Théorie Probabilités Plan : 1. 2. 3. 4. 5. Analyse combinatoire Probabilité élémentaire Probabilité conditionnelle Variable aléatoire Variable aléatoire de Bernoulli (binomiale) ANALYSE COMBINATOIRE A. Arrangements simples « Un arrangement simple de p objets différents dans un ensemble de n objets différents est une liste ordonnée de p objets pris dans les n objets donnés. » Le nombre d’arrangements possibles est noté A np nn 1n 2...n p 1. .......1 n p! n! n p! Exemple : p = 9 (les 9 chiffres significatifs) n=3 Combien d’arrangements simples de 3 objets différents peut-on réaliser avec 9 chiffres ? Intuitivement : 9.8.7 9! 7.8.9 504 Formule : A 93 9 3! B. Arrangements avec répétitions C’est la même chose qu’un arrangement simple mais avec possibilité de répétition. On a donc n possibilité pour le 1er chiffre, n pour le second, n pour le troisième... et ça jusque p. Le nombre d’arrangements possibles est noté Bnp np C. Permutations La permutation est une liste ordonnée de n éléments pris n à n. Pn n! D. Combinaison simple « La combinaison de n éléments différents pris p à p est une liste qui est un sous-ensemble de l’ensemble de n éléments. Deux listes diffèrent uniquement par la nature des éléments. » Ce nombre de combinaisons est noté : C np 1 A np n! Pp p! n p! Remarque : cela signifie que 123, 321, 312 sont une seule et même liste ! C’est d’ailleurs pour ça que l’on divise par Pp. E. Propriétés n! 1 n 0! n! C1n n n 1! n! C nn 1 n n! n! C n0 ! Attention, ne pas oublier que 0 ! = 1 p n Cnp 0 Cnp Cnnp Démo : n! C nnp n! n n p! n p! n p! p! C np11 C np C np1 Démo : C np11 n 1! p 1! n p! C np C np1 n! p 1 n! n p n! n 1 n! n! p 1! n p! p 1! n p! p! n p! p 1! n p 1! F. Binôme de Newton (important !) et triangle de Pascal x y 0 1 x y 1 1x 1y x y 2 1x 2 2xy 1y 2 x y 3 1x 3 3x 2 y 3xy 2 1y 3 1 1 1 1 1 2 3 0 = C0 1 3 C 22 1 n° de la ligne Utilisation 1. x y n Cn0 x n0 y 0 C1n x n1y1 Cn2 x n2 y 2 ... Cnn x nn y n n C k n k k y nx k 0 2. 3. Puissances de 11 : chaque ligne du triangle de Pascal correspond à une puissance de 11 : 1, 11, 121, 1331, ... Puissances de 2 : l’addition des nombres de chaque ligne donne une puissance de 2 : 1, 2, 4, 8, 16, ... Remarque : quand on a n C k n x y n , la formule change légèrement, on ajoute un (-1)k : 1k x nk y k k 0 2 Exemple : 6 1 Soit 2x 2 2x Donner, si il existe, le terme en x3 1. Tout 6 d’abord, mettre 1k 2x 2 binôme sous forme de somme : 1 2x k 0 2. Ensuite, développer les facteurs en x (ici, il y en a deux mais parfois seulement un, comme c’est le cas avec x + y) : 2 62 k x12 x 2k 2 k x k 3. On peut enlever le 2-6 qui n’influence pas le k. On veut un x3, donc : x12 x 2k x k x 3 x123k x 3 12-3k = 3 k=3 4. Maintenant on peut remplacer k par 3 dans la formule de départ et trouver le 3 1 terme en x3 : C 63 13 2x 2 20 x 3 2x3 C k 6 6k ce k PROBABILITES ELEMENTAIRES A. Définitions Lancé d’un dé (pipé ou non) Expérience aléatoire : lancer d’un dé Ensemble de tous les événements possibles 1,2,3,4,5,6 Evénement élémentaire : obtenir le point 2 (un élément de ) 2 A a1 3 B a2 Evénement : sous ensemble de (exemple : obtenir un nombre pair) A 2,4,6 Evénement certain : et événement impossible : Algèbre de Boole : 1. A B réalisation de l’événement A OU de l’événement B 2. A B réalisation de l’événement A ET de l’événement B A A C C événement contraire / complémentaire de A Si A B 0, A et B sont deux événements contradictoires (pas spécialement complémentaires !) Probabilité : Pr : P1 A 1 0,1 Pr (A) P « ronde » de : ensemble de tous les sous ensemble d’ 3 B. Propriétés B A P (A\B) = P (A) – P (B) P 0 B A PB PA Relation de Boole : A, B P PA B PA PB PA B