Chapitre 9 : Succession

d’Épreuves indépendantes.

I – Introduction : une situation de dépendance…

Soit deux événements A et B non impossibles. On a défini, en classe
de première, la probabilité de B sachant A par :

p ( A ∩ B)
pA ( B) =
p ( A)
et ainsi établi que, pour deux événements quelconques ( A ≠ ∅ ) :

p ( A ∩ B ) = p ( A) × p A ( B ) .

Par ailleurs, si { A ; A ;…; A } forme une partition de l’univers

1 2 n
Ω
(c’est à dire que les événements Ai sont deux à deux incompatibles
et ont pour réunion Ω ), alors pour tout événement B , on a :
p ( B ) = p ( A1 ∩ B ) + p ( A2 ∩ B ) +…+ p ( An ∩ B )
(formule des probabilités totales)
( )
et donc, si p Ai ≠ 0 :

p ( B ) = p ( A ) × p ( B ) + p ( A ) × p ( B ) +…+ p ( A ) × p ( B ) .
1 A1 2 A2 n An

Exemple 1 :

On dispose d’un test pour dépister une maladie qui atteint 5% de la

population.

Ce test reconnaît dans 95% des cas un individu malade et reconnaît

un sujet sain dans 96% des cas.

On choisit une personne au hasard dans la population.

On appelle M : « la personne est atteinte de la maladie »
On appelle T : « le test est positif ».
Quelle est la probabilité d’être malade sachant que le test s’est
révélé positif ?
Quelle est la probabilité d’être sain (pour cette maladie), sachant
que le test s’est révélé négatif ?

Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 1.
II – Succession d’épreuves indépendantes :

Définition 1 :
Dire que deux épreuves aléatoires sont
indépendantes, c’est dire que l’issue de l’une ne
dépend pas de celle de l’autre.

Exemples…
• Lancer d’un dé puis d’une pièce.
• « Un pangolin se balade tranquillement en Chine » et « Il n’y a plus
de PQ à l’Intermarché de la Bocca »… en fait, là c’est un contre-
exemple ‼!

Propriété 1 (admise) :
Lorsqu’une expérience aléatoire est la répétition de n
épreuves identiques et indépendantes, une issue est
une liste ordonnée de résultats et la probabilité de
cette liste est le produit des probabilités de chacun
des résultats.

Exemple 2 : Une urne contient 5 boules indiscernables au toucher :

deux bleues, deux rouges et une noire. On tire successivement deux
boules de l’urne avec remise et on note les couleurs obtenues.

On peut faire un arbre pondéré :

Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 2.
 On note A « On obtient deux boules de la même couleur ».
p ( A ) = p ( BB ) + p ( RR ) + p ( NN )
4 4 1 9
= + + =
25 25 25 25

On appelle Y la variable aléatoire donnant le nombre de boules

rouges obtenues.
Déterminer la loi de probabilité de Y et son espérance mathématique.
On a : Y = {0,1,2} et p (Y = 0 ) = × + × + × + × soit
2 2 2 1 1 2 1 1
5 5 5 5 5 5 5 5
9
p (Y = 0 ) = .
25
2 2 2 3 1 2 12
et p (Y = 1) = × + × + × soit p (Y = 1) = .
5 5 5 5 5 5 25
2 2 4
Enfin, p (Y = 2 ) = × =
5 5 25
9 12
On a aussi E (Y ) = 0 × + 1× + 2 ×
25 25
4
25
( )
; soit E Y = 0,8 .

Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 3.
 On effectue maintenant 5 tirages successifs dans les mêmes
conditions.
On note E : « On obtient au moins une boule noire sur les 5 tirages ».

Déterminer p E . ( )
On va passer ici par l’événement contraire :
p ( E ) est la probabilité qu’il n’y ait aucune boule rouge sur les 5
5
⎛ 3⎞
tirages. p ( E ) = ⎜ ⎟ .
⎝ 5⎠
5
⎛ 3⎞
On a alors : p ( E ) = 1− ⎜ ⎟ c.-à-d. p ( E ) ! 0,922 .
⎝ 5⎠

Exemple 3 :
1
M. G. trouve sa classe attentive avec une probabilité de à chaque
6
séance. Combien de séances minimum doit-il attendre pour être
sûr, à plus de 99%, de trouver au moins une fois sa classe
attentive ?
Soit n le nombre de séances cherché et soit X le nombre de fois où
M.G. trouve sa classe attentive.

On veut : p ( X ≥ 1) > 0,99 .

n
⎛ 5⎞
Soit : 1− p ( X = 0 ) > 0,99 ou encore : p ( X = 0 ) < 0,01 , c.-à-d. ⎜ ⎟ < 0,01 .
⎝ 6⎠
Grâce à la calculatrice, on trouve :
25 26
⎛ 5⎞ ⎛ 5⎞
• ⎜ ⎟ > 0,01 et • ⎜ ⎟ < 0,01
⎝ 6⎠ ⎝ 6⎠

Il faudra donc au moins 26 séances, pour être sûr, à plus de 99% , de

trouver sur ces séances au moins une fois la classe attentive !

Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 4.
III – Loi binomiale :
1. Épreuve de Bernoulli :

Définition 2 :
On appelle Épreuve de Bernoulli une expérience
aléatoire qui admet exactement deux issues
S (succès) et S (échec).

