Probabilités

Introduction aux Probabilités : De l'Intuition à la Modélisation Mathématique

Les probabilités constituent un champ des mathématiques fascinant qui formalise l'étude du hasard et de l'incertitude. Présentes dans de nombreux aspects de la vie quotidienne (météo, jeux, assurances, sondages) et scientifiques (génétique, physique quantique), elles nous permettent de quantifier la chance qu'un événement se produise. Leur enjeu au lycée, et particulièrement pour le Baccalauréat, est double : il s'agit d'acquérir des outils de calcul rigoureux pour résoudre des problèmes concrets, mais aussi de développer une pensée critique face à l'information statistique qui nous entoure. Ce cours vous guidera des notions fondamentales vers des concepts plus élaborés, en insistant sur la modélisation, pierre angulaire de la résolution de problèmes.

I. Les Fondements : Univers, Événements et Loi de Probabilité

Toute étude probabiliste commence par la définition précise du cadre de l'expérience.

1. Univers et Événements

L'univers, souvent noté Ω (Oméga), est l'ensemble de tous les résultats possibles d'une expérience aléatoire. Par exemple, pour le lancer d'un dé à six faces, Ω = {1; 2; 3; 4; 5; 6}. Un événement est une partie de cet univers, c'est-à-dire un ensemble de résultats. L'événement A : "Obtenir un nombre pair" s'écrit A = {2; 4; 6}. L'événement qui ne contient aucun résultat est l'événement impossible (∅). Celui qui contient tous les résultats est l'événement certain (Ω).

2. Définition et Propriétés d'une Loi de Probabilité

Définir une loi de probabilité sur un univers fini Ω, c'est associer à chaque événement un nombre compris entre 0 et 1 qui mesure sa chance de réalisation. On note P(A) la probabilité de l'événement A. Une loi de probabilité doit respecter trois axiomes fondamentaux : (1) Pour tout événement A, 0 ≤ P(A) ≤ 1. (2) P(Ω) = 1 (la probabilité du certain est 1). (3) La règle additive : si A et B sont deux événements incompatibles (ils ne peuvent se réaliser simultanément, A∩B = ∅), alors P(A ou B) = P(A) + P(B). Dans le cas d'un univers fini où tous les résultats sont équiprobables (ils ont la même chance d'apparaître), on retrouve la formule fondamentale : P(A) = (nombre d'issues favorables à A) / (nombre total d'issues dans Ω).

II. Les Outils du Calcul : Combinatoire et Probabilités Conditionnelles

Pour calculer des probabilités, il faut souvent dénombrer des issues. C'est l'objet de la combinatoire.

1. Dénombrement (Rappels)

Trois outils sont essentiels. Le principe multiplicatif : si un choix peut se faire de m façons et qu'un second choix peut se faire de n façons, alors il y a m × n façons de faire les deux choix à la suite. Les arrangements : le nombre de façons de choisir et ranger p objets parmi n est n!/(n-p)!. Les combinaisons (cruciales pour les lois binomiales) : le nombre de façons de choisir p objets parmi n (sans ordre) est noté C_n^p = n!/(p!(n-p)!). C'est le coefficient binomial.

2. Probabilités Conditionnelles et Indépendance

La probabilité qu'un événement B se réalise sachant qu'un événement A est déjà réalisé est notée P_A(B) ou P(B|A). Sa formule est : P_A(B) = P(A∩B) / P(A), à condition que P(A) ≠ 0. Cela revient à restreindre l'univers à l'événement A. Deux événements A et B sont dits indépendants si la réalisation de l'un n'influence pas la probabilité de l'autre. Mathématiquement, cela se traduit par P(A∩B) = P(A) × P(B). L'indépendance est un concept central pour modéliser des expériences répétées.

III. Variables Aléatoires et Lois de Référence

Une variable aléatoire X est une fonction qui associe un nombre réel à chaque issue de l'univers. Elle permet de "traduire" une expérience aléatoire en nombres sur lesquels on peut calculer.

1. Loi de Probabilité, Espérance et Variance

Définir la loi de X, c'est donner la liste des valeurs x_i qu'elle peut prendre et leurs probabilités P(X = x_i). L'espérance mathématique E(X) est la moyenne théorique des valeurs de X, pondérée par leurs probabilités : E(X) = Σ x_i × P(X = x_i). Elle représente la valeur moyenne autour de laquelle X se concentre. La variance V(X) mesure la dispersion des valeurs autour de l'espérance : V(X) = Σ (x_i - E(X))² × P(X = x_i) = E(X²) - (E(X))². Son écart-type σ(X) = √V(X) est plus parlant car il s'exprime dans la même unité que X.

2. La Loi Binomiale : Modèle des Répétitions Indépendantes

C'est la loi la plus importante du programme de Terminale. Elle modélise une schéma de Bernoulli : la répétition de n épreuves identiques et indépendantes, où chaque épreuve n'a que deux issues : Succès (de probabilité p) ou Échec (probabilité 1-p). Si X compte le nombre de succès sur ces n épreuves, alors X suit la loi binomiale de paramètres n et p, notée B(n ; p). On a alors pour tout entier k entre 0 et n : P(X = k) = C_n^k × p^k × (1-p)^n-k. De plus, E(X) = n×p et V(X) = n×p×(1-p). Exemple concret : On lance 10 fois une pièce équilibrée (n=10, p=0.5). La probabilité d'obtenir exactement 3 faces est P(X=3) = C₁₀³ × (0.5)³ × (0.5)⁷.

IV. Applications et Préparation au Bac

La maîtrise des probabilités passe par la résolution de problèmes contextualisés.

1. Stratégie de Résolution d'un Problème

Il faut systématiquement : 1) Identifier l'expérience aléatoire et définir clairement l'univers Ω. 2) Traduire les événements de l'énoncé en langage ensembliste (union, intersection, complémentaire). 3) Vérifier si une situation d'équiprobabilité peut être supposée, sinon déterminer les probabilités données. 4) Choisir l'outil adapté : arbre pondéré (très visuel pour les conditionnelles), formule des probabilités totales, reconnaissance d'une loi binomiale. 5) Conclure en interprétant le résultat numérique dans le contexte de l'énoncé.

2. Exemple Type de Bac

Un fabricant de composants électroniques sait que 2% de sa production est défectueuse. On prélève au hasard 50 composants dans un stock important (on assimile ce prélèvement à un tirage avec remise). Quelle est la probabilité qu'il y ait au moins un composant défectueux dans le lot ? Modélisation : Chaque prélèvement est une épreuve de Bernoulli : Succès = "le composant est défectueux" (p=0.02). Les 50 tirages sont indépendants (stock important). Soit X le nombre de composants défectueux. X suit B(50 ; 0.02). L'événement "au moins un" est le contraire de "aucun". Donc P(X ≥ 1) = 1 - P(X=0) = 1 - C₅₀⁰×(0.02)⁰×(0.98)⁵⁰ ≈ 1 - 0.98⁵⁰ ≈ 0.636. Il y a environ 63,6% de chances d'avoir au moins un composant défectueux.