12 – Lois de probabilités I – Eléments de combinatoire Dans tout le paragraphe, E est un ensemble non vide contenant n éléments. On prendra en exemple E = . 1) Permutations – Arrangements - Combinaisons Permutations Une permutation de E est une liste des n éléments de E. Exemple sont deux permutations de E. Propriété Le nombre de permutations d’un ensemble à n éléments, autrement dit, le nombre de façon de ranger n objets de toutes les manières possibles (en tenant donc compte de l’ordre) est : n×(n-1)×(n-2)×…×2×1. Ce nombre est noté n ! et se lit « factorielle n ». Par convention : 0 ! = 1. A justifier Exemple Le nombre de façons de ranger les 5 lettres a, b, c, d, e de toutes les façons possibles est 5 ! = 120. Arrangements Soit p un entier, tel que 0 p n. Un arrangement, ou une liste sans répétition de p éléments de E est une liste de p éléments de E, deux à deux distincts. Exemple (a ; d ; e) est une liste sans répétition de E, (a ; c ; c) n’en est pas une. Propriété Le nombre de listes sans répétitions de p éléments parmi n, ou d’arrangements de p éléments parmi n, ou encore de façons de ranger p éléments parmi n de toutes les manières possibles est : A justifier Exemple Le nombre de façons de ranger trois lettres de l’ensemble E est 5×4×3 = 60. Cette situation correspond à des tirages successifs SANS remise de p objets, notés dans l’ordre, dans une urne en contenant n. Propriété Le nombre de listes avec répétitions de p éléments parmi n est np. A justifier Cette situation correspond à des tirages successifs AVEC remise de p objets, notés dans l’ordre, dans une urne en contenant n. Combinaisons Une combinaison de p éléments choisis parmi n est une partie contenant p éléments pris parmi les n éléments de E. L’ordre n’a pas d’importance. Exemple (a ; d ; e) et (b ; c ; d) sont deux combinaisons de 3 éléments de E. Les listes (a ; d ; e) et (d ; e ; a) correspondent à la même combinaison de 3 éléments de E. Propriété Pour tout entier n et tout entier p tel que 0 p n: Démonstration Si l’on ordonne p éléments choisis parmi n de toutes les façons possibles, le nombre de ces rangements est : A = n×(n-1)×(n-2)×…×(n-(p-1)). Or, une combinaison de ces p éléments, donc non ordonnée, correspond à B = p ! rangements différents. Le nombre de combinaisons possible est donc A÷B = n×(n-1)×(n-2)×…×(n-(p-1))÷p !. La seconde formule s’obtient en multipliant numérateur et dénominateur par (n-p) !. Exemple Une urne contient 10 boules blanches et 15 rouges. On choisit simultanément 4 boules de l’urne. a. Combien y-a-t-il de tirages possibles ? b. Combien de tirages comportent deux boules blanches et deux boules rouges ? Sol : a. Le nombre de tirages possibles est le nombre de parties (ou de combinaisons) à 4 éléments parmi 25 : A chacun des 45 choix de boules blanches, on peut associer l’un des 105 choix de boules rouges, ce qui donne un total de 45×105 = 4725 tirages comportant deux boules blanches et deux boules rouges. 2) Propriétés des combinaisons Propriétés Soient n et p des entiers tels que p n-1 : Démonstrations 1. Il n’y a qu’une seule partie a 0 élément (partie vide) dans un ensemble à n éléments, et une seule partie à n éléments dans un ensemble à n éléments (l’ensemble lui-même !). 2. et 3. Evident avec les formules. 4. A l’aide des formules, en réduisant au même dénominateur. Le faire ! Exemple Triangle de Pascal n\p 0 1 2 0 1 1 1 1 2 1 2 1 3 1 3 3 4 1 4 6 5 1 5 10 Par exemple : 3 4 5 1 4 10 1 5 1 Les formules 1., impliquent que les termes de la diagonales et de la première colonne sont des 1. On complète de proche en proche le reste du tableau à l’aide de la formule 4.. 