01 76 38 08 47
Logo Kartable
AccueilParcourirRechercheSe connecter

Pour profiter de 10 contenus offerts.

Logo Kartable
AccueilParcourirRechercheSe connecter

Pour profiter de 10 contenus offerts.

  1. Accueil
  2. Terminale ES
  3. Mathématiques
  4. Fiche bac : Les probabilités

Les probabilités Fiche bac

Sommaire

IProbabilités conditionnellesIILoi binomialeIIILois à densitéALoi uniformeBLoi normaleIVIntervalle de fluctuation et estimation

Ce contenu a été rédigé par l'équipe éditoriale de Kartable.

Dernière modification : 07/08/2019 - Conforme au programme 2019-2020

I

Probabilités conditionnelles

Probabilités conditionnelles

Soient A et B deux événements, avec A de probabilité non nulle.
On définit la probabilité de B sachant A par :

P_{A}\left(B\right) =\dfrac{P\left(A \cap B\right)}{P\left(A\right)}

Formule des probabilités totales

Soit {E_{1}, E_{2}, E_{3},..., E_{k}} un système complet d'événements de l'univers \Omega ayant chacun une probabilité non nulle.
Pour tout événement A de E :

P\left(A\right) = P\left(A \cap E_{1}\right) + P\left(A \cap E_{2}\right) + P\left(A \cap E_{3}\right) +... + P\left(A \cap E_{k}\right)

II

Loi binomiale

Loi binomiale

Soit un réel p compris entre 0 et 1 et n un entier naturel non nul.
Le nombre de succès dans la répétition de n épreuves de Bernoulli identiques et indépendantes suit la loi binomiale de paramètres n et p.

Une variable aléatoire suit ainsi la loi binomiale de paramètres n et p, notée B\left(n ; p\right), si :

  • X\left(\Omega\right) = \{0;1;...;n\}
  • Pour tout entier k \in \{0;1;...;n\} \text{ , } P\left(X = k\right) =\binom{n}{k}p^{k} \left(1 - p\right)^{n-k}

Le coefficient \binom{n}{k} est égal au nombre de possibilités de placer les k succès parmi les n répétitions.

Espérance et variance d'une loi binomiale

Si X suit la loi binomiale de paramètres n et p, on a :

E\left(X\right) = np

V\left(X\right) = np\left(1 - p\right)

III

Lois à densité

A

Loi uniforme

Loi uniforme sur \left[a;b\right]

Fonction de densité sur \left[a;b\right] f\left(x\right)=\dfrac{1}{b-a}
Probabilité

Pour tous réels c et d tels que a \leq c \leq d \leq b :

P\left(c \leq X \leq d\right) = \dfrac{d-c}{b-a}

Espérance E\left(X\right) = \dfrac{a+b}{2}
B

Loi normale

Loi normale centrée réduite \mathcal{N}\left(0;1\right)

Fonction de densité sur \mathbb{R} f\left(x\right) = \dfrac{1}{\sqrt{2\pi }} e^{-\frac{x^2}{2}}
Probabilité

P\left(X \leq a\right) = \dfrac{1}{\sqrt{2\pi }}\int_{-\infty }^{a}e^{-\frac{t^2}{2}} \ \mathrm dt

Espérance E\left(X\right) = 0
Variance V\left(X\right)=1

Valeurs remarquables d'une loi normale centrée réduite

Si X suit la loi normale \mathcal{N}\left(0;1\right), on a les valeurs remarquables suivantes :

P\left(-1 \leq X \leq 1\right) \approx 0{,}683

P\left(-2 \leq X \leq 2\right) \approx 0{,}954

P\left(-3 \leq X \leq 3\right) \approx 0{,}997

P\left(-a \leq X \leq a\right) = 0{,}95 pour a\approx 1{,}96

P\left(-a\leq X\leq a\right)=0{,}99 pour a\approx 2{,}58

Loi normale \mathcal{N}\left(\mu;\sigma^2\right)

Définition Une variable aléatoire X suit la loi normale \mathcal{N}\left(\mu;\sigma^2\right) si la variable aléatoire \dfrac{X-\mu}{\sigma} suit la loi normale centrée réduite.
Espérance E\left(X\right) = \mu
Variance V\left(X\right)=\sigma^2

Valeurs remarquables d'une loi normale

Si X suit la loi normale \mathcal{N}\left(\mu;\sigma^2\right), on a les valeurs remarquables suivantes :

P\left(\mu - \sigma \leq X \leq\mu + \sigma\right) \approx 0{,}683

P\left(\mu - 2\sigma \leq X \leq \mu + 2\sigma\right) \approx 0{,}954

P\left(\mu - 3\sigma \leq X \leq \mu + 3\sigma\right) \approx 0{,}997

IV

Intervalle de fluctuation et estimation

Intervalle de fluctuation au seuil de 95%

L'intervalle de fluctuation au seuil 95% de la fréquence d'apparition d'un caractère, de proportion connue p, dans un échantillon aléatoire de taille n (à condition d'avoir n \geq 30 \text{ , } np \geq 5 \text{ , } n\left(1-p\right) \geq 5 ) est : \left[ p - 1{,}96 \dfrac{\sqrt{p\left(1-p\right)}}{\sqrt{n}} ; p + 1{,}96 \dfrac{\sqrt{p\left(1-p\right)}}{\sqrt{n}} \right].

Intervalle de confiance

On considère une épreuve de Bernoulli dont on veut estimer la probabilité de succès p. On appelle f_n la fréquence d'apparition du succès après n répétitions indépendantes de cette épreuve. Si n \geq 30, nf_n \geq 5 et n\left(1-f_n\right) \geq 5, alors p appartient à l'intervalle suivant avec un niveau de confiance de 95% :

\left[ f_n - \dfrac{1}{\sqrt{n}} ; f_n + \dfrac{1}{\sqrt{n}} \right]

Il s'agit de l'intervalle de confiance à 95% de la proportion p du caractère étudié dans la population. C'est donc l'intervalle centré sur f_n dans lequel on s'attend à trouver la proportion p avec une probabilité de 95%.

La charte éditoriale garantit la conformité des contenus aux programmes officiels de l'Éducation nationale. en savoir plus

Les cours et exercices sont rédigés par l'équipe éditoriale de Kartable, composéee de professeurs certififés et agrégés. en savoir plus

Voir aussi
  • Quiz bac : Les probabilités

Nos conseillers pédagogiques sont à votre écoute 7j/7

Nos experts chevronnés sont joignables par téléphone et par e-mail pour répondre à toutes vos questions.
Pour comprendre nos services, trouver le bon accompagnement ou simplement souscrire à une offre, n'hésitez pas à les solliciter.

support@kartable.fr
01 76 38 08 47

Téléchargez l'application

Logo application Kartable
KartableWeb, iOS, AndroidÉducation

4,5 / 5  sur  20259  avis

0.00
app androidapp ios
  • Contact
  • Aide
  • Livres
  • Mentions légales
  • Recrutement

© Kartable 2025