PROBABILITS : GNRALITS - CONDITIONNEMENT - INDPENDANCE 1. Exprience alatoire, vnements, loi de probabilit (Rappels de premire et complments) 1.1.

Choix d'un modle Lors de la ralisation d'une exprience alatoire, on est amen choisir successivement : a. Un univers W Il reprsente l'ensemble toutes les issues envisages de l'exprience. Il est donc fonction de l'ide de modlisation a priori que l'on se fait de l'exprience. Si lors du lancer d'une pice de monnaie on considre usuellement qu'il y a deux issues "PILE" et "FACE", rien n'empche d'en rajouter une troisime, par exemple "TRANCHE". C'est chacun (ou chaque nonc) de le dfinir. dfaut, on considre tacitement, qu'il s'agit de l'univers usuellement utilis dans telle ou telle situation. Exemples : On lance un d et on regarde le numro de la face obtenue : W = {1 ; 2 ; 3 ; 4 ; 5 ; 6} W = {P ; I} On lance une pice de monnaie : On lance deux pices de monnaie : On lance deux ds : W = {P ; F} W = {PP ; PF ; FP ; FF}
L'issue "obtenir la face portant le numro 1" est note abusivement 1. Idem pour les autres.

On lance un d et on regarde si le numro de la face obtenue est pair ou impair :

W = {(i, j) o 1 i 6 et 1 j 6}

Remarquons que l'univers dpend de l'observation qui est faite : par exemple, si on lance deux ds et qu'on fait le produit P ou la somme S des deux numros obtenus, on obtient respectivement : WP = {1 ; 2 ; 3 ; 4 ; 5 ; 6 ; 8 ; 9 ; 10 ; 12 ; 15 ; 16 ; 18 ; 20 ; 24 ; 25 ; 30 ; 36} WS = {2 ; 3 ; 4 ; 5 ; 6 ; 7 ; 8 ; 9 ; 10 ; 11 ; 12} Notons aussi qu'il existe des expriences alatoires qui comportent une infinit d'issues : On choisit un entier naturel au hasard : W = (Ce type d'ensemble infini est dit "dnombrable") On choisit un rel au hasard entre 0 et 1 : W = [0, 1] (Ce type d'ensemble infini n'est pas dnombrable) On choisit un rationnel au hasard entre 0 et 1: W = [0, 1] On choisit un nombre premier au hasard : W = {nombres premiers} On verra aussi (au point c.) que, dans certaines situations, l'expression "choisir au hasard" peut dboucher sur des univers diffrents suivant le protocole de choix utilis. b. Une famille de parties de W appeles "vnements" Il s'agit des issues discernables ou mesurables par l'observateur. Lorsque l'univers W est fini ou dnombrable (c'est--dire en bijection avec une partie de ), chaque partie de l'univers peut tre considre comme un vnement.(1)
(1)

Cependant, si W a la puissance du continu (par exemple W = [0, 1]), on ne peut plus considrer chaque partie de W comme un vnement (car certaines parties de W se rvlent si complexes qu'on est incapable de dire si elles sont ralises ou non). On fait donc le choix d'une partie stricte de (W) (appele tribu) vrifiant un minimum structurel afin de pouvoir calculer de manire commode des probabilits : et W (contient la "partie vide" et la "partie pleine") A W \ A (est stable par passage au complmentaire) (An)n famille d'lments de U An (est stable par union au plus dnombrable) n Page 1 G. COSTANTINI http://bacamaths.net/

Probabilits : gnralits - conditionnement - indpendance

Exemples : On lance deux ds et on regarde la somme des rsultats obtenus. (Voir l'univers WS ci-dessus). La partie E = {2 ; 4 ; 6 ; 8 ; 10 ; 12} est un vnement qui peut se dcrire par la phrase "la somme obtenue est un nombre pair". On choisit 6 numros au hasard entre 1 et 49. Les vnements sont toutes les combinaisons de 6 numros 49 48 47 46 45 44 choisis parmi 49. (On montrera qu'il y en a , voir la leon sur le 6 5 4 3 2 dnombrement...) Rappelons que les lments de W sont appels des vnements lmentaires. Un vnement lmentaire est donc une partie de W rduite un seul lment (singleton).

c. Une loi de probabilit (c'est--dire une application P valeurs dans [0, 1]) On demande cette application P de vrifier les deux conditions : P(W) = 1 Si (An)n est une famille d'vnements deux deux disjoints, alors : P An = n
C dsigne une union. Il

Le symbole

P( A )
n

est juste utilis la place de pour (Proprit de s-additivit(1) ) prciser que l'union est disjointe.

En particulier, si A et B sont deux vnements incompatibles (i.e. disjoints), alors : P(A B) = P(A) + P(B) En consquence, on a : Donc : 1 = P(W) = P(W ) = P(W) + P() P() = 0

Une telle application P s'appelle probabilit ou loi de probabilit.

Grce la proprit d'additivit, on en dduit la proprit suivante indispensable pour calculer des probabilits de manire conforme notre intuition : la probabilit P(E) d'un vnement E est la somme des probabilits des vnements lmentaires qui le composent. Remarque : le triplet (W, (W), P) (ou (W, , P) si W n'est pas dnombrable) s'appelle un espace probabilis. Modliser une exprience alatoire, c'est choisir un tel triplet.

Un choix particulier de P : Lorsque W est de cardinal fini et que l'on affecte la mme probabilit chaque vnement lmentaire, on dit que l'on choisit une probabilit P quirpartie. On a alors : pour tout vnement lmentaire w de W : P(w) = pour tout vnement E : P(E) = 1 Card(W) Card( E ) Card(W)

On dit aussi, dans une telle situation, qu'il y a quiprobabilit.

