Probabilités totales et loi binomiale
Cours
Une usine achète ses composants à trois fournisseurs : quelle est la probabilité qu'un composant soit défectueux ? Sur un lot de \(50\) pièces, combien de pièces défectueuses faut-il s'attendre à trouver, et quel risque y a-t-il d'en trouver plus de \(3\) ? Pour répondre, on combine les arbres pondérés et une loi de probabilité très utile en industrie : la loi binomiale. Avec ce chapitre, tu sauras :
- utiliser la formule des probabilités totales sur un arbre complet ;
- reconnaître un schéma de Bernoulli et une loi binomiale ;
- calculer des coefficients binomiaux et des probabilités \(P(X = k)\) ;
- utiliser la calculatrice et l'espérance \(np\) pour prendre une décision.
1 Rappels de 1ère
Ces notions sont vues en détail dans les chapitres Probabilités conditionnelles et Variables aléatoires de 1ère STI2D.
- Probabilité conditionnelle : \(P_A(B) = \dfrac{P(A \cap B)}{P(A)}\), et \(P(A \cap B) = P(A) \times P_A(B)\) (produit des branches d'un chemin).
- Dans un arbre, la somme des probabilités des branches issues d'un même nœud vaut \(1\).
- Deux événements sont indépendants si \(P(A \cap B) = P(A) \times P(B)\).
- Une variable aléatoire \(X\) associe un nombre à chaque issue ; son espérance est \(E(X) = x_1p_1 + x_2p_2 + \dots + x_np_n\).
\(P(A) = 0{,}4\) et \(P_A(B) = 0{,}3\).
Étape 1 — Le produit des branches. \(P(A \cap B) = 0{,}4 \times 0{,}3 = 0{,}12\).
🔍 Vérification : \(0{,}12 \le 0{,}4\) : l'intersection est moins probable que \(A\) seul ✓.
Probabilité d'un chemin \(=\) produit des branches ; \(E(X) = \sum x_ip_i\).
2 Probabilités totales sur un arbre complet
Si les événements \(A_1\), \(A_2\), …, \(A_n\) forment une partition de l'univers (ils sont deux à deux incompatibles et leur réunion est l'univers entier), alors pour tout événement \(D\) :
\(P(D) = P(A_1 \cap D) + P(A_2 \cap D) + \dots + P(A_n \cap D)\).
En français : on additionne les probabilités de tous les chemins qui mènent à \(D\).
Pour calculer \(P_D(A_i)\) (la probabilité de \(A_i\) sachant que \(D\) est réalisé), on calcule \(P(D)\) par les probabilités totales, puis \(P_D(A_i) = \dfrac{P(A_i \cap D)}{P(D)}\).
Une usine achète \(60\,\%\) de ses composants au fournisseur \(F_1\), \(25\,\%\) à \(F_2\) et \(15\,\%\) à \(F_3\). Les taux de défaut sont respectivement \(5\,\%\), \(8\,\%\) et \(10\,\%\).
Étape 1 — Les trois chemins vers \(D\). \(P(F_1 \cap D) = 0{,}6 \times 0{,}05 = 0{,}03\) ; \(P(F_2 \cap D) = 0{,}25 \times 0{,}08 = 0{,}02\) ; \(P(F_3 \cap D) = 0{,}15 \times 0{,}1 = 0{,}015\).
Étape 2 — Additionner. \(P(D) = 0{,}03 + 0{,}02 + 0{,}015 = 0{,}065\).
Étape 3 — Remonter l'arbre. Un composant est défectueux : la probabilité qu'il vienne de \(F_3\) est \(P_D(F_3) = \dfrac{0{,}015}{0{,}065} \approx 0{,}231\).
🔍 Vérification : \(P(D) = 0{,}065\) est entre le plus petit taux (\(5\,\%\)) et le plus grand (\(10\,\%\)) ✓.
- ❌ Oublier un chemin : il faut tous les chemins qui mènent à \(D\).
- ❌ Confondre \(P_{F_3}(D) = 0{,}1\) (défaut sachant \(F_3\)) et \(P_D(F_3) \approx 0{,}231\) (\(F_3\) sachant défaut).
\(P(A) = 0{,}5\), \(P(B) = 0{,}3\), \(P(C) = 0{,}2\) forment une partition ; \(P_A(D) = 0{,}02\), \(P_B(D) = 0{,}03\), \(P_C(D) = 0{,}05\). Calcule \(P(D)\).
Voir la réponseMasquer la réponse
\(0{,}01 + 0{,}009 + 0{,}01 = 0{,}029\).
\(P(D) = \) somme des probabilités de tous les chemins qui mènent à \(D\) ; \(P_D(A) = \dfrac{P(A \cap D)}{P(D)}\).
3 Schéma de Bernoulli et coefficients binomiaux
- une épreuve de Bernoulli a deux issues : le succès \(S\), de probabilité \(p\), et l'échec, de probabilité \(1 - p\) ;
- un schéma de Bernoulli est la répétition de \(n\) épreuves de Bernoulli identiques et indépendantes ;
- le nombre de chemins de l'arbre qui comptent exactement \(k\) succès parmi \(n\) épreuves est le coefficient binomial \(\dbinom{n}{k}\) (lire « \(k\) parmi \(n\) »).
- \(\dbinom{n}{0} = \dbinom{n}{n} = 1\) et \(\dbinom{n}{1} = n\) ;
- symétrie : \(\dbinom{n}{k} = \dbinom{n}{n - k}\) ;
- relation de Pascal : \(\dbinom{n}{k} = \dbinom{n - 1}{k - 1} + \dbinom{n - 1}{k}\), ce qui donne le triangle de Pascal.
| \(n\) | \(k = 0\) | \(1\) | \(2\) | \(3\) | \(4\) | \(5\) |
|---|---|---|---|---|---|---|
| \(0\) | \(1\) | |||||
| \(1\) | \(1\) | \(1\) | ||||
| \(2\) | \(1\) | \(2\) | \(1\) | |||
| \(3\) | \(1\) | \(3\) | \(3\) | \(1\) | ||
| \(4\) | \(1\) | \(4\) | \(6\) | \(4\) | \(1\) | |
| \(5\) | \(1\) | \(5\) | \(10\) | \(10\) | \(5\) | \(1\) |
L'idée en une phrase : on regarde la première épreuve.
Voir la démonstration pas à pasMasquer la démonstration
Étape 1 — Si la première épreuve est un succès. Il reste \(k - 1\) succès à placer parmi les \(n - 1\) épreuves suivantes : \(\dbinom{n - 1}{k - 1}\) chemins.
Étape 2 — Si c'est un échec. Il reste \(k\) succès à placer parmi \(n - 1\) épreuves : \(\dbinom{n - 1}{k}\) chemins. On additionne les deux cas.
On lance \(4\) fois une pièce. Combien de chemins comptent exactement \(2\) piles ?
Étape 1 — Lister. \(PPFF\), \(PFPF\), \(PFFP\), \(FPPF\), \(FPFP\), \(FFPP\) : \(6\) chemins.
Étape 2 — Le triangle. Ligne \(n = 4\), colonne \(k = 2\) : \(\dbinom{4}{2} = 6\) ✓.
🔍 Vérification : la ligne \(4\) du triangle a pour somme \(1 + 4 + 6 + 4 + 1 = 16 = 2^4\), le nombre total de chemins ✓.
- ❌ Croire que les épreuves sont indépendantes lors de tirages sans remise : la composition change à chaque tirage.
- ❌ Confondre \(\dbinom{4}{2} = 6\) avec \(\dfrac{4}{2} = 2\).
Que vaut \(\dbinom{10}{8}\) ?
Voir la réponseMasquer la réponse
Par symétrie, \(\dbinom{10}{8} = \dbinom{10}{2} = 45\).
\(\dbinom{n}{k}\) \(=\) nombre de chemins à \(k\) succès ; triangle de Pascal.
4 La loi binomiale
Dans un schéma de Bernoulli de \(n\) épreuves de probabilité de succès \(p\), la variable aléatoire \(X\) qui compte le nombre de succès suit la loi binomiale \(\mathcal{B}(n \,;\, p)\), et pour tout entier \(k\) entre \(0\) et \(n\) :
\(P(X = k) = \dbinom{n}{k} \, p^k \, (1 - p)^{n - k}\).
Son espérance vaut \(E(X) = np\) : c'est le nombre moyen de succès sur un grand nombre de répétitions du schéma.
Chaque chemin à \(k\) succès a la probabilité \(p^k(1 - p)^{n - k}\), et il y a \(\dbinom{n}{k}\) tels chemins.
Chaque capteur d'un lot est défectueux avec la probabilité \(0{,}1\), indépendamment des autres. On en contrôle \(30\) ; \(X\) est le nombre de capteurs défectueux, donc \(X\) suit \(\mathcal{B}(30 \,;\, 0{,}1)\).
Étape 1 — L'espérance. \(E(X) = 30 \times 0{,}1 = 3\) : en moyenne, \(3\) capteurs défectueux par lot de \(30\).
Étape 2 — La calculatrice. \(P(X \le 2) \approx 0{,}411\) (probabilités cumulées).
