Al7ma20tepa0111 Sequence 04

Squence 4
Statistique descriptive
Notion de probabilit
Sommaire
1. Prrequis
2. Statistique descriptive
3. Notion de probabilit
4. Algorithmique
5. Synthse de la squence
6. Exercices dapprofondissement
Squence 4 MA20
Cned Acadmie en ligne
1 Prrequis
A
Statistiques
Vocabulaire, reprsentation
graphique
savoir
Une srie statistique porte sur un caractre (ge, poids, couleur, etc.) dont on a relev certaines modalits (10 ans, 15 ans, 20 ans, etc.).
Les donnes sont prsentes dans un tableau dans lequel on indique, pour chaque modalit du caractre,
le nombre de fois o on a relev cette valeur. Ce nombre de fois sappelle leffectif.
On peut, en plus de ces effectifs, ou leur place, indiquer la proportion de chaque modalit dans lensemble
des donnes. Cette proportion sappelle la frquence de la modalit.
Exemple
Un sauteur la perche a relev ses performances au cours des six derniers
mois :
Hauteur
5,40
5,50
5,55
5,60
5,65
5,70
5,75
5,80
5,90
Nb de sauts
Frquences
4%
4%
4%
16 %
32 %
24 %
8%
4%
4%
Le caractre tudi est la hauteur du saut.

Ses modalits sont 5,40 ; 5,50 ; 5,55 ; ; 5,90.
Les effectifs sont 1 ; 1 ; 1 ; 4 ; ; 1.
Leffectif de la modalit 5,65 est 8.
Les frquences sont 4 % ; 4 % ; 4 % ; 16 % ; ; 4 %.
La frquence de la modalit 5,65 est 32 %.
Exemple
On a relev la couleur des 5000 vhicules passs un page dautoroute.
Couleur
Blanc
Gris
Noir
Rouge
Bleu
Jaune
Autre
Nb de vhicules
1425
1550
1350
200
400
20
55
28,5 %
31 %
27 %
4%
8%
0,4 %
1,1 %
Frquences
Squence 4 MA20
Le caractre tudi est la couleur du vhicule.

Ses modalits sont Blanc ; Gris ; Noir ; ; Autre.
Les effectifs sont 1425 ; 1550 ; ; 55.
Leffectif de la modalit Rouge est 200.
Les frquences sont 28,5 % ; 31 % ; ; 1,1 %.
La frquence de la modalit Bleu est 8 %.
savoir
Pour reprsenter ces sries statistiques on utilise habituellement des diagrammes en barres (ou
btons) ou des diagrammes circulaires, les hauteurs des barres ou les angles des secteurs angulaires
tant proportionnels aux effectifs ou aux frquences.
Pour reprsenter les caractres quantitatifs continus o les modalits sont regroupes par classe, on
utilise aussi des histogrammes (diagrammes en rectangles), o les valeurs du caractre sont reprsentes
en abscisse sur un axe gradu ; la base de chaque rectangle correspond lintervalle de chaque classe,
laire des rectangles tant proportionnelle aux effectifs ou aux frquences (voir dans la suite du
cours).
Exemple
Reprsentons la srie des performances du sauteur la perche par un dia-
gramme en btons.
Effectifs
8
32%
24%
16%
8%
4%
5,40
Squence 4 MA20
Frquences
5,50
5,60
5,70
5,80
5,90
Hauteur
Exemple
Reprsentons la srie des couleurs des 5000 vhicules, par un diagramme
circulaire.
Blanc
Autre
Gris
Jaune
Bleu
Noir
Rouge
Calcul
des caractristiques
savoir
Pour rsumer une srie statistique portant sur un caractre quantitatif, on peut
calculer son tendue, sa moyenne, sa mdiane.
Exemple
Rsumons la srie des performances du sauteur la perche par son tendue,
sa moyenne, sa mdiane.
Son tendue est 0,50 m ( 5, 90 5, 40 = 0 , 50 ).
Sa moyenne est :
5, 4 + 5, 5 + 5, 55 + 5, 6 4 + 5, 65 8 + 5, 7 6 + 5, 75 2 + 5, 8 + 5, 9
= 5, 658.
25
Sa mdiane est 5,75 m (il y a autant de sauts infrieurs cette hauteur que de
sauts suprieurs).
Exemple
Rsumons la srie des couleurs des 5000 vhicules par son tendue, sa
moyenne, sa mdiane.
La couleur ntant pas un caractre quantitatif, il ny a ni tendue, ni moyenne,
ni mdiane.
Squence 4 MA20
Probabilits
Notion
de probabilit
Se souvenir
Ce que veut dire : la probabilit dobtenir PILE en lanant une pice non truque est 1 ;
2
savoir : si on lance une pice non truque, on a 1 chance sur 2 quelle tombe sur PILE.
Ce que veut dire : la probabilit dobtenir un DEUX en lanant un d non truqu est 1 ;
6
savoir : si on lance un d non truqu, on a 1 chance sur 6 quil tombe sur un DEUX.
Squence 4 MA20
2 Statistique descriptive
A
Activits
Introduction
Dans de nombreuses disciplines scientifiques, biologie, physique, psychologie,

conomie, archologie, etc. on a recours dsormais aux statistiques pour tablir certains rsultats.
Il en est de mme de plus en plus dans lenvironnement professionnel. Les ordinateurs et les calculs statistiques ont depuis longtemps envahi la finance, les
cabinets dassurance, de gestion, les laboratoires danalyses mdicales, et mme
lindustrie, travers, par exemple, le contrle qualit.
Au quotidien, nos mdias sont remplis de statistiques, visibles ou non, que ce soit
propos de lconomie, de la politique, des faits de socit ou de la mto.
Il est donc indispensable au citoyen daujourdhui de comprendre ce que sont
les statistiques pour comprendre ce que veulent rellement dire les informations
quil reoit.
De mme il est indispensable qui exercera une activit dans les domaines de
la gestion, de la sant ou du social, non seulement de comprendre, mais aussi de
savoir utiliser les notions de base des statistiques.
Vous devriez avoir vu en collge une bonne partie de ce chapitre.
Pour vous remettre dans le bain, nous commencerons par des activits simples
vous permettant de rviser vos connaissances..
Faites les consciencieusement, si possible sans aide.
Squence 4 MA20
tude
dun caractre qualitatif
Dans un lyce, on a fait remplir en dbut danne aux 250 lves de seconde une
fiche de renseignements.
On en a extrait deux.
Effectifs
a) Souhaits dorientation en fin

de seconde.
70
Le graphique ci-contre indique

les souhaits dorientation des
250 lves.
Compltez le tableau correspondant.
Orientation
Effectif Frquence
60
50
40
30
ES
20
L
S
10
STG
Autres
ES
STG
Autres
NSP
Ne sait pas
Total
Quelle est lorientation souhaite la plus frquente (on lappelle le mode) ?

b) Code postal du domicile.
Le tableau ci-dessous indique les diffrents codes postaux du domicile des 250
lves.
Reprsentez ces donnes par un diagramme circulaire.
Code Postal
Effectif
35330
35380
72
56140
24
56200
56380
90
56430
28
56803
56910
12
Total
250
Quel est le code postal le plus frquent (on lappelle le mode) ?

8
Squence 4 MA20
Commentaire
Dans ces deux exemples, nous avons rencontr ltude de deux caractres
lorientation et le code postal qui sont des caractres qualitatifs. Cela signifie
quils ne reprsentent pas des quantits et quon ne peut donc pas faire
dautre traitement que de les reprsenter (par exemple calculer une orientation moyenne na pas de sens).
Un caractre qualitatif peut nanmoins sexprimer par des nombres,
comme le code postal, mais ces nombres ne reprsentent pas des
quantits, ce ne sont que des codages
Pour reprsenter ces caractres on utilise habituellement des diagrammes en

barres (ou btons, ou tuyaux dorgue), des diagrammes en bande, ou
des diagrammes circulaires, les hauteurs des barres ou les angles des secteurs angulaires tant proportionnels aux effectifs ou aux frquences.
Lordre de prsentation des modalits na pas dimportance.
Dans diffrents mdias, on trouve des formes plus ou moins images des
barres ou des disques ; il est alors prudent de vrifier ce qui est (ou devrait
tre) proportionnel aux effectifs avant dinterprter le graphique.
Rappel
Nous rappelons aussi que lensemble des personnes ou objets tudis ici les
lves de seconde dun lyce sappelle la population tudie, chaque personne ou chaque objet tant un individu.
Ce que lon tudie sappelle le caractre, et les diffrentes valeurs de ce caractre les modalits : STG est une modalit du caractre orientation ,
56380 une modalit du caractre code postal .
Le nombre dindividus ayant une modalit prcise du caractre est leffectif de
cette modalit. La somme de tous les effectifs, appel effectif total, donne la
taille de la population.
Souvent, en particulier pour comparer des populations de taille diffrente, on
donne les frquences de chaque modalit plutt que les effectifs.
La frquence dune modalit est la proportion que reprsente leffectif de
cette modalit par rapport leffectif total. Elle sexprime aussi bien sous forme de
fraction, dcriture dcimale que de pourcentage (qui est lui mme une fraction).
Exemple
Pour lorientation, la modalit STG a pour effectif 55 sur un effectif total de

250.
Sa frquence est : 55 que lon peut crire 11 ou 0,22 ou 22 ou enfin 22%.
250
50
100
Squence 4 MA20
tude
dun caractre quantitatif
Revenons nos 250 lves de seconde.

Taille de la famille Effectif Frquence
On extrait de la fiche de renseignements
3 personnes
deux autres caractres.
4 personnes
a) Taille de la famille dans laquelle vit
5 personnes
chaque lve.
6 personnes
18
Le graphique ci-dessous indique la taille
7 personnes
21
de la famille (enfants plus adultes) de
chacun des 250 lves.
8 personnes
Compltez le tableau correspondant, ci9 personnes
contre.
10 personnes
2
Calculez le nombre moyen de personnes
12
personnes
4
par famille.
Total
Quel cart de taille y a-t-il entre les familles
les moins nombreuses et les familles les plus
nombreuses (on lappelle ltendue) ?
Effectifs
90
80
70
60
50
40
30
20
10
11 12
Taille de
la famille
b) Temps de parcours du domicile au lyce.

Le tableau ci-dessous indique les diffrents temps de parcours (en minutes) du
domicile au lyce pour les 250 lves.
10
Temps de parcours (en minutes)
10
11
12
Effectif
20
10
Squence 4 MA20
13
14
15
16
17
18
19
20
21
22
23
24
25
Effectif
10
14
40
20
10
26
27
28
29
30
35
38
40
45
50
55
60
90
Effectif
10
10
11
Quel est le temps de parcours moyen ?

Quel cart y a-t-il entre le temps de parcours le plus long et le plus court (on
lappelle ltendue) ?
Regroupez ces donnes par tranches (on dit aussi classes) de 10 min (attention
aux bornes des intervalles).
Temps
[0 ; 10[
[10 ; 20[
[20 ; 30[
[30 ; 40[
[40 ; 50[
[50 ; 60[
[60 ; 70[
[70 ; 80[
[80 ; 90]
Effectif
Quel temps de parcours moyen obtient-on avec les donnes ainsi groupes ?
Reprsentez ces donnes sur le graphique ci-dessous.
Surface pour
un effectif de 10
10
Commentaire
20
30
40
50
60
70
80
90
Temps
de parcours
Dans ces deux exemples, nous avons rencontr ltude de deux caractres la
taille des familles et le temps de parcours qui sont des caractres quantitatifs. Cela signifie quils reprsentent des quantits.
On pourra, en plus de reprsentations, faire un certains nombre de calculs significatifs (par exemple la taille moyenne, lcart entre le temps le plus long et le
temps le plus court).
Squence 4 MA20
11
On distingue deux types de caractres quantitatifs :

les caractres quantitatifs discrets (ou valeurs discontinues), o les
modalits ne prennent que quelques valeurs numriques prcises (comme pour
la taille des familles),
les caractres quantitatifs continus, o les modalits peuvent prendre, en
thorie, toutes les valeurs numriques dun intervalle (comme pour le temps de
parcours).
Pour reprsenter les caractres quantitatifs discrets on utilise habituellement
des diagrammes en btons, o les valeurs du caractre sont reprsentes en
abscisse sur un axe gradu, la hauteur des btons tant proportionnelle aux
effectifs ou aux frquences.
Pour reprsenter les caractres quantitatifs continus on utilise habituellement
des histogrammes (diagrammes en rectangles), o les valeurs du caractre
sont reprsentes en abscisse sur un axe gradu ; la base de chaque rectangle
correspond lintervalle de chaque classe, laire des rectangles tant proportionnelle aux effectifs ou aux frquences.
Lorsque les classes ont mme amplitude (ctait le cas dans lexercice ci-dessus) les rectangles de lhistogramme ont tous la mme
largeur. Leurs aires tant proportionnelles aux effectifs, leurs hauteurs le sont aussi. On peut alors lire les effectifs sur un axe
vertical virtuel .
Mais lorsque les classes sont damplitudes diffrentes, les rectangles ont
des largeurs diffrentes. Leurs aires tant toujours proportionnelles aux
effectifs, leurs hauteurs ne reprsentent plus rien. On ne peut plus lire les
effectifs sur un axe vertical.
Exemple
Regroupez diffremment les donnes de lexercice prcdent dans le tableau cidessous.
[0 ; 5[
[5 ; 10[
[10 ; 20[ [20 ; 50[ [50 ; 90]
Effectif
Reprsentez ces donnes par lhistogramme ci-dessous.
12
Squence 4 MA20
Surface pour
un effectif de 10
10
20
30
40
50
60
70
80
90
Temps
de parcours
c) Temps de parcours du domicile au lyce : effectifs cumuls croissants.

