Académique Documents
Professionnel Documents
Culture Documents
d’Épreuves indépendantes.
p ( A ∩ B)
pA ( B) =
p ( A)
et ainsi établi que, pour deux événements quelconques ( A ≠ ∅ ) :
p ( A ∩ B ) = p ( A) × p A ( B ) .
p ( B ) = p ( A ) × p ( B ) + p ( A ) × p ( B ) +…+ p ( A ) × p ( B ) .
1 A1 2 A2 n An
Exemple 1 :
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 1.
II – Succession d’épreuves indépendantes :
Définition 1 :
Dire que deux épreuves aléatoires sont
indépendantes, c’est dire que l’issue de l’une ne
dépend pas de celle de l’autre.
Exemples…
• Lancer d’un dé puis d’une pièce.
• « Un pangolin se balade tranquillement en Chine » et « Il n’y a plus
de PQ à l’Intermarché de la Bocca »… en fait, là c’est un contre-
exemple ‼!
Propriété 1 (admise) :
Lorsqu’une expérience aléatoire est la répétition de n
épreuves identiques et indépendantes, une issue est
une liste ordonnée de résultats et la probabilité de
cette liste est le produit des probabilités de chacun
des résultats.
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 2.
On note A « On obtient deux boules de la même couleur ».
p ( A ) = p ( BB ) + p ( RR ) + p ( NN )
4 4 1 9
= + + =
25 25 25 25
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 3.
On effectue maintenant 5 tirages successifs dans les mêmes
conditions.
On note E : « On obtient au moins une boule noire sur les 5 tirages ».
Déterminer p E . ( )
On va passer ici par l’événement contraire :
p ( E ) est la probabilité qu’il n’y ait aucune boule rouge sur les 5
5
⎛ 3⎞
tirages. p ( E ) = ⎜ ⎟ .
⎝ 5⎠
5
⎛ 3⎞
On a alors : p ( E ) = 1− ⎜ ⎟ c.-à-d. p ( E ) ! 0,922 .
⎝ 5⎠
Exemple 3 :
1
M. G. trouve sa classe attentive avec une probabilité de à chaque
6
séance. Combien de séances minimum doit-il attendre pour être
sûr, à plus de 99%, de trouver au moins une fois sa classe
attentive ?
Soit n le nombre de séances cherché et soit X le nombre de fois où
M.G. trouve sa classe attentive.
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 4.
III – Loi binomiale :
1. Épreuve de Bernoulli :
Définition 2 :
On appelle Épreuve de Bernoulli une expérience
aléatoire qui admet exactement deux issues
S (succès) et S (échec).
N.B. : Si p = p ( S ) alors p S = 1− p . ( )
Exemples…
2. Loi de Bernoulli :
Définition 3 :
On appelle Loi de Bernoulli, une loi de probabilité
définie sur Ω = {S ; S } , ensemble des issues d’une
épreuve de Bernoulli.
p ∈[ 0 ; 1]
Issue S S
Probabilité p 1− p
3. Schéma de Bernoulli :
Définition 4 :
On appelle Schéma de Bernoulli, la répétition d’un
certain nombre d’épreuves de Bernoulli, identiques et
indépendantes.
L’univers de cette expérience est donc le produit
{ }
n
cartésien : Ω = S ;S .
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 5.
Exemple 4 : On jette un dé équilibré et on s’intéresse à l’obtention
d’un 6 . On a une épreuve de Bernoulli avec S : « avoir un 6 » et
S : « ne pas avoir un 6 ».
On répète quatre fois l’expérience et on s’intéresse à la suite des
2 2
⎛ 1⎞ ⎛ 5⎞ 25
p(S S S S ) = ⎜ ⎟ × ⎜ ⎟ = ! 0,019 .
⎝ 6⎠ ⎝ 6⎠ 1296
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 6.
4. Loi binomiale :
Définition 5 :
Soit X la variable aléatoire comptant le nombre de
succès obtenus dans un schéma de Bernoulli à n
épreuves, p désignant la probabilité d’obtenir le succès
dans chaque épreuve.
Cette loi est appelée loi binomiale de paramètres n et p .
On la note ℬ n; p . ( )
Exemple : Dans le schéma de Bernoulli précédent, si X compte le
⎛ 1⎞
nombre de succès, la variable X suit une loi binomiale ℬ ⎜ 4; ⎟ .
⎝ 6⎠
On a alors :
p( X = 4) = …
p( X = 2) = …
Propriété 2 :
Soit X une variable aléatoire qui suit la loi binomiale
de paramètres n et p .
Pour tout entier 0 ≤ k ≤ n , on a :
⎛ n⎞
p ( X = k ) = ⎜ ⎟ × p k × (1− p ) .
n−k
⎝ k⎠
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 7.
Exemple :
• En reprenant la situation de l’exemple 4, donner la loi de
probabilité de la variable aléatoire donnant le nombre de « 6 »
obtenu sur les quatre lancers.
1
X suit la loi binomiale de paramètres 4 et .
6
0 4
⎛ 4⎞ ⎛ 1 ⎞ ⎛ 5 ⎞ 625
p ( X = 0) = ⎜ ⎟ × ⎜ ⎟ × ⎜ ⎟ = .
⎝ 0⎠ ⎝ 6 ⎠ ⎝ 6 ⎠ 1296
1 3
⎛ 4⎞ ⎛ 1 ⎞ ⎛ 5 ⎞ 125
p ( X = 1) = ⎜ ⎟ × ⎜ ⎟ × ⎜ ⎟ = .
⎝1 ⎠ ⎝ 6 ⎠ ⎝ 6 ⎠ 324
2 2
⎛ 4⎞ ⎛ 1 ⎞ ⎛ 5 ⎞ 25
p ( X = 2) = ⎜ ⎟ × ⎜ ⎟ × ⎜ ⎟ = .
⎝ 2⎠ ⎝ 6 ⎠ ⎝ 6 ⎠ 216
3 1
⎛ 4⎞ ⎛ 1 ⎞ ⎛ 5 ⎞ 5
p ( X = 3) = ⎜ ⎟ × ⎜ ⎟ × ⎜ ⎟ = .
⎝ 3 ⎠ ⎝ 6 ⎠ ⎝ 6 ⎠ 324
4 0
⎛ 4⎞ ⎛ 1 ⎞ ⎛ 5 ⎞ 1
p ( X = 4) = ⎜ ⎟ × ⎜ ⎟ × ⎜ ⎟ =
⎝ 4⎠ ⎝ 6 ⎠ ⎝ 6 ⎠ 1296
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 8.
5. Espérance et variance d’une loi binomiale :
Propriétés 3 :
Soit X une variable aléatoire qui suit la loi binomiale
ℬ(n ; p).
• L’espérance de X est : E X = n × p ( )
• La variance de X est V ( x ) = n × p × (1− p )
( )
• L’écart type de X est σ X = n × p × 1− p . ( )
Exemple 5 :
La probabilité que G.C. bavarde à un cours donné est de 0, 8 . On
considère X la variable aléatoire comptant le nombre de cours où
G.C. bavarde sur une succession de 10 cours.
a) Déterminer la loi de probabilité de X .
b) Calculer la probabilité qu’il soit « muet » au moins deux fois.
c) Déterminer l’espérance mathématiques de X et interpréter.
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 9.