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

Découvrir
MathLvlMon espace
Terminale maths complémentaires

Loi binomiale et échantillonnage en Terminale maths complémentaires

Loi de Bernoulli, coefficients binomiaux, loi binomiale, intervalle de fluctuation, sondages et prise de décision en maths complémentaires.

Mis à jour le

Répéter une même expérience à deux issues de façon indépendante, c'est un schéma de Bernoulli : nombre de bonnes réponses au hasard à un QCM, passagers qui se présentent à l'embarquement, piles obtenus avec une pièce. Le nombre de succès suit une loi binomiale, outil de base des sondages et des tests statistiques.

Au programme de maths complémentaires : loi uniforme discrète (E = (n + 1)/2), loi de Bernoulli, coefficients binomiaux et triangle de Pascal, loi binomiale P(X = k) = C(n, k) p^(k)(1 - p)^(n - k), E(X) = np, σ = √(np(1 - p)), intervalle I tel que P(X ∈ I) ≥ 1 - α, surréservation, test d'une pièce, fourchette de sondage et simulations en Python.

Pièges classiques : oublier le coefficient binomial, calculer P(X ≥ 3) comme 1 - P(X ≤ 3), appliquer la loi binomiale à des tirages sans remise dans une petite urne.

Cours et fiche

📘

Leçon

Le cours complet du chapitre

📝

Fiche de révision

Synthèse + formules essentielles

S'entraîner

Quiz interactif

Auto-évaluation

Teste tes connaissances et vérifie que tu maîtrises le chapitre.

QCM — Loi binomiale et échantillonnage (52 questions)

Leçon complète

Loi binomiale et échantillonnage en Terminale maths complémentaires : cours complet

Loi uniforme discrète et loi de Bernoulli

Définition — Loi uniforme sur {1, 2, …, n}. X suit la loi uniforme sur {1, …, n} si chaque valeur a la même probabilité 1/n. C'est le cas du numéro obtenu avec un dé équilibré à n faces.

Propriété — Espérance. E(X) = (n + 1)/2.

Démonstration. E(X) = 1/n(1 + 2 + … + n) = 1/n × (n(n + 1))/2 = (n + 1)/2. Pour un dé à six faces, E(X) = 3,5.

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

Propriété — Espérance et écart type d'une loi de Bernoulli. E(X) = p V(X) = p(1 - p) σ(X) = √(p(1 - p)).

Démonstration. E(X) = 1 × p + 0 × (1 - p) = p. V(X) = (1 - p)² p + (0 - p)²(1 - p) = p(1 - p)[(1 - p) + p] = p(1 - p).

Schéma de Bernoulli et coefficients binomiaux

Définition — Schéma de Bernoulli. Un schéma de Bernoulli de paramètres n et p est la répétition de n épreuves de Bernoulli identiques et indépendantes, de paramètre p. On le représente par un arbre à 2ⁿ chemins.

Définition — Coefficient binomial. Le nombre de chemins de l'arbre qui comportent exactement k succès est noté C(n, k) (« k parmi n »). Par convention C(n, 0) = C(n, n) = 1.

Propriété — Symétrie et relation de Pascal. C(n, k) = C(n, n - k) C(n, k) + C(n, k + 1) = C(n + 1, k + 1) La symétrie vient de l'échange des rôles de « succès » et « échec ». La relation de Pascal se lit sur l'arbre : un chemin de longueur n + 1 à k + 1 succès se termine soit par un succès (précédé de k succès), soit par un échec (précédé de k + 1 succès).

n backslash k 0 1 2 3 4 5 6
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
6 1 6 15 20 15 6 1

Triangle de Pascal : chaque nombre est la somme du nombre au-dessus et de celui au-dessus à gauche.

Exemple — Algorithme du triangle de Pascal.

def pascal(n):
    ligne = [1]
    for i in range(n):
        ligne = [1] + [ligne[k] + ligne[k + 1] for k in range(len(ligne) - 1)] + [1]
    return ligne

pascal(5) renvoie [1, 5, 10, 10, 5, 1].

Loi binomiale

Théorème — Loi binomiale. Le nombre X de succès dans un schéma de Bernoulli de paramètres n et p suit la loi binomiale B (n, p) : pour tout entier k de 0 à n, P(X = k) = C(n, k) p^(k) (1 - p)^(n - k)

Propriété — Espérance et écart type (admis). E(X) = np σ(X) = √(np(1 - p)). En moyenne, sur un grand nombre de répétitions du schéma, on obtient np succès.

