1. Activité 1 2. Expériences aléatoires et modélisation 3. Activité 2 4. Probabilités Objectifs PLAN 1. Activité 1 Modéliser une expérience aléatoire à l’aide - Objectifs de simulations d’échantillons de chiffres au - Enoncé - Expérience réelle - Expérience simulée - Conclusion hasard. Déterminer la probabilité de réalisation d ’un 2. Expérience aléatoire et modélisation événement. 3. Activité 2 Connaître le langage des probabilités : 4. Probabilités expérience aléatoire, univers, éventualité, événement contraire. PLAN Enoncé 1. Activité 1 - Objectifs - Enoncé - Expérience réelle - Expérience simulée - Conclusion 2. Expérience aléatoire et modélisation 3. Activité 2 4. Probabilités On lance une pièce de monnaie bien équilibrée. On est en présence d’une expérience aléatoire. On a deux possibilités : « pile » ou « face » qui ne sont pas prévisibles à l ’avance . Ces résultats sont appelés les éventualités. L’ensemble de toutes les éventualités est appelé l’univers des possibles noté E. Quel est le nombre d’éventualités de E ? Une partie de l’univers est aussi appelée un événement ou si une unique éventualité événement élémentaire. PLAN 1. Activité 1 - Objectifs - Enoncé - Expérience réelle - Expérience simulée - Conclusion Expérience réelle avec une pièce a) Réaliser l’expérience en lançant une pièce à 10 reprises. Regrouper les résultats sous la forme d’un tableau. Résultats possibles Nombre de sorties Fréquence empirique Pile Face b) Comparer les différents résultats obtenus par les élèves de la classe. 2. Expérience aléatoire et modélisation c) Regrouper les résultats obtenus par une moitié de la classe, par l’autre moitié, puis par la classe entière. d) Comparer les quatre tableaux (le tableau personnel, 3. Activité 2 4. Probabilités les tableaux des deux moitiés de la classe et le tableau de la classe entière). Les résultats sont-ils conformes avec l’hypothèse d’équilibre de la pièce émise au départ ? On dit que les fréquences fluctuent. PLAN Expérience simulée avec une calculatrice 1. Activité 1 - Objectifs - Enoncé - Expérience réelle - Expérience simulée - Conclusion 2. Expérience aléatoire et modélisation 3. Activité 2 4. Probabilités Une calculatrice dispose d’un " générateur de nombres aléatoires ", c’est-à-dire d’un dispositif qui fournit un nombre pris au hasard dans un intervalle donné. On admet que chaque nombre de cet intervalle a autant de chances d’être obtenu. PLAN Expérience simulée avec une calculatrice 1. Activité 1 - Objectifs - Enoncé - Expérience réelle - Expérience simulée - Conclusion 2. Expérience aléatoire et modélisation 3. Activité 2 4. Probabilités Une calculatrice peut ainsi produire un nombre de 14 chiffres de l’intervalle [0 ; 1[ . Sur T I, grâce à la touche " rand " (pour random, " au hasard " en anglais). Les 10 premières décimales (resp. 14) sont affichées par les calculatrices TI 82 (resp. pour TI 89). (touches « MATH » « PRB » « RAND » ou « MATH » « Probabilité» « nbrAleat() » ). Sur CASIO, « OPT » « PROB » « RAN# ». PLAN Expérience simulée avec une calculatrice 1. Activité 1 - Objectifs - Enoncé - Expérience réelle Question - Expérience simulée - Conclusion 2. Expérience aléatoire et modélisation 3. Activité 2 4. Probabilités Déterminer la fréquence empirique d’apparition du côté Pile de 100 lancers. Utilisation de votre calculatrice PLAN Expérience simulée avec une calculatrice 1. Activité 1 - Objectifs - Enoncé - Expérience réelle - Expérience simulée - Conclusion 2. Expérience aléatoire et modélisation 