Académique Documents
Professionnel Documents
Culture Documents
• Cela signifie que les conditions dans lesquelles on répète l’expérience sont les mêmes.
Exemple : les tirages de boules ou de jetons qui se font « avec remise » de l’objet tiré après
chaque tirage ou les lancers d’une même pièce plusieurs fois de suite.
• Cela signifie aussi qu’une expérience ne dépend pas du résultat de l’expérience précédente.
De manière imagée, on peut dire que les pièces ou les dés n’ont pas de mémoire.
• Bien entendu, cela ne signifie pas que les résultats de ces expériences répétées sont les mêmes,
puisqu’il s’agit d’expériences aléatoires.
On peut en déduire que les probabilités associés à cette expérience sont les mêmes à chaque
répétition.
Exercice n°1 :
Les événements A et B sont issus d'expériences identiques indépendantes.
Exercice n°2 :
La probabilité de l'événement A : « Le bus de Tony arrive à l'heure le matin » est 0,9 et la
probabilité de l'événement B : « Tony a toutes ses affaires » est 0,8.
On suppose que Les événements A et B sont indépendants.
1) Calculer la probabilité que le bus de Tony arrive à l'heure le matin et qu'il ait toutes ses
affaires.
2) En déduire P ( A ∪ B ) puis P ( A ∪ B ) .
3) Calculer P ( A ) et P (B ) .
4) Déduire la valeur de P ( A ∩ B ) de deux façons différentes, à l'aide des questions 2 et 3.
Définition :
Une épreuve de Bernoulli est une épreuve aléatoire comportant deux issues, l’une appelée
« succès », l’autre appelée « échec ».
On peut représenter une épreuve de Bernoulli par un arbre pondéré :
Théorème :
On considère une épreuve de Bernoulli. Soit X la variable aléatoire qui prend la valeur 1 en
cas de réussite et la valeur 0 en cas d’échec.
La variable aléatoire X est appelée variable de Bernoulli et la loi de probabilité de X est
appelée loi de Bernoulli. Elle est donnée par :
Définition :
Soit X la variable aléatoire définie par le nombre de succès dans un schéma de Bernoulli
dans lequel on répète n fois une épreuve de Bernoulli pour laquelle la probabilité du succès
est égale à p .
La loi de probabilité de X s’appelle la loi binomiale de paramètres n et p .
On la note B(n ; p ) .
Remarques :
• Dans les calculs on utilisera les coefficients binomiaux seront obtenus à l’aide de la
calculatrice.
• Les propriétés de ces coefficients binomiaux seront étudiées plus loin.
k
Propriétés :
Lorsque X suit la loi binomiale de paramètres n et p , on a les valeurs suivantes :
• L’espérance : E ( X ) = np .
• La variance : V ( X ) = np(1 − p ) .
• L’écart-type : σ ( X ) = np(1 − p ) .
Exercice n°3 :
On considère que dans une classe de Terminale contenant 24 élèves, chaque élève a 82% de
chance d'obtenir son bac. Soit X la variable aléatoire représentant le nombre d'élèves ayant
obtenu son bac dans cette classe de 24 élèves.
1) Quelle loi suit X ? Donner ses paramètres.
2) Quelle est la probabilité que tous les élèves soient reçus ?
3) Combien de reçus peut-on espérer dans cette classe de 24 élèves ?
Démonstration :
n + 1
On considère un schéma de Bernoulli à n + 1 épreuves. Il y a donc chemins qui
k + 1
mènent à l’événement ( X = k + 1) . Ces chemins se décomposent en deux parties disjointes :
• ceux qui commencent par un succès: l'arbre représentant les épreuves suivantes est un
n
arbre de n épreuves, où il reste à choisir k succès : il y a chemins de ce type.
k
• ceux qui commencent par un échec : l'arbre représentant les épreuves suivantes est un
n
arbre de n épreuves, où il reste à choisir k + 1 succès : il y a chemins de ce type.
k +1
n n n + 1
On obtient ainsi : + = .
k k + 1 k + 1
Exercice n°4 :
1) Recopier et compléter cet extrait du triangle de Pascal :
Définition :
Un sous-ensemble de n individus dans une population constitue un échantillon de taille n.
