Ficha de revisão: Introduction aux probabilités et dénombrement

📋 Plan du Cours

1. Dénombrement
2. Probabilités successives
3. Probabilités simultanées
4. Probabilités sans remise
5. Lois binomiales
6. Espérance mathématique
7. Variance binomiale
8. Schéma de Bernoulli
9. Indépendance des épreuves
10. Variable aléatoire binomiale

📖 1. Dénombrement

🔑 Notions clés & Définitions

• Résultat ordonné : Ensemble des issues où l’ordre des éléments compte, par exemple, les permutations w! (w!) où w est un mot ou une séquence.
• Oui succession répétition : Situation où l’on peut répéter un même élément lors d’une succession, par exemple, dans le calcul du nombre de permutations avec répétition.
• Aménagement : Arrangement de p éléments parmi n, noté (n p)! ou permutation w!, correspondant à l’ordre dans lequel on choisit p éléments dans un ensemble de n.
• Permutation w! : Nombre de façons d’arranger un mot ou un ensemble d’éléments, où w représente une séquence spécifique.
• Non sans remise : Cas où le tirage ou la sélection se fait avec remise, permettant la répétition d’éléments dans la succession.

📝 Points essentiels

• Le dénombrement peut se faire selon différentes modalités : résultat ordonné, avec ou sans remise, et en tenant compte ou non de la succession.
• La permutation w! permet de compter le nombre d’arrangements d’un ensemble, en tenant compte de l’ordre.
• Lorsqu’on parle de "oui succession répétition", cela indique que l’on autorise la répétition d’éléments dans la succession, notamment dans le contexte des tirages avec remise.
• L’aménagement concerne la sélection ordonnée de p éléments parmi n, en tenant compte de l’ordre, souvent noté (n p)! ou permutation w!.
• La notion de "non sans remise" désigne une situation où le tirage ou la sélection se fait avec remise, permettant la répétition, contrairement au cas sans remise.

💡 À retenir

Le dénombrement en probabilités consiste à compter le nombre de résultats possibles selon que l’ordre compte ou non, et si la remise est autorisée ou non, en utilisant notamment les permutations w! et les aménagements.

📖 2. Probabilités successives

🔑 Notions clés & Définitions

• Probabilité avec remise : Lors d’un tirage successif, la même issue peut être remise dans l’épreuve, permettant que chaque tirage ait le même nombre d’issues possibles. La probabilité d’un événement A lors de plusieurs tirages avec remise est calculée en considérant chaque tirage indépendamment, avec la même probabilité pour chaque issue.

• Tirages successifs avec remise : Réalisation de plusieurs tirages où, après chaque tirage, l’issue est remise dans la population, ce qui maintient constante le nombre d’issues possibles à chaque étape. La probabilité d’un événement A dans ce contexte se calcule en multipliant les probabilités de chaque étape.

• Formule P(A) = nb d'issues favorables / nb d'issues possibles : La probabilité d’un événement A est le rapport entre le nombre d’issues favorables à A et le nombre total d’issues possibles dans l’épreuve. Elle s’applique aussi dans le contexte des tirages avec remise, en considérant le nombre d’issues favorables et possibles à chaque étape.

📝 Points essentiels

• Lors de tirages successifs avec remise, la probabilité d’un événement A se calcule en multipliant la probabilité de chaque issue favorable à chaque tirage, car chaque tirage est indépendant et la population reste inchangée. Par exemple, pour 3 tirages successifs de 2 boules noires parmi 10 boules (4 noires, 6 autres), la probabilité avec remise est :
  $P(A) = \frac{4 \times 4 \times 6 \times (3/5)}{10^3}$

• La formule de probabilité dans ce contexte est :
  $P(A) = \frac{\text{nb d'issues favorables}}{\text{nb d'issues possibles}}$ appliquée à chaque étape, en tenant compte de la nature avec remise.

• La notion de probabilité avec remise permet de simplifier le calcul dans des tirages successifs, car chaque étape a le même nombre d’issues possibles, contrairement aux tirages sans remise où ce nombre diminue.

💡 À retenir

La probabilité avec remise dans des tirages successifs repose sur l’indépendance des tirages et la constance du nombre d’issues possibles, facilitant le calcul par multiplication des probabilités de chaque étape.