(1)

Notons que la somme peut contenir une infinit de termes non nuls mais qu'elle est ncessairement finie car majore par 1. Page 2 G. COSTANTINI http://bacamaths.net/

Probabilits : gnralits - conditionnement - indpendance

Et pour finir, notons bien que, dans certaines situations, l'expression "choisir au hasard" mrite d'tre explique. En effet, sans protocole de choix, certaines expriences peuvent aboutir des univers diffrents et gnrer des calculs qui paraissent alors contradictoires. Imaginons, pour illustrer, l'exprience suivante : on dispose de deux bancs de deux places (les places sont numrotes a1, a2, a3 et a4 comme ci-dessous). On suppose que toutes les places sont vides sauf la place a4 qui est occupe. Arrive une deuxime personne qui on demande de s'asseoir "au hasard". Quelle est la probabilit que les deux personnes soient assises sur le mme banc ?

banc 1 a1 a2

banc 2 a3 a4

Protocole 1 : choix d'un banc La seconde personne choisit l'un des deux bancs, de manire quiprobable. L'univers est donc W = {banc 1 ; banc 2}. La loi de probabilit est donne ici par :
vnement lmentaire Probabilit banc 1 1 2 banc 2 1 2

La probabilit que les deux personnes soient assises sur le mme banc est donc : p1 = 1 2

Protocole 2 : choix d'une place La seconde personne choisit l'une des trois places restantes, de manire quiprobable. L'univers est donc W = {a1 ; a2 ; a3}. La loi de probabilit est donne ici par :
vnement lmentaire Probabilit place a1 1 3 place a2 1 3 place a3 1 3

La probabilit que les deux personnes soient assises sur le mme banc est donc : p2 = 1 3

Et vous ? Choisissez-vous d'abord le banc puis la place ou directement la place ? Moralit : il y a parfois des rgles prciser lorsqu'on fait un choix "au hasard"... Une autre situation de ce type est le "paradoxe de Bertrand". (Voir exercices sur les probabilits continues)

Probabilits : gnralits - conditionnement - indpendance

Page 3

G. COSTANTINI http://bacamaths.net/

1.2. Rappel de quelques proprits des probabilits Proprit 1 : la probabilit de la runion de deux vnements est donne par : P(A B) = P(A) + P(B) P(A B) Exemple : dans une classe, 10% des lves jouent d'un instrument corde, 20% des lves jouent d'un instrument vent et 5% des lves jouent d'un instrument corde et d'un instrument vent. On choisit un lve au hasard. Quelle est la probabilit qu'il joue d'un instrument corde ou vent ? Notons C l'vnement : "l'lve joue d'un instrument corde" et V : "l'lve joue d'un instrument vent" D'aprs les donnes, on a : P(C) = 0,1 ; P(V) = 0,2 et P(C V) = 0,05 D'aprs la proprit 1, on obtient : P(C V) = P(C) + P(V) - P(C V) = 0,25
W (Ensemble des lves de la classe) C (10 %) CV (5 %) V (20 %)

Exercice : dmontrer que si C, D et E sont trois vnements alors, P(C D E) = P(C) + P(D) + P(E) - P(C D) - P(D E) - P(E C) + P(C D E) En effet : P(C D E) = P(C (D E)) = P(C) + P(D E) - P(C (D E)) P(C D E) = P(C) + P(D) + P(E) - P(D E) - P((C D) (C E)) P(C D E) = P(C) + P(D) + P(E) - P(D E) - P(C D) - P(C E) + P(C D E) En gnralisant cette formule une union de n vnements, on obtient la fomule du "crible" : n P Ai = i =1

(-1)
p =1

p +1

P Aik 1i1 < i2 <...<i p n 1k p

(Les courageux peuvent tenter une dmonstration par rcurrence)

Remarque : la probabilit d'une union d'vnements est toujours infrieure la somme des probabilits de ces vnements : n P Ai i =1

P( A )
i i =1

Et en particulier :

P(A B) P(A) + P(B)

Proprit 2 : la probabilit de l'vnement contraire A de A est P( A ) = 1 P(A). En particulier, La probabilit d'un vnement impossible (par exemple : "obtenir 7 en lanant un d") est nulle : P() = 0.(1) Si A B alors P(A) P(B) ("croissance" de la probabilit) P(A \ B) = P(A) - P(A B)
A \ B dsigne l'ensemble des lments qui sont dans A et pas dans B : A\B=AB

(1)

Rciproquement, si un vnement E est tel que P(E) = 0. E est-il un vnement impossible (c'est--dire : a-t-on ncessairement E = ) ? Rponse : non, en gnral ! En effet, considrons l'exprience suivante : on choisit un nombre rel compris entre 0 et 4 au hasard (en cochant par exemple un point au hasard sur le segment). L'univers est W = [0 ; 4] qui est un ensemble infini non dnombrable. Soit E l'vnement : "le nombre choisi est p". E n'est pas impossible car p [0 ; 4] et pourtant P(E) = 0. Cependant, si W est fini, on a l'quivalence entre E impossible et P(E) = 0. Par contre, si W est infini, on est amen dfinir : "E est dit impossible lorsque E = " et "E est dit P-quasi-impossible lorsque P(E) = 0". Page 4 G. COSTANTINI http://bacamaths.net/

Probabilits : gnralits - conditionnement - indpendance

Dmonstrations : Prouvons dj la proprit 2 : Par dfinition, A et A sont incompatibles et A A = W. D'aprs la dfinition d'une probabilit , on a donc : P(A A ) = P(A) + P( A ) Et comme P( A A ) = P(W) = 1, il vient : P(A) + P( A ) = 1 Si A B alors B est l'union disjointe de A et de (B \ A) donc : P(B) = P(A) + P(B \ A) Et comme P(B \ A) 0, on obtient bien : P(A) P(B)
Le principe de ces dmonstrations est de se ramener des vnements

incompatibles afin d'avoir des unions disjointes et d'utiliser la relation P(A B) = P(A) + P(B)

Ensuite, il est clair que les vnements A \ B et A B sont incompatibles et que (A \ B) (A B) = A

(voir figure ci-dessous)

D'aprs la dfinition d'une probabilit, on a donc : P(A) = P(A \ B) (A B)) = P(A \ B) + P(A B) D'o le rsultat. Prouvons maintenant la proprit 1 : Il suffit d'crire que :
W

A B = (A \ B) B
A AB B

A\B

B\A

Comme les vnements A \ B et B sont incompatibles, on a : P((A \ B) B) = P(A \ B) + P(B) Et d'aprs la proprit 2 : D'o le rsultat. P(A B) = P (A) - P(A B) + P(B)

2. Variables alatoires (Rappels de premire et complments) Dans ce paragraphe, on ne considre que des univers W finis ou infinis dnombrables. 2.1. Dfinition Variable alatoire Lorsqu' chaque vnement lmentaire w d'un univers W on associe un nombre rel, on dit que l'on dfinit une variable alatoire (relle). Une variable alatoire est donc une application X : W .(1)

Cette dfinition reste encore valable si W est infini dnombrable et si l'on a choisi (W) comme tribu. Par contre, si W a la puissance du continu, il faut rajouter dans la dfinition la condition suivante : "pour tout intervalle I de , l'ensemble X-1(I) est un vnement" sinon le calcul des probabilits risque fort d'tre trs limit. Probabilits : gnralits - conditionnement - indpendance Page 5 G. COSTANTINI http://bacamaths.net/

(1)

Exemple : On lance une pice de monnaie trois fois de suite.

