Loi binomiale et prise de décision
Vocabulaire des événements, tableaux croisés, probabilités conditionnelles, arbres pondérés, formule des probabilités totales, tests de dépistage (faux positifs, valeur prédictive), indépendance de deux événements, répétition d'épreuves indépendantes, schéma de Bernoulli et loi binomiale, espérance et écart type, intervalle de fluctuation et prise de décision, avec des contextes de santé.
1. Rappels : vocabulaire des probabilités
Une expérience aléatoire a plusieurs résultats possibles, appelés issues, sans que l'on puisse prévoir lequel se produira. L'ensemble des issues est l'univers, noté $\Omega$. Un événement est une partie de l'univers.
Définition · Opérations sur les événements
- $A \cap B$ (« $A$ et $B$ ») : les issues qui réalisent à la fois $A$ et $B$ ;
- $A \cup B$ (« $A$ ou $B$ ») : les issues qui réalisent au moins l'un des deux ;
- $\overline{A}$ (« non $A$ ») : le contraire de $A$, formé des issues qui ne sont pas dans $A$ ;
- $A$ et $B$ sont incompatibles lorsque $A \cap B = \varnothing$ : ils ne peuvent pas se produire ensemble.
Propriété · Règles de calcul
- Pour tout événement $A$ : $0 \leq P(A) \leq 1$, $P(\Omega) = 1$ et $P(\varnothing) = 0$.
- $P(\overline{A}) = 1 - P(A)$.
- $P(A \cup B) = P(A) + P(B) - P(A \cap B)$ ; si $A$ et $B$ sont incompatibles, $P(A \cup B) = P(A) + P(B)$.
- En situation d'équiprobabilité (tirage « au hasard ») : $P(A) = \dfrac{\text{nombre d'issues de } A}{\text{nombre total d'issues}}$.
Exemple
On choisit au hasard un dossier dans un fichier de patients. $P(A) = 0{,}45$ (« le patient a plus de $60$ ans »), $P(B) = 0{,}3$ (« le patient est diabétique ») et $P(A \cap B) = 0{,}18$. Alors $P(A \cup B) = 0{,}45 + 0{,}3 - 0{,}18 = 0{,}57$ et $P(\overline{A}) = 0{,}55$.
2. Probabilités conditionnelles
Activité · Le tabac et la bronchite
Un médecin a relevé, pour les $600$ patients de son cabinet, s'ils fument ($F$) et s'ils souffrent d'une bronchite chronique ($B$).
| Fumeurs | Non-fumeurs | Total | |
|---|---|---|---|
| Bronchite chronique | 36 | 27 | 63 |
| Pas de bronchite | 114 | 423 | 537 |
| Total | 150 | 450 | 600 |
- On choisit un dossier au hasard. Calculer $P(F)$, $P(B)$ et $P(F \cap B)$.
- Le dossier choisi est celui d'un fumeur. Quelle est la probabilité qu'il ait une bronchite ? Comparer avec le quotient $\dfrac{P(F \cap B)}{P(F)}$.
- Même question pour un non-fumeur. Que peut-on conclure ?
- Le dossier est celui d'un patient atteint de bronchite. Quelle est la probabilité qu'il fume ?
1. $P(F) = \dfrac{150}{600} = 0{,}25$ ; $P(B) = \dfrac{63}{600} = 0{,}105$ ; $P(F \cap B) = \dfrac{36}{600} = 0{,}06$.
2. On ne regarde plus que la colonne des $150$ fumeurs : la probabilité vaut $\dfrac{36}{150} = 0{,}24$. Et $\dfrac{P(F \cap B)}{P(F)} = \dfrac{0{,}06}{0{,}25} = 0{,}24$ : c'est le même nombre, car diviser les deux effectifs par $600$ ne change pas leur quotient.
3. $\dfrac{27}{450} = 0{,}06$. Un fumeur a quatre fois plus de risque d'avoir une bronchite qu'un non-fumeur.
4. On se restreint à la ligne des $63$ malades : $\dfrac{36}{63} \approx 0{,}571$. Ce n'est pas du tout le même nombre que $0{,}24$ !
Savoir qu'un événement est réalisé réduit l'univers : on calcule la probabilité dans ce sous-groupe. C'est une probabilité conditionnelle.
Définition · Probabilité conditionnelle
Soit $A$ un événement de probabilité non nulle. La probabilité de $B$ sachant $A$ est le nombre
$$P_A(B) = \dfrac{P(A \cap B)}{P(A)}$$C'est la probabilité que $B$ se réalise lorsqu'on sait que $A$ est réalisé.
Propriété · Probabilité d'une intersection
De la définition on tire : $$P(A \cap B) = P(A) \times P_A(B)$$ et, si $P(B) \neq 0$, $P(A \cap B) = P(B) \times P_B(A)$.
De plus, $P_A$ est une probabilité : $0 \leq P_A(B) \leq 1$ et $P_A(B) + P_A(\overline{B}) = 1$.
Méthode · Repérer une probabilité conditionnelle dans un énoncé
Les expressions « parmi les… », « chez les… », « sachant que… », « si la personne est… » annoncent une probabilité conditionnelle : l'événement qui suit ces mots est la condition (en indice).
« Parmi les patients diabétiques, $35\,\%$ sont en surpoids » se traduit par $P_D(S) = 0{,}35$, et non par $P(S) = 0{,}35$ ni par $P(D \cap S) = 0{,}35$.
