Probabilités sur un univers fini — Modèle théorique vs réalité (2nde)
Comprendre la différence entre un modèle de probabilité (théorique) et ce que l'on observe réellement (fréquences) pour mieux interpréter les résultats d'expériences.
Probabilités sur un univers fini — Modèle théorique et réalité
Niveau : 2nde — Durée estimée : 20–30 minutes
Objectifs
- Comprendre ce qu'est un univers fini et la définition d'une probabilité dans ce cadre.
- Différencier probabilité théorique et fréquence expérimentale.
- Savoir confronter un modèle à des données réelles et interpréter les écarts.
Notions clés
1. Univers fini et probabilités (modèle théorique)
On considère un univers fini \(\Omega\) (ensemble fini d'issues). Pour un événement \(A\subset\Omega\) et un modèle où toutes les issues sont équiprobables :
\(P(A)=\dfrac{|A|}{|\Omega|}\) où \(|A|\) est le nombre d'issues favorables et \(|\Omega|\) le nombre total d'issues.
2. Probabilités générales (issues non équiprobables)
On peut attribuer à chaque issue \(\omega_i\) une probabilité \(p_i\) telle que :
\(\sum_i p_i = 1\) et pour un événement \(A\), \(P(A)=\sum_{\omega_i\in A} p_i\).
3. Fréquence expérimentale et loi des grands nombres (réalité)
Après avoir répété une expérience \(n\) fois, la fréquence de l'événement \(A\) est :
\(f_n(A)=\dfrac{\text{nombre de fois que }A\text{ est observé}}{n}\).
La loi des grands nombres (idée) : quand \(n\) devient très grand, \(f_n(A)\) tend à la probabilité théorique \(P(A)\) si le modèle est correct :
\(\lim_{n\to\infty} f_n(A) = P(A)\) (énoncé intuitif adapté au lycée).
Schéma : comparaison modèle vs observations
Question : Si \(|\Omega|=4\) et \(|A|=1\), quelle est la probabilité théorique \(P(A)\) ?
Exemples résolus
Exemple 1 — Pièce lancée 100 fois
On lance une pièce 100 fois et on obtient 60 piles. Que conclure par rapport au modèle théorique \(P(\text{pile})=0.5\) ?
Voir la solution
Calculons la fréquence puis comparons :
Calculs présentés en LaTeX :
\begin{align}
f &= \dfrac{60}{100} = 0.6\\
P(\text{pile}) &= \dfrac{1}{2} = 0.5\\
\text{écart} &= 0.6 - 0.5 = 0.1
\end{align}
Exemple 2 — Dé à 6 faces observé 60 fois sur 300
On lance un dé 300 fois, et le chiffre 6 est obtenu 60 fois. Le dé est-il équitable pour le 6 (modèle : \(P(6)=1/6\)) ?
Voir la solution
Procédons par étapes :
Formules :
\begin{align}
f &= \dfrac{60}{300} = 0.2\\
P(6) &= \dfrac{1}{6} \approx 0.166\\
\text{écart} &= 0.2 - 0.166 \approx 0.034
\end{align}
Question : Dans l'exemple 1, si on refait 1000 lancers et obtient 510 piles, quelle est la fréquence et l'écart par rapport à 0.5 ?
Erreurs fréquentes
- Ne pas oublier que le hasard peut produire des séries surprenantes sur peu d'essais.
- Utiliser le modèle adapté : ne pas appliquer la formule d'équiprobabilité si les issues ne le sont pas.
- Vérifier l'expérience (biais de mesure, conditions de répétition) avant de rejeter le modèle.
Question : Quel est le risque principal si l'on conclut trop vite qu'un dé est truqué après 30 lancers et un résultat inhabituel ?
Récapitulatif
- Modèle théorique : calcule des probabilités sans réaliser l'expérience (ex. \(P(A)=|A|/|\Omega|\) si équiprobable).
- Réalité : on mesure des fréquences \(f_n(A)=k/n\) qui varient d'un essai à l'autre.
- L'écart entre fréquence et probabilité diminue en général quand le nombre d'essais augmente (idée de la loi des grands nombres).
- Interpréter un écart : vérifier la taille de l'échantillon et la qualité de l'expérience avant de modifier le modèle.
Question finale : Si on observe une fréquence très différente de la probabilité théorique après seulement quelques essais, que faut-il faire en priorité ?
Cartes mémo
Teste tes connaissances sur ce cours
Crée ton compte gratuitement pour accéder aux quiz associés et suivre ta progression.