Probabilités - T S
Classe:
Terminale
Exemple :
Une urne contient une boule rouge, une boule noire et une boule verte. On tire successivement deux boules de l'urne en remettant la boule tirée dans l'urne après chaque tirage.
I Vocabulaire
I.1 Univers
L'ensemble des résultats possibles est appelé univers Ω.
Dans l'exemple on a :
Ω={(R, R), (R, N), (R, V), (V, V), (V, R), (V, N), (N, N), (N, R), (N, V)}
Ω est l'ensemble des 2−listes (couples) pris dans un ensemble à trois (3) éléments (1N, 1R, 1V).
Donc CardΩ=32=9
I.2 Événement
Toute partie E⊂Ω est appelée événement.
Exemple :
A1={(R, R)} = "tirer 2 boules rouges"
A={(R, R), (V, V), (N, N)} = "tirer 2 boules de même couleur"
B={(R, N), (R, V), (V, R), (V, N), (N, R), (N, V)} = "tirer 2 boules de couleurs différentes"
C={(R, V), (V, V), (V, R), (V, N), (N, V)} = "tirer au moins une boule verte"
D={(R, R), (V, V)} = "tirer 2 boules rouges ou 2 boules vertes"
On dira qu'un événement E est réalisé si le résultat de l'expérience appartient à E.
⋅ Événement certain : l'univers Ω est appelé événement certain.
⋅ Événement impossible : l'ensemble vide ∅ est appelé événement impossible.
Dans l'exemple, l'événement "tirer boules jaunes" est ∅ . C'est l'événement impossible. Il ne se réalise jamais.
⋅ Événement élémentaire : tout singleton de Ω est appelé événement élémentaire.
Exemple :
A1={(R, R)} et B1={(R, V)} sont des événements élémentaires.
Remarque :
un événement quelconque est une réunion d'événements élémentaires.
⋅ Événement E ou F : l'événement E ou F noté E∪F est réalisé si le résultat de l'expérience appartient à E ou appartient à F.
A∪C={(R, R), (V, V), (N, N), (R, V), (V, R), (V, N), (N, V)} = "tirer au moins une boule verte ou 2 boules de même couleur"
⋅ Événement E et F : l'événement E et F noté E∩F est réalisé si le résultat de l'expérience appartient à E et appartient à F.
A∩C={(V, V)}
⋅ Événements incompatibles : deux événements E et F sont dits incompatibles si E∩F=∅ (c'est-à-dire qu'on ne peut réaliser E et F en même temps).
Exemple :
A et B ou encore B et D sont incompatibles.
⋅ Événements contraires : deux événements E et F sont dits contraires s'ils sont incompatibles et vérifient E∪F=Ω.
L'événement contraire de E est noté ¯E.
Exemple :
A et B sont contraires
B et D sont incompatibles mais ne sont pas contraires.
⋅ Partition de l'univers Ω :
E1, E2, …, En forment une partition de l'univers Ω si {Ei∩Ej=∅ si i≠jE1∪E2∪…∪En=⋃ni=1Ei=Ω
Remarque :
deux événements contraires constituent une partition de l'univers Ω.
II Définition et propriétés
Dans l'exemple nous avons CardΩ=9
Soit A1={(R, R)} alors, l'événement A1 a une chance sur 9 d'être réalisé.
On dira que la probabilité de A1 notée p(A1) est 19.
p(A1)=19
L'événement A a 3 chance sur 9 d'être réalisé
p(A)=39=13
L'événement B a 6 chance sur 9 d'être réalisé
p(B)=69=23
II.1 Définition
on appelle probabilité l'application notée p : P(Ω)⟶[0, 1]A⟶p(A)
qui vérifie
i) p(Ω)=1
ii) ∀E et F, p(E∪F)=p(E)+p(F)−p(E∩F)
avec si E={ei; i∈I} , alors p(E)=∑i∈Ip({ei})
II.2 Propriétés
⋅ p(∅)=0
⋅ si E∩F=∅ alors, p(E∪F)=p(E)+p(F)
⋅ p(E)+p(¯E)=1
⋅ si E1, E2, …, En forment une partition de Ω alors, ∑ni=1p(Ei)=1
⋅ soit Ω={ω1, ω2, ω3, …, ωn} avec ωi événement élémentaire.