3) Formule du binôme de Newton Propriété Pour tous réels a et b et tout entier naturel n, on a : Démonstration La propriété se démontre par récurrence et en utilisant la propriété 4. précédente. Le faire ! Exemple Donner les développements de , , , . II – Lois de probabilités 1) Loi de Bernoulli – Loi binomiale Définitions Une épreuve de Bernoulli est une expérience aléatoire présentant deux issues, l’une appelée succès, avec la probabilité p, l’autre échec, avec la probabilité q = 1-p. La variable aléatoire X qui prend la valeur 1 en cas de succès et 0 en cas d’échec est appelée variable de Bernoulli, sa loi de probabilité est appelée loi de Bernoulli. Elle vérifie donc : p(X = 1) = p et p(X = 0) = 1-p. X Probabilité 0 1-p 1 p Propriétés E(X) = p ; V(X) = p(1-p). Définitions La répétition, de façon indépendante, de n épreuves de Bernoulli est appelée expérience de Bernoulli d’ordre n. La loi de probabilité de la variable aléatoire X égale au nombre de succès au cours des n expériences s’appelle loi binomiale de paramètres n et p, notée B(n,p). Cette situation correspond à n tirages successifs AVEC remise ou encore à n choix dans une population suffisamment importante. Propriétés Pour une telle loi : (Ce qui correspond à la probabilité d’obtenir k succès au terme des n épreuves). E(X) = p ; V(X) = p(1-p). Démonstration L’évènement (X = k) est réalisé lorsqu’on obtient k succès et donc (n-k) échecs pour les n expériences. Les expériences étant indépendantes, la probabilité d’obtenir k succès est pk, celle d’obtenir (n-k) échecs est qn-k, , et ceci quel que soit l’ordre d’apparition des succès. (Imaginer un arbre…) Donc la probabilité d’obtenir k succès et (n-k) échecs dans un ordre donné est pkqn-k. Le nombre de manière d’obtenir k succès au cours de n expériences est égal au nombre de combinaisons de k éléments choisis parmi n, soit D’où la formule demandée. Les autres propriétés sont admises. . Exemples Au jeu du Loto, on choisit 6 nombres parmi les entiers de 1 à 49. a. Quelle est la probabilité de choisir les six bons numéros ? b. Une personne joue chaque semaine pendant 10 ans : quelle est la probabilité de gagner au moins une fois ? Sol : a. Le nombre de choix possibles de 6 nombres parmi 49 est = … = 13 983 816 = A. Une seule combinaison étant gagnante, la probabilité est p = 1/A, soit environ 7,15.10-8. b. L’expérience est répétée 521 fois, de façon indépendante. Si X désigne le nombre de succès au cours des 521 essais, la loi de X est la loi binomiale de paramètres n = 521 et p = 7,15.10-8. P(X 1) = 1-P(X = 0) = 1- p0(1-p)521 = 1-(1-7,15.10-8)521 3,7.10-5, soit 0,000037. 2) Loi uniforme discrète Définition On appelle loi uniforme discrète, ou encore loi équirépartie, toute loi d’une variable aléatoire X qui peut prendre n valeurs x1, x2, …,xn, de telle sorte que la probabilité soit la même pour chacune de ces n valeurs : P(X = x1) = P(X = x2) = … = P(X = xn) = 1/n. 3) Loi uniforme continue Définition Si la variable X peut prendre toutes les valeurs de l’intervalle [0 ; 1], on dit que cette variable aléatoire est une variable aléatoire continue sur cet intervalle. Si de plus, la probabilité de l’évènement (a X b) avec a et b compris entre 0 et 1 est égale à la différence b-a, alors la loi de cette variable est la loi uniforme continue sur [0 ; 1]. Propriétés : Pour tout réel a de l’intervalle [0 ; 1] : a. P(X = a) = 0 ; b. . Exemple Un autobus passe toute les heures à un arrêt donné. Une personne ne connaissant pas les horaires de passage se présente à l’arrêt : son temps d’attente est une variable aléatoire T qui suit la loi uniforme continue sur [0 ; 1]. La probabilité qu’elle attende exactement 15 minutes est égale à 0. La probabilité qu’elle attente moins de 15 minutes est P(0 T 0,25) = 0,25. 4) Loi de durée de vie sans vieillissement Définition Soit T une variable aléatoire continue mesurant la durée de vie d’un individu. On dit que T suit une loi de durée de vie sans vieillissement si la probabilité que l’individu soit en vie à l’instant t+h (h positif), sachant qu’il est en vie à l’instant t, ne dépend pas de t. Propriétés Soit T une variable aléatoire qui suit une loi de durée de vie sans vieillissement, alors il existe un réel λ 0 tel que, pour tout t de l’intervalle [0 ; +∞[ : P(T t) = 1-e-λt. Définition Soit λ un réel strictement positif. La loi exponentielle de paramètre λ est la loi suivie par la variable aléatoire continue T telle que P(T t) = 1-e-λt. Propriétés Si la variable T suit une loi exponentielle de paramètre λ, alors : La fonction g telle que g(x) = λ e-λx est la fonction densité de probabilité de la loi exponentielle de paramètre λ.