📖 3. Probabilités simultanées

🔑 Notions clés & Définitions

• Probabilité simultanée : Probabilité que deux ou plusieurs événements se produisent en même temps, calculée en multipliant les probabilités des événements dans le cas d’indépendance (exemple : P(A et B) = P(A) × P(B) si A et B sont indépendants).
• Combinaison (n k) : Nombre de façons de choisir k éléments parmi n sans tenir compte de l’ordre, défini par la formule (n k) = n! / [(n-k)! k!] (voir anti-répetition).
• Tirages simultanés : Sélection ou expérience où plusieurs éléments sont tirés en même temps, sans succession. La probabilité d’un événement dans ce contexte peut s’écrire par la formule P(A) = (4/10) × (6/10) / (10 3).

📝 Points essentiels

• La probabilité simultanée concerne la réalisation conjointe de plusieurs événements, souvent calculée en utilisant la multiplication des probabilités dans le cas d’événements indépendants.
• La formule (n k) = n! / [(n-k)! k!] permet de compter le nombre de combinaisons possibles pour un tirage sans remise, ce qui est essentiel pour calculer la probabilité dans un contexte combinatoire.
• Lors de tirages simultanés, la probabilité d’un événement A, par exemple tirer 2 boules noires parmi 10 boules (4 noires, 6 rouges), peut se calculer par :
  • Avec remise : P(A) = (nombre d’issues favorables) / (nombre d’issues possibles) = 4 × 4 × 6 × (3/5) / 10³
  • Simultanément : P(A) = (4/10) × (6/10) / (10 3) = 3/10
• La formule de la combinaison est aussi utilisée pour le calcul de probabilités dans des tirages successifs sans remise : P(A) = 4 × 3 × 6 × (3/5) / (10 × 9 × 8).
• La loi binomiale, définie par P(X=k) = (n k) p^k (1-p)^(n-k), permet de modéliser le nombre de succès dans une série d’épreuves indépendantes de Bernoulli.
• L’espérance mathématique d’une variable binomiale est donnée par E(X) = n × p, et la variance par V(X) = np(1-p).

💡 À retenir

La probabilité simultanée permet de calculer la chance que plusieurs événements indépendants se produisent en même temps, en utilisant principalement la formule de la combinaison et la multiplication des probabilités.

📖 4. Probabilités sans remise

🔑 Notions clés & Définitions

• Probabilité sans remise : Probabilité calculée lors de tirages successifs où chaque issue est retirée du lot après chaque tirage, sans remise. La composition des issues possibles change à chaque étape.
• Tirages successifs sans remise : Réalisation de plusieurs tirages d’un même ensemble d’éléments, en retirant à chaque fois l’élément tiré, ce qui modifie le nombre total d’issues possibles.
• Formule P(A) = 4 x 3 x 6 x (3/5) / 10 x 9 x 8 : Expression spécifique pour calculer la probabilité d’un événement dans un contexte de tirages successifs sans remise, en tenant compte des issues favorables et possibles.

📝 Points essentiels

• Lors de tirages successifs sans remise, le nombre d’issues possibles diminue à chaque étape, ce qui influence la probabilité. Par exemple, pour 10 boules dont 6 rouges et 4 noires, le calcul de la probabilité d’obtenir 2 boules noires successivement sans remise s’effectue en multipliant les ratios des issues favorables à chaque étape :
  $P(A) = \frac{4 \times 3 \times 6 \times (3/5)}{10 \times 9 \times 8}$
• La formule permet d’intégrer à la fois le nombre d’issues favorables et le nombre total d’issues possibles, en tenant compte de la diminution du nombre d’éléments à chaque tirage.
• La probabilité sans remise diffère de celle avec remise, où chaque tirage est indépendant et le nombre total d’issues reste constant.
• La formule donnée illustre un cas concret où l’on calcule la probabilité d’un événement précis lors de tirages successifs sans remise, en combinant issues favorables et totales.

💡 À retenir

La probabilité sans remise lors de tirages successifs se calcule en multipliant les ratios des issues favorables à chaque étape, en tenant compte de la diminution du nombre total d’éléments. La formule spécifique permet d’obtenir rapidement cette probabilité dans des cas concrets.

📖 5. Lois binomiales

🔑 Notions clés & Définitions

• Loi binomiale : loi de la variable aléatoire X représentant le nombre de succès dans n essais indépendants, identiques, avec deux issues possibles (succès ou échec), où la probabilité de succès est p.
• P(X=k) : probabilité que X prenne la valeur k, donnée par la formule (n k) p^k (1-p)^(n-k), avec (n k) le coefficient binomial.
• Variable aléatoire binomiale : variable X qui suit une loi binomiale, notée X ~ B(n, p), où n est le nombre d'essais et p la probabilité de succès.