Démonstration — Démonstration de E(X) = np pour n = 2. P(X = 0) = (1 - p)², P(X = 1) = 2p(1 - p), P(X = 2) = p². Donc E(X) = 2p(1 - p) + 2p² = 2p(1 - p + p) = 2p. Le calcul pour n = 3 est analogue : E(X) = 3p(1 - p)² + 6p²(1 - p) + 3p³ = 3p.

Exemple — Un QCM au hasard. Un QCM a 10 questions à 4 propositions, dont une seule juste. Un élève répond au hasard : X = nombre de bonnes réponses suit B (10 ;0,25), avec E(X) = 2,5.

Exemple — Calculs avec B (10 ;0,3).

  • P(X = 3) = C(10, 3) × 0,3³ × 0,7⁷ = 120 × 0,027 × 0,7⁷ ≈ 0,267.
  • P(X ≤ 2) ≈ 0,383 (calculatrice : fonction de répartition binomiale) ; P(X ≥ 3) = 1 - P(X ≤ 2) ≈ 0,617.
  • E(X) = 3 et σ(X) = √(2,1) ≈ 1,45.

Diagramme en bâtons de la loi B (10 ;0,3) : les valeurs se concentrent autour de E(X) = 3.

Attention — Vérifier les conditions. La loi binomiale exige des épreuves indépendantes et de même probabilité de succès : tirages avec remise, ou sans remise dans une très grande population (on assimile alors à un tirage avec remise). Pour un tirage sans remise dans une petite urne, ce n'est plus une loi binomiale.

Intervalles de fluctuation et décision

Méthode — Intervalle I tel que P(X ∈ I) ≥ 1 - α. Avec la calculatrice ou un tableur, on calcule les probabilités cumulées P(X ≤ k) et l'on cherche :

  • un intervalle centré [a ;n - a] (cas p = 1/2) dont la probabilité dépasse 1 - α ;
  • ou un intervalle [0 ;k] avec le plus petit k tel que P(X ≤ k) ≥ 1 - α.

Exemple — Une pièce est-elle truquée ?. On lance 100 fois une pièce. Si elle est équilibrée, le nombre de piles X suit B (100 ;0,5). La calculatrice donne P(40 ≤ X ≤ 60) ≈ 0,965 et P(41 ≤ X ≤ 59) ≈ 0,943 : I = [40 ;60] est le plus petit intervalle centré en 50 de probabilité au moins 0,95.

Règle de décision au seuil α = 5 % : si le nombre de piles observé est dans I, on ne rejette pas l'hypothèse « la pièce est équilibrée » ; sinon on la rejette, avec un risque d'erreur inférieur à 5 %. Avec 62 piles, on conclut que la pièce est probablement truquée.

Exemple — Surréservation. Un avion a 200 places ; chaque passager ayant réservé se présente avec la probabilité 0,93, indépendamment des autres. Si la compagnie vend n billets, le nombre de passagers présents suit B (n ;0,93), et il y a surréservation si X > 200. Calculatrice : pour n = 209, P(X > 200) ≈ 0,040 ; pour n = 210, P(X > 200) ≈ 0,073. Pour garder ce risque sous 5 %, la compagnie peut vendre jusqu'à 209 billets.

Remarque — Démarche des tests. Dans un test, on part d'un modèle (une hypothèse sur p), on calcule ce que ce modèle prévoit, et l'on confronte l'observation à cette prévision. Une observation très improbable dans le modèle conduit à le rejeter ; une observation compatible ne prouve pas qu'il est vrai, elle ne permet pas de le rejeter.

Échantillonnage et simulation

**Méthode — Simuler avec la loi uniforme sur [0 ;1.**] random() renvoie un nombre au hasard dans [0 ;1[ (loi uniforme). La condition random() < p est vraie avec la probabilité p : c'est une épreuve de Bernoulli. Pour un dé : int(6 * random()) + 1, uniforme sur {1, …, 6}.

from random import random
def echantillon(n, p):
    succes = 0
    for i in range(n):
        if random() < p:
            succes = succes + 1
    return succes / n          # frequence observee

Propriété — Fluctuation de la moyenne d'un échantillon. Pour un échantillon de taille n d'une variable d'espérance μ et d'écart type σ, la moyenne M fluctue autour de μ avec un écart type σ/( √n ). En simulant un grand nombre d'échantillons, on observe qu'environ 95 % des moyennes sont dans [μ - 2σ/( √n ) ;μ + 2σ/( √n )] et presque toutes dans l'intervalle de rayon 3σ/( √n ).

