Un prof de maths qui te répond·30 €/mois

Découvrir
MathLvlMon espace
Première STMG

Probabilités et variables aléatoires en Première STMG

Probabilités conditionnelles, indépendance, probabilités totales, variable aléatoire, espérance et loi de Bernoulli en Première STMG.

Mis à jour le

Les probabilités modélisent les situations soumises au hasard : un client qui achète ou non, une pièce défectueuse, la réponse à une enquête. Une variable aléatoire associe un nombre à chaque issue d'une expérience aléatoire, par exemple le gain d'une opération commerciale ou le nombre de pannes dans la semaine.

Au programme de Première STMG : les probabilités conditionnelles lues dans un tableau croisé ou sur un arbre pondéré (savoir distinguer P(A∩ B), P_A(B) et P_B(A)), la formule des probabilités totales, l'indépendance de deux événements (P_A(B)=P(B)), puis la loi de probabilité d'une variable aléatoire, son espérance E(X)=Σ xᵢ P(X=xᵢ) et la loi de Bernoulli de paramètre p, dont l'espérance vaut p. La simulation d'échantillons montre comment une fréquence observée fluctue autour de p.

Application phare : décider avec l'espérance (un jeu est-il équitable, une offre est-elle rentable ?). Pièges classiques : confondre P_A(B) et P_B(A), oublier un chemin de l'arbre, ou oublier que la somme des probabilités d'une loi vaut toujours 1.

Cours et fiche

📘

Leçon

Le cours complet du chapitre

📝

Fiche de révision

Synthèse + formules essentielles

S'entraîner

5 exercices

Fiches d'exercices à télécharger (PDF)

1

Plaquette 1 – Tableaux, arbres, loi et espérance

2

Plaquette 2 – Événements, tableaux et réunions

3

Plaquette 3 – Arbres et expériences à deux étapes

4

Plaquette 4 – Loi de probabilité et espérance

5

Plaquette 5 – Décider avec l'espérance

Quiz interactif

Auto-évaluation

Teste tes connaissances et vérifie que tu maîtrises le chapitre.

QCM — Probabilités et variables aléatoires (51 questions)

Leçon complète

Probabilités et variables aléatoires en Première STMG : cours complet

Les probabilités mesurent le hasard. En Première STMG, on calcule des probabilités conditionnelles dans un tableau ou sur un arbre, on reconnaît deux événements indépendants, puis on associe à une expérience une variable aléatoire dont l'espérance donne le résultat moyen attendu : l'outil de décision du gestionnaire.

Vocabulaire

  • Expérience aléatoire : expérience dont le résultat dépend du hasard.
  • Univers Ω : ensemble des issues possibles.
  • Événement : ensemble d'issues ; barA est l'événement contraire de A.

Calcul d'une probabilité

Cas équiprobables

P(A) = (nombre d'issues favorables)/(nombre d'issues possibles)

Propriétés

  • 0 ≤ P(A) ≤ 1.
  • P(barA) = 1 - P(A).
  • P(A ∪ B) = P(A) + P(B) - P(A ∩ B).

Probabilités conditionnelles

La probabilité de B sachant A (avec P(A) ≠ 0) est la probabilité que B soit réalisé quand on sait que A l'est :

P_A(B) = (P(A ∩ B))/P(A)

Dans un tableau croisé

Sur 200 commandes, 120 sont passées sur mobile (M) et 45 utilisent un code promo (C), dont 30 sur mobile.

  • P(M ∩ C) = 30/200 = 0,15 : la commande est passée sur mobile et avec un code.
  • P_M(C) = 30/120 = 0,25 : parmi les commandes sur mobile, 25 % utilisent un code.
  • P_C(M) = 30/45 ≈ 0,67 : parmi les commandes avec code, environ 67 % sont passées sur mobile.

Ces trois nombres répondent à trois questions différentes : il faut toujours repérer sur quelle population on calcule la proportion.

Sur un arbre pondéré

  • Les branches issues d'un même nœud ont une somme de probabilités égale à 1.
  • Les branches du second niveau portent des probabilités conditionnelles.
  • La probabilité d'un chemin est le produit des probabilités rencontrées : P(A ∩ B) = P(A) × P_A(B).

Formule des probabilités totales

Pour calculer P(B), on additionne les probabilités de tous les chemins qui mènent à B :

P(B) = P(A ∩ B) + P(barA ∩ B)

Exemple

60 % des pièces viennent du fournisseur F₁, qui en produit 3 % de défectueuses, et 40 % du fournisseur F₂, qui en produit 7 %.

P(D) = 0,6 × 0,03 + 0,4 × 0,07 = 0,018 + 0,028 = 0,046

4,6 % des pièces sont défectueuses. On peut ensuite « remonter » l'arbre : P_D(F₁) = 0,018/0,046 ≈ 0,39.

Indépendance de deux événements

Lorsque P(A) ≠ 0, l'événement B est indépendant de A si

P_A(B) = P(B)

Savoir que A est réalisé ne change pas la probabilité de B. Lorsque A et B ont des probabilités non nulles, cette propriété est symétrique : on dit que A et B sont indépendants. Elle revient à P(A ∩ B) = P(A) × P(B).

Exemple

Sur 400 clients, 240 achètent en ligne (L) et 150 ont la carte de fidélité (C), dont 90 parmi les acheteurs en ligne.

P(C) = 150/400 = 0,375 et P_L(C) = 90/240 = 0,375 : L et C sont indépendants.

Incompatibles n'est pas indépendants : deux événements incompatibles de probabilités non nulles (P(A ∩ B) = 0) sont au contraire dépendants, puisque l'un empêche l'autre.