Exemple
Dans une maternité, $40\,\%$ des naissances ont lieu la nuit ($N$) ; parmi elles, $15\,\%$ se font par césarienne ($C$). Alors $P(N) = 0{,}4$, $P_N(C) = 0{,}15$ et la probabilité qu'une naissance ait lieu la nuit et par césarienne vaut $P(N \cap C) = 0{,}4 \times 0{,}15 = 0{,}06$.
Attention · Ne pas inverser
En général $P_A(B) \neq P_B(A)$. Dans l'activité, $P_F(B) = 0{,}24$ alors que $P_B(F) \approx 0{,}571$ : « la plupart des malades fument » ne veut pas dire « la plupart des fumeurs sont malades ».
3. Arbres pondérés et probabilités totales
Activité · Nausées après une opération
Dans un service de chirurgie, $60\,\%$ des patients sont opérés sous anesthésie locale ($L$), les autres sous anesthésie générale ($G$). Des nausées ($N$) surviennent chez $10\,\%$ des patients opérés sous anesthésie locale et chez $35\,\%$ de ceux opérés sous anesthésie générale. On choisit un patient au hasard.
- Que valent $P(L)$ et $P(G)$ ? Quel lien y a-t-il entre $L$ et $G$ ?
- À quelles probabilités conditionnelles correspondent $0{,}1$ et $0{,}35$ ? En déduire $P_L(\overline{N})$ et $P_G(\overline{N})$.
- Calculer $P(L \cap N)$ et $P(G \cap N)$. Comment les lire sur l'arbre ?
- En déduire la probabilité qu'un patient ait des nausées.
1. $P(L) = 0{,}6$ et $P(G) = 0{,}4$ : $G$ est le contraire de $L$, la somme vaut $1$.
2. $P_L(N) = 0{,}1$ et $P_G(N) = 0{,}35$, donc $P_L(\overline{N}) = 0{,}9$ et $P_G(\overline{N}) = 0{,}65$.
3. $P(L \cap N) = 0{,}6 \times 0{,}1 = 0{,}06$ et $P(G \cap N) = 0{,}4 \times 0{,}35 = 0{,}14$ : on multiplie les probabilités le long du chemin.
4. Un patient nauséeux a été opéré soit sous anesthésie locale, soit sous générale : $P(N) = 0{,}06 + 0{,}14 = 0{,}2$. On additionne les chemins qui aboutissent à $N$.
L'arbre organise les données : premier niveau = probabilités simples, second niveau = probabilités conditionnelles, bout des chemins = intersections.
Définition · Arbre pondéré
Un arbre pondéré représente une situation en plusieurs étapes. Chaque branche porte une probabilité ; un nœud est un point d'où partent plusieurs branches ; un chemin va de la racine jusqu'au bout d'une branche et représente l'intersection des événements rencontrés.
Les branches du premier niveau portent $P(B)$ et $P(\overline{B})$ ; celles du second niveau portent des probabilités conditionnelles comme $P_B(A)$ ou $P_{\overline{B}}(A)$.
Propriété · Règles de calcul sur un arbre
- Règle des nœuds : la somme des probabilités portées par les branches issues d'un même nœud vaut $1$. Ici $0{,}3 + 0{,}7 = 1$ et $0{,}6 + 0{,}4 = 1$.
- Règle du produit : la probabilité d'un chemin est le produit des probabilités portées par ses branches : $P(B \cap A) = P(B) \times P_B(A) = 0{,}18$.
- Règle de la somme : la probabilité d'un événement est la somme des probabilités des chemins qui y mènent.
Propriété · Formule des probabilités totales
Si $B$ a une probabilité différente de $0$ et de $1$ :
$$P(A) = P(A \cap B) + P(A \cap \overline{B}) = P(B) \times P_B(A) + P(\overline{B}) \times P_{\overline{B}}(A)$$Sur l'arbre du cours : $P(A) = 0{,}3 \times 0{,}6 + 0{,}7 \times 0{,}2 = 0{,}18 + 0{,}14 = 0{,}32$.
La formule s'étend à plus de deux branches lorsque les événements du premier niveau forment une partition de l'univers (deux à deux incompatibles, de réunion $\Omega$).
Exemple · Trois classes d'âge
Une ville compte $35\,\%$ de jeunes ($J$), $45\,\%$ d'adultes d'âge moyen ($M$) et $20\,\%$ de seniors ($S$). Le taux de vaccination contre la grippe ($V$) est de $40\,\%$, $55\,\%$ et $85\,\%$ respectivement.
$$P(V) = 0{,}35 \times 0{,}4 + 0{,}45 \times 0{,}55 + 0{,}2 \times 0{,}85 = 0{,}14 + 0{,}2475 + 0{,}17 = 0{,}5575$$Méthode · « Remonter » un arbre
L'arbre donne naturellement $P_J(V)$. Pour obtenir la probabilité « dans l'autre sens », par exemple la probabilité qu'une personne vaccinée soit un senior, on revient à la définition :
$$P_V(S) = \dfrac{P(S \cap V)}{P(V)} = \dfrac{0{,}17}{0{,}5575} \approx 0{,}305$$Numérateur : un chemin ; dénominateur : la probabilité totale.
Méthode · Construire l'arbre avec un tableur
On saisit les données dans des cellules, par exemple $P(B)$ en B1, $P_B(A)$ en B2 et $P_{\overline{B}}(A)$ en B3. On calcule alors :
=1-B1pour $P(\overline{B})$,=1-B2pour $P_B(\overline{A})$ ;=B1*B2pour $P(B \cap A)$,=(1-B1)*B3pour $P(\overline{B} \cap A)$ ;=B1*B2+(1-B1)*B3pour $P(A)$.
