Cours — Probabilités conditionnelles et loi binomiale (Tle spé)
Cette page propose un cours de mathématiques en Terminale Spécialité sur Probabilités conditionnelles et loi binomiale. Tu y retrouves les notions essentielles, les méthodes à connaître et des exemples pour travailler événements, arbres de probabilités, fréquences, calculs de chances.
Cours
Cours de mathématiques en Terminale Spécialité : Probabilités conditionnelles et loi binomiale
Fiches
Fiche de révision maths Terminale Spécialité : Probabilités conditionnelles et loi binomiale
Exercices
Exercices corrigés de mathématiques en Terminale Spécialité : Probabilités conditionnelles et loi binomiale
Quiz
Quiz de maths Terminale Spécialité : Probabilités conditionnelles et loi binomiale
Terminale Spé
Chapitres
Cours — Probabilités conditionnelles et loi binomiale
Probabilité conditionnelle • Arbre pondéré • Formule des probabilités totales • Indépendance •
Épreuve & schéma de Bernoulli • Loi binomiale \(\mathcal{B}(n,p)\) • Méthodes type Bac.
1) Objectifs Bac et plan de travail
Compétences attendues
- Calculer une probabilité conditionnelle \(\mathbb{P}_A(B)\) et une intersection.
- Lire et compléter un arbre pondéré.
- Utiliser la formule des probabilités totales et la formule de Bayes.
- Reconnaître et exploiter l’indépendance de deux événements.
- Identifier une variable aléatoire discrète et sa loi.
- Reconnaître un schéma de Bernoulli (indépendance + \(p\) constant).
- Modéliser : “\(X\) = nombre de succès” ⇒ \(X\sim\mathcal{B}(n,p)\).
- Calculer \(\mathbb{P}(X=k)\), \(\mathbb{P}(X\le a)\), \(\mathbb{P}(X\ge a)\), \(\mathbb{P}(a\le X\le b)\).
- Utiliser le complément : “au moins un succès” ⇒ \(1-(1-p)^n\).
- Calculer \(\mathbb{E}(X)\), \(\mathrm{Var}(X)\), \(\sigma(X)\) et interpréter.
Pièges fréquents
- Confondre \(\mathbb{P}_A(B)\) et \(\mathbb{P}_B(A)\).
- Sur un arbre : multiplier le long d’un chemin, additionner des chemins disjoints.
- Indépendance : ne jamais conclure uniquement parce que deux événements sont différents.
- Sans remise ⇒ pas binomial (indépendance fausse).
- “Succès” mal défini ⇒ tu échanges \(p\) et \(1-p\).
- Oublier \(\binom{n}{k}\) ou se tromper de puissances.
- Bornes : \(X\) est entier ⇒ attention à \(\lfloor\cdot\rfloor\), \(\lceil\cdot\rceil\).
- Confusion : \(np\) est une moyenne, pas une valeur forcément possible.
2) Probabilités conditionnelles
Définition
Soient \(A\) et \(B\) deux événements avec \(\mathbb{P}(A)>0\).
La probabilité de \(B\) sachant que \(A\) est réalisé est
\[
\boxed{\mathbb{P}_A(B)=\mathbb{P}(B\mid A)
=\frac{\mathbb{P}(A\cap B)}{\mathbb{P}(A)}}.
\]
On en déduit la formule du produit :
\[
\boxed{\mathbb{P}(A\cap B)=\mathbb{P}(A)\mathbb{P}_A(B)}.
\]
Attention à l’ordre
En général,
\[
\mathbb{P}_A(B)\ne \mathbb{P}_B(A).
\]
Le premier indice indique toujours l’événement que l’on sait réalisé.
Contrôle immédiat :
\[
0\le \mathbb{P}_A(B)\le 1.
\]
Exemple type Bac
Dans une population, \(\mathbb{P}(A)=0{,}40\) et
\(\mathbb{P}(A\cap B)=0{,}18\). Alors
\[
\mathbb{P}_A(B)=\frac{0{,}18}{0{,}40}=0{,}45.