📝 Points essentiels

• La loi binomiale modélise des situations où l'on répète n fois une épreuve de Bernoulli (voir section 8), avec indépendance des essais (voir section 9).
• La formule P(X=k) = (n k) p^k (1-p)^(n-k) permet de calculer la probabilité d'obtenir exactement k succès parmi n essais.
• La moyenne (espérance) de X est E(X) = n x p, ce qui indique le nombre moyen de succès attendus.
• La variance de X est V(X) = np(1-p), mesurant la dispersion autour de la moyenne.
• La loi binomiale est utilisée dans des contextes variés, comme le dénombrement d'événements successifs ou simultanés, en tenant compte des différentes configurations possibles (voir exemples avec tirages de boules).

💡 À retenir

La loi binomiale modélise le nombre de succès dans une série d'essais indépendants, avec une formule précise pour calculer chaque probabilité, et ses paramètres principaux sont la moyenne et la variance.

📖 6. Espérance mathématique

🔑 Notions clés & Définitions

• Espérance mathématique E(X) : valeur moyenne attendue d'une variable aléatoire X, calculée comme la somme des produits de chaque valeur possible xi par sa probabilité pi, soit E(X) = Σ xi pi.
• Formule de l'espérance pour la loi binomiale : pour une variable X suivant une loi binomiale B(n, p), E(X) = n x p (voir section 5).
• Notion de variable aléatoire : quantité numérique associée à un événement aléatoire, ici le nombre de succès dans un schéma de Bernoulli (voir section 8).

📝 Points essentiels

• L'espérance mathématique permet d'estimer la moyenne d'une variable aléatoire sur un grand nombre d'expériences répétées.
• Dans le cas d'une loi binomiale, l'espérance est directement liée à la taille de l'échantillon n et à la probabilité de succès p, selon E(X) = n x p (voir section 5).
• La formule générale d'espérance, Σ xi pi, s'applique à toutes les variables discrètes, en sommant chaque valeur xi pondérée par sa probabilité pi.
• La notion d'espérance est fondamentale pour analyser la tendance centrale d'une distribution de probabilités, notamment dans le contexte des schémas de Bernoulli (voir section 8).

💡 À retenir

L'espérance mathématique est la moyenne théorique d'une variable aléatoire, calculée par la formule E(X) = Σ xi pi ; dans le cas binomiale, elle se simplifie à n x p.

📖 7. Variance binomiale

🔑 Notions clés & Définitions

• Variance binomiale : La variance d'une variable aléatoire binomiale $X$, notée $V(X)$, est donnée par la formule $V(X) = np(1-p)$, où $n$ est le nombre d'épreuves et $p$ la probabilité de succès dans chaque épreuve.
• Formule variance : La variance peut aussi s'exprimer comme la somme des produits $pi (E(X))^2$, c'est-à-dire $V(X) = \sum pi (E(X))^2$.
• Variable aléatoire binomiale : La variable $X$ qui compte le nombre de succès lors de $n$ répétitions indépendantes d'une épreuve de Bernoulli avec succès $p$, notée $X \sim B(n, p)$ (voir section 5).
• Schéma de Bernoulli : Modèle d'une épreuve répétée $n$ fois avec deux issues possibles (succès $p$, échec $1-p$) et événements indépendants (voir section 8).
• Indépendance des épreuves : Les épreuves successives dans un schéma de Bernoulli sont indépendantes, ce qui permet l'utilisation de la loi binomiale pour modéliser $X$ (voir section 9).

📝 Points essentiels

• La variance binomiale $V(X) = np(1-p)$ exprime la dispersion du nombre de succès autour de l'espérance.
• La formule $\sum pi (E(X))^2$ montre que la variance peut être calculée en utilisant la probabilité de succès $p$ et la valeur attendue $E(X) = np$.
• La variable $X$ suit une loi binomiale $B(n, p)$, où $n$ est le nombre d'épreuves et $p$ la probabilité de succès dans chaque épreuve.
• La loi binomiale est dérivée d'un schéma de Bernoulli répété $n$ fois, avec des événements indépendants et deux issues possibles à chaque épreuve.
• La formule de la probabilité $P(X=k) = \binom{n}{k} p^k (1-p)^{n-k}$ permet de calculer la probabilité d'obtenir exactement $k$ succès.

