Vocabulaire des probabilités. Variables aléatoires discrètes. Probabilités conditionnelles. A. Vocabulaire des événements Exemple 1 : Une urne contient cinq boules identiques au toucher, numérotées de 1 à 5. Une expérience aléatoire consiste à tirer au hasard deux boules de l’urne. On s'intéresse aux deux numéros obtenus. On va envisager ici deux expériences aléatoires différentes : On tire une boule, on la remet dans l’urne puis on tire une deuxième boule ; on peut s’intéresser à l’ordre d’apparition des résultats. Dans ce cas on dira qu’une éventualité est un couple (i ; j) d’entiers. On tire simultanément les deux boules. On peut donc ne pas s’intéresser à l’ordre d’apparition des résultats. Dans ce cas on dira qu’une éventualité est une paire {i ;j} d’entiers. Définition. L’ensemble des éventualités d’une expérience aléatoire est appelé univers ou univers des possibles et est noté Ω . • Représenter les éléments de Ω à l’aide du tableau à double entrée ci-dessous : Cas avec ordre et remise Cas sans ordre ni remise B1 1 2 3 4 5 1 2 3 4 5 B2 1 2 3 4 5 1 2 3 4 5 Card Ω = … Card Ω = …. Définition. Tout élément de Ω est appelé éventualité ou événement élémentaire. Définition. Tout sous ensemble de Ω est appelé événement. Retour à l'exemple 1 dans le cas où l’on a tiré simultanément les deux boules : On considère les événements : A : « Les deux chiffres sont impairs » B : « La somme des deux chiffres est inférieure ou égale à 5 » • Ex : Définir A et B en extension. A= B= Définition. On note A l’événement contraire de A. A est constitué de tous les événements élémentaires réalisés lorsque A ne se produit pas. • Ex : Définir A et B en extension. (Cas de tirages simultanés) A = .... • B = .... Définir A en compréhension sans utiliser de négation. On note A ∩ B l’événement « A et B sont réalisés » On note A ∪ B l’événement « A ou B sont réalisés » (ou les deux à la fois) • Ex : Définir A ∩ B et A ∪ B en extension. (Cas de tirages simultanés) A ∩ B =...... Définition. A ∪ B =..... Définition. Soit A et B deux événements. Si A ∩ B = ∅ A et B sont dits incompatibles. 1 B. Vocabulaire des probabilités Définition. Soit Ω univers des possibles associé à une expérience aléatoire. On appelle probabilité sur Ω , une application P de l'ensemble des parties de Ω noté P ( Ω ) dans [0 ; 1] qui vérifie les propriétés : Si A et B sont incompatibles P(A ∪ B) = P(A ) + P( B) P ( A ) = 1 − P (A ) P(Ω) = 1 et P(∅) = 0 Propriété : Dans le cas général P( A ∪ B) = P(A ) + P( B) − P( A ∩ B) Définition : On dit qu’il y a équiprobabilité si tous les événements élémentaires ont la même probabilité. Définition : Lorsqu’il y a équiprobabilité et si Ω est un ensemble fini on a : P(A) = Nb.d 'éléments de A Card(A) = Nb.d 'éléments de Ω Card(Ω) Exercice 1 : Dans l’exemple 1 calculer P(A) dans le cas d’un tirage simultané de deux boules puis dans le cas de deux tirages successifs d’une boule avec remise. (A : « Les deux chiffres sont impairs »). C. Variables aléatoires discrètes et continues Définition : Soit Ω univers des possibles associé à une expérience aléatoire. On appelle variable aléatoire X toute application de P(Ω ) dans IR. Exemple 2 : Un sac contient quatre boules numérotées de 1 à 4. On tire simultanément deux boules de l’urne et on note X la somme des deux nombres obtenus. X est une variable aléatoire. X peut prendre les valeurs 3, 4 ....7. Dans un tel cas on dit que la variable aléatoire est discrète car elle ne peut prendre que des valeurs "isolées". (Ici en plus il n'y a qu'un nombre fini de valeurs). Exemple 3 : Une usine fabrique des tiges métalliques. Dans l'ensemble de la production on prélève au hasard une tige métallique et on note Y sa longueur. Comme les longueur des tiges produites peuvent prendre une infinité de valeurs, Y prendra des valeurs dans ]m ; M[ où m et M sont deux valeurs extrémales. Dans un tel cas on dit que la variable aléatoire est continue. Ce type de variable aléatoire sera étudié en fin d’année. 