Probabilité Cours Rappel : (E,p(E),p) est un espace probabilisé fini. On a: p(E) 1, p() 0, p(A) 1 p(A), p(A B) p(A) p(B) p(A B) Probabilité conditionnelle : A et B sont deux évènements tels que p(B) 0. p(A B) p(A / B) et donc p(A B) p(B) p(A / B). p(B) Loi des probabilités totales : Si B1 ,B 2 ,...,Bk est une partition de E c.a.d. i Bi E et Bi Bj pour i j et si A est un evenement de E alors p(A) p(A B1 ) p(A B2 ) ... p(A Bk ) p(B1 ) p(A / B1 ) p(B2 ) p(A / B 2 ) ... p(Bk ) p(A / Bk ). Variable aléatoire : (E,p(E),p) est un espace probabilisé fini. On appelle variable aléatoire ou aléa numérique toute application X de dans . X() x1 ,x 2 ,...,x n est l'ensemble des valeurs prises par X. L'application pX :x i p(X x i ) est appelée la loi de probabilité de X. On appelle fonction de répartition de X la fonction F définie sur par F(x) p(X x). Vu l'aspect imprivisible de X, on l'appelle variable aléatoire. Cours En Ligne Pour s’inscrire : www.tunischool.tn Page 1 sur 5 Probabilité Cours Application : On considère une pièce de monnaie truquée de telle façon que la probabilité d’avoir le côté « pile » soit le double de celle d’avoir le coté « face ». 1°/Calculer la probabilité d’apparition de chaque coté. 2°/On considère deux sacs S1et S2.Le premier contient trois boules rouges et quatre boules jaunes, La deuxième contient deux boules rouges et deux boules jaunes. On lance la pièce de monnaie ;si le coté visible est « pile »,on tire trois boules simultanément de S1 et si le coté visible est « face »,on tire deux boules simultanément de S2. Soit X l’aléa numérique correspondant au nombre de boules jaunes tirées. Déterminer la loi de probabilité de X . Solution : 1/ Notons F l’évènement : "avoir le coté face" et P : : "avoir le coté pile". On a p(F)+p(P)=1 donc a p(F)+2p(F)=1 donc p(F)=1/3 et par suite p(P)=2/3 2 /p(X 0) p(P (X 0)) p(F (X 0)) p(P) p((X 0) / P) p(F) p((X 0) / F) 2 C33 1 C 22 47 . 3 . 2 . 3 C7 3 C 4 630 p(X 1) p(P (X 1)) p(F (X 1)) p(P) p((X 1) / P) p(F) p((X 1) / F) 2 C32C14 1 C12C12 284 . 3 . 2 . 3 C7 3 C 4 630 p(X 2) p(P (X 2)) p(F (X 2)) p(P) p((X 2) / P) p(F) p((X 2) / F) 2 C13C 42 1 C 22 251 . 3 . 2 . 3 C7 3 C 4 630 p(X 3) p(P (X 3)) p(F (X 3)) p(P) p((X 3) / P) p(F) p((X 3) / F) 2 C34 1 48 . 3 0 . 3 C7 3 630 Loi binomiale : Si on a une succession de n épreuves identiques et indépendantes. Cours En Ligne Pour s’inscrire : www.tunischool.tn Page 2 sur 5 Probabilité Cours Si chaque épreuve donne exclusivement issue à un succès S avec la probabilité p et à un échec E avec la probabilité 1-p. Si X est l’aléa numérique qui prend pour valeurs le nombre d’apparition du succès S. On dit alors que X suit la loi binomiale de paramètres n et p. La loi de probabilité de X est : p(X k) Cknpk (1 p)nk ; 0 k n L’espérance mathématique de X est E(X)=n.p et sa variance est V(X)= n.p.(1-p) Application : On jette une pièce de monnaie truquée de telle sorte que la probabilité d’avoir le côté pile est 2/5, cinq fois de suite. Soit X la variable aléatoire qui prend pour valeur le nombre d’apparition du côté pile. les valeurs prises par X sont 0,1,2,3,4et5. La loi de probabilité de X est p(X k) Cknpk (1 p)nk ; 0 k n n=5, p=2/5 et par suite 2 3 2 p(X k) Ck5 ( )5k ; 0 k 5 et E(X) np 5 2 5 5 5 3 6 V(X) np(1 p) 2 5 5 Rappelons que dans le cas d’une variable aléatoire X en général on a : n n i1 i1 E(X) x ipi et V(X) x i2pi E(X)2 L'écart type est (X) V(X). E(X) désigne la moyenne de X. V(X) nous donne une idée sur la dispersion de la variable par rapport à sa moyenne. Exemples de lois continues : 1-La loi uniforme : Cours En Ligne Pour s’inscrire : www.tunischool.tn Page 3 sur 5 Probabilité Cours Soit un intervalle a,b. La fonction définie sur a,b par 1 s'appelle la densité de la loi de probabilité uniforme ba sur a,b. f(x) On appelle probabilité uniforme sur a,b , l'application qui à tout intervalle c,d inclu dans a,b associe le réel p c,d d c On a p(c X d) dc ba f(x)dx et p(X c) 0. On a aussi p c,d 1 p c,d . Définition : Soit X une variable aléatoire qui suit la loi de probabilité uniforme p sur l’intervalle a,b On appelle fonction de répartition de X, l'application F: 1 0 x a 0,1 . si x a 0 F(x) p a X x si x a,b 1 si x b b 2-La loi exponentielle : Soit un réel strictement positif. X est une variable aléatoire modélisée par la loi exponentielle de paramètre . La fonction définie par f(x)= ex s’appelle la densité de la loi de probabilité exponentielle de X sur p(X c) .On a : ec p(a X b) ea eb p(0 X b) 1 eb Définition : Soit X une variable aléatoire qui suit la loi de probabilité exponentielle p de parametre . On appelle fonction de répartition de X, l'application F: x 1 Application 1 : 0,1 . si x 0 0 F(x) p 0 X x si x 0, 0 Un appareil de mesure évalue l'épaisseur en cm de pièces mécaniques. L'expérience prouve que l'épaisseur de pièces peut être modélisée par une variable aléatoire X qui suit la loi Cours En Ligne Pour s’inscrire : www.tunischool.tn Page 4 sur 5 Probabilité Cours uniforme dans l'intervalle [2,2,8]. 1- Calculer p(X≤2,6) et p(2,3≤X≤2,5) . 2- Les pièces sont acceptées si leur épaisseur est supérieure à 2,4cm. Quelle est la probabilité pour qu'une pièce soit acceptée? 3- Une pièce a une épaisseur supérieure à 2,2cm. Quelle est la probabilité pour qu'elle soit acceptée? Application 2 : Ci-contre la représentation graphique de la densité de probabilité f d’une variable aléatoire X qui suit une loi exponentielle de paramètre λ. 1/ Expliciter f(x) , la densité de la loi exponentielle de X.. 2/ Calculer p(20≤X≤35) et p(X 10). 0,4 Solution : 1/ f(x)= ex et f(0)=0,4 donc λ =0,4 et par suite f(x)= 0, 4e0 ,4 x 0 2/ p(20≤X≤35) = e0,420 e0,435 = 0,00034 . 0 ,410 = 0,01831. p(X 10)= e Cours En Ligne Pour s’inscrire : www.tunischool.tn Page 5 sur 5