Fiche de révision : Introduction à la loi de Bernoulli et binomiale

📋 Plan du Cours

1. Épreuve de Bernoulli
2. Loi de Bernoulli
3. Propriétés de Bernoulli
4. Schéma de Bernoulli
5. Loi binomiale
6. Calcul de p(X=k)
7. Espérance et variance binomiale
8. Application en contrôle qualité

📖 1. Épreuve de Bernoulli

🔑 Notions clés & Définitions

• Épreuve de Bernoulli : expérience aléatoire comportant deux issues contraires, appelées succès (s) et échec (e). Elle est caractérisée par le fait que l’on ne peut obtenir que l’une ou l’autre de ces deux issues, de façon aléatoire.
  Exemple : lancer d’une pièce équilibrée où succès est « obtenir pile » et échec « obtenir face ».

• Notion d’issue : résultat possible d’une expérience aléatoire. Dans une épreuve de Bernoulli, il y a deux issues possibles : succès (s) ou échec (e). La distinction entre ces issues est essentielle pour modéliser et analyser le comportement de l’expérience.

• Définition d’une épreuve de Bernoulli (impliquant la notion d’expérience aléatoire à deux issues) : une expérience aléatoire qui ne peut aboutir qu’à deux résultats contraires, avec des probabilités associées p pour le succès et 1-p pour l’échec, où p est un paramètre compris entre 0 et 1.
  Source : contenu source.

📝 Points essentiels

• Une épreuve de Bernoulli est une expérience simple à deux issues, où la probabilité de succès est notée p, et celle d’échec est 1-p. La variable aléatoire X associée à cette expérience prend la valeur 1 en cas de succès et 0 en cas d’échec.
• La loi de Bernoulli est la loi de probabilité qui modélise cette expérience, avec la fonction de masse :
  $P(X=1) = p \quad \text{et} \quad P(X=0) = 1 - p$
• Les propriétés fondamentales de cette loi sont :
  $E(X) = p, \quad V(X) = p(1-p), \quad \sigma(X) = \sqrt{p(1-p)}$
• Exemple illustratif : tirer une carte dans un jeu de 32 cartes, où succès est « obtenir un roi » avec une probabilité de 1/8, et échec « ne pas obtenir un roi » avec une probabilité de 7/8.

💡 À retenir

Une épreuve de Bernoulli est une expérience aléatoire à deux issues contraires, modélisée par une loi de Bernoulli de paramètre p, où success et échec sont distingués et leur probabilité est explicitement définie.

📖 2. Loi de Bernoulli

🔑 Notions clés & Définitions

• Loi de Bernoulli (source : contenu source) : Loi de probabilité définie sur l’ensemble {s, e} des issues d’une épreuve de Bernoulli, associant la probabilité p au succès s et 1-p à l’échec e. La variable aléatoire X associée prend la valeur 1 pour succès et 0 pour échec, avec la loi de probabilité :

  xi	1	0
  P(X=xi)	p	1-p

• Variable aléatoire X (source : contenu source) : Variable qui associe 1 au succès et 0 à l’échec dans une épreuve de Bernoulli, permettant de modéliser la probabilité d’un événement binaire.
• Propriétés de la loi de Bernoulli (source : contenu source) :
  • Espérance : E(X) = p
  • Variance : V(X) = p(1-p)
  • Écart-type : σ(X) = √p(1-p)

📝 Points essentiels

• La loi de Bernoulli modélise une expérience aléatoire à deux issues, successivement appelées succès (s) et échec (e), avec des probabilités p et 1-p respectivement.
• La variable aléatoire X associe la valeur 1 pour succès et 0 pour échec, avec une loi de probabilité spécifique : P(X=1)=p et P(X=0)=1-p.
• La loi de Bernoulli est la base pour modéliser des événements binaires simples, comme tirer une carte et obtenir un roi, où la probabilité d’obtenir un roi est p=1/8 dans l’exemple donné.
• Les propriétés fondamentales permettent de calculer l’espérance, la variance et l’écart-type de X, essentielles pour analyser la dispersion et la moyenne des résultats.
• Exemple pratique : tirer une carte dans un jeu de 32 cartes, succès « obtenir un roi » avec p=1/8, illustrant la simplicité de la loi de Bernoulli dans un contexte concret.

