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=2n+1E = (n + 1)/2), loi de Bernoulli, coefficients binomiaux et triangle de Pascal, loi binomiale P(X=k)=(kn)pk(1−p)n−kP(X = k) = C(n, k) p^(k)(1 - p)^(n - k), E(X)=npE(X) = np, σ=np(1−p)σ = √(np(1 - p)), intervalle II tel que P(X∈I)≥1−αP(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)P(X ≥ 3) comme 1−P(X≤3)1 - P(X ≤ 3), appliquer la loi binomiale à des tirages sans remise dans une petite urne.
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}{1, 2, …, n}.XX suit la loi uniforme sur {1,…,n}{1, …, n} si chaque valeur a la même probabilité n11/n. C'est le cas du numéro obtenu avec un dé équilibré à nn faces.
Démonstration.E(X)=n1(1+2+…+n)=n1×2n(n+1)=2n+1E(X) = 1/n(1 + 2 + … + n) = 1/n × (n(n + 1))/2 = (n + 1)/2. Pour un dé à six faces, E(X)=3,5E(X) = 3,5.
Définition — Épreuve et loi de Bernoulli.
Une épreuve de Bernoulli est une expérience à deux issues : « succès », de probabilité pp, et « échec », de probabilité 1−p1 - p. La variable XX qui vaut 11 en cas de succès et 00 sinon suit la loi de Bernoulli de paramètre pp.
Propriété — Espérance et écart type d'une loi de Bernoulli.E(X)=pV(X)=p(1−p)σ(X)=p(1−p).E(X) = p V(X) = p(1 - p) σ(X) = √(p(1 - p)).
Définition — Schéma de Bernoulli.
Un schéma de Bernoulli de paramètres nn et pp est la répétition de nn épreuves de Bernoulli identiques et indépendantes, de paramètre pp. On le représente par un arbre à 2n2ⁿ chemins.
Définition — Coefficient binomial.
Le nombre de chemins de l'arbre qui comportent exactement kk succès est noté (kn)C(n, k) (« kk parmi nn »). Par convention (0n)=(nn)=1C(n, 0) = C(n, n) = 1.
Propriété — Symétrie et relation de Pascal.(kn)=(n−kn)(kn)+(k+1n)=(k+1n+1)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+1n + 1 à k+1k + 1 succès se termine soit par un succès (précédé de kk succès), soit par un échec (précédé de k+1k + 1 succès).
n\kn backslash k
00
11
22
33
44
55
66
00
11
11
11
11
22
11
22
11
33
11
33
33
11
44
11
44
66
44
11
55
11
55
1010
1010
55
11
66
11
66
1515
2020
1515
66
11
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 XX de succès dans un schéma de Bernoulli de paramètres nn et pp suit la loi binomialeB(n,p)B (n, p) : pour tout entier kk de 00 à nn,
P(X=k)=(kn)pk(1−p)n−kP(X = k) = C(n, k) p^(k) (1 - p)^(n - k)
Propriété — Espérance et écart type (admis).E(X)=npσ(X)=np(1−p).E(X) = np σ(X) = √(np(1 - p)).
En moyenne, sur un grand nombre de répétitions du schéma, on obtient npnp succès.
Démonstration — Démonstration de E(X)=npE(X) = np pour n=2n = 2.P(X=0)=(1−p)2P(X = 0) = (1 - p)², P(X=1)=2p(1−p)P(X = 1) = 2p(1 - p), P(X=2)=p2P(X = 2) = p². Donc E(X)=2p(1−p)+2p2=2p(1−p+p)=2pE(X) = 2p(1 - p) + 2p² = 2p(1 - p + p) = 2p. Le calcul pour n=3n = 3 est analogue : E(X)=3p(1−p)2+6p2(1−p)+3p3=3pE(X) = 3p(1 - p)² + 6p²(1 - p) + 3p³ = 3p.
Exemple — Un QCM au hasard.
Un QCM a 1010 questions à 44 propositions, dont une seule juste. Un élève répond au hasard : XX = nombre de bonnes réponses suit B(10;0,25)B (10 ;0,25), avec E(X)=2,5E(X) = 2,5.
E(X)=3E(X) = 3 et σ(X)=2,1≈1,45σ(X) = √(2,1) ≈ 1,45.
Diagramme en bâtons de la loi B(10;0,3)B (10 ;0,3) : les valeurs se concentrent autour de E(X)=3E(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 II tel que P(X∈I)≥1−αP(X ∈ I) ≥ 1 - α.
Avec la calculatrice ou un tableur, on calcule les probabilités cumulées P(X≤k)P(X ≤ k) et l'on cherche :
un intervalle centré[a;n−a][a ;n - a] (cas p=21p = 1/2) dont la probabilité dépasse 1−α1 - α ;
ou un intervalle [0;k][0 ;k] avec le plus petit kk tel que P(X≤k)≥1−αP(X ≤ k) ≥ 1 - α.