Reprenons les donnes sur les temps de parcours, une fois regroupes par classes
de 10 min. Soit :
Temps
[0 ; 10[
[10 ; 20[
[20 ; 30[
[30 ; 40[
[40 ; 50[
[50 ; 60[
[60 ; 70[
[70 ; 80[
[80 ; 90]
Effectif
61
90
84
Construisons maintenant le tableau des effectifs cumuls croissants. On

obtient :
Temps
<0
< 10
< 20
Effectif
61
61+ 90 = 151
Temps
< 50
< 60
< 70
Effectif
240 + 5 = 245 245 + 2 = 247
< 30
< 40
151+ 84 = 235 235 + 5 = 240

< 80
247 + 1= 248 248 + 0 = 248
90
248 + 2 = 250
Pour chaque temps correspondant une borne de lune des tranches, on indique
le nombre dlves dont le temps de parcours est infrieur (ou strictement infrieur, a dpend des intervalles choisis) ce temps.
Pour t = 10 : il y a 61 lves dans la classe [0 ; 10[ , donc 61 lves dont le temps
de parcours est infrieur 10 minutes.
Pour t = 20 : il y a 61 lves dans la classe [0 ; 10[ et 90 lves dans la classe
[10 ; 20[, donc 151 lves dont le temps de parcours est infrieur 20 minutes.
Pour t = 30 : il y a 151 lves dont le temps de parcours est infrieur 20 minutes et 84 lves dans la classe [20 ; 30[ , donc 235 lves dont le temps de parcours est infrieur 30 minutes.
Squence 4 MA20
13
et ainsi de suite.
Leffectif cumul de la dernire valeur (ici 90 minutes) est ncessairement leffectif total, cest--dire 250.
Pour des raisons de reprsentation graphique (voir ci-aprs), on peut mettre une
premire colonne correspondant la toute premire valeur de la premire classe.
Leffectif cumul correspondant est ncessairement 0 (aucun lve na un temps
de parcours infrieur au plus petit temps relev ! ).
Faisons maintenons une reprsentation graphique de ce tableau des effectifs
cumuls croissants.
Pour ce faire, on place sur un graphique les points dont les coordonnes sont les
deux valeurs de chaque colonne : les modalits du caractre (ici les temps) en
abscisse, les effectifs cumuls en ordonne.
On relie alors chaque point par un segment de droite (voir graphique ci-dessous).
250
Effectifs
cumuls
200
150
100
50
40
20
Temps
de parcours
10
14
Squence 4 MA20
20
26 30
40
50
60
70
80
90
Ce choix (de relier les points par des segments de droite) revient considrer que
les valeurs du caractre sont rgulirement distribues lintrieur de chaque
classe.
Par exemple, on a reprsent les points de coordonnes ( 30 ;235) et ( 40 ;240 ) ,
ce qui signifie quil y a 5 ( 240 - 235 ) temps de parcours dans la classe [30 ; 40[
(ici on la savait dj, mais parfois on peut avoir un tableau deffectifs cumuls
sans avoir le tableau des effectifs).
Relier ces deux points par un segment de droite revient faire comme si ces
5 temps taient rpartis rgulirement dans lintervalle [30 ; 40[ : par exemple
comme si on avait 30, 32, 34, 36, 38.
Ce nest videmment pas forcment vrai (ici on sait que cest faux car on connait
le tableau dtaill des temps de parcours, mais souvent on ne le sait pas si lon a
directement les regroupements par classe sans avoir le tableau dtaill).
Cette ide de rgularit entre chaque point connu permet de faire des extrapolations (cest--dire des sortes de dductions partir de donnes partielles)
sur les valeurs du caractre, bien sr si lon na pas le tableau dtaill de ces
valeurs.
Par exemple on a extrapol, sur le graphique, le 200me temps de parcours. On
a trouv quil tait denviron 26 minutes. Bien sr, avec le tableau dtaill des
valeurs, on sait que ce 200me temps est de 25 minutes, mais si lon navait que le
tableau des regroupements par classe, on nen saurait rien.
Ce type de graphique est appel polygone des effectifs cumuls croissants.
Exemple
A partir du deuxime regroupement par classes damplitudes ingales (voir

exemple du b) ), construire le tableau des effectifs cumuls croissants, puis le
graphique correspondant (polygone des effectifs cumuls croissants).
A laide de ce graphique, extrapoler le 200me temps de parcours.
Comparer avec la valeur extrapole ci-dessus.
Cours
Une
caractristique de position, la moyenne
a) Calcul de la moyenne
Pour caractriser une srie statistique, on peut la rsumer par une (ou des)
caractristique(s).
La plus simple, et qui positionne la srie, est la moyenne.
Supposons donne une srie statistique caractre quantitatif discret.
On note x i les valeurs du caractre, n i les effectifs et f i les frquences correspondants.
Squence 4 MA20
15
Valeurs du caractre
x1
x2
... ...
xp
Effectif
n1
n2
... ...
np
Frquence
f1
f2
... ...
fp
Dfinition
La moyenne de la srie est la valeur du caractre calcule par :
x=
n1x 1 + n2x 2 + ... + np x p

n1 + n2 + ... + n p
= f1x 1 + f2x 2 + ... + fp x p .
ni
Chaque frquence se calcule par : fi =
ce qui justifie lgalit
n1 + n2 + ... + n p
ci-dessus.
La notation x , qui se lit x barre , est une notation habituelle pour une
moyenne. On reprend la lettre gnrique utilise pour noter les valeurs du caractre (ici x ) et on met une barre au-dessus.
Avec le signe de sommation (la lettre grecque , qui se lit sigma , signifie que
p
ni x i
lon veut calculer une somme) la moyenne scrit : x = i =1

p
ni
= fi x i .
i =1
i =1
On note souvent, car on lutilise souvent, leffectif total par une lettre.
p
Par exemple : N = ni . On peut alors crire la moyenne :

i =1
ni x i
x = i =1
N
Important
1
n x .
N i =1 i i
Vous devez bien comprendre toutes ces faons diffrentes dcrire la mme
chose.
Proprit
Il est important de comprendre que N x , cest dire la moyenne,
multiplie par leffectif total, donne la somme de toutes les valeurs
de la srie.
16
Squence 4 MA20
Commentaire
Cela provient directement du calcul : x =
1
n x , et nous servira souvent.
N i =1 i i
En effet, en multipliant par N les deux termes de lgalit prcdente, on

obtient :
p
N x = N
1
n x
N i =1 i i
soit N x = ni x i qui est bien la somme de toutes les

i =1
valeurs de la srie.
Exemple
Dans lactivit , le temps total de trajet des 250 lves pour venir au lyce est :
250 18 , 4 = 4600 min.
On peut vrifier que lon trouverait la mme chose en ajoutant tous les temps de
trajet des 250 lves : 0 1+ 1 4 + 2 5 + 3 4 + ... + 90 1 = 4600 min.
A vrifier vous-mme, par exemple en regardant le calcul du temps de parcours
moyen fait dans lactivit 2.
Remarque
Dans le cas dun caractre quantitatif continu, donn sous forme de classes, on
prend le centre de chaque classe comme valeur du caractre pour calculer la
moyenne.
Commentaire
Le choix des classes pour le regroupement aura donc une influence sur la valeur
calcule de la moyenne.
Exemple
Si nous prenons les temps de parcours de lactivit , nous avons vu que la

moyenne calcule aprs regroupement par classes de 10 minutes est diffrente
de celle calcule avec les donnes brutes : 18 minutes au lieu de 18,4 minutes.
Nous avons fait un deuxime regroupement : calculons la moyenne obtenue
aprs ce regroupement.
Ce regroupement donne :

Effectif
[0 ; 5[
[5 ; 10[
[10 ; 20[
[20 ; 30[
[30 ; 90]
21
40
90
84
15
Pour calculer le temps de parcours moyen avec les donnes groupes ainsi, on
calcule le temps de parcours total des 250 lves en prenant pour chaque classe
la valeur centrale, et on divise ce total par 250 :
Total = 2, 5 21+ 7, 5 40 + 15 90 + 25 84 + 60 15 = 4702,5.
4702, 5
= 18 , 81 minutes.
250
Enfin, faisons un regroupement par classes de 30 minutes et calculons la
moyenne.
Moyenne =
Squence 4 MA20
17
Ce regroupement donne :
[0 ; 30[
[30 ; 60[
[60 ; 90]
235
12
Effectif
Pour calculer le temps de parcours moyen avec les donnes groupes ainsi, on
calcule le temps de parcours total des 250 lves en prenant pour chaque classe
la valeur centrale, et on divise ce total par 250 :
Total = 15 235 + 45 12 + 75 3 = 4290.
4290
Moyenne =
= 17,16 minutes.
250
Vous pouvez constater que ces moyennes sont toutes diffrentes.
b) Proprits de la moyenne
Supposons donne une srie statistique caractre quantitatif.
On note x i les valeurs du caractre (ou les centres des classes), x la moyenne.
Thorme
Si toutes les valeurs du caractre sont multiplies (ou divises) par
une constante a, sans changer les effectifs, la moyenne est ellemme multiplie (ou divise) par a.
Si on ajoute (ou retranche) une mme constante b toutes les
valeurs du caractre, sans changer les effectifs, la moyenne est
elle-mme augmente (ou diminue) de b.
Commentaire
Cela est assez naturel et rsulte simplement du calcul dune moyenne.

Si lon a multipli les valeurs par a la nouvelle moyenne, que lon notera m
vaut :
m=
n1a x 1 + n2a x 2 + ... + np a x p

n1 + n2 + ... + n p
m =a
(n1x 1 + n2x 2 + ... + n p x p )
n1 + n2 + ... + n p
a (n1x 1 + n2x 2 + ... + np x p )

n1 + n2 + ... + n p
= a x.
Si lon a ajout b toutes les valeurs, la nouvelle moyenne, que lon notera M
vaut :
n1(x 1 + b ) + n2 (x 2 + b ) + ... + n p (x p + b )
M=
n1 + n2 + ... + n p
M=
18
(n1x 1 + n2x 2 + ... + n p x p ) + (n1b + n2b + ... + np b )
Squence 4 MA20
n1 + n2 + ... + np
M=
Exemple
(n1x 1 + n2x 2 + ... + n p x p ) (n1 + n2 + .... + n p )b

+
= x + b.
n1 + n2 + ... + n p
n1 + n2 + ... + np
Si nous prenons les temps de parcours de lactivit , et si nous supposons que

tous les lves font laller et le retour chaque jour, nous pouvons calculer leur
temps de trajet quotidien, en multipliant les temps par 2, et mme hebdomadaire
(en comptant 5 jours de classe par semaine) en les multipliant par 10.
Temps de parcours (en min)
Dure trajet quotidien
10
12
14
Dure trajet hebdomadaire
10
20
30
40
50
60
70
Effectif (inchang)
Le temps de trajet quotidien moyen sera obtenu directement en multipliant par 2

la moyenne trouve lactivit :
dure moyenne du trajet quotidien = 2 18 , 4 = 36 , 8 min.
Le temps de trajet hebdomadaire moyen sera obtenu directement en multipliant
par 10 la moyenne trouve lactivit :
dure moyenne du trajet hebdomadaire = 10 18 , 4 = 184 min.
De mme, on peut calculer le temps scolaire journalier (trajet aller retour et
temps de prsence au lyce) de chaque lve. Pour cela il faut multiplier par 2 les
temps donns dans lactivit , et ajouter 9 heures (de 8h 17h) de prsence,
soit 540 minutes.
Temps de parcours (en min)
Temps scolaire quotidien
Effectif (inchang)
540
542
544
546
548
550
552
554
Le temps scolaire quotidien moyen sera obtenu directement en multipliant par 2

la moyenne trouve lactivit et en ajoutant 540 :
temps scolaire journalier moyen = 2 18 , 4 + 540 = 576 , 8 min.
Supposons que lon sintresse un caractre quantitatif pour une popu-
lation deffectif total N. Supposons que cette population soit partage en deux
groupes, lun deffectif p pour lequel la moyenne du caractre est m1 , et lautre
deffectif q (avec p + q = N ) pour lequel la moyenne du caractre est m2 .
On note x la moyenne du caractre pour la population entire.
Thorme
Si une population deffectif total N est partage en deux groupes, lun deffectif p de moyenne m1 , lautre deffectif q (avec
p + q = N ) et de moyenne m2 , la moyenne de la population
entire est : x =
p m1 + q m2
.
N
Squence 4 MA20
19
Cela rsulte du fait que p m1 est la somme de toutes les valeurs du caractre
pour le premier groupe, et que q m2 est la somme de toutes les valeurs du caractre pour le deuxime groupe.
p m1 + q m2 est donc la somme de toutes les valeurs du caractre pour la population totale.
Commentaire
La moyenne sobtient en divisant cette somme par leffectif total N.

Revenons nos 250 lves de seconde, dont 138 sont des filles et 112 des garons.
La fiche de renseignements nous a donn la taille de chaque lve et nous avons
calcul que la taille moyenne des filles est 1,66 m, et la taille moyenne des garons 1,72 m.
Exemple
Calculons la taille moyenne des 250 lves.

Le total des tailles des filles est : 1, 66 138 = 229 , 08.
Le total des tailles des garons est : 1, 72 112 = 192, 64.
Le total des tailles des 250 lves est :
1, 66 138 + 1, 72 112 = 229 , 08 + 192, 64 = 421, 72.
La taille moyenne des 250 lves est donc :
1, 66 138 + 1, 72 112 421, 72
=
= 1, 68688 soit environ 1,69 m.
250
250
Moyenne lague .
Lorsquune des modalits dune srie statistique parat non significative, ou errone, on ne tient pas compte de cette valeur pour calculer la moyenne. On dit alors
que lon calcule une moyenne lague.
Dfinition
On appelle moyenne lague dune srie statistique, une moyenne calcule sans tenir compte des valeurs aberrantes de cette srie.
On a relev les tailles de 80 lves de seconde. On a obtenu le tableau sui-
Exemple
vant :
Taille en m
Effectif
1,60
1,63
1,68
1,70
1,72
1,75
1,78
1,85
3,86
17
10
14
12
Calculer la moyenne de cette srie, ou une moyenne lague si ncessaire.

On a relev les salaires mensuels de 80 salaris dune entreprise. On a obtenu
le tableau suivant :
Salaire en
Effectif
20
1600
1630
1680
1700
1720
1750
1780
1850
3860
17
10
14
12
Squence 4 MA20
Calculer la moyenne de cette srie, ou une moyenne lague si ncessaire.

Rponses.
Dans cette srie, on voit tout de suite que la dernire modalit est incohrente.
En effet elle ne peut en aucun cas correspondre une taille dlve. On va donc
ici la ngliger, et calculer une moyenne lague.
On aura donc une taille moyenne de :
1, 60 1+ 1, 63 6 + ... + 1, 85 9 133, 43
=
1, 73 m.
1+ 6 + ... + 9
77
Dans cette srie, par contre, la dernire modalit nest pas du tout incohrente.
En effet elle peut tout fait correspondre un salaire mensuel, et le fait que ce
salaire soit le double du prcdent nest pas du tout aberrant dans une chelle
de rmunrations.
On aura donc un salaire mensuel moyen de :
1600 1+ 1630 6 + ... + 1850 9 + 3860 3 145010
=
1812, 63 .
80
1+ 6 + ... + 9 + 3
c) Utilisation dune calculatrice ou dun logiciel (tableur)
Les calculs faits dans le cours sont dvelopps pour vous permettre de comprendre les notions.
Mais dans la pratique, y compris dans les exercices et les devoirs (sauf avis
contraire), vous effectuerez ces calculs laide de votre calculatrice ou dun ordinateur.
Calculer une moyenne, une mdiane, reprsenter une srie laide dune cal-
culatrice TI 82 Stats.fr (les procdures sont identiques ou trs voisines pour les
autres modles de TI).
Saisie
Il faut dabord saisir les donnes (ici,

celles de lactivit sur la taille des
familles des 250 lves de seconde).
Appuyer sur la touche stats , puis choisir le menu EDIT , suivi de entrer .
Sur lcran apparat alors lditeur de
listes, dans lequel on se dplace avec
.
les touches
On tape chaque valeur du caractre ( x i ) dans une colonne (par exemple L1 ), et
chaque effectif ou frquence ( ni ) dans une autre colonne (par exemple L2 ).
Effacement
Pour effacer une liste complte, on place le curseur sur le haut de la colonne (par
exemple L1 ), on tape sur la touche annul , suivie de entrer .
Squence 4 MA20
21
Calcul
Appuyer de nouveau sur la touche

stats , puis choisir le menu CALC ,
suivi de entrer .
Sur lcran apparat alors lindication
Stats 1-Var et le curseur clignote.
Taper alors L1 , L2 pour indiquer,
dans lordre, la liste des valeurs et celle
des effectifs.
(touches 2nde des touches 1 et 2 , et
touche situe au-dessus de la touche 7 ).
Appuyer sur entrer , et apparat lcran
la liste des paramtres de la srie statistique :
moyenne ( x ), somme de toutes les
valeurs (x), effectif total (n), mdiane
(Med), quartiles (Q1, Q3), etc.
Graphiques
On peut reprsenter une srie statistique par un histogramme ou par un diagramme en bote aprs avoir saisi les
donnes.
Appuyer sur la touche graph stats
(touche 2nde de la touche f(x) ), puis
sur entrer (ce qui slectionne le dessin
n1 : Graph1).
On place le curseur sur ON que lon
valide par entrer , puis sur le type de
ou
graphique
que lon valide par entrer . On renseigne alors la
ligne ListeX avec L1 , pour indiquer la liste des valeurs, et la ligne Effectifs
avec L2 , pour indiquer la liste des effectifs.
On affiche alors le (ou les) graphique(s) en appuyant sur la touche graphe .
Calculer une moyenne, une mdiane, reprsenter une srie laide dune cal-
culatrice Casio GRAPH 25 (les procdures sont identiques ou trs voisines pour
les autres modles de Casio).
Saisie
Il faut dabord saisir les donnes.