En changeant une donnée, tout l'arbre se met à jour : c'est pratique pour étudier l'influence d'un paramètre.
4. Application : les tests de dépistage
Activité · Un test positif, est-on malade ?
Une maladie touche $1\,\%$ d'une population de $10\,000$ personnes. Un test la détecte chez $95\,\%$ des malades ; il est (à tort) positif chez $2\,\%$ des personnes saines.
- Combien de personnes sont malades ? saines ?
- Combien de malades ont un test positif ? Combien de personnes saines ont un test positif ?
- Une personne a un test positif. Quelle est la probabilité qu'elle soit réellement malade ? Commenter.
1. $1\,\%$ de $10\,000$ : $100$ malades et $9\,900$ personnes saines.
2. $95\,\%$ de $100$ : $95$ malades positifs. $2\,\%$ de $9\,900$ : $198$ personnes saines positives.
3. Il y a $95 + 198 = 293$ tests positifs, dont $95$ malades : $P_T(M) = \dfrac{95}{293} \approx 0{,}324$. Malgré un test « fiable à $95\,\%$ », seulement un tiers environ des personnes positives sont malades, parce que la maladie est rare : les faux positifs, issus d'un très grand groupe, sont plus nombreux que les vrais positifs.
Pour interpréter un test, il faut tenir compte de la fréquence de la maladie. On confirme toujours un test positif par un second examen.
Définition · Vocabulaire du dépistage
On note $M$ « la personne est malade » et $T$ « le test est positif ».
- La prévalence est $P(M)$, la proportion de malades dans la population.
- La sensibilité est $P_M(T)$ : la capacité du test à repérer les malades.
- La spécificité est $P_{\overline{M}}(\overline{T})$ : la capacité du test à rassurer les personnes saines.
- Un faux positif correspond à $\overline{M} \cap T$, un faux négatif à $M \cap \overline{T}$.
- La valeur prédictive positive est $P_T(M)$ : la probabilité d'être malade quand le test est positif.
Exemple · Cent personnes
Prévalence $10\,\%$, sensibilité $90\,\%$, et $10\,\%$ de faux positifs chez les personnes saines. Sur $100$ personnes : $9$ vrais positifs, $9$ faux positifs, donc $P_T(M) = \dfrac{9}{18} = 0{,}5$.
Attention · Probabilité d'erreur
Le test se trompe dans deux cas incompatibles : faux positif ou faux négatif. Ici $P(\text{erreur}) = P(M \cap \overline{T}) + P(\overline{M} \cap T) = 0{,}01 + 0{,}09 = 0{,}1$.
5. Indépendance de deux événements
Activité · Groupe sanguin, rhésus et daltonisme
Dans un centre de collecte, on a relevé pour $800$ donneurs le groupe sanguin et le rhésus.
| Groupe O | Autres groupes | Total | |
|---|---|---|---|
| Rhésus négatif ($R$) | 54 | 66 | 120 |
| Rhésus positif | 306 | 374 | 680 |
| Total | 360 | 440 | 800 |
- On choisit un donneur au hasard ; $O$ désigne « le donneur est du groupe O ». Calculer $P(R)$, $P_O(R)$ et $P_{\overline{O}}(R)$. Le fait d'être du groupe O modifie-t-il la probabilité d'être rhésus négatif ?
- Comparer $P(O \cap R)$ et $P(O) \times P(R)$.
- Dans une autre population de $1\,000$ personnes ($500$ hommes, $500$ femmes), on compte $40$ hommes et $3$ femmes daltoniens. Calculer $P(D)$ et $P_H(D)$. Conclure.
1. $P(R) = \dfrac{120}{800} = 0{,}15$ ; $P_O(R) = \dfrac{54}{360} = 0{,}15$ ; $P_{\overline{O}}(R) = \dfrac{66}{440} = 0{,}15$. Savoir que le donneur est du groupe O ne change rien : la probabilité reste $0{,}15$.
2. $P(O \cap R) = \dfrac{54}{800} = 0{,}0675$ et $P(O) \times P(R) = 0{,}45 \times 0{,}15 = 0{,}0675$ : égalité.
3. $P(D) = \dfrac{43}{1\,000} = 0{,}043$ et $P_H(D) = \dfrac{40}{500} = 0{,}08$ : être un homme double presque la probabilité d'être daltonien. Les événements sont liés.
Deux événements sont indépendants quand la réalisation de l'un ne modifie pas la probabilité de l'autre.
Définition · Événements indépendants
Deux événements $A$ et $B$ sont indépendants lorsque $$P(A \cap B) = P(A) \times P(B)$$
Propriété · Caractérisation par les probabilités conditionnelles
Si $P(A) \neq 0$ : $A$ et $B$ sont indépendants si et seulement si $P_A(B) = P(B)$.
Si $P(B) \neq 0$ : $A$ et $B$ sont indépendants si et seulement si $P_B(A) = P(A)$.
Si $A$ et $B$ sont indépendants, alors $\overline{A}$ et $B$, $A$ et $\overline{B}$, $\overline{A}$ et $\overline{B}$ le sont aussi.
Méthode · Prouver (ou réfuter) l'indépendance
On calcule séparément $P(A \cap B)$ d'une part et $P(A) \times P(B)$ d'autre part (ou bien $P_A(B)$ et $P(B)$), puis on compare.
