STATISTIQUES

PROBABILITÉS

Probabilités
conditionnelles 1
et indépendance

1
Activités d’approche

ACTIVITÉ 1 Des probabilités sous condition

O BJECTIFS
P( A ∩ B)
Introduire la notion de probabilité conditionnelle et notamment la formule PB ( A) = .
P( B)
Faire le lien entre la formule précédente et l’une des règles d’utilisation des arbres pondérés.

C ORRECTION
Partie A : À la cantine du lycée
1) Cantine Pas cantine Total
Seconde 237 122 359
Première 208 133 341
Terminale 206 148 354
Total 651 403 1 054
359 237
2) a) P(S) = et P(C ∩ S) = .
1 054 1 054
b) PS (C ) est la probabilité que l’élève tiré au sort mange à la cantine sachant qu’il est en
seconde.
237
On a donc PS (C ) = .
359
c) L’univers associé à PS est l’ensemble des élèves de seconde.
237 237 359
d) On a P(C ∩ S) = = × = PS (C ) × P(S) ou P(S) × PS (C ).
1 054 359 1 054
e) D’une manière générale, on peut donc conjecturer que P( A ∩ B) = P( B) × PB ( A) ou
P( A ∩ B)
PB ( A) = .
P( B)
P( T ∩ C )
3) D’après la conjecture précédente, on devrait avoir PC (T ) = or d’après le ta-
P(C )
206 206 651
bleau, PC (T ) = , P( T ∩ C ) = et P(C ) = .
651 1 054 1 054
206
P( T ∩ C ) 206 1 054 206
On en déduit que = 1 054 = × = = PC ( T ) : la conjecture est
P(C ) 651 1 054 651 651
1 054
bien vérifiée dans ce cas.
133 133 403
De même, d’après le tableau on a PC ( PR ) = , P( PR ∩ C ) = et P(C) = .
403 1 054 1 054
133
P( PR ∩ C ) 133 1 054 133
On en déduit que = 054 =
1 × = = PC ( PR).
P( C) 403 1 054 403 403
1 054
Partie B : Avec un arbre pondéré
1) Sur l’arbre, on a :
PS ( H ) = 0,68 PPR ( H ) = 0,82 PT ( H ) = 0,37
PS ( H ) = 0,32 PPR ( H ) = 0,18 PT ( H ) = 0,63
P( H ∩ T )
2) a) On aurait PT ( H ) = .
P( T )
354 13 098 6 549
b) On en déduit P( H ∩ T ) = PT ( H ) × P( T ) = 0,37 × = = .
1 054 105 400 52 700
c) On retrouve la règle qui dit que, sur un arbre pondéré, pour calculer la probabilité d’un
évènement correspondant à un chemin il faut multiplier entre-elles les probabilités asso-
ciées aux branches constituant ce chemin.

2 Chapitre SP1. Probabilités conditionnelles et indépendance

 Activités d’approche

ACTIVITÉ 2 Des probabilités totales !

O BJECTIFS
Utiliser la formule des probabilités totales sur un exemple puis en général afin de « renver-
ser » un conditionnement.
On peut éventuellement se contenter d’une réponse intuitive à la question 1 et y revenir
précisément avec un arbre après la question 2b.

C ORRECTION
1) Appelons respectivement N et P les évènements « Il y a des nuages » et « Sabal prend un
parapluie ».
1
.
On cherche donc à savoir si PP ( N ) >
2
Avec les informations que possède Amita (la prédiction météorologique de la veille et les
habitudes de Sabal), on a :

0,9 P
0,95 N
0,1 P

0,15 P
0,05 N
0,85 P

P( P ∩ N )
On sait que PP ( N ) = avec :
P ( P)
P( P ∩ N ) = 0,95 × 0,1 = 0,095 ;
P( P) = 0,95 × 0,1 + 0,05 × 0,85 = 0,1375 ;
0,095
donc PP ( N ) = ≈ 0, 69 donc Amita a raison.
0,1375
2) a)
PA ( B)
B
P( A) A
B
PA ( B)
PA ( B)
B
P ( A) A
B
PA ( B)
P( A ∩ B) P( A) × PA ( B)
b) On a PB ( A) = = .
P( B) P( A) × PA ( B) + P( A) × PA ( B)

Chapitre SP1. Probabilités conditionnelles et indépendance 3

Activités d’approche

ACTIVITÉ 3 Ça dépend un peu... Beaucoup...

O BJECTIFS
« Introduire » intuitivement la notion d’indépendance de deux évènements et faire le lien avec
les formules du cours et la notion de probabilité conditionnelle.

C ORRECTION
Partie A : Questions de Science
1) Il semblerait que le fait de savoir ce qu’est l’oxydo-réduction favorise le fait de connaître la
loi binomiale car ce sont deux sujets scientifiques (attention, on ne conjecture pas de lien de
causalité mais une corrélation).
2) a) De la question précédente, on peut penser que la probabilité de savoir ce qu’est la loi
binomiale P( B) est différente de la probabilité de savoir ce qu’est la loi binomiale tout
en connaissant l’oxydo-réduction PO ( B), c’est-à-dire PO ( B) 6= P( B) (intuitivement, on a
même PO ( B) > P( B)).
Remarque : On note que l’on devrait avoir P(O) × P( B) 6= P(O) × PO ( B) et, comme
P(O ∩ B) = P(O) × PO ( B), on obtiendrait P(O ∩ B) 6= P(O) × P( B). C’est ce que l’on
vérifie dans la question suivante avec les données numériques.
b) On a :
33 33 + 4 33 + 5
P (O ∩ B ) = = 0,33 P (O ) = = 0,37 P( B) = = 0,38
100 100 100
Ainsi, P(O) × P( B) = 0,37 × 0,38 = 0,1406 6= 0,33 c’est-à-dire P(O ∩ B) 6= P(O) × P( B).
Partie B : Question d’Art
1) A priori, on peut penser que les évènements sont indépendants (il n’y a pas de lien particu-
lier entre le fait de porter des lunettes et d’aimer ou non la musique).
87 87 + 54 87 + 16 + 25
On a P( M ∩ L) = = 0,435, P( M ) = = 0,705 et P( L) = = 0,64.
200 200 200
On calcule P( M ) × P( L) = 0,705 × 0,64 = 0,4512 6= P( M ∩ L) donc les évènements ne sont
pas indépendants.
2) A priori, on peut penser que les évènements sont indépendants (il n’y a pas de lien particu-
lier entre le fait de porter des lunettes et d’aimer ou non le cinéma).
16 16 + 9
On a P(C ∩ L) = = 0,08, P(C ) = = 0,125 et P( L) = 0,64.
200 200
On calcule P(C ) × P( L) = 0,125 × 0,64 = 0,08 = P(C ∩ L) donc les évènements sont indé-
pendants.
3) Dans les deux cas, il n’y a pas de lien apparent entre les deux évènements, pourtant dans un
cas, ils sont indépendants et dans l’autre non.
87 + 16 + 25 87 16
4) a) p1 = = 0,64 p2 = ≈ 0,62 p3 = = 0,64
200 87 + 54 16 + 9
b) On observe :
p1 = p3 autrement dit P( L) = PC ( L) ce qui explique l’indépendance des évènements
L et C ;
p1 6= p2 autrement dit P( L) 6= PM ( L) ce qui explique la non indépendance des évène-
ments M et C.

