VARIABLES ALÉATOIRES ET LOIS DE PROBABILITÉS

I. VARIABLE ALEATOIRE DISCRETE

Exemple d’introduction :
Dans une fête foraine, on a le choix entre deux jeux.
Il faut faire tourner une roue constituée de 12 secteurs : 5 jaunes, 5 bleus et 2 blancs.
Chaque partie coûte 4 euros.

jeu 1 : si on tombe sur un secteur bleu, on perd la partie. Si on tombe sur un secteur jaune, on gagne 5
euros et si on tombe sur un secteur blanc, on gagne 10 euros.

jeu 2 : si on tombe sur un secteur bleu ou un secteur jaune, on perd la partie. Sinon, on gagne 25 euros.

Vous avez 4 euros en poche. Vous choisissez de jouer à quel jeu ?

a) Variable aléatoire et loi de probabilité

Quand on toure la roue :
Les issues possibles sont E = {… … … … … … … … … … … … … … … … … … … … … … … … … … … }

Pour chacun des jeux :

chaque issue du jeu (couleur du secteur obtenue après avoir fait tourner la roue) est associée à un gain en €
(positif ou négatif).

On appelle :
G1 la variable aléatoire qui à un secteur obtenu associe un gain ou une perte pour le jeu 1
et
G2 la variable aléatoire qui à un secteur obtenu associe un gain ou une perte pour le jeu 2.

Jeu 1 Jeu 2

G1
secteur bleu → 𝐺1 = ⋯ secteur bleu → 𝐺2 = ⋯
secteur jaune → 𝐺1 = ⋯ secteur jaune → 𝐺2 = ⋯
secteur blanc → 𝐺1 = ⋯ secteur blanc → 𝐺2 = ⋯

Ensuite :
Pour chaque jeu, on a associé à chaque valeur du gain la probabilité correspondante. On obtient ce que l’on
appelle les lois de probabilité de G1 et de G2 :

Loi de probabilité de G1 Loi de probabilité de G2

x x

p(G1 = x) p(G2 = x)
1
Définitions :
Soit une expérience aléatoire, E l’ensemble (fini) des n résultats (ou issues) possibles et p une probabilité
définie sur E.

• Une variable aléatoire est alors une fonction qui, à chaque issue de E, associe un réel.

• Définir une loi de probabilité d’une variable aléatoire X, c’est donner à chaque valeur prise par la
variable aléatoire X une probabilité qui est un nombre compris entre 0 et 1.
On résume cela dans un tableau :
xi. x1 x1 .... xn

p(X=xi) p(X=x1) p(X=x1) .... p(X=xn)

• La somme de ces probabilités vaut 1 : 𝒑(𝑿 = 𝒙𝟏 ) + 𝒑(𝑿 = 𝒙𝟐 ) + ⋯ + 𝒑(𝑿 = 𝒙𝒏 ) = 𝟏

ou, en posant 𝑝𝑖 = 𝑝(𝑋 = 𝑥𝑖 ) pour simplifier l'écriture : 𝑝1 + 𝑝2 + ⋯ + 𝑝𝑛 = 1

b) Espérance d’une variable aléatoire

Définition
Soit une variable aléatoire X qui prend les valeurs  x1 , x2 , x3 ,...., xn  et p1 , p2 , p3 ,...., pn les probabilités
respectives de ces résultats.

● On appelle espérance mathématique de la variable aléatoire X, le nombre noté E(X) et défini par :

𝑬(𝑿) = 𝒑𝟏 × 𝒙𝟏 + 𝒑𝟐 × 𝒙𝟐 + 𝒑𝟑 × 𝒙𝟑 + ⋯ + 𝒑𝒏 × 𝒙𝒏
C'est la moyenne pondérée des 𝒙𝒊 .

Propriété admise (loi des grands nombres)

Pour une expérience donnée, que l'on répète N fois, dans le modèle défini par une loi de probabilité, les
fréquences obtenues se rapprochent de l’espérance mathématique lorsque N devient grand.

Comment interpréter ce paramètre ?

• La loi des grands nombres nous dit que la moyenne des résultats obtenus se rapproche de l'espérance
mathématique lorsque l'on répète un grand nombre de fois la même expérience. Autrement dit, on peut
donc interpréter l'espérance comme une "moyenne espérée" lorsque l'expérience est répétée un grand
nombre de fois.
Remarque : la variable aléatoire X et son espérance E(X) sont dans la même unité (dans l’exemple du cours,
en euros).
Exemple :
Jeu 1 : …………………………………………………………………........ Jeu 2 : …...…………………………………………………………………

A quel jeu vaut-il mieux jouer ? :

…………………………………………………………………………………………………………………………………………………………………………
2
 II. Schéma de Bernoulli, loi binomiale

1) Épreuve de Bernoulli

Définition : Une épreuve de Bernoulli est une expérience aléatoire à deux issues que l'on peut nommer
"succès" ou "échec".

Exemples :
1) Le jeu du pile ou face : On considère comme succès "obtenir pile" et comme échec "obtenir face". La
probabilité d’un succès est égale à 𝑝 =…………
2) On lance un dé et on considère comme succès "obtenir un six" et comme échec "ne pas obtenir un six".
La probabilité d’un succès est égale à 𝑝 =…………

2) Schéma de Bernoulli

Définition : Un schéma de Bernoulli est la répétition de 𝒏 épreuves de Bernoulli identiques et

indépendantes pour lesquelles la probabilité du succès est 𝒑.
Les deux nombres 𝒏 et 𝒑 sont les paramètres du schéma de Bernoulli.