Les distributions des fréquences associées à plusieurs échantillons d’une même population sont en
générales différentes : on parle de fluctuation de la distribution des fréquences.
Lorsque la taille des échantillons augmente, l’amplitude de la fluctuation des distributions des
fréquences associées à ces échantillons diminue : c’est la « loi des grands nombres ».
Toute la difficulté est de déterminer quand cette variation est « naturelle » et quand elle ne l’est pas.
3. Echantillonnage.
Définition :
On appelle échantillonnage, le prélèvement d'un échantillon dans une population.
Soit une population pour laquelle la proportion d'un caractère est p . On extrait au hasard un
échantillon de taille n et on note f obs la fréquence observée de ce caractère dans l'échantillon. Cette
fréquence est obtenue en divisant le nombre d'individus de l'échantillon présentant le caractère par n .
Propriété :
Si l'échantillon est réalisé par prélèvement des individus un par un au hasard avec remise alors
le nombre d'individus de l'échantillon possédant le caractère étudié suit une loi binomiale de
paramètres n et p .
Exemple :
Dans une entreprise, 42% des employés utilisent un vélo pour se rendre au travail.
On interroge au hasard 10 employés et on note X la variable aléatoire qui compte le nombre
k d'employés qui se rendent au travail à vélo. La loi de probabilité de X est la loi binomiale
de paramètres n = 10 et p = 0,42 . Le diagramme en bâtons suivant représente la loi de X :
Théorème :
On considère une population dans laquelle la proportion d'un caractère est p .
On suppose que la variable aléatoire X , comptabilisant le nombre d'individus d’un
échantillon de taille n possédant ce caractère, suit une loi binomiale de paramètres n et p .
Si les entiers a et b sont tels que :
• a est le plus petit entier tel que : P ( X ≤ a ) > 0,025 .
• b est le plus petit entier tel que : P ( X ≤ b) ≥ 0,975 .
Exemple 1 :
Reprenons l'exemple des employés qui utilisent un vélo pour se rendre au travail.
La variable X suit la loi binomiale de paramètres n = 10 et p = 0,42 .
Nombre k 0 1 2 3 4 5 6 7 8 9 10
P(X ≤ k) 0,004 0,035 0,137 0,334 0,582 0,798 0,929 0,983 0,998 1 1
• Le plus petit entier a tel que : P ( X ≤ a ) > 0,025 est donc a = 1 .
Nombre k 0 1 2 3 4 5 6 7 8 9 10
P(X ≤ k) 0,004 0,035 0,137 0,334 0,582 0,798 0,929 0,983 0,998 1 1
• Le plus petit entier b tel que : P ( X ≤ b) ≥ 0,975 est b = 7 .
On peut vérifier que : P (1 ≤ X ≤ 7) ≈ 0,9785 ≥ 0,95 . Un intervalle de fluctuation au seuil de
95% de la fréquence du nombre d'employés qui se rendent au travail à vélo dans un
échantillon de taille 10, déterminé à l'aide de la loi binomiale, est l'intervalle [0,1 ; 0,7] .
Dans un échantillon de taille 24, il y a entre 10 et 19 bulbes de tulipe blanche avec une probabilité
égale à 0,965.
Un intervalle de fluctuation au seuil de 95 % de la fréquence du nombre de bulbes de tulipe
10 19
blanche dans un échantillon de taille 24, déterminé à l'aide de la loi binomiale, est ; .
24 24
5. Règle de décision.
On considère une population pour laquelle on suppose que la proportion d'un caractère est p
Pour valider cette hypothèse, on prélève au hasard un échantillon de taille n et on observe la
fréquence f obs du caractère dans cet échantillon. On détermine un intervalle de fluctuation de/au
seuil de 95%, comme précédemment.
Règle de décision :
Si la fréquence observée f obs n'appartient pas à l'intervalle de fluctuation, on rejette
l'hypothèse sur p au risque de 5% de se tromper.
Si la fréquence observée f obs appartient à l'intervalle de fluctuation, il n’y a pas de raison de
remettre en cause l'hypothèse (ce qui ne signifie pas pour autant qu’elle soit acceptée).
Exemple :
Dans une commune, 28% des habitants sont abonnés à la médiathèque.