4 Chapitre SP1. Probabilités conditionnelles et indépendance

 S’entraîner

Probabilités conditionnelles 9
O BJECTIF
5 P( A ∩ B)
Utiliser la formule PA ( B) = en ayant à utili-
P( A)
O BJECTIF ser la définition de deux évènements disjoints.
Comprendre un arbre, en particulier illustrer la notion C ORRECTION
de partition. P( E ∩ F ) 0
C ORRECTION PE ( F ) = = = 0 car E et F sont disjoints
P( E) P( E)
1) D’une manière générale, on n’a pas B = A donc et P( E) 6= 0.
l’arbre est incorrect.
10
On pourrait avoir par exemple :
B O BJECTIF
A P( A ∩ B)
Utiliser la formule PA ( B) = en utilisant di-
B P( A)
verses probabilités.
B C ORRECTION
A P( A ∩ B) P( A) + P( B) − P( A ∪ B)
1) PA ( B) = =
B P( A) P( A)
2) C, D et E doivent former une partition de Ω c’est-à- 0,37 + 0,68 − 0,84 0,21
= = ≈ 0,57
dire que Ω = C ∪ D ∪ E et que C, D et E sont disjoints 0,37 0,37
deux à deux. P( A ∩ B) 0,21
2) PB ( A) = = ≈ 0,31
P( B) 0,68
La condition P( E) = 0,45 n’est pas suffisante.
11
7 O BJECTIFS
O BJECTIF Utiliser la formule P( A ∩ B) = P( A) × PA ( B).
P( A ∩ B) Travailler avec l’évènement contraire et les probabili-
Utiliser la formule PA ( B) = .
P( A) tés conditionnelles. Il pourra être intéressant de faire
C ORRECTION
un arbre pour illustrer que PA ( B) = 1 − PA ( B).
P( A ∩ B) 0,06
PA ( B) = = = 0,6
P( A) 0,1 C ORRECTION
8 1) P( A ∩ B) = P( A) × PA ( B) = 0,63 × 0,06 = 0,0378
O BJECTIF 2) P( A ∩ B) = P( A) × PA ( B) = 0,63 × 0,94 = 0,5922
P( A ∩ B) ou P( A ∩ B) = P( A) − P( A ∩ B) = 0,5922
Utiliser la formule PA ( B) = en ayant à utili-
P( A)
ser la probabilité de l’évènement contraire.
C ORRECTION 12
P(C ∩ D) 0,35 O BJECTIFS
PD (C ) = = = 0,875
P( D) 1 − 0,6 Utiliser la formule P( A ∩ B) = P( A) × PA ( B).
Travailler avec l’évènement contraire et les probabi-
lités conditionnelles.

C ORRECTION
1 7 7
 
1) P( E ∩ F ) = P( E) × PE ( F ) = 1 − × =
3 12 18
1 7
   
2) P( E ∩ F ) = P( E) × PE ( F ) = 1 − × 1−
3 12
5
=
18
2 7 5
ou P( E ∩ F ) = P( E) − P( E ∩ F ) = − =
3 18 18

Chapitre SP1. Probabilités conditionnelles et indépendance 5

S’entraîner

13 Avec des phrases 14

O BJECTIF
O BJECTIF
Calculer des probabilités à partir de situations concrètes
Utiliser un arbre pondéré pour représenter une situa-
mettant en jeu des probabilités conditionnelles.
tion concrète et calculer avec des probabilités condition-
Dans les questions 2 et 3, on peut utiliser la formule des
nelles (la structure de l’arbre est donnée).
probabilités totales mais ce n’est pas nécessaire car on
peut se ramener à la probabilité d’une intersection (on C ORRECTION
peut faire un arbre pour illustrer). 1)
0,75 B
C ORRECTION
0,6 L
1) Quand on rencontre une personne sortant de la bi-
0,25 B
bliothèque, on considère les évènements G et L défi-
nis respectivement par « la personne est un garçon »
0,95 B
et « la personne a emprunté plus de 50 livres ». 0,4
P( G ∩ L) 0,2 L
On cherche donc PG ( L) = = ≈ 0,36.
P( G ) 0,55 0,05 B
2) On appelle T l’évènement « obtenir 3 télés au grat-
tage » et M l’évènement « tomber sur une section de 2) On a P( L ∩ B) = P( L) × PL ( B) = 0,6 × 0,75 = 0,45.
la roue à 1 000 000 d’euros ». Cela veut dire qu’Issa dit avoir manqué et a pourtant
On cherche P( M ) = P( T ∩ M ) = P( T ) × PT ( M ) plus de 15 pour 45 % des contrôles.
5 3) On cherche P( L ∩ B) = P( L) × PL ( B) = 0,4 × 0,05
= 0,000001 × = 0,00000005.
100
3) On appelle B l’évènement « la personne ne manque = 0,02.
pas le bus » et H l’évènement « la personne est à
l’heure ». 15
On cherche P( H ) = P( H ∩ B) = P( B) × PB ( H )
2 1 O BJECTIF
= 0,05 × = . Utiliser un arbre pondéré pour représenter une situa-
3 30
4) On appelle R l’évènement « la chanson est du rock » tion concrète et calculer avec des probabilités condition-
et F l’évènement « la chanson est française ». nelles (la structure de l’arbre n’est pas donnée).
P( R ∩ F ) 0,17
On cherche PF ( R ) = = ≈ 0,28.
P( F ) 0,61 C ORRECTION
On appelle A l’évènement « l’album choisi est celui
contenant sa chanson préférée » et C l’évènement « la
chanson choisie est sa préférée ».
1/12 C
0,1 A
11/12 C

0,9 A C
1
la probabilité cherchée est donc :
1 1
P(C ) = P( A ∩ C ) = P( A) × PA (C ) = 0,1 × =
12 120
≈ 0,0083.

6 Chapitre SP1. Probabilités conditionnelles et indépendance

 S’entraîner

16 17 ROC

O BJECTIF O BJECTIF
Travailler autour des probabilités conditionnelles en Travailler autour des formules sur les probabilités
passant d’un tableau à un arbre. conditionnelles.

C ORRECTION C ORRECTION
1) La formule est fausse.
A A Total
On a P( A ∩ B ∩ C ) = P( A ∩ B) × PA∩ B (C )
B 0,44 0,24 0,68
= P( A) × PA ( B) × PA∩ B (C ).
B 0,19 0,13 0,32
Remarque : Pour « juste » infirmer la formule (sans
Total 0,63 0,37 1
en démontrer une correcte), on peut se contenter d’un
contre-exemple.
2) P( A) = 0,63 P( A ∩ B) = 0,44
P( B) = 0,32 P( A ∩ B) = 0,13 18
P( A ∩ B) 0,44 44
3) PA ( B) = = = O BJECTIF
P( A) 0,63 63
P( A ∩ B) 0,19 19 Calculer une probabilité conditionnelle en utilisant
PA ( B) = = =
P( A) 0,63 63 P( A) = P( A ∩ B) + P( A ∩ B) (l’exercice est guidé).
P( A ∩ B) 0,24 24
PA ( B) = = = C ORRECTION
P ( A) 0,37 37
P( A ∩ B) 0,13 13 1) P( A ∩ B) = P( A) − P( A ∩ B) = 0,8 − 0,48 = 0,32
PA ( B) = = = P( A ∩ B) 0,32
P ( A) 0,37 37 2) PA ( B) = = = 0,4
4) 44/63 P( A) 0,8
B
0,63 A 19
B
19/63 O BJECTIF
24/37 Faire un arbre pour visualiser plus facilement une si-
B
tuation puis calculer une probabilité.
0,37 A
B C ORRECTION
13/37
Dressons un arbre :
5) Après des calculs similaires, on obtient : ... F
44/68
A 0,4 E
0,68 B ... F
A
24/68
... F
19/32 0,6 E
A
0,32 B ... F
A 0,12
13/32 P( E ∩ F)
où PE ( F) = = = 0,2
P( E) 0,6
puis PE ( F ) = 1 − 0,2 = 0,8.

