LMD Les notions sont présentées de façon simple et claire, pour pouvoir être accessibles à tous les publics, tout en restant rigoureuses. Certaines notions, comme les germes de probabilité et les notions fines sur les lois continues, réservées au public de mathématiciens, sont clairement indiquées. L’ouvrage fait la liaison avec la classe terminale et peut même être abordé par les élèves de TS un peu curieux. Les chapitres de niveau supérieur sont regroupés en fin d’ouvrage, pour être abordés uniquement si nécessaire. La loi normale, par contre, est introduite assez tôt, car elle est vite indispensable. Le lecteur biologiste ou médecin a ainsi rapidement une présentation complète mais simple des lois classiques et sophistiquées permettant d’effectuer les tests sur les moyennes, les variances et l’homogénéité des échantillons. Chaque notion est illustrée par des exemples dans le cours et de nombreux exercices corrigés en fin de chapitre. Les chapitres s’adressant au niveau L3 restent aussi parfaitement accessibles, car aucune connaissance fine de la théorie de la mesure n’est requise. +Les « plus » } De nombreux exemples viennent éclairer la théorie } De nombreux exercices corrigés en fin de chapitre François Cottet-Emard Directeur d’Études pour la Licence en mathématiques à l’Université de Paris-Sud, jusqu’en 2011, Maître de Conférences Hors-Classe. www.deboeck.com ISBN 978-2-8041-8466-7 PROHYP PROHYP-COVER.indd 1-3 Dans le cadre du nouveau Système Européen de Transfert des Crédits (ECTS), ce manuel couvre les niveaux : en France : Licence 2, 3 et Master 1. en Belgique : Baccalauréat 2, 3 et Master 1. en Suisse : Baccalauréat 2, 3 et Master 1. au Canada : Baccalauréat 2, 3 et Master 1. L1 D M2 M1 L3 L2 Conception graphique : Primo&Primo } Calculs numériques présentés avec les logiciels commerciaux actuels Probabilités et tests d’hypothèse cours et Exercices Corrigés LMD Cet ouvrage regroupe les probabilités et les tests d’hypothèse enseignés dans les trois premières années universitaires, aussi bien dans les filières mathématiques que biologiques ou appliquées. Fr. Cottet-Emard Un cours écrit comme il a été donné, simple et clair, partant toujours des exemples concrets pour arriver à une formulation rigoureuse. François Cottet-Emard Probabilités et tests d’hypothèse Probabilités et tests d’hypothèse u François Cottet-Emard u u Licence de mathématiques et de biologie 20/02/14 10:30 Probabilités et tests d’hypothèse PROHYP-PG TITRE.indd 1 19/02/14 08:15 Licence Maîtrise Doctorat Mathématiques Aslangul C., Des mathématiques pour les sciences. Concepts, méthodes et techniques pour la modélisation Aslangul C., Des mathématiques pour les sciences 2. Corrigés détaillés et commentés des exercices et problèmes Bogaert P., Probabilités pour scientifiques et ingénieurs. Introduction au calcul des probabilités Cottet-Emard F., Analyse Cottet-Emard F., Analyse 2. Calcul différentiel, intégrales multiples, séries de Fourier Cottet-Emard F., Calcul différentiel et intégral. Exercices et problèmes corrigés Cottet-Emard F., Algèbre linéaire et bilinéaire Dupont P., Exercices corrigés de mathématiques. Tome 1. Algèbre et géométrie. 3e éd. Dupont P., Exercices corrigés de mathématiques. Tome 2. 3e éd. Etienne D., Exercices corrigés d’algèbre linéaire. Tome 1 Etienne D., Exercices corrigés d’algèbre linéaire. Tome 2 Marchand M., Outils mathématiques pour l’informaticien. Mathématiques discrètes. 2e éd. Physique Aslangul C., Mécanique quantique 1. Fondements et premières applications Aslangul C., Mécanique quantique 2. Développements et applications à basse énergie. 2e éd. Aslangul C., Mécanique quantique 3. Corrigés détaillés et commentés des exercices et des problèmes Bécherrawy T., Optique géométrique Biémont É., Spectroscopie atomique. Instrumentation et structures atomiques Biémont É., Spectroscopie moléculaire. Structures moléculaires et analyse spectrale Champeau R.-J., Carpentier R., Lorgeré I., Ondes lumineuses. Propagation, optique de Fourier, cohérence Taillet R., Optique physique. Propagation de la lumière Watsky A., Thermodynamique macroscopique PROHYP-PG TITRE.indd 2 19/02/14 08:15 François Cottet-Emard Probabilités et tests d’hypothèse cours et Exercices Corrigés PROHYP-PG TITRE.indd 3 19/02/14 08:15 Pour toute information sur notre fonds et les nouveautés dans votre domaine de spécialisation, consultez notre site web : www.deboeck.com © De Boeck Supérieur s.a., 2014 Fond Jean Pâques, 4 – 1348 Louvain-la-Neuve 1re édition Tous droits réservés pour tous pays. Il est interdit, sauf accord préalable et écrit de l’éditeur, de reproduire (notamment par photocopie) partiellement ou totalement le présent ouvrage, de le stocker dans une banque de données ou de le communiquer au public, sous quelque forme et de quelque manière que ce soit. Imprimé en Belgique Dépôt légal : Bibliothèque nationale, Paris : mars 2014 Bibliothèque royale de Belgique, Bruxelles : 2014/0074/042ISBN 978-2-8041-8466-7 PROHYP-PG TITRE.indd 4 19/02/14 08:15 i i i maths “ProHyp” — 2014/2/18 — 11 :50 — page 1 — #1 i Avant-propos Ce cours de probabilité s’adresse à un public très varié, aussi bien aux débutants qu’aux étudiants des classes préparatoires, dans le cadre des nouveaux programmes, et jusqu’aux étudiants des L3 de mathématiques. Il débute par le formalisme des univers et des germes de probabilités, ce qui est souhaitable, mais peut paraître un peu rébarbatif aux étudiants non mathématiciens, par exemple biologistes, qui vont vite s’abstraire de ce formalisme dans le cadre courant de l’équiprobabilité. J’ai bien pensé à eux, et plusieurs paragraphes sont répétés, une fois avec le formalisme « mathématique » et une seconde fois avec une terminologie plus courante. Je n’ai pas oublié, en écrivant, que j’ai débuté ma carrière à la Faculté des Sciences d’Orsay en enseignant justement les probabilités et les tests d’hypothèse aux étudiants de la filière biologie. L’ouvrage commence bien sûr par les probabilités discrètes, sur un univers fini ou infini. Mais il introduit relativement vite l’incontournable loi normale et le théorème de la limite centrée. L’approximation par la loi normale est omniprésente, facile à maîtriser et à utiliser. Elle est d’ailleurs largement présente dans les programmes des lycées. Elle ne nécessite aucune connaissance générale sur les lois à densité, qui seront introduites plus tard, après les tests d’hypothèse. Ceux-ci utilisent majoritairement la loi binomiale, la loi de Poisson, la loi normale et ses ramifications que sont la loi de Student et la loi du chi-deux. Ces deux dernières lois sont utilisées couramment en biologie ou en médecine, sans qu’il soit besoin de bien maîtriser le fondement mathématique sousjacent. Je les introduis donc juste après la loi normale, et elles sont utilisées dans les tests d’hypothèse classiques. Je fais de même avec la loi de Fisher, bien utile en biologie et même en médecine. La pratique des lois à densité demande assez rapidement une certaine aisance dans les intégrales doubles, et je suis obligé de supposer, pour le chapitre sur les couples de variables aléatoires, que le lecteur a cette maîtrise du calcul intégral, et en particulier des changements de variables dans les intégrales doubles. L’ouvrage se termine enfin par les chaînes de Markov, que je limite aux cas simples, i i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 2 — #2 i maths Probabilités et tests d’hypothèses sans entrer dans la classification complète. Ce chapitre est même accessible dès la fin de la Terminale ES, je pense. Les exemples sont tous en dimension 2 et 3. Certains théorèmes admis font appel à des résultats poussés d’algèbre linéaire, mais sont bien pratiques à utiliser ! Les deux tiers de l’ouvrage sont consacrés à des exercices résolus. Ils permettent de bien comprendre, du moins je l’espère, le contenu de chaque chapitre. Certains font preuve d’un peu d’humour, et cela détendra l’aspect mathématique des probabilités ! J’ai écrit cet ouvrage de la même façon que ceux d’algèbre et d’analyse que j’ai déjà publié aux éditions De Boeck Supérieur : c’est un cours écrit comme je l’ai parlé et enseigné, en essayant de rester clair, simple et accessible, en rejetant tout dogmatisme inutile et trop théorique. J’évoque là où il faut les difficultés théoriques venant de la théorie de la mesure, mais je glisse très rapidement dessus. J’ai créé ce livre au fur et à mesure des années 2005-13 lorsque, en plus de mes cours officiels, j’ai fait travailler en petit groupe certains de mes étudiants souhaitant devenir très performants en probabilités, et en particulier ceux, et surtout celles, se destinant aux métiers de l’enseignement. Je les ai suivies du L2 jusqu’au M2 et au CAPES. Plusieurs ont aussi bifurqué vers la finance, et font tout autant ma fierté, en Belgique ou au Royaume-Uni. Je remercie plus particulièrement Alice, Audrey, Beverly, Emilie, Florence, Jennifer, Julie, Oriane et Sophie qui m’ont, sans s’en rendre compte, obligé à peaufiner et à remettre en cause au fil du temps le contenu de cet ouvrage, jusqu’à notre satisfaction commune. Avec leur aide, à défaut de réaliser un ouvrage parfait, j’ai écrit un livre agréable à lire et bien complet. Merci en particulier à Alice, qui a relu ligne par ligne plusieurs chapitres, qui n’a pas hésité à remettre en cause certaines parties de l’ouvrage, et qui m’a poussé à augmenter le nombre de figures et la clarté du texte. J’ai écrit certaines pages de cet ouvrage dans ce grandiose Château de l’Aisne, où j’aime séjourner entre champagne et gastronomie, dans la grandeur et le calme de ses appartements, dans cette Picardie qui me tient à cœur depuis toujours. J’y remercie en particulier Solène, qui s’est courageusement amusée à relire une grande partie de l’ouvrage, et à y trouver au moins une faute d’orthographe. Elle saura se reconnaître, comme toutes celles que j’ai déjà remerciées ici. Courcelles-sur-Vesles, août 2013 ii i i i i i i i maths “ProHyp” — 2014/2/18 — 11 :50 — page 3 — #3 i Table des matières Chapitre 1 1 Dénombrements dans un ensemble fini Ensembles et opérations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.1 Inclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2 Réunion de deux parties de E . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 Intersection de deux parties de E . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.4 Parties disjointes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.5 Complémentaire d’une partie de E . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.6 Partition de E . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2 Produit d'ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 3 Cardinal d'un ensemble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 4 Permutations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 4.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 4.2 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 4.3 Nombre de permutations d’un ensemble à n éléments . . . . . . . . . . . . . . . 8 4.4 Quelques exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 Arrangements de n objets p à p. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 5.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 5.2 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 5.3 Calcul du nombre d’arrangements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 5 iii i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 4 — #4 i maths Probabilités et tests d’hypothèses 6 7 8 Combinaisons de n objets p à p. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3 Calcul du nombre de combinaisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ( ) n 6.4 Expression de avec les factorielles . . . . . . . . . . . . . . . . . . . . . . . . . . . p 12 12 12 12 Les formules classiques avec les combinaisons . . . . . . . . . . . . . . . . . . . . . . . . . . 7.1 Valeurs aux bornes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2 Une forme de symétrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.3 Le triangle de Pascal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.4 La formule du binôme de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ( ) ( ) ( ) n n n ............................ + ··· + + 7.5 La somme n 1 0 14 14 15 15 16 7.6 D’autres sommes du même style . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 Dérangements de n éléments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 Chapitre 2 14 16 Probabilités sur un ensemble fini 1 Univers mathématique fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 Description de la situation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Poids d’une partie de E . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3 Propriétés du poids d’une partie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4 Un peu de sophistication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 38 38 39 40 2 Le lancer d'un dé : modélisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 Un seul lancer du dé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Un lancer de deux dés simultanés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 42 42 3 Univers associé à une expérience aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1 Définition d’un univers de probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Evènement dans cet univers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3 Probabilité sur Ω . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.4 Seconde définition d’une probabilité sur un univers fini Ω. . . . . . . . . . 43 43 44 45 46 4 Premiers exemples de modélisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 5 Le cas fondamental de l'équiprobabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 6 Résolution plus élémentaire des exemples précédents . . . . . . . . . . . . . . . . . . . 53 7 Probabilités conditionnelles et évènements indépendants . . . . . . . . . . . . . . . 7.1 Idée courante de la probabilité conditionnelle . . . . . . . . . . . . . . . . . . . . . . 7.2 Définition de la probabilité conditionnelle P (A/B) . . . . . . . . . . . . . . . . 