U.F.

R de Psychologie

Mathématiques Pour La Psychologie

Apports théoriques & Exercices pour les TD

1ére Année de Licence de Psychologie

Exemplaire étudiant

Année 2011 - 2012

Auteurs : S. Clément, S. Faure, H. Mecheri, E. Thilly

Préambule important

Le présent document est le support sur lequel seront basés tous les Travaux Dirigés
de Math en première année. Il contient tous les éléments théoriques abordés ainsi qu’une
grande quantité d’exercices à faire durant les TD.
Le programme de Mathématique de ce semestre suppose une parfaite maı̂trises de
concepts acquis au collège comme :
– Opérations sur les fractions (addition, soustraction, multiplication, division )
– Les équations du 1er degré (ex : trouver x tel que 3x − 4 = 43 x − 3).
– Les inéquations du premier degrés (ex : trouver les valeurs de x telles que 3x − 4 ≤
3
4
x − 3).
– Représentation graphique (dessiner un repère, placer des points, et tracer la courbe
représentative d’une fonction).

Aucun retour ne sera fait sur ces notions basiques.

Aussi pour vous permettre de vérifier leur maı̂trise, vous pouvez télécharger sur la
plateforme Moodle un “Cahier de Mise à Niveau” qui présente des rappels théoriques
complétés par des séries d’exercices à faire par vous même jusqu’à parfaite maı̂trise (les
corrigés des exercices sont inclus dans le document).

A amener obligatoirement en TD : une calculatrice (celle que vous aviez au lycée,

un téléphone mobile n’est pas une calculatrice) et le présent polycopié. Si vous ne les avez
pas, l’enseignant pourra, à sa discrétion, vous exclure de la séance.

1
Chapitre 1

Ensembles

1.1 Notions de base sur les ensembles

1.1.1 Vocabulaire ensembliste
a ∈ A signifie que l’élément a appartient à la collection (ou l’ensemble) des objets (ou
éléments) de A

Exemples :
– a ∈ A où A est l’ensemble des lettres de l’alphabet (on dira que cet ensemble est
défini en compréhension)
– b ∈ B = {a, b, c} (on dira que cet ensemble est défini en extension)
– b∈/ C = {a, c} l0 élément b n’appartient pas à l’ensemble C

La relation d’appartenance ou de non-appartenance existe entre un élément x (indiqué

en minuscule) et un ensemble X (indiqué en majuscule) : x ∈ X.
A noter que si l’ensemble est fini (nombre fini d’éléments), le nombre des éléments de
l’ensemble est appelé le cardinal.

Exemple : si B = {a, b, c} alors Card (B) = 3.

1.1.2 Opérations ensemblistes

Sur les ensembles, on peut définir un certains nombre d’opérations (comme sur les
nombres, ou l’on a défini les opérations d’addition, de soustraction etc...)

1.1.2.1 L’inclusion entre deux ensembles

A ⊂ B (l’ensemble A est inclus dans l’ensemble B) : tout élément de A appartient à B
Il est évident que si A et B sont deux ensembles finis :

A ⊂ B ⇒ Card (A) ≤ Card (B)

2
 Exercice : montrer avec un contre-exemple que la réciproque

Card (A) ≤ Card (B) ⇒ A ⊂ B

est fausse.

1.1.2.2 L’intersection entre deux ensembles

L’intersection de deux ensembles A et B (notée A ∩ B) est l’ensemble des éléments
communs à A et B.
Si A et B n’ont aucun élément en commun, on dit qu’ils sont disjoints :

A∩B =∅

(∅ représente l’ensemble vide : qui ne possède aucun élément)

1.1.2.3 L’union de deux ensembles

L’union de deux ensembles A et B (notée A ∪ B) est l’ensemble des éléments appartenant
à l’un au moins des deux ensembles.

Exemple : si A = {0; 1; 2; 3} et B = {2; 3; 4; 5} alors A ∪ B = {0; 1; 2; 3; 4; 5}

1.1.2.4 Complémentaire d’un ensemble dans un autre

Soit A et B deux ensembles tels que A ⊂ B. On appelle complémentaire de l’ensemble
A dans l’ensemble B, l’ensemble de éléments de B qui ne sont pas dans A :

CB A = {x ∈ B|x ∈
/ A} = B − A
Si tous les ensembles sont des sous-ensembles d’un même ensemble Ω, alors on note
CΩ A : A

remarque : B − A est pareil que B ∩ A

1.1.2.5 Propriétés des opérations ensemblistes

A, B et C sont tous des sous-ensembles de l’ensemble Ω.
Toutes ces propriétés doivent être comprises et mémorisées. Elle sont la base des
résolution des exercices sur les ensembles de ce document.

A∩B =B∩A A∩B =A∪B A∪B =B∪A

A∩Ω=A A∪B =A∩B A∪Ω=Ω
A∩∅=∅ A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C) A∪∅=A
A∩A=∅ A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C) A∪A=Ω
A∩A=A A ⊆ B ⇒ A ∩ B = A ;A ∪ B = B A∪A=A


(A ∩ B) ∩ C = A ∩ (B ∩ C) A =A (A ∪ B) ∪ C = A ∪ (B ∪ C)

3
1.1.3 Raisonnement : ensembles et cardinaux

Attention ! Il ne faut pas confondre les ensembles et les cardinaux de ces ensemble
(qui sont des nombres). Ainsi les expressions suivantes sont impropres :
– card(A) ∪ card(B)
– (A ∪ B) − (A ∩ B)

Le passage d’un raisonnement sur les ensembles à un raisonnement sur les cardinaux
dans le cadre d’un exercice est souvent délicat.