Étape 3 — Au moins 3. \(P(X \ge 3) = 1 - P(X \le 2) \approx 0{,}589\).
🔍 Vérification : \(P(X = 3) \approx 0{,}236\) est la plus grande des probabilités, autour de l'espérance \(3\) ✓.
\(P(X \ge 1) = 1 - P(X = 0) = 1 - (1 - p)^n\). Pour trouver le plus petit \(n\) tel que cette probabilité dépasse un seuil, on résout l'inéquation avec le logarithme décimal.
- ❌ \(P(X \ge 3) = 1 - P(X \le 3)\). ✅ Le contraire de « \(X \ge 3\) » est « \(X \le 2\) ».
- ❌ Oublier le coefficient binomial dans \(P(X = k)\).
\(X\) suit \(\mathcal{B}(20 \,;\, 0{,}15)\). Combien vaut \(E(X)\) ?
Voir la réponseMasquer la réponse
\(E(X) = 20 \times 0{,}15 = 3\).
\(P(X = k) = \dbinom{n}{k}p^k(1 - p)^{n - k}\) ; \(E(X) = np\) ; \(P(X \ge k) = 1 - P(X \le k - 1)\).
Quiz du cours
Tu as lu le cours ? Vérifie en 7 questions que tu as retenu l’essentiel. Chaque réponse est corrigée tout de suite, sans chronomètre.
Deux machines font \(70\,\%\) et \(30\,\%\) des pièces, avec \(1\,\%\) et \(4\,\%\) de défauts. Quelle est la probabilité qu'une pièce soit défectueuse ?
Réponse attendue : \(0{,}019\)
\(0{,}7 \times 0{,}01 + 0{,}3 \times 0{,}04 = 0{,}007 + 0{,}012 = 0{,}019\).
Revoir dans le cours : 2. Probabilités totales sur un arbre complet
Pour calculer \(P_D(A)\) quand on connaît l'arbre complet, on calcule :
C'est la définition de la probabilité conditionnelle, avec \(P(D)\) obtenu par les probabilités totales.
Revoir dans le cours : 2. Probabilités totales sur un arbre complet
Combien vaut \(\dbinom{6}{2}\) ?
Réponse attendue : \(15\)
Ligne \(6\) du triangle de Pascal : \(1, 6, 15, 20, 15, 6, 1\).
Revoir dans le cours : 3. Schéma de Bernoulli et coefficients binomiaux
Vrai ou faux : on tire \(3\) boules sans remise dans une urne de \(10\) boules ; le nombre de boules rouges suit une loi binomiale.
Sans remise, la composition de l'urne change : les tirages ne sont pas indépendants.
Revoir dans le cours : 3. Schéma de Bernoulli et coefficients binomiaux
\(X\) suit \(\mathcal{B}(3 \,;\, 0{,}5)\). Combien vaut \(P(X = 1)\) ?
Réponse attendue : \(0{,}375\)
\(\dbinom{3}{1} \times 0{,}5 \times 0{,}5^2 = 3 \times 0{,}125 = 0{,}375\).
\(X\) suit \(\mathcal{B}(40 \,;\, 0{,}05)\). Quelle est son espérance ?
Réponse attendue : \(2\)
\(E(X) = np = 40 \times 0{,}05 = 2\).
\(P(X \ge 4)\) est égal à :
Le contraire de « \(X \ge 4\) » est « \(X \le 3\) ».
À revoir dans le cours :
Questions fréquentes
Comment savoir si une variable suit une loi binomiale ?
Il faut répéter \(n\) fois la même expérience à deux issues (succès ou échec), de façon indépendante, et compter le nombre de succès. Les tirages sans remise ne conviennent pas, sauf si l'énoncé dit qu'on peut les assimiler à des tirages avec remise.
Voir dans le cours : 3. Schéma de Bernoulli et coefficients binomiaux
Comment calculer un coefficient binomial ?
On peut compter les chemins de l'arbre qui ont \(k\) succès, utiliser le triangle de Pascal, ou la touche de la calculatrice (souvent notée « nCr » ou « Combinaison »). Par exemple, \(\dbinom{6}{2} = 15\).
Voir dans le cours : 3. Schéma de Bernoulli et coefficients binomiaux
Comment calculer P(X ≥ k) avec la calculatrice ?
La calculatrice donne les probabilités cumulées \(P(X \le k)\). On passe par l'événement contraire : \(P(X \ge k) = 1 - P(X \le k - 1)\). Par exemple, \(P(X \ge 3) = 1 - P(X \le 2)\).
Quand utiliser la formule des probabilités totales ?
Quand un événement peut se produire par plusieurs chemins d'un arbre, par exemple une pièce défectueuse qui peut venir de plusieurs machines. On calcule chaque chemin (produit des branches), puis on les additionne.
Voir dans le cours : 2. Probabilités totales sur un arbre complet
Que représente l'espérance np ?
C'est le nombre moyen de succès quand on répète le schéma de Bernoulli un grand nombre de fois. Avec \(100\) pièces et \(3\,\%\) de défauts, on trouve en moyenne \(3\) pièces défectueuses par lot, même si un lot donné peut en contenir plus ou moins.
Fiche mémo
L’essentiel du chapitre, à relire avant un contrôle.
L'essentiel
| Notion | À savoir |
|---|---|
| Chemin | probabilité \(=\) produit des branches |
| Probabilités totales | \(P(D) =\) somme des chemins qui mènent à \(D\) (partition) |
| Remonter l'arbre | \(P_D(A) = \dfrac{P(A \cap D)}{P(D)}\) |
| Schéma de Bernoulli | \(n\) épreuves à deux issues, identiques et indépendantes |
| Coefficient binomial | \(\dbinom{n}{k}\) \(=\) nombre de chemins à \(k\) succès ; triangle de Pascal |
| Loi binomiale | \(P(X = k) = \dbinom{n}{k}p^k(1 - p)^{n - k}\) |
| Espérance | \(E(X) = np\) |
| Au moins un | \(P(X \ge 1) = 1 - (1 - p)^n\) |
Pièges à éviter
- Ne pas oublier de chemin dans les probabilités totales.
- \(P_A(D)\) et \(P_D(A)\) sont différentes.
- Tirages sans remise : pas de loi binomiale (sauf approximation annoncée).
- Le contraire de \(X \ge k\) est \(X \le k - 1\).
Contrôle demain ? Prépare ton plan de révision de 30 minutes sur ce chapitre →
Niveau 1Facile (Exercices 1 à 11)
On sait que \(P(A) = 0{,}4\) et \(P_A(B) = 0{,}3\). Calcule \(P(A \cap B)\).
Voir la correction›
\(P(A \cap B)\) est la probabilité du chemin qui passe par \(A\) puis par \(B\) : on multiplie les probabilités des branches.
\(P(A \cap B) = P(A) \times P_A(B)\).
Étape 1 — Multiplier les branches :
\[\begin{aligned} P(A \cap B) &= 0{,}4 \times 0{,}3 \\ &= 0{,}12 \end{aligned}\]
Conclusion : \(\boxed{P(A \cap B) = 0{,}12}\).
🔍 Vérification : \(0{,}12 \le P(A) = 0{,}4\) : réaliser \(A\) et \(B\) est moins probable que réaliser \(A\) ✓.
Additionner \(0{,}4 + 0{,}3\) ; le long d'un chemin, on multiplie.
Les événements \(A\), \(B\), \(C\) forment une partition avec \(P(A) = 0{,}5\), \(P(B) = 0{,}3\) et \(P(C) = 0{,}2\). On sait que \(P_A(D) = 0{,}02\), \(P_B(D) = 0{,}03\) et \(P_C(D) = 0{,}05\). Calcule \(P(D)\).
Voir la correction›
\(A\), \(B\), \(C\) forment une partition : trois chemins mènent à \(D\). On calcule chaque chemin, puis on additionne (formule des probabilités totales).
\(P(D) = P(A \cap D) + P(B \cap D) + P(C \cap D)\).
Étape 1 — Les trois chemins :
\(P(A \cap D) = 0{,}5 \times 0{,}02 = 0{,}01\) ; \(P(B \cap D) = 0{,}3 \times 0{,}03 = 0{,}009\) ; \(P(C \cap D) = 0{,}2 \times 0{,}05 = 0{,}01\).
Étape 2 — Additionner :
\[\begin{aligned} P(D) &= 0{,}01 + 0{,}009 + 0{,}01 \\ &= 0{,}029 \end{aligned}\]
Conclusion : \(\boxed{P(D) = 0{,}029}\).
🔍 Vérification : \(0{,}029\) est entre le plus petit taux (\(0{,}02\)) et le plus grand (\(0{,}05\)) ✓.
Sans calculatrice, donne \(\dbinom{5}{0}\), \(\dbinom{5}{1}\) et \(\dbinom{4}{2}\).
Voir la correction›
on utilise les propriétés du cours (\(\dbinom{n}{0} = 1\), \(\dbinom{n}{1} = n\)) et on compte les chemins pour \(\dbinom{4}{2}\).