💡 À retenir

La loi de Bernoulli modélise une expérience binaire avec deux issues possibles, en attribuant une probabilité p au succès, et ses propriétés permettent d’évaluer la moyenne et la dispersion de cette expérience.

📖 3. Propriétés de Bernoulli

🔑 Notions clés & Définitions

• Espérance de la loi de Bernoulli : E(X) = p (source : contenu source)
  La moyenne ou valeur attendue d'une variable aléatoire suivant une loi de Bernoulli de paramètre p est égale à p.

• Variance de la loi de Bernoulli : V(X) = p(1 - p) (source : contenu source)
  La dispersion ou l'étalement autour de l'espérance d'une variable Bernoulli est donnée par p(1 - p).

• Écart-type de la loi de Bernoulli : σ(X) = √(p(1 - p)) (source : contenu source)
  La racine carrée de la variance, représentant la dispersion typique ou écart moyen autour de l'espérance.

📝 Points essentiels

• La loi de Bernoulli modélise une expérience à deux issues : succès (avec probabilité p) et échec (avec probabilité 1 - p).
• La variable aléatoire X associée prend la valeur 1 en cas de succès et 0 en cas d’échec.
• La moyenne (espérance) de X est directement égale à p, ce qui reflète la probabilité de succès.
• La variance, p(1 - p), indique que la dispersion est maximale pour p = 0,5 et nulle pour p = 0 ou 1.
• L’écart-type, √(p(1 - p)), permet d’évaluer la variabilité typique autour de la moyenne.
• Ces propriétés sont fondamentales pour comprendre le comportement de la loi de Bernoulli, notamment dans le cadre de schémas de Bernoulli et de lois binomiales (voir sections 4 et 5).

💡 À retenir

L’espérance de la loi de Bernoulli est p, sa variance p(1 - p), et son écart-type √(p(1 - p)), ce qui permet d’évaluer la moyenne et la dispersion d’une expérience à deux issues.

📖 4. Schéma de Bernoulli

🔑 Notions clés & Définitions

• Schéma de Bernoulli : Modélisation d'une expérience consistant à répéter n fois de manière indépendante une épreuve de Bernoulli (voir section 1), où chaque épreuve a deux issues possibles : succès (s) ou échec (e). La variable aléatoire associée compte le nombre de succès obtenus après n répétitions.

• Représentation par arbre pondéré : Outil graphique permettant de représenter toutes les issues possibles d’un schéma de Bernoulli, avec des branches pondérées par leurs probabilités respectives. La somme des probabilités des branches partant d’un même nœud est égale à 1 (règle 1).

• Règles des arbres pondérés :

  • La somme des probabilités des branches partant d’un même nœud est égale à 1.
  • Le produit des probabilités le long d’un chemin de la racine à une feuille représente la probabilité de cette issue.
  • La probabilité d’un événement est la somme des probabilités des chemins menant à cet événement.

• Loi binomiale : Loi de probabilité du nombre de succès dans un schéma de Bernoulli répété n fois, avec paramètre p (probabilité de succès à chaque épreuve). La probabilité d’obtenir k succès est donnée par :
  $p(X = k) = \binom{n}{k} p^k (1 - p)^{n-k}$ (voir propriété, page 4).

• Auteurs / Théoriciens : La modélisation par arbre pondéré et la formule de la loi binomiale sont issues de la théorie classique des probabilités, notamment formalisée par PERROUX (date non précisée dans le contenu source).