Exemple : Soit les deux ensembles :

A = {a, b, c, d, e} et B = {d, e, f, g}

Comment calculer le cardinal de (A ∪ B) à partir des cardinaux card(A) = 5 et

card(B) = 4) ?
La réponse card(A ∪ B) = card(A) + card(B) est bien sûr erronée ! En effet les
éléments d et e présents à la fois dans A et dans B sont comptés 2 fois : dans card(A) et
dans card(B), c’est à dire une fois de trop. Il faut donc retrancher le cardinal de A ∩ B.
La bonne réponse est donc : card(A ∪ B) = card(A) + card(B) − card(A ∩ B) =
5+4−2=7

A retenir On retiendra pour la suite les égalités générales suivantes :

card(A ∪ B) = card(A) + card(B) − card(A ∩ B)

card(A ∩ B) = card(A) − card(A ∩ B)

1.2 Exercices

Exercice 1 : Soit les ensembles suivants :

A = {a, b, c} , B = {c, d, e} , C = {a, b, e}

 a) Trouver les éléments constituant l’ensemble D qui vérifie toutes ces propriétés
 D⊂A
D∩B =∅
D ∩ C = {a, b}

b) Déterminer A ∪ B et A ∪ C 
E ∪ A = E ∪ C = {a, b, c, d, e}
c) Trouver l’ensemble E tel que
E∪B =A∪B

4
Exercice 2 : A représente l’ensemble des personnes agées, B l’ensemble des personnes
enseignant à l’université, C l’ensemble des personnes dépressives
Qui sont les personnes composant les groupes X et Y tels que :

X =A∩B∩C

et



Y = A ∩ B ∪ (A ∩ B) ∩ B ∩ C

Exercice 3 : Exprimer plus simplement l’ensemble Z tel que Z =

{[−1; 8] ∩ ]−2; 7]} ∪ [−3; 6[

Exercice 4 : Dans un centre d’apprentissage de langues quatre langues sont proposées

: l’Anglais l’allemand , le portugais et le russe , pour une population de 150 étudiants.
L’ensemble des étudiants apprenant l’anglais est noté A
L’ensemble des étudiants apprenant l’allemand est noté G
L’ensemble des étudiants apprenant le portugais est noté P
L’ensemble des étudiants apprenant le russe est noté R
On sait que :

card(A) = 75, card(G) = 40, card(A ∩ G) = 25

1) Donner la signification des trois égalités précédentes.

Pour les questions Q2 à Q6 traduire chaque question en terme de cardinal.
2) Trouver le nombre d’étudiants apprenant au moins l’allemand et l’anglais.
3) Trouver le nombre d’étudiants apprenant l’allemand mais pas l’anglais.
4) Trouver le nombre d’étudiants apprenant l’anglais mais pas l’allemand.
5) Trouver le nombre d’étudiants n’apprenant ni l’anglais ni l’allemand.
6) Trouver le nombre d’étudiants n’apprenant qu’une seule des deux langues allemand
et anglais.
7) Est-il possible de trouver le nombre d’étudiants n’apprenant que le russe ou le
portugais (ou les deux) ?

Exercice 5 : On jette simultanément deux dés équilibrés notés A et B. Les variables

X et Y représentent les résultats respectifs des deux dés A et B.
1) Indiquer dans le tableau suivant les cases concernées par les ensembles suivants
a) les résultats des deux dés sont identiques (pour chaque tirage) : ensemble
E
b) les résultats de A et de B diffèrent de 1 (comprendre |A − B| = 1) :
ensemble F
c) le résultat de A est pour chaque tirage supérieur ou égal à celui de B :
ensemble G
d) le résultat de l’un au moins des deux dés est supérieur ou égal à 5 : ensemble
H

5
 H Y
HH P
1 2 3 4 5 6
X HHH
1
2
3
4
5
6
P

2) Calculer
a) Card (E) , Card (F ) , Card (G) , Card (H)
b) Card (E ∩ F ) ; comment sont appelés les deux ensembles E et F ?
c) Trouver Card(F ∩ G) ainsi que Card(F ∪ G)
d) Trouver le nombre de cases correspondant à H ∩ F
3) Quelle est la fréquence de réalisation de l’évènement ”le résultat de A est pair”
et de l’évènement ”le résultat de B est impair ” ?

Exercice 6 : Pour déceler une déficience psychologique M dans la communication,

deux tests A et B sont proposés et les sujets n’en passent qu’un seul. On possède les
renseignements suivants :
Les sujets qui sont déficients sont au nombre de 60
Les sujets qui sont déficients et ont été testés à l’aide de A sont au nombre de 30
Les sujets qui sont déficients ou ont été testés à l’aide de A sont au nombre de 140
Parmi les sujets ayant passé le test B, la proportion de non-déficients est de 75%.
1) Remplir le tableau suivant
XXX
XXXDéficience P
XXX M M
Test XXX
A
B
P

2) Trouver la proportion, parmi les non-déficients, de ceux qui ont n’ont pas passé
le test B.

Exercie 7 Six cents étudiants de première année passent un et un seul des trois tests
T1 , T2 , T3 .Le nombre d’étudiants passant T3 est trois fois plus important que le nombre
d’étudiants passant T1 et celui-ci est deux fois moindre que le nombre d’étudiants
passant T2 .Pour chaque passation d’un test, deux situations sont possibles ; soit un
succès, soit un échec.
On sait également que 225 étudiants vérifient l’une au moins des deux conditions
suivantes ”avoir échoué” et passer le test 1.
D’autre part il y a dans le test 2 trois fois plus de succès que d’échec.
Pour résoudre l’exercice, on pourra s’aider du tableau des fréquences(ou des cardi-
naux) suivant :

6
 T est/Résultat Echec Succès
T1
T2
T3

1) Calculer le nombre d’étudiants passant le test 1, le test 2 et le test 3 ;

Card(T1 ), Card(T2 ), Card(T3 ).
2) Calculer la fréquence des trois évènements précédents ; f (T1 ) , f (T2 ) , f (T3 ) .
3) Calculer le nombre de personnes qui ont échoué au test 1. En déduire la fréquence
de cet évènement.
4) Calculer la fréquence (conditionnelle) des personnes qui ont échoué parmi celles
qui ont passé le test 1 ; f (E | T1 ) = fT1 (E) .
5) Compléter les 2 tableaux des cardinaux et des fréquences conditionnelles.
6) Trouver la fréquence d’avoir échoué sachant que l’étudiant a passé le test 1 et 3.
7) Trouver si l’on a réussi combien on a plus de chances d’avoir passé T2 que T1

