Académique Documents
Professionnel Documents
Culture Documents
1 PDF
1 PDF
p ( A ) = 1 p ( A ) donc p ( ) = 0.
Si A B = , alors p ( A B ) = p ( A ou B ) = p ( A ) + p ( B ).
Si A E et B E, p ( A B ) = p ( A ) + p ( B ) p ( A B ).
Univers quiprobable : ensemble E dont tous les vnements lmentai-
res ont la mme probabilit.
Si lensemble E contient N lments, alors :
1
p 1 = p 2 = = p N = ---- .
N
Si A E et si A contient n ventualits, alors :
n nombre de cas favorables la ralisation de A
p ( A ) = ---- = ------------------------------------------------------------------------------------------------------------------------------ .
N nombre de cas possibles
2. Probabilits conditionnelles
Soit une exprience alatoire et deux vnements A et B de lunivers pro-
babilis par cette exprience.
Si p ( B ) 0, la probabilit conditionnelle de A sachant que B est ralis
p(A B)
scrit p B ( A ) ou p ( A/B ) et est telle que p B ( A ) = ------------------------ .
p(B)
92
cours savoir-faire exercices corrigs
i , j , i j , B i B j =
B1 B2 Bi Bn = E .
Si { B 1, , B n } est une partition de E et si p ( B i ) est non nul pour tout i,
alors :
p ( A ) = p B1 ( A ) p ( B 1 ) + p B2 ( A ) p ( B 2 ) + + p Bn ( A ) p ( B n )
p ( A ) = p ( A B 1 ) + p ( A B 2 ) + + p ( A B n ).
exemple dapplication
On tire une carte dun jeu de 32 cartes. Quelle est la probabilit que la carte soit
un carreau sachant que cest une carte rouge qui a t tire.
corrig comment
Soit A lvnement tirer une carte rouge : p ( A ) = --- .
1
2
Soit B lvnement tirer un carreau .
8 1
A B = B car B A do P ( A B ) = P ( B ) = ------ = --- .
32 4
1
---
P(A B) 4 1 1
Donc P A ( B ) = ------------------------ = --- = --- soit P A ( B ) = --- .
P(A) 1 2 2
---
2
Sachant que la carte tire est rouge, il y a une chance sur deux que ce soit
un carreau.
93
CHAPITRE 3 PROBABILITS ET STATISTIQUES
2 Indpendance et modlisation
1. Indpendance de deux vnements
Deux vnements A et B sont indpendants si, et seulement si,
p ( A B ) = p ( A ) p ( B ).
Consquence : p A ( B ) = p ( B ) et p B ( A ) = p ( A ).
2. Modlisation
Dfinitions : Une loi de probabilit, ou distribution de probabilit, est une
fonction P qui tout vnement A associe un nombre p ( A ), sa probabilit
appartenant lintervalle [ 0 ; 1].
Modliser une exprience alatoire cest lui associer une loi de probabilit.
94
cours savoir-faire exercices corrigs
s = f (x x ) .
i i
2 = p (x ) .
i i
2
exemple dapplication
On lance 4 fois de suite un d quilibr.
1. Quelle est la probabilit dobtenir le 5 chaque lancer ?
2. Quelle est la probabilit dobtenir au moins une fois le 5 avec 4 lancers ?
corrig comment
1. Soit A lvnement obtenir le 5 1 lancer.
1
p ( A ) = --- .
6
Soit B lvnement obtenir le 5 chaque lancer.
On rpte 4 fois lexprience alatoire de faons identiques et indpendamment
les unes des autres.
1 1 1 1 1 4
p ( B ) = --- --- --- --- = ---
1
Donc do p ( B ) = ---------------
6 6 6 6 6 1 296
2. Soit C lvnement obtenir au moins une fois le 5 aprs 4 lancers.
Le plus simple est de calculer la probabilit de lvnement C qui consiste obtenir
zro fois le nombre 5 aprs 4 lancers.