\]
Ainsi, parmi les individus vérifiant \(A\), \(45\,\%\) vérifient aussi \(B\).
3) Arbres pondérés et probabilités totales
Règles d’un arbre
- À chaque nœud, la somme des probabilités des branches vaut \(1\).
- La probabilité d’un chemin est le produit des probabilités de ses branches.
- La probabilité d’un événement obtenu par plusieurs chemins disjoints est la somme des probabilités de ces chemins.
Formule des probabilités totales
Si \(A_1,\dots,A_m\) forment une partition de l’univers, alors
\[
\boxed{\mathbb{P}(B)=
\sum_{i=1}^{m}\mathbb{P}(A_i)\mathbb{P}_{A_i}(B)}.
\]
Avec \(A\) et \(\overline A\) :
\[
\mathbb{P}(B)=
\mathbb{P}(A)\mathbb{P}_A(B)+
\mathbb{P}(\overline A)\mathbb{P}_{\overline A}(B).
\]
Formule de Bayes
Lorsque \(\mathbb{P}(B)>0\),
\[
\boxed{\mathbb{P}_B(A)=
\frac{\mathbb{P}(A)\mathbb{P}_A(B)}{\mathbb{P}(B)}}.
\]
En pratique, on calcule d’abord \(\mathbb{P}(B)\) par la formule des probabilités totales.
Exemple : test de dépistage
Une maladie touche \(2\,\%\) d’une population. Un test est positif pour \(95\,\%\)
des personnes malades et pour \(4\,\%\) des personnes non malades.
En notant \(M\) : « malade » et \(T\) : « test positif »,
\[
\mathbb{P}(T)=0{,}02\times0{,}95+0{,}98\times0{,}04=0{,}0582.
\]
Puis
\[
\mathbb{P}_T(M)=\frac{0{,}02\times0{,}95}{0{,}0582}
=\frac{95}{291}.
\]
4) Indépendance de deux événements
Critères équivalents
Les événements \(A\) et \(B\) sont indépendants si
\[
\boxed{\mathbb{P}(A\cap B)=\mathbb{P}(A)\mathbb{P}(B)}.
\]
Si \(\mathbb{P}(A)>0\), cela équivaut à
\[
\mathbb{P}_A(B)=\mathbb{P}(B).
\]
À ne pas confondre
- Incompatibles : \(A\cap B=\varnothing\).
- Indépendants : la réalisation de l’un ne modifie pas la probabilité de l’autre.
- Deux événements incompatibles de probabilités non nulles ne sont jamais indépendants.
5) Méthode : modéliser par une loi binomiale
| Étape | Ce qu’on écrit (réflexes Bac) |
|---|---|
| 1 Identifier l’essai | Deux issues seulement : succès/échec. On définit clairement le succès. |
| 2 Vérifier schéma | \(n\) répétitions, indépendantes, probabilité de succès constante \(p\). |
| 3 Définir \(X\) | \(X\) = nombre de succès obtenus sur \(n\) essais. |
| 4 Conclure | \(\Rightarrow X\sim\mathcal{B}(n,p)\). |
| 5 Exploiter | Formule \(\mathbb{P}(X=k)\), cumuls, complément, espérance/variance. |
Phrase “copie Bac” : “On répète \(n\) épreuves de Bernoulli identiques et indépendantes, de probabilité de succès \(p\).
La variable \(X\) compte le nombre de succès. Donc \(X\sim\mathcal{B}(n,p)\).”
6) Épreuve de Bernoulli & schéma de Bernoulli
Épreuve de Bernoulli
Deux issues : succès (probabilité \(p\)) et échec (probabilité \(1-p\)).
| Issue | Probabilité |
|---|---|
| Succès | \(p\) |
| Échec | \(1-p\) |
Schéma de Bernoulli
Répétition de \(n\) épreuves de Bernoulli indépendantes avec probabilité de succès constante \(p\).
