Vous êtes sur la page 1sur 18

DERNIRE IMPRESSION LE 5 novembre 2016 14:54

Rappels de probabilit
Probabilit conditionnelle
Loi binomiale

Table des matires

1 Rappels 2
1.1 Dfinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Opration sur les vnements . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1 vnement contraire . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.2 Intersection de deux vnements . . . . . . . . . . . . . . . . 3
1.2.3 Union de deux vnements . . . . . . . . . . . . . . . . . . . 3
1.2.4 Autres oprations et lois de Augustus De Morgan . . . . . . 3
1.3 Probabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Loi quiprobable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.5 Variable alatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6 Proprits de lesprance et de la variance . . . . . . . . . . . . . . . 8

2 Probabilit conditionnelle 9
2.1 Dfinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Reprsentation par un arbre pondr . . . . . . . . . . . . . . . . . . 10
2.3 vnements indpendants . . . . . . . . . . . . . . . . . . . . . . . . 11

3 Loi binomiale 13
3.1 Conditions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2 Loi binomiale de paramtres n et p . . . . . . . . . . . . . . . . . . . 13
3.3 Proprits des coefficients binomiaux . . . . . . . . . . . . . . . . . 14
3.4 Reprsentation de la binomiale . . . . . . . . . . . . . . . . . . . . . 15
3.4.1 Reprsentation symtrique . . . . . . . . . . . . . . . . . . . 15
3.4.2 Autre reprsentation : asymtrique . . . . . . . . . . . . . . . 17
3.5 Esprance et variance . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

PAUL MILAN 1 TERMINALE S


TABLE DES MATIRES

1 Rappels
1.1 Dfinitions
Exprience alatoire : Protocole prcis dont on ne peut prvoir lissue mais qui
peut tre vrifie.
Exemples :
1) Lancer un d 6 faces.
2) Tirer simultanment 2 boules dans une urne qui en contient 8.
3) Distribuer 5 cartes un joueur avec un jeu de 32 cartes.
4) Poser une question un lycen choisi au hasard.

Univers : Ensemble des issues possibles dune exprience alatoire. On le note :


. On a alors : = {e1 , e2 , . . . , en }
Exemple : Si on lance un d six faces, on a : = {1, 2, 3, 4, 5, 6}.

vnment : Sous ensemble de lensemble univers .


Exemple : Soit lvnement : obtenir un nombre pair avec le lancement
dun d . On a alors : E = {2, 4, 6}
vnement lmentaire : vnement qui ne contient quun seul lment. On le
note alors ei .

vnement certain : Cest lunivers, .

vnement impossible Cest lensemble vide, .

1.2 Opration sur les vnements


Remarque : Ltude des probabilits fait appel la logique mathmatique : en
effet il sagit de dcoder dans la logique dun texte les lments qui serviront aux
calculs de probabilits. Les mots les plus importants sont les conjonctions "et",
"ou", et la ngation "ne. . . pas" Cette logique mathmatique fait appel ltude
des oprations sur les ensembles. Pour cette raison on dfinit les oprations sui-
vantes : le complmentaire, lintersection et lunion. On donnera enfin dautres
oprations qui peuvent se dcomposer laide de ces trois oprations de base.

1.2.1 vnement contraire

Dfinition 1 : On appelle vnement contraire dun vnement A, lvnement


not A compos des lments de qui ne sont pas dans A.

A A xA x et /A
x

PAUL MILAN 2 TERMINALE S


1. RAPPELS

Exemple : On lance un d parfait. On appelle A lvnement "obtenir un 6". On


a donc lvnement contraire A lvnement "ne pas obtenir 6 "

1.2.2 Intersection de deux vnements

Dfinition 2 : On appelle lintersection de deux vnements A et B, lvne-


ment not A B compos des lments de qui appartiennent A et B. On a
alors le schma suivant :

A B x A B x A et x B
On dit que les vnements A et B sont
incompatibles si et seulement si :
AB =