💡 À retenir

La variance binomiale $V(X) = np(1-p)$ mesure la dispersion du nombre de succès dans un schéma de Bernoulli répété, en fonction du nombre d’épreuves et de la probabilité de succès.

📖 8. Schéma de Bernoulli

🔑 Notions clés & Définitions

• Schéma de Bernoulli : expérience aléatoire répétée n fois, avec deux issues possibles (succès avec probabilité p, échec avec 1-p), où chaque épreuve est indépendante (voir section 9).
• Épreuve répétée n fois : réalisation de la même expérience dans un contexte où chaque tentative est identique et indépendante.
• 2 issues possibles : lors de chaque épreuve, il y a succès (probabilité p) ou échec (probabilité 1-p).
• Variable aléatoire binomiale X : nombre de succès obtenus lors des n répétitions, X prend des valeurs de 0 à n, et suit la loi binomiale (voir section 5).
• Loi binomiale : distribution de la variable X, avec P(X=k) = (n k) p^k (1-p)^(n-k), où (n k) est la combinaison (voir section 5).

📝 Points essentiels

• Le schéma de Bernoulli repose sur la répétition indépendante d’une épreuve à deux issues.
• La variable aléatoire X, comptant le nombre de succès, suit une loi binomiale : X ~ B(n, p).
• La probabilité d’obtenir exactement k succès parmi n essais est donnée par la formule :
  $P(X=k) = \binom{n}{k} p^k (1-p)^{n-k}$
• La moyenne (espérance mathématique) de X est :
  $E(X) = n \times p$
• La variance de X est :
  $V(X) = n \times p \times (1-p)$
• La définition du schéma de Bernoulli implique que chaque épreuve est indépendante (voir section 9) et que le nombre de succès est modélisé par une variable binomiale.

💡 À retenir

Le schéma de Bernoulli modélise la répétition indépendante d’une expérience à deux issues, et la distribution du nombre de succès suit une loi binomiale caractérisée par n et p.

📖 9. Indépendance des épreuves

🔑 Notions clés & Définitions

• Indépendance des épreuves : Deux épreuves sont indépendantes si la réalisation de l'une n'influence pas la probabilité de réalisation de l'autre. En d'autres termes, la survenue ou non d’un évènement n’altère pas la probabilité de l’autre.

• Évènements indépendants dans le schéma de Bernoulli : Dans un schéma de Bernoulli, les épreuves successives sont considérées comme indépendantes si la probabilité de succès lors d’une épreuve ne dépend pas des résultats précédents, ce qui implique que chaque épreuve a la même probabilité p de succès.

• Évènements indépendants (général) : Deux évènements A et B sont indépendants si et seulement si P(A ∩ B) = P(A) × P(B). Cela signifie que la probabilité que les deux évènements se produisent simultanément est le produit de leurs probabilités individuelles.

📝 Points essentiels

• La notion d’indépendance est fondamentale pour justifier l’utilisation du schéma de Bernoulli, où chaque épreuve est considérée comme indépendante, avec une probabilité constante p de succès (voir schéma de Bernoulli).

• Dans un contexte d’épreuves successives, l’indépendance garantit que le résultat d’une épreuve n’affecte pas la probabilité des résultats suivants. Par exemple, dans un tirage avec remise, chaque tirage est indépendant du précédent, car la composition de la population ne change pas.

• La formule P(A ∩ B) = P(A) × P(B) est la caractéristique principale pour vérifier l’indépendance de deux évènements. Si cette égalité est vérifiée, alors A et B sont indépendants.

• La distinction entre évènements indépendants et évènements dépendants est essentielle pour le calcul des probabilités dans des schémas plus complexes, notamment dans la loi binomiale où chaque succès ou échec est considéré comme indépendant (voir loi binomiale).

💡 À retenir

L’indépendance des épreuves dans le schéma de Bernoulli garantit que chaque tentative est sans influence sur les autres, permettant l’utilisation de formules simples comme celles de la loi binomiale.

📖 10. Variable aléatoire binomiale

🔑 Notions clés & Définitions

• Variable aléatoire binomiale X : variable qui compte le nombre de succès dans une suite d’épreuves indépendantes identiques, où chaque épreuve a deux issues possibles (succès ou échec).
• X prend des valeurs k entre 0 et n : le nombre de succès possible varie de 0 (aucun succès) à n (succès dans toutes les épreuves).
• Lois binomiales (voir section 5) : loi de probabilité définie par P(X=k) = (n k) p^k (1-p)^(n-k), où (n k) est la combinaison, p la probabilité de succès.
• Schéma de Bernoulli (voir section 8) : modèle d’épreuve répétée n fois avec deux issues possibles, succès p, échec 1-p, et indépendance des épreuves.
• Auteurs : La variable binomiale est directement liée à la loi binomiale, dont la formule et les propriétés sont établies par PERROUX (date).

