Lessons and exercises follow the school system and stay in its language.Les leçons et les exercices suivent le système scolaire et restent dans sa langue.Lektionen und Übungen folgen dem Schulsystem und bleiben in seiner Sprache.

Variables aléatoires

Imprimer seulement Première, spécialité

Les leçons de ce thème vues en Première, spécialité, prêtes pour le papier.

Pour obtenir un PDF, choisis « Enregistrer au format PDF » dans la fenêtre d'impression.

1. Variable aléatoire et loi de probabilité

Échauffement

Trois questions rapides sur des leçons déjà vues.

  1. On lance deux dés équilibrés. Calcule la probabilité que la somme vaille 2.
  2. On lance 2 fois un dé équilibré. Calcule la probabilité d'obtenir au moins un six.
  3. La probabilité qu'un vol soit en retard est 0,780{,}78. Calcule la probabilité qu'il ne soit pas en retard.

Découvrir

On lance une pièce deux fois ; XX est le nombre de piles. Quelles valeurs prend XX ?

  1. 00, 11, 22
  2. 11, 22

L'idée clé

Une variable aléatoire associe un nombre à chaque issue.

La loi de XX donne P(X=xi)P(X = x_i) pour chaque valeur. La somme de ces probabilités vaut 1.

Exemple corrigé

Loi de XX pour deux lancers d'une pièce.

P(X=0)=14P(X = 0) = \dfrac{1}{4}
FF.
P(X=1)=12P(X = 1) = \dfrac{1}{2}
PF ou FP.
P(X=2)=14P(X = 2) = \dfrac{1}{4}
PP.

À toi, guidé

À toi : pour la loi ci-dessus, que vaut P(X≥1)P(X \geq 1) ?

34\dfrac{3}{4}
1/2 + 1/4.

Entraînement ★

  1. XX prend trois valeurs ; deux d'entre elles ont pour probabilités 110\dfrac{ 1 }{10} et 310\dfrac{ 3 }{10}. Quelle est la probabilité de la troisième ?
  2. XX prend trois valeurs ; deux d'entre elles ont pour probabilités 410\dfrac{ 4 }{10} et 410\dfrac{ 4 }{10}. Quelle est la probabilité de la troisième ?
  3. XX prend trois valeurs ; deux d'entre elles ont pour probabilités 310\dfrac{ 3 }{10} et 310\dfrac{ 3 }{10}. Quelle est la probabilité de la troisième ?

Attention !

Entraînement ★★

  1. P(X=0)=210P(X = 0) = \dfrac{ 2 }{10}, P(X=1)=210P(X = 1) = \dfrac{ 2 }{10}, et XX prend aussi la valeur 2. Calcule P(X≥1)P(X \geq 1).
  2. P(X=0)=310P(X = 0) = \dfrac{ 3 }{10}, P(X=1)=310P(X = 1) = \dfrac{ 3 }{10}, et XX prend aussi la valeur 2. Calcule P(X≥1)P(X \geq 1).
  1. P(X=1)=210P(X = 1) = \dfrac{ 2 }{10}, P(X=2)=310P(X = 2) = \dfrac{ 3 }{10}, et XX ne prend pas d'autre valeur que 0, 1 et 2. Calcule P(X≥1)P(X \geq 1).
  1. Quelle est la somme des probabilités d'une loi de probabilité ?
    1. 1
    2. 0
    3. Le nombre de valeurs

Bilan

Trois questions pour vérifier que c'est acquis.

  1. XX prend trois valeurs ; deux d'entre elles ont pour probabilités 110\dfrac{ 1 }{10} et 310\dfrac{ 3 }{10}. Quelle est la probabilité de la troisième ?
  2. XX prend trois valeurs ; deux d'entre elles ont pour probabilités 410\dfrac{ 4 }{10} et 410\dfrac{ 4 }{10}. Quelle est la probabilité de la troisième ?
  3. XX prend trois valeurs ; deux d'entre elles ont pour probabilités 310\dfrac{ 3 }{10} et 310\dfrac{ 3 }{10}. Quelle est la probabilité de la troisième ?

Fiche résumé

Loi de probabilité

  • Valeurs et probabilités.
  • Somme = 1.

Attention : vérifie toujours la somme.

Il reste une étape facultative : un défi. Tente-le, ou termine la leçon maintenant.

Défi ★★★

  1. On lance trois pièces équilibrées. XX est le nombre de piles. Calcule P(X=2)P(X = 2).

2. Espérance, variance et écart type

Échauffement

Trois questions rapides sur des leçons déjà vues.