\(\dbinom{n}{k}\) est le nombre de chemins à \(k\) succès parmi \(n\) épreuves.
Étape 1 — Les deux premiers :
\(\dbinom{5}{0} = 1\) (un seul chemin sans succès) et \(\dbinom{5}{1} = 5\) (le succès peut être à l'une des \(5\) places).
Étape 2 — Compter les chemins à 2 succès sur 4 :
\(SSEE\), \(SESE\), \(SEES\), \(ESSE\), \(ESES\), \(EESS\) : \(\dbinom{4}{2} = 6\).
Conclusion : \(\boxed{1 \,;\ 5 \,;\ 6}\).
🔍 Vérification : ligne \(4\) du triangle de Pascal : \(1\), \(4\), \(6\), \(4\), \(1\) ✓.
Écris les lignes \(n = 0\) à \(n = 5\) du triangle de Pascal, puis lis \(\dbinom{5}{2}\) et \(\dbinom{5}{3}\).
Voir la correction›
chaque ligne commence et finit par \(1\) ; chaque autre nombre est la somme des deux nombres situés au-dessus de lui (relation de Pascal).
\(\dbinom{n}{k} = \dbinom{n - 1}{k - 1} + \dbinom{n - 1}{k}\).
Étape 1 — Construire le triangle :
| \(n\) | ||||||
|---|---|---|---|---|---|---|
| \(0\) | \(1\) | |||||
| \(1\) | \(1\) | \(1\) | ||||
| \(2\) | \(1\) | \(2\) | \(1\) | |||
| \(3\) | \(1\) | \(3\) | \(3\) | \(1\) | ||
| \(4\) | \(1\) | \(4\) | \(6\) | \(4\) | \(1\) | |
| \(5\) | \(1\) | \(5\) | \(10\) | \(10\) | \(5\) | \(1\) |
Étape 2 — Lire :
Ligne \(5\), colonnes \(k = 2\) et \(k = 3\) : \(\dbinom{5}{2} = 10\) et \(\dbinom{5}{3} = 10\).
Conclusion : \(\boxed{\dbinom{5}{2} = \dbinom{5}{3} = 10}\).
🔍 Vérification : \(\dbinom{5}{2} = \dbinom{4}{1} + \dbinom{4}{2} = 4 + 6 = 10\) ✓ ; et l'égalité des deux est la symétrie \(\dbinom{5}{2} = \dbinom{5}{5 - 2}\) ✓.
Dans chaque cas, dis si \(X\) suit une loi binomiale, et donne ses paramètres si c'est le cas.
a) On lance \(10\) fois un dé équilibré ; \(X\) est le nombre de 6 obtenus.
b) On tire successivement et sans remise \(3\) cartes d'un jeu de \(32\) ; \(X\) est le nombre d'as.
Voir la correction›
on vérifie les trois conditions d'un schéma de Bernoulli : deux issues, épreuves identiques, épreuves indépendantes ; \(X\) doit compter les succès.
Schéma de Bernoulli \(=\) \(n\) épreuves à deux issues, identiques et indépendantes ; le nombre de succès suit \(\mathcal{B}(n \,;\, p)\).
a) Les lancers de dé.
Étape 1 — Vérifier les conditions :
Chaque lancer a deux issues (« 6 », succès de probabilité \(\dfrac{1}{6}\), ou « pas 6 ») ; les \(10\) lancers sont identiques et indépendants. \(X\) compte les succès.
\(X\) suit \(\mathcal{B}\left(10 \,;\, \dfrac{1}{6}\right)\).
b) Les cartes sans remise.
Étape 2 — Vérifier l'indépendance :
Au premier tirage, \(P(\text{as}) = \dfrac{4}{32}\). Si on a tiré un as, au deuxième tirage \(P(\text{as}) = \dfrac{3}{31}\) : la probabilité change, les tirages ne sont pas indépendants.
Conclusion : \(\boxed{\text{a) } \mathcal{B}\left(10 \,;\, \tfrac{1}{6}\right) \quad \text{b) pas de loi binomiale}}\).
🔍 Vérification : avec remise, chaque tirage aurait gardé la probabilité \(\dfrac{4}{32}\), et on aurait eu \(\mathcal{B}\left(3 \,;\, \dfrac{1}{8}\right)\) ✓.
\(X\) suit \(\mathcal{B}(5 \,;\, 0{,}3)\). Calcule \(P(X = 0)\) et \(P(X = 5)\).
Voir la correction›
\(X = 0\) correspond au seul chemin « que des échecs », \(X = 5\) au seul chemin « que des succès » : \(\dbinom{5}{0} = \dbinom{5}{5} = 1\).
\(P(X = k) = \dbinom{n}{k}p^k(1 - p)^{n - k}\).
Étape 1 — Aucun succès :
\[\begin{aligned} P(X = 0) &= 1 \times 0{,}3^0 \times 0{,}7^5 \\ &= 0{,}16807 \end{aligned}\]
Étape 2 — Que des succès :
\[\begin{aligned} P(X = 5) &= 1 \times 0{,}3^5 \times 0{,}7^0 \\ &= 0{,}00243 \end{aligned}\]
Conclusion : \(\boxed{P(X = 0) = 0{,}16807 \text{ et } P(X = 5) = 0{,}00243}\).
🔍 Vérification : avec \(p = 0{,}3 < 0{,}5\), cinq échecs sont bien plus probables que cinq succès ✓.
\(X\) suit \(\mathcal{B}(20 \,;\, 0{,}15)\). Calcule \(E(X)\) et interprète.
Voir la correction›
on applique la formule de l'espérance d'une loi binomiale, \(E(X) = np\).
\(E(X) = np\) pour \(X\) de loi \(\mathcal{B}(n \,;\, p)\).
Étape 1 — Calculer :
\[\begin{aligned} E(X) &= 20 \times 0{,}15 \\ &= 3 \end{aligned}\]
Étape 2 — Interpréter :
Si l'on répète ce schéma de \(20\) épreuves un grand nombre de fois, on obtient en moyenne \(3\) succès.
Conclusion : \(\boxed{E(X) = 3}\).
🔍 Vérification : \(15\,\%\) de \(20\) épreuves font bien \(3\) ✓.
\(X\) suit \(\mathcal{B}(4 \,;\, 0{,}5)\). Calcule \(P(X = 2)\).
Voir la correction›
on applique la formule de la loi binomiale avec \(n = 4\), \(k = 2\), \(p = 0{,}5\), et \(\dbinom{4}{2} = 6\).
\(P(X = k) = \dbinom{n}{k}p^k(1 - p)^{n - k}\).
Étape 1 — Appliquer la formule :
\[\begin{aligned} P(X = 2) &= \dbinom{4}{2} \times 0{,}5^2 \times 0{,}5^2 \\ &= 6 \times 0{,}0625 \\ &= 0{,}375 \end{aligned}\]
Conclusion : \(\boxed{P(X = 2) = 0{,}375}\).
🔍 Vérification : sur \(16\) chemins équiprobables, \(6\) comptent \(2\) succès : \(\dfrac{6}{16} = 0{,}375\) ✓.
\(X\) suit \(\mathcal{B}(6 \,;\, 0{,}1)\). Calcule \(P(X \ge 1)\).
Voir la correction›
« au moins un succès » est le contraire de « aucun succès » : on calcule \(1 - P(X = 0)\).
\(P(X \ge 1) = 1 - (1 - p)^n\).
Étape 1 — Aucun succès :
\(P(X = 0) = 0{,}9^6 = 0{,}531441\).
Étape 2 — Le contraire :
\[\begin{aligned} P(X \ge 1) &= 1 - 0{,}531441 \\ &= 0{,}468559 \end{aligned}\]
Conclusion : \(\boxed{P(X \ge 1) \approx 0{,}469}\).
🔍 Vérification : \(E(X) = 0{,}6 < 1\) : il est cohérent qu'un succès au moins ait moins d'une chance sur deux ✓.
Dès qu'on lit « au moins un », on passe par l'événement contraire.
Le gain \(G\) d'un jeu (en euros) prend les valeurs \(-2\), \(1\) et \(5\) avec les probabilités \(0{,}5\), \(0{,}3\) et \(0{,}2\). Calcule \(E(G)\).
Voir la correction›
on applique la définition de l'espérance : somme des valeurs multipliées par leurs probabilités.
\(E(G) = x_1p_1 + x_2p_2 + x_3p_3\).
Étape 1 — Vérifier la loi :
\(0{,}5 + 0{,}3 + 0{,}2 = 1\) ✓.
Étape 2 — Calculer :
\[\begin{aligned} E(G) &= -2 \times 0{,}5 + 1 \times 0{,}3 + 5 \times 0{,}2 \\ &= -1 + 0{,}3 + 1 \\ &= 0{,}3 \end{aligned}\]
Conclusion : \(\boxed{E(G) = 0{,}3 \text{ €}}\) : en moyenne, le joueur gagne \(0{,}30\) € par partie.
🔍 Vérification : sur \(10\) parties « typiques » : \(5\) pertes de \(2\) €, \(3\) gains de \(1\) € et \(2\) gains de \(5\) €, soit \(-10 + 3 + 10 = 3\) €, donc \(0{,}3\) € par partie ✓.