Exemple — Une pièce est-elle truquée ?.
On lance 100100 fois une pièce. Si elle est équilibrée, le nombre de piles XX suit B(100;0,5)B (100 ;0,5). La calculatrice donne P(40≤X≤60)≈0,965P(40 ≤ X ≤ 60) ≈ 0,965 et P(41≤X≤59)≈0,943P(41 ≤ X ≤ 59) ≈ 0,943 : I=[40;60]I = [40 ;60] est le plus petit intervalle centré en 5050 de probabilité au moins 0,950,95.
Règle de décision au seuil α=5%α = 5 % : si le nombre de piles observé est dans II, on ne rejette pas l'hypothèse « la pièce est équilibrée » ; sinon on la rejette, avec un risque d'erreur inférieur à 5%5 %. Avec 6262 piles, on conclut que la pièce est probablement truquée.
Exemple — Surréservation.
Un avion a 200200 places ; chaque passager ayant réservé se présente avec la probabilité 0,930,93, indépendamment des autres. Si la compagnie vend nn billets, le nombre de passagers présents suit B(n;0,93)B (n ;0,93), et il y a surréservation si X>200X > 200. Calculatrice : pour n=209n = 209, P(X>200)≈0,040P(X > 200) ≈ 0,040 ; pour n=210n = 210, P(X>200)≈0,073P(X > 200) ≈ 0,073. Pour garder ce risque sous 5%5 %, la compagnie peut vendre jusqu'à 209209 billets.
Remarque — Démarche des tests.
Dans un test, on part d'un modèle (une hypothèse sur pp), 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.∗∗[0 ;1.**]
random() renvoie un nombre au hasard dans [0;1[[0 ;1[ (loi uniforme). La condition random() < p est vraie avec la probabilité pp : c'est une épreuve de Bernoulli. Pour un dé : int(6 * random()) + 1, uniforme sur {1,…,6}{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 nn d'une variable d'espérance μμ et d'écart type σσ, la moyenne MM fluctue autour de μμ avec un écart type nσσ/( √n ). En simulant un grand nombre d'échantillons, on observe qu'environ 95%95 % des moyennes sont dans [μ−n2σ;μ+n2σ][μ - 2σ/( √n ) ;μ + 2σ/( √n )] et presque toutes dans l'intervalle de rayon n3σ3σ/( √n ).
Exemple — Fourchette de sondage.
Pour une fréquence (loi de Bernoulli), σ=p(1−p)≤21σ = √(p(1 - p)) ≤ 1/2, donc n2σ≤n12σ/( √n ) ≤ 1/( √n ). Un sondage auprès de n=1000n = 1 000 personnes qui donne 52%52 % d'intentions de vote conduit à la fourchette [0,52−10001;0,52+10001]≈[0,488;0,552][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)=pk(1−p)n−kP(X = k) ≠ p^(k)(1 - p)^(n - k), qui est la probabilité d'un chemin.
Calculer P(X≥3)P(X ≥ 3) comme 1−P(X≤3)1 - P(X ≤ 3) : c'est 1−P(X≤2)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.
Avec le QCM de la section 3 (X∼B(10;0,25)X ~ B (10 ;0,25)), calculer P(X=0)P(X = 0), P(X≥1)P(X ≥ 1) et la probabilité d'avoir au moins la moyenne (X≥5X ≥ 5).
Exercice 2 – Pascal
À l'aide du triangle de Pascal, donner (26)C(6, 2) et (46)C(6, 4), puis calculer P(Y=2)P(Y = 2) pour Y∼B(6;0,5)Y ~ B (6 ;0,5).
Exercice 3 – Un dé suspect
On lance 120120 fois un dé et l'on compte les six. Si le dé est équilibré, X∼B(120;61)X ~ B (120 ;1/6). On admet que P(X≤11)≈0,014P(X ≤ 11) ≈ 0,014, P(X≤12)≈0,028P(X ≤ 12) ≈ 0,028, P(X≤27)≈0,963P(X ≤ 27) ≈ 0,963 et P(X≤28)≈0,978P(X ≤ 28) ≈ 0,978. Montrer que P(12≤X≤28)≥0,95P(12 ≤ X ≤ 28) ≥ 0,95. On obtient 3131 six : que conclure ?
Corrigé.P(12≤X≤28)=P(X≤28)−P(X≤11)≈0,978−0,014=0,964≥0,95P(12 ≤ X ≤ 28) = P(X ≤ 28) - P(X ≤ 11) ≈ 0,978 - 0,014 = 0,964 ≥ 0,95 : I=[12;28]I = [12 ;28] est un intervalle de fluctuation au seuil de 95%95 % (il laisse environ 1,4%1,4 % de chaque côté). Comme 3131 est hors de l'intervalle, on rejette au seuil de 5%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.