Cet énoncé correspond à la partie A du sujet officiel de Spécialité Mathématiques (Terminale générale), session Asie 2024. Il se compose de 10 questions et couvre 3 thèmes du programme, principalement Loi binomiale et Bernoulli, Probabilités, Probabilités conditionnelles et Bayes. L'énoncé est accompagné d'indices progressifs pour guider la réflexion et d'un corrigé détaillé accessible aux élèves accompagnés.
Cet exercice mobilise 6 compétences principales du programme officiel :
Dans la revue Lancet Public Health, les chercheurs affirment qu'au 11 mai 2020, 5,7 % des adultes français avaient déjà été infectés par la COVID 19.
Source : https://www.thelancet.com/journals/lanpub/article/PIIS2468-2667 (21) 00064-5/fulltext
On se servira de cette donnée pour les parties A et B de cet exercice.
Partie A
On prélève un individu dans la population française adulte au 11 mai 2020.
On note $I$ l'évènement : « l'adulte a déjà été infecté par la COVID 19 »
Quelle est la probabilité que cet individu prélevé ait déjà été infecté par la COVID 19 ?
Utiliser les données fournies par l'étude du Lancet concernant la proportion d'adultes infectés dans la population française.
D'après l'étude du Lancet citée en contexte, 5,7 % de la population adulte française avait été infectée par la COVID 19 au 11 mai 2020. En assimilant les proportions observées à des probabilités dans une situation d'équiprobabilité, on obtient :
$$P(I) = 0{,}057$$
La probabilité que l'individu prélevé ait déjà été infecté est de 0,057 soit 5,7 %.
Corrigé rédigé par un professeur certifié de l'Éducation Nationale. Les corrigés de toutes les autres questions sont disponibles gratuitement sur Konfia : accéder aux corrigés.
On prélève un échantillon de 100 personnes de la population supposées choisies de façon indépendante les unes des autres.
On assimile ce prélèvement à un tirage avec remise.
On appelle $X$ la variable aléatoire qui compte le nombre de personnes ayant déjà été infectées.
Justifiez que $X$ suit une loi binomiale dont on donnera les paramètres.
Identifier les trois conditions : épreuve de Bernoulli avec succès défini, répétitions indépendantes et identiques, comptage des succès.
Calculer son espérance mathématique. Interpréter ce résultat dans le cadre de l'exercice.
Appliquer la formule de l'espérance d'une loi binomiale : $E(X) = np$. Interpréter le résultat en contexte.
Quelle est la probabilité qu'il n'y ait aucune personne infectée dans l'échantillon ?
On donnera une valeur approchée à $10^{-4}$ près du résultat.
Calculer $P(X = 0)$ avec la formule $P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}$. Utiliser la calculatrice pour l'approximation.
Quelle est la probabilité qu'il y ait au moins 2 personnes infectées dans l'échantillon ?
On donnera une valeur approchée à $10^{-4}$ près du résultat.
Utiliser l'événement complémentaire : $P(X \geq 2) = 1 - P(X \leq 1) = 1 - P(X = 0) - P(X = 1)$. Calculer avec la calculatrice.
Déterminer le plus petit entier $n$ tel que $P(X \leqslant n) > 0{,}9$.
Interpréter ce résultat dans le contexte de l'exercice.
Explorer les valeurs de $P(X \leq n)$ avec la calculatrice jusqu'à trouver le plus petit entier $n$ tel que cette probabilité dépasse 0,9.
Partie B :
Un test a été mis en place : celui-ci permet de déterminer (même longtemps après l'infection), si une personne a ou non déjà été infectée par la COVID 19.
Si le test est positif, cela signifie que la personne a déjà été infectée par la COVID 19.
Deux paramètres permettent de caractériser ce test : sa sensibilité et sa spécificité.
La sensibilité d'un test est la probabilité qu'il soit positif sachant que la personne a été infectée par la maladie. (Il s'agit donc d'un vrai positif).
La spécificité d'un test est la probabilité que le test soit négatif sachant que la personne n'a pas été infectée par la maladie. (Il s'agit donc d'un vrai négatif).
Le fabricant du test fournit les caractéristiques suivantes :
- Sa sensibilité est de 0,8.
- Sa spécificité est de 0,99.
On prélève un individu soumis au test dans la population française adulte au 11 mai 2020.
On note $T$ l'évènement « le test réalisé est positif ».
Compléter l'arbre des probabilités ci-dessous avec les données de l'énoncé :
Identifier les événements $I$ et $\overline{I}$ sur les branches principales, puis placer les probabilités conditionnelles $P_I(T)$ et $P_{\overline{I}}(\overline{T})$ sur les branches secondaires.
Arbre des probabilités à compléter — test COVID
Montrer que $p(T) = 0{,}05503$.
Appliquer la loi des probabilités totales en partitionnant par les événements $I$ et $\overline{I}$.
Quelle est la probabilité qu'un individu ait été infecté sachant que son test est positif ?
On donnera une valeur approchée à $10^{-4}$ près du résultat.
Appliquer la formule de Bayes (ou formule des probabilités conditionnelles inverses) : $P_T(I) = \frac{P(I \cap T)}{P(T)}$.
Partie C :
On considère un groupe d'une population d'un autre pays soumis au même test de sensibilité 0,8 et de spécificité 0,99.
Dans ce groupe la proportion d'individus ayant un test positif est de 29,44 %.
On choisit au hasard un individu de ce groupe ; quelle est la probabilité qu'il ait été infecté ?
On choisit au hasard un individu de ce groupe ; quelle est la probabilité qu'il ait été infecté ?
Introduire l'inconnue $x$ pour la prévalence d'infection. Utiliser la loi des probabilités totales pour exprimer $P(T)$ en fonction de $x$, puis résoudre l'équation avec la condition donnée.
Sur ce sujet (Asie 2024), face à un exercice de probabilités au Bac, la première question à se poser est : quel type de situation est modélisé ? Trois familles reviennent presque systématiquement. (1) Si on répète \(n\) fois la même épreuve avec deux issues possibles, indépendantes, et qu'on compte le nombre de succès, c'est la loi binomiale — appliquez directement la formule \[P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}.\] (2) Si on tire successivement des objets ou si on enchaîne plusieurs événements liés (avec ou sans remise), dessinez un arbre pondéré : les probabilités se multiplient le long d'une branche et s'additionnent entre les branches qui mènent au même résultat. (3) Si l'énoncé contient « sachant que » ou « dans le cas où », c'est une probabilité conditionnelle — utilisez la formule \(P_B(A) = \dfrac{P(A \cap B)}{P(B)}\). Pour les démonstrations de type « calculer la probabilité que la somme soit supérieure à... », pensez à passer par l'événement contraire quand le calcul direct est lourd.