Sans calculatrice, calcule \(\dbinom{10}{2}\), puis déduis-en \(\dbinom{10}{8}\).
Voir la correction›
\(\dbinom{10}{2}\) compte les façons de choisir les deux épreuves réussies parmi \(10\) ; puis la symétrie donne \(\dbinom{10}{8}\).
\(\dbinom{n}{k} = \dbinom{n}{n - k}\).
Étape 1 — Choisir deux places :
On choisit la première place réussie (\(10\) choix), puis la seconde (\(9\) choix) : \(10 \times 9 = 90\) ; chaque paire est comptée deux fois (dans les deux ordres), donc \(\dbinom{10}{2} = \dfrac{90}{2} = 45\).
Étape 2 — La symétrie :
Choisir \(8\) succès revient à choisir les \(2\) échecs : \(\dbinom{10}{8} = \dbinom{10}{2} = 45\).
Conclusion : \(\boxed{\dbinom{10}{2} = \dbinom{10}{8} = 45}\).
🔍 Vérification : à la calculatrice, \(\dbinom{10}{8} = 45\) ✓.
Niveau 2Intermédiaire (Exercices 12 à 24)
Une usine fabrique des pièces sur trois machines : \(M_1\) (\(45\,\%\) de la production), \(M_2\) (\(35\,\%\)) et \(M_3\) (\(20\,\%\)). Les taux de pièces défectueuses sont \(1\,\%\), \(2\,\%\) et \(4\,\%\).
a) Construis l'arbre et calcule la probabilité \(P(D)\) qu'une pièce soit défectueuse.
b) Une pièce est défectueuse. Quelle est la probabilité qu'elle vienne de \(M_3\) ?
Voir la correction›
les trois machines forment une partition : l'arbre a trois branches au premier niveau, puis deux (défectueuse ou non). On additionne les trois chemins vers \(D\), puis on « remonte » l'arbre avec la probabilité conditionnelle.
\(P(D) = \sum P(M_i \cap D)\) et \(P_D(M_3) = \dfrac{P(M_3 \cap D)}{P(D)}\).
a) La probabilité d'une pièce défectueuse.
Étape 1 — L'arbre :
Premier niveau : \(M_1\) (\(0{,}45\)), \(M_2\) (\(0{,}35\)), \(M_3\) (\(0{,}2\)). Second niveau : \(D\) avec \(0{,}01\), \(0{,}02\), \(0{,}04\), et \(\bar{D}\) avec \(0{,}99\), \(0{,}98\), \(0{,}96\).
Étape 2 — Les chemins vers D :
\(P(M_1 \cap D) = 0{,}45 \times 0{,}01 = 0{,}0045\) ; \(P(M_2 \cap D) = 0{,}35 \times 0{,}02 = 0{,}007\) ; \(P(M_3 \cap D) = 0{,}2 \times 0{,}04 = 0{,}008\).
Étape 3 — Additionner :
\[\begin{aligned} P(D) &= 0{,}0045 + 0{,}007 + 0{,}008 \\ &= 0{,}0195 \end{aligned}\]
b) Remonter l'arbre.
Étape 4 — La probabilité conditionnelle :
\[\begin{aligned} P_D(M_3) &= \dfrac{0{,}008}{0{,}0195} \\ &\approx 0{,}410 \end{aligned}\]
Conclusion : \(\boxed{P(D) = 0{,}0195 \text{ et } P_D(M_3) \approx 0{,}41}\).
Étape 5 — Vérifier l'arbre :
Pour chaque machine, les deux branches « défectueuse » et « bonne » ont pour somme \(1\) : \(0{,}01 + 0{,}99 = 1\), \(0{,}02 + 0{,}98 = 1\), \(0{,}04 + 0{,}96 = 1\). Au premier niveau, \(0{,}45 + 0{,}35 + 0{,}2 = 1\).
🔍 Vérification : \(P_D(M_1) \approx 0{,}231\), \(P_D(M_2) \approx 0{,}359\) et \(P_D(M_3) \approx 0{,}410\) ont pour somme \(1\) ✓.
\(M_3\) ne fait que \(20\,\%\) des pièces mais \(41\,\%\) des pièces défectueuses : c'est elle qu'il faut régler en priorité.
Une maladie touche \(2\,\%\) d'une population. Un test est positif chez \(95\,\%\) des malades et chez \(3\,\%\) des personnes saines.
a) Calcule la probabilité qu'un test soit positif.
b) Une personne a un test positif. Quelle est la probabilité qu'elle soit malade ?
Voir la correction›
on construit l'arbre « malade / sain » puis « positif / négatif ». La probabilité d'un test positif vient des probabilités totales ; la probabilité d'être malade sachant le test positif s'obtient en remontant l'arbre.
\(P_+(M) = \dfrac{P(M \cap +)}{P(+)}\).
a) Un test positif.
Étape 1 — Les deux chemins vers « + » :
\(P(M \cap +) = 0{,}02 \times 0{,}95 = 0{,}019\) ; \(P(\bar{M} \cap +) = 0{,}98 \times 0{,}03 = 0{,}0294\).
Étape 2 — Additionner :
\[\begin{aligned} P(+) &= 0{,}019 + 0{,}0294 \\ &= 0{,}0484 \end{aligned}\]
b) Malade sachant positif.
Étape 3 — Remonter l'arbre :
\[\begin{aligned} P_+(M) &= \dfrac{0{,}019}{0{,}0484} \\ &\approx 0{,}393 \end{aligned}\]
Conclusion : \(\boxed{P(+) = 0{,}0484 \text{ et } P_+(M) \approx 0{,}39}\).
🔍 Vérification : sur \(10\,000\) personnes, \(200\) malades dont \(190\) positifs, et \(9\,800\) saines dont \(294\) positives ; parmi les \(484\) positifs, \(\dfrac{190}{484} \approx 0{,}39\) sont malades ✓.
Penser qu'un test « fiable à \(95\,\%\) » donne \(95\,\%\) de chances d'être malade ; comme la maladie est rare, la plupart des positifs sont en fait des personnes saines.
\(X\) suit \(\mathcal{B}(3 \,;\, 0{,}4)\).
a) Donne la loi de \(X\) dans un tableau.
b) Calcule \(E(X)\) avec la définition, puis avec \(np\).
Voir la correction›
on applique la formule \(P(X = k) = \dbinom{3}{k}0{,}4^k \times 0{,}6^{3 - k}\) pour \(k = 0, 1, 2, 3\), avec les coefficients \(1\), \(3\), \(3\), \(1\) de la ligne \(3\) du triangle de Pascal.
\(E(X) = \sum x_ip_i\), et pour une loi binomiale \(E(X) = np\).
a) La loi.
Étape 1 — Les quatre probabilités :
\(P(X = 0) = 0{,}6^3 = 0{,}216\) ; \(P(X = 1) = 3 \times 0{,}4 \times 0{,}6^2 = 0{,}432\) ; \(P(X = 2) = 3 \times 0{,}4^2 \times 0{,}6 = 0{,}288\) ; \(P(X = 3) = 0{,}4^3 = 0{,}064\).
| \(k\) | \(0\) | \(1\) | \(2\) | \(3\) |
|---|---|---|---|---|
| \(P(X = k)\) | \(0{,}216\) | \(0{,}432\) | \(0{,}288\) | \(0{,}064\) |
b) L'espérance.
Étape 2 — Par la définition :
\[\begin{aligned} E(X) &= 0 \times 0{,}216 + 1 \times 0{,}432 + 2 \times 0{,}288 + 3 \times 0{,}064 \\ &= 0 + 0{,}432 + 0{,}576 + 0{,}192 \\ &= 1{,}2 \end{aligned}\]
Étape 3 — Par la formule :
\(np = 3 \times 0{,}4 = 1{,}2\).
Conclusion : \(\boxed{E(X) = 1{,}2}\) par les deux méthodes.
🔍 Vérification : \(0{,}216 + 0{,}432 + 0{,}288 + 0{,}064 = 1\) ✓.
\(X\) suit \(\mathcal{B}(20 \,;\, 0{,}1)\). Calcule \(P(X = 2)\), \(P(X \le 2)\) et \(P(X \ge 3)\) (au millième).
Voir la correction›
on utilise les fonctions de la calculatrice : probabilité simple (« binomFdp » ou « BinomPD ») pour \(P(X = 2)\), probabilité cumulée (« binomFRép » ou « BinomCD ») pour \(P(X \le 2)\), puis l'événement contraire pour \(P(X \ge 3)\).
Le contraire de « \(X \ge 3\) » est « \(X \le 2\) ».
Étape 1 — La probabilité simple :
\(P(X = 2) = \dbinom{20}{2} \times 0{,}1^2 \times 0{,}9^{18} \approx 0{,}285\).
Étape 2 — La probabilité cumulée :
\(P(X \le 2) = P(X = 0) + P(X = 1) + P(X = 2) \approx 0{,}677\).