Exemple — Fourchette de sondage. Pour une fréquence (loi de Bernoulli), σ = √(p(1 - p)) ≤ 1/2, donc 2σ/( √n ) ≤ 1/( √n ). Un sondage auprès de n = 1 000 personnes qui donne 52 % d'intentions de vote conduit à la fourchette [0,52 - 1/(√(1 000)) ;0,52 + 1/(√(1 000))] ≈ [0,488 ;0,552] : impossible d'annoncer un vainqueur. La précision n'est valable que si l'échantillon est tiré au hasard ; les biais (personnes injoignables, réponses peu sincères) ne sont pas mesurés par ce calcul.

Erreurs classiques

Attention — À éviter.

  • Oublier le coefficient binomial : P(X = k) ≠ p^(k)(1 - p)^(n - k), qui est la probabilité d'un chemin.
  • Calculer P(X ≥ 3) comme 1 - P(X ≤ 3) : c'est 1 - P(X ≤ 2).
  • Utiliser la loi binomiale pour des tirages sans remise dans une petite population.
  • Conclure « le modèle est vrai » parce que l'observation tombe dans l'intervalle.

Fiche de synthèse

Uniforme {1, …, n} P(X = k) = 1/n ; E(X) = (n + 1)/2
Bernoulli E = p ; V = p(1 - p) ; σ = √(p(1 - p))
Coefficients C(n, k) chemins à k succès ; C(n, k) = C(n, n - k) ; Pascal C(n, k) + C(n, k+1) = C(n+1, k+1)
Binomiale P(X = k) = C(n, k) p^(k)(1 - p)^(n - k) ; E = np ; σ = √(np(1 - p))
Décision intervalle I avec P(X ∈ I) ≥ 1 - α ; hors de I : rejet du modèle
Échantillons moyenne : écart type σ/( √n ) ; sondage : f ± 1/( √n )

Exercices d'application

Exercice 1 – QCM

Avec le QCM de la section 3 (X ~ B (10 ;0,25)), calculer P(X = 0), P(X ≥ 1) et la probabilité d'avoir au moins la moyenne (X ≥ 5).

Exercice 2 – Pascal

À l'aide du triangle de Pascal, donner C(6, 2) et C(6, 4), puis calculer P(Y = 2) pour Y ~ B (6 ;0,5).

Exercice 3 – Un dé suspect

On lance 120 fois un dé et l'on compte les six. Si le dé est équilibré, X ~ B (120 ;1/6). On admet que P(X ≤ 11) ≈ 0,014, P(X ≤ 12) ≈ 0,028, P(X ≤ 27) ≈ 0,963 et P(X ≤ 28) ≈ 0,978. Montrer que P(12 ≤ X ≤ 28) ≥ 0,95. On obtient 31 six : que conclure ?

Corrigés des exercices

Corrigé de l'exercice 1

Corrigé. P(X = 0) = 0,75¹⁰ ≈ 0,056 ; P(X ≥ 1) = 1 - 0,75¹⁰ ≈ 0,944 ; P(X ≥ 5) = 1 - P(X ≤ 4) ≈ 0,078 (calculatrice).

Corrigé de l'exercice 2

Corrigé. Ligne 6 : 1, 6, 15, 20, 15, 6, 1 ; C(6, 2) = C(6, 4) = 15 (symétrie). P(Y = 2) = 15 × 0,5⁶ = 15/64 ≈ 0,234.

Corrigé de l'exercice 3

Corrigé. P(12 ≤ X ≤ 28) = P(X ≤ 28) - P(X ≤ 11) ≈ 0,978 - 0,014 = 0,964 ≥ 0,95 : I = [12 ;28] est un intervalle de fluctuation au seuil de 95 % (il laisse environ 1,4 % de chaque côté). Comme 31 est hors de l'intervalle, on rejette au seuil de 5 % l'hypothèse « le dé est équilibré » : il semble favoriser le six.

Tout sur probabilités en terminale

Dénombrement, probabilités conditionnelles, formule de Bayes, lois binomiale, géométrique et exponentielle, loi des grands nombres.

Le cours

Les notions du thème

S'entraîner

Sujets d'examen

Outils et pages dédiées

Tous les chapitres de Terminale maths complémentaires

Poursuis ta révision avec les autres chapitres du programme de Terminale maths complémentaires.