Retour à la leçon

Guide de l'enseignant: Introduction aux distributions de probabilités

Apprends ce que sont les distributions de probabilités et comment elles décrivent la vraisemblance de différents résultats.

Présenter la leçonPartager dans ClassroomVoir la page élève

Utiliser cette leçon en classe

Gratuit, sans compte élève.

Partager avec les élèves

Les élèves ouvrent la leçon et s'entraînent avec une correction immédiate.

Fiche d'exercices à imprimer

Tous les exercices sur papier, avec un corrigé séparé.

Fiche d'exercices Corrigé

Quiz de classe

10 questions sur Distributions de probabilité. Les élèves participent avec un prénom, vous voyez tous les scores.

Pour les enseignants

Objectifs d'apprentissage
  • Définir une distribution de probabilités et expliquer ses propriétés clés
  • Créer des distributions de probabilités à partir d'expériences simples
  • Vérifier que les probabilités somment à 1
  • Calculer l'espérance mathématique à l'aide de la formule
  • Interpréter les distributions de probabilités dans des contextes réels
Prérequis
  • • Compréhension des probabilités de base (résultats favorables/totaux)
  • • Familiarité avec les fractions et les nombres décimaux
  • • Compréhension de base des moyennes et des moyennes pondérées
Amorces de discussion
  • 1. Pourquoi les casinos gagnent-ils toujours de l'argent à long terme ?
  • 2. Si tu lançais un dé 600 fois, combien de six attendrais-tu ?
  • 3. Est-il possible qu'une espérance mathématique soit un nombre que tu ne peux pas réellement obtenir ?
  • 4. Comment les météorologues utilisent-ils les distributions de probabilités ?
Idées reçues courantes

L'espérance mathématique est le résultat le plus probable

Remédiation: Utilise l'exemple des deux dés : la somme attendue est 7, qui EST la plus probable ici, mais pour un seul dé, l'espérance est 3,5 - impossible à obtenir !

Si quelque chose ne s'est pas produit depuis longtemps, ça va bientôt arriver

Remédiation: C'est le sophisme du joueur. Chaque lancer est indépendant. Les lancers passés n'affectent pas les probabilités futures.

Idées de différenciation

Pour les élèves en difficulté:

  • • Commence par les lancers de pièces (seulement 2 résultats)
  • • Utilise des manipulations physiques - de vrais dés et pièces
  • • Concentre-toi d'abord sur la construction de tableaux de distribution avant de calculer l'espérance

Pour les élèves au niveau:

  • • Travaille avec les distributions à deux dés
  • • Calcule les espérances pour des jeux simples
  • • Analyse si les jeux sont équitables ou favorisent un joueur

Pour les élèves avancés:

  • • Explore la variance et l'écart-type
  • • Étudie la distribution binomiale
  • • Conçois des jeux équitables avec des espérances spécifiques
Alignement aux standards
  • S-MD.A.1 (CCSS.MATH.CONTENT.HSS.MD.A.1)

    Définir une variable aléatoire pour une quantité d'intérêt et représenter graphiquement sa distribution de probabilités

  • S-MD.A.2 (CCSS.MATH.CONTENT.HSS.MD.A.2)

    Calculer l'espérance mathématique d'une variable aléatoire

  • S-MD.B.5 (CCSS.MATH.CONTENT.HSS.MD.B.5)

    Utiliser la probabilité pour évaluer les résultats des décisions

Ressources de la leçon
  • visualSimulateur de dés interactif

    Lance les dés et observe la distribution se construire

  • activityJeu de construction de distribution

    Crée des distributions valides en ajustant les probabilités

  • worksheetExercices sur l'espérance mathématique

    Calcule les espérances mathématiques pour divers jeux

Contenu de la leçon

Tout ce que voient les élèves : définition, exemples, erreurs fréquentes, applications. Touchez pour ouvrir.