Dans le menu gnral, slectionner
licne STAT (ou LIST ), et appuyer
sur ENTER .
Sur lcran apparat alors lditeur de
listes, dans lequel on se dplace avec les
.
touches
22
Squence 4 MA20
On tape chaque valeur du caractre ( x i ), suivi de ENTER , dans une colonne

(par exemple List 1 ), et chaque effectif ou frquence ( ni ), suivi de ENTER ,
dans une autre colonne (par exemple List 2 ).
Effacement
Calculs
Pour effacer une liste complte, on place le curseur sur un lment de la liste, on
slectionne DEL-A (touche F4 ), suivie de YES .
En bas de lditeur de listes se trouve un menu droulant horizontal.
On active le sous-menu CALC en appuyant sur la touche
SET .
F2 , puis le menu
On renseigne alors la ligne 1Var Xlist avec List 1 , pour indiquer la liste des
valeurs, et la ligne 1Var Freq avec List 2 ,
pour indiquer la liste des effectifs.
Taper alors EXIT .
Slectionner enfin le menu 1 VAR en
appuyant sur la touche F1 .
Apparat lcran la liste des paramtres de
la srie statistique :
moyenne ( x ), somme de toutes les valeurs (x), effectif total (n), mdiane
(Med), etc.
Graphiques
On peut reprsenter une srie statistique par un histogramme ou par un diagramme en bote aprs avoir saisi les donnes.
Dans lditeur de listes on active le sous-menu GRPH en appuyant sur la touche
F1 , puis le menu SET .
On renseigne alors la ligne Graph Type
avec le type de graphique souhait, en validant une des options du menu horizontal
du bas de lcran, puis la ligne XList avec
List 1 , pour indiquer la liste des valeurs, et
la ligne Frequency avec List 2 , pour indiquer la liste des effectifs.
On valide lcran (ou on QUIT ).
On affiche alors le graphique en validant GRPH , puis GPH1 .
Calculer une moyenne, une mdiane, reprsenter une srie laide dun
tableur.
Saisie
Il faut dabord saisir les donnes, que lon

met dans deux colonnes, une pour les valeurs du caractre (par exemple la colonne
A), une pour les effectifs (ou frquences)
correspondants (par exemple la colonne
B). Ici il y a 10 valeurs.
Calculs
Pour les calculs, on utilise les fonctions

statistiques prsentes dans la plupart des
tableurs, cest dire :
Squence 4 MA20
23
MOYENNE, MEDIANE, QUARTILE, FREQUENCE, SOMME, MIN, MAX, lorsque les

valeurs de la srie sont toutes numres dans une colonne (cest dire que les
effectifs sont tous gaux 1).
Sinon, dans le cas o les valeurs sont regroupes avec leur effectif (ou frquence)
dans une deuxime colonne, il faut faire les calculs intermdiaires avec le tableur.
Moyenne
On calcule dans la colonne C les produits des valeurs (colonne A) par leur effectif (colonne B) en crivant dans la cellule C2 : =A2*B2 , et en tirant la
formule vers le bas jusqu la dernire
valeur.
Dans deux cellules libres (par exemple
B12 et C12) on calcule les sommes des
colonnes B et C (effectif total et somme de toutes les valeurs) en crivant :
=SOMME(B2 :B11) et =SOMME(C2 :
C11).
La moyenne sobtient alors en divisant
la somme des valeurs par leffectif total,
en crivant dans une cellule libre (par
exemple C13) : =C12/B12.
Graphiques
On peut reprsenter une srie statistique par un histogramme ou par un diagramme en bote aprs avoir saisi les donnes, lorsque les valeurs de la srie
sont toutes numres dans une colonne (cest dire que les effectifs sont tous
gaux 1).
On utilise alors lassistant graphique.
Sinon, dans le cas o les valeurs sont regroupes avec leur effectif (ou frquence)
cest plus difficile.
Dautres caractristiques de position, la mdiane, les quartiles
a) Mdiane dune srie statistique.

Supposons donne une srie statistique caractre quantitatif, les valeurs du
caractre tant ranges par ordre croissant (ou dcroissant).
Dfinition
La mdiane de la srie est une valeur du caractre qui partage la srie en

deux groupes (lun des valeurs infrieures la mdiane, lautre des valeurs
suprieures) de mme effectif.
Commentaire
24
Cela signifie que 50 % de la population a une valeur du caractre infrieure

la mdiane, et que 50 % de la population a une valeur du caractre suprieure cette mdiane.
Squence 4 MA20
Dans lune des classes de seconde prcdemment voques, on a relev la
Exemple
taille des lves, et obtenu :

cm
Effectif
150
155
160
162
163
165
166
167
168
170
173
174
176
178
179
Dterminez la mdiane de cette srie.

Dans une autre classe de seconde, on a aussi relev la taille des lves, et
obtenu :
cm
Effectif
157
159
162
163
164
165
166
167
169
171
173
176
177
178
180
Dterminez la mdiane de cette srie.

Rponses.
Dans cette srie, nous avons 23 donnes classes par ordre croissant. Si nous
prenons la 12me valeur, cest--dire ici 167, nous aurons bien partag la srie en
deux parties de mme effectif.
La mdiane de cette srie est donc 167 cm.
Dans cette srie, nous avons 34 donnes classes par ordre croissant. Si nous
prenons une valeur comprise entre la 17me et la 18me valeur, cest--dire ici entre
169 et 171, nous aurons bien partag la srie en deux parties de mme effectif.
On peut prendre la valeur situe au milieu, 170.
La mdiane de cette srie sera donc 170 cm.
Remarque
Quand le caractre est quantitatif discret, et que leffectif est impair, la
mdiane est une valeur de la srie. Cest la valeur centrale, pour laquelle il y a
exactement N 1 valeurs infrieures et N 1 valeurs suprieures.
Quand le caractre est quantitatif discret, et que leffectif est pair, la

mdiane nest pas une valeur de la srie. On peut prendre pour mdiane nimporte quelle valeurr entre les deux valeurs centrales. On prend souvent la demisommee de ces deux valeurs.
b) Quartiles dune srie statistique.

Supposons donne une srie statistique caractre quantitatif, les valeurs du
caractre tant ranges par ordre croissant (ou dcroissant).
Squence 4 MA20
25
Dfinition
Les quartiles de la srie sont trois valeurs du caractre qui partagent la

srie en quatre groupes de mme effectif.
On les note souvent Q1, Q2 et Q3 par ordre croissant, et Q2 est la
mdiane.
Commentaire
Exemple
Cela signifie que 25% de la population a une valeur du caractre infrieure

Q1, 25% de la population une valeur du caractre comprise entre Q1 et la
mdiane, 25% une valeur comprise entre la mdiane et Q3, et 25% une valeur
suprieure Q3.
Reprenons les deux exemples ci-dessus.
Pour la premire srie les quartiles sont :
Q1 = 163
Q2 = 167 = Mdiane
Q 3 = 174
Pour la deuxime srie les quartiles sont :
Q1 = 164
Q2 = 170 = Mdiane
Q3 = 177
Remarque
Comme pour la mdiane, la dtermination des quartiles est parfois sujette discussion quant au choix de la valeur choisir.
En ralit, la prcision nest pas fondamentale : ce qui compte cest de dcouper la
population en deux ou quatre parties de mme effectif, environ.
Commentaire
Lorsque leffectif total est trs grand (plusieurs centaines de donnes), la prcision na pas dimportance (par exemple pour les 250 lves, on peut dcouper la
population en quatre groupes de 62, 63, 63 et 62 personnes, ou 63, 62, 62 et 63
personnes, sans que cela change grand-chose.
Par contre, lorsque leffectif total est faible, cette prcision semble plus importante ; en ralit, il faut comprendre que faire des statistiques sur un petit nombre de valeurs nest pas trs intressant, en particulier dcouper un petit effectif
en quatre groupes reprsentatifs na pas beaucoup de sens.
Cest le cas de nos deux exemples ci-dessus.
c) Dtermination graphique de la mdiane ou des quartiles dune
srie statistique.
Supposons donne une srie statistique caractre quantitatif continu, les
valeurs du caractre tant ranges en classes par ordre croissant (ou
dcroissant).
On peut dterminer facilement dans quelle classes se trouve la mdiane (ou un
quartile), mais si leffectif de cette classe est important, on ne saura pas bien
comment dterminer plus prcisment cette mdiane.
26
Squence 4 MA20
On peut alors utiliser une mthode graphique pour donner une valeur plus significative.
Pour cela on utilise le polygone des effectifs cumuls (croissants ou dcroissants), dfini lactivit , et on dtermine, par extrapolation, la valeur du caractre correspondant la moiti (ou un quart, ou trois quarts) de leffectif total.
On considre que cette valeur est une bonne approximation de la mdiane (ou du
premier quartile, ou du troisime quartile).
Exemple
Reprenons les temps de parcours de lactivit , aprs regroupement par classes

de 10 minutes.
Construisons le polygone des effectifs cumuls croissants, correspondant au
tableau ci-dessous.
minutes)
Effectif
Effectif cumul
croissant
Cest dire nombre dlves dont

le temps de parcours est :
infrieur 0 min
[0 ; 10[
61
61
infrieur 10 min
[10 ; 20[
90
151
infrieur 20 min
[20 ; 30[
84
235
infrieur 30 min
[30 ; 40[
240
infrieur 40 min
[40 ; 50[
245
infrieur 50 min
[50 ; 60[
247
infrieur 60 min
[60 ; 70[
248
infrieur 70 min
[70 ; 80[
248
infrieur 80 min
[80 ; 90]
250
infrieur 90 min
On commence le graphique (voir page suivante) par un effectif de 0 pour une

abscisse de 0 min car il ny a aucun lve dont le temps de parcours soit infrieur
0 minutes.
On poursuit par un effectif de 61 pour 10 minutes. Puis un effectif de 151 pour
20 minutes, et ainsi de suite.
On relie ensuite ces points pour construire le polygone.
On repre, en ordonnes, le quart et la moiti de leffectif, et on lit, en abscisses,
les valeurs approximatives du premier quartile et de la mdiane :
Squence 4 MA20
27
Effectifs
cumuls
250
200
150
50%
100
25%
50
40
20
Temps
de parcours
Q1 M
30
40
50
60
70
80
90
On trouve par exemple : Q1 10 ,1 ; Mdiane 17.

Un quart des lves a un temps de parcours infrieur 10,1 min, la moiti un
temps de parcours infrieur 17 min.
Remarque
On voit sur cet exemple que Q1, correspondant 25% de la population, correspond
un effectif virtuel de 62,5 lves.
On lit Q 10 ,1.
1
Si lon avait pris la 62me valeur on aurait eu : Q = 10,

1
si lon avait pris la 63me valeur on aurait eu : Q = 10 galement.

1
La diffrence est sans signification pour ce type de renseignement.
De mme la mdiane relle , cest dire la valeur entre les 125me et 126me
donnes, est 19 minutes alors que sur le graphique, on a lu une valeur mdiane de
17 minutes.
Cela est d au regroupement par classes.
28
Squence 4 MA20
Des caractristiques de dispersion, ltendue, lcart interquartile
Les caractristiques vues prcdemment (moyenne, mdiane, quartiles) permettent de positionner la srie statistique. On va voir maintenant comment caractriser sa dispersion.
a) Ltendue dune srie statistique.
Pour mesurer la dispersion dune srie, la premire caractristique, extrmement
simple, que lon utilise est ltendue (que vous avez dj rencontre en collge).
On note xmax et xmin les valeurs maximale et minimale du caractre.
Dfinition
Ltendue dune srie statistique est gale : xmax xmin.
Commentaire
La signification de ltendue est vidente : cest lcart entre la plus petite et la

plus grande valeur du caractre.
On peut le visualiser ainsi :
X min
X max
Mdiane
tendue
50%
Exemple
50%
Prenons les temps de parcours de lactivit .

Vous avez dj calcul ltendue qui est de : 90 0 = 90 min.
b) Lcart interquartile dune srie statistique.
La deuxime caractristique que lon dfinit est lintervalle interquartile.
On note Q1 et Q3 les premier et troisime quartiles.
Dfinition
Lintervalle interquartile est lintervalle :

Lcart interquartile est gal :
Commentaire
Q1 ; Q3 .
Q3 Q1.
La signification de lintervalle interquartile est que les 50% centraux des

valeurs de la srie se trouvent dans cet intervalle.
On peut le visualiser ainsi :
Squence 4 MA20
29
Q1
X min
Q3
Mdiane
X max
cart interquartile
25%
Exemple
50%
25%

Quel est lintervalle interquartile ?
On peut vrifier que Q1 = 10, et Q3 = 23.
Lintervalle interquartile est donc lintervalle 10 ; 23 .
c) Rsum dune srie statistique par un indicateur de position et un
de dispersion
On rsume souvent les sries statistiques en donnant un indicateur de position
et un de dispersion.
Les couples choisis sont en gnral : la moyenne et ltendue ou la mdiane et
lintervalle interquartile (vous verrez en classe de premire un autre couple possible : moyenne et cart type).
Moyenne et tendue
On peut rsumer une srie statistique par le couple moyenne tendue.

Exemple

On peut rsumer cette srie en disant que le temps de parcours moyen est de
18,4 min, et que ltendue est de 90 min.
Remarque
Ce couple moyenne tendue a linconvnient dtre sensible aux valeurs extrmes, lesquelles peuvent parfois masquer les caractristiques principales des
autres valeurs de la srie. Cest particulirement gnant lorsque quelques valeurs
ne sont en fait que des valeurs parasites : erreurs de mesure, dfaillances dun
appareil de mesure, erreurs de report ou cas atypiques par exemple.
Exemple
Prenons encore les temps de parcours de lactivit .

