(B)p(A \cup B) = p(A) + p(B).

Exemple

Un dé cubique est truqué : les faces 11, 22, 33 et 44 ont chacune la probabilité 0,10{,}1 et la face 55 la probabilité 0,20{,}2. La somme des six probabilités vaut 11, donc la face 66 a la probabilité 1−0,6=0,41 - 0{,}6 = 0{,}4.

  • AA : « nombre pair » ; p(A)=0,1+0,1+0,4=0,6p(A) = 0{,}1 + 0{,}1 + 0{,}4 = 0{,}6 et p(A‾)=1−0,6=0,4p(\overline{A}) = 1 - 0{,}6 = 0{,}4.
  • BB : « au moins 55 » ; p(B)=0,2+0,4=0,6p(B) = 0{,}2 + 0{,}4 = 0{,}6. De plus A∩B={6}A \cap B = \{6\}, donc p(A∩B)=0,4p(A \cap B) = 0{,}4.
  • p(A∪B)=0,6+0,6−0,4=0,8p(A \cup B) = 0{,}6 + 0{,}6 - 0{,}4 = 0{,}8. Contrôle : A∪B={2,4,5,6}A \cup B = \{2, 4, 5, 6\} et 0,1+0,1+0,2+0,4=0,80{,}1 + 0{,}1 + 0{,}2 + 0{,}4 = 0{,}8.

MéthodePasser par l'événement contraire

  1. Repérer les formulations « au moins un », « au plus », « pas tous » : leur contraire se décrit plus simplement.
  2. Écrire ce contraire en mots : pour « au moins une boule blanche », c'est « aucune boule blanche ».
  3. Calculer p(A‾)p(\overline{A}), puis conclure avec p(A)=1−p(A‾)p(A) = 1 - p(\overline{A}).

AttentionProbabilité d'une réunion

Additionner p(A)p(A) et p(B)p(B) ne donne p(A∪B)p(A \cup B) que si AA et BB sont incompatibles. Sinon, les issues de A∩BA \cap B sont comptées deux fois et il faut retrancher p(A∩B)p(A \cap B). Avec le dé truqué, 0,6+0,6=1,20{,}6 + 0{,}6 = 1{,}2 : un résultat plus grand que 11 trahit l'oubli.

Équiprobabilité

PropriétéHypothèse d'équiprobabilité

Lorsque toutes les issues d'un univers fini Ω\Omega ont la même probabilité, on dit qu'il y a équiprobabilité. Dans ce cas, chaque issue a la probabilité 1card⁡(Ω)\dfrac{1}{\operatorname{card}(\Omega)} et, pour tout événement AA, p(A)=card⁡(A)card⁡(Ω)=nombre d’issues favorables aˋ Anombre d’issues possibles.p(A) = \frac{\operatorname{card}(A)}{\operatorname{card}(\Omega)} = \frac{\text{nombre d'issues favorables à } A}{\text{nombre d'issues possibles}}.

MéthodeCalculer une probabilité en situation d'équiprobabilité

  1. Justifier l'équiprobabilité par un mot de l'énoncé : « au hasard », « indiscernables au toucher », « équilibré ».
  2. Compter les issues possibles, card⁡(Ω)\operatorname{card}(\Omega), avec le modèle qui convient au tirage.
  3. Compter les issues favorables avec ce même modèle.
  4. Diviser : p(A)=card⁡(A)card⁡(Ω)p(A) = \dfrac{\operatorname{card}(A)}{\operatorname{card}(\Omega)}, puis simplifier la fraction.

Exemple

Une urne contient 1212 boules indiscernables au toucher : 44 blanches et 88 noires. On tire simultanément 22 boules : il y a équiprobabilité et card⁡(Ω)=C122=66\operatorname{card}(\Omega) = C_{12}^2 = 66.

  • « Deux boules blanches » : C42=6C_4^2 = 6 issues, donc la probabilité vaut 666=111\dfrac{6}{66} = \dfrac{1}{11}.
  • « Au moins une boule blanche » : son contraire, « aucune boule blanche », compte C82=28C_8^2 = 28 issues et a pour probabilité 2866=1433\dfrac{28}{66} = \dfrac{14}{33}. La probabilité cherchée vaut 1−1433=19331 - \dfrac{14}{33} = \dfrac{19}{33}.