📝 Points essentiels

• La variable aléatoire binomiale X modélise le nombre de succès dans une suite d’épreuves de Bernoulli répétées n fois, avec une probabilité constante p de succès à chaque épreuve.
• La loi binomiale est caractérisée par la formule P(X=k) = (n k) p^k (1-p)^(n-k), où (n k) est la combinaison, et X ~ B(n, p).
• La moyenne (espérance) de X est donnée par E(X) = n x p (voir section 6), ce qui indique que le nombre attendu de succès est proportionnel au nombre d’épreuves et à la probabilité de succès.
• La variance de X est V(X) = np(1-p) (voir section 7), reflétant la dispersion autour de l’espérance.
• La variable X est définie dans un schéma de Bernoulli, où chaque épreuve est indépendante, avec deux issues possibles : succès (p) ou échec (1-p).
• La probabilité d’obtenir exactement k succès en n essais est donnée par la formule combinatoire :
  $P(X=k) = \binom{n}{k} p^k (1-p)^{n-k}$
• La variable X ne peut prendre que des valeurs entières de 0 à n, ce qui permet de modéliser le nombre de succès dans une expérience répétée.

💡 À retenir

La variable binomiale X modélise le nombre de succès dans une série d’épreuves indépendantes de Bernoulli, avec une probabilité constante p, et sa loi est donnée par la formule combinatoire associée.

📊 Tableaux de Synthèse

Thème	Notions clés	Formules / Concepts	Auteur / Référence
Dénombrement	Résultat ordonné, permutations, aménagements, avec ou sans remise	Permutation w! = n!, Aménagement (n p)! / (n-p)!	Aucun spécifique
Probabilités successives	Probabilité avec remise, indépendance, multiplication	P(A) = nb d'issues favorables / nb d'issues possibles, produit des probabilités	Aucun spécifique
Probabilités simultanées	Événements conjoints, indépendance, loi binomiale	P(A et B) = P(A) × P(B) si indépendants, (n k) = n! / [(n-k)! k!]	Binôme de Poisson, Perroux (croissance)
Probabilités sans remise	Tirages successifs sans remise, modification des issues	P(A) = issues favorables / issues totales, produit des ratios	Aucun spécifique

⚠️ Pièges & Confusions Fréquentes

1. Confondre permutations (résultats ordonnés) et combinaisons (sans ordre).
2. Oublier que la probabilité avec remise suppose l’indépendance des tirages.
3. Confondre probabilités successives avec remise et sans remise : la différence réside dans la modification du nombre d’issues.
4. Utiliser la formule de la loi binomiale sans vérifier si les conditions d’indépendance et de répétition sont respectées.
5. Négliger la différence entre événements indépendants et dépendants dans le calcul de probabilités simultanées.
6. Erreur dans le calcul de la variance binomiale : V(X) = np(1-p), ne pas oublier le (1-p).
7. Confondre la formule de la combinaison (n k) avec celle de permutation (n!).
8. Mal appliquer la formule de probabilité dans le contexte de tirages sans remise, en oubliant la diminution des issues possibles.

✅ Checklist Examen

• Connaître la définition de Perroux sur la croissance.
• Maîtriser la différence entre dénombrement par permutations et combinaisons.
• Savoir calculer le nombre d’arrangements avec ou sans répétition.
• Comprendre la notion de résultat ordonné et non ordonné.
• Savoir appliquer la formule P(A) = nb d'issues favorables / nb d'issues possibles dans différents contextes.
• Connaître la formule de la loi binomiale : P(X=k) = (n k) p^k (1-p)^(n-k).
• Être capable de calculer l’espérance mathématique d’une variable binomiale : E(X) = n × p.
• Savoir déterminer la variance d’une variable binomiale : V(X) = np(1-p).
• Comprendre la différence entre probabilités successives avec remise et sans remise.
• Savoir calculer la probabilité d’événements simultanés en utilisant la multiplication, en vérifiant l’indépendance.
• Maîtriser le calcul de probabilités dans un contexte de tirages successifs sans remise, en tenant compte de la diminution des issues.
• Vérifier la maîtrise du vocabulaire spécifique : permutation, aménagement, combinaison, indépendance, etc.