Étape 3 — Le contraire :
\[\begin{aligned} P(X \ge 3) &= 1 - P(X \le 2) \\ &\approx 1 - 0{,}677 \\ &\approx 0{,}323 \end{aligned}\]
Conclusion : \(\boxed{0{,}285 \,;\ 0{,}677 \,;\ 0{,}323}\).
🔍 Vérification : \(\dbinom{20}{2} = 190\) et \(190 \times 0{,}01 \times 0{,}9^{18} \approx 190 \times 0{,}01 \times 0{,}150 \approx 0{,}285\) ✓.
Calculer \(1 - P(X \le 3)\), qui donne \(P(X \ge 4)\).
Un QCM (questionnaire à choix multiples) compte \(12\) questions ; chacune a \(5\) réponses dont une seule est juste. Un élève répond au hasard. \(X\) est le nombre de bonnes réponses.
a) Justifie que \(X\) suit une loi binomiale.
b) Calcule \(P(X = 5)\) et \(P(X \ge 5)\) (au millième).
c) Combien de bonnes réponses obtient-il en moyenne ?
Voir la correction›
chaque question est une épreuve de Bernoulli (juste ou fausse), identique et indépendante des autres, car l'élève répond au hasard. On applique la loi binomiale \(\mathcal{B}(12 \,;\, 0{,}2)\).
\(P(X = k) = \dbinom{n}{k}p^k(1 - p)^{n - k}\) et \(E(X) = np\).
a) La loi.
Étape 1 — Justifier :
\(12\) épreuves identiques et indépendantes, deux issues : succès « réponse juste » de probabilité \(\dfrac{1}{5} = 0{,}2\). \(X\) compte les succès : \(X\) suit \(\mathcal{B}(12 \,;\, 0{,}2)\).
b) Les probabilités.
Étape 2 — Exactement 5 :
\(\dbinom{12}{5} = 792\) :
\[\begin{aligned} P(X = 5) &= 792 \times 0{,}2^5 \times 0{,}8^7 \\ &\approx 0{,}053 \end{aligned}\]
Étape 3 — Au moins 5 :
\[\begin{aligned} P(X \ge 5) &= 1 - P(X \le 4) \\ &\approx 0{,}073 \end{aligned}\]
c) La moyenne.
Étape 4 — L'espérance :
\(E(X) = 12 \times 0{,}2 = 2{,}4\) bonnes réponses en moyenne.
Conclusion : \(\boxed{\mathcal{B}(12 \,;\, 0{,}2) \,;\ P(X = 5) \approx 0{,}053 \,;\ P(X \ge 5) \approx 0{,}073 \,;\ E(X) = 2{,}4}\).
L'énoncé ne dit pas « indépendantes », mais répondre au hasard à chaque question, sans tenir compte des autres, rend les épreuves indépendantes.
🔍 Vérification : la moyenne au hasard (\(2{,}4\) sur \(12\)) est faible, donc il est logique qu'avoir au moins \(5\) bonnes réponses soit rare (environ \(7\,\%\)) ✓.
Un appareil se connecte au réseau avec la probabilité \(0{,}05\) à chaque essai, de façon indépendante. Combien d'essais faut-il pour que la probabilité d'au moins une connexion dépasse \(0{,}9\) ?
Voir la correction›
sur \(n\) essais, \(P(\text{au moins une connexion}) = 1 - 0{,}95^n\). On résout \(1 - 0{,}95^n > 0{,}9\) avec le logarithme décimal, en changeant le sens car \(\log 0{,}95 < 0\).
Diviser par un nombre négatif change le sens d'une inégalité.
Étape 1 — L'inéquation :
\[\begin{aligned} 1 - 0{,}95^n &> 0{,}9 \\ 0{,}95^n &< 0{,}1 \end{aligned}\]
Étape 2 — Prendre le logarithme :
\[n\log 0{,}95 < \log 0{,}1 = -1\]
Étape 3 — Diviser par log 0,95 < 0 :
\[n > \dfrac{-1}{\log 0{,}95} \approx 44{,}9\]
Conclusion : \(\boxed{n = 45 \text{ essais}}\).
Étape 4 — Interpréter :
Chaque essai a peu de chances de réussir (\(5\,\%\)), mais en répétant les essais, la probabilité d'échouer à tous devient faible. Avec \(45\) essais, elle passe sous \(10\,\%\) : c'est pour cela que les appareils réessaient automatiquement plusieurs fois.
🔍 Vérification : \(1 - 0{,}95^{44} \approx 0{,}895 < 0{,}9\) et \(1 - 0{,}95^{45} \approx 0{,}901 > 0{,}9\) ✓.
\(X\) suit une loi binomiale de paramètres \(n = 24\) et \(p\) inconnu, avec \(E(X) = 6\). Trouve \(p\).
Voir la correction›
on écrit \(E(X) = np\) avec les valeurs connues, puis on résout l'équation d'inconnue \(p\).
\(E(X) = np\).
Étape 1 — L'équation :
\[24p = 6\]
Étape 2 — Résoudre :
\[p = \dfrac{6}{24} = 0{,}25\]
Conclusion : \(\boxed{p = 0{,}25}\).
Étape 3 — Interpréter :
Sur \(24\) épreuves, on obtient en moyenne \(6\) succès, soit un succès sur quatre : chaque épreuve réussit avec la probabilité \(\dfrac{1}{4}\).
🔍 Vérification : \(24 \times 0{,}25 = 6\) ✓, et \(0{,}25\) est bien entre \(0\) et \(1\) ✓.
Une pièce est défectueuse avec la probabilité \(0{,}04\). On prélève \(50\) pièces (production assez grande pour assimiler le prélèvement à des tirages avec remise).
a) Calcule la probabilité qu'aucune pièce ne soit défectueuse.
b) Calcule \(P(X \le 2)\) à la calculatrice, puis le nombre moyen de pièces défectueuses.
Voir la correction›
le prélèvement est assimilé à \(50\) tirages avec remise : \(X\) suit \(\mathcal{B}(50 \,;\, 0{,}04)\). « Aucune pièce défectueuse » est un seul chemin ; \(P(X \le 2)\) se lit à la calculatrice.
\(P(X = 0) = (1 - p)^n\) et \(E(X) = np\).
a) Aucune pièce défectueuse.
Étape 1 — Un seul chemin :
\[P(X = 0) = 0{,}96^{50} \approx 0{,}130\]
b) Au plus deux, et la moyenne.
Étape 2 — La calculatrice :
\(P(X \le 2) \approx 0{,}677\).
Étape 3 — L'espérance :
\(E(X) = 50 \times 0{,}04 = 2\) pièces défectueuses en moyenne.
Conclusion : \(\boxed{P(X = 0) \approx 0{,}130 \,;\ P(X \le 2) \approx 0{,}677 \,;\ E(X) = 2}\).
Étape 4 — Pourquoi la loi binomiale :
Chaque pièce prélevée est défectueuse ou non (deux issues), avec la même probabilité \(0{,}04\). Comme la production est très grande, prélever une pièce ne change presque pas la proportion de pièces défectueuses : on peut considérer que les \(50\) tirages sont indépendants.
Étape 5 — Interpréter les résultats :
Il y a environ \(13\,\%\) de chances de ne trouver aucune pièce défectueuse, alors qu'on en attend \(2\) en moyenne. Trouver \(0\), \(1\) ou \(2\) pièces défectueuses arrive environ \(2\) fois sur \(3\) ; en trouver \(3\) ou plus arrive donc environ \(1\) fois sur \(3\) (\(1 - 0{,}677 \approx 0{,}323\)).
🔍 Vérification : la moyenne est \(2\), et il est cohérent qu'avoir au plus \(2\) défauts arrive environ deux fois sur trois ✓.
Appliquer la loi binomiale à un petit lot tiré sans remise ; ici, l'énoncé précise qu'on assimile le prélèvement à des tirages avec remise.
On lance \(3\) pièces équilibrées ; \(X\) est le nombre de piles. On gagne \(G = 4X - 5\) euros (un gain négatif est une perte).
a) Donne la loi de \(X\).
b) Donne la loi de \(G\) et calcule \(E(G)\). Le jeu est-il favorable au joueur ?
Voir la correction›
\(X\) suit \(\mathcal{B}(3 \,;\, 0{,}5)\) ; on calcule sa loi, puis on associe à chaque valeur de \(X\) le gain \(G = 4X - 5\), avec la même probabilité. On termine par la définition de l'espérance.
\(E(G) = \sum g_ip_i\) ; un jeu est favorable au joueur si \(E(G) > 0\).
a) La loi de X.
Étape 1 — Les probabilités :
Coefficients \(1\), \(3\), \(3\), \(1\) et chaque chemin vaut \(0{,}5^3 = \dfrac{1}{8}\) :
| \(k\) | \(0\) | \(1\) | \(2\) | \(3\) |
|---|---|---|---|---|
| \(P(X = k)\) | \(\dfrac{1}{8}\) | \(\dfrac{3}{8}\) | \(\dfrac{3}{8}\) | \(\dfrac{1}{8}\) |
b) La loi de G et son espérance.
