BURHAN.

Calcul des probabilités : Résumé de cours de Mathématiques 2BAC Sciences Expérimentales

Calcul des probabilités : résumé de maths 2BAC PC/SVT, avec les points essentiels, les formules et les méthodes à retenir pour réviser avant un contrôle. Pour les élèves de 2BAC PC, SVT, Sciences Agronomiques et Sciences et Technologies (STE, STM), option française (BIOF).

L'essentiel du chapitre

À retenirSix réflexes

  • Équiprobabilité justifiée : cite le mot de l'énoncé (« au hasard », « indiscernables au toucher », « équilibré ») avant d'écrire un quotient de cardinaux.
  • Un seul modèle de dénombrement par quotient : l'univers et l'événement se comptent de la même façon.
  • « Au moins un » se traite par le contraire, « aucun ».
  • Conditionnement : PA(B)P_A(B) exige P(A)≠0P(A) \neq 0, et ne se retourne pas en PB(A)P_B(A).
  • Indépendance : elle se prouve par un calcul ; l'incompatibilité est une tout autre notion.
  • Loi binomiale : épreuves identiques et indépendantes, deux issues, et XX compte les succès.

Chaque conclusion repose sur une justification précise.

Pour écrire… tu dois d'abord établir…
P(A)=card⁡(A)card⁡(Ω)P(A) = \dfrac{\operatorname{card}(A)}{\operatorname{card}(\Omega)} que les issues de Ω\Omega sont équiprobables
PA(B)=P(A∩B)P(A)P_A(B) = \dfrac{P(A \cap B)}{P(A)} que P(A)≠0P(A) \neq 0
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) que 0<P(A)<10 < P(A) < 1 (AA et A‾\overline{A} forment un système complet)
« AA et BB sont indépendants » l'égalité P(A∩B)=P(A)×P(B)P(A \cap B) = P(A) \times P(B)
« la loi de XX est complète » que la somme des probabilités du tableau vaut 11
« XX suit une loi binomiale » épreuves identiques, indépendantes, à deux issues ; XX compte les succès
Événement contraire
P(A‾)=1−P(A)P(\overline{A}) = 1 - P(A)
Réunion de deux événements
P(A∪B)=P(A)+P(B)−P(A∩B)P(A \cup B) = P(A) + P(B) - P(A \cap B)
Probabilités composées, si P(A) est non nulle
P(A∩B)=P(A)×PA(B)P(A \cap B) = P(A) \times P_A(B)
Espérance
E(X)=x1p1+x2p2+⋯+xnpnE(X) = x_1 p_1 + x_2 p_2 + \dots + x_n p_n
Variance, forme de calcul
V(X)=x12 p1+⋯+xn2 pn−(E(X))2V(X) = x_1^2\,p_1 + \dots + x_n^2\,p_n - \big(E(X)\big)^2
Loi binomiale de paramètres n et p
P(X=k)=Cnk pk (1−p)n−kP(X = k) = C_n^k \, p^k \, (1-p)^{n-k}

Dénombrer

PropriétéPrincipe multiplicatif

Si une situation se décompose en kk choix successifs, le premier pouvant 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, qui peut se faire de nkn_k façons, alors le nombre total de résultats possibles est n1×n2×⋯×nk.n_1 \times n_2 \times \dots \times n_k.

DéfinitionFactorielle

Pour tout entier naturel n≥1n \geq 1, la factorielle de nn est l'entier n!=1×2×⋯×nn! = 1 \times 2 \times \dots \times n. Par convention, 0!=10! = 1.

PropriétéArrangements avec répétition

Soit EE un ensemble fini à nn éléments (n≥1n \geq 1) et pp un entier naturel non nul. Une pp-liste d'éléments de EE, ou arrangement avec répétition, est une suite ordonnée (x1,x2,…,xp)(x_1, x_2, \dots, x_p) d'éléments de EE, distincts ou non. Le nombre de pp-listes d'éléments de EE est npn^p.

