6 Probabilités : loi binomiale

6 Probabilités : loi binomiale
6.1 Loi de probabilité
Définition (rappel) : Une expérience est dite aléatoire si on connait toutes les issues possibles
A1,A2, . . . , An, et que l’on ne sait pas quelle issue va se produire.
Exemples :•Lorsqu’on lance un dé cubique à six faces il y a six issues possibles : 1, 2, 3, 4, 5
et 6.
•Pour une pièce de monnaie il y en a deux : Pile et Face.
Définition (rappel) : Une expérience aléatoire est munie d’une loi de probabilité, lorsqu’à
chaque issue Akest associée un nombre noté p(Ak), appelé probabilité de Ak, tel que :
pour tout k, 06k6n, 06p(Ak)61 et p(A1) + p(A2) + ...+p(An) = 1
Exemples :•Pour le dé les événements sont équiprobables, donc : p(1) = p(2) = p(3) = p(4) =
P(5) = P(6) = 1
6.
•De même pour la pièce de monnaie : p(P) = p(F) = 1
2.
•Pour une punaise, si Pest l’événement « la punaise retombe la pointe vers le haut », on peut
écrire : p(P) + p(P) = 1, mais p(P) et p(P) ne sont a priori pas égaux (ces probabilités doivent
être déterminées statistiquement pour chaque type de punaise).
6.2 Expérience de Bernoulli
On rencontre souvent des expériences aléatoires à deux issues, dites binaires (comme la pièce
de monnaie ou la punaise, ou encore « obtenir un multiple de 3 » en lançant un dé cubique
à six faces). On parle de succès si l’événement attendu est réalisé ou d’échec dans le cas contraire.
Définition : Une expérience aléatoire qui ne comporte que deux issues, l’une Sappelée succès
de probabilité p, l’autre Sappelée échec de probabilité (1 −p), s’appelle une expérience de
Bernoulli de paramètre p.
Définition : Deux expériences aléatoires sont dites indépendantes si le résultat de l’une
n’influe pas le résultat de l’autre.
Exemples :•Si on appelle succès l’événement « Pile » lorsqu’on lance une pièce de monnaie, il
s’agit d’une expérience de Bernoulli de paramètre 1
2. En répétant cette expérience on obtient
une suite d’expériences aléatoire indépendantes, car le résultat d’un lancer n’a aucune incidence
sur les autres lancers.
•Si on considère une urne contenant une proportion pde boules blanches, le reste étant constitué
de boules noires, et que l’on appelle succès le fait de tirer une boule blanche, il s’agit d’une
18

Maths 1stmg 6. Probabilités : loi binomiale prog 2012
expérience de Bernoulli de paramètre p.
Lorsque l’on répète l’expérience après avoir remis la boule tirée, on réalise une série d’expériences
indépendantes.
Si au contraire on ne remet pas la boule tirée, il y a une incidence du premier tirage sur les
suivants : dans ce cas les expériences successives ne sont pas indépendantes.
Dans le cas où l’urne comporte 3 boules blanches et 2 noires on peut représenter les deux tirages
successifs avec ou sans remise par les deux arbres suivants :
avec remise sans remise
B
3/5
B
3/5
N
2/5
N
2/5
B
3/5
N
2/5
et
B
3/5
B
2/4
N
2/4
N
2/5
B
3/4
N
1/4
6.3 Loi binomiale
Définition :•L’expérience aléatoire consistant à répéter nfois de manière indépendante
une épreuve de Bernoulli de paramètre ps’appelle un schéma de Bernoulli de paramètres n
et p.
•La variable entière Xégale au nombre de succès obtenus au cours de ces népreuves
s’appelle la variable aléatoire associée au schéma de Bernoulli de paramètres net p.
•La loi de probabilité associée à la variable aléatoire Xs’appelle la loi binomiale de para-
mètres net p, notée B(n;p).
Exemples :•Dans l’urne précédente contenant 3 boules blanches et 2 boules noires on considère
le tirage d’une boule blanche comme un succès. On répète 6 fois de suite la même expérience
en réintroduisant dans l’urne la boule après chaque tirage. La variable aléatoire Xqui compte
le nombre de succès, c’est-à-dire le nombre de boules blanches tirées, suit la loi binomiale de
paramètres n= 6 et p=3
5:BÅ6 ; 3 5ã.
•La variable aléatoire Xqui compte le nombre de « pile » obtenus lors de 20 lancers successifs
d’une pièce de monnaie (équilibrée) suit la loi binomiale BÅ20 ; 1
2ã.
Cas simples :n= 2 ou n= 3
Pour n= 2 ou n= 3 il est facile de modéliser par un arbre un tel schéma de Bernoulli de
paramètres net p:
pS
pS
qS
q
S
pS
qS
P(X= 2) = P({SS}) = p2
P(X= 1) = P({SS,SS}) = 2pq
P(X= 0) = P({S S}) = q2
On constate que : P(X= 2) + P(X= 1) + P(X= 0) = p2+ 2pq +q2= (p+q)2= 1
math4
bac – 19 – v1.618

Maths 1stmg 6. Probabilités : loi binomiale prog 2012
pS
pS
qS
pS
qS
pS
qS
q
S
pS
qS
pS
qS
pS
qS
P(X= 3) = P({SSS}) = p3
P(X= 2) = P({SSS,SSS,SSS}) = 3p2q
P(X= 1) = P({SS S,SSS,S SS}) = 3pq2
P(X= 0) = P({S S S}) = q3
On peut vérifier que :
P(X= 3) + P(X= 2) + P(X= 1) + P(X= 0) = p3+ 3p2q+ 3pq2+q3= (p+q)3= 1.
Lorsque nest supérieur le fonctionnement est identique. Pour calculer la probabilité d’obtenir
ksuccès sur nexpériences de Bernoulli avec un paramètre p, il faut compter toutes les issues
composées de ksuccès et n−kéchecs. D’après la propriété des arbres pondérés chacune de ces
issues a la même probabilité pkqn−k. Pour cela on utilise la calculatrice.
Exemples :•Pour 6 tirages d’une boule blanche sur 3 parmi 5, avec remise, la variable aléatoire
Xégale au nombre de boules blanches tirées suit une loi binomiale :
P(X= 0) ≈0,0041,
P(X= 1) ≈0,0369,
P(X= 2) ≈0,1382,
P(X= 3) ≈0,2765,
P(X= 4) ≈0,3110,
P(X= 5) ≈0,1866,
P(X= 6) ≈0,0467,
P(X63) = P(X= 0) + P(X= 1) + P(X= 2) + P(X= 3) ≈0,4557,
P(X>4) = 1 −P(X < 4) = 1 −P(X63) ≈0,5443.
Théorème (admis) : Si la variable aléatoire Xsuit une loi binomiale de paramètres net p,
B(n;p), alors son espérance mathématique est E(X) = np.
Exemples :•Pour 6 tirages d’une boule blanche sur 3 parmi 5, l’espérance mathématique est
6×3
5= 3,6.
•Pour 20 lancers d’une pièce de monnaie, l’espérance mathématique du nombre de « pile » (ou
« face ») est de E(X) = 20 ×1
2= 10.
math4
bac – 20 – v1.618