
Loi binomiale 1ère : cours de maths 1ère : Variables aléatoires et loi binomiale.
Combien de tirs réussis sur dix lancers francs ? Ensuite, Combien de pièces défectueuses dans un lot ? Combien de bonnes réponses en répondant au hasard à un questionnaire ? De plus, dans tous ces cas, un nombre dépend du hasard. Ensuite, dans ce chapitre, tu apprends à décrire un tel nombre (variable aléatoire, loi, espérance, variance), puis tu rencontres le modèle le plus utile des probabilités du lycée : la loi binomiale. Mathbot t'attend pour les calculs !
L’essentiel : Une variable aléatoire associe un nombre à chaque issue ; son espérance est \(E(X)=\sum x_iP(X=x_i)\). Si \(X\) compte les succès de \(n\) épreuves de Bernoulli indépendantes de paramètre \(p\), elle suit la loi binomiale \(\mathcal{B}(n\,;p)\) et \(E(X)=np\). Pour 20 lancers de pièce équilibrée, \(E(X)=10\).
1. Variable aléatoire et loi de probabilité (loi binomiale 1ère)
Rappel : une expérience aléatoire a un ensemble d'issues, noté Ω. Par ailleurs, une probabilité P associe à chaque événement un nombre entre 0 et 1.
Une variable aléatoire X sur Ω est une fonction qui associe à chaque issue un nombre réel. L'événement « X = x » est l'ensemble des issues auxquelles X associe le nombre x ; on note sa probabilité P(X = x).
Si X prend les valeurs x1, x2, …, xr, la loi de probabilité de X est la donnée des nombres P(X = xi), en général dans un tableau. Puis ces probabilités sont comprises entre 0 et 1 et leur somme vaut 1.
On lance un dé équilibré à six faces. Sur un 6, on gagne 8 € ; sur un 4 ou un 5, on gagne 2 € ; sur 1, 2 ou 3, on perd 3 €. Ensuite, le gain X est une variable aléatoire.
| xi | −3 | 2 | 8 |
|---|---|---|---|
| P(X = xi) | 12 | 13 | 16 |
Vérification : 12 + 13 + 16 = 1. Puis on calcule par exemple P(X ≥ 2) = 13 + 16 = 12.
« X = 2 » est un événement, pas une probabilité : on écrit P(X = 2). Et deux issues différentes peuvent donner la même valeur de X : leurs probabilités s'additionnent.
2. Espérance, variance et écart-type
L'espérance de X est le nombre E(X) = x1 P(X = x1) + x2 P(X = x2) + … + xr P(X = xr). C'est la valeur moyenne de X si l'on répète l'expérience un très grand nombre de fois.
La variance est V(X) = Σ P(X = xi) (xi − E(X))², c'est-à-dire la moyenne des carrés des écarts à l'espérance. L'écart-type est σ(X) = √V(X). Plus il est grand, plus les valeurs de X sont dispersées.
V(X) = E(X²) − (E(X))², où E(X²) = Σ P(X = xi) xi².
Démonstration. Avec m = E(X), on développe (xi − m)² = xi² − 2m xi + m². Donc V(X) = Σ P(X = xi) xi² − 2m Σ P(X = xi) xi + m² Σ P(X = xi) = E(X²) − 2m² + m² = E(X²) − m².
E(X) = (−3) × 12 + 2 × 13 + 8 × 16 = −96 + 46 + 86 = 36 = 0,5. De plus, en moyenne, on gagne 0,5 € par partie.
E(X²) = 9 × 12 + 4 × 13 + 64 × 16 = 996 = 16,5, donc V(X) = 16,5 − 0,25 = 16,25 et σ(X) = √16,25 ≈ 4,03 €.
2. Espérance, variance et écart-type (suite)
Pour tous réels a et b : E(aX + b) = a E(X) + b, V(aX + b) = a² V(X) et σ(aX + b) = |a| σ(X).
Ajouter b décale toutes les valeurs : la moyenne bouge, mais pas la dispersion. Multiplier par a étire les écarts : la variance est multipliée par a². Si on double les gains (Y = 2X), la moyenne double mais la variance est multipliée par 4.
Un jeu où X est le gain algébrique (gain moins mise) est équitable quand E(X) = 0.
3. Épreuve de Bernoulli et loi de Bernoulli (loi binomiale 1ère)
Une épreuve de Bernoulli est une expérience aléatoire à deux issues seulement : le succès S, de probabilité p, et l'échec É, de probabilité q = 1 − p. Ensuite, la variable aléatoire X qui vaut 1 en cas de succès et 0 en cas d'échec suit la loi de Bernoulli de paramètre p.
| xi | 0 | 1 |
|---|---|---|
| P(X = xi) | 1 − p | p |
Si X suit la loi de Bernoulli de paramètre p : E(X) = p et V(X) = p(1 − p).
Démonstration. E(X) = 0 × (1 − p) + 1 × p = p. E(X²) = 0² × (1 − p) + 1² × p = p, donc V(X) = p − p² = p(1 − p).