Exemple : On tire deux cartes dans un jeu de 32 cartes. Soient les vnements
A : "obtenir deux curs"
B : "obtenir au moins une dame"
Lvnement A B est donc : "obtenir la dame de cur et un autre cur"

1.2.3 Union de deux vnements

Dfinition 3 : On appelle union de deux vnements A et B, lvnement not


A B compos des lments de qui appartiennent A ou (non exclusif) B.
On a alors le schma suivant :

A B x A B x A ou x B
On dit que les vnements A et A
forment une partition de car :
A A = et A A =

Exemple : On tire deux cartes dans un jeu de 32 cartes. Soient les vnements
A : "obtenir deux cartes de mme valeur"
B : "obtenir un roi"
Lvnement A B est donc : "obtenir deux cartes de mme valeur ou un roi et
une autre carte de valeur diffrente"

1.2.4 Autres oprations et lois de Augustus De Morgan


Les oprations peuvent se dfinir laide du complmentaire, de lintersection et
de lunion de deux ensembles.

PAUL MILAN 3 TERMINALE S


TABLE DES MATIRES

Diffrence entre deux ensembles : A B

A B
x AB x AB

Diffrence symtrique entre deux ensembles ("ou" exclusif) : AB

A B
x AB ( A B) ( A B)

(
non(A ou B) = non(A) et non(B)
Lois de Augustus De Morgan :
non(A et B) = non(A) ou non(B)

A B
AB = AB

A B
AB = AB

Remarque : laide de cette dernire galit, on pourrait dfinir lintersection


uniquement laide du complmentaire et de lunion

AB = AB = AB

1.3 Probabilit

Dfinition 4 : On appelle loi de probabilit sur un ensemble , la fonction P


valeur dans [0; 1] dfinie par les conditions suivantes :
1) P() = 1
2) Si A et B sont incompatibles alors P( A B) = P( A) + P( B)

PAUL MILAN 4 TERMINALE S


1. RAPPELS

On peut alors dmontrer les proprits suivantes

Proprit 1 : Soit e1 , e2 , . . . , en les n vnements lmentaires de lunivers .


De la dfinition prcdente, on en dduit :
1) P(e1 ) + P(e2 ) + + P(en ) = 1
2) P() = 0
3) Pour tous vnements A et B, on a les relations :
a) P( A) = 1 P( A)
b) P( A B) = P( A) + P( B) P( A B)

Exemples :
1) On lance un d truqu. Aprs un relev statistique, on a pu dterminer que les
probabilits dapparition de chaque face sont telles que :
p (1) = p (2) = p (3) = p (4) = p (5) et p (6) = 3 p (1)
Calculer la probabilit dapparition de chaque face
2) On donne les probabilits suivantes pour les vnements A et B :
P( A) = 0, 3, p( A B) = 0, 7 et p( A B) = 0, 2
Calculer P( B)

1) Il ny a que deux probabilits dterminer : p(1) et p(6). On a :
( (
p (1) + p (2) + p (3) + p (4) + p (5) + p (6) = 1 8 p (1) = 1

p (6) = 3 p (1) p (6) = 3 p (1)

1 3
On obtient donc : p(1) = et p(6) = .
8 8
2) On calcule dabord P( B) :
P( A B) = P( A) + P( B) P( A B) P( B) = P( A B) P( A) + P( A B)
On obtient alors : P( B) = 0, 7 0, 3 + 0, 2 = 0, 6
On calcule ensuite : P( B) = 1 P( B) = 1 0, 6 = 0, 4

1.4 Loi quiprobable

Dfinition 5 : On appelle loi de probabilit quirpartie, la loi de probabilit


o chaque vnement lmentaire a la mme probabilit dapparition (quipro-
babilits).
Si se dcompose en n vnements lmentaires, on a :
1
i (1, 2, . . . , n) on a : P ( ei ) =
n