7
Chapitre 2

Dénombrement
P
2.1 Le signe somme
2.1.1 Définition
Soit les quantités a1 , a2 , ...,an représentées par le terme générique ai , i = 1, ..., n. La
somme de ces quantités est notée de la manière suivante :
n
X
ai = a1 + a2 + ... + an
i=1

2.1.2 Propriétés
n
X n
X n
X
(ai + bi ) = ai + bi
i=1 i=1 i=1
n
X n
X
c · ai = c · ai
i=1 i=1
n
X
c=n·c
i=1
n
X n
X
(ai + c) = ai + n · c
i=1 i=1
n
X n
X n
X
(ai × bi ) 6= ai × bi
i=1 i=1 i=1
n X
X n n
X n
X
ai · b j = ai × bj
i=1 j=1 i=1 j=1

2.1.3 Exercices
Considérons la série d’observations (pour une observation on mesure deux variables x
et y) suivantes :

8
 xi 2 -5 4 -8
yi -3 -8 10 6

4
X 4
X 4
X 4
X 4
X P4
Calculer les valeurs suivantes : xi , y4 , xi , x i × yi , x2i , i=1 yi2 ,
i=1 i=1 i=1 i=1 i=1
4
X 4
X 4
X 4
X
2
xi × yi , xi × yi , et (xi + yi )(xi − yi )
i=1 i=1 i=1 i=1

2.2 Dénombrement
Cette partie du cours est explicitement donnée pour être réutilisable dans le cours de
Statistique de deuxième année.

2.2.1 Permutation sans répétition

2.2.2 Définition
Une permutation (sans répétition) de p objets (mathématiques) est une liste ordonnée
(ou suite) de ces p objets.

2.2.3 Exemple
On dispose des trois lettres A, B et C. On peut trouver 6 permutations sans répétition
de ces trois lettres (une lettre étant écrite, on ne la répétera plus par la suite) :
A, B, C
A, C, B
B, A, C
B, C, A
C, A, B
C, B, A

2.2.4 Calcul
Le nombre de permutations de p objets (p ∈ IN) est :

p! = (p) (p − 1) ∗ ......... ∗ 2 ∗ 1(appelé factorielle p ou p factoriel) (2.1)

Justification :
p choix p-1 choix ... ... ... ... 3 choix 2 choix 1 choix

2.2.5 Exemple
Nombre d’anagrammes d’un mot ayant des lettres différentes

9
2.2.6 Exercice résolu
a) Trouver le nombre d’entiers naturels de 5 chiffres que l’on peut fabriquer à partir des
chiffres {1; 3; 5; 6; 9}
Réponse
Chaque entier en question est une permutation de 5 chiffres, le nombre d’entiers naturels
est donc 5! = 120.

b) Sur une étagère on dispose de 10 livres, dont trois privilés notés A, B et C.

Trouver le nombre de dispositions possibles de ces 10 livres sachant que les trois livres
A, B et C se trouvent sont regroupés ensembles (dans n’importe quel ordre) à la gauche de
l’étagère.

A C B L6 L5 L4 L10 L8 L9 L7
Une disposition possible

Réponse
On peut permuter A, B, C de 3! = 6 façons différentes.
Pour chacune de ces permutations, on peut faire correspondre 7 ! permutations pour les
7 autres livres non privilégiés.
D’où le nombre N de dispositions remplissant les conditions de départ :

N = 3! ∗ 7! = 30240.0

2.2.7 Arrangement sans répétition

2.2.8 Définition
Une liste ordonnée(ou suite) de p objets parmi n est appelée arrangement sans répétition
de p objets parmi n (p ≤ n).

2.2.9 Calcul
Le nombre d’arrangements sans répétition de p objets parmi n est :

Apn = n ∗ (n − 1) ∗ (n − 2) ......... ∗ (n − p + 1) (2.2)

2.2.10 Exemple
Nombre de tiercés en tenant compte de l’ordre

2.2.11 Exercice résolu

Lors d’une course hippique avec 22 chevaux, si l’on pense que chaque cheval a une
même chance de gagner, calculer la chance de gagner le tiercé dans l’ordre.
Réponse
On doit remarquer que un tiercé dans l’ordre est un arrangement sans répétition de 3
objets parmi 22
p = A13 = 22∗21∗20
1
= 1. 082 3 × 10−4
22
Le numérateur représente le nombre de tiercés dans l’ordre gagnant

10
 Le dénominateur est le nombre de tiercés possibles : il y a 22 choix pour la première
place, 21 choix pour la deuxième place, 20 choix pour la troisième position.

2.2.12 Arrangement avec répétition

2.2.12.1 Définition
Une liste ordonnée (ou suite) de p objets parmi n avec répétition est appelée arrangement
avec répétition de p objets pris parmi n.
Le nombre d’arrangements avec répétition de p objets parmi n est :

np = n ∗ n ∗ ...... ∗ n (n f acteurs) (2.3)

2.2.12.2 Exemple
Nombre de plaques minéralogiques.

2.2.12.3 Exercice résolu

Une plaque minéralogique fictive est constituée de 3 lettres et 2 chiffres

Exemple : A A B 5 9

Trouver le nombre de plaques minéralogiques de ce type.

Réponse
Pour chaque arrangement avec répétition de trois lettres parmis les 26 de l’alphabet, il
va avoir 102 arrangements avec répétitions de deux chiffres parmi les 10 possibles (de 0 à
9).
n = 263 ∗ 102 ∼ 1.7576 × 106

2.2.13 Combinaison sans répétition

2.2.13.1 Définition
On appelle combinaison sans répétition de p objets parmi n( ou encore combinaison de
n objets pris p à p ), tout sous-ensemble comportant p objets distincts pris parmi n objets
distincts (p ≤ n) .

2.2.13.2 Remarque
On peut donner une interprétation simple de la combinaison sans répétition de p objets
parmi n : cest un sous-ensemble de p objets pris dans un ensemble de n objets

2.2.13.3 Calcul
Le nombre de combinaisons sans répétition de p objets parmi n est :

Ap
 
n n ∗ (n − 1) ∗ (n − 2) ......... ∗ (n − p + 1)
p
Cn = = n = (2.4)
p p! p!