Chapitre SP1. Probabilités conditionnelles et indépendance 7

S’entraîner

20 22 Améliorer la qualité
O BJECTIFS
O BJECTIF
Faire un arbre pour visualiser plus facilement une situa- « Renverser » un conditionnement à l’aide d’un arbre
tion puis calculer une probabilité. Certaines questions pondéré.
sont un peu difficiles. Déterminer une inconnue à l’aide d’un arbre pon-
déré.
C ORRECTION
C ORRECTION
... B 1) 0,05
M
0,45 A O
... B 0,15
0,95 M

... B 0,1 M
0,55 A A
... B 0,3
0,9 M
On sait que P( A ∩ B) = P( A) + P( B) − P( A ∪ B)
0,9 M
= 0,45 + 0,6 − 0,71 = 0,34. 0,55
1) Cela permet de calculer : L
P( A ∩ B) 0,34 34 M
PA ( B) = = = . 0,1
P( A) 0,45 45
2) On en déduit immédiatement (voir arbre) que : 2) a) D’après la formule des probabilités totales, on a :
34 11
PA ( B) = 1 − PA ( B) = 1 − = . P( M ) = P(O) × PO ( M ) + P( A) × PA ( M ) + P( L) × PL ( M )
45 45
P( A ∩ B) P( A) − P( A ∩ B) = 0,15 × 0,05 + 0,3 × 0,1 + 0,55 × 0,9 = 0,5325.
3) PB ( A) = = P( M ∩ O) 0,15 × 0,05
P( B) 1 − P( B) b) On cherche PM (O) = =
0,45 − 0,34 11 P( M ) 0,5325
= = . ≈ 0,014.
0,4 40
4) On en déduit que : 3) Soit p la proportion de poisson acheté au grossiste ar-
11 29 moricain, on a P( L) = 1 − 0,15 − p = 0,85 − p donc :
PB ( A) = 1 − PB ( A) = 1 − = (on peut faire
40 40
un arbre en « commençant par B et B » pour s’en 0,05
M
convaincre). O
0,15
0,95 M

0,1 M
A
p
0,9 M

0,9 M
0,85 − p L

0,1 M
On cherche donc à résoudre :
0,15 × 0,05 + p × 0,1 + (0,85 − p) × 0,9 = 0,3 soit, après
simplification :
0,7725 − 0,8p = 0,3 ⇔ 0,8p = 0,4725
0,4725
⇔ p = ≈ 0,59 soit environ 59 % du grossiste
0,8
armoricain et 26 % de celui de Lutèce.

8 Chapitre SP1. Probabilités conditionnelles et indépendance

 S’entraîner

23 Épidémiologie 24

O BJECTIFS O BJECTIFS
Travailler autour du thème classique des faux- Travailler autour des probabilités conditionnelles
positifs. avec une expérience aléatoire à « plusieurs étapes ».
Faire le lien entre probabilités et proportions. Réinvestir les propriétés des variables aléatoires.
Réinvestir la loi binomiale.
C ORRECTION
C ORRECTION 1)
1) Quand on prend un individu au hasard, on consi- 1
0,9 F V
dère les évènements M : « l’individu est malade » et
T : « le test est positif ». 0,95 E 0,3 V
On a alors l’arbre ci-dessous :
0,1 F
0,999
T V
0,7
0,1 M 0,05 E V
T 1
0,001
Remarque : On peut faire un arbre plus simple.
0,01 2) On a :
T
P F ∩ V = 0,95 × 0,1 × 0,3 = 0,0285


0,9 M
P(V ) = 0,95 × 0,9 × 1 + 0,95 × 0,1 × 0,3 = 0,8835
0,99 T
P( F ∩ V ) 0,0285
PV ( F) = = ≈ 0,032
2) a) Quand on considère un individu, la question re- P (V ) 0,8835
3) a) On a :
vient à calculer :
P( X = −0,05) = 1 − 0,8835 = 0,1165
P( T ) = 0,1 × 0,999 + 0,9 × 0,01 = 0,1089 soit
P( X = 0,5) = 0,95 × 0,9 × 1 = 0,855
10,89 % de la population.
P( X = 0,25) = 0,95 × 0,1 × 0,3 = 0,0285
b) La question revient à trouver :
La loi de probabilité de X est :
P( M ∩ T ) = 0,9 × 0,01 = 0,009 soit 0,9 % de la
population. xi −0,05 0,5 0,25
Remarque : Le calcul 10,89 − 10 ne convient pas P( X = xi ) 0,1165 0,855 0,0285
car les 10 % de malades ne sont pas tous dans les b) On peut « espérer » gagner E( X ) soit :
10,89 % trouvés (il y a des faux négatifs). −0,05 × 0,1165 + 0,5 × 0,855 + 0,25 × 0,0285
3) On appelle X le nombre de personnes mises sous = 0,4288 euro par composant.
traitement. La variable aléatoire X suit la loi bino-
miale de paramètres n = 100 et p = 0,1089 (expé-
rience assimilable à un tirage avec remise).
a) La calculatrice donne P( X = 10) ≈ 0,126.
b) La calculatrice donne P( X 6 5) ≈ 0,033.

Chapitre SP1. Probabilités conditionnelles et indépendance 9

S’entraîner

25 26

O BJECTIF O BJECTIF
« Renverser » un conditionnement sans indication. Répondre à une question ouverte dans un contexte pro-
babiliste.
C ORRECTION
1 1 4 4 137 C ORRECTION
P( B) = × + × =
5 8 5 9 360 On considère les évènements suivants :
223
P ( B) = F : « la pièce tombe sur face » ;
360
1 1 E : « Edmond fait la vaisselle » ;
P( A ∩ B) × 9
PB ( A) = = 5 8 =
P( B) 137 137 M : « La mère d’Edmond fait la vaisselle » ;
360 P : « Le père d’Edmond fait la vaisselle ».
128 et l’on représente la situation par l’arbre ci-dessous :
PB ( A) =
137
1 7 0,50
× M
P( A ∩ B) 63 0,30
PB ( A) = = 5 8 = E
P( B) 223 223
360 0,50 F P
0,50
160 E
PB ( A) = 0,7
223 0,50
M
0,60
On en déduit : E
9/137 0,50 F P
A 0,50
137/360 B 0,4 E

A On cherche à calculer :
128/137 P( P ∩ F ) 0,5 × 0,6 × 0,5
PP ( F ) = =
63/223 P( P) 0,5 × 0,3 × 0,5 + 0,5 × 0,6 × 0,5
A 0,15
= ≈ 0,67.
223/360 B 0,225
A
160/223

10 Chapitre SP1. Probabilités conditionnelles et indépendance

 S’entraîner

27 Obstétrique–Question ouverte 28

O BJECTIF O BJECTIFS
Répondre à une question ouverte dans un contexte pro- Trouver une proportion inconnue dans un contexte
babiliste. probabiliste.
Modéliser un tirage au sort par une expérience aléa-
C ORRECTION
toire.
Pour une naissance donnée, appelons P l’évènement
« la naissance est prématurée » et M l’évènement « la
C ORRECTION
grossesse est multiple ».
Quand on a un ticket, représentons la situation par
On sait que P( P) = 0,066, PM ( P) = 0,417 et
un arbre où l’on a inscrit les prix des lots « au bout »
PM ( P) = 0,055.
des chemins et où G désigne l’évènement « le ticket
On peut représenter la situation par un arbre :
est gagnant »
0,417
P 0,2 − 0,01x
M 100
p
0,2 0,8
0,583 P G 1

0,055 0,8 0 0,01x 2

P
1− p M Il s’agit de « s’arranger » pour que l’espérance de
0,945 P gain soit de 1,71 euros soit :
Il s’agit donc de résoudre : 0,2 × (0,2 − 0,01x ) × 100 + 0,2 × 0,8 × 1 + 0,2 × 0,01x × 2 = 1,71
p × 0,417 + (1 − p) × 0,055 = 0,066 ⇔ 0,362p = 0,011 ⇔ 4 − 0,2x + 0,16 + 0,004x = 1,71
0,011 −2,45
⇔ p = ≈ 0,03 soit environ 3 % de naissances ⇔ −0,196x = −2,45 ⇔ x = = 12,5.
0,362 −0,196
multiples. Elle doit donc avoir 12,5 % de tickets donnant droit à
un lot à 2 euros.
Pour chaque ticket, elle peut par exemple tirer au
sort un nombre entre 1 et 200 et donner un lot à 1
euro si le nombre est dans les 160 premiers, un lot à 2
euros s’il est dans les 25 derniers et un lot à 100 euros
sinon.