PAUL MILAN 5 TERMINALE S


TABLE DES MATIRES

1
Exemple : Pour un d jouer quilibr, chaque face a une probabilit de
6
dapparition.

Thorme 1 : Dans une loi quirpartie, la probabilit de lvnement A vrifie :

nombre dlments de A nombre de cas favorables


P( A) = =
nombre dlments de nombre de cas possibles

Remarque : Lorsque la loi de probabilit est quirpartie, le calcul de la probabi-


lit revient un problme de dnombrement. On peut alors utiliser pour dnom-
brer les diffrents cas : un arbre, un tableau double entre, diagramme de Venn,
une liste,. . .
Exemple : Une urne contient 6 boules : 4 rouges (numrotes de 1 4) et 2 bleues
(numrotes 5 et 6). On tire simultanment et au hasard deux boules de lurne et
on note sa couleur. Calculer la probabilit des vnements suivants :
R "tirer deux boules rouges"
C "tirer deux boules de mme couleur"

Calculons dabord le nombre de tirages possibles. On cherche ici des paires. Fai-
sons la liste
{1, 2} , {1, 3} , . . . , {1, 6} 5 choix, {2, 3} , {2, 4} , . . . , {2, 6} 4 choix,
{3, 4} , {3, 5} , {3, 6} 3 choix, {4, 5} , {4, 6} 2 choix et {5, 6} 1 choix
Il y a en tout : 5 + 4 + 3 + 2 + 1 = 15 tirages possibles
Pour avoir R il ne faut utiliser que les numros de 1 4.
Il y a donc : 3 + 2 + 1 = 6 choix
6 2
On a donc : P(R) = =
15 5
Soit B "obtenir deux boules bleues".
1
Il ny a quun choix possible, donc P(B) =
15
6 1 7
On a alors : P(C) = P(R B) = P(R) + P(B) = + =
15 15 15

1.5 Variable alatoire

Dfinition 6 : Dfinir une variable alatoire X sur , cest associer chaque


issue ei de un nombre xi
Dfinir une loi de probabilit de X consiste associer chaque valeur xi la pro-
babilit P( X = xi ) = pi
n
On a alors : pi = 1
i =1

PAUL MILAN 6 TERMINALE S


1. RAPPELS

Dfinition 7 : On appelle lesprance mathmatique de la variable X, la


quantit note E( X ) dfinie par :
n
E( X ) = pi xi = p1 x1 + p2 x2 + + p n x n
i =1

On appelle variance et cart-type de la variable X, les quantits notes respecti-


vement V( X ) et ( X ) dfinies par :
n q
V( X ) = pi xi2 2
E ( X ) et ( X ) = V (X)
i =1

Remarque : Lesprance mathmatique correspond une moyenne des valeurs


prises, pondres par les probabilits de la loi dfinie sur X. Si, par exemple, X
reprsente le gain pour un jeu, E( X ) reprsente le gain moyen que peut esprer le
joueur. On dit alors que si E( X ) > 0, le jeu est favorable au joueur et si E( X ) < 0,
le jeu est favorable lorganisateur.
Exemple : Dans un jeu de flchettes, la cible est constitue de disques de rayons
respectifs 5,10 et 20 cm.

Un joueur atteint toujours la cible et on


5
admet que la probabilit quil atteigne
une zone de cette cible est proportion- 7
nelle laire de cette zone. Lorsquil at-
15
teint la zone rouge, il gagne 15 e, lors-
quil atteint la couronne bleue, il gagne
7 e. En revanche si la flchette atteint la
couronne verte, il perd 5 e.

On appelle X la variable alatoire qui indique le gain du joueur.


a) Dterminer la loi de probabilit de X
b) Dterminer lesprance mathmatique de X. Le jeu est-il favorable au joueur ?
c) Calculer la variance et lcart type de X

a) Comme les probabilits des diffrentes zones sont proportionnelles leur sur-
face, il faut donc calculer les surfaces de ces diffrentes zones (en cm2) :
La surface totale de la cible : Sc = 202 = 400
La surface du disque rouge central : Sr = 52 = 25
La surface de la couronne bleue : Sb = (102 52 ) = 75
La surface de la couronne verte : Sv = (202 102 ) = 300
On obtient les probabilits suivantes :
25 1 75 3
P( X = 15) = = P ( X = 5) = =
400 16 400 16