📝 Points essentiels

• Le schéma de Bernoulli consiste en une répétition indépendante de n épreuves de Bernoulli identiques, chacune caractérisée par une probabilité p de succès (voir section 1).
• La représentation par arbre pondéré permet de visualiser toutes les issues possibles, en associant à chaque branche la probabilité correspondante. La somme des probabilités des branches émanant d’un même nœud doit être égale à 1.
• La probabilité d’un événement défini par un ensemble de chemins dans l’arbre est la somme des probabilités de ces chemins.
• La loi binomiale, paramétrée par n et p, décrit la distribution du nombre de succès dans ces n essais, avec la formule combinatoire $\binom{n}{k}$ pour compter le nombre de chemins menant à k succès.
• La moyenne (espérance) et la variance de cette loi sont respectivement $np$ et $np(1-p)$ (voir propriétés, page 4).

💡 À retenir

Le schéma de Bernoulli modélise la répétition indépendante d’épreuves de Bernoulli, et la loi binomiale en est la distribution de référence pour le nombre de succès, représentée efficacement par un arbre pondéré.

📖 5. Loi binomiale

🔑 Notions clés & Définitions

• Loi binomiale : Loi de la variable aléatoire $X$ qui compte le nombre de succès dans un schéma de Bernoulli de paramètres $n$ (nombre d’épreuves) et $p$ (probabilité de succès à chaque épreuve). La loi est notée $B(n; p)$.
• Variable aléatoire $X$ : Variable qui, dans ce contexte, représente le nombre de succès obtenus lors de la répétition de $n$ épreuves de Bernoulli indépendantes.
• Formule de probabilité : Pour tout $k \in \{0, \dots, n\}$, $p(X = k) = \binom{n}{k} p^k (1 - p)^{n - k}$ (voir section 6).
• Propriétés :
  • Espérance : $E(X) = np$ (voir section 7).
  • Variance : $V(X) = np(1 - p)$ (voir section 7).
  • Écart-type : $\sigma(X) = \sqrt{np(1 - p)}$ (voir section 7).
• Exemple illustratif : Lancer de pièce 3 fois, $X$ nombre de piles, suit la loi $B(3; 1/2)$.

📝 Points essentiels

• La loi binomiale modélise le nombre de succès dans une suite de $n$ épreuves de Bernoulli indépendantes, chacune ayant une probabilité $p$ de succès.
• La formule de probabilité $p(X = k) = \binom{n}{k} p^k (1 - p)^{n - k}$ est dérivée du comptage du nombre de façons d’obtenir $k$ succès parmi $n$ épreuves, chaque configuration ayant une probabilité $p^k (1 - p)^{n - k}$.
• La loi binomiale est caractérisée par ses paramètres $n$ et $p$, et ses propriétés d’espérance et de variance permettent d’évaluer la moyenne et la dispersion du nombre de succès.
• La démonstration de la formule s’appuie sur la représentation par arbre pondéré et la combinatoire $\binom{n}{k}$.
• Exemple pratique : dans un contrôle qualité, la variable $X$ représentant le nombre de pièces rejetées suit une loi binomiale $B(n; p)$ avec $p$ la probabilité de rejet d’une pièce.

💡 À retenir

La loi binomiale permet de modéliser le nombre de succès dans une série d’épreuves indépendantes de Bernoulli, avec une formule de probabilité précise basée sur la combinatoire.

📖 6. Calcul de p(X=k)

🔑 Notions clés & Définitions

• Formule de calcul de p(X=k) :
  Pour une variable aléatoire X suivant une loi binomiale de paramètres n et p, la probabilité d’obtenir exactement k succès est donnée par :
  $p(X=k) = \binom{n}{k} p^k (1-p)^{n-k}$
  où $\binom{n}{k}$ est le coefficient binomial, p^k représente la probabilité d’avoir k succès, et (1-p)^{n-k} celle d’avoir n-k échecs.

• Interprétation combinatoire du coefficient binomial :
  $\binom{n}{k}$ désigne le nombre de façons différentes de choisir k succès parmi n épreuves, c’est-à-dire le nombre de combinaisons possibles. Il se calcule par :
  $\binom{n}{k} = \frac{n!}{k!(n-k)!}$
  avec n! le factoriel de n.