DéfinitionArrangements sans répétition

Soit EE un ensemble fini à nn éléments et pp un entier tel que 1≤p≤n1 \leq p \leq n. Un arrangement de pp éléments de EE est une pp-liste d'éléments de EE deux à deux distincts. Le nombre de ces arrangements est Anp=n×(n−1)×⋯×(n−p+1)=n!(n−p)!.A_n^p = n \times (n-1) \times \dots \times (n-p+1) = \dfrac{n!}{(n-p)!}.

PropriétéPermutations

Soit EE un ensemble fini à nn éléments (n≥1n \geq 1). Une permutation de EE est un arrangement de ses nn éléments, c'est-à-dire une façon de les ranger dans un ordre. Le nombre de permutations de EE est Ann=n!A_n^n = n!.

DéfinitionCombinaisons

Soit EE un ensemble fini à nn éléments et pp un entier tel que 0≤p≤n0 \leq p \leq n. Une combinaison de pp éléments de EE est une partie de EE qui contient exactement pp éléments. Le nombre de ces combinaisons est Cnp=n!p! (n−p)!.C_n^p = \dfrac{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!}.

PropriétéPropriétés des nombres C_n^p

Pour tous entiers nn et pp tels que 0≤p≤n0 \leq p \leq n :

  • Cn0=Cnn=1C_n^0 = C_n^n = 1 ;
  • Cnn−p=CnpC_n^{n-p} = C_n^p ;
  • si n≥1n \geq 1 : Cn1=nC_n^1 = n ;
  • si p≥1p \geq 1 : Cnp−1+Cnp=Cn+1pC_n^{p-1} + C_n^p = C_{n+1}^p.

Méthodetrouver le bon modèle

Avant de compter les tirages de pp objets parmi nn, pose-toi deux questions.

  1. Les résultats sont-ils rangés ? Un premier, un deuxième… : oui pour des tirages un par un, non pour une poignée tirée d'un coup.
  2. Un même objet peut-il revenir ? Oui seulement si on le remet avant le tirage suivant.

Les deux réponses désignent une ligne du tableau ci-dessous ; garde ensuite ce modèle pour tout le quotient.

Les trois modèles, illustrés par une urne de 88 jetons dont on tire 33 jetons.

Façon de tirer Rangé ? Retour possible ? Nombre de résultats Urne de 88 jetons, 33 tirés
un par un, jeton remis oui oui npn^p 83=5128^3 = 512
un par un, jeton gardé oui non AnpA_n^p A83=8×7×6=336A_8^3 = 8 \times 7 \times 6 = 336
les pp jetons d'un coup non non CnpC_n^p C83=3363!=56C_8^3 = \dfrac{336}{3!} = 56

ExempleContrôles express

  • Ranger les 44 faces d'un tétraèdre dans un ordre : 4!=244! = 24 façons.
  • Symétrie : choisir les 33 jetons tirés revient à choisir les 55 laissés, donc C85=C83=56C_8^5 = C_8^3 = 56.
  • Relation entre lignes : C52+C53=10+10=20=C63C_5^2 + C_5^3 = 10 + 10 = 20 = C_6^3.
  • Dans une urne de 55 jetons blancs et 33 noirs : C52=10C_5^2 = 10 paires de blancs, C53=10C_5^3 = 10 triplets de blancs, C32=3C_3^2 = 3 paires de noirs.

Probabilité d'un événement

DéfinitionExpérience aléatoire, univers, événements

Une expérience aléatoire est une expérience dont on connaît toutes les issues possibles, sans pouvoir prévoir laquelle se produira. L'ensemble de ses issues est l'univers, noté Ω\Omega ; on le suppose fini. Un événement est une partie de Ω\Omega ; un événement formé d'une seule issue est un événement élémentaire. Ω\Omega est l'événement certain et ∅\emptyset l'événement impossible. Un événement AA est réalisé lorsque l'issue obtenue appartient à AA.

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 n'appartiennent pas à AA.
  • L'événement A∩BA \cap B, lu « AA et BB », est réalisé lorsque AA et BB sont réalisés tous les deux.
  • L'événement A∪BA \cup B, lu « AA ou BB », est réalisé lorsque l'un au moins des deux est réalisé.
  • AA et BB sont incompatibles lorsque A∩B=∅A \cap B = \emptyset.

