Interpréter en situation et utiliser les notations {X = a}, {X ⩽ a}, P(X = a), P(X ⩽ a). Passer du registre de la langue naturelle au registre symbolique et inversement.
Modéliser une situation à l’aide d’une variable aléatoire.
Déterminer la loi de probabilité d’une variable aléatoire.
Calculer une espérance, une variance, un écart type.
Utiliser la notion d’espérance dans une résolution de problème (mise pour un jeu équitable…).
À l'occasion d'un jeu de loterie, un joueur mise une certaine somme d'argent et fait tourner une première fois une roue circulaire découpée en 8 secteurs de même angle numérotés de 1 à 8.
Les quatre premiers secteurs sont rouges. S'il tombe sur le secteur 1, il récupère le double de sa mise, sinon il relance la roue et gagne sa mise augmentée de 6 euros s'il tombe sur un secteur de couleur rouge. Dans les autres cas, sa mise est perdue. On note X la variable aléatoire donnant le gain en euros associé à ce jeu.
Nous allons maintenant simuler une partie.
La fonction randint de la bibliothèque random permet de générer aléatoirement des nombres entiers compris entre deux bornes données.
from random import randintLa fonction jeu simule une partie. Elle prend la valeur de la mise en paramètre et renvoie la valeur du gain (sans la mise de départ). Cette fonction est ensuite testée pour une mise égale à 10 euros.
def jeu(mise): lancer1 = randint(1,8) if lancer1 == 1: gain = mise else: lancer2 = randint(1,8) if lancer2 <= 4: gain = 6 else: gain = -mise return gainprint(jeu(10))Dans cette section, l'expérience est répétée n fois de manière à pouvoir calculer le gain moyen sur ces n parties.
La fonction gainMoyen prend en paramètres la mise initiale et un nombre n de parties. Elle renvoie le gain moyen (en euro) obtenu au cours de ces n parties avec cette mise initiale.
def gainMoyen(mise, n): gainTotal = 0 for i in range(n): gainTotal = gainTotal + jeu(mise) return gainTotal/nprint(gainMoyen(10, 100000))Dans cette section, nous allons étudier le comportement asymptotique du gain moyen en fonction du nombre de parties.
Importation de la librairie graphique.
import matplotlib.pyplot as pltLa fonction cumul crée la liste des gains moyens obtenus pour des échantillons de taille variant entre 1 et n. On représente ensuite la valeur du gain moyen en fonction de la taille de l'échantillon afin de visualiser la convergence du gain moyen vers l'espérance du gain (loi des grands nombres).
def cumul(n): F = [] gainTotal = 0 for i in range(n): gainTotal = gainTotal + jeu(mise) F.append(gainTotal/(i+1)) return FLe programme suivant représente le gain moyen en fonction du nombre de parties.
In [6]:
mise = 10n = 5000 F = cumul(n)plt.title("Gain moyen en fonction du nombre de parties.",color="#1e7fcb",fontsize=14)plt.xlabel('n')plt.ylabel('gain moyen')plt.plot(F)plt.show()Tester le programme précédent avec différentes valeurs de mise. Quelle doit être la valeur approximative de la mise pour que le jeu soit équitable ?
La fonction esperance renvoie l'espérance d'une variable aléatoire dont la loi est donnée sous la forme de deux listes. Elle prend deux listes en paramètres : la liste des valeurs possibles pour X et celle des probabilités associées.
In [7]:
def esperance(X,P): E = 0 for i in range(len(X)): E = E + X[i]*P[i] return Emise=10X=[mise, 6, -mise]P=[1/8, 7/16, 7/16]print("L'espérance est égale à",esperance(X,P)) La fonction ecartType renvoie l'écart-type d'une variable aléatoire dont la loi est donnée sous la forme de deux listes.
Elle prend deux listes en paramètres :
import mathdef ecartType(X,P): E = esperance(X,P) V = 0 for i in range(len(X)): V = V + P[i]*(X[i]-E)**2 return math.sqrt(V)mise = 10X = [mise, 6, -mise]P = [1/8, 7/16, 7/16]print("L'écart-type est égal à ", ecartType(X,P)) → Ex 1 & 2 p 324
→ Ex 3 & 4 p 324
→ Ex 12 p 325
→ EX 14 p 325
→ Ex 20 p 326
→ Ex 24 p 326
→ Ex 39 p 328
→ Ex 23 p 326
→ Ex 41 p 328
→ EX 25 & 27 à 29 p327
→ Ex 30 p327
→ Ex 44-49 -53 p 328
→ EX 70 p 332
→ E3C p334
*Lelivrescolaire