28/09/2024 14:46 Chap 1 Rappels proba LST PA 24 25.

pdf

Chap 1 Rappels proba LST PA 2

4 25.pdf
Cours de Physique Statistique
Introduction
Le calcul des probabilités est l'outil mathématique de base de la phys
ique statistique. Ce sont uniquement les considérations, qui peuvent,
à partir d'un modèle atomique de la matière, mener à une théorie ca
pable de prédire les résultats des expériences macroscopiques. (Intro
duction)

Définitions
Probabilité
La probabilité est la mesure de la possibilité. Selon la définition class
ique, c'est le rapport du nombre de cas favorables à un événement
au nombre de tous les cas possibles ; tous les événements étant su
pposés équiprobables. (I/a)
Probabilité = Nombre de cas favorables / Nombre de tous les cas po
ssibles
Ensemble statistique
On considère un ensemble de N systèmes semblables (N très grand,
voisin d'un nombre d'Avogadro), au lieu d'un seul système, afin de m
ultiplier l'information. Si on mesure une grandeur L et on trouve com
me valeur Li sur Ni systèmes parmi les N, la probabilité d'apparition
du résultat Li est (I/b)
Lim(T→∞) Ni/T = Pi
Le but de la théorie statistique est de prédire la probabilité d'appariti
on de chaque résultat possible de l'expérience.
Événements et axiomes
Étant donné une expérience aléatoire, on note Ω (univers) l'ensembl
e de tous les résultats possibles de cette expérience.
Un singleton de Ω est appelé événement élémentaire.
Un sous-ensemble A de Ω est appelé un événement. Un événement
A est donc un ensemble constitué de résultats possibles de l'expérie
nce. Si le résultat d'une expérience est dans A, on dit que A est réalis
é. (I/c)

about:blank 1/6
28/09/2024 14:46 Chap 1 Rappels proba LST PA 24 25.pdf

Exemple : Détermination du sexe d'un nouveau-né. Ω = {g, f} où g =

garçon et f = fille.
Exercice 1 :
On lance N fois un dé de 6 faces. Soit ni le nombre de fois où on obti
ent i (avec i = 1, 2, ..., 6). Soit l'événement "le résultat est i", on associe
à cet événement sa probabilité d'apparition. Déterminer l'ensemble
Ω. (I/c)
Réponse : Ω = {1, 2, 3, 4, 5, 6}
Pi = ni/N et Σ Pi = 1 (condition de normalisation)

Axiomes de la théorie des probabilit

és
Un événement est dit impossible si sa probabilité est P = 0. Il est dit c
ertain si P = 1 (P(Ω) = 1).
Pour n'importe quel événement aléatoire A, on a 0 ≤ P(A) ≤ 1.
Soient A et B deux événements aléatoires :
L'événement A ou B est réalisé si l'un des deux événements A ou B
est réalisé.
L'événement A et B est réalisé si les deux événements A et B sont ré
alisés. Si P(A∩B) = 0, les deux événements sont dits incompatibles
ou disjoints et on a P(A∪B) = P(A) + P(B).
Les événements sont appelés événements contraires et vérifient : P
(A) + P(Ā) = 1.
Si A implique B, cela signifie que si A se réalise, B se réalise aussi. On
a alors P(B|A) = 1. (II)
Exercice 2 :
On jette deux dés D1 et D2 simultanément :
L'événement "obtenir une somme > 12" est...
L'événement "obtenir une somme ≤ 12" est...
L'événement A "obtenir 1 sur D1 et 3 sur D2" et l'événement B "obtenir
1 sur D1" : lorsque A est réalisé, B l'est aussi (A implique B). Calculer P
(A) et P(B) et comparer.
Calculer la probabilité de l'événement "obtenir 1 ou 4". (II)
Conséquences :
1. Quels que soient les événements A et B, on a P(A∪B) = P(A) + P(B) -
P(A∩B).
2. Si A et B sont deux événements incompatibles, on a P(A∪B) = P(A) +
P(B).