Chapitre SP1. Probabilités conditionnelles et indépendance 11

S’entraîner

29 Génétique

O BJECTIFS
Étudier une situation issue d’un contexte génétique
avec les probabilités.
Répondre à une question ouverte.

C ORRECTION
Comme le père de Béatrice est daltonien, le chromo-
some X qu’il lui a transmis est porteur de l’allèle res-
ponsable.
Comme Béatrice n’est pas malade, son autre chromo-
some X est sain.
On considère les évènements suivants :
D : « le père de l’enfant est daltonien »
X : « le père de l’enfant transmet son chromosome X
("malade") »
Y : « le père de l’enfant transmet son chromosome Y »
Xm : « Béatrice transmet son chromosome X "ma-
lade" »
Xs : « Béatrice transmet son chromosome X "sain" »
On peut alors représenter la situation par l’arbre ci-
dessous :
0,5 Xm
0,5 X
0,5 Xs
D
0,08 0,5 Xm
0,5 Y
0,5 Xs

0,5 Xm
0,5 X
0,92 0,5 Xs
D
0,5 Xm
0,5 Y
0,5 Xs

L’enfant est daltonien pour les branches no 1, no 3 et no 7

c’est-à-dire avec une probabilité :
0,08 × 0,52 + 0,08 × 0,52 + 0,92 × 0,52 = 0,27.

12 Chapitre SP1. Probabilités conditionnelles et indépendance

 S’entraîner

Suites et probabilités e) Pour un entier naturel K choisi par l’utilisateur,

l’affichage J correspondant au premier rang pour
lequel pn > 0,05 − 10− K ou pn > 0,05 − 0,1K ou
30 D’après bac (Pondichéry–2013)
pn ∈ [0,05 − 0,1K ; +∞[.
O BJECTIF On est sûr que cet algorithme s’arrête car la suite

Travailler les exercices classiques de bac mettant en jeu ( pn ) est convergente de limite 0,05.
probabilités conditionnelles et suites. Précisément, on peut par exemple considérer l’in-
0,1K
 
C ORRECTION tervalle I = 0,05 − ; +∞ qui contient 0,05
2
1) a) On a : et est inclus dans [0,05 − 0,1K ; +∞[.
0,24 E3 Comme I est un intervalle ouvert contenant
0,04 E2 0,05 = lim pn , il existe un rang à partir du-
n→+ ∞
0,76 E3 quel tous les termes de ( pn ) sont dans I donc dans
[0,05 − 0,1K ; +∞[ ce qui assure l’arrêt de l’algo-
0,04 E3
rithme.
0,96 E2
0,96 E3

Par la formule des probabilités totales, on en dé-

duit que :
p3 = P( E3 ) = 0,04 × 0,24 + 0,96 × 0,04 = 0,048.
b) On cherche :
P( E2 ∩ E3 ) 0,04 × 0,24
PE3 ( E2 ) = = = 0,2.
P( E3 ) 0,048
2) a)
0,24 E
n+1

pn En
0,76 En+1

0,04 En+1
1 − pn En
0,96 En+1

b) Par la formule des probabilités totales, on en dé-

duit que :
pn+1 = P( En+1 ) = pn × 0,24 + (1 − pn ) × 0,04
= 0,24pn + 0,04 − 0,04pn = 0,2pn + 0,04.
c) un+1 = pn+1 − 0,05 = 0,2pn + 0,04 − 0,05
= 0,2pn − 0,01 = 0,2( pn − 0,05) = 0,2un donc la
suite (un ) est géométrique de raison r = 0,2 et de
premier terme u1 = p1 − 0,05 = 0 − 0,05 = −0,05.

On a alors un = u1 × r n−1 = −0,05 × 0,2n−1

puis, comme pn = un + 0,05, on déduit que
pn = 0,05 − 0,05 × 0,2n−1 .
d) Comme −1 < 0,2 < 1, on a lim 0,2n−1 = 0 puis
n→+ ∞
lim pn = 0,05.
n→+ ∞

Chapitre SP1. Probabilités conditionnelles et indépendance 13

S’entraîner

31 Hérédité : On va montrer que si la propriété est

vraie à un certain rang n > 1 alors elle est vraie au
O BJECTIF rang n + 1.
 n−1
Travailler les exercices classiques de bac mettant en jeu 7 1 8

Supposons donc que pn = − + , on
probabilités conditionnelles et suites. 15 2 15
a alors :
La structure de l’arbre n’est pas donnée.
4 1
pn+1 = 0,8 − 0,5pn = − pn
5 2
C ORRECTION
1 n−1
!
4 1 7 8
 
1) p2 = P( A2 ) = 0,3 par énoncé. = − − +
5 2 15 2 15
Pour le calcul de p3 , construisons un arbre : n
4 7 1 4

= + − −
0,3 A3 5 15 2 15
12 7 1 n 4
 
0,3 A2 = + − −
15 15 2 15
0,7 A3
7 1 n 8
 
= − + .
0,8 A3 15 2 15
0,7 A2 7 1 n + 1− 1 8
 
On a donc bien pn+1 = − + ,
0,2 A3 15 2 15
c’est-à-dire que la propriété est vraie au rang
Par la formule des probabilités totales, on en déduit n + 1.
que : Conclusion : La propriété est vraie pour n = 1
p3 = P( A3 ) = 0,3 × 0,3 + 0,7 × 0,8 = 0,65. et est héréditaire. Par récurrence, on a alors
2) 7 1 n−1 8
 
0,3 A n+1 pn = − + pour tout n > 1.
15 2 15
pn An 1 1 n−1
 
5) a) Comme −1 < − < 1, on a lim − =0
0,7 A n+1 2 n→+ ∞ 2
8
puis lim pn = .
0,8 A n+1 n→+ ∞ 15
b) Cela veut dire que la probabilité que Bill achète du
1 − pn An 8
pain un jour lointain est proche de .
0,2 A n+1 15

3) Par la formule des probabilités totales, on en déduit

que :
pn+1 = P( An+1 ) = pn × 0,3 + (1 − pn ) × 0,8
= 0,3pn + 0,8 − 0,8pn = 0,8 − 0,5pn .
4) On procède par récurrence :
7 1 n−1 8
 
On veut montrer que pn = − + pour
15 2 15
tout n > 1.
On considère la propriété :
7 1 n−1 8
 
« pn = − + ».
15 2 15
Initialisation : Pour n = 1, on a p1 = 1 par énoncé
7 1 1− 1 8 7 8
 
et − + = + = 1.
15 2 15 15 15
1− 1
7 1 8

On a donc bien p1 = − + : la pro-
15 2 15
priété est vraie pour n = 1.

