Résumé cours Mathématiques (Bac Tech – Sc) 2013/2014
PROBABILITES
Généralités :
1) Définition d’une probabilité :
Soit Ω l’univers associé à une épreuve aléatoire et A un événement. Sous l’hypothèse
𝐶𝑎𝑟𝑑 𝐴
d’équiprobabilité, la probabilité de A est définie par : 𝑃 𝐴 = 𝑐𝑎𝑟𝑑 Ω
2) Formules usuelles :
𝑃 Ω =1
0 ≤ 𝑃(𝐴) ≤ 1
𝑃 𝐴 +𝑃 𝐴 = 1 ⟺ 𝑃 𝐴 = 1−𝑃 𝐴
𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵).
3) Evénements indépendants :
Si 𝑃 𝐴 × 𝑃 𝐵 = 𝑃(𝐴 ∩ 𝐵) alors A et B sont indépendants
Si 𝑃 𝐴 × 𝑃 𝐵 ≠ 𝑃(𝐴 ∩ 𝐵) alors A et B ne sont pas indépendants
4) Remarque :
Tirage successif Tirage successif
Mode de tirage Tirage simultané
et sans remise et avec remise
L’ordre L’ordre intervient L’ordre intervient avec
Caractéristique
n’intervient pas et pas de répétition possibilité de répétition
Tirage de p éléments
𝐶𝑛𝑝 𝐴𝑝𝑛 𝑛𝑝
parmi n éléments
Probabilité conditionnelle et formule des probabilités composées :
1) Probabilités conditionnelles :
La probabilité conditionnelle de l’événement “A sachant que B est réalisé“ est définie par :
𝑃(𝐴∩𝐵)
𝑃(𝐴/𝐵) = 𝑃(𝐵)
2) Principe de probabilité composée : 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵 . 𝑃(𝐴/𝐵)
3) Principe de probabilité totale :
𝑃 𝐵 =𝑃 𝐵∩𝐴 +𝑃 𝐵∩𝐴
𝐵
= 𝑃 𝐴 .𝑝 + 𝑃 𝐴 . 𝑃(𝐵/𝐴)
𝐴
Tel : 22 208 217 26
Résumé cours Mathématiques (Bac Tech – Sc) 2013/2014
Si E1 , E2 , E3 est un système complet alors :
𝑃 𝐵 = 𝑃 B ∩ E1 + 𝑃 B ∩ E2 + 𝑃(B ∩ E3 )
= 𝑃 E1 . 𝑃 B/E1 + 𝑃 E2 . 𝑃 B/E2 + 𝑃 E3 . 𝑃(B/E3 )
Arbre pondéré :
𝑃 𝐴 = 0,4 0,6 = 𝑃(𝐴)
𝐴 𝐴
𝑃 𝐵/𝐴 = 0,3 0,7 = 𝑃(𝐵/𝐴) 𝑃 𝐵/𝐴 = 0,1 0,9 = 𝑃(𝐵 /𝐴)
𝐵 𝐵 𝐵 𝐵
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 . 𝑃(𝐵/𝐴) 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 . 𝑃(𝐵 /𝐴)
= 0,4 × 0,3 = 0,12 = 0,6 × 0,9 = 0,54
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 . 𝑃(𝐵 /𝐴) 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 . 𝑃(𝐵/𝐴)
= 0,4 × 0,7 = 0,28 = 0,6 × 0,1 = 0,06
𝑃 𝐵 = 𝑃 𝐵 ∩ 𝐴 + 𝑃(𝐵 ∩ 𝐴)
= 𝑃 𝐴 . 𝑃(𝐵/𝐴) + 𝑃 𝐴 . 𝑃(𝐵/𝐴) = 0,12 + 0,06 = 0,18
4) Formule de Bayes :
Soient A et B deux événements de probabilités non nulles :
𝑃 𝐴 . 𝑃(𝐵/𝐴) 𝑃 𝐴 . 𝑃(𝐵/𝐴)
𝑃(𝐴/𝐵) = ⟹ 𝑃(𝐴/𝐵) =
𝑃 𝐴 . 𝑃(𝐵/𝐴) + 𝑃 𝐴 . 𝑃(𝐵/𝐴) 𝑃(𝐵)
Tel : 22 208 217 27
Résumé cours Mathématiques (Bac Tech – Sc) 2013/2014
Variables aléatoires
1) Généralités :
Loi de probabilité : loi donnant pour chaque événement 𝑖 la probabilité 𝑝(𝑋 = 𝑥𝑖 ).