  1. XX prend trois valeurs ; deux d'entre elles ont pour probabilités 110\dfrac{ 1 }{10} et 310\dfrac{ 3 }{10}. Quelle est la probabilité de la troisième ?
  2. P(X=0)=210P(X = 0) = \dfrac{ 2 }{10}, P(X=1)=210P(X = 1) = \dfrac{ 2 }{10}, et XX prend aussi la valeur 2. Calcule P(X≥1)P(X \geq 1).
  3. P(X=1)=210P(X = 1) = \dfrac{ 2 }{10}, P(X=2)=310P(X = 2) = \dfrac{ 3 }{10}, et XX ne prend pas d'autre valeur que 0, 1 et 2. Calcule P(X≥1)P(X \geq 1).

Découvrir

Un jeu rapporte 10 € avec la probabilité 0,10{,}1 et 0 € sinon. Quel gain moyen ?

  1. 11 €
  2. 55 €

L'idée clé

L'espérance est une moyenne pondérée.

E(X)=∑xiP(X=xi)E(X) = \displaystyle\sum x_iP(X = x_i).

V(X)=∑(xi−E(X))2P(X=xi)V(X) = \displaystyle\sum (x_i - E(X))^2P(X = x_i) et σ(X)=V(X)\sigma(X) = \sqrt{V(X)}.

Exemple corrigé

XX vaut 0 ou 2, avec P=12P = \dfrac{1}{2} chacun.

E(X)=1E(X) = 1
Espérance.
V(X)=1×12+1×12=1V(X) = 1 \times \dfrac{1}{2} + 1 \times \dfrac{1}{2} = 1
Variance.
σ(X)=1\sigma(X) = 1
Écart type.

À toi, guidé

À toi : XX vaut 1 avec la probabilité 0,20{,}2, sinon 0. Calcule E(X)E(X).

0,20{,}2
1 × 0,2.

Entraînement ★

  1. XX vaut 5 avec la probabilité 15\dfrac{1}{ 5 }, et 0 sinon. Calcule E(X)E(X).
  2. XX vaut 13 avec la probabilité 18\dfrac{1}{ 8 }, et 0 sinon. Calcule E(X)E(X).
  3. XX vaut 3 avec la probabilité 17\dfrac{1}{ 7 }, et 0 sinon. Calcule E(X)E(X).

Attention !

Entraînement ★★

  1. XX vaut −2-2 ou 22, chacun avec la probabilité 12\dfrac{1}{2}. Calcule V(X)V(X).
  2. XX vaut −39-39 ou 3939, chacun avec la probabilité 12\dfrac{1}{2}. Calcule V(X)V(X).
  1. E(X)=2E(X) = 2. Calcule E(3X+1)E(3X + 1).
  1. V(X)=2V(X) = 2. Calcule V(2X+5)V(2X + 5).

Bilan

Trois questions pour vérifier que c'est acquis.

  1. XX vaut 5 avec la probabilité 15\dfrac{1}{ 5 }, et 0 sinon. Calcule E(X)E(X).
  2. XX vaut 13 avec la probabilité 18\dfrac{1}{ 8 }, et 0 sinon. Calcule E(X)E(X).
  3. XX vaut 3 avec la probabilité 17\dfrac{1}{ 7 }, et 0 sinon. Calcule E(X)E(X).

Fiche résumé

Espérance et variance

  • E(X)=∑xipiE(X) = \sum x_ip_i.
  • σ(X)=V(X)\sigma(X) = \sqrt{V(X)}.

Attention : pondère par les probabilités.

Il reste une étape facultative : un défi. Tente-le, ou termine la leçon maintenant.

Défi ★★★

  1. Un jeu fait gagner 5 € avec la probabilité 16\dfrac{1}{ 6 } ; sinon, on perd sa mise cc €. Pour quelle mise cc le jeu est-il équitable (espérance nulle) ?

3. Attendre un premier succès

Découvrir

On lance un dé équilibré jusqu'à obtenir un six. En moyenne, combien de lancers faut-il ?

  1. 6 lancers
  2. 3,5 lancers

L'idée clé

Attendre un premier succès.

Si chaque essai réussit avec la probabilité pp, indépendamment, le nombre moyen d'essais jusqu'au premier succès est

E=1pE = \dfrac{1}{p}.

Exemple corrigé

Une roue tombe sur rouge avec la probabilité 14\tfrac{1}{4}. Combien de lancers attend-on jusqu'au premier rouge ?

E=11/4E = \dfrac{1}{1/4}
p=14p = \tfrac{1}{4}.
E=4E = 4 lancers
11/4=4\dfrac{1}{1/4} = 4.

À toi, guidé

À toi : chaque essai réussit avec la probabilité 110\tfrac{1}{10}. Combien d'essais attend-on ?

1010
11/10\dfrac{1}{1/10}.