57 57 58 iv i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 5 — #5 i i Avant-propos 8 Evènements indépendants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 9 Exemple fondamental de modélisation dans le cas de non-équiprobabilité : lancers successifs d'une pièce truquée . . . . . . . . . . . . 60 Chapitre 3 Probabilités conditionnelles 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 2 Définition et calcul de la probabilité conditionnelle P (A/B) . . . . . . . . . . . . 79 3 Formule élémentaire de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 4 Formule élémentaire des probabilités totales . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Formule des probabilités totales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 Application fondamentale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 82 83 83 5 Formule générale des probabilités totales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 6 Représentation avec un graphe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 7 Probabilité conditionnelle sachant plusieurs évènements . . . . . . . . . . . . . . . . 87 Chapitre 4 Évenements indépendants - Répétitions indépendantes d'une expérience 1 Deux évènements indépendants. Intuition courante et caractérisation mathématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 Intuition courante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Caractérisation mathématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3 Indépendance et évènements contraires . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 106 106 107 2 Indépendance de N ≥ 3 évènements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 Indépendance de trois évènements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Un nombre quelconque d’évènements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3 Dans la pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 108 108 109 3 Répétition n fois de suite et de façons indépendantes d'une même expérience . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1 Le cadre et le but . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Probabilité d’avoir k succès parmi les n expériences . . . . . . . . . . . . . . 3.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 109 110 111 Temps d'attente du premier succès . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1 Le cadre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Calcul de la probabilité du temps d’attente . . . . . . . . . . . . . . . . . . . . . . 4.3 Le temps d’attente peut-il être infini ?. . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112 112 113 113 114 4 v i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 6 — #6 i maths Probabilités et tests d’hypothèses 5 Probabilité produit. Univers associé à des évènements indépendants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1 L’univers Ω2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 L’univers Ωp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Chapitre 5 114 115 116 Univers infinis - Le cas dénombrable 1 Ensemble dénombrable. Notion de série . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 Ensemble dénombrable. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Notion de série . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3 La série géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4 La série exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5 Série absolument convergente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.6 Importance de l’ordre des termes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124 124 125 125 126 126 127 2 Univers dénombrable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 3 L'univers associé au temps d'attente du premier succès . . . . . . . . . . . . . . . . 130 4 Les enfants d'une famille . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 5 Une première idée du cas non dénombrable. Notion de tribu . . . . . . . . . . . 132 Chapitre 6 Variables aléatoires discrètes 1 Comment ça se passe en pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 Exemple 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Exemple 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3 En pratique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136 136 137 137 2 Cas d'un univers fini. Définition d'une variable aléatoire. Loi d'une variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 Variable aléatoire sur Ω . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Loi de probabilité de X . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3 Histogramme en bâton d’une variable aléatoire . . . . . . . . . . . . . . . . . . . 138 138 139 142 3 Cas d'un univers dénombrable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1 Variable aléatoire sur Ω . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Loi de la variable aléatoire X . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143 144 144 4 Les variables aléatoires incontournables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1 Variable aléatoire suivant une loi uniforme . . . . . . . . . . . . . . . . . . . . . . . 4.2 Variable aléatoire suivant la loi de Bernoulli de paramètre p . . . . . . 4.3 Variable aléatoire suivant une loi binomiale B(n, p) . . . . . . . . . . . . . . 4.4 Variable aléatoire suivant une loi hypergéométrique . . . . . . . . . . . . . . 4.5 Variable aléatoire suivant une loi géométrique de paramètre p . . . . 4.6 Variable aléatoire suivant une loi de Poisson de paramètre λ . . . . . 146 146 146 146 149 150 150 vi i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 7 — #7 i i Avant-propos 5 Fonction de répartition d'une variable aléatoire discrète . . . . . . . . . . . . . . . 151 6 Somme de variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 7 Variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.1 Deux variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2 Indépendance de n variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 155 157 8 Deux exemples fondamentaux de sommes de variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.1 Somme de n variables aléatoires indépendantes suivant la même loi Bernoulli de paramètre p. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.2 Somme de deux variables aléatoires indépendantes suivant des lois Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 de 158 de 159 Utilisation des logiciels commerciaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.1 Loi binomiale B(n, p) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.2 Loi de Poisson P (λ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.3 Loi hypergéométrique H(N, M, n) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160 161 161 162 9 Chapitre 7 crète 1 Espérance et variance d'une variable aléatoire dis- Espérance d'une variable aléatoire prenant un nombre fini de valeurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 Définition de l’espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Espérance d’une variable aléatoire suivant une loi uniforme. . . . . . . 1.3 Espérance d’une variable aléatoire suivant une loi de Bernoulli . . . 1.4 Espérance d’une variable aléatoire suivant la loi binomiale B(n, p) 1.5 Remarque : théorème de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164 164 166 166 166 167 2 Propriétés de l'espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167 3 Espérance d'une variable aléatoire suivant une loi binomiale ou une loi hypergéométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168 3.1 Espérance d’une variable aléatoire suivant la loi binomiale B(n, p) 168 3.2 Espérance d’une variable aléatoire suivant la loi hypergéométrique H(N, M, n) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169 4 Espérance d'une variable aléatoire prenant une infinité de valeurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169 5 Quelques formules mathématiques utiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 6 Espérance d'une variable aléatoire suivant une loi géométrique ou une loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1 Loi géométrique de paramètre p . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 Loi de Poisson de paramètre λ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 172 172 vii i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 8 — #8 i maths Probabilités et tests d’hypothèses 7 Espérance du produit de deux variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173 8 Variance et écart-type d'une variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . 8.1 Définition de la variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.2 Autre écriture de la variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174 175 175 9 Variances des grandes lois classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.1 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.2 Loi de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.3 Loi binomiale B(n, p) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.4 Loi géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.5 Loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176 176 177 177 177 178 10 Variance d'une somme de variables aléatoires indépendantes . . . . . . . . . . . 10.1 Expression de la variance d’une somme X + Y quelconque . . . . . . . 10.2 Variance de la somme de deux variables aléatoires indépendantes . 10.3 Variance de la somme de n variables aléatoires indépendantes . . . . 10.4 Variance de la loi binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178 179 179 180 180 11 Covariance de deux variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Coefficient de corrélation de X et Y . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.3 Variance de la loi hypergéométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.4 Un peu d’algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181 181 181 182 183 12 Récapitulatif des grandes lois classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184 13 Fonction génératrice d'une variable aléatoire à valeurs dans N . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13.2 Les exemples fondamentaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13.3 Calcul de l’espérance et de la variance de X . . . . . . . . . . . . . . . . . . . . . . 13.4 Autre expression de la fonction génératice . . . . . . . . . . . . . . . . . . . . . . . . 13.5 Fonction génératrice et indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186 186 186 187 188 188 Chapitre 8 1 Majorations et convergences Approximation de la loi hypergéométrique par la loi binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226 2 Approximation de la loi binomiale par la loi de Poisson . . . . . . . . . . . . . . . . 229 3 Autres approximations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 4 Inégalité de Bienaymé-Tchebychev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1 Inégalité de Bienaymé-Tchebychev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Exemple fondamental . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232 232 234 viii i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 9 — #9 i i Avant-propos 5 Bienaymé-Tchebychev, Bernoulli et Binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . 235 6 Loi faible des grands nombres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236 6.1 Enoncé de la loi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236 6.2 Cas particulier des variables de Bernoulli. . . . . . . . . . . . . . . . . . . . . . . . . 236 6.3 Généralisation à p caractères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237 Convergence en probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238 7 Chapitre 9 La loi normale - Approximation par la loi normale - Lois du χ2 et de Student 1 Préambule mathématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248 2 Variable aléatoire à valeurs dans R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249 3 Variable aléatoire suivant la loi normale centrée réduite N (0, 1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250 3.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250 3.2 Table de valeurs numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251 3.3 Espérance et variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252 Variables aléatoires suivant la loi normale d'espérance m et de variance σ 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253 4.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253 4.2 Calculs numériques avec N (m, σ ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254 5 Utilisation des logiciels commerciaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255 6 Combinaison linéaire de variables aléatoires indépendantes suivant des lois normales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255 7 Théorème de la limite centrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257 8 Approximation de la loi binomiale par la loi normale . . . . . . . . . . . . . . . . . . . 258 9 Comment appliquer cette approximation binomiale-normale . . . . . . . . . . . . 259 4 2 10 2 Loi du χ à n degrés de liberté . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261 10.1 La définition qui nous sera utile dans la suite . . . . . . . . . . . . . . . . . . . . 261 10.2 La définition comme loi continue, mais que nous n’utiliserons pas 262 2 10.3 Espérance et variance du χ (n) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262 10.4 Un théorème de Cochran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263 10.5 Calculs numériques par table et logiciels . . . . . . . . . . . . . . . . . . . . . . . . . 264 2 10.6 Asymétrie de la distribution du χ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 10.7 Approximation du χ (n) pour n grand . . . . . . . . . . . . . . . . . . . . . . . . . 264 265 ix i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 10 — #10 i maths Probabilités et tests d’hypothèses 11 12 Loi de Student à n degrés de liberté . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265 11.1 La définition que nous utiliserons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265 11.2 Autre définition que nous n’utiliserons pas . . . . . . . . . . . . . . . . . . . . . . . 