𝑋 Ω = 𝑥1 , 𝑥2 , … … . , 𝑥𝑛
𝑝 𝑋 = 𝑥𝑖 = ⋯
𝑝 𝑋 = 𝑥𝑛 = ⋯
Valeur de 𝑋 𝑥1 𝑥2 ……. 𝑥𝑛
𝑝 𝑋 = 𝑥𝑖 𝑃1 𝑃2 ……. 𝑃𝑛 1
n
Espérance d’une loi de probabilité : E( X ) X i . Pi
i 1
Variance : V 𝑋 = E 𝑋 2 − E(𝑋) 2
Ecart-type : 𝜎 𝑋 = V(𝑋)
Dans le cas où la variable aléatoire X indique le gain algébrique réalisé dans un jeu, on dit que le
jeu est :
- Equitable, si E(X) = 0
- Favorable ou gagnant, si E(X) > 0
- Défavorable ou perdant, si E(X) < 0
2) Loi Binomiale :
On répète l’épreuve 𝑛 fois, X la variable aléatoire égale ou nombre de fois où l’événement S est
réalisé :
Il s’agit d’une loi binomiale de paramètres 𝑛 , 𝑝 = 𝑝(𝑆))
D’où 𝑋 Ω = 0,1, … … , 𝑛
Et 𝑝 𝑋 = 𝑘 = 𝐶𝑛𝑘 . 𝑝𝑘 . (1 − 𝑝)𝑛−𝑘 𝑎𝑣𝑒𝑐 𝑘 = 0,1, … … , 𝑛
L’espérance de la loi binomiale est E 𝑋 = 𝑛. 𝑝
La variance de la loi binomiale est 𝑉 𝑋 = 𝑛. 𝑝. 𝑞 avec 𝑞 = 1 − 𝑝
Tel : 22 208 217 28
Résumé cours Mathématiques (Bac Tech – Sc) 2013/2014
Exemples de lois continues :
LOI UNIFORME LOI EXPONENTIELLE
1
𝐷𝑓 = 𝑎, 𝑏 𝑓 𝑥 = 𝑏−𝑎 𝐷𝑓 = 0, +∞ 𝑓 𝑥 = 𝜆 𝑒 −𝜆𝑥 𝜆>0
Densité de X : Densité de X :
0 𝑠𝑖 𝑥 < 𝑎
0 𝑠𝑖 𝑥 < 𝑎
1 𝑓 𝑥
𝑓 𝑥 = 𝑏−𝑎 𝑠𝑖 𝑎 ≤ 𝑥 ≤ 𝑏 𝜆 𝑒 −𝜆𝑥 𝑠𝑖 𝑥 ≥ 0
0 𝑠𝑖 𝑥 > 𝑏
𝑑 1
𝑝 𝑐, 𝑑 = 𝑝 𝑐 ≤ 𝑋 ≤ 𝑑 = ∫𝑐 𝑑𝑥 𝑝 𝑐, 𝑑 =𝑝 𝑐≤𝑋≤𝑑
𝑏−𝑎 𝑑 𝑑
=
𝑑−𝑐 = ∫𝑐 𝜆 𝑒 −𝜆𝑥 𝑑𝑥 = −𝑒 −𝜆𝑥 𝑐
𝑏−𝑎
𝑏 1 = 𝑒 −𝜆𝑐 − 𝑒 −𝜆𝑑
𝑝 𝑋≥𝑐 =𝑝 𝑐≤𝑋≤𝑏 = ∫𝑐 𝑏−𝑎 𝑑𝑥
𝑝 𝑋 ≥ 𝑐 = 𝑝 𝑐, +∞ = 1 − 𝑝 𝑋 ≤ 𝑐
𝑏−𝑐 = 1 − 𝑝 0 ≤ 𝑋 ≤ 𝑐 = ……
=
𝑏−𝑎 = 𝑒 −𝜆𝑐
∗ 𝑝 𝑎, 𝑏 = 𝑝 𝑎, 𝑏 = 𝑝 𝑎, 𝑏 = 𝑝 𝑎, 𝑏
Pour tout 𝑐, 𝑑 ⊂ 𝐷𝑓 on a : 𝑐
∗ 𝑝 𝑐 = ∫𝑐 𝑓 𝑥 𝑑𝑥 = 0
Fonction de répartition Fonction de répartition
𝐹: 𝐼𝑅 → 0,1 𝐹: 𝐼𝑅 → 0,1
0 𝑠𝑖 𝑥 < 𝑎 0 𝑠𝑖 𝑥 < 0
𝑥−𝑎
𝐹 𝑥 = 𝑏−𝑎 𝑠𝑖 𝑎 ≤ 𝑥 ≤ 𝑏 𝐹 𝑥
1 − 𝜆 𝑒 𝜆𝑥 𝑠𝑖 𝑥 ≥ 0
0 𝑠𝑖 𝑥 > 𝑏
𝐹 𝑥
𝐹 𝑥
1
1
𝑥
𝑥
𝑎 𝑏
𝑎+𝑏 1
E 𝑋 = 𝐸 𝑋 =𝜆
2
(𝑏−𝑎)2 1
𝑉 𝑋 = 𝑉 𝑋 = 𝜆2
12
Tel : 22 208 217 29