11
2.2.13.4 Exemple
Nombre de tiercés sans tenir compte de l’ordre

2.2.13.5 Exercice corrigé

A l’oral d’un examen , un étudiant doit répondre à 5 questions (exactement) sur 8.
a) Combien a-t-il de choix possibles ?
b) Même question si les 3 premières sont imposées.
c) Même question s’il doit répondre au moins à 4 des 5 premières.
Réponse
a) le nombre de choix est : C85 = 85
= 56.0

b) le nombre de choix est : C52 = 52 = 10.0

c) Il doit répondre à exactement à 4 questions des 5 premières ou à 5 questions des 5
premières :
C54 ∗ C31 + C55 = 54 ∗ 31 + 55 = 16.0

C54 ∗ C31 = 5 ∗ 3 = 15.0 représente le nombre de façons de répondre à 5 questions avec 4

questions sur les 5 premières et 1 sur les 3 restantes.
C55 : représente le nombre de façons de répondre à 5 questions sur les 5 premières.

2.3 Exercices

Exercice 1 Calculer

a) 5!; A25 ; C52 = 52 ; C20 = 20
5


5
4
C10 (104)
b) C52 + C53 − C63 = 52 + 53 − 63 ;




6 =
C10 (106)

Exercice 2 On appelle mot de n lettres une suite (ou liste ordonnée) de n lettres
différentes, IN∗ .
a) Trouver le nombre de mots de 5 lettres que l’on peut constituer à l’aide des
lettres prises dans l’ensemble {M, A, R, I, E}
b) Trouver le nombre de mots de 5 lettres que l’on peut constituer à l’aide des
lettres prises dans l’ensemble {M, A, R, I, E} , commençant et se terminant par une
consonne
c) Trouver le nombre de mots que l’on peut constituer à l’aide des lettres prises
dans l’ensemble {M, A, R, I, E}

Exercice 3 a) On désire constituer un groupe au hasard de 10 personnes regroupant

4 hommes et 6 femmes.
Les hommes sont à choisir dans l’ensemble suivant : { Vincent, François, Paul,
Pierre, Jean, Charles, Emmanuel}
Les femmes sont à choisir parmi :
{Marie, Paula, Sylvie, Jeanne, Virginie, Sandrine, Cécile, Sandy, Rachel}
Trouver le nombre de groupes que l’on peut constituer.
b) Si l’on affecte par ordre de choix des garçons et des filles, respectivement 4 res-
ponsabilités différentes pour les garçons (trésorier, secrétaire, etc...) et 6 responsabilités

12
(différentes de celles prises par les garçons), pour les filles (Présidente, Chargée de
l’animation, etc...), trouver alors le nombre de groupes que l’on peut constituer.

Exercice 4 On appelle ”main”, la donnée de 5 cartes prises dans un jeu de 32 cartes.

a) Trouver le nombre de mains possibles
b) Trouver le nombre de mains contenant 2 as exactement
c) Trouver le nombre de mains contenant 2 piques et trois trèfles.

Exercie 5 Une classe de lycée procède a l’élection de ses deux délégués de classe.
Cinq candidats se présentent à l’électtion ; Justine, Louise, Farid, Paul et Kevin.
1. Ecrire tous les couples de délégués possibles.
2. Combien y’en a t-il ? Comment aurait-on pu calculer le nombre de possibilités
sans les écrire ?
3. Combien y a t-il de couples de délégués comprenant :
(a) aucun garçon
(b) un seul garçon
(c) deux garçons
4. Retrouver les trois résultats de la question précédente en faisant usage des
combinaisons.
5. Si on considère l’élection comme une épreuve aléatoire et que l’on fait l’hypothèse
chacune des dix issues possibles a la même chance de se réaliser, calculer les probabilités
que les trois évènements évoqués dans la question 3 se réalisent.

Exercie 6 On décide de constituer des groupes de 5 personnes dans une population

de 20 personnes. Dans cette population, un seul individu a un statut particulier ; il est
polyglotte.
1) Trouver le nombre de groupes que l’on peut constituer en imposant la présence
de cet individu.
2) Trouver le nombre de groupes que l’on peut constituer avec cette fois l’absence
de cet individu dans le groupe
3) Trouver de deux façons différentes, le nombre de groupes de 5 personnes choisies
parmi les 20.

Exercie 7 Dans un QCM comportant 5 questions avec 2 modalités de réponses (une

seule parmi les deux est correcte !), un étudiant répond au hasard.
On appelera pannel de réponse, la donnée de 5 résultats ordonnés d’un étudiant.Par
exemple un étudiant ayant toutes ses réponses correctes aura un pannel : V,V,V,V,V
alors qu’un étudiant n’ayant que les question 2 et 5 de justes aura un pannel F, V, F,
F, V
1) Trouver le nombre de pannels possibles.
2) Trouver le nombre de pannels avec 2 réponses exactes parmi les 5.
3) Trouver la fréquence des pannels ” avoir 3 bonnes réponses ou moins ”

Exercice 8 Pour déceler l’anxiété, un psychologue dispose de 7 tests de deux natures

différentes repérées à partir de deux couleurs (quatre sont munis de pastilles bleues,
trois de pastilles rouges).Il en choisit, au hasard, cinq sur les sept.

13
 1.1 Indiquer le nombre de choix possibles.
1.2 Quelle est la probabilité que pour l’un quelconque de ses choix figure deux
pastilles rouges exactement (on notera A un tel évènement) ?
1.3 Quelle est la probabilité que pour l’un quelconque de ses choix, figure deux
pastilles bleues exactement (on notera B un tel évènement) ?

14
Chapitre 3

Introduction à la modélisation

3.1 Notion de modèle mathématique

En sciences expérimentales (et donc en psychologie), on étudie souvent le lien entre
une variable indépendante (VI), que l’expérimentateur manipule pour en voir l’effet, et
une variable dépendante (VD) que l’on mesure. La question est de savoir si la VI a une
influence sur la VD.
Dans plusieurs cas il est utile de modéliser cette relation entre la VI et la VD c’est à dire
de trouver une fonction mathématique qui ”mime” cette relation. La tâche est complexe
puisque par essence, les données expérimentales subissent des variation plus ou moins
aléatoires...