14 Chapitre SP1. Probabilités conditionnelles et indépendance

 S’entraîner

Événements indépendants 36 ALGO

O BJECTIFS
32 Étudier l’indépendance de deux évènements issus
O BJECTIF d’une expérience aléatoire générée par un algo-
Utiliser la formule P( A ∩ B) = P( A) × P( B) dans le cas rithme.
de deux évènements indépendants. Utiliser l’indépendance de A et B pour affirmer l’in-
dépendance de A et B.
C ORRECTION
A et B sont indépendants donc P( A ∩ B) = P( A) × P( B). C ORRECTION
P( A ∩ B) 0,085 17
Ainsi, P( B) = = = ≈ 0,567. Représentons préalablement la situation par un arbre
P( A) 0,15 30
(on fait les hypothèses « raisonnables » d’équiproba-
33 bilité dans les résultats possibles de la commande
O BJECTIF entalea et d’indépendance entre ses résultats succes-
Utiliser la formule P( A ∩ B) = P( A) × P( B) dans le cas sifs) où R désigne l’affichage « rouge » et O l’affichage
de deux évènements indépendants. « orange » :
1/3
C ORRECTION R
On a P( F ) = 0,47. a=1
1/3 O
2/3
E et F sont indépendants donc P( E ∩ F ) = P( E) × P( F ).
P( E ∩ F ) 0,25 25 1/4
Ainsi, P( E) = = = ≈ 0,532. R
P( F ) 0,47 47 a=2
1/3
34 3/4 O
O BJECTIF 7/24
1/3 R
Utiliser la formule P( A ∩ B) = P( A) × P( B) dans le cas a=3
de deux évènements indépendants. O
17/24
C ORRECTION 1 1 1 1 7 1 7
1) On a P( R ) = × + × + × = et
C et D sont indépendants donc P(C ∩ D ) = P(C ) × P( D ) 3 3 3 4 24 3 24
7
donc P(C ) + P( D ) − P(C ∪ D ) = P(C ) × P( D ) puis Pa =3 ( R ) = donc les évènements sont indépen-
24
P( D )(1 − P(C )) = P(C ∪ D ) − P(C ) dants.
P(C ∪ D ) − P(C ) 0,23 − 0,11 2) O = R et les évènements R et « a = 3 » sont indé-
Ainsi, P( D ) = =
1 − P(C ) 1 − 0,11 pendants donc les évènements O et « a = 3 » sont
0,12 12
= = ≈ 0,135. indépendants.
0,89 89 7 1 7
3) P( R ) = et Pa =1 ( R ) = 6= donc les évène-
35 ROC 24 3 24
ments ne sont pas indépendants.
O BJECTIF
Travailler les notions d’indépendance et d’incompatibi-
lité.

C ORRECTION
Dans ce cas, on aurait P( A ∩ B) = 0 puisque les évène-
ments sont disjoints et P( A) × P( B) 6= 0 puisque A et B
sont de probabilité non nulle.
Ainsi, on aurait P( A ∩ B) 6= P( A) × P( B) donc les deux
évènements ne sont pas indépendants.

Chapitre SP1. Probabilités conditionnelles et indépendance 15

S’entraîner

37 38

O BJECTIF O BJECTIF
Étudier l’indépendance de deux évènements. Étudier l’indépendance de deux évènements.

C ORRECTION C ORRECTION
On considère les évènements : Représentons préalablement la situation par un arbre :
F : « le meuble choisi est un fauteuil » ;
1/5 0,2 ⋆
CA : « le meuble choisi est un canapé » ;
P : « le meuble choisi est un pouf » ; 0,2 0,5
C : « le meuble choisi est en cuir ». 3/5
2/6
Représentons préalablement la situation par un arbre : 1/5 1⋄
0,14 C
2/5 0,2
CA
0,55 3/6
0,86 C
0,5 0,5⋆ ⋄
2/5
0,2 C 1/5 1⋄
F
0,3
0,8 C 1/6 2/5 0,2⋄
0,42 1
0,15 C
3/5 0,5⋄
P
0,58 C On considère les évènements M : « les deux pièces sont
du même montant » et C : « les deux pièces lui per-
D’après la formule des probabilités totales, on a donc
mettent d’acheter un croissant à 1 euro ».
P(C ) = 0,55 × 0,14 + 0,3 × 0,2 + 0,15 × 0,42 = 0,2 donc
On a :
P(C ) = PF (C ) : C et F sont indépendants. 2 1 3 2 8 4
P( M ) = × + × = = (voir ⋆) ;
6 5 6 5 30 15
2 1 3 2 3 1 1 2 1 3
P(C ) = × + × + × + × + ×
6 5 6 5 6 5 6 5 6 5
16 8
= = (voir ⋄) ;
30 15
4 8 32
P(C ) × P( M ) = × = ;
15 15 225
3 2 1
P(C ∩ M ) = × = .
6 5 5
On constate que P(C ) × P( M ) 6= P(C ∩ M ) donc C et
M ne sont pas indépendants.

16 Chapitre SP1. Probabilités conditionnelles et indépendance

 S’entraîner

39 40
O BJECTIFS
O BJECTIF
Trouver une inconnue dans un contexte d’indépen-
Utiliser l’indépendance de deux évènements pour cal-
dance.
culer une probabilité.
Utiliser l’indépendance de A et B pour affirmer l’in-
La situation de départ est volontairement assez com-
dépendance de A et B.
plexe.
C ORRECTION
C ORRECTION
On considère les évènements :
On appelle :
S : « l’élève est en Seconde » ;
V l’évènement « Ben choisit d’aller faire du vélo » ;
P : « l’élève est en Première » ;
S l’évènement « Nat’ est autorisée à donner son
T : « l’élève est en Terminale » ;
sang ».
F : « l’élève est une fille » ;
On
 cherche
 à calculer : G : « l’élève est un garçon » ;
P V ∩ S = 1 − P(V ∩ S) = 1 − P(V ) × P(S) puisque
1/7 F
V et S sont indépendants par énoncé. 7/(n + 16) S
  1
Ainsi, P V ∩ S = 1 − 0,85 × = 0,83. G
5 6/7

3/9 F
9/(n + 16)
P
6/9 G

6/n F
n/(n + 16) T
G
(n − 6)/n
1) On a :
7 1 9 3 n 6
P( F ) = × + × + ×
n + 16 7 n + 16 9 n + 16 n
1 3 6 10
= + + = .
n + 16 n + 16 n + 16 n + 16
F et T sont indépendants si et seulement si
P( F ) = PT ( F ), il s’agit donc de résoudre :
10 6
=
n + 16 n
10n = 6(n + 16)
4n = 96
n = 24.
2) a) Dans le cas où n = 24, on sait que F et T sont in-
dépendants donc F = G et T sont indépendants.
b) A priori, on ne peut rien dire directement sur l’in-
dépendance éventuelle de P et F.
En regardant plus précisément, on a :
10 1
P( F ) = =
24 + 16 4
3
PP ( F ) =
9
donc PP ( F ) 6= P( F ) : F et P ne sont pas indépen-
dants.

Chapitre SP1. Probabilités conditionnelles et indépendance 17

Préparer le bac

41 D’après Bac (Antilles-Guyane–2013) 3) On a :

a 0 + b0 1
p ( A1 ) = a1 = = ;
3 3
O BJECTIF a 0 + b0 + c 0 1
p( B1 ) = b1 = = ;
Travailler sur un exercice type bac atypique avec un al- 3 3
Au premier déplacement, Tom est toujours sur le
gorithme notamment. 1
pont donc p(C1 ) = 1 − a1 − b1 = .
3
4) La probabilité que Tom tombe au deuxième déplace-
C ORRECTION 1 1 2
ment est a1 + c1 = donc la probabilité qu’il soit
Partie A : Modélisation et simulation 3 3 9
7
sur le pont est .
1) (−1 ; 1) n’est pas possible car x = −1 or x doit 9
5) La probabilité qu’il soit sur le pont au dixième dépla-
être compris entre 0 et 10 (la valeur de x est initia-
cement est approximativement :
lisée à 0 et incrémentée de 1 jusqu’à 10 maximum).
0,040272 + 0,056953 + 0,040272 soit 0,137 à 10−3 près.
(10 ; 0) est possible dans le cas par exemple où n
est toujours égal à 0.
(2 ; 4) n’est pas possible car ici y = 4 or y doit for-
cément être inférieur ou égal à 2 (sa valeur est au Arbre de B.2.
maximum 1 pour rentrer dans la boucle puis est
1/3 A n+1
alors au maximum incrémentée de 1).
(10 ; 2) est possible dans le cas par exemple ou
An Bn+1
n est toujours égal à 0 jusqu’à (8 ; 0) puis n = 1 1/3
donne (9 ; 1) puis (les conditions sont remplies 1/3 Tn+1
pour un dernier passage dans la boucle) n = 1 an
donne (10 ; 2).
1/3 A n+1
2) À la place de la ligne 9, on peut écrire :
9. Si −1 6 y 6 1 alors afficher "Tom a réussi la tra- Bn Bn+1
bn 1/3
versée"
10. Sinon afficher "Tom est tombé" 1/3 Cn + 1
11. Fin Si cn
Partie B 1/3 Tn+1
1) Tom est en (0 ; 0) au départ donc a0 = P( A0 ) = 0,
b0 = P( B0 ) = 1 et c0 = P(C0 ) = 0. Cn Bn+1
1/3
2) On a l’arbre pondéré ci-contre où Tn désigne l’événe- tn
1/3 Cn + 1
ment « Tom est dans l’eau après n déplacements ».
D’après la formule des probabilités totales, on en dé- 1
Tn Tn+1
duit que :
1 1 a + bn
a n+1 = a n × + bn × = n ;
3 3 3
1 1 1 a n + bn + cn
bn+1 = a n × + bn × + cn × = .
3 3 3 3
Remarque : En toute rigueur, si l’on ne fait que
trois branches pour les événements An , Bn et Cn , on
n’a pas un arbre pondéré puisque an + bn + cn 6= 1
d’une manière générale, c’est pourquoi nous propo-
sons d’ajouter l’événement Tn dans la correction.
Ceci dit, on peut quand même travailler de la même
manière sur un tel arbre.