266 11.3 Symétrie de la distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266 11.4 Valeurs numériques et logiciels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266 11.5 Approximation de la loi de Student pour n grand . . . . . . . . . . . . . . . . 267 Loi de Fischer-Snedecor Fn,m . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267 Chapitre 10 Intervalle de fluctuation - Intervalle de confiance d'une proportion 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284 2 Seuil de risque et niveau de confiance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285 3 Intervalle de fluctuation d'une proportion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286 4 Intervalle de confiance d'une proportion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289 4.1 Modélisation théorique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289 4.2 Obtenir numériquement l’intervalle de confiance de p . . . . . . . . . . . . . 291 4.3 Commentaire sur la modélisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292 Première approche de la notion d'estimateur . . . . . . . . . . . . . . . . . . . . . . . . . . . 292 5 Chapitre 11 Estimateurs - Espérance ou variance 1 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302 2 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302 3 Estimateur biaisé ou non biaisé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303 4 Estimateur consistant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304 4.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304 4.2 Une condition suffisante. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304 5 Estimateur de l'espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305 6 Estimateurs de la variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306 6.1 Cas particulier où l’espérance m est connue . . . . . . . . . . . . . . . . . . . . . . 306 6.2 Cas général où l’espérance m est inconnue . . . . . . . . . . . . . . . . . . . . . . . 308 Chapitre 12 Intervalle de confiance de l'espérance et de la variance 1 Intervalle de confiance de l'espérance lorsque la variance est connue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312 x i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 11 — #11 i i Avant-propos 2 3 4 Intervalle de confiance de l'espérance lorsque la variance est inconnue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313 Intervalle de confiance de la variance lorsque l'espérance est connue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316 Intervalle de confiance de la variance lorsque l'espérance est inconnue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317 Chapitre 13 Tests d'hypothèses - Principes généraux 1 Un exemple simple complet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 Résolution du dilemne ń la pièce est-elle correcte ż ? . . . . . . . . . . . . . 1.2 Analyse détaillée de la démarche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328 328 329 2 Exemples de tests d'hypothèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330 3 Hypothèse nulle et hypothèse alternative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331 4 Fixer un risque maximal d'erreur de la conclusion . . . . . . . . . . . . . . . . . . . . . . 332 5 Fixer un paramètre à tester et une variable de test . . . . . . . . . . . . . . . . . . . . . 333 6 Fixer la règle de décision. Zone de rejet et zone d'acceptation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1 Le principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 Zone de rejet bilatère de H0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3 Zone de rejet unilatère à gauche de H0 . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4 Zone de rejet unilatère à droite de H0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334 334 335 337 338 Les risques de se tromper. La puissance du test . . . . . . . . . . . . . . . . . . . . . . . . 7.1 Erreur (ou risque) de première espèce d’un test . . . . . . . . . . . . . . . . . . 7.2 Erreur (ou risque) de deuxième espèce d’un test . . . . . . . . . . . . . . . . . . 7.3 Comment retenir ces définitions sans se tromper . . . . . . . . . . . . . . . . . 7.4 Puissance d’un test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340 340 341 341 342 7 Chapitre 14 Tests d'hypothèses - La pratique 1 Tests d'hypothèse sur une proportion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 Test p = p0 contre p ̸= p0 avec la loi binomiale proprement dite . . 1.2 Test p = p0 contre p ̸= p0 avec l’approximation par la loi normale 1.3 Test p = p0 contre p < p0 avec la loi binomiale proprement dite . . 1.4 Test p = p0 contre p < p0 avec l’approximation par la loi normale 1.5 Test p = p0 contre p > p0 avec la loi binomiale proprement dite . . 1.6 Test p = p0 contre p > p0 avec l’approximation par la loi normale 1.7 Utilisation de la loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.8 Exemple de test p = p0 contre p = p1 et calcul de la puissance. . . . 344 344 346 347 348 349 350 352 354 xi i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 12 — #12 i maths Probabilités et tests d’hypothèses 2 Tests d'hypothèse sur une espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355 2.1 Test m = m0 contre m ̸= m0 lorsque la variance est connue . . . . . . 356 2.2 Test de m = m0 contre m ̸= m0 lorsque la variance est inconnue . 358 2.3 Test m = m0 contre m < m0 lorsque la variance est connue . . . . . . 360 2.4 Test de m = m0 contre m < m0 lorsque la variance est inconnue . 361 2.5 Test m = m0 contre m > m0 lorsque la variance est connue . . . . . . 363 2.6 Test de m = m0 contre m > m0 lorsque la variance est inconnue . 365 2.7 Le test « m < m0 » contre « m > m0 » . . . . . . . . . . . . . . . . . . . . . . . . . . 367 2.8 Comparaison des espérances de deux échantillons indépendants de même variance connue ou inconnue. Principe général . . . . . . . . . . . . . 367 2.9 Comparaison des espérances de deux échantillons indépendants de même variance connue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368 2.10 Comparaison des espérances de deux échantillons indépendants de même variance inconnue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371 3 Tests d'hypothèse sur une variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1 Test σ = σ0 contre σ ̸= σ0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Test σ = σ0 contre σ < σ0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3 Test σ = σ0 contre σ > σ0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.4 Test σ ≤ σ0 contre σ > σ0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375 375 378 381 383 4 Comparaison de deux variances - Test de Fisher . . . . . . . . . . . . . . . . . . . . . . . . 4.1 Le cadre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Le test H0 : σx = σy contre H1 : σx > σy . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 Le test H0 : σx = σy contre H1 : σx ̸= σy . . . . . . . . . . . . . . . . . . . . . . . . . 384 384 385 386 5 Test d'hypothèse ou intervalle de confiance . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1 Cas de l’espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 Cas de la variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 388 388 389 Chapitre 15 Variables aléatoires continues - Densité de probabilité 1 Univers infini quelconque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 424 2 Probabilité sur R ayant une densité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 425 3 Variable aléatoire à densité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Fonction de répartition d’une variable aléatoire continue . . . . . . . . . 3.3 Espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.4 Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5 Inégalité de Bienaymé-Tchebychev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426 426 427 428 428 429 xii i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 13 — #13 i i Avant-propos 4 Comment montrer qu'une variable aléatoire a une densité, et la calculer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 429 5 Variable aléatoire suivant une loi normale N (m, σ ) . . . . . . . . . . . . . . . . . . . 431 5.1 Loi normale centrée réduite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 431 5.2 Espérance et variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432 2 5.3 Variables aléatoires suivant la loi normale N (m, σ ) d’espérance m et de variance σ 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432 2 6 7 8 Variable aléatoire suivant une loi exponentielle de paramètre λ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 433 6.1 Définition mathématique et paramètres . . . . . . . . . . . . . . . . . . . . . . . . . . 433 6.2 Variable aléatoire sans mémoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 434 Variable aléatoire suivant la loi uniforme sur un intervalle [a, b] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 435 2 Loi du χ à n degrés de liberté . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437 8.1 La définition qui nous sera la plus utile dans la suite . . . . . . . . . . . . . 437 2 8.2 La densité de la loi du χ (n) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 438 8.3 Espérance et variance du χ (n) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 438 Loi de Student à n degrés de liberté . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 439 9.1 La définition que nous utiliserons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 439 9.2 La densité de la loi de Student . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 439 10 Loi de Fischer-Snedecor Fn,m . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 440 11 Variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441 11.1 Définition et propriétés immédiates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441 11.2 Densité de la somme X + Y de deux variables indépendantes. . . . . 442 11.3 Deux exemples typiques. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 443 Loi faible des grands nombres et théorème central limite . . . . . . . . . . . . . . 443 9 12 Chapitre 16 Couples de variables aléatoires discrètes ou continues 1 Couple de variables aléatoires sur un univers fini . . . . . . . . . . . . . . . . . . . . . . 468 2 Le cas d'un univers dénombrable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 470 3 Couple de variables aléatoires à densité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 472 4 Fonction de répartition. Calcul de la densité . . . . . . . . . . . . . . . . . . . . . . . . . . . 475 4.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 475 4.2 Calcul de la densité à partir de la fonction de répartition . . . . . . . . . 476 xiii i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 14 — #14 i maths Probabilités et tests d’hypothèses 5 Lois marginales d'un couple de variables aléatoires . . . . . . . . . . . . . . . . . . . . 5.1 L’idée de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 Le cas discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3 Le cas des variables aléatoires à densité . . . . . . . . . . . . . . . . . . . . . . . . . . 5.4 Remarque fondamentale de non-unicité . . . . . . . . . . . . . . . . . . . . . . . . . . 478 478 479 481 483 6 Lois conditionnelles dans un couple de variables aléatoires . . . . . . . . . . . . 484 7 Couple de variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . . . . . . . . . 7.1 Variables discrètes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2 Cas des variables continues à densité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 486 486 488 8 Récapitulatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 490 9 Densité de la somme de deux variables aléatoires indépendantes continues. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 491 10 Somme de deux variables aléatoires discrètes . . . . . . . . . . . . . . . . . . . . . . . . . . 493 11 Le théorème de transfert pour les variables discrètes . . . . . . . . . . . . . . . . . . 11.1 Théorème pour une variable discrète . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Théorème pour un couple de variables discrètes . . . . . . . . . . . . . . . . . . 494 495 495 12 Le théorème de transfert et sa grande application pour les variables à densité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12.1 Enoncé du théorème de transfert dans R . . . . . . . . . . . . . . . . . . . . . . . . . 12.2 Utilisation de ce théorème pour calculer la densité de h(X) . . . . . . 12.3 Théorème de transfert pour un couple de variables à densité . . . . . 12.4 Calcul de la densité de Z = h(X, Y ) connaissant la loi du couple (X, Y ). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 14 496 497 497 498 499 Espérance du produit de deux variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 501 Retour sur la covariance de deux variables quelconques . . . . . . . . . . . . . . . . 502 Chapitre 17 Chaînes de Markov élémentaires - Le cas irréductible en détail 1 Un premier exemple qui converge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 538 2 Un deuxième exemple qui ne converge pas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 541 3 Définition d'une chaîne de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 541 4 Graphe associé à une chaîne de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 543 5 La matrice de transition de la chaîne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 545 6 Utilisation de la matrice de transition P pour passer du temps n au temps n + 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1 Ecriture avec des vecteurs lignes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 Ecriture avec des vecteurs colonnes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 547 547 548 xiv i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 15 — #15 i i Avant-propos 7 Transition de l'état n à l'état n + m. La matrice P m . . . . . . . . . . . . . . . . . . . . 549 8 A propos des matrices stochastiques. Une remarque obscure pour le moment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 550 550 8.2 Une remarque obscure pour le moment . . . . . . . . . . . . . . . . . . . . . . . . . . . 