Exemple :
La répétition de 20 lancers d'une pièce de monnaie est un schéma de Bernoulli de paramètres :
𝑛 = ……. et 𝑝 =……..

3) Loi binomiale
Si dans un schéma de Bernoulli, on répète la même expérience 𝑛 fois, alors il est possible d’obtenir 0 succès,
1 succès, 2 succès, … ou 𝑛 succès.

Soit X la variable aléatoire qui compte le nombre de succès obtenus.

X prend donc comme valeurs : …………………………………………………..

Définition : On réalise un schéma de Bernoulli composé de 𝑛 épreuves de Bernoulli identiques et

indépendantes.
La loi de probabilité de X est appelée loi binomiale de paramètres 𝒏 et 𝒑 . On la note 𝑩(𝒏 ; 𝒑).

Remarque : Il est souvent utile d’utiliser un arbre pondéré pour calculer des probabilités concernant X
surtout lorsqu’il y a peu de répétitions.

4) Exemples
A. On lance trois fois de suite un dé à 6 faces et on note X le nombre de 1 obtenus.
Cette répétition d’épreuves de Bernoulli identiques et indépendantes permet de dire que X suit une loi
binomiale de paramètres 𝑛 = ⋯ et 𝑝 = ⋯ .
Calculez 𝑷(𝑿 = 𝟑) et 𝑷(𝑿 = 𝟐).h
3
1ère étape :
Représentons dans un arbre de probabilité les issues d'une expérience suivant un schéma de Bernoulli
composé de 3 épreuves de Bernoulli de paramètre p.
X est la variable aléatoire qui donne le nombre de succès.

2ème étape :
On exploite l’arbre pour calculer des P( 𝑿 = 𝒙𝒊 ).
• X = 3 correspond à l’issue « trois succès » c’est-à-dire (Succès ; Succès ; Succès). (on a eu trois fois la
face 1 avec notre exemple)
Il y a une seule branche de ce type donc 𝑷(𝑿 = 𝟑) =. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
La probabilité d’obtenir trois fois la face 1 est de ......................

• X = 2 correspond aux suites d'issues suivantes :

(Succès ; Succès ; Échec)
(Succès ; Échec ; Succès)
(Échec ; Succès ; Succès)
Il y a donc …. branches qui correspondent à 2 succès et 1 échec.
Et chacune des branches de ce type a une probabilité de : ………..........................................……………………
Donc 𝑷(𝑿 = 𝟐) =. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..

Remarque : pour déterminer la loi de probabilité de X, il faudrait aussi calculer P(X = 0) et P(X = 1).

B. On prend une carte au hasard parmi 4 cartes dont l’une d’entre elles est
« Némo ». On effectue ainsi trois tirages d’affilée en remettant la carte
tirée à chaque fois.
On considère comme succès l’événement « Obtenir Némo »
𝑋 est la variable aléatoire qui compte le nombre de succès.
4
La variable aléatoire 𝑋 suit la loi binomiale de paramètres ……………………………………. notée B(....... ; ....... ).
Calculer 𝑷(𝑿 = 𝟐) et Interpréter le résultat.

1ère étape :
On représente dans un arbre de probabilité les issues de l’expérience composée de 3 tirages.

2ème étape :
On exploite l’arbre pour calculer des P( 𝑿 = 𝒙𝒊 ).
X = 2 correspond aux suites d'issues suivantes :
(Succès ; Succès ; Échec)
(Succès ; Échec ; Succès)
(Échec ; Succès ; Succès)
Il y a donc …. branches qui correspondent à 2 succès et 1 échec.
Et chacune des branches de ce type a une probabilité de : ………..........................................……………………
Donc 𝑷(𝑿 = 𝟐) =. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
Interprétation :
.........................................................................................................................................................................

A faire à la maison :
Etablir la loi de probabilité de X (c’est-à-dire calculer aussi 𝑃(𝑋 = 0) ; 𝑃(𝑋 = 1) et 𝑃(𝑋 = 3) .

5
 5) Espérance de la loi binomiale

Propriété : Soit la variable aléatoire 𝑿 qui suit la loi binomiale de paramètre n et p.

On a :
𝑬(𝑿) = 𝒏 × 𝒑

Exemple 1 :
On lance 5 fois un dé à six faces.
On considère comme succès le fait d'obtenir 6.
On considère la variable aléatoire 𝑋 donnant le nombre de succès.
On a donc : 𝑝 = ………et n = …………..
Ainsi :
𝐸(𝑋) =………………………………………………….

On peut espérer obtenir environ …………… fois un 6, en 5 lancers.

Exemple 2 :
Un QCM comporte 20 questions. A chaque question, trois solutions sont proposées ; une seule est
exacte.
Chaque bonne réponse rapporte 0,5 point.
On répond au hasard à chaque question. Quelle note peut-on espérer obtenir ?

Soit 𝑋 la variable aléatoire qui compte le nombre de bonnes réponses.

𝑋 suit une loi binomiale de paramètre 𝑛 =………. et 𝑝 =…………….
𝐸(𝑋) =………………………………………………………….

On peut espérer obtenir ………….. bonnes réponses en répondant au hasard.

On peut donc espérer obtenir … … … … … … … … … … … point en répondant au hasard.