Probabilité pile ou face

Les lancers de pièce sont le modèle classique en classe des épreuves de Bernoulli indépendantes : chaque lancer donne face avec une probabilité p et pile avec une probabilité un moins p, et la suite des résultats ne modifie pas les chances du lancer suivant. Lorsque vous vous intéressez à exactement k faces en n lancers, la forme fermée correcte est la fonction de masse de probabilité binomiale, qui multiplie le nombre de séquences comportant k faces par la probabilité de l'une quelconque de ces séquences. Cette capacité accepte le nombre de lancers n, le nombre exact de faces k et un biais optionnel p (par défaut un demi pour une pièce équilibrée), puis renvoie la probabilité, le coefficient binomial exact sous forme de chaîne décimale, une courte chaîne de formule et un indicateur qui signale les pièces équilibrées. Un k négatif et tout k supérieur à n sont rejetés avec une erreur de validation claire au lieu d'un zéro silencieux ou d'une réponse trompeuse.

Comment fonctionne la probabilité binomiale des lancers de pièce

Modélisez chaque lancer comme une épreuve de Bernoulli indépendante avec une probabilité de succès p égale à la chance d'obtenir face en un seul lancer. Après n lancers indépendants, le nombre de faces X suit une loi binomiale de paramètres n et p. La probabilité d'observer exactement k faces est C(n, k) multiplié par p puissance k et par (1 moins p) puissance n moins k, où C(n, k) est le coefficient binomial qui compte combien de séquences distinctes de longueur n contiennent exactement k faces.

Pour une pièce équilibrée, p vaut un demi, donc chaque séquence particulière de longueur n a une probabilité deux puissance moins n, et la formule se simplifie en C(n, k) sur deux puissance n.

Les vérifications classiques incluent un lancer équilibré avec une face donnant une probabilité d'un demi ; dix lancers équilibrés avec cinq faces donnant C(10, 5) sur 1024, soit 252 sur 1024 ou environ 0.246 ; et une pièce biaisée avec p égal à 0.7 pour trois faces en cinq lancers en utilisant C(5, 3) fois 0.7 au cube fois 0.3 au carré.

Les cas limites comptent pour l'exactitude : si p vaut zéro, seul k égal à zéro a une probabilité de un et tout k positif a une probabilité nulle ; si p vaut un, seul k égal à n réussit ; si n vaut zéro, seul k égal à zéro est possible.

Cette implémentation n'utilise jamais d'échantillonnage Monte Carlo, de graines aléatoires, d'heure système ni de recherches réseau : elle calcule le coefficient binomial exact avec une arithmétique BigInt et évalue la probabilité en espace logarithmique afin que les produits intermédiaires restent numériquement stables pour de grands n.

Les bornes déclarées maintiennent n de zéro à mille inclus et exigent zéro inférieur ou égal à k inférieur ou égal à n, avec p dans l'intervalle unitaire fermé, ce qui suffit pour les manuels, les concours et les jeux de tests tout en gardant prévisible la latence du niveau gratuit.

Où les probabilités binomiales du pile ou face apparaissent dans le travail réel

Les cours d'introduction à la statistique et aux mathématiques discrètes demandent constamment aux étudiants la chance d'obtenir exactement k faces en n lancers, parfois avec une pièce équilibrée et parfois avec une pièce truquée dont le taux de faces n'est pas un demi. La préparation aux entretiens et les concours de programmation réutilisent la même fonction de masse pour compter des motifs de bits, des séries de succès modélisées comme épreuves indépendantes ou des contrôles qualité traitant chaque unité comme réussie ou ratée avec un p fixe.

Les data scientists valident les simulateurs Monte Carlo et les esquisses de puissance d'expériences A/B en comparant les fréquences échantillonnées à la probabilité binomiale en forme fermée pour de petits n avant de passer aux approximations de grands échantillons. Les enseignants construisent des corrigés et des correcteurs automatiques qui exigent une valeur déterministe unique plutôt qu'une simulation aléatoire qui changerait d'une exécution à l'autre.

Les concepteurs de jeux et les démonstrations de probabilité sur le web proposent souvent une pièce équilibrée par défaut tout en autorisant un curseur de biais pour enseigner la dépendance du pic vis-à-vis de p. Si vous avez ensuite besoin de la distribution cumulée P(X inférieur ou égal à k), de quantiles inverses, de tests d'hypothèse contre un p hypothétique ou de génération aléatoire de séquences de lancers, traitez-les comme des intentions de recherche distinctes plutôt que de surcharger cette page.

Gardez n dans la borne documentée pour que la latence du niveau gratuit reste prévisible, et rappelez-vous que la probabilité en virgule flottante est idéale pour le classement et les seuils, tandis que le coefficient binomial en chaîne reste exact pour les vérifications combinatoires.