Probabilité conditionnelle
La probabilité conditionnelle P(A|B) est la probabilité d'un certain évé
nement A sachant qu'un événement B est réalisé :
P(A|B) = P(A∩B) / P(B)

about:blank 2/6
28/09/2024 14:46 Chap 1 Rappels proba LST PA 24 25.pdf

Théorème des produits des probabilités :P(A∩B) = P(A|B)P(B) = P(B|

A)P(A)
Exercice 4 :Un couple a deux enfants. L'aîné est un garçon. Avec quell
e probabilité le couple a-t-il un fils et une fille ? (III)
Exercice 5 :Une urne contient deux boules blanches et une boule noir
e. Une personne tire une boule et la garde, une deuxième personne tir
e une boule. Avec quelle probabilité les deux boules tirées sont-elles b
lanches ? (III)

Dénombrement
La combinatoire est la branche des mathématiques qui s'occupe de
dénombrer (ou de compter) des objets ou des configurations. En phy
sique, c'est le calcul d'un nombre de résultats possibles lors d'une exp
érience aléatoire.
Arrangements
Un arrangement de p éléments d'un ensemble de n éléments est une
sélection ou suite de p éléments parmi les n, dans un ordre déterminé
et sans répétition ; il y a n façons de choisir le 1er élément, puis (n-1) d
e choisir le 2ème, etc ; le nombre d'arrangements est :
A^p_n = n! / (n-p)!
Permutations
Le nombre de permutations de n éléments :
P_n = n!
Combinaisons
Une combinaison de p éléments d'un ensemble de n éléments est un
e collection non ordonnée de p éléments parmi les n éléments. Com
me le nombre de permutations des p éléments est p!, le nombre de c
ombinaisons :
C^p_n = n! / (p! (n-p)!)
Exercice 7 :Calculer le nombre de permutations de l'ensemble {R, V, J,
B} sans remise. (IV)Réponse : 4! = 24
Exercice 6 :Calculer le nombre d'arrangements des lettres a, b et c pri
ses 2 à 2 sans remise. (IV)Réponse : A^2_3 = 3 × 2 = 6
Exercice 8 :Combien de triangles peut-on former à partir de 8 lettres
(A, B, C, D, E, F, G, H) ? (IV)Réponse : C^3_8 = 8! / (3! × 5!) = 56
Exercice 9 :Dans un jeu de 32 cartes (8 trèfles + 8 piques + 8 cœurs +
8 carreaux), de combien de manières peut-on choisir 6 cartes conten
ant :a) Exactement 1 as ?b) Au moins 1 as ?c) Exactement 1 as et 2 rois
?d) 3 cartes d'une couleur, 2 d'une autre couleur, 1 d'une autre ? (IV)

about:blank 3/6
28/09/2024 14:46 Chap 1 Rappels proba LST PA 24 25.pdf

Variables aléatoires et valeurs moy

ennes
Cas discret
Définition : On mesure une grandeur X. On trouve les valeurs x1, x2, ..., x
n de probabilités respectives P1, P2, ..., Pn, telle que Σ Pi = 1. X est appelé
e variable aléatoire.
Loi de probabilité : La fonction P : X = (x1, x2, ..., xn) → P(X) = (P1, P2, ..., P
n) est la distribution de probabilité discrète ou loi de probabilité de la
variable aléatoire X.
Valeur moyenne : La valeur moyenne de la variable aléatoire X est dé
finie par :
μ = Σ xi Pi
Exercice 10 :Soit X la variable aléatoire correspondant au nombre de
garçons dans les familles de trois enfants. Construire la loi de probabi
lité. (V-1)
Cas continu
Définition : Si la variable aléatoire X peut prendre n'importe quelle val
eur dans un intervalle [a, b], on dit que X suit une loi de probabilité co
ntinue.
Densité de probabilité : La fonction f(x) telle que :
P(a ≤ X ≤ b) = ∫_a^b f(x) dx
est appelée densité de probabilité de X.
Valeur moyenne : La valeur moyenne de la variable aléatoire X est do
nnée par :
μ = ∫_a^b x f(x) dx / ∫_a^b f(x) dx
Exercice 11 :Un panier contient 6 pommes et 4 poires. Une personne di
straite prend au hasard 3 fruits dans le panier.
1. Combien de pommes peut-elle prendre ?
2. Soit X le nombre de pommes que la personne a pris. X est-elle une v
ariable aléatoire discrète ?
3. Construire la loi de probabilité de X.
4. Quelle est la probabilité d'avoir au moins 2 pommes ? (V-2)

Distributions de probabilité usuelles

Distribution binomiale ou de Bernoulli
Elle intervient à chaque fois que l'on répète plusieurs fois une expérien
ce avec comme résultats deux issues possibles incompatibles. On réa
lise N fois la même expérience de façon indépendante. Chaque expéri
ence a deux issues possibles : "succès" de probabilité p et "échec" de
probabilité q = 1 - p.

about:blank 4/6
28/09/2024 14:46 Chap 1 Rappels proba LST PA 24 25.pdf

Quelle est la probabilité de réaliser n succès parmi N expériences ?