Un rectangle Ω contient deux cercles A et B qui se chevauchent. Tout ce qui est hors du cercle A est teinté : la partie de B extérieure à A et le reste du rectangle. Le cercle A, partie commune comprise, reste blanc.

Le contraire de A, teinté : tout l'univers sauf le disque A.

Même rectangle Ω avec les cercles A et B. Seule la lentille où les deux cercles se recouvrent est teintée ; le reste de A, le reste de B et l'extérieur sont blancs.

L'événement « A et B », teinté : la seule partie commune aux deux disques.

Même rectangle Ω avec les cercles A et B. Les deux cercles sont entièrement teintés, y compris leur partie commune ; seule la zone hors des deux cercles reste blanche.

L'événement « A ou B », teinté : les deux disques en entier, partie commune comprise.

DéfinitionProbabilité sur un univers fini

Soit Ω={ω1,ω2,…,ωn}\Omega = \{\omega_1, \omega_2, \dots, \omega_n\} l'univers fini d'une expérience aléatoire. Définir une probabilité sur Ω\Omega, c'est associer à chaque issue ωi\omega_i un réel pi≥0p_i \geq 0, de sorte que p1+p2+⋯+pn=1p_1 + p_2 + \dots + p_n = 1. La probabilité d'un événement AA, notée P(A)P(A), est la somme des pip_i des issues qui forment AA ; on pose P(∅)=0P(\emptyset) = 0.

PropriétéRègles de calcul des probabilités

Pour tous événements AA et BB d'un univers fini Ω\Omega :

  • P(Ω)=1P(\Omega) = 1 et 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) ;
  • si AA et BB sont incompatibles, P(A∪B)=P(A)+P(B)P(A \cup B) = P(A) + P(B).

PropriétéHypothèse d'équiprobabilité

Lorsque toutes les issues d'un univers fini Ω\Omega ont la même probabilité (hypothèse d'équiprobabilité), chacune a pour probabilité 1card⁡(Ω)\dfrac{1}{\operatorname{card}(\Omega)} et, pour tout événement AA : P(A)=card⁡(A)card⁡(Ω).P(A) = \dfrac{\operatorname{card}(A)}{\operatorname{card}(\Omega)}.

Méthodecalculer par équiprobabilité

  1. Cite ce qui rend les issues également probables : « au hasard », « indiscernables au toucher », « équilibré ».
  2. Compte les issues de l'univers avec le modèle retenu.
  3. Décris l'événement par une phrase, puis compte ses issues avec ce même modèle ; le principe multiplicatif sert souvent.
  4. Divise et simplifie : la réponse attendue est une fraction irréductible.

Méthode« au moins un »

Le contraire de « au moins un jeton noir » est « aucun jeton noir », c'est-à-dire « uniquement des blancs » : un seul cas à compter, au lieu de plusieurs. Calcule P(A‾)P(\overline{A}), puis conclus avec P(A)=1−P(A‾)P(A) = 1 - P(\overline{A}).

Exempletrois jetons d'un coup

Une urne contient 55 jetons blancs et 33 jetons noirs, indiscernables au toucher. On en tire 33 simultanément : les C83=56C_8^3 = 56 tirages sont équiprobables.

  • GG : « exactement deux blancs ». On choisit 22 blancs parmi 55, puis 11 noir parmi 33 : card⁡(G)=C52×C31=10×3=30\operatorname{card}(G) = C_5^2 \times C_3^1 = 10 \times 3 = 30, donc P(G)=3056=1528P(G) = \dfrac{30}{56} = \dfrac{15}{28}.
  • NN : « au moins un noir ». Son contraire, « trois blancs », regroupe C53=10C_5^3 = 10 tirages : P(N)=1−1056=1−528=2328P(N) = 1 - \dfrac{10}{56} = 1 - \dfrac{5}{28} = \dfrac{23}{28}.

Exempledeux lancers d'un tétraèdre

Un tétraèdre équilibré a ses faces numérotées de 11 à 44 ; on lit le numéro de la face cachée. On le lance deux fois : Ω\Omega est formé des 42=164^2 = 16 couples, équiprobables.