3. Activité 2 4. Probabilités Technique 1 On partage l’intervalle . [0 ; 1[ en deux intervalles de même amplitude : - si l’on obtient un nombre de l’intervalle [0 ; ½[, cela revient à obtenir Pile ; - si l’on obtient un nombre de l’intervalle [½; 1[, cela revient à obtenir Face. PLAN Expérience simulée avec une calculatrice 1. Activité 1 - Objectifs - Enoncé - Expérience réelle - Expérience simulée - Conclusion 2. Expérience aléatoire et modélisation 3. Activité 2 4. Probabilités Technique 2 On partage l’ensemble des chiffres affichés en deux parties, par exemple : les chiffres correspondent à Pile ; pairs - les chiffres impairs correspondent à Face. Le tirage « RAND »ci-contre permet d’obtenir : « Face, Pile, Face, Pile, Pile, Pile, Face, Pile, Pile, Pile ». La sortie d’un seul nombre aléatoire simule 10 lancers de pièce. PLAN Expérience simulée avec une calculatrice 1. Activité 1 - Objectifs - Enoncé - Expérience réelle - Expérience simulée - Conclusion 2. Expérience aléatoire et modélisation 3. Activité 2 4. Probabilités Technique 3 On combine plusieurs commandes de la calculatrice ou du tableur. « rand » fournit un nombre décimal de l’intervalle [0 ; 1[ , « 2 * rand » fournit un nombre décimal de l’intervalle [0 ; 2[ , « 2 * rand + 1 » fournit un nombre x de l’intervalle [1 ; 3[ . En prenant la partie entière de " 2 * rand + 1 " (notée " Int " sur la TI et la CASIO), on obtient alors un nombre entier égal à 1 ou 2. La commande " Int(2 * rand + 1) " SUR TI ou « Int(2*Rand#+1) » sur CASIO permet donc de simuler le jet d’une pièce. PLAN Expérience simulée avec une calculatrice 1. Activité 1 - Objectifs - Enoncé - Expérience réelle - Expérience simulée - Conclusion 2. Expérience aléatoire et modélisation 3. Activité 2 4. Probabilités Technique 4 Analyser le programme suivant et expliquer comment il peut simuler le lancer d’une pièce. Algorithme entrer le nombre de lancers N initialiser à 0 le nombre de Piles P initialiser à 1 le nombre de lancers I si le nombre aléatoire est inférieur à 0,5 ajouter 1 dans P ajouter 1 au nombre de lancers si le nombre de lancers est inférieur à N continuer la boucle P sinon afficher N PLAN Expérience simulée avec un tableur 1. Activité 1 - Objectifs - Enoncé - Expérience réelle - Expérience simulée - Conclusion 2. Expérience aléatoire et modélisation 3. Activité 2 4. Probabilités Utilisation du tableur Expérience simulée avec un tableur PLAN 1. Activité 1 00 19 00 17 00 15 00 13 00 11 0 90 0 70 0 0,53 0,52 0,51 0,5 0,49 0,48 0,47 0,46 0 0,48909 0,4875 0,48538 0,48429 0,49067 0,49625 0,49588 0,49889 0,5 0,4985 50 2. Expérience aléatoire et modélisation 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000 30 - Conclusion 0,51 0,52 0,5133 0,5075 0,494 0,4867 0,4957 0,495 0,5044 0,491 0 - Expérience simulée 100 200 300 400 500 600 700 800 900 1000 10 - Objectifs - Enoncé - Expérience réelle Résultats et conjecture b) Sur un tableur, on a obtenu les résultats pour 2 000 3. Activité 2 4. Probabilités lancers, avec un pas de 100 et la courbe ci-dessus. Commenter ces résultats. Conjecturer le comportement de la fréquence empirique de Pile lorsque le nombre de lancers devient grand. Quel nombre théorique obtient-on ? PLAN Conclusion : Approche de la loi des grands nombres 1. Activité 1 - Objectifs - Enoncé - Expérience réelle - Expérience simulée - Conclusion 2. Expérience aléatoire et modélisation 3. Activité 2 4. Probabilités Le nombre obtenu est appelé probabilité de réalisation de l’événement A : « obtenir