Probabilité conditionnelle

DéfinitionProbabilité conditionnelle

Soit AA et BB deux événements, avec p(A)≠0p(A) \neq 0. La probabilité de BB sachant AA est le réel pA(B)=p(A∩B)p(A).p_A(B) = \frac{p(A \cap B)}{p(A)}. C'est la probabilité que BB soit réalisé lorsqu'on sait que AA l'est.

PropriétéProbabilités composées

Soit AA et BB deux événements, avec p(A)≠0p(A) \neq 0. Alors p(A∩B)=p(A)×pA(B).p(A \cap B) = p(A) \times p_A(B).

Exemple

On reprend le dé équilibré, avec A={2,4,6}A = \{2, 4, 6\} et B={5,6}B = \{5, 6\} : p(A)=12p(A) = \dfrac{1}{2}, p(B)=13p(B) = \dfrac{1}{3} et p(A∩B)=16p(A \cap B) = \dfrac{1}{6}.

  • pA(B)=p(A∩B)p(A)=16×2=13p_A(B) = \dfrac{p(A \cap B)}{p(A)} = \dfrac{1}{6} \times 2 = \dfrac{1}{3} et pB(A)=p(A∩B)p(B)=16×3=12p_B(A) = \dfrac{p(A \cap B)}{p(B)} = \dfrac{1}{6} \times 3 = \dfrac{1}{2}.
  • Une urne contient 22 boules rouges et 33 vertes ; on tire deux boules l'une après l'autre, sans remise. On note R1R_1 « rouge au premier tirage » et R2R_2 « rouge au second ». Alors p(R1∩R2)=p(R1)×pR1(R2)=25×14=110p(R_1 \cap R_2) = p(R_1) \times p_{R_1}(R_2) = \dfrac{2}{5} \times \dfrac{1}{4} = \dfrac{1}{10}.

MéthodeTraduire un énoncé en probabilités conditionnelles

  1. Nommer chaque événement par une lettre. Les mots « parmi » ou « sachant que » annoncent une probabilité conditionnelle pA(B)p_A(B) ; une part de toute la population donne p(A)p(A) ou p(A∩B)p(A \cap B).
  2. Ranger les données dans un arbre pondéré, tracé sur ton cahier, ou dans un tableau : les branches issues d'un même nœud portent des probabilités de somme 11.
  3. Multiplier le long d'un chemin pour obtenir une intersection : p(A∩B)=p(A)×pA(B)p(A \cap B) = p(A) \times p_A(B).
  4. Diviser pour obtenir une probabilité conditionnelle : pA(B)=p(A∩B)p(A)p_A(B) = \dfrac{p(A \cap B)}{p(A)}.

AttentionNe pas confondre les probabilités conditionnelles

En général, pA(B)p_A(B), pB(A)p_B(A) et p(A∩B)p(A \cap B) sont trois nombres différents : avec le dé de l'exemple, ils valent 13\dfrac{1}{3}, 12\dfrac{1}{2} et 16\dfrac{1}{6}. « Parmi les boules marquées, la part des rouges » est une probabilité conditionnelle ; « la part des boules à la fois marquées et rouges » est la probabilité d'une intersection.

Formule des probabilités totales

DéfinitionSystème complet d'événements

Des événements A1,A2,…,AnA_1, A_2, \ldots, A_n d'un univers Ω\Omega forment un système complet d'événements lorsque :

  • ils sont deux à deux incompatibles ;
  • leur réunion est Ω\Omega : A1∪A2∪⋯∪An=ΩA_1 \cup A_2 \cup \cdots \cup A_n = \Omega ;
  • aucun n'est de probabilité nulle.

Ainsi, une issue appartient toujours à l'un d'eux, et à un seul. Pour tout événement AA tel que 0<p(A)<10 < p(A) < 1, les événements AA et A‾\overline{A} forment un système complet d'événements.