Sans remise ⇒ dépendance en général ⇒ pas binomial.
Exemple (reconnaître / refuser le modèle)
- On lance 12 fois une pièce (même pièce) ⇒ essais indépendants, \(p\) constant ⇒ OK.
- On tire 12 cartes sans remise dans un jeu ⇒ la probabilité change ⇒ pas binomial.
7) Loi binomiale \(\mathcal{B}(n,p)\)
Définition
Dans un schéma de Bernoulli \((n,p)\), si \(X\) est le nombre de succès, alors
\[
X\sim\mathcal{B}(n,p).
\]
\(X\) prend ses valeurs dans \(\{0,1,2,\dots,n\}\).
Coefficient binomial
\[
\binom{n}{k}=\frac{n!}{k!(n-k)!}\quad (0\le k\le n),\qquad 0!=1.
\]
Interprétation : nombre de façons de placer \(k\) succès parmi \(n\) essais.
Formule fondamentale
Pour \(k\in\{0,\dots,n\}\) :
\[
\mathbb{P}(X=k)=\binom{n}{k}p^k(1-p)^{n-k}.
\]
Piège : \(\binom{n}{k}\) + puissances \(p^k\) et \((1-p)^{n-k}\) sont obligatoires.
8) Calculs de probabilités : réflexes Bac
Sommes et complément
| Événement | Écriture correcte |
|---|---|
| \(\mathbb{P}(X\le a)\) | \(\displaystyle \sum_{k=0}^{\lfloor a\rfloor}\mathbb{P}(X=k)\) |
| \(\mathbb{P}(X\ge a)\) | \(\displaystyle \sum_{k=\lceil a\rceil}^{n}\mathbb{P}(X=k)=1-\mathbb{P}(X\le \lceil a\rceil-1)\) |
| \(\mathbb{P}(a\le X\le b)\) | \(\displaystyle \sum_{k=\lceil a\rceil}^{\lfloor b\rfloor}\mathbb{P}(X=k)\) |
| “Au moins un succès” | \(\mathbb{P}(X\ge 1)=1-\mathbb{P}(X=0)=1-(1-p)^n\) |
| “Au plus un succès” | \(\mathbb{P}(X\le 1)=\mathbb{P}(X=0)+\mathbb{P}(X=1)\) |
Exemple 1 (Bac) : calcul exact \(\mathbb{P}(X=3)\)
Une pièce truquée vérifie \(\mathbb{P}(\text{Pile})=0{,}3\). On effectue \(8\) lancers.
\(X\) = nombre de piles.
Alors \(X\sim\mathcal{B}(8,0{,}3)\) et \[ \mathbb{P}(X=3)=\binom{8}{3}(0{,}3)^3(0{,}7)^5,\quad \binom{8}{3}=56. \] \[ \boxed{\ \mathbb{P}(X=3)=56\cdot(0{,}3)^3\cdot(0{,}7)^5\ }. \]
Alors \(X\sim\mathcal{B}(8,0{,}3)\) et \[ \mathbb{P}(X=3)=\binom{8}{3}(0{,}3)^3(0{,}7)^5,\quad \binom{8}{3}=56. \] \[ \boxed{\ \mathbb{P}(X=3)=56\cdot(0{,}3)^3\cdot(0{,}7)^5\ }. \]
Exemple 2 : “au moins un succès” (complément)
Probabilité de succès \(p=0{,}92\), \(n=5\). \(X\sim\mathcal{B}(5,0{,}92)\).
\[ \mathbb{P}(X\ge 1)=1-\mathbb{P}(X=0)=1-(1-0{,}92)^5 =\boxed{\,1-(0{,}08)^5\,}. \]
\[ \mathbb{P}(X\ge 1)=1-\mathbb{P}(X=0)=1-(1-0{,}92)^5 =\boxed{\,1-(0{,}08)^5\,}. \]
9) Espérance, variance, écart-type
Formules
Si \(X\sim\mathcal{B}(n,p)\) :
\[
\mathbb{E}(X)=np,\qquad \mathrm{Var}(X)=np(1-p),\qquad \sigma(X)=\sqrt{np(1-p)}.
