Lernzettel: Introduction à la loi binomiale

📋 Plan du Cours

1. Loi binomiale
2. Variable aléatoire
3. Loi de Bernoulli
4. Loi de probabilité
5. Distribution binomiale

📖 1. Loi binomiale

🔑 Notions clés & Définitions

• Loi binomiale : Loi de probabilité discrète qui modélise le nombre de succès dans une suite de n essais indépendants de Bernoulli, chacun ayant une probabilité p de succès.
• Variable aléatoire : Variable dont la valeur dépend du résultat d'une expérience aléatoire. La loi binomiale est une loi de cette nature.
• Essais de Bernoulli : Expériences à deux issues possibles (succès ou échec) avec une probabilité p de succès.
• Paramètres :
  • n : nombre d'essais.
  • p : probabilité de succès lors d’un seul essai.
• Formule de la probabilité :
  $P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}$
  où $k$ est le nombre de succès, $\binom{n}{k}$ le coefficient binomial.

📝 Points essentiels

• La loi binomiale permet de calculer la probabilité d’obtenir exactement k succès en n essais.
• La moyenne (espérance) : $E(X) = np$.
• La variance : $\text{Var}(X) = np(1-p)$.
• La loi binomiale est une distribution discrète, souvent utilisée pour modéliser des situations de tirages ou d’échantillonnage avec succès/échec.
• La loi de Bernoulli est un cas particulier de la loi binomiale avec $n=1$.
• La loi binomiale peut être approchée par la loi normale lorsque n est grand, selon le théorème central limite.

💡 À retenir

La loi binomiale modélise le nombre de succès dans une série d’essais indépendants, chaque succès ayant une probabilité p, et ses propriétés clés sont sa moyenne $np$ et sa variance $np(1-p)$.

📖 2. Variable aléatoire

🔑 Notions clés & Définitions

• Variable aléatoire : Fonction qui associe à chaque résultat d'une expérience aléatoire un nombre réel, permettant de quantifier les résultats possibles.

• Loi de probabilité : Fonction qui attribue une probabilité à chaque valeur possible d'une variable aléatoire, respectant la somme des probabilités égale à 1.

• Variable aléatoire discrète : Variable prenant un nombre fini ou dénombrable de valeurs, comme le nombre de succès dans une série d'essais.

• Loi binomiale : Loi de probabilité d'une variable aléatoire discrète représentant le nombre de succès dans une série d'essais indépendants de Bernoulli, avec deux issues possibles (succès ou échec).

• Loi de Bernoulli : Loi de probabilité d'une variable aléatoire qui ne prend que deux valeurs (souvent 0 et 1), avec une probabilité p pour la valeur 1 (succès).

📝 Points essentiels

• La variable aléatoire permet de modéliser et d'analyser des phénomènes aléatoires en leur associant des valeurs numériques.
• La loi binomiale est caractérisée par deux paramètres : n (nombre d'essais) et p (probabilité de succès à chaque essai).
• La loi de Bernoulli est un cas particulier de la loi binomiale avec n=1.
• La somme des probabilités pour toutes les valeurs possibles d'une variable aléatoire doit être égale à 1.
• La loi binomiale est utilisée pour modéliser des expériences répétées indépendantes avec deux issues possibles.

💡 À retenir

Une variable aléatoire discrète, comme la binomiale ou Bernoulli, permet de quantifier et de prédire la probabilité de différents résultats dans des expériences aléatoires répétées.

📖 3. Loi de Bernoulli

🔑 Notions clés & Définitions

• Variable aléatoire de Bernoulli : Variable aléatoire prenant deux valeurs possibles, généralement 0 (échec) ou 1 (succès), avec une probabilité p de succès.

• Loi de Bernoulli : Loi de probabilité associée à une variable aléatoire de Bernoulli, caractérisée par un seul paramètre p (0 ≤ p ≤ 1). La probabilité que la variable prenne la valeur 1 est p, et 1-p pour la valeur 0.

• Paramètre p : Probabilité de succès dans une expérience de Bernoulli, souvent appelée "taux de réussite".

• Fonction de masse (f.m.) : Fonction qui donne la probabilité que la variable aléatoire prenne une valeur précise. Pour Bernoulli :
  $P(X=1) = p, \quad P(X=0) = 1 - p$

• Expérience de Bernoulli : Expérience aléatoire simple avec deux issues possibles, succès ou échec, avec probabilités fixes.

📝 Points essentiels

• La loi de Bernoulli est la base des lois binomiale et géométrique.
• La moyenne (espérance) d'une variable Bernoulli est $E[X] = p$.
• La variance est donnée par $Var(X) = p(1 - p)$.
• La loi de Bernoulli modélise des situations où il n’y a que deux résultats possibles, comme succès/échec, vrai/faux.
• La somme de plusieurs variables de Bernoulli indépendantes et identiquement distribuées (i.i.d.) suit une loi binomiale.

💡 À retenir

La loi de Bernoulli est une distribution simple et fondamentale qui modélise des expériences à deux issues, avec une seule probabilité de succès, servant de base pour comprendre des distributions plus complexes comme la binomiale.

📖 4. Loi de probabilité

🔑 Notions clés & Définitions

• Probabilité : Mesure numérique du degré de certitude qu’un événement se produise, comprise entre 0 (impossible) et 1 (certain).

• Variable aléatoire : Fonction qui associe à chaque résultat d’une expérience aléatoire un nombre réel, permettant de quantifier les résultats.