• Calcul de la probabilité d'obtenir k succès dans n épreuves :
  La probabilité est le produit du nombre de configurations favorables ($\binom{n}{k}$) par la probabilité associée à chaque configuration (p^k (1-p)^{n-k}).

📝 Points essentiels

• La formule $p(X=k) = \binom{n}{k} p^k (1-p)^{n-k}$ résulte de la modélisation du schéma de Bernoulli répété n fois de façon indépendante (voir Schéma de Bernoulli).
• Le coefficient binomial $\binom{n}{k}$ compte le nombre de façons de répartir k succès parmi n essais, ce qui correspond à l’interprétation combinatoire.
• La probabilité d’obtenir exactement k succès est le produit du nombre de configurations favorables par la probabilité de chaque configuration, en tenant compte de la loi de Bernoulli pour chaque épreuve.
• La formule est valable pour tout k compris entre 0 et n, et la somme des probabilités pour k=0 à n est égale à 1, conformément à la propriété de la loi binomiale.

💡 À retenir

La probabilité d’obtenir k succès en n essais indépendants de Bernoulli de paramètre p est donnée par la formule combinatoire $p(X=k) = \binom{n}{k} p^k (1-p)^{n-k}$, où $\binom{n}{k}$ représente le nombre de configurations favorables.

📖 7. Espérance et variance binomiale

🔑 Notions clés & Définitions

• Espérance de la loi binomiale (E(X) = np) : La moyenne ou valeur attendue d'une variable aléatoire suivant une loi binomiale de paramètres n et p. Elle représente le nombre moyen de succès sur un grand nombre de répétitions.
• Variance de la loi binomiale (V(X) = np(1-p)) : La mesure de la dispersion ou de la variabilité autour de l'espérance pour une variable binomiale. Elle indique la stabilité ou l'étendue des résultats possibles.
• Écart-type de la loi binomiale (σ(X) = √(np(1-p))) : La racine carrée de la variance, exprimant la dispersion dans la même unité que la variable aléatoire.

📝 Points essentiels

• La loi binomiale modélise le nombre de succès dans une succession de n épreuves de Bernoulli indépendantes, identiques, avec succès de probabilité p (voir section 6).
• La formule de probabilité pour k succès :
  $p(X = k) = \binom{n}{k} p^k (1-p)^{n-k}$
  où $\binom{n}{k}$ est le coefficient binomial, représentant le nombre de façons de choisir k succès parmi n essais.
• La moyenne ou espérance :
  $E(X) = np$
  indique le nombre moyen de succès attendus.
• La variance :
  $V(X) = np(1-p)$
  quantifie la dispersion autour de cette moyenne.
• L’écart-type :
  $\sigma(X) = \sqrt{np(1-p)}$
  permet d’évaluer la variabilité dans la même unité que X.
• Ces propriétés sont fondamentales pour prévoir et analyser la distribution de résultats dans des expérimentations binomiales (exemple : contrôle qualité, jeux de hasard).

💡 À retenir

L'espérance de la loi binomiale est donnée par $np$, sa variance par $np(1-p)$, et son écart-type par $\sqrt{np(1-p)}$, permettant d’évaluer la tendance centrale et la dispersion des résultats.

📖 8. Application en contrôle qualité

🔑 Notions clés & Définitions

• Loi binomiale : Loi de probabilité d'une variable aléatoire X qui compte le nombre de succès dans une succession de n épreuves de Bernoulli indépendantes, chacune ayant une probabilité p de succès. La probabilité que X prenne la valeur k est donnée par :
  $p(X = k) = \binom{n}{k} p^k (1 - p)^{n - k}$
  (voir page 4)

• Application pratique en contrôle qualité : Modélisation du nombre de pièces rejetées dans un lot de production à l’aide d’une loi binomiale, en considérant chaque pièce comme une épreuve de Bernoulli avec probabilité p de rejet. Exemple numérique : p=0,006, lot de 100 pièces, calcul de P(X=4).