\]
Interprétation
- \(\mathbb{E}(X)=np\) : moyenne du nombre de succès (sur beaucoup de répétitions du protocole).
- \(\mathrm{Var}(X)\) : mesure la dispersion autour de \(np\).
- \(\sigma(X)\) : ordre de grandeur des écarts à la moyenne.
Exemple 3 : calculer \(\mathbb{E}(X)\), \(\mathrm{Var}(X)\), \(\sigma(X)\)
\(n=20\), \(p=0{,}4\), \(X\sim\mathcal{B}(20,0{,}4)\).
\[ \mathbb{E}(X)=20\times 0{,}4=8,\qquad \mathrm{Var}(X)=20\times 0{,}4\times 0{,}6=4{,}8,\qquad \sigma(X)=\sqrt{4{,}8}. \] \[ \boxed{\,\mathbb{E}(X)=8,\ \mathrm{Var}(X)=4{,}8,\ \sigma(X)=\sqrt{4{,}8}\,}. \]
\[ \mathbb{E}(X)=20\times 0{,}4=8,\qquad \mathrm{Var}(X)=20\times 0{,}4\times 0{,}6=4{,}8,\qquad \sigma(X)=\sqrt{4{,}8}. \] \[ \boxed{\,\mathbb{E}(X)=8,\ \mathrm{Var}(X)=4{,}8,\ \sigma(X)=\sqrt{4{,}8}\,}. \]
10) Mini-formulaire (indispensable)
Conditionnement & indépendance
\[
\mathbb{P}_A(B)=\frac{\mathbb{P}(A\cap B)}{\mathbb{P}(A)},\qquad
\mathbb{P}(A\cap B)=\mathbb{P}(A)\mathbb{P}_A(B).
\]
\[
\mathbb{P}(B)=\sum_i\mathbb{P}(A_i)\mathbb{P}_{A_i}(B).
\]
\[
A\perp B\Longleftrightarrow
\mathbb{P}(A\cap B)=\mathbb{P}(A)\mathbb{P}(B).
\]
Modèle binomial
\[
X\sim\mathcal{B}(n,p)
\ \Longleftrightarrow\
X=\text{nombre de succès sur }n\text{ essais Bernoulli indépendants de proba }p.
\]
\[
k\in\{0,1,\dots,n\}.
\]
Formules
\[
\mathbb{P}(X=k)=\binom{n}{k}p^k(1-p)^{n-k}.
\]
\[
\mathbb{E}(X)=np,\quad
\mathrm{Var}(X)=np(1-p),\quad
\sigma(X)=\sqrt{np(1-p)}.
\]
\[
\mathbb{P}(X\ge 1)=1-(1-p)^n.
\]
Checklist “copie Bac”
- Pour un conditionnement, j’identifie l’événement connu et je vérifie que sa probabilité est non nulle.
- Sur un arbre, je multiplie le long d’un chemin et j’additionne les chemins disjoints.
- Je teste l’indépendance avec \(\mathbb{P}(A\cap B)=\mathbb{P}(A)\mathbb{P}(B)\).
- Pour la binomiale, je définis clairement le succès et j’identifie \(n\) et \(p\).
- Je justifie l’indépendance et le fait que \(p\) est constant.
- Je pose \(X\) = nombre de succès ⇒ \(X\sim\mathcal{B}(n,p)\).
- Je calcule avec la formule (ou le complément) et je fais attention aux bornes entières.
- Si demandé : je donne \(\mathbb{E}(X)\), \(\mathrm{Var}(X)\), \(\sigma(X)\) et j’interprète.
Suivez votre progression
Connectez-vous pour enregistrer votre progression et vos tentatives de quiz.