Si les événements élémentaires ont la même probabilité, on dira qu'il y a équiprobabilité et dans ce cas ; E quelconque p(E)=CardECardΩ
II.3 Événements indépendants
Deux événements E et F sont dits indépendants si, et seulement si, p(E∩F)=p(E)×p(F)
Exercice d'application
Dans un jeu de 32 cartes, on tire simultanément 4 cartes.
1) Calculer la probabilité de tirer
a) exactement un roi
b) un roi de cœur
c) exactement un roi et un cœur
d) exactement un roi ou un cœur
2) Les événements de a) et de b) sont-ils indépendants ?
Résolution
L'univers Ω est l'ensemble des partes à 4 éléments pris dans 32 cartes.
1) CardΩ=C432=35960
a) Soit A l'événement "tirer exactement un roi"
p(A)=C14×C328C432=0.36
b) Soit B l'événement "tirer un roi de cœur"
p(B)=C11×C331C432=0.12
c) Soit C l'événement "tirer exactement un roi et un cœur"
p(C)=C11×C324+C13×C17×C221C432=0.17
d) Soit D l'événement "tirer exactement un roi ou un cœur"
On a : D=A∪E avec E l'événement "tirer exactement un cœur"
donc, p(D)=p(A∪E)=p(A)+p(E)−p(A∩E) or, A∩E=C
On a p(E)=C18×C324C432=0.45
ainsi, p(D)=0.36+0.45−0.17=0.64
2) A et B indépendants ⇔ p(A∩B)=p(A)×p(B)
On a p(A∩B)=C11×C328C432=0.09
p(A)×p(B)=0.36×0.12=0.04
On voit bien que p(A∩B)≠p(A)×p(B)
donc A et B ne sont pas indépendants.
III Probabilités conditionnelles
Exemple :
Dans une entreprise on compte 200 hommes et 80 filles. Parmi les hommes on a 20 cadres et le reste des ouvriers. Parmi les filles, 6 cadres et le reste des ouvriers.
On choisit une personne au hasard.
Déterminer la probabilité pour que la personne choisie soit :
a) un ouvrier
b) un cadre
c) un homme ; une femme
d) un homme sachant que c'est un cadre
e) un cadre sachant que c'est un homme
f) un homme cadre
g) une femme sachant que c'est un cadre
h) un cadre sachant que c'est une femme
Résolution :
Soit le tableau suivant :
Hommes (H)Femmes (F)TotalOuvrier (O)18074254Cadre (C)20626Total20080280
a) Soit O l'événement "la personne choisie soit un ouvrier"
On a p(O)=C1254280=254280=127140
b) C est l'événement "la personne choisie soit un cadre"
On a p(C)=C126280=26280=13140
c) la personne choisie est un homme. Soit H cet événement.
On a p(H)=C1200280=200280=57
Si la personne choisie est une femme, dans ce cas on aura p(F)=27 avec F cet événement.
d) On choisit un homme sachant que c'est un cadre. Soit (H/C) cet événement.
On a p(H/C) ou pC(H)=C12026=2026=1013
e) Choisir un cadre sachant qu'il est un homme.
On a pH(C)=C120200=110
f) Soit H∩C l'événement "la personne choisie est un homme cadre".
On a p(H∩C)=20280=114
g) La probabilité de l'événement "choisir une femme sachant que c'est un cadre" est donnée par :
pC(F)=C1626=626=313
h) Choisir un cadre sachant que c'est une femme.
La probabilité de cet événement est :
pF(C)=C1680=680=340
Arbre des probabilités

III.1 Définition
On appelle probabilité de B sachant A (qui est la probabilité pour que B soit réalisé sachant que A est réalisé) noté pA(B) ou p(B/A).