  • « La somme vaut 55 » : (1,4)(1, 4), (2,3)(2, 3), (3,2)(3, 2), (4,1)(4, 1), soit 416=14\dfrac{4}{16} = \dfrac{1}{4}.
  • AA : « le premier lancer donne 44 », BB : « le second donne 44 ». Par la réunion : P(A∪B)=14+14−116=716P(A \cup B) = \dfrac{1}{4} + \dfrac{1}{4} - \dfrac{1}{16} = \dfrac{7}{16}. Par le contraire : aucun 44 dans 32=93^2 = 9 couples, et 1−916=7161 - \dfrac{9}{16} = \dfrac{7}{16}. Les deux chemins s'accordent.

Probabilités conditionnelles

DéfinitionProbabilité conditionnelle

Soit AA un événement tel que P(A)≠0P(A) \neq 0. Pour tout événement BB, la probabilité de BB sachant AA est le réel PA(B)=P(A∩B)P(A).P_A(B) = \dfrac{P(A \cap B)}{P(A)}.

Arbre horizontal à deux niveaux. De la racine partent la branche A, notée P(A), et la branche A barre, notée P de A barre. Après A, les branches B et B barre portent P indice A de B et P indice A de B barre ; après A barre, elles portent les probabilités sachant A barre. Au bout de chaque chemin est écrit le produit des deux probabilités du chemin, par exemple P(A) × P indice A de B.

Arbre pondéré général : au premier niveau A et son contraire, au second les probabilités sachant la première branche, et au bout de chaque chemin le produit des deux nombres lus.

PropriétéProbabilités composées

Pour tous événements AA et BB tels que P(A)≠0P(A) \neq 0 : P(A∩B)=P(A)×PA(B).P(A \cap B) = P(A) \times P_A(B).

DéfinitionSystème complet d'événements

Des événements A1,A2,…,AnA_1, A_2, \dots, A_n (n≥2n \geq 2) d'un univers Ω\Omega forment un système complet d'événements lorsqu'ils sont deux à deux incompatibles et que leur réunion est Ω\Omega : A1∪A2∪⋯∪An=Ω.A_1 \cup A_2 \cup \dots \cup A_n = \Omega. Pour tout événement AA, les événements AA et A‾\overline{A} forment un système complet.

ThéorèmeFormule des probabilités totales

Soit A1,A2,…,AnA_1, A_2, \dots, A_n un système complet d'événements dont aucun n'a une probabilité nulle. Pour tout événement BB : 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) + \dots + 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).

Méthodede l'arbre au tableau des chemins

  1. Le premier niveau est un système complet : nomme-le (AA et A‾\overline{A}, ou A1,…,AnA_1, \dots, A_n) et donne ses probabilités.
  2. Le second niveau porte des probabilités sachant la branche du premier.
  3. Une ligne du tableau correspond à un chemin ; sa probabilité est le produit des deux nombres lus.
  4. P(D)P(D) est la somme des lignes qui aboutissent à DD.
  5. Pour remonter, PD(A)P_D(A), repars de la définition, avec P(D)≠0P(D) \neq 0.

Exempledeux jetons l'un après l'autre

Dans l'urne de 55 blancs et 33 noirs, on tire un jeton, on le garde, puis on en tire un second. N1N_1 : « le premier est noir » ; B2B_2 : « le second est blanc ».

P(N1)=38P(N_1) = \dfrac{3}{8} ; si N1N_1 est réalisé, il reste 55 blancs et 22 noirs, donc PN1(B2)=57P_{N_1}(B_2) = \dfrac{5}{7}. Ainsi P(N1∩B2)=38×57=1556,P(N_1 \cap B_2) = \dfrac{3}{8} \times \dfrac{5}{7} = \dfrac{15}{56}, ce que confirme le dénombrement : 3×5=153 \times 5 = 15 résultats sur A82=56A_8^2 = 56.

Exemplecontrôle de qualité

Une usine fabrique des pièces dans deux ateliers. On prend une pièce au hasard. AA : « elle vient du premier atelier », avec P(A)=35P(A) = \dfrac{3}{5} ; DD : « elle est défectueuse ». On sait que PA(D)=140P_A(D) = \dfrac{1}{40} et PA‾(D)=116P_{\overline{A}}(D) = \dfrac{1}{16}. Le système complet est formé de AA et A‾\overline{A}.