On tire une carte dans un jeu de 32 cartes ; le succès est « obtenir un cœur ». C'est une épreuve de Bernoulli de paramètre p = 832 = 14. Par ailleurs, un lancer de dé où l'on note la face (six issues) n'en est pas une, mais « obtenir un 6 ou non » en est une, avec p = 16.
4. Schéma de Bernoulli
Un schéma de Bernoulli de paramètres n et p est la répétition de n épreuves de Bernoulli identiques et indépendantes, chacune de probabilité de succès p. Puis un résultat est une liste de n issues, par exemple SÉS pour n = 3.
L'indépendance permet de multiplier les probabilités le long d'une branche de l'arbre. Voici l'arbre pour n = 3 (p sur les branches « succès », q = 1 − p sur les branches « échec »).
Pour p = 0,4 et n = 3, la probabilité de SÉS est 0,4 × 0,6 × 0,4 = 0,096. Ensuite, les listes SSÉ, SÉS et ÉSS ont chacune deux succès et la même probabilité 0,4² × 0,6 = 0,096. Puis la probabilité d'avoir exactement deux succès est donc 3 × 0,096 = 0,288.
Le nombre de chemins de l'arbre qui contiennent exactement k succès joue donc un rôle essentiel : il faut apprendre à le calculer.
5. Coefficients binomiaux (loi binomiale 1ère)
Pour 0 ≤ k ≤ n, le coefficient binomial « k parmi n », noté C(n ; k), est le nombre de chemins de l'arbre de n répétitions qui réalisent exactement k succès. (Dans les manuels, il se note aussi avec n au-dessus de k entre grandes parenthèses.)
- C(n ; 0) = C(n ; n) = 1 (un seul chemin : que des échecs, ou que des succès) ;
- C(n ; 1) = C(n ; n − 1) = n ;
- Symétrie : C(n ; k) = C(n ; n − k) ;
- Relation de Pascal : C(n ; k) + C(n ; k + 1) = C(n + 1 ; k + 1) ;
- C(n ; 0) + C(n ; 1) + … + C(n ; n) = 2n (nombre total de chemins).
Justification de Pascal. Parmi les chemins de n + 1 épreuves ayant k + 1 succès, regarde la dernière épreuve. Si c'est un échec, les n premières épreuves ont k + 1 succès : C(n ; k + 1) chemins. Si c'est un succès, les n premières ont k succès : C(n ; k) chemins. De plus, on additionne.
La relation de Pascal fournit le triangle de Pascal : chaque nombre est la somme des deux nombres situés au-dessus de lui.
| n \ k | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
|---|---|---|---|---|---|---|---|---|
| 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 | |
| 7 | 1 | 7 | 21 | 35 | 35 | 21 | 7 | 1 |
5. Coefficients binomiaux (loi binomiale 1ère) (suite)
- Avec la calculatrice : touche nCr (ou « Combinaison »), on saisit n puis k.
- À la main, pour les petites valeurs : triangle de Pascal, ou la formule C(n ; k) = n! ÷ (k! (n − k)!), où n! = 1 × 2 × … × n et 0! = 1.
C(7 ; 3) = 7! ÷ (3! × 4!) = 5040 ÷ (6 × 24) = 35. Ensuite, on vérifie avec Pascal : C(6 ; 2) + C(6 ; 3) = 15 + 20 = 35. Par symétrie, C(7 ; 4) = 35.
6. La loi binomiale
On répète n fois, de façon identique et indépendante, une épreuve de Bernoulli de probabilité de succès p. Par ailleurs, la variable aléatoire X qui compte le nombre de succès suit la loi binomiale de paramètres n et p, notée B(n ; p).
Si X suit B(n ; p), alors pour tout entier k de 0 à n :
P(X = k) = C(n ; k) × pk × (1 − p)n − k.
Démonstration. Un chemin de l'arbre qui contient k succès et n − k échecs a pour probabilité pk (1 − p)n − k (produit le long de la branche). Puis il y a C(n ; k) tels chemins, tous incompatibles : on additionne leurs probabilités.
- Repère l'épreuve de Bernoulli et définis le succès ; donne p.
- Vérifie que les n répétitions sont identiques et indépendantes (tirage avec remise, lancers…) ; n est fixé à l'avance.
- Conclus : « X suit la loi binomiale B(n ; p) » et applique la formule.
Une basketteuse réussit un lancer franc avec la probabilité 0,8. Ensuite, elle en tente 5, indépendamment. Puis le nombre X de paniers suit B(5 ; 0,8).
P(X = 3) = C(5 ; 3) × 0,8³ × 0,2² = 10 × 0,512 × 0,04 = 0,205.
| k | 0 | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|---|
| P(X = k) | 0,000 | 0,006 | 0,051 | 0,205 | 0,410 | 0,328 |
P(X ≥ 4) = P(X = 4) + P(X = 5) = 0,410 + 0,328 = 0,737.
