+ qu'un profMon espace

Terminale Spé Maths / Chapitre 1 : Suites / Annales du bac

Bac 2025, Polynésie : exercice 1

18 juin 2025 · jour 2 · 5 points Python

Dans tout l'exercice, les probabilités seront, si nécessaire, arrondies à 10−310^{-3} près.

Une donnée binaire est une donnée qui ne peut prendre que deux valeurs: 0 ou 1.

Une donnée de ce type est transmise successivement d'une machine à une autre.

Chaque machine transmet la donnée reçue soit de manière fidèle, c'est-à-dire en transmettant l'information telle qu'elle l'a reçue (1 devient 1 et 0 devient 0), soit de façon contraire (1 devient 0 et 0 et devient 1).

La transmission est fidèle dans 90 % des cas, et donc contraire dans 10 % des cas.

Dans tout l'exercice, la première machine reçoit toujours la valeur 1.

Partie A

Pour tout entier naturel n⩾1n \geqslant 1, on note :

  • VnV_n l'évènement : og la nn-ième machine détient la valeur 1 fg

  • Vn‾\overline{V_n} l'évènement : og la nn-ième machine détient la valeur 0 fg.

    1. Recopier et compléter l'arbre de probabilité ci-dessous.

      Figure de l'énoncé, exercice 1, Polynésie 18 juin 2025
    2. Démontrer que P(V3)=0,82P(V_3) = 0,82 et interpréter ce résultat dans le contexte de l'exercice.

    3. Sachant que la troisième machine a reçu la valeur 1, calculer la probabilité que la deuxième machine ait aussi reçu la valeur 1.

  1. Pour tout entier naturel n⩾1n \geqslant 1, on note pn=P(Vn)p_n = P(V_n).

    La première machine a reçu la valeur 1, on a donc p1=1p_1 = 1.

    1. Démontrer que pour tout entier naturel n⩾1n \geqslant 1 :

      pn+1=0,8pn+0,1.p_{n+1} = 0,8p_n + 0,1.

    2. Démontrer par récurrence que pour tout entier naturel n⩾1n \geqslant 1,

      pn=0,5×0,8n−1+0,5.p_n = 0,5 \times 0,8^{n-1} + 0,5.

    3. Calculer la limite de pnp_n lorsque nn tend vers l'infini. Interpréter ce résultat dans le contexte de l'exercice.

Partie B

Pour modéliser en langage Python la transmission de la donnée binaire décrite en début d'exercice, on considère la fonction simulation qui prend en paramètre un entier naturel nn qui représente le nombre de transmissions réalisées d'une machine à une autre, et qui renvoie la liste des valeurs successives de la donnée binaire.

On donne ci-dessous le script incomplet de cette fonction.

On rappelle que l'instruction rand() renvoie un nombre aléatoire de l'intervalle [0   1[.

1   def simulation(n): 
2      donnee = 1
3      liste = [donnee] 
4      for k in range(n):
5          if rand() <0.1
6             donnee = 1 - donnee
7          liste.append(donnee) 
9      return liste

Par exemple, simulation(3) peut renvoyer [1,  0,  0,  1].Cette liste traduit :

  • qu'une donnée binaire a été successivement transmise trois fois entre quatre machines

  • la première machine qui détient la valeur 1 a transmis de façon contraire cette donnée à la deuxième machine

  • la deuxième machine a transmis la donnée qu'elle détient de façon fidèle à la troisième

  • la troisième machine a transmis de façon contraire la donnée qu'elle détient à la quatrième.

  1. Déterminer le rôle des instructions des lignes 5 et 6 de l'algorithme ci-dessus.

  2. Calculer la probabilité que simulation(4) renvoie la liste [1, 1, 1, 1, 1] et la probabilité que simulation(6) renvoie la liste [1,  0, 1, 0, 0, 1, 1].

Voir le corrigé

Partie A

Question 1. a)

Chaque machine transmet la donnée de manière fidèle avec la probabilité 0,90{,}9 et de manière contraire avec la probabilité 0,10{,}1.

La première machine reçoit toujours la valeur 1 : l'évènement V1V_1 est donc certain.