PAUL MILAN 7 TERMINALE S


TABLE DES MATIRES

300 3
P ( X = 5) = =
400 4
X 5 7 15
On obtient alors le tableau suivant : 3 3 1
P ( X = xi )
4 16 16

b) Lesprance est alors :

3 3 1 60 + 21 + 15 24
E( X ) = 5 +7 + 15 = = = 1, 5
4 16 16 16 16
Comme lesprance de X est ngative, le jeu nest pas favorable au joueur. En
effet, en moyenne, il peut esprer perdre 1,5 e.

c) La variance et lcart-type :
 2
2 3 2 3 2 1 3
V( X ) = (5) + 7 + 15
4 16 16 2
300 + 147 + 225 36
=
16
636 159
= = = 39, 75 ainsi ( X ) = 39, 75 6, 30
16 4

1.6 Proprits de lesprance et de la variance

Proprit 2 : X est une variable alatoire desprance E( X ) et de variance


V( X ). Alors pour tous rels a et b, on a :

E( aX + b) = aE( X ) + b et V( aX + b) = a2 V( X )

Remarque : Le calcul de lesprance est donc une opration linaire.


Exemple : Un professionnel vend des fauteuils.

Sa commission est de 200 e par fau- 0.3


teuils vendu, et ses frais sont de 280 e
par jour. Un tude statistique a mon- 0.2
tr que la variable alatoire X qui in-
dique le nombre x de fauteuils vendus 0.1
par jour suit la loi reprsente ci-contre.
On note Y la variable alatoire donnant 0
0 1 2 3 4 5 6
le gain journalier du vendeur.

a) Donner la relation entre X et Y.


b) Quelle est la probabilit que le vendeur soit en dficit la fin de la journe ?
c) Quel gain moyen journalier peut-il esprer ?

a) On a : Y = 200X 280

PAUL MILAN 8 TERMINALE S


2. PROBABILIT CONDITIONNELLE

280
b) Y < 0 X< = 1, 4 X=0 ou X=1
200

P(Y < 0) = P( X = 0) + P( X = 1) = 0, 1 + 0, 1 = 0, 2

c) On calcule dabord E( X )

E( X ) = 0 0, 1 + 1 0, 1 + + 5 0, 2 = 2, 95

On en dduit alors : E(Y ) = 200 2, 95 280 = 310

Le vendeur peut donc esprer gagner 310 e par jour.

Remarque : On peut calculer la variance et lcart type de Y. On a :

V( X ) = 0, 1 02 + + 0, 2 52 (2, 95)2 = 2, 45

V(Y ) = 2002 V( X ) = 97 900


On obtient alors :
(Y ) = 97 900 312, 89

2 Probabilit conditionnelle

2.1 Dfinition
Le but de ce paragraphe est dtudier la probabilit dun vnement B condi-
tionn par un vnement B.

Dfinition 8 : Lorsque P(A) 6= 0, on note PA (B) la probabilit davoir lv-


nement B sachant que lvnement A est ralis. On a alors la relation suivante :

P (A B)
PA (B) =
P (A)

Remarque : La probabilit de B sachant A correspond la part de B dans A, cest


dire la part hachure dans lensemble A

La probabilit de B sachant A corres-


pond la part de lensemble B dans
B
A
lensemble A
Nbre dlments communs A et B
PA (B) =
Nbre dlment de A
P (A B)
=
P (A)

PAUL MILAN 9 TERMINALE S


TABLE DES MATIRES

2.2 Reprsentation par un arbre pondr


PA (B)
B
P (A) A
Soient deux vnements A et B. On B
peut reprsenter par un arbre pondr PA (B)
les probabilits suivantes lorsque lon PA (B)
connat les probabilits de B ou B lorsque B
A est ralis. P (A) A
B
PA (B)

Exemple : Dans un lyce 54 % des lves sont des filles dont 72 % sont externes.
De plus, 76 % des garons sont externes. On choisit un lve au hasard.
0,72 E
On pose :
F : llve choisi est une fille 0,54 F
E : llve choisi est externe E
0,28
On traduit les donnes laide de proba-
bilits. On a : 0,76 E
0,46 F
P(F) = 0, 54, PF (E) = 0, 72, PF (E) = 0, 76
0,24 E
On obtient alors larbre ci-contre :

Remarque : On note la probabilit quune fille soit externe : PF (E).