On a pA(B) ou p(B/A)=p(A∩B)p(A)
III.2 Propriétés
Soient A et B deux événements quelconques, alors on a :
⋅ pB(A)=p(A∩B)p(B)
⋅ pA(B)=p(A∩B)p(A)
⋅ p(A∩B)=pA(B)×p(A)=pB(A)×p(B)
⋅ A et B sont indépendants si pA(B)=p(B) ou encore si pB(A)=p(A)
⋅ Formule des probabilités totales ou Loi de Bayes
Si E1, E2, …, En forment une partition de Ω; A un événement, alors on a :
p(A)=p(A∩Ω)=p[A∩(E1∪E2∪…∪En)]=p(A∩E1)+p(A∩E2)+……+p(A∩En)
donc, p(A)=p(A∩E1)+p(A∩E2)+……+p(A∩En)
ce qui donne p(A)=p(A/E1)×p(E1)+p(A/E2)×p(E2)+……+p(A/En)×p(En)
Cette dernière relation est appelée formule des probabilités totales.
Dans l'exemple précédent, nous pouvons donc écrire :
p(H)=p(H∩O)+p(H∩C)=p(H/O)×p(O)+p(H/C)×p(C)
p(C)=p(C∩F)+p(C∩H)=p(C/F)×p(F)+p(C/H)×p(H)
IV Schéma de Bernoulli
IV.1 Épreuve de Bernoulli
Une épreuve de Bernoulli est une expérience aléatoire qui n'a que deux issues : le succès (S) et l'échec (E).
Exemple :
− lancée d'une pièce de monnaie (Pile et Face)
− naissance d'un enfant (garçon ou fille)
− lancée de dé ; obtenir 6 ou ne pas obtenir 6
− tirage d'une boule ; obtenir une couleur donnée, ne pas obtenir cette couleur.
Considérons un nombre réel p∈[0, 1] et soit p(S)=p.
On a p(S)+p(E)=1 ⇒ p(E)=1−p(S). soit q cette probabilité.
Exemple :
Une expérience consiste à lancer un dé.
Soit les événements S= "obtenir la face 6 " et ¯S = "ne pas obtenir la face 6"
On a p(S)=16,p(¯S)=56
IV.2 Schéma de Bernoulli
Un schéma de Bernoulli est une répétition de n épreuves de Bernoulli identiques dans les mêmes conditions.
Exemple :
On lance 6 fois de suite un dé parfait numéroté de 1 à 6.
Quelle est la probabilité d'obtenir 1(6), 2(6), 3(6) ?
Résolution :
Soient les événements S=succès="obtenir le numéro 6" et E=échec="ne pas obtenir le numéro 6"
− obtenir 1(6) signifie avoir réalisé SEEEEE.
Soit X le nombre de succès obtenus.
On a p(X=1)=16×(56)5×C16=0.40
− obtenir 2 fois le numéro 6 revient à observer SSEEEE.
Donc p(X=2)=(16)2×(56)4×C26=0.20
− obtenir 3 fois le numéro 6 équivaut à réaliser SSSEEE.
Ainsi, p(X=3)=(16)3×(56)3×C36=0.05
Dans le cas général, la probabilité pour obtenir k succès sur les n épreuves est p(X=k)=Ckn.(p(S))k.(p(E))n−k
Or, p(E)=1−p(S)
Donc,
p(X=k)=Ckn.(p(S))k.(1−p(S))n−k
Exercice d'application
Une personne répond au hasard à 20 questions. Pour chaque question, on a une réponse juste et deux fausses.
Quelle est la probabilité pour qu'elle trouve
a) 2 questions ?
b) 6 questions ?
c) au moins 2 questions ?
Résolution :
Soient les événements S=succès="trouver la réponse" et E=échec="ne pas trouver la réponse".
Alors, p(S)=13
On est en présence d'un schéma de Bernoulli.
Donc si X est le nombre de questions trouvées, alors
a) p(X=2)=C220×(13)2×(23)18=0.014
b) p(X=6)=C620×(13)6×(23)14=0.18
c) p(X≥2)=1−p(X≤1)=1−(p(X=0)+p(X=1))=1−C020×(13)0×(23)20−C120×(13)1×(23)19=0.55
V Variable aléatoire
V.1 Définition
Un variable aléatoire est une application
X : P(Ω)⟶RA⟶X(A)
L'ensemble des valeurs prises par X est appelé univers image noté X(Ω).