On peut penser que les temps de parcours suprieurs 45 minutes ne sont pas
significatifs de la situation du lyce, et plutt dus des cas trs particuliers. De
mme aussi pour le temps de 0 minute (le fils et la fille du proviseur ! ).
Si on enlve ces 7 personnes (deux 0 min, une 50 min, une 55, une 60 et
deux 90 min), on obtient une srie o le temps moyen de parcours est de 17,5
min environ (au lieu de 18,4) et ltendue de 44 min seulement (au lieu de 90).
La diffrence est assez sensible, surtout sur ltendue.
Mdiane et intervalle interquartile.
On peut rsumer une srie statistique par le couple mdiane intervalle

interquartile.
30
Squence 4 MA20
Commentaire
Ce couple mdiane intervalle interquartile est souvent reprsent graphiquement par un diagramme en bote, appel parfois bote moustaches ou bote pattes .
correspondant :
Q1
X min
Mdiane
Q3
X max
cart interquartile
Exemple
Prenons toujours les temps de parcours de lactivit .

On peut rsumer cette srie en disant que le temps de parcours mdian est de 19
min, et que lcart interquartile est de 13 min, puisque Q1 = 10, et Q3 = 23.
Remarque
Ce couple mdiane intervalle interquartile a lavantage dtre peu sensible
aux valeurs extrmes. On dit quil est robuste par rapport aux valeurs extrmes.
Exemple
Prenons encore les temps de parcours de lactivit .

Si lon prend les 250 lves de seconde, on a vu ci-dessus que le temps de
parcours mdian tait de 19 min, et que l cart interquartile tait de 13 min
( Q1 = 10, et Q3 = 23).
Si lon lague les sept valeurs extrmes dfinies ci-dessus au et si lon
prend les 243 autres lves de seconde, on a un temps de parcours mdian de
19 min encore, et un cart interquartile de 13 min encore (mais avec Q1 = 9, et
Q3 = 22 ).
Synthse du cours
Moyenne
dune srie statistique
Dfinition
La moyenne dune srie est la valeur du caractre calcule par :
x=
n1x 1 + n2x 2 + ... + np x p

n1 + n2 + ... + n p
= f1x 1 + f2x 2 + ... + fp x p .
Squence 4 MA20
31
Thorme
Si toutes les valeurs du caractre sont multiplies (ou divises) par une constante a, sans changer les effectifs, la
moyenne est elle-mme multiplie (ou divise) par a.
Si on ajoute (ou retranche) une mme constante b toutes les
valeurs du caractre, sans changer les effectifs, la moyenne
est elle-mme augmente (ou diminue) de b.
Thorme
Si une population deffectif total N est partage en deux groupes,
lun deffectif p de moyenne m1 , lautre deffectif q (avec p + q = N )
et de moyenne m2 , la moyenne de la population entire est :
x=
p m1 + q m2
.
N
Mdiane, quartiles
Dfinition
La mdiane dune srie est une valeur du caractre qui partage la srie en
Dfinition
Les quartiles dune srie sont trois valeurs du caractre qui partagent la
On les note Q1, Q2 et Q3 par ordre croissant, et Q2 est la mdiane.
D
Exercice 1
Exercices dapprentissage
On donne la srie statistique :
Caractre x i
12
15
19
20
25
26
27
ni
35
21
30
Effectif
32
Squence 4 MA20
Cochez la ou les bonnes rponses.

La mdiane de cette srie est :
o a.
20
o b.
o c.
25
o d.
30
o d.
27
Le 3me quartile de cette srie, Q3, est :
o a.
Exercice 2
26
o b.
o c.
21
0n donne la srie statistique suivante, o il manque deux effectifs, mais dont on

sait que la moyenne est x = 12 :
Caractre x
i
10
11
12
13
14
17
ni
Effectif
Les effectifs manquant peuvent tre :
o a. gaux 5
Exercice 3
o b. non-gaux
o c. gaux
o d. on ne sait pas
La moyenne des salaires mensuels dune entreprise est 1200 . On ajoute un

salaire de 1250 .
La nouvelle moyenne x est :
Exercice 4
o a. x = 1200
o b. x = 1250
o c. 1200 < x < 1250
o d. on ne sait pas
Dans une classe o il y a plus de filles que de garons, la moyenne des filles un
devoir est 15 et celle des garons 13.
1. La moyenne x de la classe ce devoir est :
o a. x > 13
Exercice 5
o b. x > 15
o c. 13 < x < 15
o d. x = 14
Les questions 1, 2 et 3 sont indpendantes

Donner une srie statistique, deffectif total 15, dtendue 10, et de mdiane 12.
a. Un lve a obtenu la note 13 au 5me devoir en classe. Avant ce devoir, sa
moyenne tait de 11.

Quelle est sa nouvelle moyenne ?
b. Aprs le 6me devoir, sa moyenne est de 12. Quelle note a-t-il eue ce 6me
devoir ?
Dans un groupe de 60 personnes, dont 35 femmes, lge moyen des femmes
est de 22 ans et celui des hommes de 28 ans.

Quel est lge moyen du groupe ?
Squence 4 MA20
33
Exercice 6
Pays
Votes
Le trait de Nice attribuait en 2003 aux 25 pays de lUnion Europenne un nombre de votes au Conseil de lU. E. suivant le tableau ci-dessous :
Pays
Votes
Pays
Allemagne
29
Espagne
27
Hongrie
Autriche
10
Estonie
Belgique
12
Finlande
Chypre
France
Danemark
Grce
Votes
Pays
Votes
12
Luxembourg
Irlande
Italie
29
29
Lettonie
12
Lituanie
Pays
Votes
Royaume-Uni
29
Malte
Slovaquie
Pays-Bas
13
Slovnie
Pologne
27
Sude
10
Portugal
12
Tchquie
12
On sintresse au caractre nombre de votes .

Faites un tableau indiquant pour chaque modalit de ce caractre le nombre
de pays concerns (effectif), puis un graphique en btons.

Calculer le nombre moyen de votes par pays, ainsi que ltendue de cette srie.
Exercice 7
On sait que les 19 pays les moins peupls dEurope ont une population moyenne
(en 2003) de 2,19 millions dhabitants par pays, et que les 23 pays les plus peupls dEurope (sauf Russie) ont une population moyenne (en 2003) de 23,70
millions dhabitants par pays.
Calculer, avec ces donnes, la population moyenne de lensemble des 42 pays.
Une autre source dinformation nous donne le tableau suivant qui regroupe par
tranche de population (en 2003) les 42 pays dEurope (Russie non comprise).
Population (en millions)
[0 ; 5[
[5 ; 10[
[10 ; 20[
[20 ; 30[
[30 ; 50[
[50 ; 90]
Nombre de pays
19
Reprsenter ces donnes par un histogramme.

Calculer la population moyenne dun pays.
Comparer avec celle que lon a calcule la question prcdente.

En dduire une estimation de la population totale de ces 42 pays.
Construire lhistogramme des effectifs cumuls croissants et en dduire, gra-
phiquement, une estimation de la mdiane de cette srie.

Exercice 8
Le tableau suivant regroupe par superficie les 31 pays les plus tendus du monde.
Superficie (en millions de km)

Nombre de pays
Superficie (en millions de km)
Nombre de pays
0,9
1,1
1,2
1,3
1,6
1,8
1,9
2,1
2,3
2,4
2,5
2,7
2,8
3,3
7,7
8,5
9,6
10
17,1
Dterminer la mdiane, lintervalle interquartile.
Reprsenter cette srie par un diagramme en bote.

Dterminer la superficie moyenne de ces 31 pays. Comparer avec la mdiane.
34
Squence 4 MA20
3 Notion de probabilit
A
Activits
Introduction
En physique, en chimie, en biologie ou dans dautres domaines, lorsque lon ralise une exprience connue dans des conditions bien prcises, en gnral, on sait
par avance le rsultat que lon va obtenir : si lon suspend une masse connue un
ressort connu, on peut prvoir lallongement de ce ressort ; si lon verse de lacide
sur du calcaire, on obtient une effervescence etc.
On dit que ces expriences sont dterministes.
Mais, dans certains cas, mme si lon connat parfaitement les lments de lexprience, on ne peut nanmoins pas en prvoir le rsultat : si on lance en lair une
pice de monnaie parfaitement connue, on ne sait pas si elle va tomber sur pile
ou sur face ; si on fait rouler sur la table un d parfaitement connu et quilibr,
on ne peut savoir sur quel numro il va sarrter etc.
On parle alors dexpriences alatoires.
Dans ce cas nous pourrons quand mme prvoir quels sont les rsultats possibles (Pile ou Face pour la pice, 1, 2, 3, 4, 5 ou 6 pour le d), et essayer de
prvoir quelle chance (ou risque) on a que ce soit un rsultat plutt quun
autre qui se produise.
Voyons sur deux activits comment on peut procder, puis nous passerons au
cours pour formaliser et approfondir.
Un
d classique, parfaitement quilibr
On sapprte lancer un d classique, cubique, parfaitement quilibr, o les six

faces sont numrotes de 1 6.
Quels rsultats peut-on avoir de ce lancer ?
Peut-on prvoir avec quelle chance chacun dentre eux pourrait arriver ?
Rponses
Bien entendu, les rsultats possibles de ce lancer sont les numros 1, 2, 3, 4,
5 ou 6.
On pourrait aussi imaginer comme rsultat le fait que le d sarrte en quilibre
sur une de ses artes : on dit alors quil est cass .
Pour simplifier lexemple, nous supposerons quil est rigoureusement impossible
que le d sarrte autrement que sur lune de ses faces.
Squence 4 MA20
35
Nous navons donc que six rsultats possibles : n1, n2, n3, n4, n5 ou n6.
Commentaire
Dans cet exemple, le fait de lancer le d est une exprience alatoire (puisque
son rsultat nest pas prvisible) qui na pas encore eu lieu.
Les rsultats possibles (n1, n2, n3, n4, n5 ou n6) sont appels les vnements lmentaires de cette exprience ou issues.
Puisque le d est parfaitement quilibr et que lon na aucun autre renseignement, on peut penser que chaque numro a la mme chance darriver.
Comme il y en a 6, on pourra dire quil y a 1 chance sur 6 que le d tombe sur le
n1, quil y a 1 chance sur 6 que le d tombe sur le n2, etc.
On pourrait aussi dire quil y a 10 chances sur 60 que le d tombe sur le n1, ou
5 chances sur 30.
Lide, intuitive, est que les 6 numros se rpartiraient quitablement si lon faisait 6 fois lexprience, ou 60 fois, ou 30 fois etc.
On va traduire ce nombre de chances par une fraction.
Le fait que le d tombe sur le n1 risque de se produire dans 1/6me
des cas, ou dans 10/60me des cas, ce qui est compatible avec le fait que :
1/ 6 = 10 / 60 = 5 / 30.
Le fait que le d tombe sur le n2 risque de se produire dans 1/6me des cas,
etc.
Commentaire
Ce nombre, qui value la chance (ou le risque) quun rsultat (un vnement lmentaire) se produise est appel la probabilit de cet vnement.
On dira que la probabilit de lvnement lmentaire n1 est 1 .
6
Un
d original, trs dsquilibr
On sapprte maintenant lancer un d beaucoup moins classique, ttradrique

(cest dire quatre faces triangulaires) et trs dsquilibr (on a particulirement alourdi certains sommets du d pour quil tombe plus souvent sur certains
numros).
Ses quatre faces sont numrotes de 1 4.
Quels rsultats peut-on avoir de ce lancer ?
Peut-on prvoir avec quelle chance chacun dentre eux pourrait arriver ?
Rponses
Bien entendu, les rsultats possibles de ce lancer sont les numros 1, 2, 3 ou 4.
On pourrait, l encore, imaginer comme rsultat le fait que le d sarrte en quilibre sur une de ses artes, quil soit cass .
Pour simplifier lexemple, nous supposerons encore quil est rigoureusement
impossible que le d sarrte autrement que sur lune de ses faces.
Nous navons donc que quatre rsultats possibles : n1, n2, n3 ou n4.
36
Squence 4 MA20
Commentaire
Dans cet exemple, le fait de lancer le d est une exprience alatoire (puisque
son rsultat nest pas prvisible) qui na pas encore eu lieu.
Les rsultats possibles (n1, n2, n3 ou n4) sont les vnements lmentaires de cette exprience ou issues.
Puisque le d nest pas parfaitement quilibr, on na pas de raison de penser
que chaque numro a la mme chance darriver.

Nayant pas dautre renseignement, on ne peut pas dterminer la chance
darriver de chaque numro.
Information complmentaire pour pouvoir rpondre

On suppose maintenant que notre d a t test avant dtre vendu et que le test
sur 5 000 lancers a donn les rsultats suivants :
Issues
n1
n2
n3
n4
Nombre de fois o on la obtenue
495
505
1 010
2 990
Suite de la rponse
On peut donc supposer, vu le grand nombre de lancers effectus lors de ce test,
que lon risque dobtenir, lorsquon lancera nous-mmes le d, les diffrents
rsultats avec la mme frquence que celle observe dans le tableau.
On peut ainsi dire quil y a 495 chances sur 5 000 que le d tombe sur le n1, 505
chances sur 5 000 que le d tombe sur le n2, 1 010 chances sur 5 000 que le d
tombe sur le n3 et 2 990 chances sur 5 000 que le d tombe sur le n4.
Lide, intuitive, est que les 4 numros se rpartiraient comme dans le tableau si
lon refaisait 5 000 fois lexprience.
On va traduire ce nombre de chances par une fraction.
Le fait que le d tombe sur le n1 risque de se produire dans 495/5000 cas.
On dira que la probabilit de lvnement lmentaire n1 est 495 , celle
5000
505
de lvnement lmentaire n2 est
, celle de lvnement lmentaire
5000
n3 est 1010 , et celle de lvnement lmentaire n4 est 2990 .
5000
5000
Commentaire
Cette ide intuitive que lobservation dun grand nombre de cas permet de
deviner la probabilit quun vnement se produise est aussi sous-jacente
dans le premier exemple (d cubique bien quilibr).
Pour affirmer le fait que chaque vnement lmentaire a une probabilit de 1 ,
6
on simagine ce qui se passerait si lon lanait le d un trs grand nombre de fois
Squence 4 MA20
37
(par exemple 6 000 fois) ; on aurait peu prs autant de fois chaque issue (ici
environ 1 000 fois).
Car on sait trs bien que si on lance ce d 6 fois exactement, il y a trs peu de
chances que lon obtienne exactement une fois chaque issue.
Cependant ces deux exemples sont assez diffrents dans leur faon dobtenir les
probabilits de chaque issue :
pour le premier d, quilibr, un raisonnement sur lgalit des chances permet
de conclure (mme si on peut avoir en tte ce qui se passerait si lon testait ce d
en le lanant un grand nombre de fois),
pour le deuxime d, dsquilibr, aucun raisonnement ne suffit pour dterminer les probabilits de chaque issue ; seul le tableau statistique du test permet
de les dterminer.
Ce sont les deux principales faons de dfinir des probabilits :
un raisonnement sur lexprience alatoire en question,
une utilisation des frquences obtenues dans un tableau statistique.
Remarque
Dans les deux exemples ci-dessus, nous pouvons remarquer deux choses :
les probabilits calcules sous forme de fractions sont toujours des nombres infrieurs 1 (on nimagine pas quun rsultat puisse avoir 7 chances sur 6 de se produire, donc une probabilit de 7 ! )
en ajoutant les probabilits de toutes les issues possibles, on obtient exactement 1,

pour le d cubique, on a 1 + 1 + 1 + 1 + 1 + 1 = 1 ;
6 6 6 6 6 6
495 505 1010 2990

+
+
+
= 1.
5000 5000 5000 5000
Cours
Le
langage des probabilits
a) Exprience alatoire, vnements lmentaires, univers

Dfinition
Une exprience alatoire est une exprience pour laquelle plusieurs

issues sont possibles, sans que lon puisse prvoir celle qui se produira.
Les issues sont aussi appeles les vnements lmentaires, ou les
ventualits.
38
Squence 4 MA20
Commentaire
Exemples
Il est important, avant de commencer un exercice de probabilit, davoir bien

compris lexprience alatoire dont on parle, et ses rsultats possibles (vnements lmentaires).
On veut lancer un d quatre faces et sintresser au numro obtenu.
Les vnements lmentaires sont : n1, n2, n3 et n4.