Proprit : Pour remplir et utiliser un arbre, on a les proprits suivantes :


Sur chaque branche de larbre, on crit les probabilits correspondantes (atten-
tion pas de pourcentage).
La somme des probabilits inscrites sur les branches issues dun mme nud
est gale 1 (loi des nuds).
Le produit des probabilits inscrites sur chaque branche dun chemin donne la
probabilit de lintersection des vnements placs sur ce chemin. Par exemple
la probabilit davoir une fille externe :
P(F) PF (E) = P(F E) = 0, 54 0, 72 = 0, 3888
La probabilit dun vnement est la somme des probabilits des chemins qui
aboutissent cet vnement. Par exemple la probabilit davoir un lve ex-
terne :
P (E) = P (E F) + P (E G)
= 0, 54 0, 72 + 0, 46 0, 76
= 0, 7384

Autre exemple : Dans un atelier, il y a 2% de pices dfectueuses. On effectue


un test pour savoir si on doit accepter ou refuser une pice. On a observ que :
Si la pice est bonne, elle est accepte par ce test 96%.
Si la pice est dfectueuse, elle est refuse par ce test 97%.
Quel est le pourcentage de retour client ?

PAUL MILAN 10 TERMINALE S


2. PROBABILIT CONDITIONNELLE

0,96 A
On appelle les vnement suivants :
B : "la pice et bonne", 0,98 B
D : " la pice est dfectueuse", 0,04 R
A "la pice est accepte",
R "la pice est refuse". 0,03 A
On construit larbre ci-contre 0,02 D
On doit calculer la probabilit quune
0,97 R
pice soit dfectueuse et accepte :
P(D A) = 0, 02 0, 03 = 0, 0006

On peut sattendre 0,06% de retour client.

Thorme 2 : Probabilits totales


Soit A1 , A2 , . . ., An une partition de lunivers (ensembles deux deux incom-
patibles et dont lunion forme ), alors, pour tout vnement B, on a :

P(B) = P(A1 B) + P(A2 B) + + P(An B)

Par exemple pour une partition de en


trois ensembles : A1 , A2 et A3 .
On a alors : A1 A3

P(B) = P(A1 B)+ P(A2 B)+ P(A3 B).


A2

Remarque : Dans la plupart des cas, on utilise la partition A et A. Dans un arbre,


le nombre n densembles formant une partition donne le nombre de branches
issues dun nud.

2.3 vnements indpendants

Dfinition 9 : On dit que deux vnements A et B sont indpendants si et


seulement si :

P (A B) = P (A) P (B) ou lorsque P(A)6= 0 PA (B) = P(B)

Remarque : On dit que les vnements sont indpendants car quimporte que
lvnement A soit ralis ou non, la probabilit de B ne dpend pas de A.
Exemple : Une association de 96 membres propose diffrentes activits ses
adhrents dont laviron et le badminton. Douze membres sinscrivent pour lavi-
ron, trente-deux pour le badminton dont quatre pour les deux.
On prend au hasard la fiche dun adhrent.

PAUL MILAN 11 TERMINALE S


TABLE DES MATIRES

On note A et B les vnements :


A ladhrent est inscrit pour laviron ;
B ladhrent est inscrit pour le badminton .
Les vnements A et B sont-ils indpendants ? En est-il de mme pour A et B ?