Lancer n1

Lancer n2
P

Lancer n3
P F

L'arbre

ci-contre

permet

de

dteminer
F

P F P P F F P F

l'univers W associ cette exprience alatoire. Il est constitu de 8 vnements lmentaires (nombre de listes de 3 lments de l'ensemble {P ; F}) :

W = {PPP ; PPF ; PFP ; PFF ; FPP ; FPF ; FFP ; FFF}

Si on suppose la pice bien quilibre, on peut considrer que ces huit issues sont quiprobables. Notons X le nombre de cts "face" obtenus. X est une variable alatoire qui prend les valeurs 0 ; 1 ; 2 ou 3. Plus prcisment, on a X(W) = {0 ; 1 ; 2 ; 3}. On notera, par exemple "X = 2" ou (X = 2) ou encore [X = 2] l'vnement "face est sorti exactement deux fois". Plus prcisment : "X = k" = {w W tels que X(w) = k} = X-1(k)
Ce que l'on a not X-1(k) est l'ensemble des antcdents de k par X.

Remarque : on n'a pas besoin de probabilit pour dfinir une variable alatoire.

Univers W
(Ensemble d'vnements lmentaires w)

Variable alatoire X
(Application de W dans )

X(W)

PPP PPF PFP 1 PFF

vnement [X = 2] x2

x1

FPP FPF

x3

3 FFP FFF

x4

La variable alatoire X permet de dfinir un nouvel univers numrique X(W ). Si l'univers inital W est muni d'une probabilit P, la variable alatoire X induit galement une nouvelle probabilit PX sur cet univers X(W).

Probabilits : gnralits - conditionnement - indpendance

Page 6

G. COSTANTINI http://bacamaths.net/

2.2. Dfinition Loi de probabilit PX associe une variable alatoire Soit P une probabilit sur un univers W. Soit X une variable alatoire dfinie sur W telle que X(W) soit fini de cardinal n. Lorsqu' chaque valeur xi (1 i n) de X on associe les probabilits pi de l'vnement "X = xi ", on dit que l'on dfinit la loi de probabilit PX de la variable alatoire X. Pour illustrer, sur l'exemple prcdent, la valeur x3 = 2, nous pouvons associer la probabilit p3 = nous avons 3 chance sur 8 d'obtenir exactement deux fois le ct "face". Ainsi : PX(2) = P(X = 2) Remarque (hors programme) : on peut montrer que l'application PX vue comme application de (X(W)) [0 ; 1] A a
x A

3 puisque 8

P( X

-1

( x ))

est une probabilit sur X(W). En effet : PX(X(W)) =

x X ( W )

P( X
n

-1

( x )) = P X -1 ( x ) = P(W) = 1 (car P est une probabilit sur W) xX ( W )

Soient A1, A2, ... An des vnements (lments (X(W))) deux deux disjoints, on a : PX

C A = P( X
i i =1 x

-1

( x )) =

C Ai
n i =1

P( X
i = 1 x Ai

-1

( x )) =

P
i =1

( Ai )

On a donc bien montr que PX est une probabilit sur X(W).

En pratique, la loi de probabilit PX de X est prsente sous forme de tableau. Avec l'exemple de la pice de monnaie lance trois fois et X = nombre de face obtenus, cela donne :
Valeur xi de la variable alatoire X Probabilit pi de l'vnement "X = xi" x1 = 0 1 8 x2 = 1 3 8 x3 = 2 3 8 x4 = 3 1 8

p1 =
n

p2 =

p3 =

p4 =

On remarquera que l'on a bien

p = 1.
i i =1

Autre exemple : toujours avec le lancer d'une pice 3 fois de suite. Posons cette fois : On a : 1 si deux faces identiques apparaissent successivement Y= 0 sinon
Valeurs k de Y P(Y = k) 0 1 4 1 3 4

Probabilits : gnralits - conditionnement - indpendance

Page 7

G. COSTANTINI http://bacamaths.net/

2.3. Dfinition Esprance, variance et cart type d'une variable alatoire Soit W l'univers correspondant une exprience alatoire. Soit P une probabilit sur W. Soit X une variable alatoire dfinie sur W telle que X(W) soit fini(1) de cardinal n. Notons {x1 ; x2 ; ... ; xn} l'ensemble X(W), c'est--dire l'ensemble des valeurs prises par X. L'esprance mathmatique de la variable alatoire X est le nombre, not E(X), dfini par : E(X) =

px =px
i i i =1 2

1 1

+ p2x2 + ... + pnxn

pi = P(X = xi)

l'esprance est la moyenne des valeurs xi pondres par les probabilits pi

La variance de la variable alatoire X est le nombre, not V(X), dfini par : V(X) = E((X - E(X))2) =

p ( x - E( X ))
i i i =1

= p1(x1 - E(X))2 + p2(x2 - E(X))2 + ... + pn(xn - E(X))2

la variance est la moyenne des carrs des carts la moyenne

L'cart type de la variable alatoire X est le nombre, not s(X), dfini par : s(X) = V ( X ) Remarque : la variance est une quantit positive, donc l'cart type est bien dfini. Exemples : Reprenons l'exemple de la pice de monnaie lance trois fois de suite et les variables alatoires X et Y : 1 0 8 1 3 2 3 V(X) = 0 - + 8 2 8 E(X) = D'o : De mme avec Y : 3 3 1 3 1 + 2 + 3= 8 8 8 2 2 2 2 1 - 3 + 3 2 - 3 + 1 3 - 3 = 3 8 2 8 2 4 2 + s(X) =

3 2 1 3 3 E(Y) = 0 + 1 = 4 4 4 1 3 2 3 3 2 3 3 et s(Y) = V(Y) = 0 - + 1 - = 4 4 4 16 4 4

Interprtation : lorsque X reprsente le gain du joueur un jeu de hasard, E(X) reprsente l'espoir de gain moyen par partie, lorsqu'on joue un grand nombre de fois. Si E(X) > 0 (resp. E(X) < 0) alors le jeu est avantageux (resp. dsavantageux) pour le joueur. Si E(X) = 0 alors le jeu est dit quitable. L'cart-type est une caractristique de la dispersion des valeurs de X. Remarque : on pourrait aussi calculer l'esprance E(X) en revenant aux vnements lmentaires de l'univers W au lieu d'utiliser les valeurs xi de la variable alatoire X : E(X) = Sur l'exemple prcdent, comme P(w) = E(X) = 1 8 1
wW

P(w) X (w)

1 cela donnerait : 8

wW

X (w) = 8 (X(PPP) + X(PPF) + X(PFP) + X(PFF) + X(FPP) + X(FPF) + X(FFP) + X(FFF))