On veut lancer deux ds identiques quatre faces et sintresser aux deux
numros obtenus.
Les vnements lmentaires sont :
(1 et 1), (1 et 2), (1 et 3), (1 et 4), (2 et 2), (2 et 3), (2 et 4), (3 et 3), (3 et 4) et (4
et 4), si lon ne peut pas distinguer les deux ds (sinon, avec deux ds distincts,
(1 et 2) et (2 et 1) sont des issues diffrentes).
On veut lancer deux fois un d quatre faces et sintresser la somme des
deux numros obtenus.

Les vnements lmentaires sont : 2, 3, 4, 5, 6, 7 et 8.
Vocabulaire
On regroupe souvent toutes les issues dune exprience alatoire dans un mme
ensemble, que lon appelle lunivers de lexprience.
Exemples
Dans lexemple lunivers de lexprience est : E = { n1 ; n2 ; n3 ; n4 }.

Dans lexemple lunivers de lexprience est :
E = { (1 et 1) ; (1 et 2) ; (1 et 3) ; (1 et 4) ; (2 et 2) ; (2 et 3) ; (2 et 4) ; (3 et 3) ; (3
et 4) ; (4 et 4) }.
Dans lexemple dcrire lunivers de lexprience.
Remarque
Vous remarquerez que lon note les ensembles avec des accolades, { et } , et que les
issues sont spares par des points-virgules.
b) vnements
Reprenons lexemple prcdent, o lon veut lancer deux ds identiques
quatre faces et sintresser aux deux numros obtenus.
Au lieu de se demander si un rsultat prcis va se produire (aura-t-on le 1 et le
3 ?), on peut sintresser une possibilit plus large : aura-t-on deux numros
impairs ?
Cela revient se demander si lon aura lune des issues (1 et 1), ou (1 et 3), ou
(3 et 3).
Et donc, si lon aura lune des issues de lensemble : {(1 et 1) ; (1 et 3) ; (3 et 3)}.
Cet ensemble est caractristique du fait davoir deux numros impairs .
On dit que cest lvnement avoir deux numros impairs .
Squence 4 MA20
39
On peut de la mme faon dfinir dautres vnements, correspondant diffrentes possibilits des issues : avoir un double , avoir deux numros dont la
somme fasse 4 , avoir au moins un 1 , etc.
Chaque vnement pourra tre reprsent par lensemble de toutes les
issues correspondantes :
{(1 et 1) ; (2 et 2) ; (3 et 3) ; (4 et 4)} est lvnement avoir un double ,
{(1 et 3) ; (2 et 2)} est lvnement avoir deux numros dont la somme fasse 4 ,
{(1 et 1) ; (1 et 2) ; (1 et 3) ; (1 et 4)} est lvnement avoir au moins un 1 .
On dit que ces issues sont les issues favorables lvnement (on devrait
dire favorables ce quil se ralise).
On peut aussi considrer quun ensemble dissues quelconques reprsente
un vnement, mme si lon ne peut pas le dcrire par une phrase :
{(1 et 1) ; (2 et 3) ; (2 et 4)} est un vnement.
Dfinition
On appelle vnement dune exprience alatoire, un ensemble dissues de cette exprience.

Cest donc un sous-ensemble de lunivers.
En gnral, un vnement traduit une possibilit que lon envisage pour
le rsultat de lexprience.
Commentaire
Il est important de comprendre que, lorsque lexprience sera faite (on aura lanc
nos deux ds), on pourra dire quun vnement est ralis si cest lUNE des
issues qui le composent qui se ralise.
Exemple
Si cest lissue (2 et 2) qui se ralise, lvnement avoir un double sera ralis ;

si cest lissue (3 et 3) qui se ralise, lvnement avoir un double sera ralis ;
si cest lissue (1 et 2) qui se ralise, lvnement avoir un double ne sera pas
ralis.
Exemples
Pour lexprience de lexemple a) ci-dessus, dcrire par une phrase lv-
nement : S = {6 ; 7 ; 8}.
Dans le mme exemple, dcrire par ses issues lvnement : I = avoir une
somme impaire .
Rponses.
Lvnement : S = {6 ; 7 ; 8} peut se dcrire, par exemple, par la phrase : ob-
tenir deux numros dont la somme est suprieure ou gale 6 .

Lvnement : I = avoir une somme impaire est lvnement : I = {3 ; 5 ; 7}
40
Squence 4 MA20
Cas particuliers
Reprenons lexemple prcdent.
Parmi les ensembles dissues que lon peut fabriquer, donc les vnements, il y en a deux particuliers.
1 Lensemble form de toutes les issues, autrement dit lunivers,
est un vnement :
E = { (1 et 1) ; (1 et 2) ; (1 et 3) ; (1 et 4) ; (2 et 2) ; (2 et 3) ;
(2 et 4) ; (3 et 3) ; (3 et 4) ; (4 et 4) }.
Cet vnement est sr de se raliser, puisquil contient toutes les
issues possibles.
On lappelle parfois lvnement certain.
On pourrait le traduire par avoir un rsultat, mais peu importe
lequel .
2 Lensemble form daucune des issues est aussi considr comme
un vnement. On le note avec un symbole particulier, , qui se lit
ensemble vide .
= { }.
Cet vnement ne peut pas se raliser, puisquil ne contient
aucune des issues possibles.
On lappelle parfois lvnement impossible.
On pourrait le traduire par ne pas avoir de rsultat , ce qui est
impossible, puisquon aura forcment un rsultat lorsquon aura
lanc nos ds, ou par une proprit manifestement impossible :
avoir au moins un 5 , avoir une somme gale 9 ou avoir
un double 6 .
Dfinitions
Soit une exprience alatoire, dont les issues sont notes a1, a2, a3, , an
(on suppose quil y a n issues).
On appelle vnement certain lvnement constitu de toutes les
issues de lexprience, cest dire lunivers : E = { a1, a2, a3, , an }.
On appelle vnement impossible lvnement constitu daucune
issue de lexprience, cest dire lensemble vide : = { }.
c) Schmas illustrant les issues dune exprience alatoire

Il est souvent bien pratique de reprsenter lunivers dune exprience alatoire
par un schma qui montre bien comment on peut obtenir les diffrentes issues.
Ces schmas nous seront de plus bien utiles par la suite.
On trouve principalement trois types de schma.
Squence 4 MA20
41
Les diagrammes en forme de patate , qui permettent de sparer diffrentes
catgories dissues :
Exemple
Ici on a reprsent lunivers de

lexemple , en sparant les vnements lmentaires correspondant au
fait dobtenir un double .
(1 et 1)
(1 et 2)
(2 et 2)
(1 et 3) (1 et 4)
(3 et 3)
(2 et 3)
(4 et 4)
(2 et 4) (3 et 4)
Les tableaux double entre, lorsque deux critres structurent les issues :
Exemple
Ici on a reprsent lunivers

de lexemple , en faisant
apparatre les issues qui sobtiennent de deux faons (cases grises), et quil faudrait
diffrencier si lon pouvait
distinguer les deux ds (par
exemple avec deux couleurs
diffrentes).
1er d
(1 et 1)
(1 et 2)
(1 et 3)
(1 et 4)
(1 et 2)
(2 et 2)
(2 et 3)
(2 et 4)
(1 et 3)
(2 et 3)
(3 et 3)
(3 et 4)
(1 et 4)
(2 et 4)
(3 et 4)
(4 et 4)
2me d
Les schmas en arbre qui montrent une sorte de chronologie du droulement
de lexprience :
Exemple
Ici on a reprsent lunivers de lexemple , en faisant apparatre les issues qui

sobtiennent de deux faons (flches pointilles), et quil faudrait diffrencier si lon
pouvait distinguer les deux ds (par exemple avec deux couleurs diffrentes).
1er d
2e d
Issues
Exemple
2 3
(1;1) (1;3)
(1;2) (1;4)
2 3
(1;2) (2;3)
(2;2) (2;4)
2 3
2 3
(1;4) (3;4)
(2;4) (4;4)
Reprsenter lunivers de lexemple par un diagramme en patate et par

un tableau double entre.
2
4
Squence 4 MA20
3
5
(1;3) (3;3)
(2;3) (3;4)
Rponse.
Par un diagramme en patate :
42
6
8
Par un tableau double entre :

1er d
2me d
Loi
de probabilit
a) Probabilit dun vnement lmentaire

Reprenons les deux premiers exemples prcdents, au dbut du cours, et regardons quelle chance a-t-on que chacun des rsultats se produise.
Pour lexemple , o lon veut lancer un d quatre faces et sintresser au
numro obtenu, les vnements lmentaires sont : n1, n2, n3 et n4.
Si le d est normal , on est dans le mme cas de figure que dans lactivit ,
et lon peut, en raisonnant sur lgalit des chances, admettre que chaque
1
issue a une chance sur quatre de se produire : on dira une probabilit de .
4
Pour lexemple , o lon veut lancer deux ds identiques quatre faces et sintresser aux deux numros obtenus, les vnements lmentaires sont : (1 et 1),
(1 et 2), (1 et 3), (1 et 4), (2 et 2), (2 et 3), (2 et 4), (3 et 3), (3 et 4) et (4 et 4).
Mais l, on ne peut pas raisonnablement supposer quil y a galit des
chances, car on voit quil y a deux faons dobtenir le rsultat (1 et 2), suivant que
le 1 est sur un d ou sur lautre, alors quil ny a quune faon dobtenir (1 et 1).
Comment calculer les chances de se produire de chaque issue ?
On va utiliser les schmas voqus prcdemment, en particulier un tableau
double entre ou un schma en arbre.
Prenons le tableau.
Puisque chaque colonne correspond une issue pour le
premier d, on peut dire quil
y a galit de chance davoir
une colonne plutt quune
autre.
1er d
2
me
(1 et 1)
(1 et 2)
(1 et 3)
(1 et 4)
(1 et 2)
(2 et 2)
(2 et 3)
(2 et 4)
(1 et 3)
(2 et 3)
(3 et 3)
(3 et 4)
(1 et 4)
(2 et 4)
(3 et 4)
(4 et 4)
De mme pour les lignes puisquelles correspondent aux issues pour le deuxime d.
On peut ainsi admettre que toutes les cases du tableau ont la mme chance de
se produire : soit une chance sur seize.
On peut alors en dduire la probabilit des diffrentes issues de lexprience
alatoire :
1
(1 et 1) correspond une case, on dira que sa probabilit est de
.
16
Il en est de mme pour toutes les issues doubles : (2 et 2), (3 et 3), (4 et 4).
Squence 4 MA20
43
2
.
16
Il en est de mme pour toutes les autres issues : (1 et 3), (1 et 4), (2 et 3), (2 et
4) et (3 et 4).
(1 et 2) correspond deux cases, on dira que sa probabilit est de
Remarque
Dans dautres cas, comme dans lactivit , on a vu que ctait les donnes statistiques qui permettaient de trouver la probabilit de chaque issue.
Dfinitions
Lors dune exprience alatoire, dont les issues sont notes a1, a2, a3, , an,
on peut attribuer chaque issue de cette exprience un nombre reprsentant ses chances de se produire :
on dit que cest la probabilit de cette issue.
Lensemble des issues et de leurs probabilits constitue la loi de probabilit de lexprience alatoire.
Notation
On peut noter ces nombres avec des indices permettant de retrouver quelle
issue chaque nombre correspond :
p1 est la probabilit de lissue a1, p2 est la probabilit de lissue a2, p3 est la probabilit de lissue a3, , pn est la probabilit de lissue an.
On peut aussi noter ces nombres de manire fonctionnelle :
p1 = p(a1), p2 = p(a2), p3 = p(a3), , pn = p(an).
On a vu comme remarques la fin des activits et , que ces nombres sont
ncessairement infrieurs 1 (et bien sr positifs), et que leur somme vaut 1. Ces
proprits sont caractristiques des probabilits.
Proprit
Lors dune exprience alatoire, dont les issues sont notes a1, a2, a3, , an , la
probabilit de chaque issue est un nombre compris entre 0 et 1 :
pour nimporte quel indice i,
0 pi 1
(ou 0 p( a i ) 1)
De plus, ces probabilits vrifient :
p1+ p2 + p 3 + ... + pn = 1
44
Squence 4 MA20
(ou p ( a1 )+p ( a2 )+p ( a3 )+...+p ( an )=1 ).
Par exemple,
pour lexemple , o lon veut lancer deux ds identiques quatre faces et sintresser aux deux numros obtenus, les vnements lmentaires sont :
(1 et 1), (1 et 2), (1 et 3), (1 et 4), (2 et 2), (2 et 3), (2 et 4), (3 et 3), (3 et 4) et
(4 et 4).
1
On a vu que : p (1 et 1) = p (2 et 2) = p ( 3 et 3) = p ( 4 et 4 ) =
(compris entre 0
16
et 1),
2
et que : p (1 et 2) = p (1 et 3) = p (1 et 4 ) = p (2 et 3) = p (2 et 4 ) = p ( 3 et 4 ) =
16
(aussi entre 0 et 1).
De plus on a aussi :
p (1 et 1) + p (2 et 2) + p ( 3 et 3) + p ( 4 et 4 ) + p (1 et 2) + p (1 et 3) + p (1 et 4 )+
1
2 16
+ p (2 et 3) + p (2 et 4 ) + p ( 3 et 4 ) = 4 + 6 = = 1.
16
16 16
, tablir la loi de probabilit (on pourra utiliser
Exemple
un tableau double entre).