On peut reprsenter les vnements A A Total


dans un tableau double entre ci-contre B 4 28 32
On calcule les probabilits suivantes : B 8 56 64
4 1 Total 12 84 96
P (A B) = =
96 24

12 32 1 1 1
P (A) P (B) = = =
96 96 8 3 24
On a bien P(A B) = P(A) P(B), les vnements A et B sont donc indpen-
dants.
8 1 12 64 1 2 1
De mme : P(A B) = = et P (A) P (B) = = =
96 12 96 96 8 3 12
On a bien P(A B) = P(A) P(B), les vnements A et B sont donc indpen-
dants.

Thorme 3 : Si les vnements A et B sont indpendants, alors il en est de


mme pour :
1) A et B 2) A et B 3) A et B

ROC Dmonstration :

1) A et A forment une partition de lunivers , donc :

P (B) = P (A B) + P (A B)

A et B sont indpendants donc : P(A B) = P(A) P(B).

On a donc :

P (B) = P (A) P (B) + P (A B) P(A B) = P(B)(1 P(A)) = P(B) P(A)

A et B sont indpendants.
2) La dmonstration est analogue (changer A et B)

3) Daprs 1) A et B sont indpendants, donc daprs 2), A et B sont indpen-


dants.

PAUL MILAN 12 TERMINALE S


3. LOI BINOMIALE

3 Loi binomiale
3.1 Conditions
preuve de Bernoulli : exprience alatoire qui admet exactement deux issues :
succs ou chec. On appelle p la probabilit de succs et q = 1 p la proba-
bilit dchec.
Schma de Bernoulli dordre n : exprience alatoire qui est la rptition de n
preuves de Bernoulli identiques et indpendantes.
On dfinit alors la variable alatoire X reprsentant le nombre de succs.

3.2 Loi binomiale de paramtres n et p

Thorme 4 : Dans un schma de Bernoulli dordre n et de paramtre p, la loi


de probabilit de la variable alatoire X qui chaque issue associe le nombre de
succs est dfinie par :
 
n k
P( X = k) = p (1 p ) n k
k
On dit alors que la variable alatoire X suit une loi binomiale B (n, p)

Remarque :
 
n
est un coefficient binomial.
k
Il correspond au nombre de possibilits de placer k succs sur n expriences.
Pour le calculer avec la calculatrice : taper n puis aller dans , onglet PRB
puis choisir 3 : Combinaison,
 taper
 enfin k.
10
Par exemple pour calculer : 10 Combinaison 4 . On trouve 210.
4
Exemple :
On lance 10 fois de suite un d cubique.
1) Quelle est la probabilit dobtenir exactement quatre fois un 6
2) Quelle est la probabilit dobtenir au moins 4 fois un 6

1) Cette exprience peut se ramener la loi binomiale pourvu que lon lance
le d toujours de la mme faon. Les expriences sont indpendantes et
1
chaque exprience a deux issues : soit faire un 6 (p = ) soit ne pas faire
6
5 1
 
de 6 (q = ). Il sagit donc dune loi B 10, . On a alors :
6 6
   4  6
10 1 5
P ( X = 4) = 0,054 3
4 6 6
Pour obtenir cette probabilit avec la calculatrice : = choisir 0 : binomFdp.
On tape alors binomFdp(10, 16 ,4)

PAUL MILAN 13 TERMINALE S


TABLE DES MATIRES

2) Si lon veut obtenir au moins 4 fois un 6, on doit calculer :

P( X > 4) = P( X = 4) + + P( X = 10) = 1 P( X 6 3) 0,069 7

Pour obtenir cette probabilit, on passe par la deuxime expression


P( X 6 3) qui correspond la distribution A : binomFRp . On tape alors
1 binomFRp(10, 16 , 3)
Si lon cherche vrifier par lexprience ces probabilits, il est ncessaire def-
fectuer ces 10 lancers un grand nombre de fois. Raliser par exemple 100 fois ces
10 lancers de d, risque de prendre bien trop de temps. On a alors recours une
simulation avec une calculatrice. La fonction random en anglais qui donne "Ala"
pour hasard en franais, permet de gnrer un nombre pseudo alatoire dans
lintervalle ]0 ; 1[.
Pour gnrer un nombre entier entre 1 et 6, simulation dun lancer de d, on
fabrique alors la fonction E (6 Random + 1), partie entire de 6 fois le nombre
alatoire plus 1. Sur la calculatrice cela correspond "EntAla(1,6)" que lon trouve
dans de longlet PRB dans le choix 5.
On peut alors proposer pour 100 simulations de 10 lancers de d, lalgorithme
suivant si lon cherche la probabilit dobtenir au moins 4 fois un 6.