Pile ». On a : P(A) = 0,5 La modélisation permet ainsi de choisir une loi de probabilité selon « la loi des grands nombres » Conclusion : Précision des résultats PLAN 1. Activité 1 - Objectifs - Enoncé - Expérience réelle - Expérience simulée - Conclusion 2. Expérience aléatoire et modélisation 3. Activité 2 La fréquence obtenue est comprise entre 0,478 et 0,522 avec un niveau de confiance de 95 %. On dit que l ’hypothèse de bon équilibre du dé est au seuil de risque de 5 %. Les formules permettant d ’obtenir la fourchette pour une valeur p = 0,5 et un échantillon de taille n avec un intervalle de confiance de 95% sont : p 1,96 p(1 p) 0,5 1,96 0,5 0,5 0,478 n 2000 4. Probabilités p(1 p) p 1,96 0,5 1,96 0,5 0,5 0,522 n 2000 Loi des grands nombres PLAN 1. Activité 1 2. Expérience aléatoire et modélisation - Loi des grands nombres - Définition - Expérience aléatoire, éventualités, univers - Evénement 3. Activité 2 4. Probabilités Pour une expérience donnée, dans le modèle défini par une loi de probabilité P, les distributions des fréquences calculées sur des séries de taille n se rapprochent de P quand n devient grand. Définition PLAN 1. Activité 1 2. Expérience aléatoire et modélisation - Loi des grands nombres - Définition Définir une loi de probabilité sur l ’univers E= x1, x2, …, xn , signifie associer à chacun des éléments xi de E un réel pi vérifiant : a) 0 < pi < 1 b) p1 + p2 + … + pn = 1 - Expérience aléatoire, éventualités, univers - Evénement notation : pi = p(xi) = p( xi ) 3. Activité 2 La probabilité d ’un événement A est la somme des probabilités des événements élémentaires de A. 4. Probabilités … Cf exemple PLAN Expérience aléatoire, éventualités, univers 1. Activité 1 2. Expérience aléatoire et modélisation - Loi des grands nombres Lors d ’une expérience aléatoire, un résultat possible est appelé une éventualité. - Définition - Expérience aléatoire, éventualités, univers - Evénement 3. Activité 2 4. Probabilités L ’ensemble de toutes les éventualités est appelé univers E (ensemble des cas possibles) PLAN 1. Activité 1 2. Expérience aléatoire et modélisation - Loi des grands nombres - Définition - Expérience aléatoire, éventualités, univers - Evénement 3. Activité 2 4. Probabilités Evénement Un événement est une partie de l ’univers E est l ’événement certain est l ’événement impossible L ’événement contraire d ’un événement A est l ’ensemble des éventualités de E qui n ’appartiennent pas à A, noté A Objectifs PLAN 1. Activité 1 2. Expérience aléatoire et modélisation 3. Activité 2 - Objectifs, énoncé - Questions (1 à 8) 4. Probabilités Connaître le langage des probabilités : intersection et réunion de deux événements, événements incompatibles. Calculer l ’espérance, la variance et l ’écart type d ’une loi de probabilité (cas xi réels) Enoncé On tire au hasard une carte d’un jeu de 32 cartes. Soit A, B et C les événements suivants : A : « tirer un as » B : « tirer une figure » (c’est à dire un roi, une dame ou un valet) C : « tirer un cœur » Question 1 PLAN 1. Activité 1 Combien y a-t-il de résultats possibles au total ? Combien y a-t-il de résultats dans les événements A, B et C ? 2. Expérience aléatoire et modélisation Question 2 3. Activité 2 - Objectifs, énoncé On note A C l’événement A et C. a) Nommer les éventualités des événements A et B C. b) Comment appelle-t-on l’événement A B? U U U 4. Probabilités U - Questions (1 à 8) C Question 3 PLAN 1. Activité 1 Représenter l’ensemble des 32 tirages possibles dans le diagramme suivant en précisant le nombre d’éventualités de chaque plage : 2. Expérience aléatoire et modélisation 3. Activité 2 E C - Objectifs, énoncé - Questions (1 à 8) B 4. Probabilités A Question 4 PLAN On note A U C l’événement A ou C. Expliciter par une phrase l’événement A U C. Donner la liste de ses éventualités. 