(1)

Si X(W) est infini dnombrable, l'esprance existe encore sous rserve de la convergence (absolue) de la srie de terme gnral xnpn. Si X(W) a la puissance du continu, l'esprance est donne par une intgrale. Page 8 G. COSTANTINI http://bacamaths.net/

Probabilits : gnralits - conditionnement - indpendance

1 3 (0 + 1 + 1 + 2 + 1 + 2 + 2 + 3) = 8 2 Le calcul peut paratre plus long mais dans certaines situations, il peut s'avrer plus pratique (voir par exemple E(X) = la dmonstration de la linarit de l'esprance en 2.4.) Exercice thorique : dmontrer que l'esprance E(X) minimise la fonction dfinie sur par : (x) =

p ( x - x)
i i i =1

est la fonction "moyenne des carrs des carts" tandis que g est la fonction "moyenne des carts".

mais pas la fonction g dfinie par :

g(x) =

i =1

pi xi - x

La fonction est drivable comme somme de fonctions drivables et on a pour tout x : '(x) = -2 On en dduit :

i =1

pi ( xi - x) = - 2

i =1

pi xi - 2x

p = -2(E(X) - x)
i i =1

'(x) 0 x E(X)

Donc admet un minimum en E(X) (et ce minimum est (E(X)) = V(X) ...) L'esprance est donc la quantit qui minimise la moyenne des carrs des carts. Par contre, elle ne minimise pas la moyenne des carts. En effet, considrons la variable alatoire X dfinie par la loi suivante : xi pi On a : 0 0,9 E(X) = p1x1 + p2x2 = 100 g(E(X)) = p1|x1 -100| + p2|x2 - 100| = 90 + 90 = 180 Or : Donc : Conclusion : g(0) = E(X) = 100 g(0) < g(E(X)) E(X) ne minimise pas la fonction g 1000 0,1

Quelle est donc la quantit qui minimise la fonction g ? Etudions a de prs. Quitte rindexer les indices des xi , on peut supposer sans perte de gnralit que : Donnons-nous k 1, n - 1 et x [xk, xk+1]. En coupant la somme en deux, il vient : g(x) = x1 < x2 < ... < xn

i =1

pi xi - x =

i =1

pi ( x - xi ) +

i = k +1

pi ( xi - x) = x

i =1

pi -

i =1

pi xi +

i = k +1

pi xi - x

i = k +1

pi

Donc g est affine sur [xk, xk+1] : avec : ak =

g(x) = ak x + bk pi -

i =1

i = k +1

pi = 2

i =1

pi - 1 et bk =

i = k +1

pi xi -

px
i =1

i i

Elle est donc croissante sur [xk, xk+1] si et seulement si ak 0, c'est--dire si et seulement si

p 2.
1
i i =1

Donc g est une fonction affine par morceaux, dcroissante sur les intervalles [xk, xk+1] tels que

p
i i =1

1 et 2

croissante sur les intervalles [xk, xk+1] tels que

p 2.
1
i i =1

Elle admet donc un minimum en la valeur mdiane de la srie des xi (1 i n).

Probabilits : gnralits - conditionnement - indpendance Page 9 G. COSTANTINI http://bacamaths.net/

2.4. Thorme Linarit de l'esprance Soient X et Y deux variables alatoires dfinies sur le mme univers W de cardinal fini. Soit P une probabilit sur W. On a : Et en particulier, pour tout rel b : E(X + Y) = E(X) + E(Y) E(X + b) = E(X) + b E(kX) = kE(X) pour tout rel k Dmonstration : E(X + Y) =
wW

( X + Y )(w) P(w) = X (w)P(w) + Y (w)P(w) = E(X) + E(Y)

wW wW

On calcule les esprances relativement aux vnements lmentaires afin de pouvoir utiliser la linarit de l'oprateur .

En prenant Y constante gale b, on obtient : E(X + b) = E(X) + E(b) = E(X) + b E(kX) =

i =1

kpi xi = k

p x = kE(X)
i i i =1

Exemple : On lance 4 ds, et on note S la somme des rsultats obtenus. Calculer E(S). Soient X1, X2, X3 et X4 les rsultats obtenus pour chaque d. On a : E(X1) = E(X2) = E(X3) = E(X4) = Or, S = X1 + X2 + X3 + X4, d'o : 1 (1 + 2 + 3 + 4 + 5 + 6) = 3,5 6

E(S) = E(X1 + X2 + X3 + X4) = 4E(X1) = 4 3,5 = 14

2.5. Thorme Calcul pratique de la variance : formule de Koenig-Huyghens La variance d'une variable alatoire X peut se calculer avec la relation suivante : V(X) = E(X2) - [E(X)]2
la variance est l'cart entre la moyenne des carrs et le carr de la moyenne

Dmonstration : on rappelle que l'esprance d'une variable alatoire constante X = b est gale la constante b. D'aprs la linarit de l'esprance : V(X) = E((X - E(X))2) = E(X2 - 2XE(X) + E(X)2) = E(X2) - 2E(X)E(X) + E(X)2E(1) V(X) = E(X2) - [E(X)]2 Pour le calcul de la variance, on prfrera l'emploi de cette dernire formule plutt que celle vue en 2.3. En effet, outre un intrt pratique indniable pour mener le calcul, la formule de Koenig-Huyghens est surtout plus fiable lorsque l'esprance E(X) ne tombe pas juste. En effet, dans la formule vue en 2.3. l'erreur due l'arrondi de E(X) se propage tout au long du calcul alors qu'elle n'apparat que dans le dernier terme dans la formule 2.5. Exemple : Reprenons l'exemple de la pice de monnaie lance trois fois de suite. X dsigne le nombre de "face" obtenu. 1 3 3 1 E(X2) = 02 + 12 + 22 + 32 = 3 8 8 8 8 9 3 2 2 V(X) = E(X ) - [E(X)] = 3 - = 4 4
Probabilits : gnralits - conditionnement - indpendance Page 10 G. COSTANTINI http://bacamaths.net/

