Académique Documents
Professionnel Documents
Culture Documents
N°du Module : 12
2
Historique
3
Sommaire
4
Chapitre 1/ Vocabulaire utilisé en probabilité
5
VI. Probabilité conditionnelle
Chapitre 2/ Variable aléatoire
6
Chapitre 3/ Lois de probabilité
7
Chapitre 1
8
I- Épreuve aléatoire
C’est une épreuve dont l’issue n’est pas connue par avance.
Toute démarche scientifique nécessite la réalisation de certaines
expériences :
1) Expérience produisant un Résultat prévisible :
si elles sont renouvelées dans des conditions totalement identiques,
elles produiront le même résultat (phénomène déterministe).
2) Expérience produisant un Résultat non prévisible :
effectuer dans des conditions totalement identique elles donneront des
résultats différents (phénomène non déterministe).
Exemple
On lance un dé, bien entendu, avant de lancer le dé on ne sait pas si le
résultat va être le 1, 2,…6
Jeter en l’air une pièce de monnaie, on ne sait pas si on va avoir pile ou
face
9
II- Univers
Lorsqu’il s’agit d’une épreuve aléatoire, on a un ensemble de
résultats possibles.
Cet ensemble de résultats possibles est nommé l’univers (ou
l’ensemble fondamental) et porte, en probabilité, la lettre Ω
On utilise la lettre Ω pour désigner l’univers.
Exemples
On lance une pièce de monnaie donc Ω ={P, F} (Ω contient 2
éléments)
On considère une urne dans laquelle, il y a deux boules blanches
(B1 et B2) et une boule rouge (R).
L’épreuve consiste à tirer simultanément deux boules. Définir
l’univers Ω ?
10
III-Tribu d’événements
Soit Ω l’ensemble des éventualités (résultats possibles) d’une
expérience aléatoire (Ω est appelé univers).
On appelle évènement, toute partie de Ω.
ϕ est une partie de Ω, c’est un événement, appelé évènement
impossible.
Ω est une partie de Ω, c’est un événement, appelé évènement
certain.
Exemple
Une urne contient trois boules : une bleue, une rouge, une verte
On tire une boule de l’urne et on note sa couleur.
L’ensemble des éventualités (univers) est Ω = {B ; R ; V }.
Il y a huit évènements : ϕ ; {B } ; {R} ; {V} } ; {B ; R } ; {B ; V} ; {R ;
V} ;Ω
11
Application
12
IV-Evènement
13
1) Les particularités d’un évènement
L’événement contraire de A est nommé
Exemple
dans le cas d’un dé Ω ={1, 2, 3, 4, 5, 6}, si l’événement est A :
« obtenir un résultat pair »
A = { 2, 4, 6} Donc :
Deux événements sont incompatibles lorsque leur
intersection est vide (). La réalisation de l’un et de l’autre
simultanément n’est pas possible.
Un événement est impossible lorsqu’il est jamais réalisé
Un événement est certain lorsqu’il est toujours réalisé
L’événement élémentaire : évènement consistant en la
réalisation de chacun des résultat d’une expérience aléatoire
14
2) Union et intersection
Exemple
A = { 2, 4, 6}
B = {5, 6}
Définir les opérations suivantes :
AB = ?
(A ou B : les éléments qui appartiennent à A ou B)
AB = ?
(A et B : les éléments qui appartiennent à A et B)
Supposons un événement C = { 1, 3}
Définir l’opération AC = ?
15
Exemple
On considère deux évènements A et B associés à deux types
de défauts d’un article.
Dans la production entière on va prélever un article au hasard
(n’importe lequel). Traduire les évènement suivants :
16
Application
Une machine fabrique des objets qui sont classés en
défectueux, codés 0, et non défectueux, codés 1. On prélève
toutes les heures les trois derniers objets produits par cette
machine. On demande de préciser l’ensemble fondamental
associé à cette expérience et d’écrire les évènements suivants
:
A=« le premier objet est défectueux » ;
B=«le dernier objet est non défectueux » ;
C=« les premiers et derniers objets sont défectueux » ;
D=« aucun objet n’est défectueux » ;
E=« deux objets sont défectueux »;
F=« au plus un objet est défectueux »
17
V-Définir une probabilité
1) P(Ω) =1
P(AB) = P(A)+P(B)
On a :
P() = 0
18
1) Calcul de probabilité
Exemple
19
2) Situation d’équiprobabilité
20
VI-Probabilité conditionnelle
21
Cas d’un lycée composé de 250 élèves.