On interroge au hasard 100 personnes de cette commune et on leur demande si elles sont
abonnées à la médiathèque.
Si on note X la variable aléatoire « nombre de personnes abonnées à la médiathèque », X
suit la loi binomiale de paramètres n = 100 et p = 0,28 .
En tabulant la loi de X on peut lire que :
• Le plus petit entier a tel que : P ( X ≤ a ) > 0,025 est a = 19 .
• Le plus petit entier b tel que : P ( X ≤ b) ≥ 0,975 est b = 37 .
On peut vérifier que : P (19 ≤ X ≤ 37) ≈ 0,966 ≥ 0,95 .
Un intervalle de fluctuation au seuil de 95 % de la fréquence du nombre de personnes
abonnées à la médiathèque dans un échantillon de taille 100, déterminé à l'aide de la loi
binomiale, est l'intervalle [0,19 ; 0,37] .
Remarque : Cette approximation est d'autant meilleure que n est très grand et p proche de 0,5.
Exercice n°5 :
1) Ecrire dans votre calculatrice un programme qui :
Demande :
• la taille de l’échantillon.
• la probabilité de succès.
Affiche :
• les plus petits entiers de a et b tels que : P ( X ≤ a ) > 0,025 et P ( X ≤ b) ≥ 0,975 .
a b
• les bornes et de l'intervalle de fluctuation à 95% obtenu à l’aide d’une loi
n n
binomiale de paramètres n et p.
Pour écrire ce programme, on pourra utiliser les outils suivants :
n
• « nCk » qui calcule le coefficient binomial .
k
• La boucle itérative : « While ».
2) Utiliser cet algorithme pour retrouver les intervalles résultats donnés dans l’exemple de la
médiathèque : pour n = 100 et p = 0,28 , on obtient a = 19 ; b = 37 et I 95 = [0,19 ; 0,37].
Exercice n°6 :
Dans un lycée de 1300 élèves environ, une enquête réalisée par des membres du FSE révèle
que 67% des lycéens interrogés ont vu le film « La vague ».
On fait l'hypothèse que 67% des élèves de ce lycée ont effectivement vu le film « La vague ».
1) Déterminer, à l'aide de la loi binomiale, un intervalle de fluctuation, au seuil de 95 %, de
la fréquence d'élèves ayant vu le film « La vague » dans un échantillon de taille 40.
2) En déduire, sur un échantillon de taille 40, la règle de décision permettant d'accepter ou
non l'hypothèse précédente.
3) On interroge 40 élèves (différents) au hasard. Parmi eux, 29 déclarent avoir vu le film
« La vague ». L’hypothèse est-elle acceptable ?
Exercice n°7 :
D'après une enquête, 32% des adolescents ne jouent jamais aux jeux vidéo en ligne.
On fait l'hypothèse suivante : 32% des élèves du lycée Françoise Dolto ne jouent jamais aux
jeux vidéo en ligne. Le lycée compte environ 850 élèves. Dans ce lycée, un assistant
d'éducation a interrogé 64 élèves pour savoir s'ils jouaient aux jeux vidéo en ligne.
1) Déterminer, à l'aide de la loi binomiale, un intervalle de fluctuation, au seuil de 95%, de la
fréquence d'adolescents ne jouant jamais aux jeux vidéo en ligne dans un échantillon de
taille 64.
2) En déduire, sur un échantillon de taille 64, la règle de décision permettant d'accepter ou
non l'hypothèse de l’énoncé.
3) Environ 45,3% des élèves interrogés disent ne jamais jouer aux jeux vidéo en ligne.
Peut-on accepter l'hypothèse au seuil de 95% ?
k
Fin du Pour.
Sortie afficher S .
1) Quel calcul obtient-on lorsqu’on fait fonctionner cet algorithme ?
2) Taper sur votre calculatrice le programme correspondant à cet algorithme.
Partie B : Calculs avec le programme associé.
On considère une variable aléatoire X qui suit la loi binomiale de paramètres 56 et 0,45 .
1) Calculer la probabilité : P( X = 50) .
2) Calculer la probabilité : P(25 ≤ X ≤ 50) .
3) Calculer la probabilité : P( X > 12) .