2.6. Corollaire Effet d'un changement affine sur la variance et l'cart type Soit X une variable alatoire. Soient a et b deux rels. On a : En particulier : V(aX + b) = a2V(X) et s(aX + b) = |a|s(X) V(aX) = a2V(X) et s(aX) = |a|s(X) V(X + b) = V(X) et s(X + b) = s(X) Dmonstration : D'aprs 2.5., on a : V(aX + b) = E(a2X2 + 2abX + b2) - [E(aX + b)]2 V(aX + b) = a2E(X2) + 2abE(X) + b2 - [aE(X) + b]2 V(aX + b) = a2E(X2) + 2abE(X) + b2 - a2[E(X)]2 - 2abE(X) - b2 V(aX + b) = a2V(X) D'o, par passage la racine carre : s(aX + b) = |a|s(X) V(aX) = a2V(X) et s(aX) = |a|s(X) V(X + b) = V(X) et s(X + b) = s(X) Interprtation des dernires relations : une translation n'a pas d'incidence sur la variance ou l'cart type d'une variable alatoire (en effet, cela ne modifie pas son degr de dispersion). En particularisant b = 0, puis a = 1, on obtient :

Et d'aprs la linarit de l'esprance :

2.7. Dfinition Fonction de rpartition d'une variable alatoire Soit X une variable alatoire. La fonction de rpartition F associe X est la fonction dfinie sur par : F(x) = P(X x) La fonction de rpartition est toujours une fonction croissante et borne par 0 et 1. Exemple : avec toujours les mmes donnes prcdentes, on a : Pour x ]- ; 0[, on a : Pour x [0 ; 1[, on a : Pour x [1 ; 2[, on a : Pour x [2 ; 3[, on a : Pour x [3 ; +[, on a : Reprsentation graphique :
1
7 8

F(x) = 0 1 8 1 3 1 F(x) = + = 8 8 2 1 3 3 7 F(x) = + + = 8 8 8 8 1 3 3 1 F(x) = + + + = 1 8 8 8 8 F(x) =

1 2

1 8

-1

Probabilits : gnralits - conditionnement - indpendance

Page 11

G. COSTANTINI http://bacamaths.net/

3. Probabilits conditionnelles 3.1. Exemple introductif : un joueur tire, au hasard, une carte d'un jeu de 32 cartes. On considre les vnements suivants : F = "la carte tire est une figure" et R = "la carte tire est un roi" 1) Calculer P(F), P(R) et P(R F) (o P dsigne la probabilit correspondant l'quirpartition) 2) Le joueur affirme : "la carte tire est une figure". Quelle est alors la probabilit que ce soit un roi ? Solution : 1) Ici, l'univers W est constitu de 32 vnements lmentaires quiprobables. On a donc : P(F) = Card( F ) 12 3 Card ( R ) Card ( R F ) 4 1 4 1 = = ; P(R) = = = et P(R F) = = = Card(W) 32 8 Card (W) 32 8 Card(W) 32 8

2) Maintenant, nous n'avons plus l'quiprobabilit sur W. Les seuls vnements de probabilit non nulle sont ceux qui sont constitus d'une partie des 12 figures du jeu de cartes. Nous allons choisir une nouvelle probabilit PF qui sera nulle pour les vnements lmentaires ne correspondant pas une figure et quirpartie pour les vnements lmentaires correspondant une figure. Pour dterminer la probabilit que la carte soit un roi, nous devons seulement considrer les rois qui sont des figures, donc compter les lments de R F, si bien que : PF(R) = Card ( R F ) 4 1 = = Card ( F ) 12 3

La probabilit PF(R) s'appelle la probabilit conditionnelle de R par rapport F. On la note parfois P(R|F) o R|F reprsente l'vnement "R est ralis" sachant que F est ralis. (Cette dernire notation tant dconseille car ne faisant pas ressortir le fait que l'on a une nouvelle probabilit). Nous remarquons que : Gnralisons ce rsultat : 3.2. Thorme Soit une exprience alatoire d'univers W (avec W de cardinal fini), P une probabilit sur W et B un vnement tel que P(B) 0. L'application PB de (W) dans [0 ; 1] dfinie par PB(A) = est une probabilit sur W. Dmonstration (Hors programme) On a : PB(W) = P (W B ) P( B) = =1 P( B) P( B) P( A B) pour tout A (W) P( B) PF(R) = P( R F ) P( F )

Soient A1, A2, ... , An des vnements (donc des lments (W)) deux deux disjoints. On a : PB

C
n i =1

n n P Ai B P Ai B = i =1 Ai = i =1 P(B) P(B)

Or, les vnements Ai B sont deux deux disjoints puisque les Ai le sont, donc : P

C
n i =1

Ai B =
Page 12

P( A B)
i i =1

Probabilits : gnralits - conditionnement - indpendance

G. COSTANTINI http://bacamaths.net/

D'o :

PB

C
n i =1

Ai =

P( A B )
i i =1

P( B)

i =1

P( Ai B ) = P( B )

P (A )
B i i =1

L'application PB est bien une probabilit, le thorme est donc dmontr.

3.3. Dfinition Probabilit conditionnelle L'application PB ainsi dfinie s'appelle "probabilit B-conditionnelle". La quantit PB(A) se lit "probabilit, sachant B, de A" parfois (et abusivement) note P(A|B). On a ainsi : P(A|B) = PB(A) = P( A B) P( B)

Remarques : la relation ci-dessus est trs utile galement dans l'autre sens : P(A B) = PB(A) P(B) = PA(B) P(A) l'vnement contraire de A | B est A | B ("A n'est pas ralis" sachant que B l'est). cas particulier : si A B, alors P(A) P(B) et P(A B) = P(A). D'o : Exemples : Un lve srieux de terminale a 80% de chance d'avoir son Bac au mois de juin. Pendant les grandes vacances qui suivent, il passe un concours pour intgrer une cole. Le concours est ouvert tous les lves (bacheliers ou non) mais notre candidat a 60% de chance d'tre admis dans cette cole s'il est bachelier et 30% sinon. Notons B l'vnement "l'lve russi son Bac" et A l'vnement "l'lve est admis dans l'cole". PB(A) = P ( A) P( B)

P(B) = 0,8

P ( B ) = 0,2

PB(A) = 0,6

PB ( A ) = 0,4

PB ( A) = 0,3

PB ( A ) = 0,7

Quelle est la probabilit que l'lve russisse son bac et soit admis son cole ? On calcule : P(A B) = PB(A)P(B) = 0,6 0,8 = 0,48

Probabilits : gnralits - conditionnement - indpendance

Page 13

G. COSTANTINI http://bacamaths.net/

 Le tiers d'une population a t vaccin contre une maladie. Au cours d'une pidmie, on constate que, sur quinze malades, il y a deux personnes vaccines. Le vaccin est-il efficace ? Pour le savoir, on compare la probabilit d'tre malade (note P(M)) avec celle d'tre malade sachant que l'on a t vaccin (note PV(M)). Par hypothse, on a : PV(M) = P(V) = 1 2 et PM(V) = 15 3
On peut aussi comparer P ( M ) et P ( M ) , on V V trouve : P ( M ) = 3,25 P ( M ) V V

