Choisir un modèle, puis chercher ce qu'il autorise vraiment

Ce que tu vas savoir faire

• Mobiliser analyse et probabilités dans les neuf thèmes officiels.
• Choisir entre modèle discret et continu.
• Construire et interpréter Lorenz et Gini.
• Calculer une probabilité bayésienne.
• Modéliser un temps d'attente sans mémoire.
• Distinguer corrélation, causalité et variable cachée.

Vérifie tes prérequis

• Programme de spécialité mathématiques de Première.
• Dérivation, probabilités conditionnelles et suites.
• Lecture d'un nuage de points et usage d'un tableur.

1. Modèles définis par une fonction d'une variable

Une fonction modélise la dépendance d'une grandeur envers une variable clairement définie. La formule peut être donnée ou construite ; dans les deux cas, domaine, unités et hypothèses précèdent l'étude. Dérivée, variations et extremums traduisent alors des questions de rythme, d'optimisation ou d'équilibre.

Un minimum calculé hors du domaine n'a aucun sens concret. Une fonction de coût peut aussi ignorer des contraintes ou des changements de tarif. On distingue donc l'extremum mathématique du choix réel : le premier résulte du modèle, le second exige de vérifier les conditions et parfois des valeurs entières.

2. Modèles d'évolution : discret, continu et seuil

Une suite décrit des états à des rangs discrets ; une fonction décrit une grandeur pour tout instant d'un intervalle. Une récurrence u(n+1)=au(n)+b met en évidence le mécanisme à chaque pas. Une expression explicite facilite un calcul de rang et l'étude d'une limite.

Le passage au continu ajoute une hypothèse entre les observations. Une courbe lisse n'est pas automatiquement plus vraie qu'une suite. Pour un seuil, on cherche le premier rang entier en discret ou un instant réel en continu, puis on contrôle que le mécanisme demeure plausible jusque-là.

3. Approche historique du logarithme : transformer les calculs

Le logarithme peut être compris comme fonction réciproque de l'exponentielle et comme outil qui transforme les produits en sommes. Historiquement, des tables ont exploité cette propriété pour simplifier des calculs avant les calculatrices. L'histoire éclaire la fonction sans remplacer sa définition ni les preuves de ses propriétés.

Dans le modèle actuel, ln(x) n'est défini que pour x>0, ln(ab)=ln(a)+ln(b) et ln(aⁿ)=nln(a). Une équation exponentielle se résout en appliquant le logarithme lorsque les deux membres sont positifs. Le résultat doit ensuite être vérifié dans l'équation initiale.

4. Calculs d'aires : de l'approximation à l'intégrale

Pour une fonction continue positive sur [a;b], l'intégrale représente l'aire sous la courbe. Des rectangles fournissent des sommes approchées dont la finesse augmente quand le pas diminue. Une primitive F permet un calcul exact par F(b)−F(a), lorsque les hypothèses du théorème sont satisfaites.

Pour une fonction de signe quelconque, l'intégrale est une aire algébrique : les parties sous l'axe comptent négativement. Une aire géométrique exige alors de découper selon les changements de signe ou de calculer l'intégrale de la valeur absolue. Un dessin contrôle le signe et l'ordre de grandeur.

5. Répartition des richesses : courbe de Lorenz et indice de Gini

Une courbe de Lorenz place en abscisse la part cumulée de population, classée de la moins dotée à la plus dotée, et en ordonnée la part cumulée de la grandeur. La bissectrice y=x représente l'égalité parfaite. Plus la courbe s'en écarte vers le bas, plus la répartition est concentrée.

L'indice de Gini vaut deux fois l'aire comprise entre la bissectrice et la courbe de Lorenz. Il varie entre 0 et 1 dans ce cadre. Un indice plus grand signifie davantage d'inégalité pour la grandeur et la population mesurées ; il ne dit ni pourquoi l'écart existe, ni si chaque personne est plus riche.