Pour 5 compilations, on trouve par Variables : I, J, X, R, K rels


exemple les rsultats suivants : Entres et initialisation
0K
3 10 13 8 4 Traitement
pour I de 1 100 faire
soit une moyenne de 7,6. 0X
La probabilit correspondante est pour J de 1 10 faire
7, 6 E (6 Random + 1) R
alors : = 0, 076 si R = 6 alors
100 X+1 X
Lordre de grandeur de la probabi- fin
lit est confirm, cependant le nombre fin
si X > 4 alors
dexpriences nest pas encore assez im- K+1 K
portant pour valider la probabilit de fin
0,0697. fin
Sorties : Afficher K

3.3 Proprits des coefficients binomiaux

Thorme 5 : Pour tous entiers naturels n et k, tels que 0 6 k 6 n, on a :


       
n n n n
1) = =1 3) =
0 n nk k
   
n n   
n n
 
n+1

2) = =n 4) + =
1 n1 k k+1 k+1

7 7 8 8 6 6
           
Exemple : = = 1, = = 8, = = 15
0 7 1 7 2 4

PAUL MILAN 14 TERMINALE S


3. LOI BINOMIALE

Remarque : On a la troisime galit car placer k succs parmi n expriences


revient placer n k checs parmi n expriences
Pour comprendre la quatrime galit, on dcompose la rpartition de k + 1 suc-
cs sur n + 1 expriences de la faon suivante :
Soit il y a succs la premire
 exprience.
 Il faut alors rpartir k succs sur les
n
n expriences restantes soit
k
Soit il y a chec la premire exprience.
  Il faut alors rpartir k + 1 succs sur
n
les n expriences restantes soit
k+1

Triangle de Pascal
k
0 1 2 3 4 5 6 7 ...
La dernire formule est appele for- n
mule de Pascal car elle permet de calcu- 0 1
ler de proche en proche les coefficients 1 1 1
du triangle de Pascal : 2 1 2 1
3 1 3 3 1
On a pour les cases rouges :
4 1 4 6 4 1
4 4 5 5 1 5 10 10 5 1
     
+ = 6 1 6 15 20 15 6 1
1 2 2
7 1 7 21 35 35 21 7 1
ce qui donne 4 + 6 = 10 ... ... ... ... ... ... ... ... ... ...

On peut proposer lalgorithme suivant Variables : L1 , L2 listes


permettant de dterminer le triangle de N, I, K entiers
Pascal. On utilise un double compteur Entres et initialisation
Lire N (N > 2)
permettant de dterminer la ligne i + 1 Effacer L1 et L2
en fonction de la ligne i. 1 L1 (1)
On obtient pour N = 6 lcran suivant 1 L1 (2)
1 L2 (1)
Traitement
pour I de 2 N faire
pour K de 2 I faire
L1 ( K 1) + L1 ( K ) L2 ( K )
fin
1 L2 ( I + 1)
pour K de 2 ( I + 1) faire
L2 ( K ) L1 ( K )
fin
Sorties : Afficher L1
fin

3.4 Reprsentation de la binomiale


3.4.1 Reprsentation symtrique
On lance 8 fois une pice de monnaie. Dterminer et reprsenter la loi de proba-
bilit de la variable alatoire X qui reprsente le nombre de piles obtenus.