551 9 Chaîne de Markov irréductible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 552 10 Chaîne de Markov régulière . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 553 11 Loi invariante d'une chaîne irréductible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 554 12 Convergence d'une chaîne irréductible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12.1 Quelle est la limite éventuelle ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 556 557 12.2 En terme de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 557 Les conditions nécessaires et suffisantes de convergence d'une chaîne irréductible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13.1 Enoncés et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 558 558 13.2 Indications de démonstration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 560 14 Calcul explicite de l'état au temps général n . . . . . . . . . . . . . . . . . . . . . . . . . . . 561 15 Chaînes de Markov irréductibles périodiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 15.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 562 563 15.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15.3 Plus généralement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 564 568 Chaînes de Markov réductibles. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 569 13 16 xv i i i i i i i i i i i i i i maths “ProHyp” — 2014/2/18 — 11 :50 — page 1 — #16 i Chapitre 1 Dénombrements dans un ensemble fini 1 2 3 4 5 6 7 8 Ensembles et opérations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Produit d'ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Cardinal d'un ensemble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Permutations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Arrangements de n objets p à p . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Combinaisons de n objets p à p . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Les formules classiques avec les combinaisons . . . . . . . . . . . . . . . Dérangements de n éléments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 6 6 8 10 12 14 17 Calculer des probabilités consiste majoritairement à savoir dénombrer des « cas possibles » et des « cas favorables ». Nous allons donc commencer par un premier chapitre sur les dénombrements dans un ensemble fini. Le premier paragraphe est formé de rappels sur la théorie des ensembles. Cette théorie débouche vite sur des questions à la fois compliquées et presque philosophiques. Pour simplifier les choses, à notre niveau, nous parlons des opérations ensemblistes à l’intérieur d’un certain ensemble donné et connu E. 1 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 2 — #17 i maths Probabilités et tests d’hypothèses 1. Ensembles et opérations Rappelons qu’un ensemble E est constitué d’éléments, et que ces éléments sont tous distincts. Une partie, ou sous-ensemble, de E contient quelques éléments de E. N’oublions pas l’ensemble vide, noté ∅, qui ne contient aucun élément, mais qui est très utile. 1.1 Inclusion Un ensemble A est inclus dans un ensemble B lorsque chaque élément de A appartient aussi à B. On note A ⊂ B. A est donc un sous-ensemble de B. 1.2 Réunion de deux parties de E Etant donnés deux parties A et B de E, la réunion A ∪ B est la partie de E formé des éléments de E appartenant soit à A soit à B. Les ensembles A et B peuvent avoir des éléments en commun : ou bien ne pas en avoir 2 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 3 — #18 i Chapitre 1 i Dénombrements dans un ensemble fini On a évidemment A ∪ ∅ = A. La réunion est associée au mot OU : x ∈ A ∪ B ⇐⇒ (x ∈ A) ou (x ∈ B) Il s’agit du « ou » que l’on appelle « inclusif » : un élément de A ∪ B appartient à A ou à B, et il peut très bien appartenir aux deux ensembles. La réunion se généralise évidemment à un nombre quelconque de sous-ensembles de E. 1.3 Intersection de deux parties de E Etant donnés deux sous-ensembles A et B de E, l’intersection A ∩ B est la partie de E formée des éléments appartenant à la fois à A et à B. On a évidemment A ∩ ∅ = ∅. L’intersection est associée au mot ET : x ∈ A ∩ B ⇐⇒ (x ∈ A) et (x ∈ B) L’intersection se généralise aussi à un nombre quelconques de sous-ensembles de E. 3 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 4 — #19 i maths Probabilités et tests d’hypothèses 1.4 Parties disjointes On dit que deux parties A et B de E sont disjointes lorsque leur intersection est vide : il n’existe aucun élément de E qui soit à la fois dans A et dans B. Plus généralement, on dit que les n parties A1 , · · · , An de E sont disjointes lorsque Ai ∩ Aj = ∅ pour tout i ̸= j. Cette notion se généralise à une infinité de parties de E, évidemment. 1.5 Complémentaire d'une partie de E Si A est une partie de E, l’ensemble des éléments de E qui n’appartiennent pas à A s’appelle complémentaire de A dans E, et se note A. On a évidemment • E = ∅. • ∅ = E. • A et A sont disjoints. • E = A ∪ A. En français, la négation de « OU » est « ET » et réciproquement. Il est facile de voir que A∪B =A∩B A∩B =A∪B Ceci s’exprime en français sous la forme suivante : • Le contraire de « l’une des deux propriétés est vraie » est « les deux sont fausses ». • Le contraire de « les deux propriétés sont vraies » est « l’une ou l’autre est fausse ». Ces deux relations avec le complémentaire se généralisent à un nombre quelconque de parties de E. 4 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 5 — #20 i Chapitre 1 i Dénombrements dans un ensemble fini 1.6 Partition de E Voici une notion sans doute nouvelle, et très importante en probabillités. Définition. Une famille A1 , A2 , · · · , An de parties non vides de E forme une partition de E lorsque : Elles sont disjointes : Ai ∩ Aj = ∅ pour tout i ̸= j. Leur réunion est égale à E : n ∪ Ai = E. i=1 Voici quelques exemples. 1. Si A est une partie non vide et est différente de E tout entier, alors A et son complémentaire A forment une partition de E. 2. Dans un jeu de cartes, les quatre couleurs forment une partition. 3. Dans un jeu de cartes, on obtient une partition en mettant dans A1 les as, dans A2 les rois, dans A3 les dames et ainsi de suite. On obtient une partition en 13 parties ayant chacune 4 éléments. 4. Soit E l’ensemble des Français. Appelons A1 l’ensemble des gens nés au mois de janvier, A2 l’ensemble de ceux nés en février et ainsi de suite. A1 , A2 , · · · , A12 forment une partition de E. 5. Soit E l’ensemble des familles de France. Notons A0 l’ensemble de celles sans enfant, A1 l’ensemble de celles ayant un enfant, et ainsi de suite. Dans l’hypothèse purement théorique où une famille peut avoir un nombre quelconque d’enfants (!!!), la famille infinie A0 , A1 , A2 , · · · forme une partition de E. 6. Plus mathématique : soit An = [n, n+1[. La famille infinie des An , lorsque n ∈ Z, forme une partition de R. Evidemment, les différentes parties formant une partition de E n’ont aucune raison d’avoir toutes le même nombre d’éléments ! Cela est vrai dans les exemples 2 et 3, mais faux dans les autres. ⊔ ∪ Notation. On utilise l’opérateur , bien « rectangulaire » au lieu du plus arrondi pour indiquer qu’une réunion se fait avec des ensembles disjoints. Pour n ⊔ une partition de E, on notera donc E = An . Mais ceci n’a aucun caractère i=1 obligatoire. 5 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 6 — #21 i maths Probabilités et tests d’hypothèses 2. Produit d'ensembles Dans ce paragraphe, E et F sont deux ensembles quelconques. Définition. Le produit E × F est l’ensemble des couples (x, y) lorsque x décrit E et y décrit F . Exemples – Si E = {a, b, c} et F = {1, 2}, alors E × F = { (a, 1), (a, 2), (b, 1), (b, 2), (c, 1), (c, 2) }. – Le produit R × R est l’ensemble des couples (x, y) de réels. C’est le plan. – Z × Z est l’ensemble des couples (n, m) d’entiers relatifs, à savoir les points du plan dont les deux coordonnées sont des entiers. Cette définition se généralise au produit de n ensembles E1 , E2 , · · · , En : c’est l’ensemble des n−uplets (e1 , e2 , · · · , en ) où ei est un élément quelconque de Ei . Souvent, on fait le produit n fois de suite du même ensemble. On le note E n au lieu de E × E × · · · × E. Par exemple, si E = {0, 1}, alors E 3 = {(1, 1, 1), (1, 1, 0), (1, 0, 1), (0, 1, 1), (1, 0, 0), (0, 1, 0), (0, 0, 1), (0, 0, 0) } 3. Cardinal d'un ensemble Le cardinal d’un ensemble désigne le nombre de ses éléments. . .Ceci pose un problème lorsque l’ensemble est infini. Nous n’entrerons pas dans ce cas de figure. Dans la suite du chapitre, E désigne un ensemble fini : cela veut dire que l’on peut numéroter ses éléments sous la forme e1 , e2 , · · · , em où m est un entier naturel. Le cardinal de E, à savoir cet entier m, se note |E|. Voici les quelques propriétés importantes sur les cardinaux. Nous travaillons toujours avec des parties d’un certain ensemble E donné. 1. Si A et B sont disjointes, alors |A ∪ B| = |A| + |B|. 6 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 7 — #22 i Chapitre 1 i Dénombrements dans un ensemble fini 2. Plus généralement, si A1 , A2 , · · · An sont disjoints, alors le cardinal de la réunion des Ai est égal à la somme des cardinaux des Ai . n ∑ 3. En particulier, si A1 , A2 , · · · , An est une partition de E, alors |E| = |Ai |. i=1 4. |A × B| = |A| × |B|. En effet, si A = {a1 , · · · , an } et B = {b1 , · · · , bm }, l’ensemble produit A × B = {(ai , bj ) } compte n × m éléments. 5. En particulier, si |E| = n, alors le cardinal de E p est np . En effet, dans une suite (e1 , e2 , · · · , ep ) de p éléments de E, on a n choix pour e1 , n choix pour e2 et ainsi de suite. Il y a donc np choix au total. 6. La dernière propriété est plus délicate et fondamentale. Elle mérite un encadré spécial |A ∪ B| = |A| + |B| − |A ∩ B| Pour A et B quelconques En effet, quand on fait la somme |A| + |B|, on compte une fois chaque élément de A ne se trouvant pas dans B, une fois chaque élément de B ne se trouvant pas dans A, mais deux fois chaque élément se trouvant à la fois dans A et dans B. Il faut donc enlever une fois ces éléments communs comptés en double. Il existe une généralisation de cette formule à la réunion de n ensembles. Mais elle est vite pénible. Pour trois ensembles, on a |A ∪ B ∪ C| = |A| + |B| + |C| − |A ∩ B| − |B ∩ C| − |C ∩ A| + |A ∩ B ∩ C| Exemple Combien a-t-on d’entiers compris entre 1 et 300 inclus, qui sont divisibles par 5 mais qui ne sont ni divisibles par 4, ni divisibles par 7 ? • On se place dans l’ensemble E des entiers de 1 à 300 qui sont divisibles par 5 : ils sont de la forme 5k avec 1 ≤ k ≤ 60, ce qui en fait |E| = 60. • Soit A (respectivement B) le sous-ensemble de E formé des entiers divisibles par 4 (respectivement 7). On cherche A ∪ B. On calcule le cardinal de A ∪ B. • A est l’ensemble des entiers de 1 à 300 divisibles par 5 et 4, i.e. par 20. Ils sont de la forme 20k avec 1 ≤ k ≤ 15, et |A| = 15. • B est l’ensemble des entiers de 1 à 300 divisibles par 5 et 7, i.e. par 35. Ils sont de la forme 35k avec 1 ≤ k ≤ 8, et |B| = 8. • A ∩ B est l’ensemble des entiers de 1 à 300 divisibles par 5 et 4 et 7, i.e. par 140. Il y en a deux (140 et 280), et |A ∩ B| = 2. • On a donc |A ∪ B| = 15 + 8 − 2 = 21. Dans E, il reste 60 − 21 = 39 entiers comme on le souhaite. 7 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 8 — #23 i maths Probabilités et tests d’hypothèses 4. Permutations On se donne un ensemble E = {e1 , e2 , · · · , en } à n éléments. Pour simplifier les notations, on va travailler sur E = {1, 2, · · · , n}. 4.1 Exemple Dans un ensemble, il n’y a pas d’ordre, et l’ensemble E = {1, 2, 3} est identique à l’ensemble {2, 1, 3}. Par contre, on peut s’intéresser aux suites de trois éléments distincts formées avec les éléments de E. Dans le mot suite, il y a un ordre sous- entendu, c’està-dire qu’il y a un premier terme, un deuxième terme et un troisième terme. Les suites possibles de 3 termes construites à partir de E sont au nombre de six, et elles sont toutes distinctes : (1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2), (3, 2, 1) Chacune de ces suites s’appelle une permutation des éléments de E. 4.2 Définition On appelle permutation des éléments d’un ensemble E toute suite ordonnée des éléments de E, chaque élément de E intervenant une et une seule fois. Si E possède n éléments, une permutation de E est donc une suite contenant aussi n éléments. L’exemple ci-dessus nous donne toutes les permutations de E = {1, 2, 3}. 4.3 Nombre de permutations d'un ensemble à n éléments Théorème et définition. avec Un ensemble à n éléments compte n! permutations, n! = n × (n − 1) × · · · × 1 Le nombre n! est le produit de tous les entiers compris entre 1 inclus et n inclus. Ce nombre se lit « factorielle n ». 8 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 9 — #24 i Chapitre 1 i Dénombrements dans un ensemble fini En effet, nous avons n choix possibles du premier terme de la permutation. Pour le second terme, il reste seulement n − 1 choix possibles. Pour le troisième, il reste n − 2 choix possibles, et ainsi de suite. Pour le dernier terme, il y a un unique choix possible. Au total, nous faisons le produit n × (n − 1) × (n − 2) · · · × 2 × 1 de tous ces nombres de choix. On a 1! = 1, 2! = 2, 3! = 6, 4! = 24, 5! = 120 · · ·. Cette suite tend vers l’infini très vite. • Par convention, on pose 0! = 1, ce qui sera très pratique. • la suite des factorielles vérifie la relation de récurrence n! = n × (n − 1)!, avec l’initialisation 0! = 1. 4.4 Quelques exemples Exemple 1 Cherchons le nombre d’anagrammes du prénom ALICE. Un anagramme est une permutation quelconque des lettres d’un mot, que cela ait un sens en français ou non. Ici, nous avons 5 lettres différentes, et les 5! permutations des cinq lettres nous donnent 5! = 120 anagrammes distincts. Exemple 2 Cherchons le nombre d’anagrammes du prénom EMILE. Il y a aussi cinq lettres, mais on a deux fois la lettre E. Il est donc faux de dire qu’il y a 5! anagrammes. Si les deux lettres E étaient distinctes (une en bleu, l’autre en rouge), on aurait bien 5! anagrammes, mais MEILE avec le premier E rouge et le second en bleu, est le même anagramme que MEILE avec le premier E en bleu et le second en rouge. Chaque anagramme est trouvé deux fois, et la vraie réponse est donc 5! = 60. 