Exemple :
Une urne contient 6 boules rouges, 4 boules noires et 2 boules vertes. On tire successivement 3 boules de l'urne en remettant la boule tirée dans l'urne après chaque tirage.
1) Soit X la variable aléatoire égale au nombre de boules noires tirées.
Déterminer X(Ω)
2) Si on tire 3 boules de même couleur , on perd 200F
Si on a 2 couleurs, on en gagne 50F
Si les 3 boules tirées sont de couleurs différentes, on gagne 100F
Soit Y, la valeur égale au gain du joueur.
Déterminer Y(Ω)
3) Pour chaque boule rouge tirée, le joueur gagne 100F, chaque noire, 50F et pour chaque boule verte il perd 50F.
Un joueur mise 100F.
Soit Z la valeur du gain.
Déterminer Z(Ω)
Solution :
1) X(Ω)={0, 1, 2, 3}
2) Y(Ω)={−200, 50, 100}
3) Z(Ω)={−250, −150, −100, −50, 0, 50, 100, 150, 200}
V.2 Loi de probabilité
Soit X une variable aléatoire d'univers image X(Ω)={x1, x2, …, xn}.
La loi de probabilité est l'application qui associe à chaque xi de X(Ω) sa probabilité p(X=xi).
On le présente sous forme de tableau.
xix1x2x3……xnp(X=xi)
Pour le 1) de notre exemple on a X(Ω)={0, 1, 2, 3}
Ainsi, p(X=0)=83123=827=0.29
p(X=1)=(41×82)×3123=49=0.44
p(X=2)=(42×81)×3123=29=0.22
p(X=3)=43123=127=0.03
xi0123p(X=xi)8/274/92/91/27
V.3 Espérance mathématique - Variance - Écart type
L'espérance mathématique d'une variable aléatoire X est le réel noté
E(X)=n∑i=1xi.p(X=xi)=x1.p(X=x1)+x2.p(X=x2)+……+xn.p(X=xn)
La variance d'une variable aléatoire X est le réel noté
V(X)=E(X2)−(E(X))2=n∑i=1x2i.p(X=xi)−(E(X))2
et son écart type est noté σ(X)=√V(X)
Remarque :
Une variable aléatoire X est dite centrée ou que le jeu est équitable si, E(X)=0
si E(X)>0 alors le jeu est favorable
si E(X)<0 on dit que le jeu est défavorable
Exemple :
Considérons le 1) de l'exemple précédent alors, on a :
E(X)=∑ni=1xi.p(X=xi)=0×827+1×49+2×29+3×127=49+49+327=1
V(X)=E(X2)−(E(X))2=∑ni=1x2i.p(X=xi)−(E(X))2=02×827+12×49+22×29+32×127−1=49+89+927−1=4527−1=23
σ(X)=√V(X)=√23
Remarque :
Pour un schéma de Bernoulli; p(S)=p, p(¯S)=1−p
On a : p(X=k)=Ckn.pk.(1−p)n−k
Soit X la variable aléatoire égale au nombre de succès alors, X(Ω)={0, 1, 2, ……, n}
Et on a :
E(X)=n∑k=0Ckn.pk.(1−p)n−k=n.p
V(X)=np(1−p)
V.4 Fonction de répartition
La fonction de répartition d'une variable aléatoire est la fonction définie sur R par :
p(X=xi)=pi
F(x)={0six<x1p1six1≤x<x2p1+p2six2≤x<x3⋮p1+p2+p3+…+pksixk≤x<xk+1⋮p1+p2+p3+…+pn−1sixn−1≤x<xn1six≥xn
F est une fonction en escalier.
Exemple :
En considérant le 1) de l'exemple précédent on obtient xi0123p(X=xi)8/274/92/91/27
Ce qui entraine F(x)={0six<0827si0≤x<12027si1≤x<22627si2≤x<31six≥3

Auteur:
Diny Faye & Seyni Ndiaye
Commentaires
Elève sérieux (non vérifié)
jeu, 03/27/2025 - 14:12
Permalien
besoin de ce support
Ajouter un commentaire