Chemin Probabilité
A∩DA \cap D 35×140=3200\dfrac{3}{5} \times \dfrac{1}{40} = \dfrac{3}{200}
A∩D‾A \cap \overline{D} 35×3940=117200\dfrac{3}{5} \times \dfrac{39}{40} = \dfrac{117}{200}
A‾∩D\overline{A} \cap D 25×116=140\dfrac{2}{5} \times \dfrac{1}{16} = \dfrac{1}{40}
A‾∩D‾\overline{A} \cap \overline{D} 25×1516=38\dfrac{2}{5} \times \dfrac{15}{16} = \dfrac{3}{8}

Total des chemins : 11. Puis P(D)=3200+140=8200=125P(D) = \dfrac{3}{200} + \dfrac{1}{40} = \dfrac{8}{200} = \dfrac{1}{25}, et PD(A)=3/2008/200=38P_D(A) = \dfrac{3/200}{8/200} = \dfrac{3}{8}.

Indépendance

DéfinitionIndépendance de deux événements

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 conditionnement

Soit AA et BB deux événements.

  • Si P(A)≠0P(A) \neq 0 : AA et BB sont indépendants si et seulement si PA(B)=P(B)P_A(B) = P(B).
  • Si AA et BB sont indépendants, alors A‾\overline{A} et BB sont indépendants.

PropriétéÉpreuves indépendantes

Lorsqu'une expérience est formée d'épreuves indépendantes, c'est-à-dire telles que le résultat de l'une ne modifie pas les probabilités des résultats des autres, la probabilité d'obtenir une liste donnée de résultats est le produit des probabilités de chacun de ces résultats.

Méthodetrancher sur l'indépendance

Calcule séparément trois nombres : P(A)P(A), P(B)P(B) et P(A∩B)P(A \cap B). Si P(A∩B)=P(A)×P(B)P(A \cap B) = P(A) \times P(B), les événements sont indépendants ; sinon, ils ne le sont pas. Quand P(A)≠0P(A) \neq 0, comparer PA(B)P_A(B) à P(B)P(B) revient au même. Ne conclus jamais sans ce calcul : ni l'intuition ni l'incompatibilité ne le remplacent.

ExempleExemples

  • Un lancer du tétraèdre : Ω={1,2,3,4}\Omega = \{1, 2, 3, 4\}, chaque issue de probabilité 14\dfrac{1}{4}. AA : « pair » ={2,4}= \{2, 4\} et BB : « au plus 22 » ={1,2}= \{1, 2\}. Comme A∩B={2}A \cap B = \{2\}, P(A∩B)=14=12×12P(A \cap B) = \dfrac{1}{4} = \dfrac{1}{2} \times \dfrac{1}{2} : AA et BB sont indépendants.
  • Contrôle de qualité : P(A∩D)=3200P(A \cap D) = \dfrac{3}{200} alors que P(A)×P(D)=35×125=3125P(A) \times P(D) = \dfrac{3}{5} \times \dfrac{1}{25} = \dfrac{3}{125}. L'atelier d'origine et le défaut ne sont pas indépendants.
  • Épreuves indépendantes : deux lancers du tétraèdre donnent « 44 puis un impair » avec la probabilité 14×12=18\dfrac{1}{4} \times \dfrac{1}{2} = \dfrac{1}{8}, soit 22 couples sur 1616.

Variable aléatoire

DéfinitionVariable aléatoire

Une variable aléatoire XX définie sur un univers fini Ω\Omega est une application qui associe un nombre réel à chaque issue de Ω\Omega. On note X(Ω)={x1,x2,…,xn}X(\Omega) = \{x_1, x_2, \dots, x_n\} l'ensemble de ses valeurs et (X=xi)(X = x_i) l'événement formé des issues auxquelles XX associe xix_i.

DéfinitionLoi de probabilité d'une variable aléatoire

Soit XX une variable aléatoire telle que X(Ω)={x1,x2,…,xn}X(\Omega) = \{x_1, x_2, \dots, x_n\}. La loi de probabilité de XX est la donnée, pour chaque valeur xix_i, de la probabilité pi=P(X=xi)p_i = P(X = x_i). On la présente dans un tableau, et p1+p2+⋯+pn=1p_1 + p_2 + \dots + p_n = 1.

