Répétition d'Épreuves Indépendantes

Des expériences sont identiques et indépendantes lorsqu'elles partagent les mêmes issues possibles et que chaque issue conserve la même probabilité à chaque répétition.

Caractéristiques principales:

• Pour une succession de n épreuves indépendantes, l'univers des possibles est le produit cartésien: Ω = Ω₁ × Ω₂ × ... × Ωₙ
• La probabilité d'obtenir un n-uplet spécifique est: P(x₁, x₂, ..., xₙ) = P(x₁) × P(x₂) × ... × P(xₙ)

Application pratique:

• Pour calculer la probabilité d'une succession d'événements, on multiplie les probabilités individuelles
• Cette approche peut être représentée par un arbre de probabilités

Concept clé: Le schéma de Bernoulli représente une épreuve à deux issues seulement: succès (S) avec probabilité p et échec (S̄) avec probabilité q = 1-p. C'est le fondement de nombreux modèles probabilistes.

Loi de Bernoulli:

• On associe souvent la variable aléatoire X qui vaut 1 en cas de succès et 0 en cas d'échec
• La loi de probabilité de X est appelée loi de Bernoulli de paramètre p
• Tableau de probabilités:

Un schéma de Bernoulli correspond donc à la répétition d'épreuves de Bernoulli identiques et indépendantes, ce qui constitue la base des exercices sur les probabilités conditionnelles et la loi binomiale.

Loi Binomiale

Lorsqu'on répète n fois une expérience aléatoire à deux épreuves $succès/échec$ de façon identique et indépendante, on peut étudier le nombre de succès obtenus.

Définition formelle:

• Soit une succession de n épreuves de Bernoulli identiques et indépendantes
• On définit X comme la variable aléatoire donnant le nombre de succès (entre 0 et n)
• X suit alors une loi binomiale de paramètres n et p, notée X ~ B(n,p)

Formule importante: La probabilité d'obtenir exactement k succès est donnée par: P$X=k$ = C(n,k) × p^k × $1-p$^$n-k$ où C(n,k) représente le nombre de combinaisons possibles pour obtenir k succès parmi n essais.

Utilisation de la calculatrice:

• Pour calculer P$X=k$: utiliser BinomeFdp
• Pour calculer P(X≤k): utiliser BinomeFrep

Exemple d'application: Si X ~ B(10, 0,68), calculons P$X=8$: P$X=8$ = C(10,8) × 0,68^8 × 0,32^2 = 0,21

Espérance et variance:

• L'espérance E(X) = np représente le nombre moyen de succès
• La variance V(X) = np$1-p$ mesure la dispersion
• L'écart-type σ(X) = √$np(1-p)$

Les valeurs les plus probables de X se situent autour de l'espérance, ce qui permet de prédire approximativement le nombre de succès lors d'une somme de Bernoulli indépendantes.

Seuil et Intervalle de Fluctuation

L'analyse de la loi binomiale permet d'établir des prévisions statistiques et de mesurer la fiabilité de nos estimations.

Calcul de probabilités cumulées:

• Pour P(X≤k): utiliser directement BinomeFrep sur la calculatrice
• Pour P(X≥k): calculer 1-P(X<k) = 1-P$X≤k-1$

Notion de seuil:

• Le seuil consiste à déterminer le plus petit entier k tel que P(X≤k) ≥ p ou P(X≥k) ≥ p
• Cette approche est utilisée dans les tests statistiques et la prise de décision

Définition: L'intervalle de fluctuation associé à une variable X suivant une loi binomiale B(n,p) est un intervalle [a,b] tel que la probabilité que X appartienne à cet intervalle soit supérieure ou égale à un seuil de confiance donné.

Intervalle de fluctuation centré:

• Au seuil λ% $ou au risque α = 1-λ$, l'intervalle [a,b] doit vérifier:
  • P(X≤a) ≥ α/2
  • P(X≥b) ≥ 1-α/2

L'interprétation est essentielle: dans l'intervalle [a,b], nous sommes sûrs à λ% que notre nombre de succès sera contenu dans cet intervalle. Cette notion est fondamentale pour les exercices de probabilité conditionnelle et loi binomiale en Terminale.

Vérification des Intervalles de Fluctuation

La vérification des intervalles de fluctuation est une compétence pratique essentielle pour les exercices probabilité conditionnelle terminale.

Vérification d'un intervalle non-centré:

• Exemple avec X ~ B(30, 0,67) et intervalle [2, 24]
• Au seuil de 0,95 (95%), on vérifie: P(X≤24) - P(X≤1) = 0,962 > 0,95 ✓
• Au risque de 0,01 (seuil de 0,99), pour l'intervalle [13, 26]: P(X≤26) - P(X≤12) = 0,994 ≥ 0,99 ✓

Méthode pratique: Pour vérifier un intervalle de fluctuation, calculez la probabilité que X soit dans l'intervalle et comparez-la au seuil de confiance requis. Si la probabilité calculée est supérieure ou égale au seuil, l'intervalle est valide.

Vérification d'un intervalle centré:

• Exemple avec X ~ B(49, 0,31) et intervalle [9, 21] au seuil de 95%
• Le risque α = 1 - 0,95 = 0,05
• Pour un intervalle centré, on doit vérifier:
  • P(X≤9) ≥ α/2 = 0,025
  • P(X≤21) ≥ 1-α/2 = 0,975

Résultat de l'analyse:

• P(X≤9) = 0,035 > 0,025 ✓
• P(X≤21) = 0,971 < 0,975 ✗

L'intervalle [9, 21] n'est donc pas valide comme intervalle centré au seuil de 95% car la deuxième condition n'est pas respectée. Ce type d'exercice corrigé sur la loi binomiale est fréquent dans les épreuves de spécialité mathématiques et en maths complémentaires.