3.1.1 Exemple

Les symboles × de la figure ci-dessous représentent la performance d’un sujet

dans une tâche de précision dans le pointage (avec le doigt) de points affichés sur un
écran tactile. La tâche a été accomplie 11 fois de suite (11 essais) par le sujet. Les
expérimentateurs voulaient par cette expérience étudier les phénomènes d’apprentissage
dans une tâche répétitive. Leurs VI (la variable dont on étudie l’effet) était donc le n˚
d’essai et la VD (la mesure) était la performance exprimée en pourcentage.
On constate de manière générale que la performance du sujet a progressé au fil des
11 essais pour s’approcher d’une performance de 100%.
Deux représentations graphiques ( Cf et Cg ) de deux fonctions (respectivement
f et g) ont été superposées aux données expérimentales. f et g sont deux modèles
mathématiques qui ont été proposés pour rendre compte des données expérimentales.
−x
f (x) = 97(1 − exp( ))
3
g(x) = 4x + 55
Question 1 : Lequel de ces deux modèles vous parait le mieux représenter les
données expérimentales ? Pourquoi ?

15
 Question 2 : Ces modèles peuvent par exemple nous permettre de faire des
prédictions sur ce qu’il se passerait si on poursuivait l’expérience pour un 12ème essai.
D’après chacun de ces modèles qu’elle serait la performance du sujet au 12ème essai ?

3.1.2 Comment trouver un modèle mathématique ?

Trouver un modèle mathématique acceptable requiert donc :
1. de caractériser qualitativement la relation entre la VI et la VD (par exemple crois-
sance/décroissance ? évolution rapide/lente ? existence d’une valeur plateau ou
évolution permanente ?)
2. de choisir des fonctions mathématiques qui présentent ces caractéristiques (cela
implique de connaı̂tre le comportement de quelques fonctions ”classiques”).
3. d’ajuster les paramètres de ces fonctions pour qu’elles se rapprochent le plus possible
de nos données (cette phase complexe ne sera pas abordée année)
4. choisir au final, la fonction qui prédit au mieux nos observations, sur la base d’un
critère quantitatif (cette année on utilisera le RMSE)

3.2 Caractériser la relation entre la VI et la VD

La première consiste à décrire la relation observée entre la VI et la VD. Pour cela,
représente le nuage des n points de coordonnées (xi ; yi ), n étant le nombre d’observations.
On va alors s’intéresser entre autre au sens et à la forme de la relation.

16
3.2.1 Illustrations
Représenter les nuages de points pour ces trois exemples totalement fictifs :

Exemple 1
élève (i) 1 2 3
score au test de lecture xi 1 3 4
Moyenne générale oi ou yi 2 3 6

Exemple 2
élève (i) 1 2 3 4
score au test de lecture xi 1 2 5 11
Moyenne générale oi ou yi 12 8 5 4

Exemple 3.
élève (i) 1 2 3 4 5
score au test de lecture xi 3 4 6 8,5 9,5
Moyenne générale oi ou yi 1 4 5 4 1

Description du nuage.
1. Sens :
(a) l’association est-elle positive (les deux variables varient dans le même sens, càd,
plus le résultat au score de lecture est grand, plus la moyenne générale tend à
être élevée)
(b) ou est-elle négative (les deux variables varient en sens contraire, càd, plus le
résultat au score de lecture est grand,, moins la moyenne générale est élevée).
(c) Ou avec une alternance de croissance et décroissance, avec des minima ? avec
des maximas ?
2. Forme : est-elle linéaire ou curviligne ?
3. Autres.

3.3 Evaluer la qualité d’un modèle mathématique

Un bon modèle mathématique doit bien rendre compte du phénomène que l’on modélise.
Pour juger de la qualité d’un modèle on peut se baser sur deux types de critères :
– critères qualitatifs
– critères quantitatifs

3.3.1 Critères qualitatifs

Ils peuvent être plus ou moins complexes et sont très souvent dépendants de l’application.
Ils portent en général sur l’allure générale que doit avoir la représentation graphique du
modèle. Le principe est de vérifier que le modèle candidat présente des caractéristiques
générales représentatives du phénomène observé. Ces caractéristiques que l’on veut vérifier,
dépendent bien entendu de la situation, elles seront différentes dans chaque problème.
Exemples de caractéristiques d’un phénomène que l’on pourrait exiger d’un modèle :
– croisance ? décroissance ? alternance des deux ?

17
 – y a-t-il des évènements remarquables pour certaines valeurs de x (asymptote, maxima/minima,
etc...)
Lorsque l’on dispose de plusieurs modèles candidats, on peut préférer un modèle qui
présente le plus grand nombre des caractéristiques recherchées.

3.3.2 Critères quantitatifs

Il s’agit de quantifier l’adéquation du modèle par rapport aux données empiriques. On a
mesuré un phénomène, on dispose d’un modèle qui nous donne des prédictions ”théoriques”.
A partir de là, on va chercher à mesurer l’erreur du modèle par rapport à la réalité (c.à.d
les mesures expérimentales).
On veut donc ici pouvoir mesurer ”de combien se trompe le modèle”.

Remarque importante : Il est nécessaire de de comparer les modèles sur les deux
types de critères. Le critère quantitatif (”de combien se trompe le modèle” ) n’est à lui
seul pas suffisant. En effet on peut parfois trouver un modèle qui prédit correctement les
données observées mais qui présente des aberration dans son comportement qui le rendent
caduque pour le problème considéré.

