La loi binomiale : modélisation du hasard discret et outils fondamentaux
La loi binomiale occupe une place centrale dans l’enseignement des probabilités en classe préparatoire. Elle permet de modéliser des situations aléatoires simples mais fondamentales, reposant sur la répétition d’une même expérience aléatoire indépendante.
Dumonteil Divies Lila
La loi binomiale occupe une place centrale dans l’enseignement des probabilités en classe préparatoire. Elle permet de modéliser des situations aléatoires simples mais fondamentales, reposant sur la répétition d’une même expérience aléatoire indépendante. À travers elle, l’étudiant apprend à formaliser un phénomène aléatoire, à calculer des probabilités exactes, mais aussi à mobiliser des outils analytiques tels que l’espérance, la variance et les approximations asymptotiques. La loi binomiale constitue ainsi un point d’articulation essentiel entre probabilités discrètes, combinatoire et raisonnement statistique.
Cadre probabiliste et définition de la loi binomiale
L’épreuve de Bernoulli
On appelle épreuve de Bernoulli une expérience aléatoire ne comportant que deux issues possibles, généralement appelées succès et échec.
On note 𝑝 la probabilité de succès, avec 0 ≤ 𝑝 ≤ 1, et 1 − 𝑝 la probabilité d’échec.
Cette épreuve constitue la brique élémentaire de la loi binomiale.
Schéma de Bernoulli
On considère la répétition de n épreuves de Bernoulli indépendantes et identiquement distribuées, chacune ayant la même probabilité de succès 𝑝. Un tel dispositif est appelé schéma de Bernoulli de paramètres 𝑛 et 𝑝.
L’indépendance signifie que le résultat d’une épreuve n’influence pas les autres, condition essentielle pour l’application de la loi binomiale.
Définition de la loi binomiale
On définit la variable aléatoire X comme le nombre de succès obtenus au cours des n épreuves.
On dit alors que X suit une loi binomiale de paramètres 𝑛 et 𝑝, notée :
X ~ B(𝑛, 𝑝)
La variable X prend ses valeurs dans l’ensemble {0, 1, …,𝑛}.
Loi de probabilité de la variable binomiale
Calcul de la probabilité P(X = k)
Pour tout entier k appartenant à {0, 1, …, 𝑛}, la probabilité que X prenne la valeur k est donnée par :
Cette formule repose sur deux éléments fondamentaux :
le nombre de façons de choisir k succès parmi n épreuves, donné par le coefficient binomial (𝑛, k),
la probabilité associée à une réalisation donnée comportant k succès et 𝑛 − k échecs.
Interprétation combinatoire
Chaque suite de n épreuves contenant exactement k succès a la même probabilité 𝑝ᵏ (1 − 𝑝)ⁿ⁻ᵏ. Le coefficient binomial permet de compter le nombre total de telles suites. Cette approche met en évidence le lien étroit entre loi binomiale et combinatoire.
Moments de la loi binomiale
Espérance
Si X ~ B(𝑛, 𝑝), alors : E(X) = 𝑛𝑝
Idée de démonstration : on écrit X comme somme de variables indicatrices X = X1 + ... + X𝑛, où Xi = 1 si la i-ème épreuve est un succès, et 0 sinon. On utilise ensuite la linéarité de l’espérance.
Variance
La variance de X est donnée par : Var(X) = 𝑛𝑝(1 - 𝑝)
Cette formule traduit la dispersion autour de la valeur moyenne n𝑝. Elle est maximale lorsque 𝑝 = 1/2
Écart-type
L’écart-type est :
Il permet de mesurer l’ordre de grandeur des fluctuations autour de l’espérance.
Propriétés fondamentales de la loi binomiale
Symétrie
Lorsque 𝑝 = 1/2, la loi binomiale est symétrique autour de 𝑛/2. Cette propriété est fréquemment exploitée pour simplifier certains calculs de probabilités.
Mode de la loi binomiale
Le mode (valeur la plus probable) d’une loi binomiale est donné par la partie entière de (𝑛 + 1)𝑝. Cette propriété permet de localiser rapidement le maximum de la loi.
Additivité
Si X ~ B(𝑛1, 𝑝) et Y ~ B(𝑛2, 𝑝) sont indépendantes, alors : X + Y ~ B(𝑛1 + 𝑛2, 𝑝)
Cette propriété est essentielle dans les exercices de décomposition et de regroupement d’épreuves.
Approximation de la loi binomiale
Approximation par la loi de Poisson
Lorsque 𝑛 est grand et 𝑝 est petit, avec 𝑛𝑝 = 𝜆 constant, la loi binomiale peut être approximée par une loi de Poisson de paramètre 𝜆. Cette approximation permet de simplifier considérablement les calculs.
Approximation par la loi normale
Lorsque 𝑛 est grand et que 𝑝 n’est ni trop proche de 0 ni de 1, la loi binomiale peut être approximée par une loi normale de moyenne 𝑛𝑝 et de variance 𝑛𝑝(1 − 𝑝). Cette approximation repose sur le théorème central limite et constitue un résultat fondamental en probabilités.
Méthodes classiques et erreurs à éviter en classe préparatoire
L’utilisation de la loi binomiale suppose une vérification systématique des hypothèses du modèle, faute de quoi les calculs perdent toute validité. En classe préparatoire, les erreurs les plus fréquentes proviennent moins d’une mauvaise maîtrise des formules que d’une modélisation insuKisamment rigoureuse de la situation aléatoire.
La première condition essentielle est l’indépendance des épreuves. Chaque expérience doit être réalisée dans des conditions identiques, sans que les résultats précédents n’influencent les suivants. Cette hypothèse est rompue, par exemple, dans les situations de tirage sans remise, où la composition de l’ensemble évolue après chaque tirage. Dans ce cas, l’utilisation de la loi binomiale est incorrecte.
La seconde condition est la constance de la probabilité de succès. Dans un schéma binomial, chaque épreuve doit être associée à la même probabilité 𝑝. Dès que cette probabilité varie au cours du temps ou dépend du rang de l’épreuve, le modèle binomial ne s’applique plus, même si la situation semble proche en apparence.
Enfin, la loi binomiale ne s’applique qu’à des expériences binaires, comportant exactement deux issues possibles. Une définition imprécise du succès ou une situation à plusieurs issues conduit à une modélisation erronée. En pratique, une méthode sûre consiste à toujours justifier explicitement le recours à la loi binomiale avant d’eKectuer les calculs, cette démarche étant particulièrement valorisée en devoir et en concours.