18 Chapitre SP1. Probabilités conditionnelles et indépendance

 Préparer le bac

42 D’après Bac (Antille-Guyane–2015) 43

Erratum : Malgré notre vigilance, il se peut que dans
O BJECTIFS
certains exemplaires du manuel l’énoncé comporte une
Utiliser l’indépendance de deux évènements pour
erreur. En effet, il faut lire « On choisit une boîte de
calculer des probabilités.
conserve dans la réserve de l’association et on consi-
Revoir l’espérance d’une loi binomiale.
dère les événements... » et non pas « On choisit une
boîte de haricots verts dans la réserve de l’association
C ORRECTION
et on considère les événements... ».
1) L’événement « le circuit A est défaillant » est l’évé-
nement D1 ∩ D2 . O BJECTIFS
Comme D1 et D2 sont indépendants, on a : Mettre en place une stratégie pour déterminer une
P( D1 ∩ D2 ) = P( D1 ) × P( D2 ) = 0,39 × 0,39 probabilité inconnue.
= 0,1521. Étudier l’indépendance de deux évènements.
L’événement « le circuit B est défaillant » est l’évé-
nement D1 ∪ D2 . C ORRECTION
On calcule : 1) Représentons la situation à l’aide d’un arbre pon-
P( D1 ∪ D2 ) = P( D1 ) + P( D2 ) − P( D1 ∩ D2 ) déré : 0,4 H
= 0,39 × 0,39 − 0,1521 = 0,6279.
0,65 B
Il faut donc privilégier le circuit A. C
0,6
2) Le nombre d’appareils défectueux dans cet échan-
tillon suit la loi binomiale de paramètres n = 250 x H
et p = 0,1521. 0,35 M
En moyenne, le nombre d’appareils défectueux est 1−x C
donc n × p = 250 × 0,1521 = 38,025.
D’après la formule des probabilités totales, on a :
P( H ) = 0,65 × 0,4 + 0,35 × x.
On résout donc :
27
0,65 × 0,4 + 0,35 × x = ⇔ 0,35x = 0,54 − 0,26
50
0,28
⇔ 0,35x = 0,28 ⇔ x = = 0,8.
0,35
On a donc PM (C ) = 1 − 0,8 = 0,2.
On a :
P( H ∩ B) 0,65 × 0,4
PH ( B) = =
P( H ) 0,65 × 0,4 + 0,35 × 0,8
0,26 13
= = ≈ 0,481.
0,54 27
Cela veut dire que si l’on choisi au hasard une
boîte de haricots verts, la probabilité qu’ils soient
de la marque Bonciel est environ 0,481.
2) On a :
27 23
P(C ) = 1 − P( H ) = 1 − = = 0,46 6= PM (C )
50 50
donc M et C ne sont pas indépendants.

Chapitre SP1. Probabilités conditionnelles et indépendance 19

Préparer le bac

44 Coût d’un contrôle anti-dopage Remarque : On peut penser qu’on a naturellement

PD ∩ P1 ( P2 ) = PD ( P2 ) et PD ∩ P1 ( P2 ) = PD ( P2 ), c’est
O BJECTIFS
ce que nous faisons ici.
Travailler les probabilités conditionnelles avec une
Si ces hypothèses ne paraissent pas naturelles au
expérience à « trois étapes ».
lecteur, on peut mettre des pondérations incon-
Rencontrer la notion de faux-positif (question 2b).
nues dans l’arbre, elles ne sont pas nécessaires au
Utiliser la loi binomiale.
calcul de la probabilité cherchée.
Revoir les propriétés des variables aléatoires.
On cherche donc P( P1 ∩ P2 ).
C ORRECTION D’après la formule des probabilités totales, on a :
1) On considère les événements : P( P1 ∩ P2 ) = 0,02 × 0,99 × 0, 99 + 0,98 × 0,001 × 0, 001
D : « le sportif est dopé » ; = 0,01960298.
P : « le test est positif ». b) La probabilité qu’un sportif soit déclaré coupable
Représentons la situation à l’aide d’un arbre pon- à tort est P( D ∩ P1 ∩ P2 ) = 0,98 × 0,001 × 0, 001
déré : = 0,00000098.
0,99 P On peut donc penser que cet officiel a raison.
0,02 D
3) a) La variable aléatoire X donnant le nombre de cou-
0,01 P
pables suit la loi binomiale de paramètres n = 50
0,001 et p = 0,01960298.
P
0,98 D Le nombre moyen de sportifs déclarés coupables
P est donc 50 × 0,01960298 = 0,980149 soit environ
0,999
1.
On a donc P( P) = 0,02 × 0,99 + 0,98 × 0,001 b) On cherche :
= 0,02078. P(2 6 X 6 10) = P( X 6 10) − P( X 6 1) ≈ 0,257.
2) a) Représentons la situation par un arbre : 4) a) Un contrôle antidopage est constitué de 1 ou 2
0,99 tests donc coûte 500 ou 1 000 euros.
P2
Plus précisément, on a :
0,99 P1
P( X = 1 000) = P( P1 ) = 0,02078 ;
0,01 P2
P( X = 500) = 1 − 0,02078 = 0,97922.
D
0,02 0,99 b) D’après la question précédente, le coût moyen
P2
0,01 d’un contrôle est :
P1
1000 × 0,02078 + 500 × 0,97922 = 510,39 euros.
0,01 P2
Le budget pour 10 000 contrôle devrait donc être
0,001 P2 de 510,39 × 10 000 = 5 103 900 euros.
0,001 P1
0,98 0,999 P2
D
0,001 P2
0,999 P1
0,999 P2

20 Chapitre SP1. Probabilités conditionnelles et indépendance

 Approfondir

45 46
O BJECTIFS
O BJECTIFS
Expérimenter avec la notion de variables aléatoires
Représenter une situation complexe par un arbre.
indépendantes.
Revoir la loi de probabilité d’une variable aléatoire.
Utiliser un contre-exemple.