5 4
p ( C ) = --- do p ( C ) = 1 P ( C ),
6
5 4
p ( C ) = 1 --- soit
671
soit p ( C ) = ---------------
6 1 296
95
CHAPITRE 3 PROBABILITS ET STATISTIQUES
p a
n
( a + b)n = n bn p .
p=0
n n n
Remarque : Si a = b = 1, alors 2 n = + + + ceci traduit le
0 1 n
nombre de parties dun ensemble ayant n lments.
2. Lois discrtes
Loi de Bernoulli
Une preuve de Bernoulli a seulement deux issues contraires A et A de pro-
babilits respectives p et q = 1 p.
Le schma de Bernoulli est la rptition n fois et de faons identiques et
indpendantes dune preuve de Bernoulli.
La probabilit dobtenir k ralisations de A sur n preuves est donne par la
n
loi de Bernoulli : k p k avec p k = p k q n k .
k
n
Remarque : p q
p=0
k nk = 1.
96
cours savoir-faire exercices corrigs
Loi binomiale
Soit X la variable alatoire prenant pour valeurs le nombre k de ralisations
de A dans un schma de Bernoulli.
La variable X suit une loi binomiale de paramtres ( n, p ), elle a pour loi de
n
probabilit P ( X = k ) = p k q n k .
k
n
exemple dapplication
n 1 n 1
Dmontrer les formules : = +
p p 1 p
n = n o 0 p n.
p n p
corrig comment
n 1 n 1 ( n 1 )! ( n 1 )!
A = + = -------------------------------------------------------- + ----------------------------------
p 1 p ( p 1 )! ( n 1 p + 1 ) p! ( n 1 p )!
( n 1 )! ( n 1 )! ( n 1 )!p ( n 1 )! ( n p )
A = --------------------------------------- + ---------------------------------- = ------------------------------------------ + ---------------------------------------------------- .
( p 1 )! ( n p )! p! ( n p 1 )! ( p 1 )!p ( n p )! p! ( n p 1 )! ( n p )
Le dnominateur commun est p! ( n p )!
car ( p 1 )!p = p! et ( n p 1 )! ( n p ) = ( n p )!
( n 1 )! ( p + n p ) n
A = ----------------------------------------------- = ------------------------- = ;
n!
do
p! ( n p )! p! ( n p )! p
n = ------------------------------------------------
n! n
- = ------------------------- = , do
n! n = n
n p ( n p )! ( n n + p )! ( n p )!p! p n p p
97
CHAPITRE 3 PROBABILITS ET STATISTIQUES
4 Lois continues
1. Dfinitions
On appelle densit de probabilit f sur un intervalle I une fonction satis-
faisant aux conditions suivantes : f est continue sur I, f est positive sur I et
f ( x ) dx = 1.
I
tant donne une densit de probabilit, la loi de probabilit correspondante
continue associe tout intervalle lintgrale de la densit sur cet intervalle.
Soit X une variable alatoire dfinie dans un intervalle I et valeurs dans
et f une densit de probabilit.
La variable X est une variable alatoire de densit f si quels que soient a et
b
b de I on a P ( a X b ) = a
f ( x ) dx.
98
cours savoir-faire exercices corrigs
b
donc P ( a X b ) = [ e t ] a = e a e b .
exemple dapplication
Soit la fonction f dfinie sur par :
f ( x ) = 0 si x 1
f ( x ) = x + 1 si 1 x 0
f ( x ) = x + 1 si 0 x 1
f ( x ) = 0 si x 1.
Reprsenter graphiquement f et montrer que f dtermine une loi de probabilit
1
P, puis calculer P 1 ; --- .
2
corrig comment
La fonction f est dfinie, positive et continue sur . 1
Sur ] ; 1 [ ] 1 ; + [ , f ( x ) = 0
1 1
et
1
f ( x ) dx = 2
0
f ( x ) dx car f est paire donc,
1 1
x 2
f ( x ) dx = 2 --------- + x = 2 --- + 1 = 1.
1
1 2 0
2 1 0 1
99