Evénements équiprobables : P A cas favorables cas possibles PROBABILITE CONDITIONNELLE A. Définition A, B, deux événements PA B2 = probabilité que l’événement A se réalise sachant que l’événement B est réalisé déf P A B P B Remarques : 1. PA B PA BPB 2. PB A P A B P A B. Théorème des probabilités totales Partition de A1 , A 2 ,..., A n Ai A j n = A i i 1 Soit une partition de : A7 A6 A1 B A2 A3 2 A5 A4 P (B) = PA1 B PA 2 B ... PA n B Or on ne connaît pas P(B) ! Donc on utilise la formule précédente : P (B) = PB A1 PA1 PB A2 PA2 ... PB A n PA n PB n PB A PA i i 1 Se lit : probabilité de « A si B » 4 i C. Théorème de BAYES ou renversement des conditions PA B déf P A B PB P B A PA (remarque (2)) PB PB A i PA i n PB A PA i i i 1 Exemple : Une boîte A contient 3 billes bleues et 2 billes rouges. La boîte B contient 2 billes bleues et 5 billes rouges. On tire une des billes dans une des deux boîtes, également choisie au hasard. On constate que c’est une bleue. Quelle est la probabilité qu’elle vienne de la boîte A ? On demande : PA Bleue Or on connaît le contraire, c’est-à-dire PBleue A = 3 5 On utilise le théorème de Bayes : 3 1 . 21 5 2 PBleue A PA PBleue BPB 3 1 2 1 31 . . 5 2 7 2 PBleue A PA D. Indépendance de deux événements Si PA B PA .PB déf P A B P A B P A PB VARIABLE ALEATOIRE A. Définition A Une variable aléatoire est une application : X (A), un nombre Variable aléatoire discrète « Une variable aléatoire est dite discrète lorsque la variable prend un nombre fini ou dénombrable de valeurs possibles. » Exemple 1 : On lance deux dés. X : 1,1; 1,2; 2,2;... 2,3,4,5,...,12 a Xa la somme des points 5 Variable aléatoire continue « Une variable aléatoire est dite continue lorsque la variable prend un nombre infini de valeurs non dénombrables. » Exemple 2 : Taille exacte de femmes adultes B. Lois de distribution – Fonction de répartition Chaque variable aléatoire admet une loi de distribution et une fonction de probabilité. Variable aléatoire discrète Exemple 1 : X = xi f(x) = P(xi) F(x) 2 1/36 1/36 3 2/36 3/36 4 3/36 6/36 5 4/36 10/36 6 5/36 15/36 7 6/36 21/36 8 5/36 26/36 9 4/36 30/36 10 3/36 33/36 11 2/36 35/36 f(x) est la fonction de probabilité et F(x) est la fonction de répartition. F’(x) = f(x) 11 P X x 1 i i 1 Construire le graphe de la fonction de probabilité. Variable aléatoire continue Exemple 2 : X: Femmes Taille 1 cas possibles Dans les variables aléatoires continues P(X = a) = 0 toujours ! On peut par contre calculer P x 165 en calculant la surface sur la courbe. P(165) = 0 car cas favorables F(a) est par définition la probabilité que x a Fa Px a a f xdx Px a = 1 – F(a) et C. Moyenne et variance d’une variable aléatoire Moyenne (ou espérance) 1. Variable aléatoire discrète : EX q PX x .x i i 1 2. Variable aléatoire continue : EX x.f x.dx 6 i 12 1/36 1 Variance La variance se note 2 (X) 1. Variable aléatoire discrète : 2 X q x i Ex 2 .PX x i i 1 2. Variable aléatoire continue : 2 X x EX .f x.dx 2 Ecart type : 2 Sur un graphe, entre E – et E + il y a 2 de la population (courbe de Gauss). 3 VARIABLE ALEATOIRE DE BERNOULLI A. Expérience de Bernoulli C’est une expérience qui n’offre que deux résultats : la réussite ou l’échec. B. Schéma de Bernoulli C’est une répétition des expériences de Bernoulli telles que : à chaque répétition la probabilité de réussite soit la même les répétitions sont indépendantes les unes des autres C. Variable aléatoire de Bernoulli Bi n; p : N n = nombre d’expériences p = probabilité de réussite La variable aléatoire de Bernoulli = nombre de succès sur n lancés On note la variable aléatoire de Bernoulli : Bi n; p PX i Cni pi 1 pni EX np 2 npq 7