Exemple : on lance un dé équilibré à $6$ faces. $A$ : « nombre pair » $= \{2\,;\,4\,;\,6\}$, $B$ : « au plus $4$ » $= \{1\,;\,2\,;\,3\,;\,4\}$. $A \cap B = \{2\,;\,4\}$, donc $P(A \cap B) = \dfrac{2}{6} = \dfrac{1}{3}$ et $P(A) \times P(B) = \dfrac{1}{2} \times \dfrac{2}{3} = \dfrac{1}{3}$ : $A$ et $B$ sont indépendants.
Propriété · Expériences successives indépendantes
Lorsque deux expériences n'ont aucune influence l'une sur l'autre (deux lancers, deux tirages avec remise, deux appareils qui fonctionnent séparément…), on admet que leurs événements sont indépendants : la probabilité de « $A$ puis $B$ » vaut $P(A) \times P(B)$, et l'arbre porte les mêmes probabilités au second niveau quelle que soit la branche.
Exemple · Deux défibrillateurs
Deux défibrillateurs d'un gymnase tombent en panne indépendamment, avec les probabilités $0{,}03$ et $0{,}05$ au cours d'une année. Probabilité que les deux soient en panne : $0{,}03 \times 0{,}05 = 0{,}0015$.
Attention · Incompatibles ou indépendants ?
Ce sont deux notions différentes. Si $P(A) \neq 0$ et $P(B) \neq 0$ et que $A$ et $B$ sont incompatibles, alors $P(A \cap B) = 0 \neq P(A) \times P(B)$ : ils ne sont pas indépendants (si l'un se produit, l'autre devient impossible). L'indépendance n'est pas non plus lisible sur un diagramme : elle se vérifie par le calcul.
6. Répétition d'épreuves et loi binomiale
Activité · Trois patients et un effet indésirable
Un médicament provoque un effet indésirable léger ($E$) chez $20\,\%$ des patients. Trois patients, choisis indépendamment, le prennent. On note $X$ le nombre de patients qui présentent l'effet.
- Construire l'arbre de la situation. Combien a-t-il de chemins ?
- Calculer $P(X = 0)$ et $P(X = 3)$.
- Combien de chemins réalisent $X = 1$ ? Ont-ils la même probabilité ? En déduire $P(X = 1)$, puis $P(X = 2)$.
- Vérifier que la somme des quatre probabilités vaut $1$.
1. Chaque patient donne deux branches : $2 \times 2 \times 2 = 8$ chemins.
2. $P(X = 0) = 0{,}8^3 = 0{,}512$ et $P(X = 3) = 0{,}2^3 = 0{,}008$.
3. Trois chemins (l'effet touche le 1er, le 2e ou le 3e patient), chacun de probabilité $0{,}2 \times 0{,}8^2 = 0{,}128$ : $P(X = 1) = 3 \times 0{,}128 = 0{,}384$. De même $P(X = 2) = 3 \times 0{,}2^2 \times 0{,}8 = 0{,}096$.
4. $0{,}512 + 0{,}384 + 0{,}096 + 0{,}008 = 1$.
Pour compter les succès dans des épreuves identiques et indépendantes, on multiplie la probabilité d'un chemin par le nombre de chemins correspondants : c'est la loi binomiale.
Définition · Épreuve et schéma de Bernoulli
Une épreuve de Bernoulli a deux issues : succès (probabilité $p$) et échec (probabilité $1 - p$). Répéter $n$ fois cette épreuve de manière identique et indépendante constitue un schéma de Bernoulli de paramètres $n$ et $p$.
Définition · Loi binomiale
Dans un schéma de Bernoulli de paramètres $n$ et $p$, le nombre $X$ de succès suit la loi binomiale $\mathcal{B}(n\,;\,p)$. Pour tout entier $k$ entre $0$ et $n$ :
$$P(X = k) = \binom{n}{k}\,p^k\,(1 - p)^{n - k}$$où $\binom{n}{k}$ est le nombre de chemins de l'arbre comportant exactement $k$ succès.
Propriété · Cas particuliers utiles
- $P(X = 0) = (1 - p)^n$ (aucun succès) et $P(X = n) = p^n$ (que des succès).
- $P(X \geq 1) = 1 - P(X = 0) = 1 - (1 - p)^n$ (« au moins un succès »).
Méthode · Calculer à la calculatrice
- $P(X = k)$ :
binomFdp(n, p, k)(TI) ouBinomiale PD(Casio). - $P(X \leq k)$ :
binomFRép(n, p, k)(TI) ouBinomiale CD(Casio). - $P(X \geq k) = 1 - P(X \leq k - 1)$ et $P(a \leq X \leq b) = P(X \leq b) - P(X \leq a - 1)$.
Propriété · Espérance et écart type
Si $X$ suit la loi $\mathcal{B}(n\,;\,p)$ : $$E(X) = np \qquad \sigma(X) = \sqrt{np(1 - p)}$$ L'espérance est le nombre moyen de succès sur un grand nombre de séries de $n$ épreuves.
Exemple
$30\,\%$ des adolescents d'une région n'ont pas leur vaccination à jour. On interroge $10$ adolescents au hasard (population assez grande pour assimiler le choix à un tirage avec remise). Le nombre $X$ d'adolescents non à jour suit $\mathcal{B}(10\,;\,0{,}3)$ : $P(X = 3) \approx 0{,}267$, $P(X \leq 2) \approx 0{,}383$, $E(X) = 3$ et $\sigma(X) = \sqrt{2{,}1} \approx 1{,}45$.