Étape 2 — Les gains :
\(G = 4 \times 0 - 5 = -5\) ; \(4 - 5 = -1\) ; \(8 - 5 = 3\) ; \(12 - 5 = 7\).
| \(g\) | \(-5\) | \(-1\) | \(3\) | \(7\) |
|---|---|---|---|---|
| \(P(G = g)\) | \(\dfrac{1}{8}\) | \(\dfrac{3}{8}\) | \(\dfrac{3}{8}\) | \(\dfrac{1}{8}\) |
Étape 3 — L'espérance :
\[\begin{aligned} E(G) &= \dfrac{-5 \times 1 + (-1) \times 3 + 3 \times 3 + 7 \times 1}{8} \\ &= \dfrac{-5 - 3 + 9 + 7}{8} \\ &= \dfrac{8}{8} = 1 \end{aligned}\]
Conclusion : \(\boxed{E(G) = 1 \text{ € : le jeu est favorable au joueur}}\).
🔍 Vérification : \(E(X) = 3 \times 0{,}5 = 1{,}5\) et \(4 \times 1{,}5 - 5 = 1\) : on retrouve la même valeur ✓.
a) Calcule \(\dbinom{4}{1} + \dbinom{4}{2}\).
b) Explique, avec les chemins d'un arbre, pourquoi on trouve \(\dbinom{5}{2}\).
Voir la correction›
a) on lit les coefficients sur la ligne \(4\) du triangle.
b) On classe les chemins à \(2\) succès sur \(5\) épreuves selon le résultat de la première épreuve.
\(\dbinom{n}{k}\) \(=\) nombre de chemins à \(k\) succès parmi \(n\) épreuves.
a) Le calcul.
Étape 1 — Additionner :
\[\dbinom{4}{1} + \dbinom{4}{2} = 4 + 6 = 10\]
b) L'explication.
Étape 2 — Si la première épreuve est un succès :
Il reste \(1\) succès à placer parmi les \(4\) épreuves suivantes : \(\dbinom{4}{1} = 4\) chemins.
Étape 3 — Si c'est un échec :
Il reste \(2\) succès à placer parmi \(4\) épreuves : \(\dbinom{4}{2} = 6\) chemins.
Étape 4 — Additionner les deux cas :
Tout chemin à \(2\) succès sur \(5\) est dans un seul des deux cas : \(\dbinom{5}{2} = 4 + 6 = 10\).
Conclusion : \(\boxed{\dbinom{4}{1} + \dbinom{4}{2} = \dbinom{5}{2} = 10}\).
🔍 Vérification : ligne \(5\) du triangle : \(1\), \(5\), \(10\), \(10\), \(5\), \(1\) ✓.
Deux ateliers \(A\) et \(B\) fabriquent respectivement \(60\,\%\) et \(40\,\%\) des pièces. Le taux de défaut de l'atelier \(A\) est \(2\,\%\), et le taux global de défaut est \(3\,\%\). Calcule le taux de défaut de l'atelier \(B\).
Voir la correction›
on écrit la formule des probabilités totales avec l'inconnue \(x = P_B(D)\), puis on résout l'équation.
\(P(D) = P(A) \times P_A(D) + P(B) \times P_B(D)\).
Étape 1 — L'équation :
\[0{,}03 = 0{,}6 \times 0{,}02 + 0{,}4 \times x\]
Étape 2 — Résoudre :
On calcule \(0{,}6 \times 0{,}02 = 0{,}012\), on le retranche, puis on divise par \(0{,}4\) :
\[\begin{aligned} 0{,}03 &= 0{,}012 + 0{,}4x \\ 0{,}018 &= 0{,}4x \\ x &= 0{,}045 \end{aligned}\]
Conclusion : \(\boxed{\text{l'atelier } B \text{ a un taux de défaut de } 4{,}5\,\%}\).
Étape 3 — L'arbre complet :
Au premier niveau : \(A\) (\(0{,}6\)) et \(B\) (\(0{,}4\)). Au second niveau : sous \(A\), \(D\) (\(0{,}02\)) et \(\bar{D}\) (\(0{,}98\)) ; sous \(B\), \(D\) (\(0{,}045\)) et \(\bar{D}\) (\(0{,}955\)).
Étape 4 — Interpréter :
Le taux global de \(3\,\%\) est une moyenne des deux taux, pondérée par la part de chaque atelier. Comme l'atelier \(A\), le plus important, a un taux plus faible (\(2\,\%\)), l'atelier \(B\) doit avoir un taux supérieur à \(3\,\%\) pour que la moyenne atteigne \(3\,\%\) : on trouve \(4{,}5\,\%\).
🔍 Vérification : \(0{,}012 + 0{,}4 \times 0{,}045 = 0{,}012 + 0{,}018 = 0{,}03\) ✓.
Un couloir est éclairé par \(8\) lampes. Chacune tombe en panne avant \(5\) ans avec la probabilité \(0{,}15\), indépendamment des autres. \(X\) est le nombre de lampes en panne avant \(5\) ans.
a) Calcule \(P(X = 0)\) et \(P(X = 1)\).
b) Déduis-en la probabilité qu'au plus une lampe soit en panne.
Voir la correction›
les lampes tombent en panne indépendamment, avec la même probabilité : \(X\) suit \(\mathcal{B}(8 \,;\, 0{,}15)\). « Au plus une » signifie \(X = 0\) ou \(X = 1\).
\(P(X = k) = \dbinom{n}{k}p^k(1 - p)^{n - k}\) et \(\dbinom{8}{1} = 8\).
a) Les deux probabilités.
Étape 1 — Aucune panne :
\[P(X = 0) = 0{,}85^8 \approx 0{,}2725\]
Étape 2 — Une seule panne :
\[\begin{aligned} P(X = 1) &= 8 \times 0{,}15 \times 0{,}85^7 \\ &\approx 0{,}3847 \end{aligned}\]
b) Au plus une panne.
Étape 3 — Additionner :
\[\begin{aligned} P(X \le 1) &\approx 0{,}2725 + 0{,}3847 \\ &\approx 0{,}657 \end{aligned}\]
Conclusion : \(\boxed{P(X \le 1) \approx 0{,}657}\).
Étape 4 — Pourquoi la loi binomiale :
Chaque lampe est une épreuve à deux issues : « en panne avant \(5\) ans » (succès, au sens du calcul, de probabilité \(0{,}15\)) ou non. Les \(8\) lampes sont identiques et tombent en panne indépendamment les unes des autres.
Étape 5 — L'événement contraire :
La probabilité qu'au moins deux lampes soient en panne avant \(5\) ans vaut \(1 - 0{,}657 \approx 0{,}343\), soit environ une chance sur trois. Le gestionnaire du bâtiment peut prévoir des lampes de rechange en conséquence.
🔍 Vérification : \(E(X) = 8 \times 0{,}15 = 1{,}2\) ; il est cohérent qu'au plus une panne arrive environ deux fois sur trois ✓.
Un transporteur livre \(100\) colis ; chacun arrive en retard avec la probabilité \(0{,}03\), indépendamment des autres.
a) Combien de colis en retard peut-on attendre en moyenne ?
b) Calcule la probabilité que plus de \(5\) colis soient en retard.
Voir la correction›
\(X\), le nombre de colis en retard, suit \(\mathcal{B}(100 \,;\, 0{,}03)\). L'espérance donne la moyenne ; « plus de \(5\) » signifie \(X \ge 6\), dont le contraire est \(X \le 5\).
\(P(X \ge 6) = 1 - P(X \le 5)\).
a) La moyenne.
Étape 1 — L'espérance :
\(E(X) = 100 \times 0{,}03 = 3\) colis en retard en moyenne.
b) Plus de 5 colis.
Étape 2 — La calculatrice :
\(P(X \le 5) \approx 0{,}919\).
Étape 3 — Le contraire :
\[\begin{aligned} P(X \ge 6) &= 1 - P(X \le 5) \\ &\approx 0{,}081 \end{aligned}\]
Conclusion : \(\boxed{E(X) = 3 \text{ et } P(X > 5) \approx 0{,}081}\).
Étape 4 — Pourquoi la loi binomiale :
Chaque colis est en retard ou non, avec la même probabilité \(0{,}03\), indépendamment des autres : on répète \(100\) épreuves de Bernoulli identiques et indépendantes, et \(X\) compte les retards.
Étape 5 — Interpréter :
En moyenne \(3\) colis sont en retard, mais un jour sur douze environ, il y en a \(6\) ou plus. Le transporteur peut s'en servir pour prévoir des moyens supplémentaires.
🔍 Vérification : \(P(X = 3) \approx 0{,}227\) est la plus grande probabilité, près de la moyenne \(3\) ✓.
« plus de \(5\) » ne contient pas \(5\) : c'est \(X \ge 6\).
Niveau 3Difficile/Expert (Exercices 25 à 30)
Un fabricant achète \(70\,\%\) de ses composants au fournisseur \(A\) et \(30\,\%\) au fournisseur \(B\). Les taux de défaut sont \(3\,\%\) chez \(A\) et \(6\,\%\) chez \(B\).
a) Calcule la probabilité \(p\) qu'un composant soit défectueux.
b) Un composant est défectueux : quelle est la probabilité qu'il vienne de \(A\) ?
c) On prélève \(20\) composants au hasard (tirages assimilés à des tirages avec remise). \(X\) est le nombre de composants défectueux. Calcule \(P(X = 0)\) et \(P(X \ge 2)\).