1. Activité 1 Question 5 2. Expérience aléatoire et modélisation 3. Activité 2 - Objectifs, énoncé On note B l’événement constitué des tirages qui ne réalisent pas B. Expliciter par une phrase ne contenant pas de forme négative cet événement B. Que peut-on dire de B par rapport à B ? - Questions (1 à 8) Définir de même C. Donner la liste des éventualités constituant chacun des événements suivants : B C et B C. U U 4. Probabilités Question 6 Question 7 PLAN 1. Activité 1 2. Expérience aléatoire et modélisation a) Dans l’activité 1 on répète un grand nombre de fois le tirage. La fréquence de l’événement A est de 0,125. Donner p(A). Vérifier qu ’il est égal au quotient du nombre de cas favorables par le nombre de cas possibles (loi de probabilité équirépartie). b) Calculer la probabilité des événements suivants : B, C, A B, A C, A U C, C. 3. Activité 2 - Objectifs, énoncé - Questions (1 à 8) 4. Probabilités Question 8 Conjecturer une relation liant : a) p(A U C) et p(A), p(C), p(A b) p(C ) et p(C). C). Equiprobabilité PLAN 1. Activité 1 2. Expérience aléatoire et modélisation Si tous les événements élémentaires ont la même probabilité, alors on dit qu ’il y a équiprobabilité. On a : pi = 1 n 3. Activité 2 Si A événement de E alors : 4. Probabilités - Equiprobabilité - Définitions - Théorèmes - Espérance, variance écart-type d ’une loi de probabilité Nombre de cas favorables à la réalisation de A p(A) = Nombre de cas possibles Exemples : 1) jeu de pile ou face 2) dé à 6 faces non pipé Remarque : on repère l ’équiprobabilité par « au hasard », par des boules « indiscernables au toucher », ou par « bien équilibré » Définitions 2. Expérience aléatoire et modélisation 3. Activité 2 4. Probabilités - Equiprobabilité - Définitions - Incompatibilité - Théorèmes - Espérance, variance écart-type d ’une loi de probabilité U 1. Activité 1 L ’événement A et B est formé des éventualités appartenant à A ou à B , ou aux deux (A inter B). (Cf exemple) A B Si A et B sont deux événements n ’ayant aucune éventualité commune, on dit qu ’ils sont incompatibles (ou disjoints). (Cf exemple) A B= U PLAN L ’événement A ou B est formé des éventualités appatenant à A ou à B (A union B). (Cf exemple) AUB Théorèmes PLAN 2. Expérience aléatoire et modélisation 3. Activité 2 4. Probabilités - Equiprobabilité - Définitions - Théorèmes - Espérance, variance écart-type d ’une loi de probabilité Si A et B sont deux évènements de E, on a : p ( A U B) = p(A) + p(B) - p (A U 1. Activité 1 B) Si A et B sont deux événements incompatibles, on a : p (A U B) = p(A) + p(B) Si A est l ’événement contraire de A, on a : p (A) = 1 - p(A) (… cf Exemple) PLAN 1. Activité 1 2. Expérience aléatoire et modélisation Espérance, variance, écart-type d ’une loi de probabilité (xi réel) L’espérance d’une loi de probabilité est la moyenne des xi pondérés par les pi : n E = p1x1 + p2x2 + … + pnxn = pixi i=1 3. Activité 2 4. Probabilités - Equiprobabilité - Définitions - Théorèmes - Espérance, variance écart-type d ’une loi de probabilité La variance est le réel positif : V = pi (xi - E)2 + … + pn (xn - E)2 n V = pi (xi - E)2 i=1 L ’écart type est la racine carrée de la variance : (Cf exemple) =V V FI N