• Loi de Bernoulli : Loi de probabilité pour une expérience à deux issues (succès ou échec), caractérisée par une probabilité p de succès.

• Loi binomiale : Loi de probabilité pour le nombre de succès dans une suite de n essais de Bernoulli indépendants, avec la même probabilité p.

• Distribution de probabilité : Fonction qui attribue à chaque valeur possible d’une variable aléatoire sa probabilité de survenue.

📝 Points essentiels

• La loi de Bernoulli modélise un seul essai avec deux issues possibles : succès (probabilité p) ou échec (1-p).

• La loi binomiale généralise la loi de Bernoulli à n essais indépendants, avec la formule :
  $P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}$ où $X$ est le nombre de succès, $k$ un nombre de succès possible, et $\binom{n}{k}$ le coefficient binomial.

• La variable aléatoire peut être discrète (ex : nombre de succès) ou continue, selon la nature de l’expérience.

• La loi de probabilité doit respecter deux conditions :

  1. La somme des probabilités de tous les événements possibles est égale à 1.
  2. Chaque probabilité est comprise entre 0 et 1.

• La distribution binomiale est utilisée pour modéliser des situations comme le nombre de réussites dans un test, la qualité de production, etc.

💡 À retenir

La loi binomiale permet de calculer la probabilité d’un nombre précis de succès dans une série d’essais indépendants, chacun ayant une probabilité constante de succès.

📖 5. Distribution binomiale

🔑 Notions clés & Définitions

• Loi binomiale : Loi de probabilité d'une variable aléatoire discrète représentant le nombre de succès dans une série d'épreuves indépendantes identiques, chacune ayant deux issues possibles (succès ou échec).
• Variable aléatoire binomiale : Variable qui suit une loi binomiale, notée $X \sim B(n, p)$, où $n$ est le nombre d’épreuves et $p$ la probabilité de succès à chaque épreuve.
• Épreuve de Bernoulli : Épreuve à deux issues (succès ou échec) avec probabilité $p$ de succès. La loi de Bernoulli est un cas particulier de la loi binomiale avec $n=1$.
• Fonction de probabilité : Formule $P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}$, où $k$ est le nombre de succès.
• Espérance et variance :
  • Espérance : $E(X) = np$
  • Variance : $Var(X) = np(1-p)$

📝 Points essentiels

• La loi binomiale modélise le nombre de succès dans une série d’épreuves indépendantes de Bernoulli.
• La probabilité d’obtenir exactement $k$ succès parmi $n$ essais est donnée par la formule de la fonction de probabilité.
• La loi binomiale est caractérisée par deux paramètres : $n$ (nombre d’épreuves) et $p$ (probabilité de succès).
• La somme de variables de Bernoulli indépendantes suit une loi binomiale.
• La loi binomiale est utilisée pour modéliser des situations telles que le nombre de réussites, de défauts, ou d’événements dans une population donnée.

💡 À retenir

La distribution binomiale permet de calculer la probabilité d’un nombre précis de succès dans une série d’épreuves indépendantes, en utilisant ses paramètres $n$ et $p$.

📊 Tableaux de Synthèse

Caractéristique	Loi de Bernoulli	Loi Binomiale
Variable aléatoire	X = 0 ou 1	Nombre de succès dans n essais
Paramètre	p (probabilité de succès)	n (nombre d’essais), p (probabilité de succès)
Formule de probabilité	P(X=1)=p, P(X=0)=1-p	P(X=k)=$\binom{n}{k} p^k (1-p)^{n-k}$
Espérance	E[X]=p	E[X]=np
Variance	Var(X)=p(1-p)	Var(X)=np(1-p)
Cas particulier	n=1	n>1, série d’essais

⚠️ Pièges & Confusions Fréquentes

1. Confondre loi de Bernoulli et loi binomiale : la Bernoulli est un cas particulier avec n=1.
2. Oublier que la somme de variables Bernoulli indépendantes suit une loi binomiale.
3. Confusion entre probabilité d’un seul essai (p) et la probabilité de succès dans la série (np).
4. Erreur dans le calcul de la formule de la loi binomiale (coefficients binomiaux).
5. Négliger que la loi binomiale nécessite des essais indépendants.
6. Confondre la moyenne (np) et la variance (np(1-p)).
7. Oublier que la loi binomiale peut être approchée par la normale pour grands n.

✅ Checklist Examen

• Vérifier la définition de la loi binomiale et ses paramètres.
• Savoir calculer une probabilité avec la formule $P(X=k) = \binom{n}{k} p^k (1-p)^{n-k}$.
• Connaître la différence entre variable de Bernoulli et variable binomiale.
• Être capable de déterminer l’espérance et la variance d’une loi binomiale.
• Identifier si une situation modélise une loi de Bernoulli ou binomiale.
• Savoir que la loi binomiale est une distribution discrète.
• Reconnaître quand utiliser la loi normale comme approximation.
• Vérifier que la somme des probabilités est égale à 1.
• Ne pas confondre la probabilité d’un seul essai et la probabilité dans une série.
• Être capable de représenter graphiquement la distribution binomiale.
• Savoir calculer la probabilité cumulative si demandé.
• Vérifier que les conditions d’indépendance et de même probabilité p sont respectées.
• Vérifier la maîtrise du vocabulaire spécifique : succès, échec, coefficient binomial, espérance, variance.