7. Prise de décision à partir d'un échantillon
On suppose qu'un caractère est présent dans une population avec une proportion $p$. Sur un échantillon de taille $n$, la fréquence observée $f$ varie d'un échantillon à l'autre : c'est la fluctuation d'échantillonnage. Cette variation reste en général modérée.
Propriété · Intervalle de fluctuation au seuil de 95 %
Lorsque $n \geq 25$ et $0{,}2 \leq p \leq 0{,}8$, la fréquence $f$ appartient, dans au moins $95\,\%$ des échantillons, à $$I = \left[p - \dfrac{1}{\sqrt{n}}\,;\,p + \dfrac{1}{\sqrt{n}}\right]$$
Méthode · Règle de décision
- Si $f \notin I$ : on rejette l'hypothèse « la proportion vaut $p$ », avec un risque de $5\,\%$ de se tromper.
- Si $f \in I$ : on ne rejette pas l'hypothèse (ce qui ne prouve pas qu'elle est vraie).
Exemple
Un rapport affirme que $35\,\%$ des salariés d'un secteur souffrent de douleurs lombaires. Une enquête auprès de $100$ salariés en trouve $47$. Ici $I = [0{,}35 - 0{,}1\,;\,0{,}35 + 0{,}1] = [0{,}25\,;\,0{,}45]$ et $f = 0{,}47 \notin I$ : on rejette l'affirmation au risque de $5\,\%$.
Attention
L'amplitude de l'intervalle est $\dfrac{2}{\sqrt{n}}$ : pour la diviser par $2$, il faut un échantillon $4$ fois plus grand.
⚠️ Une erreur dans ce cours ? Signalez-la
S'entraîner
Exercices corrigés
🎓 55 exercices corrigés et un quiz vous attendent dans ce chapitre.
Créez votre compte gratuit pour voir les corrections, faire les quiz et suivre votre progression.
Espérance
★☆☆Un vaccin est efficace dans $90\,\%$ des cas. On vaccine $200$ personnes. Combien de personnes protégées peut-on attendre en moyenne ?
Au moins un
★★☆La probabilité qu'un tube de prélèvement soit défectueux est $0{,}01$. Sur $50$ tubes, quelle est la probabilité d'en avoir au moins un défectueux ?
Décision
★★★Dans une région, la proportion de fumeurs est supposée être $25\,\%$. Sur un échantillon de $400$ personnes, on compte $120$ fumeurs. Peut-on remettre en cause la proportion annoncée ?
Calculer une probabilité conditionnelle
★☆☆$P(A) = 0{,}4$ et $P(A \cap B) = 0{,}1$. Calculer $P_A(B)$.
Probabilités totales
★★☆$60\,\%$ des patients ont plus de $50$ ans ; $30\,\%$ d'entre eux et $10\,\%$ des autres sont hypertendus. Probabilité qu'un patient soit hypertendu ?
Inverser un arbre
★★★$60\,\%$ des patients ont plus de $50$ ans ; $30\,\%$ d'entre eux et $10\,\%$ des autres sont hypertendus (ainsi $22\,\%$ des patients sont hypertendus). Un patient est hypertendu. Probabilité qu'il ait plus de $50$ ans ?
Reconnaître un schéma de Bernoulli
★☆☆On lance $10$ fois un dé et on compte les « 6 ». Quelle loi suit ce nombre ?
Calculer P(X = 1)
★★☆$X \sim \mathcal{B}(5\,;\,0{,}2)$. Calculer $P(X = 1)$.
Probabilité cumulée
★★☆$X \sim \mathcal{B}(10\,;\,0{,}3)$. À la calculatrice, $P(X \leq 2)$ ? $P(X \geq 3)$ ?
Moyenne et écart type
★☆☆$X \sim \mathcal{B}(100\,;\,0{,}2)$. Espérance et écart type ?
Aucune pièce défectueuse
★★☆$2\,\%$ des pièces sont défectueuses. On en contrôle $50$. Probabilité qu'aucune ne soit défectueuse ?
Questionnaire au hasard
★★☆Un questionnaire comporte $8$ questions vrai/faux. On répond au hasard. Probabilité d'avoir au moins $6$ bonnes réponses ?
Calculer un intervalle de fluctuation
★★☆$p = 0{,}25$ et $n = 400$. Intervalle de fluctuation au seuil de $95\,\%$ ?
Un dé est-il équilibré ?
★★☆Sur $100$ lancers, un dé donne $30$ fois « 6 ». Peut-on penser qu'il est truqué ? (Utiliser $p \approx 0{,}17$.)
Taille d'échantillon
★★★Quelle taille d'échantillon faut-il pour que l'intervalle de fluctuation ait une amplitude de $0{,}04$ ?
Test de dépistage
★★☆$5\,\%$ d'une population est malade. Le test est positif chez $95\,\%$ des malades et $3\,\%$ des non-malades. Probabilité d'un test positif ?
Lire le diagramme
★☆☆Le diagramme ci-dessous représente la loi de $X \sim \mathcal{B}(20\,;\,0{,}25)$. Quelle est la valeur la plus probable de $X$ ? Pourquoi les barres sont-elles très petites au-delà de $12$ ?
Fiabilité d'un appareil
★★☆Un appareil tombe en panne un mois donné avec la probabilité $0{,}05$, indépendamment des autres mois. Probabilité qu'il fonctionne sans panne pendant $12$ mois ?
Gain moyen
★★☆Un jeu consiste à lancer $5$ fois une pièce ; on gagne $2$ € par « pile » et on paie $4$ € pour jouer. Espérance du gain net ?
