【Édition HJR】Mathématiques du secondaire, Volume 3 optionnel, Édition A

📚 Résumé du contenu

Ce manuel couvre principalement les contenus avancés de mathématiques au lycée, notamment les principes de dénombrement (addition par catégories, multiplication par étapes, permutations et combinaisons, ainsi que le théorème binomial), les variables aléatoires et leurs distributions (probabilité conditionnelle, distributions discrètes, distribution binomiale et distribution normale), ainsi que l'analyse statistique des données appariées (régression linéaire simple, test d'indépendance).

Explorez les règles du dénombrement, ressentez les lois du hasard, maîtrisez le cœur de l'analyse des données.

Auteur : Zhang Jianyue, Li Zenghu

Remerciements : Ce livre a été approuvé par le comité d'experts du Comité national des manuels scolaires (2019)

🎯 Objectifs d'apprentissage

1. Savoir distinguer avec précision et appliquer les principes de dénombrement par addition par catégories et par multiplication par étapes pour résoudre des problèmes concrets.
2. Comprendre les propriétés des coefficients binomiaux (symétrie, monotonie, somme) et savoir utiliser le triangle de Yang Hui pour résoudre des problèmes de sommation combinatoire.
3. Être capable de construire un modèle mathématique pour analyser le nombre de chemins exécutés par un ordinateur ou la capacité de codage des plaques d'immatriculation automobiles, et de démontrer une forme généralisée du théorème binomial.
4. Maîtriser l'utilisation des formules de probabilité totale et de Bayes pour résoudre des problèmes de calcul de probabilités dans des contextes complexes.
5. Comprendre le concept de variable aléatoire discrète, connaître les propriétés de sa loi de probabilité et être capable de calculer indépendamment son espérance (moyenne) et sa variance.
6. Savoir identifier précisément une expérience de Bernoulli à n épreuves, et distinguer les cas d'application de la distribution binomiale et de la distribution hypergéométrique (échantillonnage avec remise vs sans remise).
7. Pouvoir distinguer entre relation de corrélation et relation fonctionnelle, reconnaître graphiquement une corrélation positive ou négative à partir d'un nuage de points, et calculer le coefficient de corrélation linéaire r pour mesurer l'intensité de la corrélation linéaire.
8. Maîtriser la méthode des moindres carrés pour estimer les paramètres de la régression linéaire simple, établir une équation de régression empirique, et effectuer des prévisions raisonnables ainsi qu'une analyse des résidus.
9. Comprendre les principes fondamentaux du test d'indépendance, savoir formuler une hypothèse nulle, et utiliser la statistique \chi^2 pour juger de l'indépendance entre variables catégorielles.

🔹 Leçon 1 : Principes de dénombrement

Aperçu : Cette séquence aborde la logique centrale du dénombrement, en expliquant en détail les définitions, différences et applications des principes de dénombrement par addition par catégories et par multiplication par étapes. Elle explore également en profondeur la structure du théorème binomial, incluant les régularités numériques du triangle de Yang Hui, la symétrie et la monotonie des coefficients binomiaux, ainsi que les applications concrètes de ces modèles mathématiques aux tests de programmes informatiques et aux règles d'immatriculation civile.

Objectifs d'apprentissage :

• Savoir distinguer avec précision et appliquer les principes de dénombrement par addition par catégories et par multiplication par étapes pour résoudre des problèmes concrets.
• Comprendre les propriétés des coefficients binomiaux (symétrie, monotonie, somme) et savoir utiliser le triangle de Yang Hui pour résoudre des problèmes de sommation combinatoire.
• Être capable de construire un modèle mathématique pour analyser le nombre de chemins exécutés par un ordinateur ou la capacité de codage des plaques d'immatriculation automobiles, et de démontrer une forme généralisée du théorème binomial.

🔹 Leçon 2 : Variables aléatoires et leurs distributions

Aperçu : Ce module couvre l'ensemble du savoir relatif à la probabilité conditionnelle jusqu'aux variables aléatoires discrètes et leurs distributions. Les contenus essentiels incluent les trois formules principales de la probabilité conditionnelle (formule de multiplication, formule de probabilité totale, formule de Bayes) et leurs applications en intelligence artificielle et en théorie des jeux, ainsi que la comparaison entre les distributions binomiale et hypergéométrique.

Objectifs d'apprentissage :

• Savoir utiliser avec aisance les formules de probabilité totale et de Bayes pour résoudre des problèmes de calcul de probabilités dans des contextes complexes.
• Comprendre le concept de variable aléatoire discrète, maîtriser les propriétés de sa loi de probabilité et être capable de calculer indépendamment son espérance (moyenne) et sa variance.
• Savoir identifier précisément une expérience de Bernoulli à n épreuves, et distinguer les cas d'application de la distribution binomiale et de la distribution hypergéométrique.

🔹 Leçon 3 : Analyse statistique des données appariées

Aperçu : Cette leçon vise à guider les élèves vers une compréhension des relations de corrélation non déterministes entre variables, en passant de l'observation visuelle d'un nuage de points à la caractérisation quantitative via le coefficient de corrélation échantillonal. Les élèves apprendront à construire, évaluer et appliquer le modèle de régression linéaire simple.

Objectifs d'apprentissage :

• Savoir distinguer entre relation de corrélation et relation fonctionnelle, reconnaître graphiquement une corrélation positive ou négative à partir d'un nuage de points, et calculer le coefficient de corrélation linéaire r pour mesurer l'intensité de la corrélation linéaire.
• Maîtriser la méthode des moindres carrés pour estimer les paramètres de la régression linéaire simple, établir une équation de régression empirique, et effectuer des prévisions raisonnables ainsi qu'une analyse des résidus.
• Comprendre les principes fondamentaux du test d'indépendance, savoir formuler une hypothèse nulle, et utiliser la statistique \chi^2 pour juger de l'indépendance entre variables catégorielles.