On réparti les élèves selon la 2ème langue :
Allemand Italien Espagnol Total
Garçon 50 11 39 100
Fille 30 39 81 150
Total 80 50 120 250
22
Exemple
23
Application 1
24
Application 2
Dans une urne qui contient deux boules rouges et
trois noires, quatre personnes tirent successivement
une boule sans la remettre ; la première qui tire une
rouge gagne. Calculons la probabilité de gain de
chaque personne A, B, C et D
25
Correction
26
1) Formule de Bayes
27
2) Exemple d’utilisation de la formule de Bayes
28
Correction
Soit l’évènement B « on obtient face » et A l’évènement « la
boule tirée est rouge » ;
Il faut déterminer PA(B). Or et ;
PB(A) = 6/10 (quand B est réalisé on tire une boule dans U2 et
il y a 6 boules parmi 10 dans U2) et
29
VI-Indépendance en probabilité
Variable aléatoire
31
Variable aléatoire
quantitative
Discrète Continue
N’importe quelles
Valeurs distinctes ou
valeurs dans un
séparées
intervalle
32
I-Notion d’association
34
II-Variable aléatoire discrète
36
1) Caractéristique de position
v.a. discrète
Espérance mathématique :
37
2) Caractéristique de dispersion
v.a. discrète
Variance : est l’espérance mathématique du carré de
la v.a. centrée X-E(X)
Écart type :
38
Exemple
39
Application 1
On étudie les connexions d’internautes à un site web. Celui-ci propose six versions de
son contenu, réparties en trois versions anglaises (notées en) et trois versions
françaises (notées fr). Pour chaque langue, les trois versions sont les suivantes : une
version normale (n), une version pour les petits écrans comme ceux des téléphones
(p) et une version pour les écrans de taille moyenne comme ceux des tablettes (m).
En étudiant l’historique des connexions, on constate que les versions ne sont pas
utilisées de façon uniforme. Plus précisément, si on choisit un internaute connecté au
hasard, la probabilité de tomber sur chacune des versions est donnée par la table
suivante :
Dans la table, chaque version est désignée par sa langue et son type. L’ensemble des
six versions forme l’univers . Les lettres a et b désignent des paramètres à
déterminer.
1) Quelles propriétés doivent vérifier a et b pour que P soit bien une probabilité
sur Ω ?
2) On constate que le site a deux fois plus d’utilisateurs anglophones que
d’utilisateurs francophones. En déduite a et b.
3) Quel pourcentage d’utilisateurs du site consultent la version pour petit écran ?
40
Application 2
42
F(x)
30
25
20
15
10
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
(xi)
43
F(x)
44
Application
On modifie le jeu de la façon suivante : les gains restent les mêmes pour
les résultats 1, 2 ou 3, mais si le joueur obtient autre chose, il relance le
dé. S’il obtient 3 ou moins, il gagne 3 dh, sinon il perd 5 dh.
4) Décrivez formellement l’univers du nouveau jeu.
5) Donnez la loi de Y (qui désigne de nouveau le gain du joueur) et calculez
son espérance.
6) Quelle variante du jeu est la plus avantageuse pour le joueur ?
45
III- Variables aléatoires continues
47
Exemple 1
48
Correction
On cherche α tel que :
49
Exemple 2
Soit une variable aléatoire continue X définie par la fonction de densité de
probabilité :
50
Correction
51
2) Propriétés de la fonction de répartition
52
Application 1
53
3) Caractéristiques d’une variable
aléatoire continue
La variance de X par :
54
Application 2
Soit X une variable aléatoire de densité f(x)=x pour
x [0 ,1] , f(x)= 2-x pour x [1 ,2] et nulle en
dehors de ces intervalles.
55
Chapitre 3
Lois de probabilité
56
I-Lois usuelles discrètes
1) Loi de Bernoulli
2) Loi binômiale
3) Loi de Poisson
57
1) Loi de Bernoulli
59
b) Les caractéristiques d’une
variable Bernoulli
60
61
2) Loi binômiale
62
a) Fonction de distribution de la loi binômiale
63
b) Les paramètres de la loi binômiale
64
65
66
67
c) Caractéristiques d’une variable binômiale
68
Exemple
1)Déterminer la loi de X
69
3) Loi de Poisson
70
71
a) Fonction de distribution de la Loi de Poisson
72
73
b) Caractéristiques d’une variable de Poisson
74
II - Lois usuelles continues
1) Loi normale
75
1) Loi normale
76
a) La loi normale réduite
77
b) Forme graphique de la fonction de
répartition
78
c) Détermination pratique des probabilités
79
d) Table de la fonction de densité de
probabilité
80
81
e) Table de la fonction de répartition
82
83
84
85
2) Lois dérivées de la loi normale
b) La loi t de Student
86
a) La loi de Khi deux de Pearson
87
88
b) La loi t de Student
89
Caractéristiques de la loi t de Student
90
c) La loi F de Fisher Snédécor
91
92
93
94
95
96
97
98
99
Application
100
Solution
101
Solution
102