P( M V ) P (V ) P ( M ) 2 2 = = M 3 P(M) = P(M) 15 5 P (V ) P (V )

On a PV(M) < P(M). Le vaccin est donc efficace. On suppose, de plus, que sur cent personnes vaccines, huit sont malades. Quelle est la proportion de malades dans la population ? On a donc : Or, PV(M) = 2 P(M) d'o : 5 PV(M) = 8 2 = 100 25 1 5

P(M) =

Il y a donc 20% de malades. Un homme rend visite une famille ayant deux enfants. L'un des deux enfants, un garon, ouvre la porte, quelle est alors la probabilit que les deux enfants soient des garons ? Considrons l'exprience alatoire suivante : choisir au hasard une famille de deux enfants et regarder si ce sont des garons ou des filles. L'univers associ comporte 4 issues possibles : W = {FF, FG, GF, GG} o, par exemple, FG est l'vnement "l'ane est une fille, le cadet est un garon". Statistiquement, on peut considrer ces quatre vnements comme quiprobables. Notons A l'vnement "les deux enfants sont des garons" et B l'vnement "un des deux enfants est un garon". On a : Il s'agit donc de calculer : A = {GG} et B = {FG, GF, GG} PB(A) = P( A B) P( B)

Or, A B = A car A B. Donc :

1 P ( A) 1 PB(A) = = 4= 3 3 P( B) 4

Remarque : cet exercice peut paratre droutant car l'aspect conditionnel n'apparat pas assez clairement dans la question qui devrait tre plutt formule ainsi : "quelle est la probabilit que les deux enfants soient des garons sachant que l'un l'est dj". D'autre part, si l'on sait que le garon qui ouvre la porte est l'ain, la probabilit que l'autre enfant soit aussi un garon est dans ce cas gale 0,5 bien sr.

Probabilits : gnralits - conditionnement - indpendance

Page 14

G. COSTANTINI http://bacamaths.net/

3.4. Thorme Formule des probabilits totales Soit W un univers muni d'une probabilit P. Si des parties B1, B2, ... , Bn, de probabilits non nulles, constituent une partition(1) de W, alors pour tout vnement A, on a : P(A) =

P ( A Bk ) =

k =1

P
k =1

Bk

(A) P( Bk )

Dmonstration (Hors programme) Les ensembles A B1, A B2, ... , A Bn constituent une partition de A : A=

C A B
n k =1

(union disjointe).

D'aprs l'additivit de la probabilit pour les ensembles disjoints on a : n P(A) = P A Bk = k =1

P( A B )
k k =1

Et comme P(A Bk) = PBk ( A) P(Bk) pour tout entier k tel que 1 k n, on a : P(A) =

P
k =1

Bk

(A) P( Bk )
W

A B1 B2 B3 B4 B5 ... Bn

Illustration sur un arbre :

P(B1)

P(B2)

P(B3)

P(Bn)

B1

B2

B3

...

Bn

PB ( A)
1

PB ( A)
2

PB ( A)
3

PB ( A)
n

... A A A A A A A A

Remarques : La formule des probabilits totales reste vraie si B1, B2, ... , Bn sont des vnements deux deux incompatibles et si A On a en particulier :

UB .
n i i =1

P(A) = P(A B) + P(A B )

(1)

On dit que des parties non vides B1, B2, .... , Bn forment une partition d'un ensemble W lorsqu'elles sont deux deux disjointes (Bi Bj i = j) et recouvrent tout l'ensemble W (B1 B2 ... Bn = W) Page 15 G. COSTANTINI http://bacamaths.net/

Probabilits : gnralits - conditionnement - indpendance

Exemples : Reprenons l'exemple de notre lve qui passe son bac et son concours. On rencontre cet lve au mois de septembre et il nous dit qu'il a t admis l'cole. Quelle est la probabilit qu'il ait son bac ? Nous devons calculer : PA(B) = P( A B) P( A B ) 0, 48 8 = = = P( A) 0, 48 + 0, 3 0, 2 9 P ( A B) + P ( A B)

Reprenons l'exemple de l'pidmie et cherchons la probabilit qu'une personne non vaccine tombe malade. Nous cherchons donc P (M ) . Il est clair que les vnements V et V constituent une partition de l'ensemble V de la population. D'aprs la formule des probabilits totales, on a : P(M) = PV(M) P(V) + P (M ) P(V ) V 1 2 1 P ( M ) - P ( M )P (V ) 5 25 3 13 V P (M ) = = = 0,26 D'o : = V 2 50 1 - P (V ) 3 Le feu tricolore. Un automobiliste arrive proximit -disons une dizaine de mtres- d'un feu tricolore et aucun vhicule ne le prcde. On suppose que, si le feu est vert ce moment l, l'automobiliste dcide de passer avec une probabilit de 99/100. Si le feu est orange, l'automobiliste dcide de passer avec une probabilit de 3/10 et enfin si le feu est rouge, l'automobiliste dcide de passer avec une probabilit de 1/100 (quelques fous...). Le cycle du feu tricolore dure une minute : vert : 25s, orange : 5s et rouge : 30s. Quelle est la probabilit que l'automobiliste passe sans s'arrter ce feu tricolore ? Notons A l'vnement "l'automobiliste passe sans s'arrter au feu" et V (resp. O et R) = "le feu est vert (resp. orange et rouge)". Comme V O R = W (union disjointe), on a : P(A) = PV(A)P(V) + PO(A)P(O) + PR(A)P(R) = 5 3 1 1 1 177 1 99 + + = < ... 100 12 10 12 100 2 400 2

4. Indpendance 4.1. Dfinition Indpendance d'vnements Soit P une probabilit sur un univers W. On dit que deux vnements A et B (de probabilits non nulles) sont P-indpendants lorsque la ralisation (ou non) de l'un n'a pas d'influence sur la probabilit de ralisation de l'autre : PB(A) = P(A) ou PA(B) = P(B) On convient qu'un vnement A tel que P(A) = 0 est P-indpendant de tout autre. Consquence : soient A et B des vnements tels que P(A) 0 et P(B) 0. Si A et B sont indpendants, alors : P(A B) = PB(A) P(B) = P(A) P(B) Rciproquement, si P(A B) = P(A) P(B) alors on a : PB(A) P(B) = P(A) P(B) d'o PB(A) = P(A) PA(B) P(A) = P(A) P(B) d'o PA(B) = P(B) Les vnements A et B sont donc indpendants.
Probabilits : gnralits - conditionnement - indpendance Page 16 Ne pas confondre l'indpendance et l'incompatibilit de deux vnements. Par exemple, si on lance un d et si on considre les vnements : A = "obtenir un nombre pair" et B = "obtenir un nombre impair" Alors A et B sont incompatibles (puisque A B = ) et dpendants (puisque P(A) = P(B) = 0,5 alors que P(A B) = 0)

