Académique Documents
Professionnel Documents
Culture Documents
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
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
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%
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
Exemple
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
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
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
Squence 4 MA20
tude
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
70
Effectif Frquence
60
50
40
30
ES
20
L
S
10
STG
Autres
ES
STG
Autres
NSP
Ne sait pas
Total
Effectif
35330
35380
72
56140
24
56200
56380
90
56430
28
56803
56910
12
Total
250
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
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
Squence 4 MA20
tude
11 12
Taille de
la famille
10
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
[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
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
[0 ; 5[
[5 ; 10[
Effectif
12
Squence 4 MA20
Surface pour
un effectif de 10
10
20
30
40
50
60
70
80
90
Temps
de parcours
[0 ; 10[
[10 ; 20[
[20 ; 30[
[30 ; 40[
[40 ; 50[
[50 ; 60[
[60 ; 70[
[70 ; 80[
[80 ; 90]
Effectif
61
90
84
<0
< 10
< 20
Effectif
61
61+ 90 = 151
Temps
< 50
< 60
< 70
Effectif
< 30
< 40
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
Cours
Une
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
x=
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
ni
= fi x i .
i =1
i =1
On note souvent, car on lutilise souvent, leffectif total par une lettre.
p
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
1
n x , et nous servira souvent.
N i =1 i i
N x = N
1
n x
N i =1 i i
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
[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 :
Temps de parcours (en minutes)
[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
m=
m =a
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
Squence 4 MA20
n1 + n2 + ... + np
M=
Exemple
10
12
14
10
20
30
40
50
60
70
Effectif (inchang)
540
542
544
546
548
550
552
554
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
Exemple
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.
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
le tableau suivant :
Salaire en
Effectif
20
1600
1630
1680
1700
1720
1750
1780
1850
3860
17
10
14
12
Squence 4 MA20
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
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
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
touches
22
Squence 4 MA20
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
Calculs
Squence 4 MA20
23
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
Commentaire
24
Squence 4 MA20
Exemple
150
155
160
162
163
165
166
167
168
170
173
174
176
178
179
obtenu :
cm
Effectif
157
159
162
163
164
165
166
167
169
171
173
176
177
178
180
Squence 4 MA20
25
Dfinition
Commentaire
Exemple
Q1 = 163
Q2 = 167 = Mdiane
Q 3 = 174
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
minutes)
Effectif
Effectif cumul
croissant
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
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
28
Squence 4 MA20
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).
Supposons donne une srie statistique caractre quantitatif.
On note xmax et xmin les valeurs maximale et minimale du caractre.
Dfinition
Commentaire
X max
Mdiane
tendue
50%
Exemple
50%
Commentaire
Q1 ; Q3 .
Q3 Q1.
Squence 4 MA20
29
Q1
X min
Q3
Mdiane
X max
cart interquartile
25%
Exemple
50%
25%
Exemple
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
Exemple
Synthse du cours
Moyenne
Dfinition
x=
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
deux groupes (lun des valeurs infrieures la mdiane, lautre des valeurs
suprieures) de mme effectif.
Dfinition
Les quartiles dune srie sont trois valeurs du caractre qui partagent la
srie en quatre groupes de mme effectif.
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
o a.
20
o b.
o c.
25
o d.
30
o d.
27
o a.
Exercice 2
26
o b.
o c.
21
10
11
12
13
14
17
ni
Effectif
o a. gaux 5
Exercice 3
o b. non-gaux
o c. gaux
o d. on ne sait pas
Exercice 4
o a. x = 1200
o b. 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
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
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
Le tableau suivant regroupe par superficie les 31 pays les plus tendus du monde.
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
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
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
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
n1
n2
n3
n4
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.
Le fait que le d tombe sur le n2 risque de se produire dans 505/5000 cas.
Le fait que le d tombe sur le n3 risque de se produire dans 1010/5000 cas.
Le fait que le d tombe sur le n4 risque de se produire dans 2990/5000 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 ! )
6 6 6 6 6 6
Cours
Le
38
Squence 4 MA20
Commentaire
Exemples
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
Exemples
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
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
Exemples
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-
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 : = { }.
Squence 4 MA20
41
catgories dissues :
Exemple
(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
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
de lexprience :
Exemple
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)
2
4
Squence 4 MA20
3
5
(1;3) (3;3)
(2;3) (3;4)
Rponse.
Par un diagramme en patate :
42
6
8
2me d
Loi
de probabilit
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)
p1+ p2 + p 3 + ... + pn = 1
44
Squence 4 MA20
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
1er d
2me d
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 :
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
Il en est de mme pour lissue 7.
4 correspond trois cases, on peut dire que sa probabilit est de 3 .
16
Il en est de mme pour lissue 6.
