Seconde - Probabilité sur un ensemble fini - Parfenoff . org
Seconde - Probabilité sur un ensemble fini - Parfenoff . org
Seconde - Probabilité sur un ensemble fini - Parfenoff . org
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Probabilité <strong>sur</strong> <strong>un</strong> <strong>ensemble</strong> <strong>fini</strong>I) Loi de probabilité <strong>sur</strong> <strong>un</strong> <strong>ensemble</strong> <strong>fini</strong>1) Dé<strong>fini</strong>tionsUne expérience est dite aléatoire lorsqu’elle possède plusieurs résultats etque l’on peut ni prévoir à l’avance, ni calculer lequel de ces résultats vaêtre réalisé.Exemplesa) Lancer <strong>un</strong> dé cubique dont les faces sont numérotées de 1 à 6 est <strong>un</strong>e expériencealéatoire.b) Lancer <strong>un</strong>e pièce de monnaie est <strong>un</strong>e expérience aléatoire.c) Choisir <strong>un</strong> jeton dans <strong>un</strong> sac contenant 5 jetons rouges et 3 blancs et noter sa couleurest <strong>un</strong>e expérience aléatoire.Chaque résultat d’<strong>un</strong>e expérience aléatoire est appelé issue ( ou encoreéventualité ) de cette expérience.L’<strong>ensemble</strong> formé par les issues d’<strong>un</strong>e expérience aléatoire est appelé<strong>un</strong>ivers de cette expérience.Exemples :Pour les expériences précédentes on a :a) 6 issues pour <strong>un</strong> lancer de dé ( 1, 2, 3, 4, 5, 6 ) donc l’<strong>un</strong>ivers E = { 1, 2, 3, 4, 5, 6 }b) 2 issues pour le lancer d’<strong>un</strong>e pièce PILE ou FACE donc l’<strong>un</strong>ivers E = { PILE , FACE }c) 2 issues pour la couleur du jeton choisi ROUGE ou BLANC donc l’<strong>un</strong>iversE = { ROUGE, BLANC }Etablir <strong>un</strong>e loi de probabilité <strong>sur</strong> <strong>un</strong> <strong>un</strong>ivers E d’<strong>un</strong>e expérience aléatoirecomportant n issues, c’est associer à chaque issue x i ( i variant de 1 à n ),<strong>un</strong> nombre positif ou nul p i de telle façon que :p 1 + p 2 + .... + p n = 1Ce nombre p i est appelé probabilité de l’issue x i .Exemples :1) Soit <strong>un</strong>e expérience aléatoire d’<strong>un</strong>ivers E = { a, b, c }On peut dé<strong>fini</strong>r <strong>un</strong>e loi de probabilité <strong>sur</strong> E en associant les nombres p 1 = 0,2 à l’issue a,p 2 = 0,1 à l’issue b et p 3 = 0,7 à l’issue c.
2) Soit <strong>un</strong>e expérience aléatoire d’<strong>un</strong>ivers E = { 1, 3, 4, 7, 9 }On peut dé<strong>fini</strong>r <strong>un</strong>e loi de probabilité telle que les probabilités des chiffres impairs soienttoutes égales et que la probabilité d’<strong>un</strong> chiffre pair soit le double de la probabilité d’<strong>un</strong>celle d’<strong>un</strong> chiffre impair.On note p n la probabilité associée au chiffre nAinsi on doit avoir p 1 = p 3 = p 7 = p 9 ; p 4 = 2p 1 et p 1 + p 3 + p 4 + p 7 + p 9 = 1Par substitution la dernière égalité devient 6 p 1 = 1 d’où p 1 = 1 6On a donc p 1 = p 3 = p 7 = p 9 = 1 6 et p 4 = 2 6 = 1 32) Dé<strong>fini</strong>tion – PropriétéSoit <strong>un</strong>e expérience aléatoire d’<strong>un</strong>ivers E contenant n issues.Dans le cas où l’on associe à chaque issue la même probabilité p on dit quela loi de probabilité dé<strong>fini</strong>e est <strong>un</strong>e loi équirépartie.On a alors p = 1 nExemple :Soit l’expérience aléatoire qui consiste à choisir <strong>un</strong>e carte dans <strong>un</strong> jeu de 32 cartes.L’<strong>un</strong>ivers de cette expérience contient donc 32 issues.Dé<strong>fini</strong>r <strong>un</strong>e loi équirépartie <strong>sur</strong> cet <strong>ensemble</strong> revient à associer à chaque issue laprobabilité p = 1 32II) Modélisation d’<strong>un</strong>e expérience aléatoire1) Dé<strong>fini</strong>tionModéliser <strong>un</strong>e expérience aléatoire dont les issues constituent l’<strong>ensemble</strong> E,c’est choisir <strong>un</strong>e loi de probabilité <strong>sur</strong> E qui représente au mieux les chancesde réalisation de chaque issue.Exemples :1) Lorsqu’on lance <strong>un</strong>e pièce bien équilibrée, on peut penser que l’on a autant de chancesqu’elle retombe <strong>sur</strong> pile que <strong>sur</strong> face, donc il apparaît comme naturel de choisir <strong>un</strong>e loiéquirépartie pour modéliser cette expérience. Ainsi p PILE = 1 2 et p FACE = 1 2
2) Lorsqu’on joue avec <strong>un</strong> dé cubique non truqué dont les faces sont numérotées de 1 à6, on peut penser que chac<strong>un</strong> des numéros à autant de chances d’apparaître <strong>sur</strong> la facesupérieure, dont il semble logique de choisir <strong>un</strong>e loi équirépartie comme modèle.Ainsi P 1 = P 2 = P 3 = P 4 = P 5 = P 6 = 1 63)Si on extrait <strong>un</strong> jeton d’<strong>un</strong> sac contenant 5 jetons blancs et 10 jetons rouges ( tousindiscernables au toucher ), on peut penser que l’on 2 fois plus de chances d’extraire <strong>un</strong>jeton rouge qu’<strong>un</strong> jeton blanc. On pourra donc choisir de modéliser l’expérience par la loide probabilité : p ROUGE = 2 3 et p BLANC = 1 32) PropriétéOn admettra que pour <strong>un</strong>e expérience donnée, dans le modèle dé<strong>fini</strong> par<strong>un</strong>e loi de probabilité, la fréquence de réalisation de chaque issue serapproche de sa probabilité lorsque le nombre de fois où on réalisel’expérience devient grand.