PropriétéFormule des probabilités totales

Soit A1,A2,…,AnA_1, A_2, \ldots, A_n un système complet d'événements et BB un événement. Alors p(B)=p(A1)×pA1(B)+p(A2)×pA2(B)+⋯+p(An)×pAn(B).p(B) = p(A_1) \times p_{A_1}(B) + p(A_2) \times p_{A_2}(B) + \cdots + p(A_n) \times p_{A_n}(B). En particulier, si 0<p(A)<10 < p(A) < 1 : p(B)=p(A)×pA(B)+p(A‾)×pA‾(B)p(B) = p(A) \times p_A(B) + p(\overline{A}) \times p_{\overline{A}}(B).

Dans le cadre de l'univers Ω, les disques A et B se coupent. L'intérieur du cercle A représente A ; tout le reste du rectangle représente Ā : ces deux parties couvrent Ω et n'ont aucune issue en commun. Le cercle B est teinté. La frontière de A le coupe en deux morceaux : B ∩ A, dans la lentille commune, et B ∩ Ā, dans le croissant de B hors de A. Chaque morceau correspond à un produit de la formule des probabilités totales.

A et Ā se partagent Ω sans se recouvrir ; B, teinté, s'y trouve coupé en B ∩ A et B ∩ Ā, les deux termes de la formule.

MéthodeAppliquer la formule des probabilités totales

  1. Choisir un système complet d'événements qui découpe la situation, par exemple AA et A‾\overline{A} ; vérifier qu'aucun n'est de probabilité nulle.
  2. Écrire p(B)p(B) comme la somme des produits p(Ai)×pAi(B)p(A_i) \times p_{A_i}(B) : un produit par chemin de l'arbre qui aboutit à BB.
  3. Calculer, puis contrôler que le résultat est compris entre 00 et 11.
  4. Remonter, si l'on demande pB(Ai)p_B(A_i) : pB(Ai)=p(Ai)×pAi(B)p(B)p_B(A_i) = \dfrac{p(A_i) \times p_{A_i}(B)}{p(B)}.

Exemple

On lance une pièce équilibrée. Sur pile, on tire une boule dans une urne U1U_1 qui contient 22 boules blanches et 33 noires ; sur face, dans une urne U2U_2 qui contient 44 blanches et 11 noire. On note AA « obtenir pile » et BB « tirer une boule blanche ». Les événements AA et A‾\overline{A} forment un système complet : p(B)=12×25+12×45=15+25=35.p(B) = \dfrac{1}{2} \times \dfrac{2}{5} + \dfrac{1}{2} \times \dfrac{4}{5} = \dfrac{1}{5} + \dfrac{2}{5} = \dfrac{3}{5}. Sachant que la boule est blanche, la probabilité d'avoir obtenu pile vaut pB(A)=p(A∩B)p(B)=15×53=13p_B(A) = \dfrac{p(A \cap B)}{p(B)} = \dfrac{1}{5} \times \dfrac{5}{3} = \dfrac{1}{3}.

Arbre horizontal à deux niveaux. De la racine partent A, pile, et A barre, face, chacune avec la probabilité 1/2. Après A, le tirage dans l'urne U1 donne B, boule blanche, avec 2/5, et B barre avec 3/5. Après A barre, le tirage dans l'urne U2 donne B avec 4/5 et B barre avec 1/5. Au bout des chemins menant à B figurent 1/5 et 2/5, dont la somme est 3/5.

Pile ou face, puis une boule tirée dans l'urne correspondante : deux chemins sur quatre aboutissent à une boule blanche.

Indépendance et épreuves répétées

DéfinitionÉvénements indépendants

Deux événements AA et BB sont indépendants lorsque p(A∩B)=p(A)×p(B).p(A \cap B) = p(A) \times p(B).

PropriétéIndépendance et probabilité conditionnelle

Soit AA et BB deux événements, avec p(A)≠0p(A) \neq 0. Les événements AA et BB sont indépendants si, et seulement si, pA(B)=p(B).p_A(B) = p(B). Autrement dit, savoir que AA est réalisé ne change pas la probabilité de BB.