2 Exemple 3 Cherchons le nombre d’anagrammes de « constitutionnel ». Si les 15 lettres étaient distinctes, il y aurait 15! anagrammes (permutations possibles). Mais on rencontre trois fois la lettre « t », par exemple. En les considérant comme distincts, nous avons compté 3! fois chaque anagramme : si l’on peint les trois « t » de couleurs différentes, il y a 3! façons de les permuter entre elles, mais cela donne le même anagramme. Il faut donc diviser notre 15! par 3! pour le « t ». Il faut aussi le diviser par 3! (pour le « n »), par 2! (pour le « i ») et par 2! encore 15! pour le « o ». On obtient 2 2 anagrammes. 2! 3! 9 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 10 — #25 i maths Probabilités et tests d’hypothèses Exemple 4 Cinq garçons et quatre filles vont au cinéma, et s’assoient sur la même rangée. • Ils ont 9! façons possibles de s’asseoir. • S’ils veulent que chaque fille soit à côté d’un garçon, les cinq places des garçons sont imposées (les numéros 1, 3, 5, 7, 9) et celles des filles le sont aussi. Les filles ont donc 4! façons de se répartir sur les places qui leur sont réservées, et les garçons en ont 5!. Il y a donc 4! × 5! possibilités d’avoir cette alternance fille-garçon. 5. Arrangements de n objets p à p 5.1 Exemple Soit E = {1, 2, 3, 4}. Regardons les suites ordonnées de deux éléments distincts pris dans E : ce sont donc les suites (a, b), avec a et b distincts dans E, et la suite (b, a) est différente de la suite (a, b). On obtient (1, 2), (2, 1), (1, 3), (3, 1), (1, 4), (4, 1), (2, 3), (3, 2), (2, 4), (4, 2), (3, 4), (4, 3) Une telle petite suite s’appelle arrangement des quatre éléments de E deux à deux. 5.2 Définition Un arrangement de n éléments p à p est une suite ordonnée de p éléments choisis parmi ces n éléments de départ. On fera très attention à la notion d’ordre qui existe ici. Exemple 1 Soit E = {a, b, c, d, e} un ensemble à cinq éléments. {a, b, d} , {a, d, b} ou {c, e, a} sont des arrangements de ces cinq éléments trois à trois. On fera attention que {a, b, d} est différent de {a, d, b}. 10 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 11 — #26 i Chapitre 1 i Dénombrements dans un ensemble fini Exemple 2 Prenons une course hippique avec 20 partants. Un quinté est un arrangement de ces 20 chevaux 5 à 5. La notion d’ordre est fondamentale, un seul est gagnant ! Dans le langage courant, on parle de quinté dans le désordre pour désigner une permutation du quinté gagnant. 5.3 Calcul du nombre d'arrangements Théorème. Il y a Apn = n(n − 1) · · · (n − p + 1) arrangements de n objets p à p. En effet, il y a n choix possibles pour le premier terme de la suite. Pour le deuxième, il y en a seulement n − 1. Pour le dernier, comme p − 1 éléments ont été utilisés, il reste le choix parmi les n − (p − 1) = n − p + 1 éléments restants. On fait ensuite le produit de tous ces nombres de choix. Exemple 1 Il y a A35 = 5 × 4 × 3 = 60 arrangements possibles de cinq objets trois à trois. Exemple 2 Pour n = p, on on obtient les suites ordonnées de tous les n éléments de l’ensemble, à savoir les permutations de l’ensemble. On a Ann = n!, ce que la formule de calcul redonne bien. Exemple 3 Soient n lecteurs et m ≥ n livres. Le nombre de façons de distribuer des livres pour que chaque personne est exactement un livre est le nombre Anm d’arrangements de ces m livres n à n. L’expression de Apn est relativement facile à retenir : on fait le produit des p entiers décroissants à partir de n. 11 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 12 — #27 i maths Probabilités et tests d’hypothèses 6. Combinaisons de n objets p à p 6.1 Exemple Soit E = {1, 2, 3, 4} ensemble à 4 éléments. Intéressons-nous aux « paquets » de 2 objets pris dans cet ensemble, paquets sans ordre. Il s’agit donc, autre formulation, de trouver les sous-ensembles de E à 2 éléments. On obtient (1, 2), (1, 3), (1, 4), (2, 3), (2, 4), (3, 4) et c’est tout. Le paquet (4, 2) est identique au paquet (2, 4) et est bien dans la liste. Un tel paquet s’appelle une combinaison des quatre éléments de E deux à deux. 6.2 Définition Une combinaison de n objets p à p est un ensemble de p objets pris parmi les n en question. En termes ensemblistes, c’est un sous-ensemble à p éléments d’un ensemble à n éléments Dans la notion de combinaison, l’ordre disparaît. C’est différent de l’arrangement, où nous avons un ordre. 6.3 Calcul du nombre de combinaisons Chaque combinaison de n objets p à p donne naissance à p! arrangements : on permute de toutes les façons possibles les p éléments de la combinaison. On a donc une relation ( ) n simple entre le nombre d’arrangements et le nombre de combinaisons : p Apn ( ) n = p! p 12 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 13 — #28 i Chapitre 1 i Dénombrements dans un ensemble fini Théorème. Le nombre de combinaisons de n objets p à p est donné par ( ) n(n − 1) · · · (n − p + 1) n = p p! ( ) n ♠ Il existe une autre notation plus ancienne : se note aussi Cnp . Cette anp cienne notation sera très utilisée dans ce cours, surtout dans les formules un peu « lourdes », car elle prend moins de place sur la page. Pour le calcul numérique, l’expression encadrée ci-dessus est la plus rapide et la plus simple à retenir : ( ) le produit des p entiers décroissants à partir de n n = p p! Exemple 1 ( ) 5×4×3 5 = = 10. 3 3! Exemple 2 On se donne un sac avec n boules rouges et n blanches. On tire sans remise trois boules. ( ) 2n tirages • Un tirage est une combinaison de 2n éléments 3 à 3 : il y a 3 possibles. • On ne confondra pas ce nombre de tirages possibles avec la nature du tirage : on obtient {B,B,B} ou {B,B,R} ou {B,R,R} ou {R,R,R}. Il y a quatre natures de tirages possibles. • Le nombre de tirages où l’on obtient uniquement ( ) du rouge est le nombre de n combinaisons des n boules rouges 3 à 3, i.e. . 3 13 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 14 — #29 i maths Probabilités et tests d’hypothèses ( ) n 6.4 Expression de avec les factorielles p Sachant que n(n − 1) · · · (n − p + 1) = n! , on a aussi la formule classique (n − p)! ( ) n! n = p p!(n − p)! qui n’est pas très rapide pour le calcul numérique, mais très utile dans les exercices théoriques. Cette expression permet par exemple de voir facilement que l’on a ( ) ( ) n n−1 n = pour 1 ≤ p ≤ n p p p−1 7. Les formules classiques avec les combinaisons ( ) n Les jouent un tel rôle dans la vie qu’elles méritent un paragraphe particulier. p Voici, sans ordre spécial d’importance relative, un certain nombre de formules intéressantes. 7.1 Valeurs aux bornes On a clairement ( ) ( ) n n = = 1, 0 n ( ) n = n, 1 ( ) n(n − 1) n = 2 2 14 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 15 — #30 i Chapitre 1 i Dénombrements dans un ensemble fini 7.2 Une forme de symétrie Quand on fait un paquet de p objets parmi n, il en reste exactement n − p. Le nombre de combinaisons de n objets p à p est donc égal au nombre de combinaisons de ces n objets n − p à n − p : ( ) ( ) n n = p n−p Cette égalité est d’ailleurs évidente sur la formule ( ) n! n = . p p!(n − p)! 7.3 Le triangle de Pascal Prenons un élément dans nos n éléments, et mettons-lui un noeud rouge. Il y a deux sortes de paquets de p objets pris parmi ces n : • Ceux qui ne contiennent pas le noeud rouge : on doit prendre p éléments parmi ( ) n−1 les n − 1 restants, ce qui donne possibilités. p • Ceux qui contiennent ce noeud rouge ( : on) doit lui ajouter p − 1 éléments pris n−1 possibilités. parmi les n − 1 restants. Cela fait p−1 Le nombre total de combinaisons p à p est la somme de ces deux éventualités. On obtient la formule immensément importante ) ( ) ( ) ( n n−1 n−1 = + p p−1 p Pour 1 ≤ p ≤ n − 1, On peut donc calculer les combinaisons suivant le procédé suivant, appelé triangle de Pascal : n=1 n=2 n=3 n=4 1 n=5 1 n=6 1 6 1 2 1 1 3 4 5 1 3 6 10 15 1 4 10 20 1 5 15 1 6 1 15 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 16 — #31 i maths Probabilités et tests d’hypothèses Dans chaque ligne, un élément est égal à la somme des deux qui sont au-dessus de ( lui ) 7 (un à gauche et un à droite) dans la ligne du dessus. Pour ajouter la ligne des p dans le triangle amorcé ici, on ajoute la ligne composée de 1 1+6=7 6 + 15 = 21 15 + 20 = 35 20 + 15 = 35 15 + 6 = 21 6+1=7 1 7.4 La formule du binôme de Newton Il est vital de la connaître par coeur ! n (a + b) = n ( ) ∑ n p=0 p ap bn−p Les premières formules sont importantes à savoir directement (a + b)2 = a2 + 2ab + b2 , (a + b)3 = a3 + 3a2 b + 3ab2 + b3 Les coefficients de (a + b)n se lisent directement sur la ligne numéro n du triangle de Pascal. Cette formule peut se démontrer par récurrence. On peut aussi la montrer directement de façon combinatoire : Pour obtenir ap bn−p , on doit, parmi les n termes a + b, en choisir p où l’on prend le ( ) n terme a et l’on prend ensuite b dans les n − p termes qui restent. Il y a donc p façons de le faire. ( ) ( ) ( ) n n n 7.5 La somme + + ··· + 0 1 n Quand on fait a = b = 1 dans le binôme de newton, on obtient la célèbre somme ( ) ( ) ( ) n n n + + ··· + = 2n 0 1 n Cette relation donne une démonstration du résultat suivant : 16 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 17 — #32 i Chapitre 1 i Dénombrements dans un ensemble fini Un ensemble à n éléments contient 2n sous-ensembles, y compris lui-même et l’ensemble vide. ( ) ( ) n n En effet, un tel ensemble E admet partie à zéro élément (le vide), parties 0 1 ( ) ( ) n n à un élément, parties à deux éléments, . . ., parties à p éléments, jusqu’à 2 p ( ) n partie à n éléments (lui-même). En faisant la somme, on obtient le nombre total n de sous-ensembles de E. 7.6 D'autres sommes du même style En faisant a = −b, on obtient la relation ( ) ( ) ( ) ( ) ( ) ( ) n n n n n n p n − + − + · · · + (−1) + · · · + (−1) =0 0 1 2 3 p n un peu plus délicate à manipuler, car la parité de n intervient. En cherchant le coefficient de ap bn+m−p dans (a + b)n+m = (a + b)n × (a + b)m , on peut obtenir d’autres relations, comme par exemple ) ( ∑ (n)(m) n+m = j i p i+j=p 8. Dérangements de n éléments Ce paragraphe est donné à titre de culture générale seulement. Exemple Pour Noël, n personnes viennent chacune avec un cadeau. Les cadeaux sont répartis de façon que personne ne reparte avec le cadeau qu’il a amené. On fait donc une permutation des cadeaux, mais de telle sorte que personne ne garde son cadeau. On dit que l’on a fait un dérangement des cadeaux. 17 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 18 — #33 i maths Probabilités et tests d’hypothèses Un dérangement de n éléments est une permutation où aucun élément ne garde sa place. Cette définition est simple, mais elle sous-entend que l’on impose au départ un ordre dans l’ensemble, pour que l’on puisse parler de la « place de chaque élément ». Exemple (2, 3, 5, 6, 4, 1) est un dérangement de (1, 2, 3, 4, 5, 6). Il est peut-être plus rigoureux de donner la définition suivante : Un dérangement d’un ensemble E est une application f de E dans lui-même possédant les deux propriétés : • Si x ̸= y, alors f (x) ̸= f (y). • f (x) ̸= x, pour tout x ∈ E. Il existe une formule explicite donnant le nombre de dérangements de [1..N ] : Le nombre de dérangements de [1..n] est donné par ( 1 1 1) dn = n! × 1 − + − · · · + (−1)n 1! 2! n! 18 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 19 — #34 i Chapitre 1 i Dénombrements dans un ensemble fini Exercices ( ) n Nous utilisons soit la notation soit la notation ancienne Cnp pour représenter le p nombre de combinaisons de n objets p à p. L’ancienne notation a l’unique avantage typographique de prendre moins de place ! ▶ Exercice 1 On se donne une urne contenant 10 boules rouges et 10 boules noires. On tire deux boules sans remise. 1. Quel est le nombre de tirages possibles ? 2. Quel est le nombre de tirages possibles où les boules sont de couleurs différentes ? 3. Quel est le nombre de tirages où les deux boules sont rouges ? Où les deux boules sont de même couleur ? 4. A partir des questions 2 et 3, retrouver le résultat de la question 1. 5. On tire ces deux boules de la façon suivante : on tire une première boule (que l’on ne remet pas dans l’urne) et dont on note la couleur, puis une seconde boule dont on note aussi la couleur. a) Quel est le nombre de tirages où la première boule est rouge et la seconde est noire ? Où la première boule est noire et la seconde est rouge ? b) Comment peut-on retrouver ainsi le résultat de la question 2 ? 6. Hormis le petit souci apparent de la question 5, que faut-il garder en mémoire dans cet exercice, et plus généralement dans tout tirage où il y a plusieurs boules de même couleur ? Corrigé 2 1. C’est le nombre de combinaisons des 20 boules deux à deux, soit C20 = 20×19 2 = 190. 2. Nous avons 10 choix possibles pour la boule rouge, et de même pour la noire. Cela fait 102 = 100 tirages possibles. 3. Nous tirons deux boules parmi les dix boules rouges, sans ordre, ce qui donne une 2 combinaison. Nous avons donc C10 = 10×9 = 45 tirages possibles. On a le même 2 résultat pour deux boules noires. Le nombre de tirages où les deux boules sont de même couleur est donc la somme 45 + 45 = 90. 4. Un tirage donne soit deux boules de couleurs différentes (question 2), soit deux boules de même couleur (question 3). Le nombre total de tirages est donc la somme du nombre de tirages avec deux boules différentes et du nombre de tirages avec deux boules de même couleur. On obtient ainsi 100 + 90 = 190, et l’on retrouve le résultat de la question 1. 19 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 20 — #35 i maths Probabilités et tests d’hypothèses 5. a) Nous avons 10 choix pour la première boule rouge et aussi 10 pour la seconde boule, noire. Cela donne 102 = 100 tirages possibles. Il en va de même pour l’ordre inverse des couleurs. b) La première idée est la suivante : tirer deux boules de couleur différentes revient à tirer d’abord une rouge puis une noire, ou bien tirer d’abord une noire et ensuite une rouge. Ces deux situations sont disjointes, et il faut donc faire la somme 100 + 100 = 200 possibilités. On ne retrouve pas le résultat de la question 2. Cette méthode est donc fausse ! L’erreur est la suivante : tirer d’abord rouge puis noire ou bien d’abord noire puis rouge donne le même résultat, i.e. deux boules de couleur différentes. Chaque tirage bicolore est donc compté deux fois avec le raisonnement que nous venons de faire ! Il faut donc diviser ce total de 200 par 2, pour retrouver la vraie valeur de 100. 