DéfinitionEspérance mathématique

Soit XX une variable aléatoire de loi pi=P(X=xi)p_i = P(X = x_i), pour ii de 11 à nn. L'espérance mathématique de XX est le réel E(X)=x1p1+x2p2+⋯+xnpn.E(X) = x_1 p_1 + x_2 p_2 + \dots + x_n p_n.

DéfinitionVariance et écart-type

Avec les mêmes notations, la variance de XX est le réel positif V(X)=p1(x1−E(X))2+p2(x2−E(X))2+⋯+pn(xn−E(X))2,V(X) = p_1\big(x_1 - E(X)\big)^2 + p_2\big(x_2 - E(X)\big)^2 + \dots + p_n\big(x_n - E(X)\big)^2, et l'écart-type de XX est σ(X)=V(X)\sigma(X) = \sqrt{V(X)}.

PropriétéCalcul pratique de la variance

Avec les mêmes notations : V(X)=x12 p1+x22 p2+⋯+xn2 pn−(E(X))2.V(X) = x_1^2\,p_1 + x_2^2\,p_2 + \dots + x_n^2\,p_n - \big(E(X)\big)^2.

Méthodela loi, puis E, V et σ

  1. Écris toutes les valeurs que peut prendre XX.
  2. Pour chacune, traduis (X=xi)(X = x_i) par une phrase, puis calcule sa probabilité.
  3. Range le tout dans un tableau à deux lignes et vérifie que la somme fait 11.
  4. E(X)E(X) : somme des produits xi pix_i\,p_i. Ensuite, somme des xi2 pix_i^2\,p_i, dont tu retranches (E(X))2\big(E(X)\big)^2 : c'est V(X)V(X).
  5. Une variance négative trahit une erreur ; sinon, σ(X)=V(X)\sigma(X) = \sqrt{V(X)}, en valeur exacte.

Ni la variance ni l'écart-type ne sont demandés dans les 1515 sujets consultés (voir « Au bac ») ; ils restent utiles pour mesurer la dispersion de XX.

Exemplenombre de jetons noirs

On reprend les 33 jetons tirés d'un coup dans l'urne de 55 blancs et 33 noirs. XX : nombre de noirs tirés ; X(Ω)={0,1,2,3}X(\Omega) = \{0, 1, 2, 3\}. Les cardinaux sont C53=10C_5^3 = 10, C31×C52=30C_3^1 \times C_5^2 = 30, C32×C51=15C_3^2 \times C_5^1 = 15 et C33=1C_3^3 = 1, de total 5656.

xix_i 00 11 22 33
P(X=xi)P(X = x_i) 528\dfrac{5}{28} 1528\dfrac{15}{28} 1556\dfrac{15}{56} 156\dfrac{1}{56}

E(X)=30+30+356=6356=98E(X) = \dfrac{30 + 30 + 3}{56} = \dfrac{63}{56} = \dfrac{9}{8}, puis V(X)=9956−8164=225448V(X) = \dfrac{99}{56} - \dfrac{81}{64} = \dfrac{225}{448} et σ(X)=1587=15756\sigma(X) = \dfrac{15}{8\sqrt{7}} = \dfrac{15\sqrt{7}}{56}.

Schéma de Bernoulli et loi binomiale

DéfinitionÉpreuve de Bernoulli et schéma de Bernoulli

Une épreuve de Bernoulli est une épreuve à deux issues : le succès, de probabilité pp, et l'échec, de probabilité 1−p1 - p. Répéter nn fois une épreuve de Bernoulli, dans des conditions identiques et de façon indépendante, c'est réaliser un schéma de Bernoulli de paramètres nn et pp.

ThéorèmeLoi binomiale

Soit XX le nombre de succès d'un schéma de Bernoulli de paramètres nn et pp, avec n≥1n \geq 1 et 0<p<10 < p < 1. Pour tout entier kk tel que 0≤k≤n0 \leq k \leq n : P(X=k)=Cnk pk (1−p)n−k.P(X = k) = C_n^k \, p^k \, (1-p)^{n-k}. On dit que XX suit la loi binomiale de paramètres nn et pp.