G. COSTANTINI http://bacamaths.net/

Ce qui fournit un bon critre pour savoir si deux vnements sont indpendants : 4.2. Thorme Critre d'indpendance de deux vnements Deux vnements A et B sont P-indpendants si et seulement si P(A B) = P(A) P(B) Exemples : On lance deux ds et on dsigne par A l'vnement "le premier d amne un nombre pair", par B l'vnement "le deuxime d amne un nombre impair" et par C l'vnement "les deux ds amnent un nombre pair". On a :P(A) = 1 1 1 1 1 ; P(B) = ; P(C) = ; P(A B) = ; P(A C) = ; P(B C) = 0. (Arbres) 2 2 4 4 2

On conclut : A et B sont indpendants ; A et C sont dpendants ; B et C sont dpendants. On lance une pice deux fois de suite et on considre les vnements A1 = "FACE au premier lancer" et A2 = "FACE au second lancer". On a W = {FF ; FP ; PF ; PP} et on calcule P(A1) = 0,5 ; P(A2) = 0,5 et P(A1 A2) = 0,25. Les vnements sont indpendants, ce qui est rassurant. Deux vnements A et B incompatibles et de probabilits non nulles sont toujours dpendants puisque P(A B) = 0 et P(A).P(B) 0. L'vnement W est indpendant de tout vnement A puisque P(A W) = P(A) = P(A) 1 = P(A)P(W).

Remarque : il faut tre mfiant avec la notion d'indpendance. Deux vnements peuvent intuitivement sembler indpendants sans pour autant l'tre aprs calculs. Par exemple, considrons l'exprience suivante : Quatre lots sont rpartis entre 5 personnes P1, ... , P5 de la faon suivante : chaque lot est attribu par tirage au sort d'une personne parmi les 5. L'univers W de cette exprience alatoire est l'ensemble des listes de 4 lments de {P1 ; ... ; P5}. Il y en a 54. Pour tout k 1 ; 5, notons Ek l'vnement dcrit par "la personne Pk ne reoit aucun lot". Les vnements Ek, 1 k 5, sont-ils indpendants ? Rponse : non. En effet, soient h et k distincts compris entre 1 et 5. L'vnement Ek est constitu des listes de 4 lments de l'ensemble {P1 ; ... ; P5} \ {Pk}. Il y en a 44. Avec la probabilit quirpartie P sur W, on a : P(Ek) = P(Eh) = 44 54 44 54

De mme :

Par ailleurs Ek Eh est constitu des listes de 4 lments de l'ensemble {P1 ; ... ; P5} \ {Pk ; Ph}. Il y en a 34. Donc : D'o : P(Ek Eh) = 34 54

P(Ek Eh) P(Ek).P(Eh)

Probabilits : gnralits - conditionnement - indpendance

Page 17

G. COSTANTINI http://bacamaths.net/

Extension n vnements : A1, A2, ..., An sont dits mutuellements indpendants lorsque pour toute famille d'indices K 1 ; n P Ak = kK

P( A )
k k K

qu'il ne faut pas confondre avec l'indpendance deux deux : A1, A2, ..., An sont dits deux deux indpendants lorsque pour tous i et j vrifiant 1 i < j n : P(Ai Aj) = P(Ai )P(Aj) Des vnements mutuellement indpendants le sont aussi deux deux (il suffit de prendre les parties K de deux lments), mais la rciproque est fausse : il suffit de considrer, pour le lancer de deux pices de monnaie (bien quilibres), les vnements A : "on obtient PILE au premier lancer", B : "on obtient PILE au second lancer" et C : "on obtient le mme ct aux deux lancers". On vrifie facilement l'aide d'un arbre que P(A) = P(B) = P(C) = 0,5 puis que P(A B) = P(A C) = P(B C) = 0,25 donc A, B et C sont deux deux indpendants et pourtant P(A B C) = 0,25 et P(A)P(B)P(C) = 0,125 donc A, B et C ne sont pas mutuellement indpendants.

Exercice : Soient A et B deux vnements indpendants. A et B sont-ils indpendants ? Et A et B ? On peut commencer par rpondre la seconde question : PB( A ) = 1 - PB(A) = 1 - P(A) = P( A ) Donc A et B sont indpendants. Il suffit de passer maintenant l'vnement contraire de B pour obtenir une rponse affirmative la premire question. En effet : P( A B ) = P A B = 1 - P(A B) = 1 - P(A) - P(B) + P(A B) = 1 - P(A) - P(B) + P(A)P(B) Et en vertu de l'identit 1 - x - y + xy = (1 - x)(1 - y) : P( A B ) = (1 - P(A))(1 - P(B)) = P( A )P( B )

4.3. Dfinition Indpendance de variables alatoires Soient X et Y deux variables alatoires dfinies sur un univers W telles que X(W) et Y(W) soient finis. Notons x1, ..., xn et y1, ..., yp les valeurs de X et Y. On dit que X et Y sont des variables alatoires indpendantes lorsque : pour tout i 1, n et tout j 1, p, les vnements "X = xi " et "Y = yj" sont indpendants

Dans ce type de situations (o deux variables alatoires sont en jeu), il est utile de dresser un tableau 2 entres.

Probabilits : gnralits - conditionnement - indpendance

Page 18

G. COSTANTINI http://bacamaths.net/

Exemple : On lance deux ds bien quilibrs. On note S la somme des rsultats obtenus et P le produit. Donner, sous forme de tableau la loi de probabilit du couple (S, P). Les variables alatoires S et P sont-elles indpendantes ? Dressons tout d'abord deux petits tableaux donnant les diffrentes possibilits de sommes et de produits :

S 1 2 3 4 5 6

1 2 3 4 5 6 7

2 3 4 5 6 7 8

3 4 5 6 4 5 6 7 5 6 7 8 6 7 8 9 7 8 9 10 8 9 10 11 9 10 11 12

P 1 2 3 4 5 6

1 2 3 1 2 3 2 4 6 3 6 9 4 8 12 5 10 15 6 12 18

4 4 8 12 16 20 24

5 5 10 15 20 25 30

6 6 12 18 24 30 36

Loi du couple (S, P) :