Exemple

Avec le dé équilibré, A={2,4,6}A = \{2, 4, 6\} et B={5,6}B = \{5, 6\} : p(A)×p(B)=12×13=16=p(A∩B)p(A) \times p(B) = \dfrac{1}{2} \times \dfrac{1}{3} = \dfrac{1}{6} = p(A \cap B). Les événements AA et BB sont indépendants ; on le retrouve avec pA(B)=13=p(B)p_A(B) = \dfrac{1}{3} = p(B).

En revanche, avec D={4,5,6}D = \{4, 5, 6\}, on a p(A∩D)=13p(A \cap D) = \dfrac{1}{3} et p(A)×p(D)=14p(A) \times p(D) = \dfrac{1}{4} : les événements AA et DD ne sont pas indépendants.

MéthodeÉtudier l'indépendance de deux événements

  1. Calculer p(A)p(A), p(B)p(B) et p(A∩B)p(A \cap B), chacune pour elle-même.
  2. Comparer p(A∩B)p(A \cap B) au produit p(A)×p(B)p(A) \times p(B), en fractions exactes.
  3. Conclure : en cas d'égalité, AA et BB sont indépendants ; sinon, ils ne le sont pas. Lorsque p(A)≠0p(A) \neq 0, comparer pA(B)p_A(B) et p(B)p(B) revient au même.

AttentionIncompatibles n'est pas indépendants

Deux événements incompatibles, de probabilités non nulles, ne sont jamais indépendants : p(A∩B)=0p(A \cap B) = 0, alors que p(A)×p(B)>0p(A) \times p(B) > 0. Avec le dé, A={2,4,6}A = \{2, 4, 6\} et C={1}C = \{1\} sont incompatibles, et pourtant p(A)×p(C)=112≠0p(A) \times p(C) = \dfrac{1}{12} \neq 0. L'indépendance se prouve par un calcul.

PropriétéÉpreuves indépendantes et répétées

On répète nn fois, dans les mêmes conditions et de façon indépendante, une épreuve au cours de laquelle un événement SS (le « succès ») a la probabilité pp, avec 0<p<10 < p < 1. Pour tout entier kk tel que 0≤k≤n0 \leq k \leq n, la probabilité que SS soit réalisé exactement kk fois est Cnk pk (1−p)n−k.C_n^k \, p^k \, (1 - p)^{n - k}.

Exemple

On jette un dé équilibré à trois reprises, de façon indépendante. Le succès est « obtenir 66 », de probabilité 16\dfrac{1}{6}. La probabilité d'obtenir exactement deux fois 66 vaut C32×(16)2×56=3×136×56=15216=572.C_3^2 \times \left(\dfrac{1}{6}\right)^2 \times \dfrac{5}{6} = 3 \times \dfrac{1}{36} \times \dfrac{5}{6} = \dfrac{15}{216} = \dfrac{5}{72}.

Variable aléatoire, espérance, variance

DéfinitionVariable aléatoire et loi de probabilité

Soit Ω\Omega l'univers fini d'une expérience aléatoire, muni d'une probabilité pp.

  • Une variable aléatoire XX est une fonction qui associe un nombre réel à chaque issue de Ω\Omega.
  • On note x1,x2,…,xrx_1, x_2, \ldots, x_r les valeurs prises par XX, et (X=xi)(X = x_i) l'événement formé des issues auxquelles XX associe xix_i.
  • La loi de probabilité de XX est la donnée des probabilités p(X=xi)p(X = x_i) pour ii allant de 11 à rr. On la présente dans un tableau, et l'on a toujours p(X=x1)+p(X=x2)+⋯+p(X=xr)=1p(X = x_1) + p(X = x_2) + \cdots + p(X = x_r) = 1.

MéthodeDéterminer la loi d'une variable aléatoire

  1. Lister les valeurs possibles de XX à partir de l'expérience.
  2. Traduire chaque événement (X=xi)(X = x_i) par une phrase, puis calculer sa probabilité.
  3. Présenter la loi dans un tableau à deux lignes : les valeurs xix_i, puis les probabilités p(X=xi)p(X = x_i).
  4. Contrôler que la somme des probabilités vaut 11.