Rponse.
Reprenons le tableau double entre de la page 107.
Puisque chaque colonne correspond
une issue pour le premier d, on
peut dire quil y a galit de chance
davoir une colonne plutt quune
autre.
1er d
2me d
De mme pour les lignes puisquelles correspondent aux issues pour le deuxime
d.
se produire : soit une chance sur seize.
On peut alors en dduire la probabilit des diffrentes issues de lexprience
alatoire :
2 correspond une case, on peut dire que sa probabilit est de 1 .
16
Il en est de mme pour lissue 8.
3 correspond deux cases, on peut dire que sa probabilit est de 2 .
16
4 correspond trois cases, on peut dire que sa probabilit est de 3 .
16
Enfin, 5 correspond quatre cases, donc sa probabilit est 4 .
16
b) quiprobabilit
Le cas particulier de lexemple , ou de lactivit , o toutes les issues ont la
mme probabilit de se produire, est trs frquent.
Squence 4 MA20
45
Cette situation quil faut apprendre reconnatre, amne des calculs relativement simples.
Dfinition
Lors dune exprience alatoire, si toutes les issues ont la mme chance
de se produire, on dit quil y a quiprobabilit (ou que les issues sont
quiprobables).
Les proprits nonces ci-dessus nous montrent que chaque issue aura
alors comme probabilit :
1
p = , o n est le nombre dissues de lexprience.
n
Dmonstration
Considrons une exprience alatoire, dont les issues sont notes a1, a2, a3, ,
an, et pour laquelle il y a quiprobabilit. On aura donc :
p1 = p2 = p 3 = ... = pn et p1+ p2 + p 3 + ... + pn = 1.
Donc :
Exemples
n p1 = 1. Ce qui donne bien : p1 =
1
= p2 = p 3 = ... = pn .
n
On veut tirer au hasard une date dans le calendrier dune anne non bissextile.
Quelle est la probabilit de tomber sur Nol ?

Un restaurant propose un menu rapide compos dun plat principal et dun
dessert.
Il offre le choix de trois plats principaux et de deux desserts.
Ne sachant que choisir, je dcide de tirer au hasard le plat principal, puis le dessert pour composer mon menu.
Dcrire lunivers et la loi de probabilit de cette exprience alatoire.
Rponses.
Dans lnonc, lexpression au hasard signifie que toutes les dates ont la
mme chance dtre tires.

On est alors en situation dquiprobabilit. La probabilit de tomber sur Nol
est donc :
1 puisquil y a 365 issues possibles.
p(Nol) =
365
Cest dailleurs ce que lintuition nous suggre, et on aurait le mme rsultat pour
nimporte quelle date, mme moins remarquable.
On peut reprsenter les diffrents menus (les issues) par un tableau double
entre.
Puisque chaque colonne correspond
une issue pour le premier tirage, on
peut dire quil y a galit de chance
davoir une colonne plutt quune autre
puisque ce tirage est au hasard .
46
Squence 4 MA20
Plat
(1 et 1)
(2 et 1)
(3 et 1)
(1 et 2)
(2 et 2)
(3 et 2)
Dessert
De mme pour les lignes puisquelles correspondent aux issues du deuxime

tirage.
se produire : il y a quiprobabilit, et il y a 6 issues possibles.
La probabilit de chaque menu est donc : 1 .
6
Remarque
Un schma en arbre se prte aussi trs bien ce genre dexprience :
Plat principal
Dessert
Issues
(1et 1)
(1et 2)
(2 et 1)
(2 et 2)
(3 et 1)
(3 et 2)
c) Loi de probabilit dune exprience alatoire non quiprobable,

mais base dquiprobabilit
Dans ces situations non quiprobables, pour dterminer la loi de probabilit
dune exprience alatoire, il faut :
se ramener une situation o il y a quiprobabilit,
dterminer la probabilit de chaque issue possible de lexprience.
Exemple
Dans une bote se trouvent trois boules vertes et une boule blanche, indiscernables au toucher.
On en tire une au hasard, et sans la remettre dans la bote, on en tire une deuxime, encore au hasard. On note les couples de couleurs obtenues, en tenant compte de lordre de tirage.
Dcrire lunivers et la loi de probabilit de cette exprience alatoire.
Les issues de cette exprience sont faciles dterminer. En notant V la couleur
verte et B la couleur blanche, on trouve : (V,V), (V,B) et (B,V) car on ne peut pas
tirer deux boules blanches.
Lunivers est donc : { (V,V) ; (V,B) ; (B,V) }.
Mais ces issues ne sont pas quiprobables : on a certainement plus de chance
dobtenir (V,V) que (V,B).
Pour se ramener une situation quiprobable, on va raisonner sur les boules (en
les supposant toutes diffrentes) et non pas sur les couleurs. On peut par exemple imaginer que les boules sont numrotes.
Squence 4 MA20
47
On va reprsenter les diffrents tirages par un schma en arbre.
1er tirage
V1
2e tirage
V2 V3
Issues
V2
(V,V) (V,V) (V,B)
V1 V3
V3
(V,V) (V,V) (V,B)
V1 V2
(V,V) (V,V) (V,B)
V1 V2 V3
(B,V) (B,V) (B,V)
Puisque chaque tirage se fait au hasard , on peut dire quil y a galit de

chance davoir une branche de larbre plutt quune autre. Il y a quiprobabilit des branches et il y en a 12. On peut maintenant calculer la probabilit de
chaque issue de notre exprience.
6
= 0 , 5.
12
3
Lissue (V,B) est obtenue avec 3 branches, sa probabilit est donc :
= 0 , 25.
12
3
Lissue (B,V) est obtenue avec 3 branches, sa probabilit est donc :
= 0,25.
12
Lissue (V,V) est obtenue avec 6 branches, sa probabilit est donc :
d) Probabilit dun vnement quelconque

Reprenons les exemples du dbut du cours, et regardons quelle chance on a
quun certain vnement se ralise.
Pour lexemple , o lon veut lancer un d normal quatre faces et sintresser au numro obtenu, les vnements lmentaires sont : n1, n2, n3 et
n4.
1
La loi de probabilit est :
p(1) = p(2) = p(3) = p(4) = .
4
Considrons lvnement : avoir un n pair , que lon peut crire {2 ; 4}.
Quelle est la probabilit quil se produise ? Intuitivement, on voit que lon
a deux chances sur quatre quil se produise. On pourrait donc crire :
2
p( avoir un n pair ) = .
4
On peut remarquer que cet vnement est constitu de deux issues, et que
lon a :
1 1 2
p( avoir un n pair ) = p( {2 ; 4} ) = p(2) + p(4) = + = .
4 4 4
Ceci traduit le fait que lvnement sera ralis si lune ou lautre des deux issues
se ralise, ce qui nous donne comme probabilit que lvnement se ralise, la
probabilit de la premire issue, plus celle de la seconde.
Pour lexemple , o lon veut lancer deux ds identiques quatre faces et sintresser aux deux numros obtenus, les issues sont :
48
Squence 4 MA20
(1 et 1), (1 et 2), (1 et 3), (1 et 4), (2 et 2), (2 et 3), (2 et 4), (3 et 3), (3 et 4) et

(4 et 4).
1
p(1 et 1) = p(2 et 2) = p(3 et 3) = p(4 et 4) = ,
La loi de probabilit est :
16
2
p(1 et 2) = p(1 et 3) = p(1 et 4) = p(2 et 3) = p(2 et 4) = p(3 et 4) = .
16
Considrons lvnement : avoir un double , que lon peut crire { (1 et 1) ;
(2 et 2) ; (3 et 3) ; (4 et 4) }.
Quelle est la probabilit quil se produise ? Intuitivement, en regardant le tableau
double entre reprsentant les issues, on voit que lon a quatre chances sur
4
seize quil se produise. On pourrait donc crire : p( avoir un double ) = .
16
On peut remarquer que cet vnement est constitu de quatre issues, et que
lon a : p( avoir un double ) = p( {(1 et 1) ; (2 et 2) ; (3 et 3) ; (4 et 4)} )
= p(1 et 1) + p(2 et 2) + p(3 et 3) + p(4 et 4)
1 1 1 1 4
= + + + = .
16 16 16 16 16
issues se ralise, ce qui nous donne comme probabilit que lvnement se ralise, la probabilit de la premire issue, plus celle de la seconde, plus celle de la
troisime, plus celle de la quatrime.
De mme, considrons lvnement : avoir deux numros dont la somme fasse
4 , que lon peut crire { (1 et 3) ; (2 et 2) }.
Quelle est la probabilit quil se produise ? Intuitivement, en regardant le tableau double entre reprsentant les issues, on voit que lon
a trois chances sur seize quil se produise. On pourrait donc crire :
3
p( avoir deux numros dont la somme fasse 4 ) = .
16
On peut remarquer ce cet vnement est constitu de deux issues, et que lon
a : p( avoir deux numros dont la somme fasse 4 ) = p( {(1 et 3) ; (2 et 2)} )
= p(1 et 3) + p(2 et 2)
=
2 1 3
+ = .
16 16 16
Ceci traduit le fait que lvnement sera ralis si lune ou lautre des deux issues
se ralise, ce qui nous donne comme probabilit que lvnement se ralise, la
probabilit de la premire issue, plus celle de la seconde.
Ce procd se gnralise.
Proprit
Lors dune exprience alatoire, la probabilit dun vnement quelconque est la
somme des probabilits de toutes les issues qui composent cet vnement.
Squence 4 MA20
49
Par exemple,
pour lexemple , o lon veut lancer deux fois un d quatre faces et sintresser aux deux numros obtenus, sans tenir compte de lordre.
On considre lvnement avoir un double OU avoir deux numros dont la
somme fasse 4 .
Cet vnement est constitu des issues : { (1 et 1) ; (1 et 3) ; (2 et 2) ; (3 et 3) ;
(4 et 4)}.
Sa probabilit est :
1 2 1 1 1 6
p(1 et 1) + p(1 et 3) + p(2 et 2) + p(3 et 3) + p(4 et 4) = + + + + = .
16 16 16 16 16 16
Exemple
Pour lexprience de lexemple , calculer les probabilits des vnements :

S = {6 ; 7 ; 8} et I = {3 ; 5 ; 7}.
Rponse.
On a :
3 2 1 6
+ + = .
16 16 16 16
2 4 2 8
p(I) = p(3) + p(5) + p(7) = + + = .
16 16 16 16
p(S) = p(6) + p(7) + p(8) =
Cas particulier
On a vu dans la partie b) que pour toute exprience alatoire,
on a toujours deux vnements particuliers, lvnement certain
(lunivers) et lvnement impossible (lensemble vide).
Il est facile de calculer leur probabilit.
Proprits
On note E lunivers dune exprience alatoire.
La probabilit de lvnement certain est :
La probabilit de lvnement impossible est :
Explication
50
Lunivers est constitu de toutes les issues possibles. Sa probabilit est donc la
somme de toutes les probabilits de ces issues. Or nous avons vu au dbut de cette
partie que la somme de toutes les probabilits de toutes les issues valait 1.
La probabilit de lunivers est donc 1.
Quant lvnement impossible, cest par convention (cest--dire par dcision
arbitraire mais admise de tous) que lon a p( ) = 0.
Squence 4 MA20
p(E) = 1.
p( ) = 0.
Mais cette convention est conforme lintuition (il y a 0 chances sur que lon
ait lvnement impossible) et aussi la proprit indiquant le calcul de la probabilit dun vnement (cest la somme des probabilits des issues de lvnement : na aucune issue, donc sa probabilit est 0).
quiprobabilit
En situation dquiprobabilit, les calculs sont l aussi simplifis.
Proprits
Lors dune exprience alatoire quiprobable,, la probabilit dun vnement quelconque A est gale :
Dmonstration
Exemple
p(A) =
nombre d'issues de A
.
nombre total d'issues
1
Sil y a quiprobabilit, chaque issue a pour probabilit p = , o n est le nomn
bre total dissues de lexprience.
Si lvnement A est constitu de k issues, sa probabilit est la somme des probabilits de ces k issues :
1 1
1
1
p(A) = + + ... +
(k fois), puisquelles ont toutes mme probabilit ( ).
n n
n
n
1 k nombre d'issues de A
Ce qui fait bien : p(A) = k = =
.
n n nombre total d'issues
On veut tirer au hasard une date dans le calendrier dune anne non bissextile.
Quelle est la probabilit de tomber sur un jour de dcembre ?
Dans l nonc, lexpression au hasard signifie que toutes les dates ont la
mme chance dtre tires.
On est en situation dquiprobabilit, chaque jour ayant comme probabilit
1
dtre tir :
.
365
La probabilit de tomber sur un jour de dcembre est donc :
p(Dcembre) =
nombre de jours de dcembre 31

.
=
nombre total de jours
365
Synthse du cours
Le
Dfinitions
ventualits.
Squence 4 MA20
51
Vocabulaire
On regroupe souvent toutes les issues dune exprience alatoire dans un mme
ensemble, que lon appelle lunivers de lexprience.
Dfinition
On appelle vnement dune exprience alatoire, un ensemble dissues de cette exprience.

Cest donc un sous-ensemble de lunivers.
Dfinitions
52
Squence 4 MA20
Loi
de probabilit
Proprits
pour nimporte quel indice i, 0 pi 1 (ou 0 p ( a i ) 1 ).
ces probabilits vrifient :
p1+ p2 + p 3 + ... + pn = 1 ( ou p ( a1 )+p ( a2 )+p ( a3 )+...+p ( an )=1 ).
Proprit
Proprits
p(E) = 1.
p( ) = 0.
Proprit
p(A) =
.
Dans les exercices 9 et 10, indiquer la ou les bonnes rponses.
Exercice 9
On joue Pile ou Face (P ou F) deux fois de suite avec une pice bien quilibre.
La probabilit dobtenir deux fois Face, p(F, F) est :
a. 1
b. 1
c. 1
d. gale p(P, P)
2
3
4
Squence 4 MA20
53
Exercice 10
Deux boules rouges et une noire, indiscernables au toucher, sont dans une
bote. On en tire deux successivement, en remettant la premire dans la bote

avant de tirer la deuxime.
La probabilit dobtenir deux boules rouges est :
a. 2
9
b. 4
9
c. 4
6
d. 1
Deux boules rouges et une noire, indiscernables au toucher, sont dans une
bote. On en tire deux successivement, sans remettre la premire dans la bote.

La probabilit dobtenir deux boules rouges est :
a. 1
Exercice 11
b. 1
3
c. 1
6
d. 1
9
Dans une bote se trouvent une boule blanche numrote 1, deux boules rouges
numrotes 2 et 3, et deux boules noires numrotes 4 et 5.
On tire une boule au hasard dans la bote et on regarde le numro tir.
Dterminer lunivers et la loi de probabilit de cette exprience alatoire.
Quelle est la probabilit de tirer un numro pair ?
Exercice 12
On tire une boule au hasard dans la bote et on regarde la couleur tire.
Quelle est la probabilit de tirer une couleur du drapeau franais ?
Exercice 13
On tire une boule au hasard dans la bote, on la remet, et on en tire au hasard une
deuxime. On sintresse aux deux numros tirs, dans lordre.
Quelle est la probabilit de tirer un double (vnement D) ?
Quelle est la probabilit de tirer un 3 en deuxime position (vnement T) ?
Quelle est la probabilit de tirer un premier numro suprieur au second (vnement S) ?
Exercice 14
On tire une boule au hasard dans la bote et, sans la remettre, on en tire au
hasard une deuxime. On sintresse aux deux numros tirs, dans lordre.
Quelle est la probabilit de tirer un double (vnement D) ?
Quelle est la probabilit de tirer un 3 en deuxime position (vnement T) ?
54
Squence 4 MA20
Quelle est la probabilit de tirer un premier numro suprieur au second (v-
nement S) ?
Exercice 15
On tire au hasard une carte dans un jeu de 32 cartes ordinaires.