PropriétéEspérance et variance d'une loi binomiale

Si XX suit la loi binomiale de paramètres nn et pp, alors E(X)=npetV(X)=np(1−p).E(X) = np \quad \text{et} \quad V(X) = np(1-p).

Méthodereconnaître une loi binomiale

  1. L'épreuve : décris ce qui est répété et ses deux issues ; appelle « succès » l'une d'elles et donne sa probabilité pp.
  2. Les répétitions : explique pourquoi les nn épreuves sont identiques et indépendantes (jeton remis, lancers successifs…).
  3. La variable : XX doit compter les succès. Conclus : XX suit la loi binomiale de paramètres nn et pp.
  4. Les calculs : P(X=k)=Cnk pk (1−p)n−kP(X = k) = C_n^k\,p^k\,(1-p)^{n-k} ; pour « au moins un succès », passe par P(X=0)=(1−p)nP(X = 0) = (1-p)^n.

Exempletrois lancers du tétraèdre

On lance 33 fois le tétraèdre équilibré. Succès : « le 44 sort », de probabilité 14\dfrac{1}{4}. Les lancers sont identiques et indépendants, et XX compte les succès : XX suit la loi binomiale de paramètres 33 et 14\dfrac{1}{4}.

kk 00 11 22 33
P(X=k)P(X = k) 2764\dfrac{27}{64} 2764\dfrac{27}{64} 964\dfrac{9}{64} 164\dfrac{1}{64}

Par exemple, P(X=1)=C31×14×(34)2=2764P(X = 1) = C_3^1 \times \dfrac{1}{4} \times \left(\dfrac{3}{4}\right)^2 = \dfrac{27}{64}. Puis P(X≥1)=1−(34)3=3764P(X \geq 1) = 1 - \left(\dfrac{3}{4}\right)^3 = \dfrac{37}{64}, E(X)=3×14=34E(X) = 3 \times \dfrac{1}{4} = \dfrac{3}{4} et V(X)=3×14×34=916V(X) = 3 \times \dfrac{1}{4} \times \dfrac{3}{4} = \dfrac{9}{16}.

Six pièges classiques

AttentionIncompatibles ne signifie pas indépendants

Un lancer du tétraèdre : C={1}C = \{1\} et D={3}D = \{3\} sont incompatibles, donc P(C∩D)=0P(C \cap D) = 0, alors que P(C)×P(D)=116P(C) \times P(D) = \dfrac{1}{16} : ils ne sont pas indépendants. Avec deux probabilités non nulles, l'incompatibilité interdit l'indépendance : savoir que CC est réalisé rend DD impossible. À l'inverse, {2,4}\{2, 4\} et {1,2}\{1, 2\} sont indépendants sans être incompatibles.

AttentionLe conditionnement ne se retourne pas

Au contrôle de qualité, PA(D)=140P_A(D) = \dfrac{1}{40} : une pièce du premier atelier est rarement défectueuse. Pourtant PD(A)=38P_D(A) = \dfrac{3}{8} : parmi les pièces défectueuses, plus d'une sur trois vient de cet atelier. Pour inverser, repasse toujours par PD(A)=P(A∩D)P(D)P_D(A) = \dfrac{P(A \cap D)}{P(D)}.

AttentionL'équiprobabilité ne se décrète pas

Deux lancers du tétraèdre : la somme SS prend 77 valeurs, de 22 à 88, qui ne sont pas également probables. Sur les 1616 couples équiprobables, un seul donne 22 et quatre donnent 55 : P(S=2)=116P(S = 2) = \dfrac{1}{16} et P(S=5)=14P(S = 5) = \dfrac{1}{4}, et non 17\dfrac{1}{7}. Le mot « équilibré » rend équiprobables les couples, pas les sommes.