Définition

Une distribution de probabilités décrit la vraisemblance de chaque résultat possible pour une expérience aléatoire ou une variable.
Pour une distribution de probabilités discrète :
  • Liste tous les résultats possibles
  • Attribue une probabilité à chaque résultat
  • Toutes les probabilités doivent être comprises entre 0 et 1
  • La somme de toutes les probabilités doit égaler 1
∑i=1nP(xi)=1\sum_{i=1}^{n} P(x_i) = 1
Une distribution de probabilités peut être représentée sous forme de tableau, de formule ou de graphique (appelé histogramme de probabilités).

Exemples résolus

Crée une distribution de probabilités pour le lancer d'un dé équilibré.
1

Identifie tous les résultats possibles

Un dé peut montrer 1, 2, 3, 4, 5 ou 6 → 6 résultats
2

Détermine la probabilité de chaque résultat

Dé équilibré signifie que chaque face a la même chance : P=16P = \frac{1}{6} → P(x)=16P(x) = \frac{1}{6} pour chaque
3

Vérifie que les probabilités somment à 1

16+16+16+16+16+16=66=1\frac{1}{6} + \frac{1}{6} + \frac{1}{6} + \frac{1}{6} + \frac{1}{6} + \frac{1}{6} = \frac{6}{6} = 1 → Distribution valide
4

Écris le tableau de distribution

| xx | 1 | 2 | 3 | 4 | 5 | 6 | | P(x)P(x) | 16\frac{1}{6} | 16\frac{1}{6} | 16\frac{1}{6} | 16\frac{1}{6} | 16\frac{1}{6} | 16\frac{1}{6} | → Distribution uniforme

Erreurs courantes

Probabilités qui ne somment pas à 1

Pourquoi c'est faux: Une distribution de probabilités valide DOIT avoir toutes les probabilités qui somment exactement à 1. Sinon, tu as soit oublié un résultat, soit fait une erreur de calcul.

Correct: Vérifie toujours : ∑P(xi)=1\sum P(x_i) = 1. Si la somme est inférieure à 1, il manque des résultats. Si elle est supérieure, tu as compté quelque chose deux fois.

Confondre probabilité et fréquence

Pourquoi c'est faux: La fréquence est un compte (par ex. '6 façons d'obtenir un 7'), tandis que la probabilité est un rapport (par ex. 'P(7)=6/36P(7) = 6/36').

Correct: Probabilité = résultats favorables divisés par résultats totaux. Exprime-la toujours sous forme de fraction, de nombre décimal ou de pourcentage.

Supposer que tous les résultats sont équiprobables

Pourquoi c'est faux: Beaucoup de distributions ne sont PAS uniformes. Avec deux dés, la somme de 7 est plus probable que la somme de 2.

Correct: Compte soigneusement les façons d'obtenir chaque résultat. Seules les expériences simples (un seul dé, pile ou face) tendent à être uniformes.

Pourquoi c'est important

Les distributions de probabilités sont le fondement des statistiques et de la science des données :
  • Contrôle qualité : Les fabricants utilisent les distributions pour prédire les taux de défauts
  • Assurance : Les compagnies calculent les primes basées sur les distributions de risques
  • Jeux de hasard : Les casinos conçoivent les jeux en utilisant des distributions de probabilités pour garantir leurs profits
  • Météo : Les météorologues modélisent la température et les précipitations à l'aide de distributions
  • Médecine : Les essais cliniques analysent l'efficacité des médicaments en utilisant des distributions
Comprendre les distributions t'aide à prendre des décisions éclairées dans des situations incertaines !

Applications dans le monde réel

Contrôle qualité dans la fabrication

Les usines utilisent les distributions de probabilités pour prédire combien d'articles défectueux seront produits.

Exemple:

Si une machine produit 1000 articles et a un taux de défaut de 2%, le nombre attendu de défauts est 1000×0,02=201000 \times 0,02 = 20.