6. La loi binomiale (suite)
Un tirage sans remise dans une urne n'est pas une répétition indépendante : le nombre de boules rouges tirées ne suit pas une loi binomiale. De même, « lancer jusqu'à obtenir un 6 » n'est pas binomial : le nombre d'épreuves n'est pas fixé.
La forme du diagramme dépend de p : symétrique pour p = 0,5, penchée à gauche pour un petit p, à droite pour un grand p.
7. Espérance et variance de la loi binomiale (loi binomiale 1ère)
Si X suit B(n ; p), alors E(X) = n p, V(X) = n p (1 − p) et σ(X) = √(n p (1 − p)).
Idée : X est la somme de n variables de Bernoulli indépendantes, chacune d'espérance p et de variance p(1 − p) ; les espérances s'additionnent toujours, et les variances aussi lorsque les variables sont indépendantes (propriété admise).
Pour B(5 ; 0,8) : E(X) = 5 × 0,8 = 4 paniers, V(X) = 5 × 0,8 × 0,2 = 0,8 et σ(X) = √0,8 ≈ 0,89. Sur un grand nombre de séries de 5 lancers, la basketteuse marque en moyenne 4 paniers par série.
Vérifie la cohérence : E(X) = n p doit se trouver au centre de la « bosse » du diagramme en bâtons, et σ(X) mesure la largeur de cette bosse.
8. Calculs de probabilités avec la loi binomiale
- P(X ≥ a) ou P(X ≤ a) : somme de probabilités élémentaires ; si c'est plus court, passe par l'événement contraire : P(X ≥ a) = 1 − P(X ≤ a − 1).
- « Au moins un succès » : P(X ≥ 1) = 1 − P(X = 0) = 1 − (1 − p)n.
- Avec la calculatrice : « binomFdp » (ou BinomialPD) donne P(X = k) ; « binomFRép » (ou BinomialCD) donne P(X ≤ k).
Une machine fabrique des pièces dont 4 % sont défectueuses ; on prélève 30 pièces (assimilé à un tirage avec remise). X suit B(30 ; 0,04). P(au moins une défectueuse) = 1 − 0,9630 ≈ 0,706.
On résout 1 − (1 − p)n ≥ s, soit (1 − p)n ≤ 1 − s. De plus, on teste des valeurs de n avec la calculatrice (tableau de valeurs, ou programme Python) jusqu'à franchir le seuil. Exemple : pour p = 0,1 et s = 0,9, on trouve n = 22 car 0,922 ≈ 0,098 ≤ 0,1 alors que 0,921 ≈ 0,109 > 0,1.
9. Simulation avec Python
On peut simuler une loi binomiale : on répète l'expérience un grand nombre de fois et on observe la moyenne des résultats, qui se rapproche de l'espérance.
import random
def bernoulli(p):
if random.random() < p:
return 1 # succès
return 0 # échec
def binomiale(n, p):
s = 0
for i in range(n):
s = s + bernoulli(p)
return s
def moyenne(n, p, N):
total = 0
for i in range(N):
total = total + binomiale(n, p)
return total / N
print(moyenne(10, 0.3, 10000))
random.random() renvoie un nombre « au hasard » entre 0 et 1 ; la condition random.random() < p est vraie avec la probabilité p. Ensuite, le programme affiche une valeur proche de n p = 10 × 0,3 = 3 ; elle change à chaque exécution, mais s'en approche d'autant mieux que N est grand.
Pour calculer exactement P(X = k), utilise from math import comb puis comb(n, k) * p**k * (1 - p)**(n - k).
À retenir
- Une variable aléatoire associe un réel à chaque issue ; sa loi est le tableau des P(X = xi), de somme 1.
- E(X) = Σ xi P(X = xi) ; V(X) = Σ P(X = xi)(xi − E(X))² = E(X²) − (E(X))² ; σ(X) = √V(X).
- E(aX + b) = a E(X) + b ; V(aX + b) = a² V(X).
- Épreuve de Bernoulli : deux issues, succès de probabilité p. Loi de Bernoulli : E = p, V = p(1 − p).
- Schéma de Bernoulli : n épreuves identiques et indépendantes ; on multiplie le long d'une branche.
- C(n ; k) = nombre de chemins à k succès ; C(n ; k) = C(n ; n − k) ; relation de Pascal ; formule n! ÷ (k! (n − k)!).
- X suit B(n ; p) : P(X = k) = C(n ; k) pk (1 − p)n − k.
- E(X) = n p ; V(X) = n p (1 − p) ; P(X ≥ 1) = 1 − (1 − p)n.
- Avant d'écrire « loi binomiale », justifie : deux issues, probabilité constante, répétitions indépendantes, n fixé.
Réviser efficacement : loi binomiale 1ère
Avant tout, recopie les propriétés importantes dans ton cahier. Puis contrôle tes calculs avant de passer à la suite. De cette façon, tu comprends d'où vient chaque erreur. De plus, un travail régulier sur loi binomiale 1ère vaut mieux qu'une longue séance.
Par exemple, refais un exercice raté deux jours plus tard. Également, tu peux continuer avec cours de maths 1ère : Trigonométrie.
