Probabilités & Loi Binomiale

1. 🔍 Problématique & Analogie Concrète

Comment mesurer la fiabilité d'un lot de composants électroniques ou estimer le risque de défaillance d'une série d'équipements ? Imaginez que vous testez $10$ cartes électroniques sorties d'usine. Chaque carte a $2\%$ de chances d'avoir un défaut de soudure, de manière indépendante des autres. Combien de cartes défectueuses risquez-vous de trouver en moyenne ? Quelle est la probabilité d'en trouver exactement $2$ ? La loi binomiale est l'outil parfait pour modéliser cette répétition d'expériences identiques et indépendantes à deux issues (fonctionne / est défectueux).

2. 📖 Cours Détaillé & Concepts Fondamentaux

💡 Définition : Épreuve et Schéma de Bernoulli
• Une épreuve de Bernoulli est une expérience aléatoire simple comportant uniquement deux issues contraires : le succès $S$ de probabilité $p$, et l'échec $\bar{S}$ de probabilité $q = 1-p$.
• Un schéma de Bernoulli est la répétition de $n$ épreuves de Bernoulli identiques et indépendantes (les résultats des tirages n'influent pas sur les suivants).

💡 Définition : La Loi Binomiale $\mathcal{B}(n, p)$
Soit $X$ la variable aléatoire qui compte le nombre de succès à la fin d'un schéma de Bernoulli de $n$ épreuves de paramètre $p$. On dit que $X$ suit la loi binomiale $\mathcal{B}(n, p)$. La probabilité d'obtenir exactement $k$ succès (avec $0 \le k \le n$) est : $$P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}$$ où $\binom{n}{k} = \frac{n!}{k!(n-k)!}$ représente le coefficient binomial (nombre de chemins menant à $k$ succès sur l'arbre de probabilité).

⚙️ Loi / Principe : Indicateurs de la loi binomiale
• L'espérance mathématique : Moyenne de succès attendue sur le long terme : $$E(X) = n \cdot p$$ • La variance : $V(X) = n \cdot p \cdot (1-p)$
• L'écart-type : Dispersion autour de la moyenne : $$\sigma(X) = \sqrt{n \cdot p \cdot (1-p)}$$

⚠️ Attention : Ne confondez pas le prélèvement « avec remise » (indépendance parfaite, loi binomiale rigoureuse) et « sans remise ». Cependant, si la population totale est très grande devant la taille de l'échantillon $n$ (rapport d'au moins 10), on tolère l'assimilation à un tirage avec remise et l'usage de la loi binomiale.

3. 🧮 Méthode de Résolution & Exemples Rédigés

Exemple : Test de conformité de capteurs thermiques
On contrôle un lot de capteurs thermiques. La probabilité qu'un capteur soit défectueux est $p = 0,05$. On prélève au hasard $4$ capteurs de façon indépendante. Soit $X$ le nombre de capteurs défectueux. Calculons $P(X = 1)$ et $P(X \ge 1)$.

• Étape 1 : Identifier la loi de probabilité
On répète $n = 4$ fois de manière identique et indépendante l'épreuve de Bernoulli : « tester un capteur » (succès : le capteur est défectueux, $p=0,05$). La variable $X$ compte le nombre de succès. $X$ suit la loi binomiale $\mathcal{B}(4; 0,05)$.
• Étape 2 : Calculer la probabilité d'avoir exactement 1 capteur défectueux, $P(X = 1)$ $$P(X = 1) = \binom{4}{1} (0,05)^1 (1-0,05)^{4-1} = 4 \cdot 0,05 \cdot (0,95)^3$$ $$P(X = 1) = 0,2 \cdot 0,857375 = 0,171475 \approx 17,15\%$$ • Étape 3 : Calculer la probabilité d'avoir au moins 1 capteur défectueux, $P(X \ge 1)$
Utilisons l'événement contraire (aucun capteur défectueux $X = 0$) : $$P(X \ge 1) = 1 - P(X = 0)$$ $$P(X = 0) = \binom{4}{0} (0,05)^0 (0,95)^4 = 1 \cdot 1 \cdot 0,81450625 \approx 81,45\%$$ $$P(X \ge 1) = 1 - 0,81450625 \approx 0,1855 \approx 18,55\%$$

4. 🚀 Ce qu'il faut absolument retenir (Points Clés)

• Trois critères requis : Expérience à 2 issues, répétitions identiques et indépendantes, comptage de succès.
• Formule générale : $P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}$.
• Espérance de gain/perte : $E(X) = n \cdot p$ (moyenne arithmétique).
• Calcul de "au moins un succès" : Toujours passer par le complémentaire : $P(X \ge 1) = 1 - P(X = 0) = 1 - (1-p)^n$.