Vrai ou faux
★★☆a) $E(X) = np$. b) Une fréquence hors de l'intervalle de fluctuation prouve avec certitude que $p$ est faux. c) L'intervalle se resserre quand $n$ augmente.
Dé à douze faces
★☆☆On lance un dé équilibré à $12$ faces numérotées de $1$ à $12$. On considère $A$ : « le numéro est pair » et $B$ : « le numéro est un multiple de $3$ ».
- Écrire $A$, $B$, $A \cap B$ et $A \cup B$ sous forme d'ensembles.
- Calculer $P(A)$, $P(B)$, $P(A \cap B)$ et $P(A \cup B)$ ; vérifier la formule de la réunion.
- Décrire $\overline{A}$ par une phrase et donner sa probabilité.
Probabilité d'une réunion
★☆☆Dans un lycée, on choisit un élève au hasard. $A$ : « l'élève est demi-pensionnaire », $B$ : « l'élève pratique un sport en club ». On sait que $P(A) = 0{,}45$, $P(B) = 0{,}3$ et $P(A \cap B) = 0{,}12$.
- Calculer $P(A \cup B)$ et interpréter.
- Calculer la probabilité que l'élève ne soit ni demi-pensionnaire ni sportif en club.
Peuvent-ils être incompatibles ?
★☆☆Deux événements $A$ et $B$ vérifient $P(A) = 0{,}6$ et $P(B) = 0{,}5$. Peuvent-ils être incompatibles ? Que peut-on dire de $P(A \cap B)$ ?
Traduire un énoncé en probabilités
★☆☆On choisit au hasard un patient d'une clinique. $D$ : « le patient est diabétique », $S$ : « le patient est en surpoids », $H$ : « le patient est un homme ». Traduire chaque phrase par une égalité.
- $12\,\%$ des patients sont diabétiques.
- Parmi les patients diabétiques, $55\,\%$ sont en surpoids.
- $7\,\%$ des patients sont des hommes diabétiques.
- Chez les hommes, la proportion de personnes en surpoids est $38\,\%$.
- Un patient en surpoids sur cinq est diabétique.
Sachant que…
★☆☆On donne $P(A) = 0{,}5$, $P(B) = 0{,}8$ et $P(A \cap B) = 0{,}3$. Calculer $P_A(B)$ et $P_B(A)$, puis $P_A(\overline{B})$.
Club de marche nordique
★★☆Un club de randonnée compte $400$ adhérents : $240$ femmes et $160$ hommes. $90$ femmes et $50$ hommes pratiquent aussi la marche nordique. On choisit un adhérent au hasard ; $F$ : « c'est une femme », $N$ : « il pratique la marche nordique ».
- Construire le tableau croisé des effectifs.
- Calculer $P(F)$, $P(N)$, $P(F \cap N)$ et $P(F \cup N)$.
- Calculer $P_F(N)$ et $P_N(F)$ (à $10^{-3}$ près). Interpréter.
Écrans et sommeil
★★☆Une infirmière scolaire interroge $250$ lycéens. $150$ utilisent un écran dans leur lit le soir ($E$) ; parmi eux, $96$ dorment moins de $7$ heures par nuit ($S$). Parmi les $100$ autres, $28$ dorment moins de $7$ heures.
- Calculer $P_E(S)$ et $P_{\overline{E}}(S)$. Comparer.
- Calculer $P(S)$.
- Un élève dort moins de $7$ heures. Quelle est la probabilité qu'il utilise un écran le soir ? (à $10^{-3}$ près)
Travail de nuit à l'hôpital
★☆☆Dans un hôpital, $35\,\%$ des infirmiers travaillent de nuit ($N$). Parmi eux, $40\,\%$ déclarent des troubles du sommeil ($T$). Quelle est la probabilité qu'un infirmier choisi au hasard travaille de nuit et ait des troubles du sommeil ?
Compléter un arbre
★☆☆Compléter l'arbre suivant, puis calculer $P(A \cap B)$, $P(\overline{A} \cap B)$ et $P(B)$.
Semis de tomates
★★☆Un jardin partagé sème des graines de tomates : $70\,\%$ sont des graines bio, les autres non. $85\,\%$ des graines bio germent, contre $60\,\%$ des autres. On choisit une graine au hasard.
- Représenter la situation par un arbre pondéré.
- Calculer la probabilité que la graine soit bio et germe.
- Calculer la probabilité que la graine germe.
Une graine qui a germé
★★☆Un jardin partagé sème des graines de tomates : $70\,\%$ sont des graines bio, les autres non. $85\,\%$ des graines bio germent, contre $60\,\%$ des autres (ainsi $P(G) = 0{,}775$, où $G$ : « la graine germe »). Une graine a germé. Quelle est la probabilité qu'elle soit bio ? (à $10^{-3}$ près). Et qu'elle ne le soit pas ?
Grippe en maison de retraite
★★☆Dans une maison de retraite, $75\,\%$ des résidents sont vaccinés contre la grippe ($V$). Pendant l'hiver, $8\,\%$ des vaccinés et $30\,\%$ des non-vaccinés ont contracté la grippe ($G$).
- Construire un arbre pondéré.
- Calculer $P(G)$.
- Un résident a eu la grippe. Quelle est la probabilité qu'il ait été vacciné ? (à $10^{-3}$ près)
- Un membre du personnel affirme : « près de la moitié des malades étaient vaccinés, donc le vaccin ne sert à rien ». Qu'en penser ?
