Probabilités et Statistiques

1. Introduction

Les probabilités permettent de modéliser l'incertitude, tandis que les statistiques analysent des données concrètes.

2. Probabilités

2.1. Événements et probabilité

Dans un espace probabiliste, chaque événement \(A\) a une probabilité \(P(A)\) telle que :

• \(0 \leq P(A) \leq 1\)
• \(P(\Omega) = 1\)

2.2. Probabilités de base

• Probabilité d'un événement simple : si tous les issues sont équiprobables, \(P(A) = rac{ ext{nombre de cas favorables}}{ ext{nombre de cas possibles}}\)
• Exemple : lancer de dé à 6 faces, \(P( ext{obtenir un 4}) = rac{1}{6}\)

2.3. Probabilités conjointes et conditionnelles

La probabilité de l'intersection de deux événements \(A\) et \(B\) est notée \(P(A \cap B)\).
La probabilité de \(B\) sachant \(A\) est : \[ P(B | A) = rac{P(A \cap B)}{P(A)} ext{ si } P(A) > 0 \]

2.4. Loi totale et loi conditionnelle

La loi totale permet de calculer une probabilité à partir de sous-ensembles partitions :

\[ P(B) = \sum_{i} P(B | A_i) P(A_i) \]

3. Statistiques

3.1. Recueil et organisation des données

Les données peuvent être classées dans un tableau ou un graphique.

3.2. Mesures de tendance centrale

• La moyenne : \[ ar{x} = rac{1}{n} \sum_{i=1}^{n} x_i \]
• La médiane : valeur centrale quand les données sont triées.
• Le mode : la valeur la plus fréquente.

3.3. Mesures de dispersion

• L'écart-type : \[ \sigma = \sqrt{rac{1}{n} \sum_{i=1}^{n} (x_i - ar{x})^2} \]
• La variance : \(\sigma^2\)
• Étendue : différence entre la valeur maximale et la minimum.

3.4. Représentations graphiques

Diagrammes en bâtons, histogrammes, boîtes à moustaches.

4. Applications au bac

Connaître les notions essentielles : calculs de probabilités simples, utilisation de la moyenne, médiane, étendue, représentation graphique, loi normale (approximative).

5. Conclusion

Les probabilités et statistiques sont des outils fondamentaux pour analyser et modéliser des phénomènes aléatoires ou des données expérimentales.