Objectifs

• Comprendre la notion d'univers fini et d'événement.
• Savoir construire un modèle probabiliste (équiprobabilité ou non) et calculer des probabilités.
• Différencier le modèle théorique (hypothèses) et les résultats observés dans la réalité (fréquences).

Rappels et définitions

Univers (ou espace) \(\Omega\) : l'ensemble fini de tous les résultats possibles d'une expérience aléatoire. Un événement \(A\) est une partie de \(\Omega\).

Si \(\Omega=\{\omega_1,\dots,\omega_n\}\) et que chaque issue \(\omega_i\) a une probabilité \(p_i\) (avec \(p_i\ge0\) et \(\sum_{i=1}^n p_i=1\)), alors pour un événement \(A\subset\Omega\) :

P(A)=\sum_{\omega_i\in A} p_i.

Cas fréquent en 2nde : équiprobabilité — toutes les issues ont la même probabilité \(1/n\).

Modèle théorique vs réalité

Modèle théorique : on choisit des hypothèses (ex. pièce équilibrée, dé à six faces «juste», tirage sans biais). On attribue des probabilités en fonction de ces hypothèses et on calcule des probabilités exactes.

Réalité (interprétation fréquentiste) : on répète l'expérience un grand nombre de fois et on observe des fréquences relatives. Ces fréquences peuvent différer des probabilités théoriques à cause de biais, d'échantillons trop petits ou d'erreurs expérimentales.

Important : le modèle théorique sert de description idéale. Il faut toujours vérifier si les hypothèses du modèle sont raisonnables dans la situation concrète.

Exemples rapides

1) Dé équilibré (modèle théorique)

Univers \(\Omega=\{1,2,3,4,5,6\}\). Si le dé est juste (équiprobable), \(P(\{k\})=1/6\) pour tout k. Probabilité d'obtenir un nombre pair : \(P(\{2,4,6\})=3\times\tfrac{1}{6}=\tfrac{1}{2}\).

2) Pièce biaisée (réalité possible)

Supposons qu'on a une pièce qui retombe sur face avec probabilité inconnue. On la lance 100 fois et obtient 62 faces. La fréquence empirique est 0,62. On peut en conclure qu'il y a probablement un biais (la probabilité vraie n'est pas 0,5), mais il faut plus d'essais et des tests statistiques pour l'affirmer formellement.

3) Tirage sans remise

Urne avec 3 boules rouges et 2 bleues (5 au total). Tirage sans remise : les issues ne sont pas équiprobables de la même façon qu'un tirage avec remise. Exemple : probabilité d'obtenir une rouge au premier tirage = 3/5 ; probabilité d'obtenir deux rouges successives = (3/5)×(2/4)=3/10.

Comment construire un modèle utile

1. Identifier clairement l'univers \(\Omega\).
2. Choisir des probabilités pour chaque issue en justifiant l'équiprobabilité ou le biais (symétrie, mesures physiques, données passées).
3. Vérifier la cohérence (toutes les probabilités ≥0 et somme = 1).
4. Faire des prédictions (probabilités) et comparer aux fréquences observées ; si elles diffèrent beaucoup, réviser le modèle.

Interprétation fréquentiste et loi des grands nombres (en bref)

La loi faible des grands nombres indique que, si on répète une expérience indépendante un grand nombre de fois, la fréquence relative d'un événement tend vers sa probabilité théorique (si le modèle est correct). Cela explique pourquoi les probabilités théoriques ont un sens pratique mais nécessitent de grands échantillons pour être observées de près.

Exercices (rapides)

Pièges fréquents

• Confondre probabilité théorique et fréquence observée pour un petit nombre d'essais.
• Ne pas vérifier l'hypothèse d'équiprobabilité avant d'utiliser \(1/n\).
• Oublier que tirages sans remise modifient les probabilités conditionnelles.
• Paniquer si la fréquence observée s'écarte ponctuellement de la probabilité : utiliser la loi des grands nombres comme guide.