Exemple

On lance un dé équilibré. On gagne 33 points si l'on obtient 66, 22 points si l'on obtient 44 ou 55, et l'on perd 11 point sinon. Le gain XX prend les valeurs −1-1, 22 et 33 : xi−123p(X=xi)121316\begin{array}{c|c|c|c} x_i & -1 & 2 & 3 \\ \hline p(X = x_i) & \dfrac{1}{2} & \dfrac{1}{3} & \dfrac{1}{6} \end{array} Contrôle : 12+13+16=3+2+16=1\dfrac{1}{2} + \dfrac{1}{3} + \dfrac{1}{6} = \dfrac{3 + 2 + 1}{6} = 1.

AttentionLa somme des probabilités d'une loi vaut 1

Si la somme des probabilités d'une loi n'est pas exactement 11, la loi est fausse : une valeur de XX manque, ou une probabilité est mal calculée. Oublier la valeur 33 dans l'exemple donnerait 12+13=56\dfrac{1}{2} + \dfrac{1}{3} = \dfrac{5}{6}. Le contrôle se fait en fractions exactes, sans arrondir en cours de route.

DéfinitionEspérance, variance, écart-type

Soit XX une variable aléatoire qui prend les valeurs x1,…,xrx_1, \ldots, x_r avec les probabilités pi=p(X=xi)p_i = p(X = x_i).

  • L'espérance de XX est E(X)=x1p1+x2p2+⋯+xrprE(X) = x_1 p_1 + x_2 p_2 + \cdots + x_r p_r.
  • La variance de XX est V(X)=(x1−E(X))2p1+(x2−E(X))2p2+⋯+(xr−E(X))2prV(X) = (x_1 - E(X))^2 p_1 + (x_2 - E(X))^2 p_2 + \cdots + (x_r - E(X))^2 p_r.
  • L'écart-type de XX est σ(X)=V(X)\sigma(X) = \sqrt{V(X)}.

Sur un grand nombre de répétitions, la moyenne des valeurs obtenues pour XX est proche de E(X)E(X) ; la variance et l'écart-type mesurent la dispersion des valeurs autour de E(X)E(X).

PropriétéFormule de calcul de la variance

Avec les notations de la définition de l'espérance et de la variance, on pose E(X2)=x12p1+x22p2+⋯+xr2prE(X^2) = x_1^2 p_1 + x_2^2 p_2 + \cdots + x_r^2 p_r. Alors V(X)=E(X2)−(E(X))2.V(X) = E(X^2) - \big(E(X)\big)^2.

MéthodeCalculer l'espérance, la variance et l'écart-type

  1. Ajouter au tableau de la loi la ligne des produits xipix_i p_i : leur somme donne E(X)E(X).
  2. Ajouter la ligne des produits xi2pix_i^2 p_i : leur somme donne E(X2)E(X^2).
  3. Calculer V(X)=E(X2)−(E(X))2V(X) = E(X^2) - \big(E(X)\big)^2, vérifier que V(X)≥0V(X) \geq 0, puis σ(X)=V(X)\sigma(X) = \sqrt{V(X)}.
  4. Interpréter E(X)E(X) dans la situation, avec son unité : gain moyen par partie, nombre moyen d'objets.

Exemple

Avec le gain XX du jeu de dé précédent : E(X)=−1×12+2×13+3×16=−3+4+36=23,E(X) = -1 \times \dfrac{1}{2} + 2 \times \dfrac{1}{3} + 3 \times \dfrac{1}{6} = \dfrac{-3 + 4 + 3}{6} = \dfrac{2}{3}, E(X2)=1×12+4×13+9×16=3+8+96=103,E(X^2) = 1 \times \dfrac{1}{2} + 4 \times \dfrac{1}{3} + 9 \times \dfrac{1}{6} = \dfrac{3 + 8 + 9}{6} = \dfrac{10}{3}, V(X)=103−(23)2=30−49=269etσ(X)=263≈1,70.V(X) = \dfrac{10}{3} - \left(\dfrac{2}{3}\right)^2 = \dfrac{30 - 4}{9} = \dfrac{26}{9} \quad \text{et} \quad \sigma(X) = \dfrac{\sqrt{26}}{3} \approx 1{,}70. Sur un grand nombre de parties, le joueur gagne en moyenne 23\dfrac{2}{3} de point par partie.