AttentionUn seul modèle par quotient

On tire 22 jetons de l'urne (55 blancs, 33 noirs) ; on cherche la probabilité de deux blancs. D'un coup : C52C82=1028=514\dfrac{C_5^2}{C_8^2} = \dfrac{10}{28} = \dfrac{5}{14}. Un par un, sans remise : A52A82=2056=514\dfrac{A_5^2}{A_8^2} = \dfrac{20}{56} = \dfrac{5}{14}. Les deux modèles s'accordent. Le quotient hybride A52C82=2028=57\dfrac{A_5^2}{C_8^2} = \dfrac{20}{28} = \dfrac{5}{7} est faux : il range l'événement mais pas l'univers.

AttentionSans remise, pas de loi binomiale

On tire 22 jetons un par un dans la même urne ; YY compte les blancs. Sans remise, le second tirage dépend du premier : « un seul blanc » regroupe 5×3+3×5=305 \times 3 + 3 \times 5 = 30 résultats sur A82=56A_8^2 = 56, donc P(Y=1)=3056=1528P(Y = 1) = \dfrac{30}{56} = \dfrac{15}{28}. La loi binomiale de paramètres 22 et 58\dfrac{5}{8} annoncerait C21×58×38=1532C_2^1 \times \dfrac{5}{8} \times \dfrac{3}{8} = \dfrac{15}{32}, valeur exacte seulement avec remise. Avant d'écrire « binomiale », vérifie l'indépendance des épreuves.

AttentionL'espérance n'est pas forcément une valeur de X

Pour le nombre de jetons noirs, E(X)=98E(X) = \dfrac{9}{8}, alors que XX ne prend que les valeurs 00, 11, 22 et 33. L'espérance est la moyenne des valeurs, chacune pondérée par sa probabilité ; rien n'oblige ce nombre à être une valeur de XX.

Au bac

Constats sur 15 sujets nationaux 2BAC SE (option française, 2016 à 2020 et 2023 à 2025) : 13 contiennent un exercice de probabilités, et 11 barèmes de cet exercice ont été lus. Ces fréquences décrivent ces sujets-là, pas le prochain examen.

Question Sujets, sur 13 Points
probabilité d'un événement par équiprobabilité 13 0,5 à 1 par probabilité
loi d'une variable aléatoire 7 0,5 à 2
répétition d'épreuves, loi binomiale 4 0,5 à 2
« au moins… » 3 0,5 à 1
indépendance de deux événements 3 0,5
probabilité conditionnelle 2 0,5 à 0,75
espérance 2 0,25

RemarqueLa forme de l'exercice

  • Un exercice indépendant de 33 points dans 1010 des 1313 sujets.
  • L'expérience est toujours une urne : tirage simultané dans 99 sujets, successif sans remise dans 33, successif avec remise dans 11, transfert entre deux urnes dans 11.
  • Non relevé dans ces 1515 sujets, ce qui ne veut pas dire « jamais demandé » : variance et écart-type, réunion P(A∪B)P(A \cup B) demandée explicitement, formule des probabilités totales demandée explicitement, dés.

MéthodeRédiger pour ne perdre aucun point

  1. Sépare la formule et le résultat : les barèmes lus notent le plus souvent à part le cardinal (ou la formule) et la valeur finale.
  2. Donne de préférence une fraction irréductible : c'est la forme de tous les résultats des barèmes lus.
  3. Indépendance : réponse et justification valent chacune 0,250{,}25 dans les barèmes lus ; écris le calcul.
  4. « Au moins… » : annonce le passage au contraire ; il est noté à part dans un barème.

Checklist avant le devoir

À retenirJe sais…

  • choisir entre npn^p, AnpA_n^p et CnpC_n^p selon le tirage, et garder ce modèle pour tout le quotient ;
  • justifier l'équiprobabilité par l'énoncé, puis calculer P(A)P(A) en fraction irréductible ;
  • passer par l'événement contraire pour « au moins un » ;
  • lire un arbre en tableau des chemins : produits, puis somme sur un système complet nommé ;
  • calculer PA(B)P_A(B) seulement quand P(A)≠0P(A) \neq 0, sans le confondre avec PB(A)P_B(A) ;
  • prouver ou réfuter une indépendance par le calcul ;
  • dresser la loi de XX, contrôler la somme 11, puis calculer E(X)E(X), V(X)V(X) et σ(X)\sigma(X) ;
  • reconnaître une loi binomiale en nommant ses hypothèses et ses paramètres.