Voir la correction›
on enchaîne les deux outils du chapitre. D'abord l'arbre (deux fournisseurs, puis défectueux ou non) pour trouver \(p\) et remonter l'arbre. Ensuite, la loi binomiale \(\mathcal{B}(20 \,;\, p)\) pour le prélèvement.
\(P(D) = \sum P(F_i \cap D)\) ; \(P(X \ge 2) = 1 - P(X = 0) - P(X = 1)\).
a) La probabilité d'un défaut.
Étape 1 — Les deux chemins vers D :
\(P(A \cap D) = 0{,}7 \times 0{,}03 = 0{,}021\) ; \(P(B \cap D) = 0{,}3 \times 0{,}06 = 0{,}018\).
Étape 2 — Additionner :
\[\begin{aligned} p &= 0{,}021 + 0{,}018 \\ &= 0{,}039 \end{aligned}\]
b) Remonter l'arbre.
Étape 3 — La probabilité conditionnelle :
\[\begin{aligned} P_D(A) &= \dfrac{0{,}021}{0{,}039} \\ &\approx 0{,}538 \end{aligned}\]
c) Le prélèvement de 20 composants.
Étape 4 — La loi :
\(20\) tirages identiques et indépendants, succès « défectueux » de probabilité \(0{,}039\) : \(X\) suit \(\mathcal{B}(20 \,;\, 0{,}039)\).
Étape 5 — Aucun défaut :
\[P(X = 0) = 0{,}961^{20} \approx 0{,}4513\]
Étape 6 — Un seul défaut :
\[\begin{aligned} P(X = 1) &= 20 \times 0{,}039 \times 0{,}961^{19} \\ &\approx 0{,}3663 \end{aligned}\]
Étape 7 — Au moins deux :
\[\begin{aligned} P(X \ge 2) &= 1 - P(X = 0) - P(X = 1) \\ &\approx 1 - 0{,}4513 - 0{,}3663 \\ &\approx 0{,}182 \end{aligned}\]
Conclusion : \(\boxed{p = 0{,}039 \,;\ P_D(A) \approx 0{,}54 \,;\ P(X = 0) \approx 0{,}451 \,;\ P(X \ge 2) \approx 0{,}182}\).
Étape 8 — Un tableau de synthèse :
| \(k\) | \(0\) | \(1\) | \(2\) ou plus |
|---|---|---|---|
| \(P\) | \(\approx 0{,}451\) | \(\approx 0{,}366\) | \(\approx 0{,}182\) |
La somme des trois probabilités vaut \(1\), ce qui confirme le calcul par l'événement contraire.
Étape 9 — Interpréter pour le fabricant :
Sur un lot de \(20\) composants, il y a moins d'une chance sur deux de n'avoir aucun composant défectueux. Si le fabricant veut améliorer sa qualité, il peut acheter davantage au fournisseur \(A\), dont le taux de défaut est deux fois plus faible : par exemple, avec \(100\,\%\) des achats chez \(A\), la probabilité de défaut passerait de \(0{,}039\) à \(0{,}03\).
🔍 Vérification : \(E(X) = 20 \times 0{,}039 = 0{,}78 < 1\) : il est cohérent que « aucun défaut » soit l'issue la plus probable ✓.
\(A\) fournit \(70\,\%\) des composants mais seulement environ \(54\,\%\) des défauts : son taux de défaut est plus faible que celui de \(B\).
Utiliser \(p = 0{,}03\) ou \(0{,}06\) dans la loi binomiale ; un composant pris au hasard a la probabilité globale \(0{,}039\) d'être défectueux.
a) En comptant les chemins, explique pourquoi \(\dbinom{n}{1} = n\).
b) Explique pourquoi \(\dbinom{n}{2} = \dfrac{n(n - 1)}{2}\) (choisir les deux épreuves réussies).
c) Calcule \(\dbinom{10}{2}\), puis \(P(X = 2)\) pour \(X\) de loi \(\mathcal{B}(10 \,;\, 0{,}3)\).
Voir la correction›
\(\dbinom{n}{k}\) compte les façons de choisir les places des \(k\) succès parmi \(n\) épreuves. Pour \(k = 1\), on choisit une place ; pour \(k = 2\), on choisit deux places sans tenir compte de l'ordre. On applique ensuite la formule de la loi binomiale.
\(P(X = k) = \dbinom{n}{k}p^k(1 - p)^{n - k}\).
a) Le cas d'un succès.
Étape 1 — Choisir la place du succès :
Un chemin à un seul succès est déterminé par la place de ce succès : \(1^{\text{re}}\), \(2^{\text{e}}\), …, ou \(n^{\text{e}}\) épreuve. Il y a donc \(n\) chemins : \(\dbinom{n}{1} = n\).
b) Le cas de deux succès.
Étape 2 — Choisir deux places dans l'ordre :
On choisit la place du premier succès (\(n\) choix), puis celle du second (\(n - 1\) choix, une place est déjà prise) : \(n(n - 1)\) choix.
Étape 3 — Ne pas compter deux fois :
Les places « \(3\) puis \(5\) » et « \(5\) puis \(3\) » donnent le même chemin : chaque chemin est compté deux fois. Donc :
\[\dbinom{n}{2} = \dfrac{n(n - 1)}{2}\]
c) Une application.
Étape 4 — Le coefficient :
\[\begin{aligned} \dbinom{10}{2} &= \dfrac{10 \times 9}{2} \\ &= 45 \end{aligned}\]
Étape 5 — La probabilité :
\(0{,}3^2 = 0{,}09\) et \(0{,}7^8 \approx 0{,}057\,65\) :
\[\begin{aligned} P(X = 2) &= 45 \times 0{,}09 \times 0{,}7^8 \\ &\approx 4{,}05 \times 0{,}057\,65 \\ &\approx 0{,}233 \end{aligned}\]
Conclusion : \(\boxed{\dbinom{n}{1} = n,\ \dbinom{n}{2} = \dfrac{n(n - 1)}{2},\ \dbinom{10}{2} = 45,\ P(X = 2) \approx 0{,}233}\).
🔍 Vérification : pour \(n = 4\), \(\dfrac{4 \times 3}{2} = 6 = \dbinom{4}{2}\) ✓ ; pour \(n = 5\), \(\dfrac{5 \times 4}{2} = 10\) ✓.
Chaque détecteur de fumée d'un entrepôt déclenche l'alarme en cas d'incendie avec la probabilité \(0{,}6\), indépendamment des autres. Combien faut-il installer de détecteurs pour que la probabilité qu'au moins un déclenche l'alarme dépasse \(0{,}999\) ?
Voir la correction›
avec \(n\) détecteurs indépendants, l'alarme ne se déclenche pas seulement si aucun détecteur ne réagit : probabilité \(0{,}4^n\). On résout \(1 - 0{,}4^n > 0{,}999\) avec le logarithme, en changeant le sens car \(\log 0{,}4 < 0\).
\(P(X \ge 1) = 1 - (1 - p)^n\), avec ici \(1 - p = 0{,}4\).
Étape 1 — Le modèle :
\(X\), le nombre de détecteurs qui réagissent, suit \(\mathcal{B}(n \,;\, 0{,}6)\), et \(P(X \ge 1) = 1 - 0{,}4^n\).
Étape 2 — L'inéquation :
\[\begin{aligned} 1 - 0{,}4^n &> 0{,}999 \\ 0{,}4^n &< 0{,}001 \end{aligned}\]
Étape 3 — Prendre le logarithme :
\[n\log 0{,}4 < \log 0{,}001 = -3\]
Étape 4 — Diviser par log 0,4 < 0 :
Le sens change :
\[n > \dfrac{-3}{\log 0{,}4} \approx 7{,}54\]
Étape 5 — Conclure dans les entiers :
Le premier entier supérieur à \(7{,}54\) est \(8\).
Conclusion : \(\boxed{8 \text{ détecteurs}}\).
Étape 6 — Interpréter :
Un seul détecteur réagit dans \(60\,\%\) des cas seulement, mais avec \(8\) détecteurs, la probabilité qu'aucun ne réagisse tombe à \(0{,}4^8 \approx 0{,}000\,66\).
🔍 Vérification : \(1 - 0{,}4^7 \approx 0{,}99836 < 0{,}999\) et \(1 - 0{,}4^8 \approx 0{,}99934 > 0{,}999\) ✓.
Multiplier les appareils indépendants est une façon simple de rendre un système très fiable, même avec des appareils moyennement fiables.
Oublier de changer le sens et écrire \(n < 7{,}54\) : on trouverait que moins de détecteurs protègent mieux, ce qui est absurde.
On lance \(4\) fois un dé équilibré ; \(X\) est le nombre de 6 obtenus. Pour jouer, on paie une mise \(m\) euros, puis on reçoit \(10\) € par 6 obtenu.
a) Quelle est la loi de \(X\) ? Calcule \(E(X)\).
b) Combien reçoit-on en moyenne ? Pour quelle mise le jeu est-il équitable ?
c) Calcule la probabilité de ne rien recevoir.