AttentionVariance : le carré de l'espérance

Dans V(X)=E(X2)−(E(X))2V(X) = E(X^2) - \big(E(X)\big)^2, on retranche le carré de l'espérance, et E(X2)E(X^2) se calcule avec les carrés xi2x_i^2. Retrancher E(X)E(X) au lieu de son carré donnerait ici 103−23=83\dfrac{10}{3} - \dfrac{2}{3} = \dfrac{8}{3}, et non 269\dfrac{26}{9}. Une variance négative signale une erreur ; l'écart-type est la racine carrée de la variance.

Loi binomiale

DéfinitionLoi binomiale

On répète nn fois, de façon indépendante, une épreuve qui n'a que deux issues : le succès SS, de probabilité pp (avec 0<p<10 < p < 1), et l'échec S‾\overline{S}, de probabilité 1−p1 - p. La variable aléatoire XX égale au nombre de succès obtenus suit la loi binomiale de paramètres nn et pp, notée B(n;p)\mathcal{B}(n ; p). Elle prend les valeurs 0,1,…,n0, 1, \ldots, n et, d'après la propriété des épreuves indépendantes et répétées, p(X=k)=Cnk pk (1−p)n−kpour 0≤k≤n.p(X = k) = C_n^k \, p^k \, (1 - p)^{n - k} \quad \text{pour } 0 \leq k \leq n.

PropriétéEspérance et variance d'une loi binomiale

Si XX suit la loi binomiale B(n;p)\mathcal{B}(n ; p), alors E(X)=npetV(X)=np(1−p).E(X) = np \qquad \text{et} \qquad V(X) = np(1 - p).

MéthodeReconnaître une loi binomiale

  1. Décrire l'épreuve et ses deux issues : le succès, que l'on précise, et l'échec.
  2. Vérifier que l'épreuve est répétée nn fois dans les mêmes conditions, de façon indépendante : tirage avec remise, lancers successifs.
  3. Vérifier que XX compte les succès.
  4. Conclure : XX suit B(n;p)\mathcal{B}(n ; p), avec nn et pp donnés ; alors p(X=k)=Cnkpk(1−p)n−kp(X = k) = C_n^k p^k (1 - p)^{n - k}, E(X)=npE(X) = np et V(X)=np(1−p)V(X) = np(1 - p).

Exemple

Une urne contient 44 boules, dont 11 rouge. On tire 55 fois une boule avec remise, et XX compte les boules rouges obtenues. Les tirages sont indépendants et n'ont que deux issues, donc XX suit B(5;14)\mathcal{B}\left(5 ; \dfrac{1}{4}\right).

  • p(X=2)=C52(14)2(34)3=10×116×2764=135512p(X = 2) = C_5^2 \left(\dfrac{1}{4}\right)^2 \left(\dfrac{3}{4}\right)^3 = 10 \times \dfrac{1}{16} \times \dfrac{27}{64} = \dfrac{135}{512}.
  • p(X≥1)=1−p(X=0)=1−(34)5=1−2431024=7811024p(X \geq 1) = 1 - p(X = 0) = 1 - \left(\dfrac{3}{4}\right)^5 = 1 - \dfrac{243}{1024} = \dfrac{781}{1024}.
  • E(X)=5×14=54E(X) = 5 \times \dfrac{1}{4} = \dfrac{5}{4} et V(X)=5×14×34=1516V(X) = 5 \times \dfrac{1}{4} \times \dfrac{3}{4} = \dfrac{15}{16}.

AttentionSans indépendance, pas de loi binomiale

Si l'on tire plusieurs boules sans remise, chaque tirage modifie le contenu de l'urne pour le suivant : les tirages ne sont pas indépendants, et le nombre de boules d'une couleur ne suit pas une loi binomiale. On compte alors avec les combinaisons, sous l'hypothèse d'équiprobabilité.