• Notion de paramètre dans la loi binomiale :

  • $n$ : nombre total d’épreuves (ex : pièces contrôlées dans un lot)
  • $p$ : probabilité de succès (ex : rejet d’une pièce)
  • $X$ : nombre de succès (ex : pièces rejetées) dans ces n épreuves

📝 Points essentiels

• La loi binomiale modélise le nombre de succès dans une série de n épreuves de Bernoulli indépendantes, chacune avec probabilité p de succès (voir page 4).
• La formule de probabilité pour obtenir exactement k succès est : $\displaystyle p(X = k) = \binom{n}{k} p^k (1 - p)^{n - k}$. La preuve repose sur la modélisation par un arbre pondéré où chaque branche mène à un succès ou un échec, avec la même probabilité pour chaque chemin menant à k succès (voir page 4).
• La moyenne (espérance) de X est $E(X) = np$, et sa variance est $V(X) = np(1 - p)$ (voir page 4).
• Dans le contexte industriel, si la probabilité qu’une pièce soit rejetée est p=0,006, et qu’on contrôle un lot de 100 pièces, la variable X représentant le nombre de pièces rejetées suit une loi binomiale B(100; 0,006).
• Pour calculer la probabilité que 4 pièces soient rejetées dans ce lot, on utilise la formule :
  $P(X=4) = \binom{100}{4} (0,006)^4 (1 - 0,006)^{96}$
  (application numérique spécifique)

💡 À retenir

La loi binomiale permet de modéliser efficacement le nombre de pièces rejetées dans un lot, en utilisant la probabilité individuelle de rejet p, et facilite le calcul de probabilités précises dans un contexte industriel de contrôle qualité.

📊 Tableaux de Synthèse

⚠️ Pièges & Confusions Fréquentes

1. Confondre la variable X (qui vaut 1 ou 0) avec la probabilité p, croyant que X est une variable continue.
2. Oublier que la loi de Bernoulli est une loi de probabilité discrète à deux issues.
3. Confondre la variance p(1-p) avec la moyenne p, ou penser qu’elle est toujours maximale.
4. Mal interpréter la formule de la loi binomiale en ne comprenant pas la signification de $\binom{n}{k}$.
5. Confondre la représentation par arbre pondéré avec une simple liste de probabilités.
6. Négliger l’indépendance entre essais dans le schéma de Bernoulli.
7. Oublier que la somme des probabilités sur toutes les issues possibles doit être égale à 1.

✅ Checklist Examen

1. Connaître la définition précise d’une épreuve de Bernoulli, notamment la distinction entre succès et échec.
2. Savoir que la variable aléatoire X dans une loi de Bernoulli prend la valeur 1 pour succès et 0 pour échec.
3. Maîtriser la fonction de masse de la loi de Bernoulli : $P(X=1)=p$ et $P(X=0)=1-p$.
4. Être capable de calculer l’espérance $E(X)=p$ pour une loi de Bernoulli.
5. Savoir que la variance est $V(X)=p(1-p)$ et l’écart-type $\sqrt{p(1-p)}$.
6. Connaître le schéma de Bernoulli : répétition indépendante n fois, avec chaque épreuve modélisée par une loi de Bernoulli.
7. Savoir représenter un schéma de Bernoulli par arbre pondéré, avec la règle que la somme des probabilités des branches issues d’un nœud est 1.
8. Maîtriser la formule de la loi binomiale : $p(k) = \binom{n}{k} p^k (1-p)^{n-k}$.
9. Être capable de calculer la probabilité d’obtenir k succès dans un schéma de Bernoulli répété n fois.
10. Connaître que l’espérance du nombre de succès dans un schéma de Bernoulli répété n fois est $np$.
11. Savoir que la variance du nombre de succès est $np(1-p)$.
12. Connaître la référence de PERROUX concernant la modélisation par arbre pondéré et la loi binomiale.