P(n succès) = C^n_N p^n q^(N-n)
Valeur moyenne : μ = Np
Écart-type : σ = √(Npq)
Exercice 12 :On lance 4 fois de suite un dé bien équilibré. Quelle est la
probabilité d'obtenir 3 fois le chiffre 6 ? (VI-1)
Exercice 13 :Un système est formé de 4 spins idéaux. En l'absence de t
out champ magnétique extérieur, chaque spin a la probabilité P = 1/2
de se trouver en position up et q = 1/2 de se trouver dans la position d
own.
1. Pour chaque valeur possible de n, calculer la probabilité P(n) pour q
ue n spins parmi les 4 soient orientés vers le haut.
2. Calculer la valeur moyenne de n.
3. Calculer l'écart-type de la distribution obtenue. (VI-1)
Distribution normale ou de Laplace-Gauss
C'est une loi qui permet de modéliser de nombreuses distributions sta
tistiques. Une variable aléatoire X suit une loi normale si :
Ses réalisations appartiennent à l'intervalle ]-∞, +∞[.
Sa densité de probabilité est définie par :
f(x) = (1 / (σ√(2π))) exp(-(x-μ)^2 / (2σ^2))
où μ est la moyenne de la variable aléatoire X et σ son écart-type, qui
caractérise la dispersion des valeurs de X autour de μ.
En faisant le changement de variable z = (x-μ)/σ, on obtient la loi nor
male centrée réduite :
f(z) = (1 / √(2π)) exp(-z^2 / 2)
Propriétés :
Environ 68 % des valeurs sont comprises dans l'intervalle [μ-σ, μ+σ].
Environ 95 % des valeurs sont comprises dans l'intervalle [μ-2σ, μ+2
σ].
Environ 99,7 % des valeurs sont comprises dans l'intervalle [μ-3σ, μ+3
σ].
Exercice 14 :On fabrique une série de pièces par une machine dans u
ne usine. La fabrication est influencée par plusieurs paramètres : la m
achine elle-même, son réglage, l'opérateur, la température, etc. Supp
osons que l'on usine sur une année des pièces de diamètre moyen de
10 mm avec un écart-type de 0.5 mm. Calculer la probabilité pour qu
e le diamètre des pièces soit compris entre 9.5 et 10.5 mm. (VI-2)

Moment simple d'ordre K et momen

t centré
Moment simple d'ordre k
Le moment simple d'ordre k d'une variable aléatoire est défini par :
about:blank 5/6
28/09/2024 14:46 Chap 1 Rappels proba LST PA 24 25.pdf

m_k = Σ x^k p(x) (cas discret)m_k = ∫ x^k f(x) dx (cas continu)

Quand k = 1, m_1 est la moyenne.
Moment centré
Le moment centré d'ordre k est défini par :
μ_k = Σ (x - μ)^k p(x) (cas discret) μ_k = ∫ (x - μ)^k f(x) dx (cas contin
u)
À l'ordre 2, le moment centré caractérise la dispersion de la variable a
léatoire autour de sa valeur moyenne :
μ_2 = Var(X) = σ^2
Ainsi, l'écart-type σ de la loi normale est :
σ = √(Var(X))
Tableau récapitulatif des notions clés
Notion Définition
Rapport du nombre de cas favorables au nombre d
Probabilité
e tous les cas possibles
Ensemble statisti Ensemble de N systèmes semblables pour multiplie
que r l'information
Sous-ensembles de l'univers Ω des résultats possibl
Événements
es
Axiomes des pro
Propriétés fondamentales des probabilités
babilités
Probabilité condit Probabilité d'un événement A sachant un événeme
ionnelle nt B
Dénombrement des arrangements, permutations e
Combinatoire
t combinaisons
Variable aléatoir
Grandeur mesurée avec une loi de probabilité
e
Distribution des probabilités d'une variable aléatoir
Loi de probabilité
e
Valeur moyenne Espérance mathématique d'une variable aléatoire
Modélisation de répétitions d'expériences avec deu
Loi binomiale
x issues
Modélisation de nombreuses distributions statistiqu
Loi normale
es
Caractérisation de la forme d'une distribution de pr
Moments
obabilité

about:blank 6/6