6. Nous considérons l’urne comme un ensemble à 20 éléments, ce qui sous-entend que ces éléments sont distincts. Moralement, nous avons donc numéroté les boules rouges pour les rendre distinctes (par exemple de 1 à 10) et de même pour les boules noires (par exemple de 11 à 20). ▶ Exercice 2 Combien d'anagrammes des mots suivants peut-on former : (a) CHIEN (b) POISON (c) POISSONS (d) ASSASSINATS Corrigé (a) Les cinq lettres sont différentes, et il y a donc 5! façons de les permuter. (b) Si l’on distinguait les deux « O », il y aurait 6! anagrammes possibles. Mais il y a 6! anagrammes. 2! façon de permuter ces deux « O » entre eux. Cela donne donc 2! (c) Comme il y a huit lettres, mais deux fois le « O » et le trois fois le « S », cela donne 8! anagrammes. 2! × 3! (d) Comme le « A » intervient trois fois et le « S » cinq fois dans ce mot de 11 lettres, 11! on aura anagrammes. 3! × 5! ▶ Exercice 3 Trouver le nombre de mots de deux voyelles et trois consonnes que l'on peut former avec six voyelles et vingt consonnes, sachant que les mots ne peuvent pas contenir trois consonnes consécutives. 20 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 21 — #36 i Chapitre 1 i Dénombrements dans un ensemble fini Corrigé • Déterminons les configurations possibles, i.e. la place des voyelles et des consonnes. A priori, il faut fixer les deux places de voyelles parmi cinq places, ce qui donne C52 = 10 configurations possibles. Mais comme trois consonnes ne peuvent pas être consécutives, il faut éliminer les trois configurations vvccc, vcccv et cccvv. Il reste sept configurations possibles. • Pour chaque configuration possible, il y a 62 possibilités pour les deux voyelles et 203 pour les trois consonnes. On obtient 7 × 62 × 203 mots possibles. ▶ Exercice 4 Une course hippique compte 20 partants. Les chevaux sont identifiés par leur numéro entre 1 et 20 bien sûr. On appelle tiercé la liste ordonnée des trois premiers chevaux arrivant. On s'intéresse particulièrement au numéro Huit. 1. Combien 2. Combien troisième ? 3. Combien 4. Combien différentes. a-t-on de tiercés possibles ? a-t-on de tiercés où le 8 est gagnant ? Où le 8 est second ? Où le 8 est a-t-on de tiercés où figure le 8 ? a-t-on de tiercés où le 8 ne figure pas ? On donnera deux démonstrations Corrigé 1. Un tiercé est un arrangement des 20 chevaux 3 à 3, puisqu’il y a un ordre à l’arrivée. On en a donc A32 = 20 × 19 × 18. 2. Avec le 8 en tête du tiercé, il reste 19 choix possibles pour le second et 18 pour le troisième. Cela donne 19 × 18 possibilités. On a le même raisonnement et le même résultat pour les deux autres cas. 3. C’est la réunion des trois ensembles disjoints « le 8 est premier », « le 8 est second », « le 8 est troisième ». On fait donc la somme des trois cardinaux, ce qui donne 3×19×18. 4. Comme il y a 20 × 19 × 18 tiercés possibles et 3 × 19 × 18 tiercés contenant le 8, il reste 20 × 19 × 18 − 3 × 19 × 18 = 17 × 19 × 18 tiercés où le 8 ne figure pas. On peut aussi dire la chose suivante : les tiercés sans le 8 sont les arrangements des 19 chevaux autres que le 8, pris 3 à 3. Cela fait A319 = 19 × 18 × 17. ▶ Exercice 5 On utilise un dé non truqué. On lance quatre fois de suite le dé, et on note le numéro sorti à chaque fois. On appelle jeu la suite de ces quatre lancers. Pour 0 ≤ k ≤ 4, on note Ak le nombre de jeux où le 6 est sorti exactement k fois. 1. Combien a-t-on de jeux possibles ? Combien en a-t-on où le 6 ne sort jamais ? Où seul le 6 est sorti ? 21 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 22 — #37 i maths Probabilités et tests d’hypothèses 2. Plus généralement, combien a-t-on de jeux possibles avec : (a) le 6 sort exactement une fois. (b) le 6 sort exactement deux fois. (c) le 6 sort exactement trois fois. 3. Quelle relation a-t-on entre tous ces nombre de jeux calculés ? Donner une formule générale pour Ak . 4. Combien a-t-on de jeux où le 6 est sorti au moins deux fois ? Corrigé 1. Il y a 6 possibilités pour chacun des quatre lancers, ce qui donne 64 = 1296 jeux possibles. Le 6 ne sort jamais si et seulement si c’est l’une des faces de 1 à 5 qui sort à chaque fois. Il y a 5 faces possibles à chaque fois, ce qui donne A0 = 54 = 625. Il y a une seule possibilité pour que le 6 sorte à chaque fois. On a A4 = 1. 2. (a) Pour avoir exactement une fois le 6, on doit avoir exactement trois fois l’une des cinq autres faces. Si, par exemple, le 6 sort en premier, cela donne 1 × 53 jeux possibles. Mais le 6 peut sortir aussi bien au lancer 2 ou 3 ou 4, ce qui fait au total A1 = 4 × 53 = 500 jeux possibles. (b) Fixons les deux positions de sortie du 6 : il reste cinq possibilités pour chacun des deux autres lancers, ce qui fait 52 jeux possibles. Comptons combien il y a de façons de choisir les de façon de combiner 4 objets deux à ( deux ) sorties du 6 : c’est le (nombre ) 4 4 deux, soit . On a finalement A2 = × 52 = 6 × 52 = 150. 2 2 ( ) 4 (c) Le même principe nous donne A3 = × 5 = 4 × 5 = 20. 3 3. La somme 4 ∑ Ak est évidemment égale à 64 , le nombre total de jeux. k=0 Montrons que l’on a Ak = ( ) 4 × 54−k : k ( ) 4 • Il y a façons de placer les k sorties du 6 parmi les 4 lancers. k • Pour chaque position des 6, il y a 54−k sorties possibles pour les 4 − k autres lancers. ( ) ( ) ( ) 4 4 4 2 4. C’est A2 + A3 + A4 = 5 + 5+ 50 = 171. 2 3 4 ▶ Exercice 6 On a un conseil municipal formé de 56 conseillers dont 20 vont voter pour le candidat A et 36 pour le candidat B lors de l'élection du maire. On prend un échantillon de 15 conseillers. 22 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 23 — #38 i Chapitre 1 i Dénombrements dans un ensemble fini 1. Combien a-t-on d’échantillons possibles ? 2. Combien a-t-on d’échantillons où tout le monde va voter A ? 3. Soit 0 ≤ k ≤ 15. Combien a-t-on d’échantillons où k personnes vont voter A et les autres B ? Corrigé ( ) 56 . 15 ( ) 20 2. Les 15 personnes sont à prendre parmi les 20 partisans de A. Il y a tels 15 échantillons. ( ) 20 3. Il faut choisir k personnes parmi les 20 partisans de A, ce qui fait possibilités, ( )k 36 et 15 − k personnes parmi les 36 partisans de B, ce qui fait possibilités. Au 15 −k ( ) ( ) 20 36 total, cela nous donne × échantillons possibles. k 15 − k 1. Un échantillon est une combinaison des 56 personnes 15 à 15 : il y en a ▶ Exercice 7 Une urne contient 10 boules rouges, 5 noires, 3 jaunes et 2 vertes. On tire quatre boules sans remise. 1. Combien a-t-on de tirages possibles ? 2. Combien a-t-on de tirages avec une boule de chaque couleur ? 3. Combien a-t-on de tirages avec exactement 2 boules rouges ? 4. Combien a-t-on de tirages sans aucune boule rouge ? 5. Combien a-t-on de tirages avec au moins une boule rouge ? Corrigé ( 1. Un tirage est un paquet sans ordre de 4 boules parmi 20 : il y en a ) 20 . 4 2. Il y a 10 choix possibles pour la boule rouge, et ainsi de suite pour les autres couleurs. Cela donne donc 10 × 5 × 3 × 2 tirages possibles. 3. Il y a 10 boules rouges ( )et 10 boules non rouges. Il faut tirer 2 boules parmi les 10 rouges, ce qui donne possibilités, et 2 boules parmi les 10 non rouges, ce qui 2 ( ) 10 donne aussi possibilités. Le nombre total de choix est le produit des deux, soit 2 ( )2 10 . 2 23 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 24 — #39 i maths Probabilités et tests d’hypothèses ( ) 10 4. Toutes les boules sont à tirer parmi les 10 non rouges, soit possibilités. 4 5. Le contraire de « au moins une rouge » est « aucune rouge ». Notre ensemble est donc le complémentaire (dans l’ensemble de tous les tirages ) ( de)la question 1) ( possibles 20 10 . de l’ensemble défini en question 4. Son cardinal est donc − 4 4 ▶ Exercice 8 Une urne contient 10 boules rouges, 5 noires, 3 jaunes et 2 vertes. On tire quatre boules les unes après les autres, et on les range les unes derrière les autres dans leur ordre de sortie. On appellera tirage la liste ordonnée des couleurs obtenues. 1. Combien a-t-on de tirages possibles ? 2. Combien a-t-on de tirages avec une boule de chaque couleur ? 3. Combien a-t-on de tirages avec exactement 2 boules rouges et deux noires ? 4. Combien a-t-on de tirages avec exactement 2 boules rouges, une jaune et une verte ? Corrigé 1. Un tirage est maintenant un arrangement des 20 boules 4 à 4, puisque l’ordre de sortie intervient. On en a donc A420 = 20 × 19 × 18 × 17. 2. Pour un ordre bien précis de sortie (par exemple R,N,J,V dans cet ordre), il y a évidemment 10 choix possibles de la boule rouge, 5 de la noire et ainsi de suite. Cela donne donc 10 × 5 × 3 × 2 choix possibles. Mais il faut tenir compte de tous les ordres possibles de sortie : leur nombre correspond aux permutations des quatre couleurs, et il y en a donc 4!. Finalement, on a 4! × 10 × 5 × 3 × 2 tirages possibles. 3. Le tirage sera parfaitement défini lorsque : • Nous aurons fixé les deux positions des boules rouges. Les deux boules noires occuperont les deux places restantes. Il s’agit de choisir 2 places, sans ordre puisque les deux boules à mettre sont de même couleur, parmi 4 : cela donne C42 = 6 possibilités. • Nous aurons tiré les deux boules rouges. Comme elles sont de même couleur, il 2 s’agit de choisir un paquet sans ordre de 2 boules parmi 10, ce qui donne C10 possibilités. • Nous aurons tiré les deux boules noires. Comme elles sont de même couleur, il s’agit de choisir un paquet sans ordre de 2 boules parmi 5, ce qui donne C52 possibilités. 2 Au final, cela fait C42 × C10 × C52 tirages possibles. 4. Le tirage sera parfaitement défini lorsque : • Nous aurons fixé les deux positions des boules rouges. Il s’agit de choisir 2 places, sans ordre puisque les deux boules à mettre sont de même couleur, parmi 4 : cela donne C42 = 6 possibilités. 24 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 25 — #40 i Chapitre 1 i Dénombrements dans un ensemble fini • Nous aurons fixé la place de la boule jaune. Il reste deux places possibles, une fois placées les rouges. • Nous aurons tiré les deux boules rouges. Comme elles sont de même couleur, il 2 s’agit de choisir un paquet sans ordre de 2 boules parmi 10, ce qui donne C10 possibilités. • Nous aurons tiré la boule jaune : 3 choix possibles. • Nous aurons tiré la boule verte : 2 choix possibles. 2 Au total, cela donne C42 × 2 × C10 × 3 × 2 tirages. ▶ Exercice 9 On dispose d'un jeu de 52 cartes (♠, ♡, ♣, ♢) non truqué. On appelle jeu le tirage au hasard de quatre cartes sans remise. Cet exercice reprend en partie un exemple donné dans le cours, mais il est tellement important qu'il faut savoir le faire et le refaire. 1. Combien a-t-on de jeux possibles ? 2. Combien a-t-on de jeux possibles pour chacun des cas suivant : (a) contenant une carte de chaque couleur (b) contenant exactement un as (c) ne contenant aucun as (d) contenant au moins un as (e) contenant exactement deux piques (f) formés de 2 piques et 2 coeur (g) 2 cartes d’une couleur et 2 d’une autre (h) un jeu bicolore Corrigé 4 paquets de quatre cartes dans le jeu. Paquet signifie « sans ordre » parmi 1. Il y a C52 ces quatre cartes. 1 = 13 choix possibles de la carte trèfle et ainsi de suite. On veut un trèfle 2. (a) Il y a C13 et un carreau et un coeur et un pique : ces « et » se traduisent par des multiplications. 4 4 On obtient (C13 ) jeux possibles. (b) L’as est à prendre parmi quatre cartes, soit C41 choix possibles, et les trois cartes 3 restantes sont à prendre parmi les 48 cartes autres que les as, ce qui fait C48 . Finalement, 1 3 on obtient C4 × C48 jeux possibles. 4 (c) Les quatre cartes sont à prendre parmi les 48 « non as », ce qui donne C48 jeux. (d) Les deux possibilités (c) et (d) sont complémentaires l’une de l’autre. La somme 4 4 4 des deux nombres de jeux donne donc le C52 initial. On obtient ainsi C52 − C48 jeux ayant au moins un as. 2 2 (e) C13 choix possibles des deux piques et C39 choix possibles des deux atres cartes à 2 2 prendre parmi les 52 − 13 = 39 « non pique ». Cela donne C13 × C39 jeux. 2 2 (f) On obtient C13 × C13 . 2 2 (g) Quand les deux couleurs sont fixées, on obtient (C13 ) jeux. Il faut ensuite fixer ces 2 deux couleurs, deux à choisir parmi quatre, soit C4 = 6 choix possibles. On a finalement 2 2 C42 × (C13 ) jeux. 25 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 26 — #41 i maths Probabilités et tests d’hypothèses (h) On a soit une carte d’une couleur et trois d’une autre, soit deux cartes d’une couleur et deux d’une autre. Le second cas vient d’être calculé. Pour le premier, on fixe la couleur à une carte (soit C41 ), on fixe la couleur à trois (soit C31 ), on fixe la carte 1 3 unique (soit C13 ) et les trois cartes de même couleur (soit C13 ). Le premier cas nous 1 1 1 3 1 1 1 3 2 2 donne le produit C4 C3 C13 C13 . Finalement, on obtient C4 C3 C13 C13 +C42 ×(C13 ) jeux. ▶ Exercice 10 On a une table rectangulaire permettant d'asseoir quatre personnes sur chacun des grands côtés. Quatre hommes et quatre femmes s'y assoient. Il n'y a personne sur les petits côtés. 1. Combien ont-ils de façons possibles de s’asseoir ? 2. Combien ont-ils de façons de s’asseoir pour que chaque homme soit en face d’une femme ? 3. Combien ont-ils de façons de s’asseoir pour que chaque personne soit en face et à côté d’une personne du sexe opposé ? Corrigé 1. Il y a huit personnes discernables et huit places discernables. Il y a donc 8! façons de faire. 2. a) Voici une solution privilégiant les personnes. Les femmes s’assoient en premier. • La première femme a 8 places possibles. La deuxième en a seulement 6, la troisième 2 et la dernière une seule. Cela fait 8 × 6 × 4 × 2 façons. • Il reste quatre places imposées pour les quatre hommes, qui se permutent entre ces places. Il y a 4! façons de faire. Au total, cela fait 8 × 6 × 4 × 2 × 4! = 9216 façons de faire. b) Voici une solution privilégiant les places à table, que je numérote 1 3 5 7 2 4 6 8 • Je remplis les places 1 et 2. J’ai façons de les asseoir. • Je remplis les places 3 et 4. J’ai façons de les asseoir. • Je remplis les places 5 et 5. J’ai façons de les asseoir. • Je remplis les places 7 et 8. J’ai 1 4 femmes possibles, 4 hommes possibles et 2 3 femmes possibles, 3 hommes possibles et 2 2 femmes possibles, 2 hommes possibles et 2 femme, 1 homme et 2 façons de les asseoir. On fait le produit de tout cela, qui nous donne 4! × 4! × 24 , et redonne la même valeur que précédemment. 