1Essaie par toi-même

Une usine produit des ampoules. Chaque ampoule a 3% de chances d'être défectueuse. Dans un lot de 500 ampoules :

Quel est le nombre attendu d'ampoules défectueuses ?

Étape 1 : Écris l'expression mathématique

Calcule : 500×0,03500 \times 0,03

Évaluation des risques en assurance

Les compagnies d'assurance utilisent les distributions de probabilités pour calculer des primes équitables basées sur la probabilité de sinistres.

Exemple:

Si 5% des conducteurs déclarent des sinistres d'une moyenne de 5000 euros, le paiement attendu par conducteur est 0,05×5000=2500,05 \times 5000 = 250 euros.

2Essaie par toi-même

Une compagnie d'assurance maladie sait que 8% des clients déposent des réclamations d'une moyenne de 2000 euros. Ils ont 10000 clients.

Quel est leur paiement total attendu ?

Étape 1 : Écris l'expression mathématique

Calcule : 10000×0,08×200010000 \times 0,08 \times 2000

Points clés

  • 1Une distribution de probabilités montre la probabilité de chaque résultat possible
  • 2Toutes les probabilités doivent être comprises entre 0 et 1, et doivent sommer exactement à 1
  • 3Un histogramme de probabilités affiche visuellement la distribution avec des barres
  • 4L'espérance mathématique E(X)=∑xi⋅P(xi)E(X) = \sum x_i \cdot P(x_i) donne le résultat moyen à long terme
  • 5Toutes les distributions ne sont pas uniformes - certains résultats peuvent être plus probables que d'autres

Questions fréquentes

Quelle est la différence entre les distributions discrètes et continues ?

Les distributions discrètes ont des résultats dénombrables (comme les lancers de dés : 1, 2, 3, 4, 5, 6). Les distributions continues ont des résultats indénombrables (comme la taille, qui peut être n'importe quelle valeur dans un intervalle). Cette leçon se concentre sur les distributions discrètes.

Une probabilité peut-elle être négative ?

Non ! Les probabilités sont toujours comprises entre 0 et 1 (inclus). Une probabilité de 0 signifie impossible, et 1 signifie certain.

Que nous dit l'espérance mathématique ?

L'espérance mathématique est le résultat moyen si tu répétais l'expérience de nombreuses fois. Cela ne signifie pas que tu obtiendras exactement cette valeur - c'est une moyenne à long terme.

Glossaire

Distribution de probabilités
Une description complète de tous les résultats possibles et de leurs probabilités
Variable aléatoire
Une variable dont la valeur est déterminée par le hasard (par ex. le nombre sur un dé)
Distribution discrète
Une distribution où les résultats sont dénombrables (entiers, catégories)
Espérance mathématique
La moyenne pondérée de tous les résultats possibles : E(X)=∑xi⋅P(xi)E(X) = \sum x_i \cdot P(x_i)
Histogramme de probabilités
Un graphique en barres montrant les probabilités de chaque résultat
Distribution uniforme
Une distribution où tous les résultats ont la même probabilité

Carte des formules

Règle de somme des probabilités

∑i=1nP(xi)=1\sum_{i=1}^{n} P(x_i) = 1

Toutes les probabilités doivent sommer à 1

Espérance mathématique

E(X)=∑i=1nxi⋅P(xi)E(X) = \sum_{i=1}^{n} x_i \cdot P(x_i)

Moyenne pondérée des résultats

Variance

Var(X)=∑i=1n(xi−μ)2⋅P(xi)\text{Var}(X) = \sum_{i=1}^{n} (x_i - \mu)^2 \cdot P(x_i)

Mesure de la dispersion autour de la moyenne

Plus sur ce sujet

Probabilité binomiale

Avancé25 min

Distributions discrètes vs continues

Avancé25 min

Espérance mathématique

Avancé25 min

Introduction à la loi normale

Avancé25 min