3.3.3 Exercice exploratoire

Prenons un exemple fictif mais basique d’une expérience réalisée par des chercheurs
(peu importe l’objet de cette expérience !). Les chercheurs ont fait varier la Variable
Indépendante (VI) x sur 3 valeurs (1, 2 et 3) et ont mesuré une performance. Les données
expérimentales sont représentée sur la Figure 3.3.3 (croix).
Ils ont proposé 3 modèles mathématiques (f1 , f2 et f3 ) pour modéliser leurs résultats
mais ils leur reste à choisir le meilleur des modèles d’un point de vue quantitatif, c’est à
dire le modèle qui se trompe le moins par rapport aux observations.
Les données expérimentales ainsi que les prédictions des 3 modèles pour les points
d’observation sont résumées dans la table 3.1 :

Table 3.1 – Valeurs observées et prédictions des modèles candidats.

VI : x 1 2 3
Valeurs observées yi 1 2 3
f1 : y = x 1 2 3
f 2 : y = 2x − 2 0 2 4
f 3 : y = 13 x2 − 13 x + 1 1 1.67 3

1. Visuellement ou intuitivement, classez les modèles par ordre de pertinence (celui qui
se trompe le moins en premier).
2. Proposez une formule que les chercheurs pourraient utiliser pour comparer les modèles.
Par exemple, pour chaque modèle, la formule permettrait de calculer de combien le
modèle se trompe. Sur la base des scores renvoyés par cette formule, les chercheurs
pourraient choisir le meilleur modèle (celui qui se trompe le moins).

18
 Figure 3.1 – Données expérimentales (×) et modèles candidats f 1, f 2 et f 3.

3. Appliquez cette formule sur les 3 modèles candidats pour vérifier qu’elle confirme vos
impressions.

3.3.4 Le RMSE comme critère quantitatif

RMSE sont les initiales de l’expression ”Root Mean Square Error” ( ”la Racine de la
Moyenne des Erreurs au Carré”) qui aide à retenir la formule. Il s’agit de calculer les erreurs
(différences entre les valeurs observées et prédites), de les mettre au carré (on parlera alors
d’erreurs quadratiques), de calculer la moyenne de ces carrés et d’en prendre la racine
carrée. La formule du RMSE est donc :
r Pn r Pn
2 2
i=1 (y i − ŷ i i ) i=1 ei
RM SE = =
n n
yi sont donc les valeur observées ŷi sont les prédictions du modèles pour les yi . ei
représente les erreurs de prédiction (yi − ŷi ).

19
3.4 Fonctions classiques pour la modélisation
3.4.1 fonction affine
Une fonction affine f est une fonction définie sur IR à valeurs dans IR qui peut s’écrire
sous la forme
f (x) = y = ax + b
La représentation graphique de cette fonction est une droite dont le sens et la position
sont contrôlés par les paramètres a et b de la manière suivante :
a est la pente de la droite. La droite sera horizontale (parallèle à l’axe des abscisses)
pour a = 0, et tendra vers la verticale (parallèle à l’axe des ordonnées) lorsque la
valeur absolue de a tend vers +∞. Si a > 0 alors la fonction est croissante, elle sera
décroissante si a < 0.
b est l’ordonnée à l’origine (ou l’intercept) de la droite, c’est à dire la valeur de y pour
laquelle la droite coupe l’axe des ordonnées : si b = 0 alors la droite passe par
l’origine.

Exercice La figure ci-dessous illustre l’effet des 2 paramètres sur la représentation

graphique de fonctions affines. Essayer de trouver les équations de chacune des fonctions
représentées.

y f1 f2
f4
8

2
x
−10 −8 −6 −4 −2 0 2 4 6 8
−2

−4

−6
f3
−8

−10

20
3.4.2 Modèles à base d’exponentielle
Cette de classe de modèle est basée sur la fonction exponentielle

f (x) = exp x = ex

Ces modèles sont très utilisés dans de nombreuses disciplines scientifique comme la physique
(dynamique de la désintégration radioactive), biologie (ex : modélisation de l’élimination
d’un produit dans le sang, croissance tumorale), épidémiologie (dynamique des populations),
électronique (décharge d’un condensateur) et bien sur en psychologie (modélisation de
l’oubli en mémoire).
Les modèles à base d’exponentielle permettent de décrire des phénomène de croissance
ou de décroissance rapide.
La fonction exponentielle a de plus l’avantage de présenter une asymptote : lorsque x
devient très petit (tend ver −∞), exp x se rapproche de 0 sans jamais l’atteindre (cf. figure
3.4.2) . Cela permet de construire des modèles adaptés à des données expérimentales qui
présentent un plateau associé à une croissance ou une décroissance (voir le modèle f de
l’exemple page 15 ).
La forme la plus simple d’un modèle à base de la fonction exponentielle est :

f (x) = A exp(λx)

Le valeur absolue paramètres λ va réguler la vitesse de l’évolution de la fonction. Le sens

de l’évolution (croissance/décroissance, position de l’asymptote) est contrôlé par le signe
de λ et de A (voir figure 3.4.2 a ).
Signe de λ contrôle le sens de la fonction par symétrie autour de l’axe des ordonnées.
Signe de A contrôle le sens de la fonction par symétrie autour de l’axe des absices.
En jouant sur le signe de ces 2 paramètres on se retrouve avec 4 configurations possibles.
Dans une forme légèrement plus évoluée de ce modèle on peut moduler la position de
l’asymptote par rapport à la croissance/décroissance (voir figure 3.4.2b) :

f (x) = A exp(λx) + B

Le paramètre B va régler le niveau du plateau (de l’asymptote). en translatant la courbe

vers le haut (B > 0) ou vers le bas (B < 0). C’est ce qu’illustre la figure 3.4.2.

3.4.3 Modèles quadratiques

Il s’agit de modèles à base de polynomes du 2nd degré (i.e. avec des x2 ) qui peuvent
s’écrire de la forme :
f (x) = ax2 + bx + c
avec a ∈ IR∗ , b ∈ IR∗ et c ∈ IR.
La représentation graphique de ces modèles est une parabole dont l’orientation (”bosse”
ou ”creux”) dépend du signe de a comme le montre la figure 3.4.3
Les modèles quadratiques sont particulièrement utilisés pour rendre compte de phénomènes
dont le sens de variation change (par exemple croissance puis décroissance). Ils sont par
ailleurs plutôt simple à analyser et à contrôler. il est aisé par exemple de trouver les
racines d’un polynome du 2nd degré, c’est à dire trouver les valeur de x pour lesquelles la
fonction polynomiale est égale à 0 (c’est à dire coupe l’axe des absices). On peut facilement
déterminer le signe d’un polynome (“quand la fonction est-elle positive ou négative ?”).