Blouses médicales en fractions
★★☆Un lot de blouses médicales comprend un quart de blouses blanches, les autres sont bleues. La moitié des blanches et les deux cinquièmes des bleues sont de taille M. On prend une blouse au hasard. Donner les résultats sous forme de fractions irréductibles.
- Construire l'arbre pondéré.
- Calculer la probabilité que la blouse soit blanche de taille M, puis bleue de taille M.
- En déduire la probabilité que la blouse soit de taille M.
- La blouse est de taille M : probabilité qu'elle soit blanche ?
Retrouver une branche manquante
★★★Dans une situation représentée par un arbre de premier niveau $A$, $\overline{A}$ et de second niveau $B$, $\overline{B}$, on sait que $P(A) = 0{,}4$, $P_A(B) = 0{,}7$ et $P(B) = 0{,}52$. Calculer $P_{\overline{A}}(B)$.
Durée d'hospitalisation
★★☆Les patients d'un hôpital arrivent par les urgences ($U$, $50\,\%$), par une consultation programmée ($C$, $30\,\%$) ou par transfert d'un autre établissement ($T$, $20\,\%$). La probabilité d'un séjour de plus de trois jours ($L$) est $0{,}2$ pour $U$, $0{,}1$ pour $C$ et $0{,}6$ pour $T$.
- Construire l'arbre pondéré.
- Calculer $P(L)$.
- Un patient reste plus de trois jours. Quelle est la probabilité qu'il soit arrivé par les urgences ? par transfert ?
Deux boules sans remise
★★☆Une urne contient $3$ boules rouges et $2$ boules vertes indiscernables au toucher. On tire une boule, on ne la remet pas, puis on en tire une seconde. Donner les résultats sous forme de fractions.
- Construire l'arbre pondéré.
- Calculer la probabilité de tirer deux boules rouges, puis deux boules de la même couleur.
- Calculer la probabilité que la seconde boule soit rouge.
Deux boules avec remise
★★☆Même urne ($3$ rouges, $2$ vertes) mais on remet la première boule avant le second tirage. Calculer la probabilité de tirer deux boules rouges, puis deux boules de la même couleur. Pourquoi les tirages sont-ils indépendants ?
Indépendance avec un dé
★☆☆On lance un dé équilibré à six faces. $A$ : « le résultat est pair » ; $B$ : « le résultat est inférieur ou égal à $4$ » ; $D$ : « le résultat est inférieur ou égal à $3$ ». Les événements $A$ et $B$ sont-ils indépendants ? Et $A$ et $D$ ?
Indépendance dans un tableau
★★☆Sur $500$ donneurs de sang, $220$ sont du groupe A ; $187$ donneurs du groupe A et $238$ donneurs des autres groupes sont de rhésus positif. On choisit un donneur au hasard. Les événements $G$ : « groupe A » et $R$ : « rhésus positif » sont-ils indépendants ?
Deux défibrillateurs indépendants
★★☆Un gymnase possède deux défibrillateurs qui fonctionnent indépendamment. Sur une année, le premier tombe en panne avec la probabilité $0{,}03$ et le second avec la probabilité $0{,}05$. Calculer la probabilité que :
- les deux soient en panne ;
- au moins un fonctionne ;
- exactement un soit en panne.
Incompatibles mais pas indépendants
★★★1. $A$ et $B$ sont deux événements de probabilités non nulles. Montrer que s'ils sont incompatibles, ils ne sont pas indépendants.
2. On tire une carte dans un jeu de $32$ cartes. $A$ : « la carte est un cœur », $B$ : « la carte est un pique », $C$ : « la carte est un roi ». Étudier l'indépendance de $A$ et $B$, puis de $A$ et $C$.
Trouver P(B) grâce à l'indépendance
★★☆$A$ et $B$ sont indépendants, $P(A) = 0{,}3$ et $P(A \cup B) = 0{,}65$. Calculer $P(B)$.
Dépistage d'une maladie rare
★★★Une maladie touche $2\,\%$ d'une population. Le test de dépistage est positif chez $97\,\%$ des malades et chez $4\,\%$ des personnes saines. On choisit une personne au hasard ; $M$ : « elle est malade », $T$ : « son test est positif ».
- Construire l'arbre pondéré et calculer $P(T)$.
- Calculer la valeur prédictive positive $P_T(M)$ (à $10^{-3}$ près). Commenter.
- Calculer la probabilité que le test donne un résultat erroné.
- Calculer $P_{\overline{T}}(\overline{M})$ (à $10^{-4}$ près). Un test négatif est-il rassurant ?
Contrôle de gélules
★★★Un laboratoire fabrique des gélules ; $96\,\%$ sont conformes ($C$). Une machine de contrôle rejette ($R$) $2\,\%$ des gélules conformes et $95\,\%$ des gélules non conformes.
- Construire l'arbre et calculer la probabilité qu'une gélule soit rejetée.
- Une gélule est rejetée. Quelle est la probabilité qu'elle soit pourtant conforme ? (à $10^{-3}$ près)
- Calculer la probabilité que la machine commette une erreur.
Masques défectueux : quel fournisseur ?
★★★Une pharmacie achète ses masques chirurgicaux à trois fournisseurs : $L_1$ ($50\,\%$), $L_2$ ($30\,\%$) et $L_3$ ($20\,\%$). Les proportions de masques défectueux ($D$) sont respectivement $1\,\%$, $2\,\%$ et $4\,\%$.
- Construire l'arbre et calculer la probabilité qu'un masque soit défectueux.