Voir la correction›
les \(4\) lancers sont identiques et indépendants : \(X\) suit \(\mathcal{B}\left(4 \,;\, \dfrac{1}{6}\right)\). La somme reçue vaut \(10X\) ; en moyenne, on obtient \(E(X)\) six, donc \(10 \times E(X)\) euros. Le jeu est équitable quand la mise est égale à ce gain moyen.
Un jeu est équitable si le gain net moyen est nul.
a) La loi et l'espérance.
Étape 1 — La loi :
Succès « obtenir 6 », de probabilité \(\dfrac{1}{6}\), répété \(4\) fois de façon indépendante : \(X\) suit \(\mathcal{B}\left(4 \,;\, \dfrac{1}{6}\right)\).
Étape 2 — L'espérance :
\[E(X) = 4 \times \dfrac{1}{6} = \dfrac{2}{3}\]
b) La somme moyenne reçue et la mise équitable.
Étape 3 — La somme moyenne :
On reçoit \(10\) € par six, et on obtient en moyenne \(\dfrac{2}{3}\) de six par partie :
\[10 \times \dfrac{2}{3} = \dfrac{20}{3} \approx 6{,}67 \text{ €}\]
Étape 4 — La mise équitable :
Le gain net moyen est \(\dfrac{20}{3} - m\) ; il est nul pour \(m = \dfrac{20}{3} \approx 6{,}67\) €.
c) Ne rien recevoir.
Étape 5 — Aucun six :
\[P(X = 0) = \left(\dfrac{5}{6}\right)^4 = \dfrac{625}{1\,296} \approx 0{,}482\]
Conclusion : \(\boxed{E(X) = \dfrac{2}{3} \,;\ \text{mise équitable } \dfrac{20}{3} \approx 6{,}67 \text{ € } ;\ P(X = 0) \approx 0{,}482}\).
Étape 6 — Avec la mise équitable :
Si la mise vaut \(\dfrac{20}{3} \approx 6{,}67\) €, le joueur perd toute sa mise dans environ \(48\,\%\) des parties, mais gagne \(10\) €, \(20\) €, \(30\) € ou \(40\) € dans les autres : en moyenne, sur un grand nombre de parties, il ne gagne ni ne perd.
🔍 Vérification : sur \(3\) parties, on obtient en moyenne \(2\) six, soit \(20\) €, donc \(\dfrac{20}{3}\) € par partie ✓.
Penser que le jeu est rentable parce qu'on gagne « souvent » : près d'une partie sur deux ne rapporte rien.
from random import random
succes = 0
for essai in range(10000):
X = 0
for i in range(5):
if random() < 0.2:
X = X + 1
if X >= 1:
succes = succes + 1
print(succes / 10000)
a) Quelle loi suit la variable X simulée à chaque essai ?
b) Quelle probabilité le programme estime-t-il ? Calcule sa valeur exacte.
c) Le programme affiche-t-il toujours la même valeur ?
Voir la correction›
on lit le programme de l'intérieur vers l'extérieur. La boucle intérieure répète \(5\) fois une épreuve de succès \(0{,}2\) (random() < 0.2) et compte les succès dans X. La boucle extérieure répète cela \(10\,000\) fois et compte les essais où X >= 1.
random() renvoie un nombre au hasard entre \(0\) et \(1\) ; random() < 0.2 est vrai avec la probabilité \(0{,}2\).
a) La loi de X.
Étape 1 — La boucle intérieure :
\(5\) épreuves identiques et indépendantes, succès de probabilité \(0{,}2\) ; X compte les succès : \(X\) suit \(\mathcal{B}(5 \,;\, 0{,}2)\).
b) La probabilité estimée.
Étape 2 — La boucle extérieure :
succes compte les essais avec \(X \ge 1\) ; le programme affiche la fréquence de l'événement « \(X \ge 1\) » sur \(10\,000\) essais. Elle estime \(P(X \ge 1)\).
Étape 3 — La valeur exacte :
\[\begin{aligned} P(X \ge 1) &= 1 - P(X = 0) \\ &= 1 - 0{,}8^5 \\ &= 1 - 0{,}32768 \\ &= 0{,}67232 \end{aligned}\]
c) La valeur affichée.
Étape 4 — Le hasard :
Le programme utilise le hasard : la fréquence change d'une exécution à l'autre, mais elle reste proche de \(0{,}672\) (en général à \(0{,}01\) près avec \(10\,000\) essais).
Conclusion : \(\boxed{X \sim \mathcal{B}(5 \,;\, 0{,}2) \,;\ \text{fréquence proche de } P(X \ge 1) = 0{,}67232}\).
Étape 5 — Le lien entre simulation et calcul :
La simulation répète l'expérience aléatoire et compte la fréquence de l'événement ; le calcul donne directement la probabilité. Quand le nombre d'essais est grand, la fréquence se rapproche en général de la probabilité. Ici, on s'attend à lire un nombre comme \(0{,}669\), \(0{,}674\) ou \(0{,}671\) selon les exécutions.
Étape 6 — Modifier le programme :
Pour estimer \(P(X \ge 2)\), il suffit de remplacer la condition X >= 1 par X >= 2. La valeur exacte serait alors \(1 - P(X = 0) - P(X = 1) = 1 - 0{,}32768 - 0{,}4096 = 0{,}26272\).
🔍 Vérification : \(0{,}8^5 = 0{,}32768\) : un essai sur trois environ ne compte aucun succès ✓.
Plus le nombre d'essais est grand, plus la fréquence simulée est en général proche de la probabilité.
Un client reçoit de grands lots de pièces. Il en prélève \(10\) (tirages assimilés à des tirages avec remise) et accepte le lot s'il trouve au plus une pièce défectueuse.
a) Calcule la probabilité d'accepter un lot dont \(2\,\%\) des pièces sont défectueuses.
b) Même question pour un lot à \(10\,\%\) de pièces défectueuses.
c) Le contrôle protège-t-il bien le client ? Commente.
Voir la correction›
\(X\), le nombre de pièces défectueuses parmi les \(10\) prélevées, suit \(\mathcal{B}(10 \,;\, p)\), où \(p\) est la proportion de pièces défectueuses du lot. Le lot est accepté si \(X \le 1\) : on calcule \(P(X = 0) + P(X = 1)\) pour les deux valeurs de \(p\), puis on compare.
\(P(X = 1) = \dbinom{10}{1}p(1 - p)^9 = 10p(1 - p)^9\).
a) Un bon lot (\(p = 0{,}02\)).
Étape 1 — Aucun défaut :
\[P(X = 0) = 0{,}98^{10} \approx 0{,}8171\]
Étape 2 — Un défaut :
\[\begin{aligned} P(X = 1) &= 10 \times 0{,}02 \times 0{,}98^9 \\ &\approx 0{,}1667 \end{aligned}\]
Étape 3 — Accepter :
\[P(X \le 1) \approx 0{,}8171 + 0{,}1667 \approx 0{,}984\]
b) Un mauvais lot (\(p = 0{,}10\)).
Étape 4 — Les deux probabilités :
\(P(X = 0) = 0{,}9^{10} \approx 0{,}3487\) et \(P(X = 1) = 10 \times 0{,}1 \times 0{,}9^9 \approx 0{,}3874\).
Étape 5 — Accepter :
\[P(X \le 1) \approx 0{,}3487 + 0{,}3874 \approx 0{,}736\]
c) Commenter.
Étape 6 — Interpréter :
Un bon lot est accepté environ \(98\) fois sur \(100\) : le fournisseur est bien traité. Mais un mauvais lot, avec \(10\,\%\) de défauts, est encore accepté environ \(74\) fois sur \(100\) : le client est mal protégé. Pour mieux le protéger, il faudrait prélever plus de pièces ou accepter moins de défauts.
Conclusion : \(\boxed{\text{a) environ } 0{,}984 \quad \text{b) environ } 0{,}736 \quad \text{c) le client est mal protégé}}\).
Étape 7 — Un tableau pour comparer :
| proportion de défauts \(p\) | \(0{,}02\) | \(0{,}10\) |
|---|---|---|
| \(P(X = 0)\) | \(\approx 0{,}817\) | \(\approx 0{,}349\) |
| \(P(X = 1)\) | \(\approx 0{,}167\) | \(\approx 0{,}387\) |
| \(P(\text{accepter})\) | \(\approx 0{,}984\) | \(\approx 0{,}736\) |
Étape 8 — Pourquoi la loi binomiale :
Les lots sont grands : prélever \(10\) pièces ne change presque pas la proportion de pièces défectueuses, d'où l'assimilation à \(10\) tirages indépendants avec remise.
🔍 Vérification : quand \(p\) augmente, le lot devrait être accepté moins souvent : \(0{,}736 < 0{,}984\) ✓.
Conclure qu'un contrôle « marche » parce qu'il accepte les bons lots ; il faut aussi regarder s'il refuse les mauvais.
Un avis sur ce chapitre ? Donne-le en quelques mots