Quelle formule pour quelle question ?

MéthodeQuelle formule pour quelle question ?

  • « Combien de tirages ? » : simultané, CnpC_n^p ; successif sans remise, AnpA_n^p ; successif avec remise, npn^p.
  • « Au hasard », issues de même probabilité : p(A)=card⁡(A)card⁡(Ω)p(A) = \dfrac{\operatorname{card}(A)}{\operatorname{card}(\Omega)}.
  • « Au moins un », « au plus », « pas tous » : p(A)=1−p(A‾)p(A) = 1 - p(\overline{A}).
  • « AA ou BB » : p(A∪B)=p(A)+p(B)−p(A∩B)p(A \cup B) = p(A) + p(B) - p(A \cap B).
  • « Sachant que », « parmi » : pA(B)=p(A∩B)p(A)p_A(B) = \dfrac{p(A \cap B)}{p(A)}.
  • « AA, puis BB », un chemin de l'arbre : p(A∩B)=p(A)×pA(B)p(A \cap B) = p(A) \times p_A(B).
  • Probabilité d'un événement qui dépend d'une première étape : probabilités totales sur un système complet, p(B)=p(A1)×pA1(B)+⋯+p(An)×pAn(B)p(B) = p(A_1) \times p_{A_1}(B) + \cdots + p(A_n) \times p_{A_n}(B).
  • « Sachant BB, quelle est la probabilité de l'étape AiA_i ? » : pB(Ai)=p(Ai∩B)p(B)p_B(A_i) = \dfrac{p(A_i \cap B)}{p(B)}.
  • « AA et BB sont-ils indépendants ? » : comparer p(A∩B)p(A \cap B) et p(A)×p(B)p(A) \times p(B).
  • « Exactement kk succès en nn épreuves indépendantes » : Cnkpk(1−p)n−kC_n^k p^k (1 - p)^{n - k}.
  • « Gain moyen » : E(X)E(X) ; « dispersion » : V(X)=E(X2)−(E(X))2V(X) = E(X^2) - \big(E(X)\big)^2 et σ(X)=V(X)\sigma(X) = \sqrt{V(X)}.
  • « Nombre de succès » : loi B(n;p)\mathcal{B}(n ; p), avec E(X)=npE(X) = np et V(X)=np(1−p)V(X) = np(1 - p).
Événement contraire
p(A‾)=1−p(A)p(\overline{A}) = 1 - p(A)
Réunion
p(A∪B)=p(A)+p(B)−p(A∩B)p(A \cup B) = p(A) + p(B) - p(A \cap B)
Équiprobabilité
p(A)=card⁡(A)card⁡(Ω)p(A) = \dfrac{\operatorname{card}(A)}{\operatorname{card}(\Omega)}
Probabilité conditionnelle, si p(A) est non nulle
pA(B)=p(A∩B)p(A)p_A(B) = \dfrac{p(A \cap B)}{p(A)}
Probabilités composées
p(A∩B)=p(A)×pA(B)p(A \cap B) = p(A) \times p_A(B)
Probabilités totales
p(B)=p(A)×pA(B)+p(A‾)×pA‾(B)p(B) = p(A) \times p_A(B) + p(\overline{A}) \times p_{\overline{A}}(B)
Indépendance
p(A∩B)=p(A)×p(B)p(A \cap B) = p(A) \times p(B)
Espérance
E(X)=x1p1+x2p2+⋯+xrprE(X) = x_1 p_1 + x_2 p_2 + \cdots + x_r p_r
Variance
V(X)=E(X2)−(E(X))2V(X) = E(X^2) - \big(E(X)\big)^2
Écart-type
σ(X)=V(X)\sigma(X) = \sqrt{V(X)}
Loi binomiale
p(X=k)=Cnk pk (1−p)n−kp(X = k) = C_n^k \, p^k \, (1 - p)^{n - k}
Espérance et variance d'une loi binomiale
E(X)=npetV(X)=np(1−p)E(X) = np \quad \text{et} \quad V(X) = np(1 - p)