Quelle est la probabilit de tirer un cur (vnement C) ?
Quelle est la probabilit de tirer une figure (vnement F) ?
Exercice 16
On tire au hasard une carte dans un jeu de 32 cartes ordinaires, puis, sans la
remettre, on en tire une seconde, galement au hasard.
Quelle est la probabilit de tirer les deux as rouges (cur et carreau) ?
Quelle est la probabilit de tirer deux as ?
Exercice 17
Dans un grand port europen, arrivent chaque jour 5000 conteneurs venant dEurope (la moiti), dAsie (30%) et dAmrique.
Parmi les conteneurs venant dEurope, 5% sont en infraction, de mme pour ceux
venant dAmrique.
Complter le tableau ci-contre
Provenance
tat
Europe
Asie
Amrique
Nb de conteneurs en rgle
Nb de conteneurs en infraction
125
Les douaniers tirent au hasard un conteneur parmi les 5000 arrivs.

Quelle est la probabilit den tirer un en rgle (vnement R) ?
Quelle est la probabilit den tirer un venant dAsie (vnement A) ?
Exercice 18
On lance un d truqu six faces, dont on a fait en sorte que la probabilit de

sortir de chaque face soit proportionnelle au numro de la face.
Quel est lunivers ? Y a-t-il quiprobabilit ?
Dterminer la loi de probabilit de cette exprience.
Squence 4 MA20
55
4 Algorithmique
A
Listes
Considrons un algorithme o intervient une variable A. Lorsque lon affecte A
une nouvelle valeur, lancienne valeur est efface.
Pour pouvoir conserver diffrentes valeurs prises par une variable, on peut considrer une variable de type Liste.
Exemple
Considrons lalgorithme suivant.

Entre
ENTRER a entier naturel compris entre 10 et 99
Initialisation
L liste vide
Traitement
DANS A mettre a
DANS B mettre ent (A/10)
DANS L mettre A
DANS C mettre A-10*B
DANS L ajouter C
Sortie
AFFICHER L
Faisons fonctionner cet algorithme, par exemple pour la valeur a = 47.
Entre
Initialisation
a
47
Traitement
47
4
(4)
7
Sortie
(4; 7)
(4; 7)
Remarque
(1) Attention, lordre est important. Les listes (4; 7) et (7; 4) sont diffrentes.
(2) Au lieu de noter ( ) la liste vide, on peut la noter (symbole qui dsigne
aussi lvnement impossible en probabilit).
(3) Nous noterons, comme pour les calculatrices, L[n] le nime lment de la liste L.
Dans lexemple prcdent, on a, lissue de lalgorithme : L[1] = 4 et L[2] = 7.
56
Squence 4 MA20
Exemple 1

Entre
Traitement
ENTRER L liste de 3 entiers naturels

Si L[1] > L[2] alors
DANS A METTRE L[1]
DANS L[1] METTRE L[2]
DANS L[2] METTRE A
Fin du Si
DANS A METTRE L[1]
DANS L[3] METTRE A
Fin du Si
DANS A METTRE L[2]
DANS L[3] METTRE A
Fin du Si
Sortie
AFFICHER L
Faire fonctionner cet algorithme pour :
a) L = (17; 8; 5)
b) L = (7; 9: 3)
c) L = (8; 6; 8)
Que fait cet algorithme?
Rponses
a)
Entre
L
(17; 8; 5)
A
17
On a : L[1] = 17 > 8 = L[2]
On a : L[1] = 8 > 5 = L[3]
17
On a : L[2] = 17 > 8 = L[3]
(8; 8; 5)
(8; 17; 5)
(5; 17; 8)
Sortie
(5; 8; 17)
Entre
L
(7; 9; 3)
(7; 9; 3)
b)
A
On a : L[1] = 7 9 = L[2]
On a : L[1] = 7 > 3 = L[3]
On a : L[2] = 9 > 7 = L[3]
(3; 9; 7)
Sortie
(3; 7; 9)
Squence 4 MA20
57
c)
Entre
L
(8; 6; 8)
Sortie
(6; 8; 8)
(6; 8; 8)
(6; 8; 8)
(6; 8; 8)
A
8
On a : L[1] = 8 > 6 = L[2]

On a : L[1] = 6 8 = L[3]
On a : L[2] = 8 8 = L[3]
Cet algorithme range dans lordre croissant les termes de la liste L.

Remarque
(point de logique)
On a utilis le fait que si a < b nest pas vrai alors a b est vrai.
En fait la ngation de a < b est a b. De mme, la ngation de a
b est a > b.
Boucles
Boucles POUR
Pour une tude statistique, on veut crer une liste contenant les chiffres des
units de 12 , 22 ,..., 992 et 1002.
Un algorithme rpondant au problme est le suivant.
DANS A METTRE 1^2-10*ent(1^2/10)
DANS L[1] METTRE A
DANS A METTRE 2^2-10*ent(2^2/10)
DANS L[2] METTRE A
.
.
.
DANS A METTRE 100^2-10*ent(100^2/10)
DANS L[100] METTRE A
Fin
Ce qui prcde peut tre crit de la faon suivante.
POUR I variant de 1 100
DANS A METTRE I^2-10*ent(I^2/10)
DANS L[I] METTRE A
Fin de la boucle pour
On peut programmer cet algorithme sur calculatrice de la faon suivante.
58
Squence 4 MA20
Ti-82
PROGRAM :LISTE
: FOR(I,1,100)
: I^2-10*ent((I^2)/10) L1[I]
: END
La Casio Graph 25 permet de programmer directement cet algorithme en
utilisant la squence :
Seq(I2-10*ent (I2/10),I,1,100,1) (le dernier 1 reprsente le pas, on obtient Seq
par : OPTN, LIST, ).
Remarque
- Le END de ces programmes reprsente la n de la boucle et non la n du

programme.
- La variable I qui prend ici les valeurs de 1 100 sappelle parfois
lincrment. La valeur nale de I est, ici, le nombre de boucles effectues
(on peut remarquer dans ce cas que cest un compteur).
Syntaxe
Exemple 2
Ti-82
Casio Graph 25
For(Variable,dbut,n,pas) ou
For(Variable,dbut,n) si pas = 1
For dbut variable To n Step pas
END
Next

Entre
ENTRER N entier naturel
Initialisation
DANS A METTRE 0
Traitement
POUR I variant de 1 N
DANS A METTRE A+N
Fin de la boucle POUR
Sortie
AFFICHER A
Faire fonctionner cet algorithme avec :

a) N = 5
b) N = 11
Que fait cet algorithme ?
Rponses
a)
N
Entre
5
0
1
Squence 4 MA20
59
10
15
20
25
Sortie
25
b)
N
Entre
11
0
11
1
11
121
Sortie
121
2
Cet algorithme nous donne : N+N+...+N
= N N=N
N fois
Boucles TANT Q
QUE
On cherche crire un algorithme, nous donnant la liste des chiffres composant
lcriture dcimale dun entier naturel p (entre).
Par exemple, si N = 1846, on peut utiliser le fait que :
Si N1= ent(N/10) = 184 alors le chiffre des units est 1846-1840 = N-10* N1 = 6,
Si N2= ent( N1 /10) = 18 alors le chiffre des dizaines de N est 184-180 = N1 -10* N2 = 4,
Si N3 = ent( N2/10) = 1 alors le chiffre des centaines de N est 18-10 = N2 -10* N3 = 8,
Le chiffre des milliers de N est alors N3 = 1.
Le tableau de fonctionnement de lalgorithme serait alors le suivant.
N
C (chiffres)
1846
184
(6)
184
18
(4;6)
18
(8;4;6)
(1;8;4;6)
Entre
1846
Sortie
60
Squence 4 MA20
(1;8;4;6)
Un algorithme correspondant est le suivant.

Entre
ENTRER P
Initialisation
L liste vide
DANS N METTRE P
Traitement
DANS A METTRE ent(N/10)

DANS C METTRE N-10*A
DANS L ajouter en dbut de liste C
DANS N METTRE A
DANS N METTRE A
DANS N METTRE A
boucle
Sortie
{
{
{
A=184
A=18
A=1
A=0
AFFICHER L
Bien sr, cet algorithme ne fonctionne que pour les entiers dont lcriture dcimale
comporte 4 chiffres. On rpte plusieurs fois les mmes oprations (on parle alors
de boucle, voir schma prcdent). En fait, A=0 correspond la dernire boucle
effectue. Si A prend une valeur non nulle alors une boucle supplmentaire doit
tre effectue.
Grce ces remarques, on peut gnraliser lalgorithme prcdent de la faon
suivante.
Entre
ENTRER P
Initialisation
L liste vide
DANS N METTRE P
Traitement
TANT QUE A 0 FAIRE

DANS L AJOUTER en dbut de liste C
DANS N METTRE A
Fin de la boucle TANT QUE
Sortie
AFFICHER L
Squence 4 MA20
61
Remarque
- La condition A = 0 est la condition darrt de la boucle TANT QUE.

Pour le tableau de fonctionnement dun algorithme contenant une boucle
TANT QUE, il peut-tre utile dajouter une colonne pour la condition (sur
notre exemple : A 0?) en notant OUI si la condition est ralise et
NON si elle ne lest pas (voir exemple 3).
- Pour les calculatrices, on utilise linstruction suivante.
Algorithme
Ti-82
Casio Graph 25
TANT QUE
WHILE
End
While
WhileEnd
- Cas du tableur (ne permet pas de faire fonctionner des boucles mais le
Copier-Coller de formules donnent parfois le mme rsultat).
On peut faire fonctionner lalgorithme prcdent laide du tableur de la faon
suivante.
=ent(D2/10)
=D2-10*A3
=B3
=A3
2
3
Formules entres
Lorsque lon copie la formule contenue dans A3 et que lon colle dans A4, celle-ci
sadapte et devient ent(D3/10). De mme si lon copie la cellule B3 que lon
colle dans les cellules B4, B5, B6, , on obtient respectivement =D3-10*A4,
=D4-10*A5, =D5-10*A6, En recopiant le contenu des cellules A3 : D3 et
en les collant aux cellules de A4 : D4 jusqu A10 : D10 et entrant la valeur 1846
dans D2, on obtient :
2
3
62
Squence 4 MA20
1846
184
184
18
18
Les lments de la liste L se lisent alors en partant du dernier lment non nul de
la colonne C et en remontant : 1;8;4 et 6.
Exemple 3
On considre lalgorithme suivant :

Entre
ENTRER A et B entiers naturels
Initialisation
DANS I METTRE 0
Traitement
TANT QUE A B FAIRE

DANS A METTRE A-B
DANS I METTRE I+1
Sortie
AFFICHER A et I
a) A = 26 et B = 4
b) A = 19 et B = 7
c) A = 45 et B = 5.
Que fait cet algorithme?
Rponses
a)
B
Entre
26
A B?
4
0
OUI
Sortie
22
OUI
18
OUI
14
OUI
10
OUI
OUI
NON
b)
Entre
19
A B?
Squence 4 MA20
63
OUI
Sortie
12
OUI
NON
c)
Entre
45
A B?
0
OUI
Sortie
40
OUI
35
OUI
30
OUI
25
OUI
20
OUI
15
OUI
10
OUI
OUI
OUI
Cet algorithme nous donne le reste (A) et le quotient (I) de la division
euclidienne de A par B.
Remarque
La variable I prend comme valeur, le nombre de tours effectus.
C
Exercice 19
On dsire obtenir une valeur approche de la somme S de tous les inverses des entiers naturels non nuls infrieurs ou gaux 100. Autrement dit :
1 1 1
1
1
S = + + + ... + +
.
1 2 3
99 100
Dterminer une valeur approche de S laide dun tableur.
On veut dterminer une valeur approche de S laide de la calculatrice.
64
Squence 4 MA20
a) A laide du tableau de fonctionnement suivant, complter lalgorithme suivant

pour quil rponde au problme donn.
I (compteur)
Initialisation
0
1
0,5
1,5
0,333
1,8333
0,25
2,08333
Initialisation
DANS S METTRE 0
.
DANS A METTRE 1/I
DANS S METTRE
Fin de
Sortie
Afcher S.
b) Programmer lalgorithme sur votre calculatrice.

Exercice 20
Une fonction particulire

On considre lalgorithme suivant.
Entre
ENTRER X rel positif
Initialisation
DANS A METTRE 0
Traitement
TANT QUE A X FAIRE

DANS B METTRE X A
DANS C METTRE B
DANS F METTRE A+C
DANS A METTRE A+1
AFFICHER F
a) X = 0
b) X = 1
c) X = 1,25
On note f la fonction qui un rel positif x associe le rel F sortie de
lalgorithme prcdent lorsque lentre est x.

