Compétence · 1ère 1I.EPI.BER.01 Niveau : Moyen

Reconnaître une épreuve de Bernoulli et la répéter

Reconnaître une épreuve de Bernoulli et son paramètre, construire l'arbre de n ≤ 4 répétitions indépendantes, et compter les chemins à k succès pour calculer la probabilité d'exactement k succès.

Chapitre : Épreuves indépendantes Filière : 1ère STI2D Temps de maîtrise : ~45 min

Le cours

Épreuve de Bernoulli~1 min

Définition — épreuve de Bernoulli

Une épreuve de Bernoulli est une expérience aléatoire à deux issues : le succès $S$, de probabilité $p$, et l'échec $\overline S$, de probabilité $1-p$. Le nombre $p$ est le paramètre.

Exemple : Une pièce sortie de la chaîne est défectueuse avec la probabilité $0{,}05$ : épreuve de Bernoulli de paramètre $p=0{,}05$ si l'on appelle « succès » le fait d'être défectueuse. Un lancer de dé avec succès « obtenir un $6$ » : $p=\frac16$. Un tir au but réussi dans $70\,\%$ des cas : $p=0{,}7$.

Pièges classiques

• « Succès » est une convention : c'est l'issue que l'on compte, même si c'est une panne ou un défaut. Il faut toujours dire laquelle.
• Une expérience à plus de deux issues (un dé, une couleur parmi quatre) n'est pas une épreuve de Bernoulli, sauf si l'on ne retient qu'une question à deux réponses (« $6$ ou pas $6$ »).

Répéter une épreuve de Bernoulli~3 min

Définition — schéma de Bernoulli

On répète $n$ fois la même épreuve de Bernoulli (même $p$), de manière indépendante. L'arbre a $n$ niveaux et $2^n$ chemins ; sur chaque chemin, on multiplie $p$ à chaque succès et $1-p$ à chaque échec.

À retenir — probabilité d'obtenir $k$ succès

Tous les chemins comportant $k$ succès et $n-k$ échecs ont la même probabilité $p^k(1-p)^{n-k}$ (l'ordre des facteurs ne change pas le produit). Donc $$P(k\text{ succès})=(\text{nombre de chemins à }k\text{ succès})\times p^{k}(1-p)^{\,n-k}.$$ Le nombre de chemins se compte sur l'arbre :

$k=0$$k=1$$k=2$$k=3$$k=4$
$n=2$$1$$2$$1$
$n=3$$1$$3$$3$$1$
$n=4$$1$$4$$6$$4$$1$

Cas particuliers à connaître : $P(0\text{ succès})=(1-p)^n$, $P(n\text{ succès})=p^n$, $P(\text{au moins un succès})=1-(1-p)^n$. (En Terminale, ces nombres de chemins seront les coefficients du triangle de Pascal et la loi obtenue s'appellera loi binomiale.)

Exemple

On prélève $3$ pièces dans une production où chacune est défectueuse avec la probabilité $p=0{,}2$, indépendamment (succès = défectueuse).

• $P(\text{aucune défectueuse})=0{,}8^3=0{,}512$. $P(\text{exactement une})=3\times0{,}2\times0{,}8^2=0{,}384$ (trois chemins).
• $P(\text{exactement deux})=3\times0{,}2^2\times0{,}8=0{,}096$. $P(\text{trois})=0{,}2^3=0{,}008$. Somme : $0{,}512+0{,}384+0{,}096+0{,}008=1$.
• $P(\text{au moins une défectueuse})=1-0{,}512=0{,}488$. $P(\text{au plus une})=0{,}512+0{,}384=0{,}896$.

Méthode — « au moins un », « au plus un », « exactement un »

• Exactement $k$ : compter les chemins à $k$ succès (tableau) et multiplier par $p^k(1-p)^{n-k}$.
• Au moins un : contraire de « aucun » : $1-(1-p)^n$. Ne jamais additionner les $n$ probabilités $p$ : avec $p=0{,}2$ et $n=3$ cela donnerait $0{,}6$, faux (la bonne valeur est $0{,}488$).
• Au plus un : « aucun » ou « exactement un » : $(1-p)^n+n\,p(1-p)^{n-1}$.
• Au moins deux : contraire de « au plus un ».

En physique-chimie — où l'on répète des épreuves de Bernoulli

• Fiabilité : $n$ capteurs identiques, chacun fonctionne avec la probabilité $p$ ; le système « en parallèle » marche si au moins un capteur marche : $1-(1-p)^n$. En série, il faut que tous marchent : $p^n$.
• Contrôle qualité : prélever $n$ pièces, compter les défectueuses ; la probabilité qu'un lot de $4$ contienne au moins un défaut avec $p=0{,}05$ est $1-0{,}95^4\approx0{,}185$.
• Transmission : un bit est erroné avec la probabilité $p$ ; probabilité qu'un paquet de $4$ bits soit intact : $(1-p)^4$.

Méthode — simuler en Python

random() renvoie un réel au hasard entre $0$ et $1$ : l'événement random() < p a la probabilité $p$, c'est une épreuve de Bernoulli.

from random import random
def au_moins_un(n, p):             # une répétition de n épreuves
    for i in range(n):
        if random() < p:           # succès
            return True
    return False

def frequence(N, n, p):            # fréquence sur N répétitions
    c = 0
    for k in range(N):
        if au_moins_un(n, p):
            c = c + 1
    return c / N                   # frequence(10000, 3, 0.2) -> environ 0.49

Conçu et validé par Laurent Jacquet, professeur de mathématiques. Qui conçoit les cours ?

Entraîne-toi sur ce cours

Avec un compte gratuit : les QCM et ta Konfiance après chaque question, et le sentier complet d'un chapitre au choix, rappels et épreuve compris.

Créer mon compte gratuit

Déjà inscrit ? Se connecter

Pour aller plus loin

Maîtrise cette compétence avec Konfia

Coach personnel, corrigés détaillés, missions hebdomadaires ciblées sur tes lacunes. Un accompagnement quotidien pour le prix d'un café par mois.

Découvrir l'accompagnement — dès 4,99 €/mois