21
 λ<0 λ>0

A>0

A<0

Figure 3.2 – Forme générale des modèles exponentiels de la forme f (x) = A exp(λx) en
fonction du signe de A et de λ.

3.4.3.1 Trouver les racines d’un polynome du 2nd degré

Soit l’équation définie pour x ∈ IR
ax2 + bx + c = 0
On appelle discriminant du polynome le nombre ∆ tel que :
∆ = b2 − 4ac
Trois cas peuvent se présenter (voir aussi la figure page 24) :
– Si ∆ < 0, alors l’équation n’a pas de solution dans IR.
– Si ∆ = 0, alors l’équation a une solution unique, x0 = − 2ab
que l’on appelle la racine
double de l’équation.
– Si ∆ > 0, alors l’équation a deux solutions
√
(ou racines)
√
distinctes :
0 −b+ ∆ 00 −b− ∆
x = 2a et x = 2a

Remarque : si x0 et x00 sont les deux racines du polynome ax2 + bx + c (a 6= 0), alors
on peut écrire celui-ci sous la forme factorisée :
a(x − x0 )(x − x00 )

Exercice résolu : Résoudre dans IR l’équation x2 + 3x − 4 = 0

Le discriminant du polynome x2 + 3x − 4 est
∆ = b2 − 4ac = 32 − 4 × 1 × (−4) = 25
∆ > 0 l’équation a donc deux racines qui sont :
√ √
0 −b + ∆ −3 + 25
x = = =1
2a 2×1

22
 A<0

y=B

Figure 3.3 – Translation des modèles exponentiels avec le paramètre B (forme f (x) =
A × exp(λx) + B ). Ici, B = 2.
√ √
00 −b − ∆ −3 − 25
x = = = −4
2a 2×1
L’ensemble des solutions de l’équation est donc S = {−4; 1}.

3.4.3.2 Signe d’un polynome du 2nd degré

Soit le polynome f (x) = ax2 + bx + c défini sur IR (a 6= 0). On peut connaı̂tre son signe
en fonction du signe du discriminant (∆) et du signe de a. A nouveau trois cas peuvent se
présenter (voir aussi la figure page 24) :
– Si ∆ < 0, alors f (x) est du signe de a pour tout x ∈ IR.
b b
– Si ∆ = 0, alors f (x) est nul pour x = − 2a et du signe de a pour tout x 6= − 2a .
0 00 0 00
– Si ∆ > 0, soit x et x les racines de f (x) (on suppose x < x ). Alors :
– f (x) est du signe de a pour tout x de ] − ∞, x0 [∪]x00 , +∞[
– f (x) est nul pour x ∈ {x0 , x00 }
– f (x) est du signe de −a pour tout x de ]x0 , x00 [.

remarque : On peut déterminer facilement le signe d’un polynome à partir du signe

de chacun des trois facteurs (pour un polynôme du 2nd degré) de la forme factorisée
a(x − x0 )(x − x00 ) (ou x0 et x00 sont les racines).
Par exemple pour le polynôme f (x) = x2 + 3x − 4 qui a pour racines x0 = −4 et x00 = 1.
On peut l’écrire sous la forme factorisée f (x) = (x + 4)(x − 1).
– si x < −4 alors x + 4 < 0 sinon x + 4 ≥ 0
– si x < 1 alors x − 1 < 0 sinon x − 1 ≥ 0
On a donc :
– Si x ∈] − ∞; −4[ alors x + 4 < 0 et x − 1 < 0 et par conséquent f (x) > 0
– Si x ∈] − 4; 1[ alors x + 4 > 0 et x − 1 < 0 et par conséquent f (x) < 0

23
 5

0
-5 0 5

-5
f(x)=x²+x-3 (a>0)
g(x)=-2x²+3x+1 (a<0)

Figure 3.4 – Orientation de la parabole en fonction du signe de a

x ' x ' x ''

f(x)=x +x+2 g(x)=x +2x+1 f(x)=x -x-2

2 2 2

∆ < 0, pas de solutions pour f(x)=0 ∆ = 0, f(x)=0 a une solution unique x' ∆>0, f(x)=0 accepte deux solutions (x' et x").
f(x) est toujours du signe de a (positif) f(x) est du signe de a pour tout x différent de x' f(x) est du signe de a

Figure 3.5 – Trois configurations possible en fonction du signe de ∆. Ici, a est toujours
positif.

– Si x ∈]1; +∞[ x + 4 > 0 et x − 1 > 0 et par conséquent f (x) > 0

– et bien entendu si x = −4 ou x = 1 alors f (x) = 0.

3.5 Exercices d’application

Exercice 1
Pour chacun des cas ci-dessous :
1. Décrire le nuage.

24
2. Des modèles linéaire, exponentiel et polynomial du second degré, lequel vous semble
le plus approprié.
(a) Dans le cas d’un modèle linéaire du type ax + b, indiquer le signe de la pente a
et une valeur à ±1 de l’ordonnée à l’origine b.
(b) Dans le cas d’un modèle exponentiel, indiquer une valeur possible d’asymptote
ainsi que la fonction sur laquelle se baserait ce modèle (ex , −ex , e−x , −e−x ).
(c) Dans le cas d’un modèle du second degré du type ax2 + bx + c, indiquer le signe
du coefficient du terme x2 (a) ainsi que la valeur à ±1 de l’ordonnée à l’origine (c).