On dsire construire la courbe reprsentative de cette fonction et on entre pour
cela le programme suivant.
Squence 4 MA20
65
Ti-82
Casio Graph 25
PROGRAM : FONCTION
EffListe L1
EffListe L2
FOR(I,0,50)
0 A
I/10 X
= FONCTION =
WHILE ( A X )
X-A B
(B) C
A+1 A
A+C L2(I+1)
END
X L1(I+1)
END
For 0 I To 50
0A
I/10 X
While (A X)
X-A B
B C A+1 A
A+C List 2[I+1]
WhileEnd
X List 1[I+1]
Next
Remarque :
Avant dexcuter ce programme sur la calculatrice
Casio, il convient de dnir la dimension des
listes 1 et 2. Une faon de faire est de remplir
les listes avec par exemple que des 1. Les
slectionner successivement et taper la squence :
Seq(1,I,1,50,1).
a) A quoi correspondent les 2 ENDdu programme pour calculatrice Ti ?

b) Quobtient-on dans les listes L1 et L2 ? Sur quelle intervalle, cela nous permet-il
dtudier la fonction f ?
c) Construire lallure de la courbe reprsentative de la fonction f (on pourra
utiliser les outils de reprsentations graphiques des sries statistiques
de la calculatrice :
2nde , Graph Stats, 1 : Graph1On L1 L2 pour la Ti-82;
Menu STAT, GRPH, SET, XList : List1, YList : List2 puis GPH1 pour la Casio
Graph25.
Exercice 21
On dsire dterminer tous les entiers n 1000000 tels que n+1 soit le cube dun
entier et n-1 le carr dun (autre) entier.
Cela revient chercher tous les entiers naturels N 100 tels que N 3 2 soit le
carr dun entier ce qui revient dire que N 3 2 est un entier naturel.
On dsire pour rpondre, utiliser une feuille de calculs.
B
66
=A2+1
Squence 4 MA20
N3 2
=RACINE(A2)
C
Carr dentier?
=SI(ent(B2)=B2;A2^3-1 ; )
Remarque
La condition x est entier se traduit par ent(x) = x.
Quafche C2 ?
Jusqu quelle ligne doit-on tendre les formules ?
Que lit-on dans la colonne C ?
Conclure.
Squence 4 MA20
67
Synthse
de la squence
Moyenne
Dfinition
La moyenne dune srie est la valeur du caractre calcule par :
x=
n1x 1 + n2x 2 + ... + np x p

n1 + n2 + ... + n p
= f1x 1 + f2x 2 + ... + fp x p .
Thorme
Si toutes les valeurs du caractre sont multiplies (ou divises) par une
constante a, sans changer les effectifs, la moyenne est elle-mme multiplie (ou divise) par a.
Si on ajoute (ou retranche) une mme constante b toutes les valeurs du
caractre, sans changer les effectifs, la moyenne est elle-mme augmente
Thorme
Si une population deffectif total N est partage en deux groupes, lun deffectif
p de moyenne m1 , lautre deffectif q (avec p + q = N ) et de moyenne m2 , la
moyenne de la population entire est : x =
Mdiane, quartiles
p m1 + q m2
.
N
Dfinition
La mdiane dune srie est une valeur du caractre qui partage la srie en
68
Squence 4 MA20
Dfinition
Les quartiles dune srie sont trois valeurs du caractre qui partagent la
On les note Q1, Q2 et Q3 par ordre croissant, et Q2 est la mdiane.
Le
Dfinition

ventualits.
Dfinitions
Loi
de probabilit
Proprit
pour nimporte quel indice i,
0 pi 1
(ou 0 p( a i ) 1)
ces probabilits vrifient :
p1+ p2 + p 3 + ... + pn = 1
(ou p ( a1 )+p ( a2 )+p ( a 3 )+...+p ( an )=1 ).
Squence 4 MA20
69
Proprit
Proprits
p(E) = 1.
p( ) = 0.
Proprit
70
Squence 4 MA20
p(A) =
.
Exercices
dapprofondissement
Exercice I
Une chane de magasins de vtements a 60 % de ses magasins pour les hommes

et 40 % pour les femmes.
Le chiffre daffaires moyen des magasins pour hommes est de 1,1 million deuros,
celui des magasins pour femmes de 1,4 million deuros.
Calculer le chiffre daffaires moyen par magasin dans cette chane.
Le chiffre daffaires de chaque magasin augmente de 5 %.
Quel est le nouveau chiffre daffaires moyen par magasin de cette chane.
Le chiffre daffaires de chaque magasin pour homme augmente de 5 % et
celui de chaque magasin pour femme de 7 %.
a. Sans faire de calcul, dire si le chiffre daffaires moyen augmente de 6 %, plus
de 6 % ou moins de 6 %.
b. Calculer le nouveau chiffre daffaires moyen par magasin de cette chane.
Quel pourcentage daugmentation cela fait-il ?
Exercice II
Lors dun devoir en commun, les cinq classes de seconde ont eu les moyennes
suivantes :
Classe
2nde 1
2nde 2
2nde 3
2nde 4
2nde 5
Moyenne
9,5
10
11
9,8
10,4
Nombre dlves
32
24
34
30
30
Calculer la moyenne de lensemble des secondes.

Dans chacune des cinq classes, la mdiane est 10. Peut-on en dduire la
mdiane pour lensemble des secondes ?

Exercice III
La population de la France en 2004 est donne par tranches dge dans le tableau suivant :
Tranche dge
[0 ; 20[
[20 ; 30[
[30 ; 45[
[45 ; 60[
[60 ; 105]
15
7,6
13
12
12,4
Population (en millions)
Construire lhistogramme de cette srie.

Construire le polygone des effectifs cumuls croissants. En dduire la mdiane
et les quartiles Q1 et Q3.

Rsumer cette srie par une bote moustaches.
Exercice IV
Trois stratgies pour 4 % daugmentation !

La structure salariale dune entreprise est donne par le tableau suivant :
Catgorie
Salaire mensuel (en )
Effectif
Ouvriers
1100
500
Employs
1400
75
Cadres
2000
20
Cadres suprieurs
5000
5
Squence 4 MA20
71
Calculer le salaire moyen de lentreprise, et la masse salariale totale.

Pour faire taire certaines critiques, le PDG envisage daugmenter le salaire
moyen de lentreprise de 4,17 %.
a. Les dlgus syndicaux proposent immdiatement une augmentation de
chaque salaire de 4,17 %.
Calculer les salaires de chaque catgorie, le salaire moyen et la masse salariale
totale.
b. Le PDG propose quant lui de restructurer lentreprise en supprimant 24
ouvriers et en rpartissant les salaires ainsi conomiss entre les 576 salaris
restant.
totale.
c. Les actionnaires souhaitent une restructuration massive de lentreprise en
supprimant 200 ouvriers, sans augmentation des autres salaris.
totale.
d. Rsumer ces trois propositions dans un tableau et conclure.
72
Exercice V
On suppose que, lors de la naissance dun enfant, il y a quiprobabilit que ce

soit un garon ou une lle.
On sintresse une femme qui veut avoir trois enfants.
Quelle est la probabilit quelle ait 3 garons ?
Quelle est la probabilit quelle ait exactement 2 garons et 1 lle ?
Quelle est la probabilit quelle ait au moins 1 lle ?
Quelle est la probabilit quelle ait 1 lle comme troisime enfant ?
Exercice VI
On lance trois ds six faces, bien quilibrs et on note les trois numros sortis.
Quelle est la probabilit davoir un triple 6 ?
Quelle est la probabilit davoir un 4, un 2 et un 1 (donc un 421) ?
Exercice VII
On a dans une bote quinze boules numrots de 1 15, et indiscernables au

toucher. On tire une boule au hasard, puis, sans la remettre dans la bote, on en
tire une deuxime et, toujours sans la remettre, une troisime. On note les trois
numros dans lordre du tirage.
On dira quon a le tierc dans lordre si lon a tir les numros 1, 2 et 3 dans cet
ordre.
On dira quon a le tierc dans le dsordre si lon a tir les numros 1, 2 et 3 dans
nimporte quel ordre.
Quelle est la probabilit davoir le tierc dans lordre ?
Quelle est la probabilit davoir le tierc dans le dsordre ?
Exercice VIII
Une preuve est compose dun QCM comportant trois questions.

Pour chaque question, quatre rponses sont proposes, dont une seule est
bonne.
On dcide de rpondre au hasard chaque question.
Quelle est la probabilit davoir les trois rponses justes ?
Quelle est la probabilit davoir exactement deux rponses justes ?
Squence 4 MA20
Exercice IX
Une preuve est compose dun QCM comportant dix questions.

Pour chaque question, quatre rponses sont proposes, dont une seule est
bonne.
On dcide de rpondre au hasard chaque question.
Quelle est la probabilit davoir les dix rponses justes ?
Quelle est la probabilit davoir exactement neuf rponses justes ?
Exercice X
Une enqute dopinion sur la popularit dun homme politique de Droite a t

faite auprs de 900 personnes. Elle a donn les rsultats suivants :
Sympathisants
de DROITE
40%
Sympathisants
de GAUCHE
75%
Favorables
Dfavorables
Complter le tableau suivant.
Opinion
Sympathie
Droite
Gauche
Total
Favorable
Dfavorable
90
174
Ne se prononce pas
Total
0
900
On tire au hasard une personne parmi les 900 pour linterroger.

Quelle est la probabilit quelle soit dopinion favorable (vnement F) ?
Quelle est la probabilit quelle ne se prononce pas (vnement N) ?
Quelle est la probabilit quelle soit sympathisant de Droite (vnement D) ?
Exercice XI
Une ville de 40 000 habitants a fait raliser une enqute statistique pour savoir
quelle proportion de sa population tait satisfaite de son logement.
Lenqute a partag la ville en trois zones : le centre ville, la zone intermdiaire
et la zone priphrique.
On a relev que 10 % de la population habite en centre ville. Dans les 60 % habitant
en zone intermdiaire, 6,25 % dclarent ne pas tre satisfaits de leur logement.
En zone priphrique, il y a cinq fois plus dhabitants satisfaits de leur logement
que dhabitants non satisfaits.
Pour lensemble de la ville, 10 % des habitants ne sont pas satisfaits de leur
logement.
Complter le tableau suivant qui donne les effectifs de chaque catgorie
dhabitant :
Centre ville
Zone intermdiaire
Zone priphrique
Satisfaits
Non satisfaits
Squence 4 MA20
73
On interroge au hasard un habitant, en supposant que chaque habitant a la

mme probabilit dtre interrog.
Quelle est la probabilit quil rside en zone priphrique (vnement P) ?
Quelle est la probabilit quil soit satisfait de son logement (vnement S) ?
Exercice XII

Entre
ENTRER N
Traitement
DANS A METTRE le quotient de la division euclidienne de N

par 10
DANS B METTRE N-10*A
DANS M METTRE A-2*B
TANT QUE M 10
DANS A METTRE le quotient de la division euclidienne de M par 10
DANS B METTRE M-10*A
DANS M METTRE A-2*B
FIN DU TANT QUE
Sortie
AFFICHER M
Faire fonctionner lalgorithme pour N=2492 puis N=129 et enfin N=70.

Si n est un entier, on note f (n) la valeur obtenue M par lalgorithme si la valeur
entre (N) est n. On admet que si f ( n ) est divisible par 7 alors n est divisible
par 7.
a) En dduire parmi les nombres 2492, 129 et 70, ceux qui sont divisibles par 7.
b) En programmant lalgorithme sur calculatrice, dterminer si les nombres
27
27
227 1 , 2 + 1 , 327 1 et 3 + 1 sont divisibles par 7 ou non.
Exercice XIII

Entre
A et B sont des entiers naturels tels que 1 B A .
Traitement
Sortie
Dans K mettre 1
Dans R mettre le reste de la division euclidienne de A par B.
Tant que R 0
Dans K mettre K+1
Dans R mettre le reste de la division euclidienne de
A+R par B.
Fin de la boucle Tant que
Dans S mettre AK.
Afcher S.
Faire fonctionner cet algorithme pour
a) A = 50 et B = 20
b) A = 48 et B = 30.
74
Squence 4 MA20
On admet que cet algorithme nous donne le plus petit multiple non nul
commun aux deux nombres A et B. Simplier la fraction : 191 + 71 .

48 30
Exercice XIV
ENTRER N (entier naturel non nul)

DANS I METTRE 0
DANS A METTRE N
TANT QUE A 1 FAIRE
DANS A METTRE A/10
DANS I METTRE I+1
FIN DE LA BOUCLE TANT QUE
AFFICHER I
a) Faire fonctionner cet algorithme avec : 145.
b) Que fait cet algorithme?
c) Programmer cet algorithme sur calculatrice.
On admet que le programme suivant nous donne le mme rsultat.
Ti-82
Casio Graph 25
PROGRAM : NBCHIF2
: Input N
: log (N)+1 A
: ent(A) B
: Disp B
= NBCHIF2 =
?N
log(N)+1 A
Int(A) B
B
Lequel de ces 2 programmes vous semblent-ils le plus efcace? Celui de la

question 1 ou celui de la question 2?
Exercice XV
On considre la feuille de calculs suivante.
2
Deux entiers naturels sont entrs dans les cellules A2 et B2.
Qucrire dans la cellule C2 pour obtenir A2 si ce nombre divise B2 et rien
sinon (on pourra utiliser le fait que d divise n si et seulement si n est entier).
d
Dterminer, laide dune feuille de calculs, la somme des diviseurs de
8128.
Squence 4 MA20
75

Al7ma20tepa0111 Sequence 04

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Al7ma20tepa0111 Sequence 04

Transféré par

Droits d'auteur :

Formats disponibles

Squence 4

Cned Acadmie en ligne

Un sauteur la perche a relev ses performances au cours des six derniers

Le caractre tudi est la hauteur du saut.

On a relev la couleur des 5000 vhicules passs un page dautoroute.

Cned Acadmie en ligne

Le caractre tudi est la couleur du vhicule.

Reprsentons la srie des performances du sauteur la perche par un dia-

Cned Acadmie en ligne

Reprsentons la srie des couleurs des 5000 vhicules, par un diagramme

Rsumons la srie des performances du sauteur la perche par son tendue,

Cned Acadmie en ligne

Cned Acadmie en ligne

Dans de nombreuses disciplines scientifiques, biologie, physique, psychologie,

Cned Acadmie en ligne

dun caractre qualitatif

a) Souhaits dorientation en fin

Le graphique ci-contre indique

Quelle est lorientation souhaite la plus frquente (on lappelle le mode) ?

Quel est le code postal le plus frquent (on lappelle le mode) ?

Cned Acadmie en ligne

Pour reprsenter ces caractres on utilise habituellement des diagrammes en

Pour lorientation, la modalit STG a pour effectif 55 sur un effectif total de

Cned Acadmie en ligne

dun caractre quantitatif

Revenons nos 250 lves de seconde.

b) Temps de parcours du domicile au lyce.

Temps de parcours (en minutes)

Cned Acadmie en ligne

Temps de parcours (en minutes)

Temps de parcours (en minutes)

Quel est le temps de parcours moyen ?

Cned Acadmie en ligne

On distingue deux types de caractres quantitatifs :

Regroupez diffremment les donnes de lexercice prcdent dans le tableau cidessous.

Temps de parcours (en minutes)

[10 ; 20[ [20 ; 50[ [50 ; 90]

Reprsentez ces donnes par lhistogramme ci-dessous.

Cned Acadmie en ligne

c) Temps de parcours du domicile au lyce : effectifs cumuls croissants.

Construisons maintenant le tableau des effectifs cumuls croissants. On

240 + 5 = 245 245 + 2 = 247

151+ 84 = 235 235 + 5 = 240

247 + 1= 248 248 + 0 = 248

Cned Acadmie en ligne

Cned Acadmie en ligne

A partir du deuxime regroupement par classes damplitudes ingales (voir

caractristique de position, la moyenne

Cned Acadmie en ligne

La moyenne de la srie est la valeur du caractre calcule par :

n1x 1 + n2x 2 + ... + np x p

= f1x 1 + f2x 2 + ... + fp x p .

lon veut calculer une somme) la moyenne scrit : x = i =1

Par exemple : N = ni . On peut alors crire la moyenne :

Cned Acadmie en ligne

Cela provient directement du calcul : x =

En effet, en multipliant par N les deux termes de lgalit prcdente, on

soit N x = ni x i qui est bien la somme de toutes les

Si nous prenons les temps de parcours de lactivit , nous avons vu que la

Temps de parcours (en minutes)

Cned Acadmie en ligne

Cela est assez naturel et rsulte simplement du calcul dune moyenne.

n1a x 1 + n2a x 2 + ... + np a x p

(n1x 1 + n2x 2 + ... + n p x p )