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
1
= p2 = p 3 = ... = pn .
n
On veut tirer au hasard une date dans le calendrier dune anne non bissextile.
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
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
Plat principal
Dessert
Issues
(1et 1)
(1et 2)
(2 et 1)
(2 et 2)
(3 et 1)
(3 et 2)
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
1er tirage
V1
2e tirage
V2 V3
Issues
V2
V1 V3
V3
V1 V2
V1 V2 V3
48
Squence 4 MA20
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
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) =
Synthse du cours
Le
Dfinitions
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.
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
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 : = { }.
52
Squence 4 MA20
Loi
de probabilit
Proprits
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 ).
ces probabilits vrifient :
Proprit
Lors dune exprience alatoire, la probabilit dun vnement quelconque est la
somme des probabilits de toutes les issues qui composent cet vnement.
Proprits
On note E lunivers dune exprience alatoire.
La probabilit de lvnement certain est :
p(E) = 1.
p( ) = 0.
Proprit
Lors dune exprience alatoire quiprobable,, la probabilit dun vnement quelconque A est gale :
p(A) =
nombre d'issues de A
.
nombre total d'issues
Exercices dapprentissage
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
b. 4
9
c. 4
6
d. 1
Deux boules rouges et une noire, indiscernables au toucher, sont dans une
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
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 la couleur tire.
Dterminer lunivers et la loi de probabilit de cette exprience alatoire.
Quelle est la probabilit de tirer une couleur du drapeau franais ?
Exercice 13
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, on la remet, et on en tire au hasard une
deuxime. On sintresse aux deux numros tirs, dans lordre.
Dterminer lunivers et la loi de probabilit de cette exprience alatoire.
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
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, sans la remettre, on en tire au
hasard une deuxime. On sintresse aux deux numros tirs, dans lordre.
Dterminer lunivers et la loi de probabilit de cette exprience alatoire.
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
nement S) ?
Exercice 15
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.
Dterminer lunivers et la loi de probabilit de cette exprience alatoire.
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
Exercice 18
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
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
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
Sortie
AFFICHER L
a) L = (17; 8; 5)
b) L = (7; 9: 3)
c) L = (8; 6; 8)
Rponses
a)
Entre
L
(17; 8; 5)
A
17
17
(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]
(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
(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
Syntaxe
Exemple 2
Ti-82
Casio Graph 25
For(Variable,dbut,n,pas) ou
For(Variable,dbut,n) si pas = 1
END
Next
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
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)
ENTRER P
Initialisation
L liste vide
DANS N METTRE P
Traitement
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
Sortie
AFFICHER L
Squence 4 MA20
61
Remarque
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
Initialisation
DANS I METTRE 0
Traitement
Sortie
AFFICHER A et I
a) A = 26 et B = 4
b) A = 19 et B = 7
c) A = 45 et B = 5.
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
euclidienne de A par B.
Remarque
C
Exercice 19
Exercices dapprentissage
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
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.
Initialisation
DANS A METTRE 0
Traitement
a) X = 0
b) X = 1
c) X = 1,25
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).
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
x=
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
deux groupes (lun des valeurs infrieures la mdiane, lautre des valeurs
suprieures) de mme effectif.
68
Squence 4 MA20
Dfinition
Les quartiles dune srie sont trois valeurs du caractre qui partagent la
srie en quatre groupes de mme effectif.
On les note Q1, Q2 et Q3 par ordre croissant, et Q2 est la mdiane.
Le
Dfinition
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 : = { }.
Loi
de probabilit
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)
p1+ p2 + p 3 + ... + pn = 1
Squence 4 MA20
69
Proprit
Lors dune exprience alatoire, la probabilit dun vnement quelconque est la
somme des probabilits de toutes les issues qui composent cet vnement.
Proprits
On note E lunivers dune exprience alatoire.
La probabilit de lvnement certain est :
p(E) = 1.
p( ) = 0.
Proprit
Lors dune exprience alatoire quiprobable,, la probabilit dun vnement quelconque A est gale :
70
Squence 4 MA20
p(A) =
nombre d'issues de A
.
nombre total d'issues
Exercices
dapprofondissement
Exercice I
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
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
Exercice IV
Ouvriers
1100
500
Employs
1400
75
Cadres
2000
20
Cadres suprieurs
5000
5
Squence 4 MA20
71
72
Exercice V
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
Exercice VIII
Squence 4 MA20
Exercice IX
Exercice X
Sympathisants
de DROITE
40%
Sympathisants
de GAUCHE
75%
Favorables
Dfavorables
Opinion
Sympathie
Droite
Gauche
Total
Favorable
Dfavorable
90
174
Ne se prononce pas
Total
0
900
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
ENTRER N
Traitement
Sortie
AFFICHER M
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
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.
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
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
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