Les branches de l'arbre sont donc :

  • de V1V_1 vers V2V_2 : P(V2)=0,9P(V_2)=0{,}9 (transmission fidèle)

  • de V1V_1 vers V2‾\overline{V_2} : P(V2‾)=0,1P(\overline{V_2})=0{,}1 (transmission contraire)

  • de V2V_2 vers V3V_3 : PV2(V3)=0,9P_{V_2}(V_3)=0{,}9 (la machine 2 détient 1 et transmet fidèlement)

  • de V2V_2 vers V3‾\overline{V_3} : PV2(V3‾)=0,1P_{V_2}(\overline{V_3})=0{,}1

  • de V2‾\overline{V_2} vers V3V_3 : PV2‾(V3)=0,1P_{\overline{V_2}}(V_3)=0{,}1 (la machine 2 détient 0 et transmet de façon contraire)

  • de V2‾\overline{V_2} vers V3‾\overline{V_3} : PV2‾(V3‾)=0,9P_{\overline{V_2}}(\overline{V_3})=0{,}9.

Question 1. b)

Les évènements V2V_2 et V2‾\overline{V_2} forment une partition de l'univers.

D'après la formule des probabilités totales :

P(V3)=P(V2∩V3)+P(V2‾∩V3).P(V_3)=P(V_2\cap V_3)+P(\overline{V_2}\cap V_3).

Donc

P(V3)=P(V2)×PV2(V3)+P(V2‾)×PV2‾(V3)=0,9×0,9+0,1×0,1=0,81+0,01=0,82.\begin{aligned} P(V_3)&=P(V_2)\times P_{V_2}(V_3)+P(\overline{V_2})\times P_{\overline{V_2}}(V_3)\\ &=0{,}9\times 0{,}9+0{,}1\times 0{,}1\\ &=0{,}81+0{,}01\\ &=0{,}82. \end{aligned}

Donc P(V3)=0,82P(V_3)=0{,}82.

Interprétation : la probabilité que la troisième machine détienne la valeur 1 est égale à 0,820{,}82. Autrement dit, dans 82 %82\,\% des cas, la troisième machine détient la valeur 1.

Question 1. c)

On cherche la probabilité de V2V_2 sachant V3V_3, c'est-à-dire PV3(V2)P_{V_3}(V_2).

D'après la définition de la probabilité conditionnelle (avec P(V3)≠0P(V_3)\neq 0) :

PV3(V2)=P(V2∩V3)P(V3).P_{V_3}(V_2)=\dfrac{P(V_2\cap V_3)}{P(V_3)}.

On a P(V2∩V3)=P(V2)×PV2(V3)=0,9×0,9=0,81P(V_2\cap V_3)=P(V_2)\times P_{V_2}(V_3)=0{,}9\times 0{,}9=0{,}81.

Donc

PV3(V2)=0,810,82=8182≈0,988.P_{V_3}(V_2)=\dfrac{0{,}81}{0{,}82}=\dfrac{81}{82}\approx 0{,}988.

Donc, sachant que la troisième machine a reçu la valeur 1, la probabilité que la deuxième machine ait aussi reçu la valeur 1 est 8182\dfrac{81}{82}, soit environ 0,9880{,}988 (arrondie au millième).

Réponse : PV3(V2)=8182≈0,988P_{V_3}(V_2)=\dfrac{81}{82}\approx 0{,}988.

Question 2. a)

Soit n⩾1n\geqslant 1 un entier. Les évènements VnV_n et Vn‾\overline{V_n} forment une partition de l'univers.

D'après la formule des probabilités totales :

pn+1=P(Vn+1)=P(Vn)×PVn(Vn+1)+P(Vn‾)×PVn‾(Vn+1).p_{n+1}=P(V_{n+1})=P(V_n)\times P_{V_n}(V_{n+1})+P(\overline{V_n})\times P_{\overline{V_n}}(V_{n+1}).

La machine nn transmet fidèlement avec la probabilité 0,90{,}9 et de façon contraire avec la probabilité 0,10{,}1, donc PVn(Vn+1)=0,9P_{V_n}(V_{n+1})=0{,}9 et PVn‾(Vn+1)=0,1P_{\overline{V_n}}(V_{n+1})=0{,}1.