N.B. : Si p = p ( S ) alors p S = 1− p . ( )
Exemples…

2. Loi de Bernoulli :

Définition 3 :
On appelle Loi de Bernoulli, une loi de probabilité
définie sur Ω = {S ; S } , ensemble des issues d’une

épreuve de Bernoulli.

p ∈[ 0 ; 1]
Issue S S

Probabilité p 1− p

3. Schéma de Bernoulli :

Définition 4 :
On appelle Schéma de Bernoulli, la répétition d’un
certain nombre d’épreuves de Bernoulli, identiques et
indépendantes.
L’univers de cette expérience est donc le produit

{ }
n
cartésien : Ω = S ;S .

Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 5.
 Exemple 4 : On jette un dé équilibré et on s’intéresse à l’obtention
d’un 6 . On a une épreuve de Bernoulli avec S : « avoir un 6 » et

S : « ne pas avoir un 6 ».
On répète quatre fois l’expérience et on s’intéresse à la suite des

issues, comme par exemple : SS S S .

Ce schéma de Bernoulli peut se représenter à l’aide d’un arbre :

2 2
⎛ 1⎞ ⎛ 5⎞ 25
p(S S S S ) = ⎜ ⎟ × ⎜ ⎟ = ! 0,019 .
⎝ 6⎠ ⎝ 6⎠ 1296

Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 6.
 4. Loi binomiale :

Définition 5 :
Soit X la variable aléatoire comptant le nombre de
succès obtenus dans un schéma de Bernoulli à n
épreuves, p désignant la probabilité d’obtenir le succès
dans chaque épreuve.
Cette loi est appelée loi binomiale de paramètres n et p .

On la note ℬ n; p . ( )
Exemple : Dans le schéma de Bernoulli précédent, si X compte le
⎛ 1⎞
nombre de succès, la variable X suit une loi binomiale ℬ ⎜ 4; ⎟ .
⎝ 6⎠
On a alors :
p( X = 4) = …

p( X = 2) = …

Pour trouver le nombre de chemins réalisant k succès ( k entier

naturel entre 0 et n ) sur les n épreuves, on utilise les
combinaisons de k éléments parmi n . Ainsi :

Propriété 2 :
Soit X une variable aléatoire qui suit la loi binomiale
de paramètres n et p .
Pour tout entier 0 ≤ k ≤ n , on a :
⎛ n⎞
p ( X = k ) = ⎜ ⎟ × p k × (1− p ) .
n−k

⎝ k⎠

Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 7.
 Exemple :
• En reprenant la situation de l’exemple 4, donner la loi de
probabilité de la variable aléatoire donnant le nombre de « 6 »
obtenu sur les quatre lancers.

1
X suit la loi binomiale de paramètres 4 et .
6
0 4
⎛ 4⎞ ⎛ 1 ⎞ ⎛ 5 ⎞ 625
p ( X = 0) = ⎜ ⎟ × ⎜ ⎟ × ⎜ ⎟ = .
⎝ 0⎠ ⎝ 6 ⎠ ⎝ 6 ⎠ 1296

1 3
⎛ 4⎞ ⎛ 1 ⎞ ⎛ 5 ⎞ 125
p ( X = 1) = ⎜ ⎟ × ⎜ ⎟ × ⎜ ⎟ = .
⎝1 ⎠ ⎝ 6 ⎠ ⎝ 6 ⎠ 324

2 2
⎛ 4⎞ ⎛ 1 ⎞ ⎛ 5 ⎞ 25
p ( X = 2) = ⎜ ⎟ × ⎜ ⎟ × ⎜ ⎟ = .
⎝ 2⎠ ⎝ 6 ⎠ ⎝ 6 ⎠ 216

3 1
⎛ 4⎞ ⎛ 1 ⎞ ⎛ 5 ⎞ 5
p ( X = 3) = ⎜ ⎟ × ⎜ ⎟ × ⎜ ⎟ = .
⎝ 3 ⎠ ⎝ 6 ⎠ ⎝ 6 ⎠ 324

4 0
⎛ 4⎞ ⎛ 1 ⎞ ⎛ 5 ⎞ 1
p ( X = 4) = ⎜ ⎟ × ⎜ ⎟ × ⎜ ⎟ =
⎝ 4⎠ ⎝ 6 ⎠ ⎝ 6 ⎠ 1296

Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 8.
 5. Espérance et variance d’une loi binomiale :

Propriétés 3 :
Soit X une variable aléatoire qui suit la loi binomiale
ℬ(n ; p).
• L’espérance de X est : E X = n × p ( )
• La variance de X est V ( x ) = n × p × (1− p )

( )
• L’écart type de X est σ X = n × p × 1− p . ( )
Exemple 5 :
La probabilité que G.C. bavarde à un cours donné est de 0, 8 . On
considère X la variable aléatoire comptant le nombre de cours où
G.C. bavarde sur une succession de 10 cours.
a) Déterminer la loi de probabilité de X .
b) Calculer la probabilité qu’il soit « muet » au moins deux fois.
c) Déterminer l’espérance mathématiques de X et interpréter.

Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre IX – Succession d’épreuves indépendantes – Page 9.