Chapitre 4 Variables aléatoires 1. Calcul de probabilités a) Loi de probabilité sur un univers Ω Définition: On considère Ω= { ω1 ; ω2 ; ..... ; ωn } On définit une loi de probabilité p sur Ω en associant à chaque éventualité ωi un nombre réel p(ωi )= pi tel que : p1+ p 2+ ....+ p n=1 pour tout i∈Ω 0⩽ p⩽1 On dit que pi est la probabilité de l'éventualité ωi Pour tout événement A, on appelle probabilité de A la somme des probabilités des éventualités de A. Si A={a 1 ; a 2 ; ..... ; ak } on a p (A )= p(a 1)+ p(a2)+....+ p(ak ) On pose d'autre part: p(∅)=0 i La probabilité de l'événement certain Ω est la somme des probabilités de toutes les éventualités et par définition on a donc: p(Ω)=1 Pour modéliser une expérience aléatoire on aura souvent recours au théorème de la loi des grands nombres dont voici une version simplifiée: "La probabilité de l'apparition d'un résultat dans une épreuve est «pratiquement égale » à la fréquence d'apparition de ce résultat quand on a répété un grand nombre de fois cette même épreuve. " Jacques ou Jakob Bernoulli (27 décembre 1654, Bâle - 16 août 1705) est un mathématicien et physicien suisse Exemples: Pour un dé non truqué, on supposera que les différentes faces ont la même probabilité d'apparition, on utilisera la loi de probabilité définie par: Numéro x i 1 2 3 4 5 6 Fréquence f i 1 6 1 6 1 6 1 6 1 6 1 6 1 1 1 La probabilité de l'événement A: "obtenir un numéro pair" est alors : p( A)= + + =0,5 6 6 6 La loi de probabilité d'un dé truqué pourrait être donnée (par exemple) par le tableau suivant: Numéro x i 1 1 13 2 2 13 1 2 2 2 2 4 + + + + + =1 On vérifie bien que 13 13 13 13 13 13 Fréquence f i 3 4 5 6 2 13 2 13 2 13 4 13 La probabilité de l'événement A: "obtenir un nombre pair" est alors p( A)= 1/4 ce 2 2 4 8 + + = ≈0,615 13 13 13 13 Mr Reiss­Barde Lycée La Bourdonnais 2016­2017 www.docsmaths.jimdo.com 1S1 b) équiprobabilité (rappels) Définition: Lorsque tous les pi d'une loi de probabilité sont égaux, on est en situation d'équiprobabilité, on dit que la loi est équirépartie. Si l'univers de la loi contient n éléments, on a p i= 1 quel que soit i. n Dans ce cas, la règle de calcul de la probabilité d'un événement A est la suivante: nombre d ' issues favorables p( A)= nombre d ' issues possibles Exemples Jeu de Pile ou Face: Avec une pièce équilibrée, les deux faces ont la même probabilité de sortie, on a une loi équirépartie. Pile Face 1 2 1 2 Lancement d'un dé Avec un dé équilibré, toutes les faces ont la même probabilité de sortie, on a une loi équirépartie. c) Propriétés d'une loi de probabilité Propriétés: p étant une loi de probabilité quelconque sur un univers Ω . Pour tout événement A, on a : p( A)∈[0 ; 1] Ā étant le contraire de A, on a : p ( Ā )=1− p ( A ) Si A et B sont deux événements quelconques, on a: p( A∪B)= p ( A )+ p (B)−p ( A∩B) Si A est contenu dans B (noté A⊂B ) c'est à dire que si l'événement A se réalise alors B se réalise également, on a : p( A)⩽ p( B) i Toutes ces formules se retrouvent facilement grâce au schéma suivant: John Venn a présenté les diagrammes portant son nom en 1881 Remarque: Si A et B sont deux événements incompatibles, on a: p( A∪B)= p ( A )+ p (B) Si A 1 ; A 2 ; ...... ; A k sont des événements deux à deux incompatibles (on dit aussi disjoints), on a: p( A1∪ A 2∪.....