De plus P(Vn‾)=1−P(Vn)=1−pnP(\overline{V_n})=1-P(V_n)=1-p_n.

Donc

pn+1=0,9 pn+0,1 (1−pn)=0,9 pn+0,1−0,1 pn=0,8 pn+0,1.\begin{aligned} p_{n+1}&=0{,}9\,p_n+0{,}1\,(1-p_n)\\ &=0{,}9\,p_n+0{,}1-0{,}1\,p_n\\ &=0{,}8\,p_n+0{,}1. \end{aligned}

Donc, pour tout entier n⩾1n\geqslant 1, pn+1=0,8 pn+0,1p_{n+1}=0{,}8\,p_n+0{,}1.

Question 2. b)

On note P(n)\mathcal{P}(n) la propriété : pn=0,5×0,8n−1+0,5p_n=0{,}5\times 0{,}8^{n-1}+0{,}5.

Initialisation. Pour n=1n=1 : 0,5×0,80+0,5=0,5+0,5=10{,}5\times 0{,}8^{0}+0{,}5=0{,}5+0{,}5=1, et p1=1p_1=1.

Donc P(1)\mathcal{P}(1) est vraie.

Hérédité. Soit k⩾1k\geqslant 1 fixé tel que P(k)\mathcal{P}(k) soit vraie, c'est-à-dire

pk=0,5×0,8k−1+0,5p_k=0{,}5\times 0{,}8^{k-1}+0{,}5
(hypothèse de récurrence). Montrons P(k+1)\mathcal{P}(k+1).

D'après la question 2. a) puis l'hypothèse de récurrence :

pk+1=0,8 pk+0,1=0,8(0,5×0,8k−1+0,5)+0,1=0,5×0,8k+0,4+0,1=0,5×0,8k+0,5.\begin{aligned} p_{k+1}&=0{,}8\,p_k+0{,}1\\ &=0{,}8\left(0{,}5\times 0{,}8^{k-1}+0{,}5\right)+0{,}1\\ &=0{,}5\times 0{,}8^{k}+0{,}4+0{,}1\\ &=0{,}5\times 0{,}8^{k}+0{,}5. \end{aligned}

Donc P(k+1)\mathcal{P}(k+1) est vraie.

Conclusion. P(1)\mathcal{P}(1) est vraie et P\mathcal{P} est héréditaire : d'après le principe de récurrence, pour tout entier n⩾1n\geqslant 1,

pn=0,5×0,8n−1+0,5.p_n=0{,}5\times 0{,}8^{n-1}+0{,}5.

Question 2. c)

On a −1<0,8<1-1<0{,}8<1.

Donc, d'après la limite d'une suite géométrique de raison qq avec −1<q<1-1<q<1, lim⁡n→+∞0,8n−1=0\lim\limits_{n\to+\infty}0{,}8^{n-1}=0.

Par produit et somme de limites :

lim⁡n→+∞pn=0,5×0+0,5=0,5.\lim\limits_{n\to+\infty}p_n=0{,}5\times 0+0{,}5=0{,}5.

Interprétation : lorsque le nombre de machines devient grand, la probabilité que la machine nn détienne la valeur 1 tend vers 0,50{,}5. La valeur initiale n'a alors plus d'influence : les valeurs 0 et 1 deviennent équiprobables.

Réponse : lim⁡n→+∞pn=0,5\lim\limits_{n\to+\infty}p_n=0{,}5.

Partie B

Question 1.

La fonction rand() renvoie un nombre aléatoire de [0 ;1[[0\,;1[. La ligne 5 teste si ce nombre est strictement inférieur à 0,10{,}1. Cet évènement a pour probabilité 0,10{,}1 : il modélise une transmission contraire.

Lorsque le test est vrai, la ligne 6 remplace donnee par 1 - donnee : 11 devient 00 et 00 devient 11. C'est bien le changement de valeur d'une transmission contraire.

Lorsque le test est faux (probabilité 0,90{,}9), la donnée reste inchangée : c'est une transmission fidèle.