- Un masque est défectueux. De quel fournisseur provient-il le plus probablement ? (probabilités à $10^{-3}$ près)
Un schéma de Bernoulli en arbre
★★☆Un traitement provoque des somnolences ($S$) chez $10\,\%$ des patients. Trois patients le prennent, indépendamment. $X$ est le nombre de patients somnolents.
- Construire l'arbre (trois niveaux).
- Donner la loi de $X$ (tableau des probabilités).
- Calculer la probabilité qu'au moins un patient soit somnolent.
Une loi binomiale en barres
★★☆$X$ suit la loi $\mathcal{B}(6\,;\,0{,}3)$.
- Calculer $P(X = 0)$, $P(X = 1)$ et $P(X = 2)$ avec la formule (à $10^{-4}$ près).
- En déduire $P(X \leq 2)$ puis $P(X \geq 3)$.
- Calculer $E(X)$ et représenter la loi par un diagramme en barres.
Taux de guérison d'un traitement
★★☆Un traitement guérit $80\,\%$ des patients. Un médecin le prescrit à $10$ patients dont les guérisons sont indépendantes. $X$ est le nombre de patients guéris.
- Justifier que $X$ suit une loi binomiale dont on donnera les paramètres.
- Calculer la probabilité que les $10$ patients guérissent (à $10^{-3}$ près).
- À la calculatrice, calculer $P(X \geq 8)$.
- Calculer $E(X)$ et interpréter.
Retards de livraison à la pharmacie
★★☆Une pharmacie reçoit $20$ livraisons par mois. Chacune a, indépendamment, une probabilité $0{,}05$ d'arriver en retard. $X$ est le nombre de livraisons en retard dans le mois.
- Quelle est la loi de $X$ ?
- Calculer la probabilité qu'aucune livraison ne soit en retard, puis qu'il y en ait au moins une.
- Combien de retards la pharmacie peut-elle attendre en moyenne par mois ?
Combien de patients faut-il ?
★★★Une complication rare survient chez $10\,\%$ des patients opérés, indépendamment les uns des autres. On veut que la probabilité d'observer au moins une complication sur $n$ patients dépasse $0{,}99$. Quelle est la plus petite valeur de $n$ ?
Fumeurs dans un échantillon
★★☆Selon une étude, $30\,\%$ des adultes d'une région fument. Une association interroge $225$ adultes de la région et compte $82$ fumeurs. Ce résultat remet-il en cause l'étude ?
Réponse immunitaire : affirmation crédible ?
★★★Un laboratoire affirme que $75\,\%$ des personnes vaccinées produisent des anticorps en moins de deux semaines. Dans un hôpital, sur $400$ personnes vaccinées, $276$ en ont produit dans ce délai.
- Déterminer l'intervalle de fluctuation au seuil de $95\,\%$.
- Peut-on, au risque de $5\,\%$, rejeter l'affirmation du laboratoire ?
- Quelle taille d'échantillon aurait donné un intervalle d'amplitude $0{,}05$ ?
Problème : contrôle antidopage
★★★Lors d'une compétition, on estime que $10\,\%$ des sportifs ont pris une substance interdite $M$. Le contrôle est positif ($T$) chez $96\,\%$ des sportifs qui l'ont prise, et chez $3\,\%$ des autres (positifs à tort, à cause d'un médicament autorisé).
- Construire l'arbre pondéré et calculer $P(T)$.
- Un sportif est contrôlé positif. Quelle est la probabilité qu'il ait réellement pris $M$ ? (à $10^{-3}$ près)
- Calculer la probabilité qu'un sportif n'ait pas pris $M$ et soit contrôlé négatif.
- On contrôle $5$ sportifs choisis au hasard (indépendamment). Probabilité qu'au moins un soit positif ? (à $10^{-3}$ près)
Problème : l'arbre au tableur
★★☆Dans une feuille de calcul, on saisit $P(A)$ en B1, $P_A(D)$ en B2 et $P_{\overline{A}}(D)$ en B3, avec $P(A) = 0{,}4$, $P_A(D) = 0{,}7$ et $P_{\overline{A}}(D) = 0{,}25$.
- Quelles formules entrer en B4 pour $P(\overline{A})$, en B5 pour $P(A \cap D)$, en B6 pour $P(\overline{A} \cap D)$ et en B7 pour $P(D)$ ? Donner les valeurs affichées.
- Quelle formule entrer en B8 pour obtenir $P_D(A)$ ? Valeur à $10^{-3}$ près ?
- On remplace $0{,}4$ par $0{,}6$ en B1. Que devient $P(D)$ ?
Problème : asthme à l'école primaire
★★★Un bilan de santé porte sur $1\,500$ élèves d'école primaire, dont $700$ filles. Parmi les filles, $5\,\%$ sont asthmatiques et $10\,\%$ présentent des symptômes d'asthme sans diagnostic. Chez les garçons, ces proportions sont $8\,\%$ et $12{,}5\,\%$. Les autres élèves n'ont aucun trouble.
- Construire le tableau croisé des effectifs.
- On choisit un élève au hasard ; $G$ : « c'est un garçon », $A$ : « il est asthmatique ». Calculer $P(G)$, $P(A)$, $P(G \cap A)$ et $P(G \cup A)$ (à $0{,}001$ près).
- On choisit un élève asthmatique. Quelle est la probabilité que ce soit un garçon ? La calculer de deux façons.
- Les événements $G$ et $A$ sont-ils indépendants ?
Vérifier
Avez-vous bien compris ?
Répondez au quiz : la correction s'affiche immédiatement.