∪ A k )=p ( A1 )+ p ( A 2 )+....+ p ( A k ) 2/4 ce Mr Reiss­Barde Lycée La Bourdonnais 2016­2017 www.docsmaths.jimdo.com 1S1 3. Variables aléatoires a) Définition Définition Une variable aléatoire sur l'univers Ω= { ω1 ; ω2 ; ω3 ; ..... ; ωn } est une fonction X définie sur Ω . On note {X=x i } l'ensemble des éventualités e i vérifiant X (ωi)=xi . Si p est la loi de probabilité de Ω , la loi de probabilité de X est donnée par l'ensemble des probabilités des événements {X=x i } . Exemple On lance un dé. On perd 2 euros si on tire 1 ou 2, on gagne 0,5 euros si on tire 3 et enfin on gagne 1euro si on tire 4, 5 ou 6. On appelle X la variable aléatoire qui donne le gain associé à un tirage. Ainsi : X ( 1)= X (2)=−2 X (3)=0,5 X ( 4)= X (5)=X ( 6)=1 {X=−2}={1 ; 2} {X =0,5}={3} On a et {X=1}={4 ;5 ; 6 } 2 1 d'où P( X =−2) noté par abus de notation p(X =−2)= = 6 3 1 p( X =0,5)= 6 3 1 p( X =1)= = 6 2 La loi de probabilité de X est donnée par le tableau : xi - 2 0,5 1 1 3 p( X =x i)= 1 6 1 2 b) Espérance, variance et écart type. Définition: On considère une variable aléatoire X dont la loi de probabilité p est donnée par le tableau : xi x1 x2 x3 xn ...... p(X =x i) p1 p2 p3 ...... pn On appelle espérance mathématique de X le nombre réel E ( X )=x 1 p1 + x 2 p2 +⋯+ x n p n=∑ p i x i On appelle variance de X le nombre réel V ( X )=( x 1−E ( X ))2 p 1+( x 2 −E ( X ))2 p 2 +⋯+( x n−E ( X ))2 pn=∑ ( x i −E ( X )) 2 pi On appelle écart type de X le nombre réel : σ( X )=√ V (X ) . 2 On admettre la formule V (X )=E ( X 2 )−( E ( X ) ) cf. chapitre 4 3/4 ce Mr Reiss­Barde Lycée La Bourdonnais 2016­2017 www.docsmaths.jimdo.com 1S1 Exemple Reprenons le jeu du dé et la variable aléatoire X dont la loi de probabilité est donnée par le tableau : 1 3 1 6 xi -2 0,5 1 p( X =x i) 1 3 1 6 1 2 1 2 On a alors E ( X )=−2× + 0,5× + 1× = −4 0,5 3 −0,5 −1 + + = = . 6 6 6 6 12 Comme l'espérance mathématique est négative, on peut penser que lors d'un grand nombre de parties le joueur sera perdant. c) Propriété de l'espérance et de la variance. Propriété: Soit X une variable aléatoire et soit a et b des réels. Alors E( aX +b)=a E ( X )+b et V ( aX)=a ² V ( X ) Remarque : On en déduit que pour tout réel a, σ( aX )=|a|σ( X) Démonstration : Soit X une variable aléatoire de loi de probabilité ( x i ; pi ) , 1≤i≤n E( aX +b)= p1 ( a x 1 +b)+ p2 (a x 2 +b)+....+ pn (a x n +b) =a ( p 1 x 1 + p 2 x 2 +..... p n x n )+ b( p1 + p2 +.....+ pn ) =a E ( X )+ b 2 2 2 V (aX )=( a x 1−E (a X )) p1 +( a x 2 −E (aX )) p 2 +.....+( a x n−E (a X )) pn 2 2 2 =( a x 1−a E ( X )) p1 +( a x 2 −a E ( X )) p2 +.....+(a x n−a E ( X )) p n =a 2 [ ( x 1−E ( X ))2 p1 +( x 2−E ( X ))2 p2 +.....+( x n−E ( X ))2 p n ] 2 =a V ( X ) 4/4 ce Mr Reiss­Barde Lycée La Bourdonnais 2016­2017 www.docsmaths.jimdo.com 1S1