PAUL MILAN 15 TERMINALE S


TABLE DES MATIRES

Les 8 lancs sont priori indpendants car la pice est lance toujours de la mme
faon. La probabilit sur un lanc dobtenir pile est de 0,5 (on suppose que la
pice est quilibre). On obtient alors :
8 8
   
8 k
P( X = k) = k
0, 5 0, 5 = 0, 5 8
k k
On obtient les diffrentes valeurs avec la calculatrice avec la fonction :
binomFdp(8,0.5)
On obtient alors le tableau de la loi de probabilit ( 103 ) suivant :
X 0 1 2 3 4 5 6 7 8
P( X = k) 0,004 0 031 0,109 0,219 0,273 0,219 0,109 0,031 0,004

On obtient la reprsentation de la loi binomiale B (8; 0, 5) suivante :

P( X = k)

0.3

0.2

0.1

O X
1 2 3 4 5 6 7 8

On peut vrifier cette rpartition concrtement


laide de la planche de Galton.
La planche de Galton est constitue de ranges
horizontales de clous dcales dun demi-cran
par rapport la prcdente. On lche les billes
au sommet et celles-ci rebondissent de clou en
clou jusqu la base de la planche o elles sont
collectes dans des rservoirs.
Si le diamtre des billes et lcartement entre
les clous sont correctement choisis, une bille
a exactement autant de chance de rebondir
droite ou gauche du clou. Ci-contre, une
planche de Galton avec 8 ranges de clous cor-
respondant notre exprience de 8 lancs de
pice. La variable alatoire X associe chaque
boule le nombre de dviations droite lissue
des 8 ranges de clous.
Pour raliser cette exprience : cliquer ici 0 1 2 3 4 5 6 7 8
Prendre par exemple 1000 boules et 8 ranges
X : Nbre de dviations droite
de clous.

Remarque : Cette distribution est symtrique car la probabilit de succs est


gale la probabilit dchec. On constate que la loi binomiale converge vers la
loi normale (courbe en cloche) comme on le verra au chapitre suivant.

PAUL MILAN 16 TERMINALE S


3. LOI BINOMIALE

3.4.2 Autre reprsentation : asymtrique


Une urne contient 10 boules (indiscernables au toucher) : 4 boules sont rouges et
les autres sont noires. On tire successivement 6 boules de lurne en remettant la
boule chaque tirage.
Dterminer et reprsenter la loi de probabilit de la variable alatoire X qui re-
prsente le nombre de boules rouges obtenues.
Les 6 lancs sont indpendants car la boule est remise dans lurne chaque fois.
La probabilit sur un tirage dobtenir une boule rouge est de 0,4 (les boules sont
indiscernables au toucher). On obtient alors :

6
 
P( X = k) = 0, 4 k 0, 6 6k
k

On obtient les diffrentes valeurs avec la calculatrice avec la fonction :


binomFdp(6,0.4)
On obtient alors le tableau de la loi de probabilit ( 103 ) suivant :

X 0 1 2 3 4 5 6
P( X = k) 0,046 0,187 0,311 0,276 0,138 0,037 0,004

On obtient la reprsentation de la loi binomiale B (6; 0, 4) suivante :

P( X = k)

0.3

0.2

0.1

O X
1 2 3 4 5 6

3.5 Esprance et variance

Thorme 6 : X est une variable alatoire qui suit une loi binomiale B (n, p),
alors lesprance mathmatique E( X ), la variance V( X ) et lcart type ( X ) sont
gales :
q
E( X ) = np V( X ) = np(1 p) ( X ) = np(1 p)

PAUL MILAN 17 TERMINALE S


TABLE DES MATIRES

Remarque : Ce thorme est admis.


Exemple : Une urne contient 10 boules (indiscernables au toucher) : 4 boules
sont rouges et les autres sont noires. On tire successivement 6 boules de lurne en
remettant la boule chaque tirage. Quelle est le nombre moyen de boules rouges
peut-on esprer ? Avec quelle variance et quel cart type.


E( X ) = 6 0, 4 = 2, 4; V( X ) = 6 0, 4 0.6 = 1, 44; ( X ) = 1, 44 = 1, 2

PAUL MILAN 18 TERMINALE S