La ligne 7 ajoute à la liste la valeur détenue par la machine suivante. Chaque passage dans la boucle simule donc une transmission d'une machine à la suivante.

Donc les lignes 5 et 6 simulent, à chaque transmission, un changement de valeur avec la probabilité 0,10{,}1 (transmission contraire) et aucun changement avec la probabilité 0,90{,}9 (transmission fidèle).

Question 2.

La liste [1,1,1,1,1][1{,}1,1{,}1,1] est renvoyée par simulation(4) si et seulement si les 4 transmissions sont fidèles.

Les transmissions sont indépendantes et chacune est fidèle avec la probabilité 0,90{,}9. Donc la probabilité cherchée est

0,94=0,6561≈0,656.0{,}9^4=0{,}6561\approx 0{,}656.

Pour la liste [1,0,1,0,0,1,1][1{,}0,1{,}0,0{,}1,1] de simulation(6), on examine les 6 transmissions successives :

  • 1→01\to 0 : contraire

  • 0→10\to 1 : contraire

  • 1→01\to 0 : contraire

  • 0→00\to 0 : fidèle

  • 0→10\to 1 : contraire

  • 1→11\to 1 : fidèle.

Il y a donc 4 transmissions contraires et 2 transmissions fidèles, indépendantes. La probabilité cherchée est

0,14×0,92=0,0001×0,81=0,000081≈0,000.0{,}1^4\times 0{,}9^2=0{,}0001\times 0{,}81=0{,}000081\approx 0{,}000.

Donc simulation(4) renvoie [1,1,1,1,1][1{,}1,1{,}1,1] avec la probabilité 0,94≈0,6560{,}9^4\approx 0{,}656, et simulation(6) renvoie [1,0,1,0,0,1,1][1{,}0,1{,}0,0{,}1,1] avec la probabilité 0,14×0,92=0,0000810{,}1^4\times 0{,}9^2=0{,}000081, soit 0,0000{,}000 au millième près.

Réponse : 0,94=0,6561≈0,6560{,}9^4=0{,}6561\approx 0{,}656 et 0,14×0,92=0,000081≈0,0000{,}1^4\times 0{,}9^2=0{,}000081\approx 0{,}000.

Points clés attendus

  • Citer la formule des probabilités totales avec la partition {Vn,Vn‾}\{V_n,\overline{V_n}\} et la définition de la probabilité conditionnelle.

  • Pour la récurrence : initialisation, hérédité avec hypothèse explicite, conclusion citant le principe de récurrence.

  • Justifier la limite par −1<0,8<1-1<0{,}8<1 et interpréter en contexte.

  • En Python, relier rand() < 0.1 à la probabilité 0,10{,}1 d'une transmission contraire.

  • Pour la probabilité d'une liste, compter transmissions fidèles et contraires et invoquer l'indépendance.

Corrigé rédigé par + qu'un prof. Cherche d'abord seul, puis compare avec ta propre rédaction.

Comment t'entraîner

Chronomètre-toi, rédige sur papier comme le jour du bac, puis seulement après regarde le cours. Si tu bloques sur une question, écris « on admet que… » et passe à la suivante.

Les autres exercices de ce sujet

  • Exercice 2 · 5 points · Dérivation et convexité · Fonction logarithme · Limites de fonctions
  • Exercice 3 · 5 points · Orthogonalité et distances dans l'espace · Vecteurs, droites et plans de l'espace
  • Exercice 4 · 5 points · Calcul intégral · Primitives et équations différentielles · Suites

Revoir le cours

Source : sujet officiel de l'épreuve de spécialité mathématiques du baccalauréat, session 2025 (Polynésie, 18 juin 2025 (jour 2)), ministère de l'Éducation nationale. Énoncé mis en forme pour le web à partir du tapuscrit de l'APMEP (Denis Vergès et François Hache) ; figures issues des fichiers de l'APMEP. En cas de doute sur un détail, le sujet officiel fait foi.

Un doute sur un exercice ou sur ta méthode de rédaction ? On en parle ensemble, sans engagement.

Réserver un appel découverte