C ORRECTION
C ORRECTION
On a :
1) Constatons d’abord que X prend les valeurs 5 et 20
P1 et Y prend les valeurs 8 et 9.
1 km 1 km
Il s’agit donc de monter que les évènements ( X = 5)
Départ Arrivée et ( X = 20) d’une part et (Y = 8) et (Y = 9) d’autre
part sont indépendants deux à deux.
1 km 1 km 20
P2 P3 D’après l’énoncé, on a P(Y = 8) = = 0,4 et
1 km 50
2
PX =5 (Y = 8) = = 0,4 donc les évènements
On considère les évènements : 5
( X = 5) et (Y = 8) sont indépendants.
A : « le joueur choisit le chemin A au départ » ; On peut faire le même raisonnement pour les autres
B : « le joueur choisit le chemin B au départ » ; évènements ou simplement constater que, comme
P1 : « le joueur franchit la porte 1 » ; ( X = 5) et (Y = 8) sont indépendants alors :
P2 : « le joueur franchit la porte 2 » ; ( X = 5) et (Y = 8) c’est-à-dire ( X = 20) et
P3 : « le joueur franchit la porte 3 ». (Y = 8) sont indépendants ;
Représentons la situation à l’aide d’un arbre pondéré ( X = 5) et (Y = 8) c’est-à-dire ( X = 5) et (Y = 9)
où l’on fait apparaître la distance totale parcourue : sont indépendants ;
( X = 5) et (Y = 8) c’est-à-dire ( X = 20) et
0,6 P1 2 km (Y = 9) sont indépendants.
A Comme on a traité tous les cas possibles, on peut af-
0,5
0,4 P1 5 km firmer que les variables aléatoires X et Y sont indé-
pendantes.
0,8 P3 3 km 2) Représentons la situation avec un tableau (S/D) :
0,8 P2
0,5 1 2 3 4
0,2 P3 6 km
B 1 2/0 3/1 4/2 5/3
0,2 P2 4 km 2 3/1 4/0 5/1 6/2
3 4/2 5/1 6/0 7/1
Les valeurs que peut prendre cette variable aléatoire X
4 5/3 6/2 7/1 8/0
sont 2, 3, 4, 5 et 6.
On a alors : On a donc par exemple :
1
P( X = 2) = 0,5 × 0,6 = 0,3 ; P ( S = 2) =
16
P( X = 3) = 0,5 × 0,8 × 0,8 = 0,32 ; 1
PD =0 (S = 2) =
P( X = 4) = 0,5 × 0,2 = 0,1 ; 4
donc PD =0 (S = 2) 6= P(S = 2) : les évènements
P( X = 5) = 0,5 × 0,4 = 0,2 ;
( D = 0) et (S = 2) ne sont pas indépendants donc
P( X = 6) = 0,5 × 0,8 × 0,2 = 0,08.
les variables aléatoires S et D non plus.

Chapitre SP1. Probabilités conditionnelles et indépendance 21

Approfondir

47 48

O BJECTIF O BJECTIF
Travailler avec des inconnues dans un contexte proba- Déterminer une inconnue en utilisant l’indépendance
biliste. de deux évènements.

C ORRECTION C ORRECTION
2n/(2n + p) Soit X la variable aléatoire donnant le nombre de « pile »
R2
n/(n + p) obtenus.
R1  4
1 1
B2 P ( X = 0) = = .
p/(2n + p) 2 16
 4
n/(n + 2p) 1 1
R2 P ( X = 4) = = .
2 16
p/(n + p) B1 1 1 14
P ( 1 6 X 6 3) = 1 − − = .
B2 16 16 16
2p/(n + 2p) On a donc l’arbre suivant où G désigne le fait de gagner
16 17 et P de perdre :
On sait PR1 ( R2 ) = et PB1 ( B2 ) = autrement dit :
33 21
2n 16 1/4 G
= ⇔ 66n = 32n + 16p ⇔ 34n = 16p
2n + p 33 (X=0)
17 1/16 P
⇔p= n 3/4
8
et
2p 17 1/6 G
= ⇔ 42p = 17n + 34p
n + 2p 21 ( 1 6 X 6 3)
17 14/16
⇔ 8p = 17n ⇔ p = n. 5/6 P
8
Pour que p soit entier, il faut que n soit un multiple de 1/n
1/16 G
8.
17 ( X = 4)
Sous cette condition, p = n donc, par exemple, P
8 (n − 1)/n
n = 16 et p = 34 conviennent.
On a donc :
1
P16 X63 ( G ) =
6
1 1 14 1 1 1
P( G ) = × + × + ×
16 4 16 6 16 n
3n + 28n + 12 31n + 12
= = .
192n 192n
Les évènements G et (1 6 X 6 3) sont donc indépen-
dants si, et seulement si,
31n + 12 1
= ⇔ 186n + 72 = 192n ⇔ 6n = 72
192n 6
⇔ n = 12 : il faut donc un dé à 12 faces !

22 Chapitre SP1. Probabilités conditionnelles et indépendance

 Approfondir

49 Question ouverte

O BJECTIF
Appliquer un raisonnement classique (dans les exer-
cices type bac) sans détailler la méthode.

C ORRECTION
On appelle Cn la probabilité que Nadia aille au cinéma
dans n semaines.
On a alors :
0,4 Cn + 1
pn Cn
0,6 Cn + 1

0,8 Cn + 1
1 − pn En
0,2 Cn + 1
On en déduit que
pn+1 = P(Cn+1 ) = pn × 0,4 + (1 − pn ) × 0,8
2 4
= 0,4pn + 0,8 − 0,8pn = −0,4pn + 0,8 = − pn + .
5 5
L’énoncé semble inciter à étudier la suite (q n ) (et on sait
que la méthode classique est de montrer que (q n ) est
géométrique, ce que l’on montre dans la suite).
4 2 4 4
On a q n+1 = pn+1 − = − pn + −
7 5 5 7 
2 28 20 2 8 2 4

= − pn + − = − pn + =− pn −
5 35 35 5 35 5 7
2
= − qn .
5
On en déduit que la suite (q n ) est géométrique de rai-
2
son q = − = −0,4.
5
4
D’après l’énoncé, on a p0 = 0 donc q0 = − puis
7
4 4 4
q n = − (−0,4)n et enfin pn = − (−0,4)n .
7 7 7
On en déduit que la probabilité qu’elle y aille dans un
4 4
an est p52 = − (−0,4)52 ≈ 0,57.
7 7

Chapitre SP1. Probabilités conditionnelles et indépendance 23

Travaux pratiques

TP 1 Des « faux-positifs »

O BJECTIF
Travailler sur un texte pour en extraire les informations importantes et les mettre en perspec-
tives à l’aide des mathématiques.

C ORRECTION
A. Avec 60 personnes

1) a) Dans ce contexte, un « faux-positif » est quelqu’un qui est identifié à tort comme terroriste.
b) L’Inria estime que parmi la population identifiée comme terroriste, l’immense majorité
(99,99 %) n’en seront pas (ou seulement 0,01 % le seront).
60
2) On parle de 60 terroristes sur 60 000 000 donc on calcule = 0,000001 = 0,0001 %.
60 000 000
3) On a :

0,000001 V 1
P

0,01 P
0,999999 V
0,99 P

4) Pour retrouver le pourcentage annoncé, on calcule :

P (V ∩ P ) 0,000001 × 1
PP (V ) = = ≈ 0,0001 soit environ 0,01 %.
P( P) 0,000001 × 1 + 0,999999 × 0,01
B. Avec 3000 personnes
3 000
On calcule = 0,00005 donc :
60 000 000 1
0,00005 V P

0,01 P
0,99995 V
0,99 P
P( P ∩ V ) 0,00005 × 1
On cherche donc PP (V ) = = ≈ 0,005 soit 0,5 % de
P( P) 0,00005 × 1 + 0,99995 × 0,01
personnes identifiées qui sont vraiment terroristes.

24 Chapitre SP1. Probabilités conditionnelles et indépendance

 Travaux pratiques

TP 2 D’une humeur aléatoire

O BJECTIFS
Travailler la notion de marche aléatoire.
Travailler l’algorithmique (compréhension et modification d’algorithmes).