3. Reprenons la méthode avec les places. Mais attention, une fois que les places 1 et 2 sont occupées, les places des femmes et celles des hommes sont fixées. Dans le calcul précédent, il faut donc enlever le « 2 façons de les asseoir » à partir des places 3 et 4. 26 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 27 — #42 i Chapitre 1 i Dénombrements dans un ensemble fini • Je remplis les places 1 et 2. J’ai 4 femmes possibles, 4 hommes possibles et 2 façons de les asseoir. • Je remplis les places 3 et 4. J’ai 3 femmes possibles, 3 hommes possibles et 1 façon de les asseoir. • Je remplis les places 5 et 5. J’ai 2 femmes possibles, 2 hommes possibles et 1 façon de les asseoir. • Je remplis les places 7 et 8. J’ai 1 femme, 1 homme et 1 façon de les asseoir. On fait le produit de tout cela, qui nous donne 4! × 4! × 2 façons de faire. ▶ Exercice 11 On se promène sur la grille du plan formée par les points à coordon- nées entières. On reste avec abscisse et ordonnées positives ou nulles. On peut passer du point (n, m) au point (n + 1, m) (avance horizontale) ou au point (n, m + 1) (avance verticale). On ne peut pas reculer, ni aller en oblique. 1. Combien a-t-on de chemins possibles pour aller du point (0, 0) au point (p, q) ? On commencera par regarder le nombre de trajets horizontaux et le nombre de trajets verticaux dans un tel chemin. 2. Au point (n, m) (avec 0 ≤ n ≤ p et 0 ≤ m ≤ q) il y a un gâteau. Combien a-t-on de chemins pour arriver en (p, q) en ayant mangé le gâteau ? 2 bis. Reprendre la question 4 en remplaçant le gâteau par une bouteille de champagne à vider ! Corrigé 1. On effectue au total p + q petites avances, dont obligatoirement p horizontales et q verticales. Le chemin est complètement déterminé par la donnée des p avances horizontales parmi les p(+ q. Il )s’agit, parmi les p + q petits trajets, de fixer les p trajets p+q façons de le faire. horizontaux : il y a p 2. Il s’agit de compter le nombre de chemins allant de (0, 0) à (p, q) en passant par ( ) n+m (n, m). C’est le produit du nombre de chemin allant de (0, 0) à (n, m), soit n (d’après la question 1) et du nombre de chemins allant de (n, m) à (p, q). A une translation près, le deuxième nombre est égal au nombre de chemin ( de chemins ) p+q−n−m allant de (0, 0) à (p − n, q − m), soit . Notre nombre de chemins p−n ) ( ) ( n+m p+q−n−m gourmands est donc de × . n p−n 2 bis. Pas loin de zéro, il y a des chances, vu que l’on a perdu le sens des réalités ! 27 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 28 — #43 i maths Probabilités et tests d’hypothèses ▶ Exercice 12 On cherche le nombre wn de suites de longueur n formée de la lettre F ou de la lettre P , et telles que l'on ait au moins trois F ou trois P consécutifs. On notera An l'ensemble de toutes les suites de longueur n formées de F ou P , sans aucune condition, et En la partie de An formée de celles vérifiant la condition donnée. On notera enfin En le complémentaire de En dans An , i.e. l'ensemble des suites n'ayant jamais trois F ou trois P consécutifs. On note un le cardinal de En . 1. Que vaut un + wn ? 2. Calculer u2 , u3 , u4 . 3. Justifier que le nombre de listes appartenant à En+2 et commençant par P F ou par F P est égal à un+1 . 4. Justifier que le nombre de listes appartenant à En+2 et commençant par P P ou F F est égal à un . 5. En déduire l’expression de un+2 en fonction de un et un+1 . √ √ 2 [( 1 + 5 )n+1 ( 1 − 5 )n+1 ] 6. Montrer que, pour n ≥ 1, on a un = √ − . 2 2 5 Corrigé 1. On a un + wn = |An |. Chaque élément de An a 2 choix possibles pour chacun de ses n termes, ce qui fait 2n éléments dans An . On a donc un + wn = 2n . 2. Pour n = 1, les deux listes [F ] et [P ] conviennent, et u1 = 2. Pour n = 2, les quatre listes possibles [F F ], [F P ], [P P ], [P F ] conviennent, et u2 = 4. Pour n = 3, on a 23 = 8 listes possibles, mais il faut enlever [F F F ] et [P P P ], et il en reste u3 = 6 seulement. Pour n = 4, il y a 24 = 16 listes possibles. Il faut enlever : • Les deux listes monochromes. • Les deux listes comportant F F F , à savoir [F F F P ] et [P F F F ]. Et les deux analogues avec P au lieu de F . Cela en fait 6 à enlever, et il en reste u4 = 10. 3. Toute liste de En+1 donne naissance à une seule liste de En+2 commençant par P F ou F P . Si elle commence par F , on ajoute P en tête, et si elle commence par P , on ajoute F en tête. Aucun risque d’avoir ainsi F F F ou P P P dans la liste agrandie. Réciproquement, en enlevant le premier élément d’une liste de En+2 commençant par P F ou F P , on obtient une liste de En+1 commençant soit par F soit par P , à savoir une liste quelconque dans En+1 . Les deux ensembles comptent le même nombre d’éléments. 4. Toute liste de En commençant par P P ou par F F donne naissance à une seule liste de En+2 : si elle commence par F F , on ajoute P en tête, et si elle commence par F F , on ajoute P en tête. Réciproquement, si on enlève les deux premiers termes d’une liste de En+2 commençant par P P ou F F , on obtient une liste quelconque de En : elle commence par F si la grande liste commençait par P P et inversement. Les deux ensembles ont exactement le même nombre d’éléments. 28 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 29 — #44 i Chapitre 1 i Dénombrements dans un ensemble fini 5. En+2 est la réunion disjointe de l’ensemble de ses éléments commençant par P F ou F P , et de l’ensemble de ses éléments commençants par P P ou F F . On fait donc la somme des deux cardinaux. On a donc un+2 = un + un+1 . On reconnaît une suite dite de Fibonacci. 6. On procède par récurrence. La formule est vraie pour n = 1 et n = 2, même si c’est un peu lourd à vérifier pour n = 2. L’hypothèse Hn de récurrence est √ √ 2 [( 1 + 5 )k+1 ( 1 − 5 )k+1 ] « pour tout entier 1 ≤ k ≤ n, on a uk = √ ». − 2 2 5 On est obligé de prendre cette hypothèse lourde, car on a besoin de savoir l’expression de un−1 et celle de un pour calculer un+1 . Supposons que Hn est vraie, et montrons que Hn+1 est encore vraie. On sait que √ √ 2 [( 1 + 5 )n+1 ( 1 − 5 )n+1 ] un = √ , − 2 2 5 √ √ 2 [( 1 + 5 )n ( 1 − 5 )n ] √ un−1 = − 2 2 5 On en déduit la somme √ √ ) ( 1 − √5 )n ( 1 − √5 )] 2 [( 1 + 5 )n ( 1 + 5 un + un−1 = √ +1 − +1 2 2 2 2 5 √ √ √ ( 1 + 5 )2 ( 1 − √5 )2 1+ 5 1− 5 et on remarque que +1= et +1= . 2 2 2 2 La propriété est vraie pour n = 2, et héréditaire à partir de n = 2. Elle est donc vraie pour tout n ≥ 2, ce qui signifie que l’expression de un est vraie pour tout n ≥ 1. ▶ Exercice 13 On se promène sur les points à coordonnées entières du quart de plan x ≥ 0. Au départ, on est en un point qui sera précisé dans chaque question. On passe d'un point à un autre uniquement en diagonale, et en allant vers la droite : on peut passer uniquement de (a, b) à (a + 1, b + 1) ou bien à (a + 1, b − 1). L'abscisse augment donc strictement à chaque étape, mais l'ordonnée peut augmenter ou diminuer. Tous les chemins considérés arrivent au point F (p+q, p−q) où p et q sont des entiers naturels fixés tels que p > q . 1. On part de (0, 0). Que représentent les entiers p et q vis à vis du nombre de fois où l’on « monte » et du nombre de fois où l’on « descend » ? ( ) p+q 2. En déduire que le nombre de chemins possibles est égal à . p 3. a) En déduire, sans nouveau calcul, le nombre de chemins partant du point (1, 1). On pourra considérer que ce point est la nouvelle origine du repère. b) En déduire, sans nouveau calcul, le nombre de chemins partant du point (1, −1). 29 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 30 — #45 i maths Probabilités et tests d’hypothèses 4. Montrer que le nombre de chemins partant de (1, 1) et franchissant ou touchant l’axe horizontal est égal au nombre de chemins partant de (1, −1). On considérera le premier point où un chemin partant de (1, 1) touche l’axe horizontal, et on effectuera une symétrie de ce début de chemin par rapport à cet axe. 5. En déduire le nombre de chemins partant de (1, 1) et ne touchant jamais l’axe. Quel est le nombre de chemins partant de (0, 0) et ne touchant jamais de nouveau l’axe ? Corrigé 1. Soient m et d les nombres de fois où l’on monte et on descend. La somme p + q représente le nombre de trajets élémentaires effectués, et on a donc m + d = p + q. En montant m fois et en descendant d fois, on passe du niveau 0 au niveau p − q, ce qui donne m − d = p − q. On en déduit que m = p et d = q. 2. Parmi les p + q petits trajets élémentaires, est complètement déterminé ( le chemin ) p+q par la position des p fois où l’on monte. Il y a façons de choisir ces p positions. p Cette combinaison est donc le nombre de trajets de (0, 0) à (p + q, p − q). 3. a) Effectuons une translation de l’origine au point (1, 1). Un chemin arrivant toujours en F est maintenant constitué seulement de p + q − 1 trajets élémentaires. Mais on « monte » seulement p − 1 fois : dans le nouveau repère, l’ordonnée du point d’arrivée F est seulement p+q −1. On est donc ramené à la question précédente, mais en partant de (0, 0) et )en arrivant en (p + q − 1, p − 1 − q) dans ce nouveau repère. On a donc ( p+q−1 chemins possibles. p−1 b) Effectuons une translation de l’origine au point (1, −1). (Les coordonnées du point ) F dans ce repère sont (p + q − 1, p − q + 1), que l’on écrit p + (q − 1), p − (q − 1) . On monte donc p fois et on descend q − 1 seulement (ce qui est(logique, puisque l’on ) p+q−1 est déjà desendu une fois pour arriver en (1, −1)). Il y a donc chemins p possibles. 4. Soit H(h, 0) le premier point où un chemin partant de (1, 1) touche l’axe horizontal. Prenons les symétriques par rapport à cet axe de chaque point d’abscisse 1, · · · h − 1 du chemin, et gardons les autres points. On obtient ainsi un chemin partant de (1, −1) et arrivant toujours en F . Réciproquement, prenons un chemin partant de (1, −1) et arrivant en F . Comme il passe d’une ordonnée négative à une ordonnée positive, il franchit l’axe horizontal au moins une fois. Soit H(h, 0) le premier point où il franchit cet axe : en effectuant de même une symétrie des points du chemin dont l’abscisse est comprise entre 1 et h − 1, et en gardant les autres, on obtient un chemin partant de (1, −1) et arrivant en F . Il y a donc une bijection entre l’ensemble des chemins partant de (1, 1) et touchant (ou franchissant) l’axe horizontal, et l’ensembles des chemins partant de (1, −1). 30 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 31 — #46 i Chapitre 1 i Dénombrements dans un ensemble fini Le chemin partant de (1, 1) touche une première fois l’axe en H. En trait plus gras, on voit le symétrique du début de ce chemin, qui nous donne un chemin allant de (1, −1) vers F . A partir de H, il reprend le chemin initial issu de A. 5. Le nombre de chemins partant de (1, 1) et ne touchant jamais l’axe est égal au nombre total de chemins partant de (1, 1) moins le nombre de ceux qui touchent ou franchissent l’axe. D’après les questions précédentes, il vient donc ) ( ) ( ( ) p−q p+q p+q−1 p+q−1 − = p−1 p p p+q Un chemin partant de (0, 0) et ne touchant jamais de nouveau l’axe horizontal est un chemin partant de (1, 1) et ne touchant jamais cet axe. Il y en a donc toujours ( ) p−q p+q . p p+q ▶ Exercice 14 Soit p ≥ n deux entiers naturels. On appelle En,p l'ensemble des n-uplets y = (y1 , y2 , · · · , yn ) formés d'entiers strictement croissants et compris entre 1 inclus et p inclus : on a 1 ≤ y1 < y2 < · · · < yn−1 < yn ≤ p. 1. Montrer qu’un élément y de En,p est défini de façon unique par la donnée d’une partie à n éléments de 1..p. 2. En déduire le nombre d’éléments de En,p . 31 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 32 — #47 i maths Probabilités et tests d’hypothèses On appelle Fn,p l’ensemble des n-uplets (x1 , x2 , · · · , xn ) composées d’entiers compris au sens large entre 0 et p tels que x1 + x2 + · · · + xn ≤ p. A partir d’une telle suite (x1 , · · · , xn ), on construit la suite y1 = 1 + x1 , y2 = 2 + x1 + x2 , · · · , yn = n + x1 + x2 + · · · + xn 3. a) Montrer que l’on définit ainsi un élément (y1 , · · · , yn ) de En,n+p . b) Exprimer les entiers x1 , x2 , · · · , xn en fonction de y1 , y2 , · · · , yn . c) En déduire qu’il existe une bijection de Fn,p sur En,n+p . En déduire le nombre d’éléments de Fn,p . 4. En déduire que le nombre de suites (x1 , x2 , · · · ,(xn ) composées ) d’entiers compris n+p−1 entre 0 et p tel que x1 + x2 + · · · + xn = p est égal à . On comparera Fn,p p et Fn,p−1 . Corrigé 1. Les entiers y1 , · · · , yn sont deux à deux distincts et forment donc une partie à n éléments de 1..p. Réciproquement, soit A un ensemble quelconque de n entiers compris entre 1 et p. On ordonne les éléments de A dans l’ordre croissant a1 < a2 < · · · < an , et on définit y par yk = ak pour tout 1 ≤ k ≤ n. 2. Il y a donc une bijection entre l’ensemble des parties à n éléments de 1..p ( et ) l’enp semble En,p . Ces deux ensembles ont le même nombre d’éléments, à savoir . n 3. a) Comme on ajoute 1 puis 2. . .à chaque fois, on a clairement 1 ≤ y1 < y2 < · · · < yn ≤ n + p. On définit ainsi un n-uplet d’entiers compris entre 1 et n + p, et strictement croissant. b) On a aisément x1 = y1 − 1, x2 = y2 − y1 − 2, x3 = y3 − y2 − 1 · · · , xn = yn − yn−1 − 1 On a des entiers xi tous compris entre 0 et n + p − n = p, puisque n + p ≥ yi > yi−1 . On a x1 + x2 + · · · + xn = (y1 − 1) + (y2 − y1 − 1) + (y3 − y2 − 1) + · · · + (yn − yn−1 − 1) = yn − n ≤ n + p − n ≤ p c) L’application qui à chaque suite (x1 , x2 , · · · , xn ) associe la suite (y1 , y2 , · · · , yn ) est donc une bijection de l’ensemble Fn,p sur l’ensemble En,n+p , puisque chaque suite (y1 , y2 , · · · , yn ) strictement croissante est l’image d’une et d’une seule suite (x1 , x2 , · · · , xn ). Cette bijection implique que d’éléments de Fn,p est égal au nombre d’élé( le nombre ) n+p ments de En,n+p , à savoir . n 32 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 33 — #48 i Chapitre 1 i Dénombrements dans un ensemble fini 4. L’ensemble Fn,p est la réunion disjointe de l’ensemble Fn,p−1 et de l’ensemble des suites (x1 , x2 , · · · , xn ) vérifiant exactement la relation x1 +x2 +· · ·+xn = p. Le nombre de suites vérifiant cette égalité est donc donné par ( ) ( ) n+p n+p−1 CardFn,p − cardFn,p−1 = − n n Un remplacement par l’expression d’une combinaison en fonction des factorielles nous donne ) ( ) ( ) (n + p − 1) ( n + p 1 n+p n+p−1 − = − n n n! p! (p − 1)! ( ) (n + p − 1)! n+p−1 = = p p!