6. Inférence bayésienne : inverser un conditionnement

La formule de Bayes calcule P(A|B) à partir de P(B|A), P(A) et des autres manières d'obtenir B. L'erreur la plus fréquente consiste à confondre la sensibilité d'un test, P(+|M), avec la probabilité d'être malade sachant un résultat positif, P(M|+). La fréquence initiale de M compte.

Un tableau sur un effectif fictif rend le raisonnement visible et évite le vocabulaire impressionnant. Le résultat est conditionnel au modèle, à la population et aux performances du test. Il ne constitue ni un diagnostic individuel ni une certitude ; dans un contexte médical réel, l'interprétation relève d'un professionnel.

7. Répétitions indépendantes et échantillonnage

Un schéma de Bernoulli suppose n répétitions indépendantes d'une même épreuve de probabilité p. Le nombre de succès suit alors une loi binomiale. Une simulation permet d'observer la variabilité des fréquences et d'évaluer si une observation serait rare sous un modèle donné.

Une observation rare sous le modèle conduit à le questionner, pas à prouver automatiquement une cause précise. La qualité d'un sondage dépend aussi de la sélection effective, de la non-réponse, de la question et de la sincérité. Augmenter n réduit l'aléa d'échantillonnage mais ne corrige pas un biais systématique.

8. Temps d'attente : lois géométrique et exponentielle

En temps discret, le rang du premier succès dans des essais de Bernoulli indépendants de probabilité p suit une loi géométrique. Sa propriété d'absence de mémoire signifie que, sachant qu'aucun succès n'a encore eu lieu, l'attente future a la même loi que l'attente initiale.

En temps continu, la loi exponentielle modélise aussi une absence de mémoire. Cette propriété est une hypothèse forte, non une vérité de tout phénomène. Un composant qui vieillit, une file dont le rythme change ou un bus régi par des horaires ne la respectent pas nécessairement.

9. Corrélation et causalité : chercher le mécanisme

Une corrélation mesure une association entre deux variables dans des données. Un nuage allongé autour d'une droite suggère une liaison linéaire ; le coefficient de corrélation en mesure le sens et l'intensité linéaire. Il peut être faible malgré une liaison courbe ou fortement affecté par un point atypique.

Une corrélation n'établit pas seule que X cause Y. Y peut causer X, une variable Z peut influencer les deux, la sélection peut créer l'association ou la coïncidence peut intervenir. Une affirmation causale demande temporalité, mécanisme, comparaisons et protocole capable d'écarter des explications concurrentes.

Erreurs fréquentes

L'essentiel à mémoriser

• Optimiser une fonction ne dispense jamais de vérifier domaine, unités et variables oubliées.
• Discret et continu ne répondent pas aux mêmes instants ; un point fixe n'est pas encore une preuve de convergence.
• Le logarithme transforme un produit en somme sur son domaine strictement positif.
• Une intégrale additionne des contributions signées ; une aire géométrique reste positive.
• Lorenz et Gini décrivent une distribution ; ils ne suffisent pas à expliquer ses causes ni son niveau moyen.
• Inverser un conditionnement exige la probabilité initiale et toutes les causes du résultat observé.
• La taille maîtrise la variabilité aléatoire ; seule la méthode permet d'analyser les biais.
• L'absence de mémoire est une propriété de modèle à tester, pas une intuition universelle sur l'attente.
• La corrélation décrit ; la causalité exige une chronologie, un mécanisme et l'examen d'explications concurrentes.

Vérifier sa compréhension

Réponds aux 8 questions. Ton score et les réponses justes ou fausses apparaissent immédiatement.

Réviser au bon moment

Révèle chaque réponse, puis indique la difficulté de ton rappel pour programmer la prochaine révision dans ce navigateur.

Poursuivre le parcours

Sources et traçabilité

Dernière vérification : 2026-08-15

1. Programme de mathématiques complémentaires de Terminale générale, Ministère de l'Éducation nationale, consulté le 2026-08-15.
2. Programmes et ressources en mathématiques, voie GT, Éduscol, consulté le 2026-08-15.