C ORRECTION

A. En haut, à droite !

1) On obtient la courbe ci-dessous :

2) a) On obtient le tableau :
Initialisation i=1 i=2 i=3 i=4
a × 0 0 0 1
b × 0 1 2 2
c × 13 18 5 10
x 0 0 0 1 1
y 0 1 2 2 3
Ce qui donne la courbe ci-dessous :

b) On obtient par exemple la courbe 1 (voir fin de TP).

c) i) Pour que la courbe occupe tout l’espace, il faudrait que x et y soient tous les deux
incrémentés 35 fois ce qui n’est pas le cas car ils « se partagent les 35 incrémentations ».
ii) Soit X la variable aléatoire donnant l’abscisse du point d’arrivée.
X donne le nombre de succès quand on réalise 35 fois de manière indépendante le
même tirage à deux issues (un succès correspond au fait de ne pas avoir la moyenne)
10
où la probabilité d’un succès est .
21
10
X suit donc la loi binomiale de paramètres n = 35 et p = .
21
On cherche donc à trouver le plus petit entier k tel que P( X 6 k) > 0,95.
En tabulant la fonction k 7→ P( X 6 k) on trouve P( X 6 21) ≈ 0,949 et
P( X 6 22) ≈ 0,976 donc on choisit Xmax= 22.
iii)De même pour Y la variable aléatoire donnant l’ordonnée qui suit la loi binomiale de
11
paramètres n = 35 et p = .
21
En tabulant la fonction k 7→ P(Y 6 k) on trouve P(Y 6 22) ≈ 0,922 et
P(Y 6 23) ≈ 0,961 donc on choisit Ymax= 23.
iv)On obtient par exemple la courbe 2 (voir fin de TP).

Chapitre SP1. Probabilités conditionnelles et indépendance 25

Travaux pratiques

3) a) Dans l’algorithme, toutes les valeurs entières entre 0 et 20 sont équiprobables ce qui n’a
aucune raison d’être le cas pour les notes.
b) On peut écrire :
17. c PREND_LA_VALEUR random()
18. SI (c<0.35) ALORS
c) Ici :
X suit donc la loi binomiale de paramètres n = 35 et p = 0,35 : on trouve Xmax= 17.
Y suit donc la loi binomiale de paramètres n = 35 et p = 0,65 : on trouve Ymax= 27.

B. En haut, en bas !

Entre les lignes 20 et 21, on ajoute la ligne :

y PREND_LA_VALEUR y-1
Entre les lignes 23 et 24, on ajoute la ligne :
x PREND_LA_VALEUR x+1

Courbe 1 Courbe 2

26 Chapitre SP1. Probabilités conditionnelles et indépendance

 Travaux pratiques

TP 3 Aide au diagnostic

O BJECTIF
Application des probabilités à l’aide au diagnostic en médecine.

C ORRECTION
1) a) D’après la formule des probabilités totales, la probabilité que la douleur du patient soit
intermittente est 0,348 × 0,46 + 0,075 × 0,39 + . . . + 0,357 × 0,51 = 0,50294.
b) ...
c) On écrit =B2*C2/0.50294.
d) On obtient (la colonne D est au format pourcentage par souci de lisibilité) :

A B C D
1 Diagnostic Fréquence Fréquence
douleur intermittente
2 DANS 34,8 % 46 % 31,8 %
3 Appendicite 7,5 % 39 % 5,8 %
4 Cholécystite 7,6 % 35 % 5,3 %
5 Occlusion int. 10,1 % 89 % 17,9 %
6 Pancréatite 4,3 % 35 % 3%
7 Autres 35,7 % 51 % 36,2 %

e) On en déduit :

Sachant que la
Sachant que la
Rang Sans information douleur est
douleur est élevée
intermittente
1er Autres Autres
2e DANS DANS
3e Occlusion int. Occlusion int.
4e Cholécystite Appendicite
5e Appendicite Cholécystite
6e Pancréatite Pancréatite

2) On observe que dans le cas d’une douleur intermittente, il est préférable d’explorer le diag-
nostic « appendicite » avant « cholécystite » (la différence de probabilité/proportion n’est
cependant pas particulièrement impressionnante).
Par ailleurs, la probabilité du diagnostic « occlusion intestinale » a très significativement
augmenté.

Chapitre SP1. Probabilités conditionnelles et indépendance 27

Travaux pratiques

3) a) D’après la formule des probabilités totales, la probabilité que la douleur du patient soit
élevée est 0,348 × 0,17 + 0,075 × 0,39 + . . . + 0,357 × 0,45 = 0,38838
b) ...
c) On écrit =B2*C2/0.38838.
d) On obtient :

A B C D
1 Diagnostic Fréquence Fréquence
douleur intermittente
2 DANS 34,8 % 46 % 15,2 %
3 Appendicite 7,5 % 39 % 7,5 %
4 Cholécystite 7,6 % 35 % 13,1 %
5 Occlusion int. 10,1 % 89 % 15,3 %
6 Pancréatite 4,3 % 35 % 7,4 %
7 Autres 35,7 % 51 % 41,4 %

e) On en déduit :

Sachant que la
Sachant que la
Rang Sans information douleur est
douleur est élevée
intermittente
1er Autres Autres Autres
2e DANS DANS Occlusion int.
3e Occlusion int. Occlusion int. DANS
4e Cholécystite Appendicite Cholécystite
5e Appendicite Cholécystite Appendicite
6e Pancréatite Pancréatite Pancréatite

f) On observe que dans le cas d’une douleur intermittente, il est préférable d’explorer le
diagnostic « occlusion intestinale » avant « DANS » (mais de très peu).
Par ailleurs, la probabilité du diagnostic « DANS » a très fortement baissé et celle du
diagnostic « Cholécystite » a significativement augmenté.

28 Chapitre SP1. Probabilités conditionnelles et indépendance

 Travaux pratiques

Récréation, énigmes
Déminons, en toute logique

O BJECTIF
Travailler la logique et les probabilités.

C ORRECTION
A. Avec un « coin »
1) a) Il y a nécessairement 2 mines (on peut essayer toutes les configurations possibles pour s’en convaincre).
b) Les deux configurations ci-dessous sont possibles :

⊳⋆ 1 ⊳ ⋆1
3 ⋆3 3 ⋆ 3
⊳ 3⊳
3 ⊳ ⊳
3 3

c) Il y a deux configurations possibles donc quand on en choisit une parmi les deux, la probabilité qu’elle soit
1
correcte est .
2
2) a) Les quatre configurations ci-dessous sont possibles :

1 1 ⋆ 1 ⋆⋆ 1 ⋆
3 ⋆ 3 ⋆ 3 ⋆ 3 ⋆
⊳ 2 1 ⊳ 2 1 ⊳ 2 1 ⊳ 2 1

b) Il y a quatre configurations possibles donc quand on en choisit une parmi les quatre, la probabilité qu’elle soit
1
correcte est .
4
B. Avec deux « coins »
1) Il y a une mine dans la partie gauche et donc deux dans la partie droite.
2) Il y a deux configurations possibles :

1 3 ⊳ 1 3 ⊳
⋆ ⊳ ⋆
⊳

1
donc quand on en choisit une parmi les deux, la probabilité qu’elle soit correcte est .
2
3) Il y a deux configurations possibles :

2 ⊳ ⊳ 2 ⊳ ⊳
3 4 3 4 ⋆
⊳ 3 ⋆ ⊳ 3
3 ⋆ 3 ⋆
1 1

1
donc quand on en choisit une parmi les deux, la probabilité qu’elle soit correcte est .
2

Chapitre SP1. Probabilités conditionnelles et indépendance 29

Travaux pratiques

4) a) On peut calculer cette probabilité sous l’hypothèse d’indépendance entre ces deux événements.
Cette hypothèse paraît raisonnable car les deux parties ne « communiquent pas ».
b) Appelons G l’évènement « déminer correctement la partie gauche » et D l’évènement « déminer correctement
la partie droite ».
1 1 1
La probabilité de déminer correctement la grille est P( G ∩ D ) = P( G ) × P( D ) = × = sous cette
2 2 4
hypothèse d’indépendance.

30 Chapitre SP1. Probabilités conditionnelles et indépendance