(n − 1)! ▶ Exercice 15 Un mot de Catalan de longueur m + 1 est une suite a0 , a1 , · · · am d'entiers naturels tels que a0 = am = 0, et |ai+1 − ai | = 1, pour tout 0 ≤ i ≤ m − 1. 1. Montrer que m est un entier pair : un mot de Catalan contient donc nécessairement un nombre impair de nombres. On notera cn le nombre de mots de Catalan de longueur 2n + 1, et sn le nombre de mots de Catalan de longueur 2n + 1 qui ne contiennent aucun zéro (hormis le premier et le dernier). On posera c0 = 1. 2. Ecrire tous les mots de Catalan de longueur 3, 5, puis 7. Calculer c1 , c2 , c3 . 3. Montrer que sn = cn−1 : on établira une bijection entre l’ensemble des mots de Catalan « sans zéro » de longueur 2n+1 et l’ensemble des mots de Catalan de longueur 2n − 1. n−1 ∑ 4. Montrer que cn = ck cn−1−k : on fera une partition de l’ensembles des mots de k=0 longueur 2n + 1 suivant la position du premier 0 (à partir de a2 , bien sûr). La suite de l’exercice demande la connaissance des séries entières. On rappelle que, lorsque les réels an et bn sont tous positifs ou nuls, on a, pour tout x > 0 : ∞ (∑ an xn ∞ )( ∑ n=0 On considère la série entière ∞ (∑ n ) ∑ ) ak bn−k xn bn xn = n=0 n=0 +∞ ∑ k=0 cn xn . n=0 5. Montrer que cn ≤ 4n , et en déduire que le rayon de convergence de cette série entière est supérieur ou égal à 1/4. On note f (x) la somme de cette série. 6. En utilisant le rappel, vérifier que xf (x)2 = f (x) − 1. 33 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 34 — #49 i maths Probabilités et tests d’hypothèses 1− √ 1 − 4x 7. En déduire que f (x) = . 2x ( ) ∫ +∞ ∑ dt 1 1 x 2n √ 8. Sachant que xn = √ , montrer que f (x) = . En n x 0 1 − 4x 1 − 4t n=0 ( ) 1 2n déduire que cn = . n+1 n Corrigé 1. On a m−1 ∑ (ai+1 − ai ) = am − a0 = 0. On a une suite de m nombres valant tous 1 ou i=0 −1, et dont la somme est nulle : il y a obligatoirement autant de nombres 1 et de −1, ce qui implique qu’il y a un nombre pair de nombres. L’entier m = 2n est pair. 2. Les mots de Catalan de longueur 3 sont (0, 1, 0) uniquement, et c1 = 1. Ceux de longueur 5 sont (0, 1, 2, 1, 0) et (0, 1, 0, 1, 0), ce qui donne c2 = 2. Ceux de longueur 7 sont (0, 1, 2, 3, 2, 1, 0), (0, 1, 2, 1, 2, 1, 0), (0, 1, 2, 1, 0, 1, 0), (0, 1, 0, 1, 2, 1, 0), (0, 1, 0, 1, 0, 1, 0) et c3 = 5. 3. A tout mot de Catalan de longueur 2n − 1, on peut associer un mot de Catalan de longueur 2n + 1 sans zéro en ajoutant 1 partout, et en mettant un 0 en tête et en queue : (0, a1 , a2 , · · · , a2n−3 , 0) 7→ (0, 1, a1 + 1, a2 + 1, · · · , a2n−3 + 1, 1, 0) Cette application est bijective, l’application réciproque consistant à enlever le 0 de tête et de queue, et à soustraire 1 à tous les autres : (0, b1 , b2 , · · · , b2n−2 , b2n−1 , 0) 7→ (0, b2 − 1, · · · , b2n−2 − 1, 0) On a donc autant de mots de longueur 2n − 1 et de mots sans zéro de longueur 2n + 1, soit sn = cn−1 . 4. On effectue une partition de Cn suivant la position p du premier zéro (autre que celui de tête). Comme il faut avoir, avant, autant de 1 que de −1 dans les différences a1 − a0 , a2 − a1 , · · · , ap − ap−1 , il faut que k soit un nombre pair. On le prend de la forme p = 2k avec 1 ≤ k ≤ n − 1, en ajoutant k = 0 quand le mot ne comporte pas de 0 : • k = 0 : le nombre de mots est sn , soit cn−1 . • k = 1 : la suite (a0 , a1 , a2 ) est un mot de Catalan sans 0 de longueur 3 (ce qui fait s1 possibilités), et la suite (a2 , a3 , · · · , a2n ) est un mot de Catalan de longueur 2n − 1 (ce qui fait cn−1 possibilités). Il y a s1 cn−1 = c0 cn−1 choix possibles. • Pour un indice k quelconque, la suite (a0 , a1 , · · · , a2k ) est un mot sans 0 de longueur 2k + 1 (ce qui fait sk = ck−1 possibilités), et la suite (a2k , · · · , a2n ) est un mot de Catalan quelconque de longueur 2n − 2k + 1 (ce qui en fait cn−k ). Il y a donc ck−1 cn−k tels mots. 34 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 35 — #50 i Chapitre 1 i Dénombrements dans un ensemble fini En faisant la somme de toutes ces possibilités, on obtient cn = cn−1 + n−1 ∑ ck−1 cn−k k=1 En changeant k en k + 1 et en utilisant c0 = 1, on obtient cn = cn−1 + n−2 ∑ ck cn−k−1 = cn−1 cn−(n−1)−1 + k=0 n−2 ∑ ck cn−k−1 = k=0 n−1 ∑ ck cn−k−1 k=0 5. Les 2n − 1 entiers ai+1 − ai (pour 1 ≤ i ≤ 2n − 1) valent ±1. Cela donne donc 22n−1 < 4n choix possibles, au maximum. Il y a donc au maximum 4n mots de Catalan de longueur 2n + 1.∑ En pratique, il y en a beaucoup moins. La majoration cn < 4n montre que la série cn xn converge au moins lorsque |x| < 1/4. 6. Quand on effectue le produit de la série entière de xn est égal à n ∑ ∞ ∑ ci xi par elle-même, le coefficient i=0 ck cn−k , à savoir à cn+1 : on a f (x)2 = k=0 Cela s’écrit xf (x)2 = ∞ ∑ ∞ ∑ cn+1 xn = n=0 ∞ ∑ cn xn−1 . n=1 cn xn = f (x) − 1. n=1 √ 1 ± 1 − 4x , l’unique 7. La résolution de l’équation du second degré donne f (x) = 2x √ 1 − 1 − 4x possibilité étant en fait f (x) = compte tenu de l’existence de f (0). 2x ∫ 1 x dt √ 8. Un calcul formel de primitive donne f (x) = . On a donc x 0 1 − 4t f (x) = ) n ) ∞ ( ∞ ( ∑ 1 ∑ 2n xn+1 x 2n = x n=0 n n + 1 n=0 n n + 1 1 L’identification des coefficients donne cn = n+1 ( ) 2n . n 35 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 36 — #51 i i i i i i i i i maths “ProHyp” — 2014/2/18 — 11 :50 — page 37 — #52 i Chapitre 2 Probabilités sur un ensemble fini 1 2 3 4 5 6 7 8 9 Univers mathématique fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Le lancer d'un dé : modélisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Univers associé à une expérience aléatoire. . . . . . . . . . . . . . . . . . . Premiers exemples de modélisation. . . . . . . . . . . . . . . . . . . . . . . . . . Le cas fondamental de l'équiprobabilité . . . . . . . . . . . . . . . . . . . . . Résolution plus élémentaire des exemples précédents . . . . . . . . Probabilités conditionnelles et évènements indépendants . . . . Evènements indépendants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exemple fondamental de modélisation dans le cas de non-équiprobabilité : lancers successifs d'une pièce truquée . 38 41 43 47 52 53 57 59 60 Nous définissons ici la notion de probabilité sur un ensemble fini. Nous commençons par une description purement mathématique (et même physique, puisque nous employons provisoirement le terme de « poids »), puis nous regarderons comment chaque situation probabiliste conduit à construire un modèle mathématique possédant les propriétés décrites dans ce premier paragraphe. 37 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 38 — #53 i maths Probabilités et tests d’hypothèses 1. Univers mathématique fini 1.1 Description de la situation Considérons un ensemble E = {e1 , e2 , · · · , en } contenant n éléments. Rappelons qu’il n’y a aucun ordre dans un ensemble, et que les éléments sont deux à deux distincts. A chaque élément ek , nous associons ce que nous appelons provisoirement un « poids élémentaire », à savoir un nombre réel p(ek ) strictement compris entre 0 et 1, et dont la somme totale est égale à 1 : p(e1 ) + p(e2 ) + · · · + p(en ) = 1 Il n’y a aucun intérêt à donner un poids élémentaire nul à un élément : cet élément ne servirait à rien, et autant ne pas le mettre dans l’ensemble E. Donner à un élément un poids élémentaire égal à 1 impliquerait que tous les autres éléments sont de poids élémentaires nul, et notre ensemble n’aurait aucun intérêt non plus. 1.2 Poids d'une partie de E Une partie A de E est formée de certains des éléments de E. Il est naturel d’associer à cette partie la somme des poids élémentaires des éléments qu’elle contient. Définition. soit A une partie de E. Le poids de A, noté P (A), est la somme des poids élémentaires des éléments constituant A : on a toujours 0 ≤ P (A) ≤ 1. La partie vide a un poids nul : P (∅) = 0. L’ensemble tout entier a un poids égal à 1. Exemple Soit E = {e1 , e2 , e3 }, et p1 , p2 , p3 les poids élémentaires des trois éléments. Cet ensemble admet 23 = 8 parties. Voici la liste de ces parties, et les poids qui seront attibuées à chacune. La partie vide a un poids nul : autant il est inutile de mettre dans E un élément de poids nul, autant l’ensemble vide est utile maintenant, même si son poids est nul. Le poids d’une partie sera notée avec un « P majuscule ». 38 i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 39 — #54 i Chapitre 2 ∅ A = {e1 } B = {e2 } C = {e3 } D = {e1 , e2 } F = {e2 , e3 } G = {e1 , e3 } E = {e1 , e2 , e3 } i Probabilités sur un ensemble fini P (∅) = 0 P (A) = p1 P (B) = p2 P (C) = p3 P (D) = p1 + p2 P (F ) = p2 + p3 P (G) = p1 + p3 P (E) = p1 + p2 + p3 = 1 1.3 Propriétés du poids d'une partie L’interprétation physique a l’avantage d’être facile à comprendre. ♠ Si deux parties A et B de E sont disjointes, à savoir n’ont aucun élément en commun, le poids de la réunion A ∪ B est évidemment la somme des poids de A et de B. ♠ Prenons deux parties non nécessairement disjointes, et contenant donc des éléments en commun : si l’on fait la somme P (A) + P (B), on compte une fois les éléments de A qui ne sont pas dans B, une fois les éléments de B qui ne sont pas dans A, mais on compte deux fois les éléments de A ∩ B. Pour avoir le poids de A ∪ B, on fait donc la somme des poids de A et de B, et on enlève une fois le poids de A ∩ B. Pour deux parties A et B disjointes, on a P (A ∪ B) = P (A) + P (B). Le poids total est la somme des deux poids. On peut aussi dire que l’aire totale est la somme des deux aires. Plus généralement, on a P (A ∪ B) = P (A) + P (B) − P (A ∩ B). 39 i i i i i i i “ProHyp” — 2014/2/18 — 11 :50 — page 40 — #55 i maths Probabilités et tests d’hypothèses Maintenant, il faut enlever une fois le poids de l’intersection, car il a été compté deux fois dans P (A) + P (B). La première formule se généralise sans problème à un nombre quelconque de parties disjointes : Si A1 , · · · , Ak sont deux à deux disjointes, alors P (A1 ∪ · · · ∪ Ak ) = P (A1 ) + · · · + P (Ak ). Il existe une généralisation de la seconde formule à k parties quelconques de E, mais elle est compliquée et ne présente pas une utilité phénoménale. On peut visualiser cette notion de poids d’une partie d’une autre façon : c’est (d’une certaine façon) la surface de la partie A, à l’intérieur de l’ensemble E dont la surface est égale à 1. La surface d’une réunion disjointe de parties est évidemment égale à la somme des surfaces des parties. Quand on fait la somme des surfaces de deux parties quelconques A et B, on compte deux fois la surface commune, à savoir la surface de A ∩ B. Pour avoir la surface de la réunion A ∪ B, on prend donc la somme des surfaces, et on enlève une fois la surface de l’intersection. Cette interprétation en terme de surface est claire quand on représente les ensembles par des diagrammes de Venn, couramment appelés « pommes de terre ». . ., et dont deux exemples sont dessinés ci-dessus. 1.4 Un peu de sophistication Peut-être sauté en première lecture La formule générale P (A ∪ B) = P (A) + P (B) − P (A ∩ B) se déduit de la première formule concernant deux parties disjointes : – A ∪ B est la réunion disjointe de A et de B \ A, à savoir les éléments de B qui ne sont pas dans A. 40 i i i i LMD Les notions sont présentées de façon simple et claire, pour pouvoir être accessibles à tous les publics, tout en restant rigoureuses. Certaines notions, comme les germes de probabilité et les notions fines sur les lois continues, réservées au public de mathématiciens, sont clairement indiquées. L’ouvrage fait la liaison avec la classe terminale et peut même être abordé par les élèves de TS un peu curieux. Les chapitres de niveau supérieur sont regroupés en fin d’ouvrage, pour être abordés uniquement si nécessaire. La loi normale, par contre, est introduite assez tôt, car elle est vite indispensable. Le lecteur biologiste ou médecin a ainsi rapidement une présentation complète mais simple des lois classiques et sophistiquées permettant d’effectuer les tests sur les moyennes, les variances et l’homogénéité des échantillons. Chaque notion est illustrée par des exemples dans le cours et de nombreux exercices corrigés en fin de chapitre. Les chapitres s’adressant au niveau L3 restent aussi parfaitement accessibles, car aucune connaissance fine de la théorie de la mesure n’est requise. +Les « plus » } De nombreux exemples viennent éclairer la théorie } De nombreux exercices corrigés en fin de chapitre François Cottet-Emard Directeur d’Études pour la Licence en mathématiques à l’Université de Paris-Sud, jusqu’en 2011, Maître de Conférences Hors-Classe. www.deboeck.com ISBN 978-2-8041-8466-7 PROHYP PROHYP-COVER.indd 1-3 Dans le cadre du nouveau Système Européen de Transfert des Crédits (ECTS), ce manuel couvre les niveaux : en France : Licence 2, 3 et Master 1. en Belgique : Baccalauréat 2, 3 et Master 1. en Suisse : Baccalauréat 2, 3 et Master 1. au Canada : Baccalauréat 2, 3 et Master 1. L1 D M2 M1 L3 L2 Conception graphique : Primo&Primo } Calculs numériques présentés avec les logiciels commerciaux actuels Probabilités et tests d’hypothèse cours et Exercices Corrigés LMD Cet ouvrage regroupe les probabilités et les tests d’hypothèse enseignés dans les trois premières années universitaires, aussi bien dans les filières mathématiques que biologiques ou appliquées. Fr. Cottet-Emard Un cours écrit comme il a été donné, simple et clair, partant toujours des exemples concrets pour arriver à une formulation rigoureuse. François Cottet-Emard Probabilités et tests d’hypothèse Probabilités et tests d’hypothèse u François Cottet-Emard u u Licence de mathématiques et de biologie 20/02/14 10:30