2 D. Etude des variables aléatoires discrètes. Définition Soit X une variable aléatoire discrète qui peut prendre les valeurs a1......an .... Définir la loi de probabilité de X c’est déterminer P[X = ai] pour toutes les valeurs ai que peut prendre X Définitions. Soit X une variable aléatoire qui peut prendre les valeurs a1......an On pose pi = P[X=ai] On appelle espérance mathématique le réel noté E(X) défini par E(X) = p 1a 1 +..... p n a n E(X) représente la valeur moyenne de la variable aléatoire X. On appelle variance le réel noté V(X) défini par V( X) = n ∑ p (x i =1 i i − E ( X)) 2 On appelle écart type le réel noté σ X défini par σ X = V( X) Propriété. On a V( X) = n ∑ p x ² − ( E( X))² i =1 i i Exercice 2 : Définir la loi de probabilités de la loi X de l'exemple 2. Calculer l’espérance mathématique la variance et l’écart type de X définie dans l’exemple 2. E. Probabilités conditionnelles Exercice 3 : Dans un lycée 60% des élèves sont des filles 35% des filles étudient l’espagnol 45% des garçons étudient l’espagnol 1° A l’aide d’un tableau à double entrée représenter cette situation. 2° On interroge un élève au hasard. On pose : F : « Cet élève est une fille » E : « Cet élève étudie l’espagnol » On note A l’événement : Cet élève est un garçon qui fait de l’espagnol. a. Exprimer A en fonction de E et F ou de leur contraire. b. Déterminer p1 la probabilité de A. 3° On interroge un garçon. Déterminer alors la probabilité p2 que ce garçon fasse de l’espagnol. 3 Définition : Soit Ω l’univers des possibles associés à une expérience aléatoire. A et B sont deux événements de Ω. On suppose que p(B) est non nul. On appelle probabilité de A sachant B noté pB(A) la probabilité de A en restreignant l’univers des possibles au cas où B s’est produit. Sur l'exemple p 1 = p( E ∩ F ) alors que p 2 = p F (E) Propriété : p B (A) = p(A ∩ B) (Vérification sur l'exemple) p(B) Remarque : p(A ∩ B) = pB (A) × p(B) = p(B ∩ A) = p A (B) × p(A) Question : On interroge au hasard un élève qui fait de l'espagnol. Déterminer p3 la probabilité que ce soit un garçon. F. Formule des probabilités totales. Définition : B1 ;B2 ;.... Bn forment une partition de Ω si : B1 ∪ B 2 ∪........ B n = Ω et si les Bi sont deux à deux disjoints Théorème : Si B1 ;B2 ;.... Bn forment une partition de Ω. A est un événement alors : p(A) = p(A ∩ B1 ) + p(A ∩ B2 ) + ............... + p(A ∩ Bn ) = p B1 (A) × p(B1 ) + ............. + p Bn (A) × p(Bn ) Exercice 4 : L’effectif d’une entreprise est constitué de 60% de femmes et de 40% d’hommes. 30% des femmes de cette entreprise sont affiliées à un club sportif 50% des hommes de cette entreprise sont affiliées à un club sportif On choisit une personne de cette entreprise au hasard. On souhaite déterminer la probabilité que cette personne soit affiliée à un club sportif On note S « La personne est affiliée à un club sportif » H « La personne choisie est un homme » F « La personne choisie est une femme » Déterminer : p(H); p(F); p H (S); p F (S) En déduire p(S ∩ H ); p(S ∩ F) et enfin p(S) (On proposera trois méthodes : utilisation des formules; utilisation d'un arbre de probabilité ; utilisation d'un tableau;) 4 G. Evénements indépendants A et B deux événements de Ω sont indépendants si pB(A) = p(A) (Le fait que B se produise ne modifie pas la probabilité de A). Théorème de Caractérisation : A et B sont indépendants si et seulement si : p(A ∩ B) = p(A ) × p( B) Théorème : Si A et B sont indépendants alors A et B sont indépendants, A et B sont indépendants ainsi que A et B Démonstration au programme. p ( A ∩ B ) = p A ( B ) × p ( A ) = (1 − p A ( B ) ) × p ( A ) = p ( A ) − p A ( B ) × p ( A) = p ( A ) − p ( A ∩ B ) = p ( A) − p ( A ) × p ( B ) (CarA et B indépendants ) = p ( A) (1 − p ( B ) ) = p ( A) × p ( B ) H. Loi binomiale Voir TD 8 5