2
9
1
8
7 −10−9 −8 −7 −6 −5 −4 −3 −2 −1 01 2
−1
6
−2
5
−3
4
−4
3
2 Nuage d
1
7
−1
−1 01 2 3 4 5 6 7 8 9 6
5
Nuage a 4
3
7
2
6
1
5
4 −2 −1
−1 01 2 3 4 5 6
3 −2
2
1 Nuage e

−1 0 1 2 3 4 5 6 7 8 9 10 11 12 8
−1
7
Nuage b 6
5
4 4
3 3
2 2
1 1

−1
−1 0 1 2 3 4 5 6 7 8 9 10 11 12 −1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
−2 −2
−3 −3
−4 −4
−5 −5
Nuage c Nuage f

25
Exercice 2 : Entrainement au calcul du RMSE
Pour chacun des 3 exemples ci-dessous (déjà décrits en début de chapitre) calculer le
RMSE des deux modèles proposés en suivant les étapes suivantes :
– Pour chacun des élèves calculer la prédiction ŷi de la moyenne par le modèle considéré
étant donné le score au test de mecture de chacun des élèves.
– Calculer pour chaque elève l’erreur de prédiction ei = yi − ŷi
– Finir le calcul du RMSE sur cette base.
Indiquez le modèle meilleur des deux modèle sur la base du seul RMSE (critère quantitatif
seulement).

Exemple 1
élève (i) 1 2 3
score au test de lecture xi 1 3 4
moyenne générale oi ou yi 2 3 6
Modèles proposés :
– f1 (x) = 32 x + 13
– f2 (x) = 17
14
x + 146

Exemple 2
élève (i) 1 2 3 4
score au test de lecture xi 1 2 5 11
moyenne générale oi ou yi 12 8 5 4
Modèles proposés :
– f1 (x) = 10.6e−0.1x
– f2 (x) = 8.2e−0.2x + 3

Exemple 3
élève (i) 1 2 3 4 5
score au test de lecture xi 3 4 6 8,5 9,5
moyenne générale oi ou yi 1 4 5 4 1
Modèles proposés :
– f1 (x) = −0.2x2 + 2.5x − 2.8
– f2 (x) = −0.41x2 + 5.11x − 10.43

Exercice 3
Une étude réalisée chez un dentiste a pour objectif d’évaluer l’anxiété des patients au
début de la consultation.
En effet, le dentiste a remarqué que l’anesthésique qu’il utilise pour les interventions,
devient peu efficace quand ce niveau d’anxiété dépasse un score de 7 (anxiété mesurée
par un test donnant un score entre 0 et 10). Un psychologue, sollicité par le dentiste
a voulu tester l’hypothèse selon laquelle le niveau d’anxiété d’un patient au début de
l’intervention dépendrait du temps passé en salle d’attente, dans laquelle, entre autre, le
bruit des différents outils pendant lequel le patient a pu entendre le bruit émis par la fraise.
Pour ce faire, il a mesuré au début de chaque intervention le niveau d’anxiété du patient et
l’a relié au temps que ce patient a passé en salle d’attente.

26
 Les valeurs moyennes d’anxiété (yi ) en fonction du temps d’attente observé (xi , exprimé
en heures) sont données dans le tableau suivant :

xi 0 0.1 0.35 0.65 0.82 1.25 1.45 1.8 2

yi 1.6 2.87 5.15 6.2 7.5 8.9 9.4 9.2 9.6

1. Représentez graphiquement ces données.

2. Le psychologue envisage de proposer un modèle mathématique de cette relation entre
Attente et Anxiété. Quelles propriétés devraient réunir un tel modèle ? En particulier
:
– Comment doit évoluer le niveau d’anxiété lorsque l’attente augmente ?
– Que se passe-t-il lorsque l’attente est très longue ?
3. Quel type de modèle (linéaire, exponentiel, quadratique...) vous semblerait le plus
adapté à cette problématique (justifier) ?
4. Le psychologue a présélectionné les quatre fonctions suivantes comme modèles poten-
tiels. Représentez ces fonctions associées aux données observées.
– f (x) = 72 x + 10
3
98
– g(x) = ( 10 − 8 exp(− 14x
8
))
– h(x) = −3x2 + 9x + 38
5. Déterminer à la fois sur le plan qualitatif (voir critères de la question 2) et sur le plan
quantitatif (RMSE) le modèle le plus pertinent.
6. Pour ce modèle optimal, déterminer graphiquement quel est le temps d’attente limite
pour l’efficacité de l’anesthésique.
7. Selon le modèle h, pour qu’elles durées d’attente devrions nous observer une anxiété
de supérieure à 5 ?

3.5.1 Exercice 4
Des expérimentateurs désirent étudier les phénomènes d’apprentissage dans une tâche
répétitive. A cette fin, une tâche de précision de pointage (avec le doigt) de points affichés
sur un écran tactile a été accomplie 11 fois de suite (11 essais) par le participant. Le tableau
suivant donnent le numéro de l’essai et la performance exprimée en %.
Essai 1 2 3 4 5 6 7 8 9 10 11
Performance (en %) 22 55 60 75 77 80 87 85 99 87 88
1. Quelle est la V.I (x) et la V.D. (y) ?
2. Quel devrait être le sens de l’association s’il y a effectivement apprentissage, c’est à
dire, si le participant progresse ?
3. Représenter graphiquement le nuage de points et le décrire.
4. On désire modéliser la relation observée sur le nuage de points par une relation du
type : y = f (x)
(a) Quelle propriété doit vérifier f pour traduire le fait que pour 0 essai il n’y a pas
de performance ?
(b) Quelle propriété doit vérifier f pour que, pour un nombre d’essais positif ou nul,
la performance soit comprise en 0 et 100% ?

27
 (c) Quelle propriété doit vérifier la fonction f pour traduire le fait que le participant
a progressé ?
(d) On remarque que la progression est rapide au début puis plafonne à 100% : à
quelle type de fonction pensez-vous ?
5. On propose les deux modèles suivants :

x
Modèle I : y = f (x) = 100 · (1 − e− 3 )
Modèle II : y = g(x) = 4, 5 · x + 17

Compléter le tableau suivant et tracer les deux courbes représentatives pour ces deux
modèles :
6. Etude qualitative des deux modèles : les modèles précédents vérifient-ils les conditions
énoncées à la question 4).
7. Etude quantitative des deux modèles : calculer les RMSE de ces deux modèles.
8. Quel modèle choisissez-vous ?

28