Entraînement ★

  1. Chaque essai réussit avec la probabilité 111\tfrac{1}{ 11 }, indépendamment. Combien d'essais attend-on jusqu'au premier succès ?
  2. Chaque essai réussit avec la probabilité 115\tfrac{1}{ 15 }, indépendamment. Combien d'essais attend-on jusqu'au premier succès ?
  3. Chaque essai réussit avec la probabilité 12\tfrac{1}{ 2 }, indépendamment. Combien d'essais attend-on jusqu'au premier succès ?

Entraînement ★★

  1. Une pièce de machine tombe en panne un jour donné avec la probabilité 160\tfrac{1}{ 60 }. En moyenne, combien de jours jusqu'à la première panne ?
  2. Une pièce de machine tombe en panne un jour donné avec la probabilité 150\tfrac{1}{ 50 }. En moyenne, combien de jours jusqu'à la première panne ?

Bilan

Deux questions pour vérifier.

  1. Chaque essai réussit avec la probabilité 111\tfrac{1}{ 11 }, indépendamment. Combien d'essais attend-on jusqu'au premier succès ?
  2. Chaque essai réussit avec la probabilité 115\tfrac{1}{ 15 }, indépendamment. Combien d'essais attend-on jusqu'au premier succès ?

Fiche résumé

Temps d'attente

  • Temps d'attente moyen =1p= \dfrac{1}{p}.
  • Événements rares : attente longue en moyenne.

Les ingénieurs s'en servent pour le temps moyen entre deux pannes d'une machine.

4. Histoire : Bernoulli, de Moivre et la loi des grands nombres

Découvrir

Lance une pièce équilibrée 10 fois : tu peux très bien obtenir 7 piles. Lance-la 10 000 fois : la proportion de piles est presque toujours très proche de 12\tfrac{1}{2}. Qui a démontré le premier que cela doit arriver ?

  1. Jacques Bernoulli, avec sa loi des grands nombres
  2. Personne : c'est seulement une observation

L'idée clé

D'un lancer à beaucoup.

17001710172017301740175017601713Bernoulli1713Bernoulli
  1. Étape 117001710172017301740175017601713Bernoulli1713BernoulliJacques Bernoulli 1655–1705Niklaus Bernoulli (1662-1716), 1687. Domaine public1713 : l'Ars Conjectandi de Jacques Bernoulli est imprimé, huit ans après sa mort. Il démontre la loi des grands nombres.
  2. Étape 217001710172017301740175017601713Bernoulli1718de Moivre1713Bernoulli1718de MoivreAbraham de Moivre 1667–1754Joseph Highmore, 1736. Domaine public1718 : le livre de de Moivre, The Doctrine of Chances.
  3. Étape 317001710172017301740175017601713Bernoulli1718de Moivre1733de Moivre1713Bernoulli1718de Moivre1733de MoivreAbraham de Moivre 1667–1754Joseph Highmore, 1736. Domaine public13 novembre 1733 : de Moivre approche la loi binomiale par la courbe en cloche.

L'Ars Conjectandi de Jacques Bernoulli (imprimé en 1713, huit ans après sa mort) contient la loi des grands nombres. Le 13 novembre 1733, Abraham de Moivre montre que pour beaucoup d'épreuves, la loi binomiale ressemble à la courbe en cloche, notre loi normale.

Exemple corrigé

Avec nn lancers d'une pièce équilibrée, le nombre de piles XX a pour espérance n2\tfrac{n}{2} et pour écart type n2\tfrac{\sqrt{n}}{2}.

espérance 50, écart type 5
Pour n=100n = 100 :
0,0050{,}005 : très proche de 12\tfrac{1}{2}
Pour n=10 000n = 10\,000 : la proportion de piles a pour écart type 5010 000\tfrac{50}{10\,000}.

Entraînement ★

  1. Que dit la loi des grands nombres de Jacques Bernoulli (imprimée en 1713) ?
    1. Sur beaucoup d'épreuves, la fréquence se rapproche de la probabilité
    2. Après beaucoup de faces, pile devient plus probable
    3. Les grands nombres sont plus probables que les petits
  1. On lance 144 fois une pièce équilibrée. Avec σ=n2\sigma = \tfrac{\sqrt{n}}{2}, quel est l'écart type du nombre de piles ?
  2. On lance 196 fois une pièce équilibrée. Avec σ=n2\sigma = \tfrac{\sqrt{n}}{2}, quel est l'écart type du nombre de piles ?
  1. L'Ars Conjectandi est imprimé en 1713, huit ans après la mort de Jacques Bernoulli. En quelle année est-il mort ? Ajoute 4 à cette année.

Fiche résumé

Les variables aléatoires aujourd'hui

  • Sondages : un échantillon de 1 000 personnes donne une proportion proche de la vraie.
  • Assurances et casinos reposent sur la loi des grands nombres.
  • Le contrôle qualité compte les pièces défectueuses avec la loi binomiale.

Sources : biographies de Jacques Bernoulli et d'Abraham de Moivre sur MacTutor (voir « Sources et crédits »).