Quand on répète des épreuves indépendantes (lancers, clients successifs), la probabilité d'un chemin est le produit des probabilités de chaque épreuve : c'est l'objet du chapitre « Répétition d'épreuves indépendantes ».

Variable aléatoire

Une variable aléatoire X associe un nombre à chaque issue (un gain, un nombre d'articles, un nombre de pannes).

  • {X = a} est l'événement « X prend la valeur a ».
  • {X ≤ a} est l'événement « X prend une valeur inférieure ou égale à a ».

Loi de probabilité

Tableau donnant P(X = xᵢ) pour chaque valeur possible :

xᵢ x₁ x₂ ... xₙ
P(X = xᵢ) p₁ p₂ ... pₙ

La somme des probabilités vaut 1.

Espérance

E(X) = x₁ × P(X = x₁) + x₂ × P(X = x₂) + … + xₙ × P(X = xₙ)

L'espérance est la valeur moyenne de X quand on répète l'expérience un grand nombre de fois.

Exemple

xᵢ -10 0 50
P(X = xᵢ) 0,5 0,3 0,2

E(X) = -10 × 0,5 + 0 × 0,3 + 50 × 0,2 = -5 + 0 + 10 = 5

Et P(X ≤ 0) = 0,5 + 0,3 = 0,8.

Loi de Bernoulli

Une expérience à deux issues, succès (probabilité p) ou échec (probabilité 1 - p), est une épreuve de Bernoulli. La variable X qui vaut 1 en cas de succès et 0 sinon suit la loi de Bernoulli de paramètre p :

xᵢ 0 1
P(X = xᵢ) 1 - p p

E(X) = 0 × (1 - p) + 1 × p = p

Exemple : un client utilise un bon de réduction avec la probabilité 0,15 ; X suit la loi de Bernoulli de paramètre 0,15 et E(X) = 0,15.

Simulation et fluctuation d'échantillonnage

On simule un échantillon de taille n d'une loi de Bernoulli de paramètre p en tirant n nombres au hasard entre 0 et 1 : chaque nombre inférieur à p compte comme un succès. La fréquence observée des succès fluctue d'un échantillon à l'autre, autour de p.

En simulant N échantillons (plusieurs centaines), on calcule l'écart-type s de la série des fréquences obtenues. On observe que :

  • environ 95 % des fréquences sont dans l'intervalle [p - 2s ; p + 2s], et presque toutes dans [p - 3s ; p + 3s] ;
  • s est proportionnel à 1/√(n) : pour diviser la dispersion par k, il faut multiplier la taille de l'échantillon par k².

Une fréquence observée à plus de 2s de p est une situation rare dans le modèle : soit c'est un hasard exceptionnel, soit le modèle ne convient plus.

Jeu équitable

Un jeu est équitable si l'espérance du gain est nulle, favorable au joueur si elle est positive, défavorable si elle est négative.

Exemple

Jeu à 5 € : tu gagnes 20 € avec la probabilité 0,2, sinon tu perds ta mise. Le gain net X vaut 15 € ou -5 € :

xᵢ -5 15
P(X = xᵢ) 0,8 0,2

E(X) = -5 × 0,8 + 15 × 0,2 = -4 + 3 = -1

Le jeu est défavorable au joueur : il perd en moyenne 1 € par partie.

Application : prise de décision

Le projet A rapporte 30 000 € avec la probabilité 0,6 et fait perdre 5 000 € sinon ; le projet B rapporte 100 000 € avec la probabilité 0,25 et fait perdre 12 000 € sinon.

E(A) = 18 000 - 2 000 = 16 000 et E(B) = 25 000 - 9 000 = 16 000

Même espérance, mais B fait perdre de l'argent trois fois sur quatre, contre deux fois sur cinq pour A. Une petite entreprise, qui ne peut pas répéter l'opération, préférera A ; l'espérance ne se réalise que sur un grand nombre de répétitions.

Erreurs fréquentes à éviter

  • Confondre P_A(B) et P_B(A) : la population de référence n'est pas la même.
  • Oublier un chemin dans la formule des probabilités totales.
  • Confondre incompatibles et indépendants.
  • Oublier de vérifier que la somme des probabilités d'une loi vaut 1.
  • Confondre espérance et valeur la plus probable : une espérance de 0,75 panne n'est pas un nombre de pannes possible.

FAQ — Probabilités et variables aléatoires en STMG

À quoi sert l'espérance en gestion ?

À calculer le résultat moyen attendu d'un projet, d'une offre commerciale ou d'une stratégie, pour comparer plusieurs décisions.

Comment savoir si deux événements sont indépendants ?

On compare P_A(B) et P(B) : s'ils sont égaux, savoir que A est réalisé ne change rien pour B, et les événements sont indépendants.

Quand utiliser la formule des probabilités totales ?

Quand un événement peut se produire de plusieurs façons, par exemple une pièce défectueuse venant de l'un ou l'autre fournisseur : on additionne les probabilités de tous les chemins qui y mènent.

Qu'est-ce qu'une loi de Bernoulli ?

C'est la loi d'une variable qui vaut 1 en cas de succès, avec la probabilité p, et 0 sinon. Son espérance est p.

Quand un jeu est-il équitable ?

Quand l'espérance du gain est nulle : sur le long terme, on ne gagne ni ne perd en moyenne.

Tout sur statistiques et probabilités en stmg

Séries à deux variables, probabilités conditionnelles, variables aléatoires, répétition d'épreuves et loi binomiale.

Tous les chapitres de Première STMG

Poursuis ta révision avec les autres chapitres du programme de Première STMG.