P S 2 3 4 5 6 7 8 9 10 11 12 Loi de P

1
1 36

2 0
2 36

3 0 0
2 36

4 0 0
1 36 2 36

5 0 0 0 0
2 36

6 0 0 0
2 36

8 0 0 0 0
2 36

9 0 0 0 0
1 36

10 0 0 0 0 0
2 36

12 0 0 0 0 0
2 36 2 36

15 0 0 0 0 0 0
2 36

16 0 0 0 0 0 0
1 36

18 0 0 0 0 0 0 0
2 36

20 0 0 0 0 0 0 0
2 36

24 0 0 0 0 0 0 0 0
2 36

25 0 0 0 0 0 0 0 0
1 36

30 0 0 0 0 0 0 0 0 0
2 36

36 0 0 0 0 0 0 0 0 0 0
1 36 1 36

Loi de S
1 36 2 36 3 36 4 36 5 36 6 36 5 36 4 36 3 36 2 36 1 36

0 0 0 0 0 0 0 0 0 0
1 36

0 0 0 0 0 0 0 0 0
2 36

0 0 0 0 0 0 0 0
2 36

0 0 0 0 0 0 0
3 36

0
2 36

0 0 0 0 0 0
2 36

0 0 0 0 0 0
2 36

0 0 0 0 0 0
1 36

0 0 0 0 0
4 36

0 0 0 0 0
2 36

0 0 0 0
4 36

0 0 0 0
2 36

0 0 0 0
1 36

0 0 0
2 36

0 0 0
2 36

0 0
2 36

0 0
1 36

0
2 36

Les variables alatoires S et P ne sont pas indpendantes. En effet : P("S = 2" "P = 2") = 0 P(S = 2)P(P = 2) =
2 1 36 36

Probabilits : gnralits - conditionnement - indpendance

Page 19

G. COSTANTINI http://bacamaths.net/

5. Modlisation d'expriences. Rptition d'expriences indpendantes Voici trois rgles pratiques pour calculer des probabilits directement sur des arbres (rgles qui sont en relation avec des rsultats du cours ci-dessus) : Exemple de situation o l'on ritre deux fois une exprience comportant deux issues A et B contraires l'une de l'autre. On note A1 (resp. A2) l'vnement "A se ralise la premire (resp. deuxime) exprience". Mmes notations pour B. L'univers associ cette situation comporte 4 issues : W = {A1A2 ; A1B2 ; B1A2 ; B1B2}
A2 B2 A2 B2 P(A2|A1) P(B2|A1) P(A2|B1) P(B2|B1) A1 B1

P(A1)

P(B1)

R1 : la somme des probabilits des branches partant d'une mme racine est toujours gale 1 : Exemple : P(A1) + P(B1) = 1
(ceci provient du fait que A et B sont contraires)

R2 : la probabilit d'un chemin est gale au produit des probabilits des branches de ce chemin : Exemple : la probabilit du chemin A1 - A2 est : P(A1 A2) = P(A2|A1) P(A1) (formule de probabilit conditionnelle) R3 : la probabilit d'un vnement est la somme des probabilits des chemins correspondant cet vnement. Exemple : La probabilit de l'vnement "obtenir exactement une fois A" est : P(A1 B2) + P(B1 A2)

Lien avec l'indpendance : si on suppose que les deux expriences se droulent de manire
P(A1) P(B1)

indpendante. On a alors l'arbre suivant : La probabilit du chemin A1 - A2 sera donc P(A1)P(A2) Cas particulier connatre : si on rpte n fois, de manire indpendante une exprience.
n

A1

B1

La

P(A2)

P(B2)

P(A2)

P(B2)

probabilit p qu'un vnement A de cette exprience se ralise n fois sera : p = (P(A)) .

A2 B2 A2 B2

Exemples : On lance un d n fois (n *). Comment choisir n pour que la probabilit pn d'obtenir au moins un 6, au cours des n lancers, soit suprieure ou gale 0,95 ? Notons : On a : A = "on obtient au moins un 6 au cours des n lancers" A = "on obtient aucun 6 au cours des n lancers"

L'vnement A se ralise, si et seulement si, pour chacun des n lancers (qui sont indpendants), on n'obtient pas de 6. D'aprs le cas particulier vu ci-dessus, on a : 5 n P ( A) = 6 D'o : On cherche maintenant n tel que :
Probabilits : gnralits - conditionnement - indpendance Il s'agit d'un cas particulier de la loi binomiale qui sera aborde dans le chapitre suivant.
n

5 pn = P(A) = 1 - 6 pn 0,95
Page 20

G. COSTANTINI http://bacamaths.net/

5 1 - 0,95 6 5 0,05 6 La fonction ln tant croissante sur ]0, +[, cette dernire inquation quivaut : 5 n ln ln 0,05 6 5 5 Et puisque ln < 0 (car ]0, 1[), on a : 6 6 ln 0, 05 n 5 ln 6 ln 0, 05 La calculatrice donne : 16,4 10-1 prs 5 ln 6 Et comme n est un entier : n 17 On doit donc lancer le ds au moins 17 fois pour tre sr 95% d'obtenir au moins un 6.
n

Soit n *. On range n objets dans n tiroirs (chaque tiroir pouvant contenir de 0 n objets). Calculer le nombre moyen de tiroirs vides. Dfinissons la variable alatoire Xi , (1 i n), par : 1 si le i me tiroir est vide Xi = 0 sinon On a : n - 1 n 1 n P(Xi = 1) = = 1 - et P(Xi = 0) = 1 - P(Xi = 1) = 1 n n
n 1 - 1 n

Notons En(Xi ) l'esprance de Xi . (Elle dpend de n) On a : Notons X = 1 n En(Xi ) = 1 - n

X
i =1

= nombre de tiroirs vides.

D'aprs la linarit de l'esprance, il vient : En(X) =

1 En ( X i ) = n 1 - n i =1

Remarque : tudions la limite de la proportion

En ( X ) de botes vide. n
1

On a :

n ln 1 - En ( X ) 1 n = 1 - = e n n n 1 n ln 1 - n

=
X =-

1 n

ln (1+ X ) X

Or,

lim e
n+

=
X =-

1 n

X 0

lim e

ln (1+ X ) X

Mais on sait que lim

X 0

ln (1 + X ) = ln'(1) = 1, donc par continuit de l'exponentielle, on en dduit : X

Probabilits : gnralits - conditionnement - indpendance

Page 21

G. COSTANTINI http://bacamaths.net/

X 0

lim e lim

ln (1+ X ) X

1 e

D'o : La proportion de botes vides tend vers

n+

En ( X ) 1 = n e

1 lorsque n tend vers +. e

Probabilits : gnralits - conditionnement - indpendance

Page 22

G. COSTANTINI http://bacamaths.net/