Exercice n°9 :
1) Triangle de Pascale
a) Recopier et compléter la partie du triangle de Pascal donné ci-dessous :
6
b) Entourer en noir la cellule du tableau ci-dessus donnant le nombre et en bleu celle
4
8
donnant le nombre .
2
2) Une entreprise produit des stylos. La probabilité qu’un stylo présente un défaut est égale à
0,1. On prélève dans cette production successivement et avec remise 8 stylos.
Soit X la variable aléatoire comptabilisant le nombre de stylos présentant un défaut.
a) Justifier que X suit une loi binomiale et en préciser les paramètres.
b) Quelle est la probabilité d’avoir exactement deux stylos défectueux ?
c) Quelle est la probabilité d’avoir au moins un stylo défectueux ?
d) Quel nombre de stylos défectueux peut-il espérer obtenir (c’est-à-dire quel nombre
moyen de stylos défectueux obtiendrait-il s’il recommençait au hasard un très grand
nombre de fois cette expérience) ?
Exercice n°17 :
Le sang humain est classé en quatre groupes distincts : A, B, AB et O. Indépendamment du
groupe, le sang peut posséder le facteur Rhésus.
Si le sang d'un individu possède ce facteur, il est dit de Rhésus positif (noté Rh+), s'il ne
possède pas ce facteur, il est dit de Rhésus négatif (noté Rh–).
Sur une population P , les groupes sanguins se répartissent d'après le tableau suivant :
Pour chaque groupe, la proportion d'individus possédant ou non le facteur Rhésus se répartit
d'après le tableau suivant :
Un individu ayant un sang du groupe O et de Rhésus négatif est appelé un donneur universel.
1) Construire un arbre de probabilité combinant ces deux tableaux.
2) Quelle est la probabilité pour qu'un individu pris au hasard ait un sang du groupe O ?
3) Quelle est la probabilité pour qu'un individu pris au hasard soit un donneur universel ?
4) Quelle est la probabilité pour qu'un individu pris au hasard ait un sang de Rhésus négatif ?
5) On choisit au hasard cinq individus de la population P et on appelle X la variable
aléatoire égale au nombre de donneurs universels figurant parmi ces cinq individus. On
supposera que la population P est suffisamment importante pour que ces choix soient
considérés comme indépendants.
a) Déterminer la loi de probabilité de X .
b) Donner la loi de probabilité de X (On donnera les résultats à 10 −4 près).
c) Déterminer la probabilité qu’il y ait au moins un donneur universel parmi ces cinq
personnes.
d) Déterminer l'espérance mathématique de X .
Ω J
R
3
2) Soit G l’événement : « Le joueur gagne ». Montrer que : P (G ) = .
10
L’organisateur du jeu décide de modifier les règles. Le joueur jouera trois fois de suite, de
façon indépendante, à ce jeu et l’organisateur fera les comptes après ces trois tentatives.
Afin d’attirer les joueurs l’organisateur décide de ne pas demander pas de mise.
3) Nombre de succès en trois tentatives.
Soit X la variable aléatoire comptabilisant le nombre de victoires du joueur lors de ces
trois tentatives.
a) Quelles sont les valeurs possibles de X ?
b) Quelle est la loi suivie par X (justifications attendues) ? Déterminer ses paramètres
n et p .
c) Etablir la loi de probabilité de X (formules générales puis résultats arrondis à 0,01).
d) Déterminer l’espérance de X . Interpréter le résultat.
4) Gains algébriques du joueur.
Soit Y la variable aléatoire comptabilisant le gain algébrique du joueur (une perte est
comptée négativement) à l’issue de ces trois tentatives.
a) Quelles sont les valeurs possibles de Y ?
b) Etablir la loi de probabilité de Y (résultats arrondis à 0,01).
c) L’organisateur prétend qu’on a plus de chances de gagner que de perdre car parmi les
résultats possibles de ce jeu un seul fait perdre de l’argent au joueur. A-t-il raison ?
d) Déterminer le gain algébrique moyen de ce jeu.
e) On décide de modifier le montant perdu par le joueur à chaque partie.
On note m ce nouveau montant. Déterminer m pour que ce jeu soit équitable.