S.

BENHMIDA Calcul des probabilités

I) Définitions et vocabulaire

On donne les définitions et le vocabulaire de

bases qui seront utilisés dans les
Chapitre 2 paragraphes et les chapitres suivants.

 Expérience (ou épreuve) aléatoire : C’est

une expérience dont on ne peut pas prévoir
Notion de probabilité le résultat avec certitude.
Cependant les résultats possibles d’une
et généralités expérience aléatoire sont connus a priori.

Exemples: - Jeter un dé à six faces.

- Tirer une boule dans un urne. 2
1

 Espace (ou ensemble) fondamental : C’est   est appelé événement certain.

l’ensemble de tous les résultats possibles  Ø est appelé événement impossible.
d’une expérience aléatoire.
 Deux événements A et B sont dites
Généralement on le note  (oméga). incompatibles s’ils ne se réalisent pas
 Un élément de  est appelé événement simultanément c.à.d AB=Ø.
élémentaire (ou éventualité), on le note . Exemple: Pour le jet d’un dé à six faces, les
 Une partie de  est appelée événement. événements A=« avoir un nombre pair » et

Exemple: Pour le jet d’un dé à six faces, on a, B=« avoir un nombre impair » sont
incompatibles
 = {1, 2, 3, 4, 5, 6}.
Remarque:  peut être fini, infini
3 est un événement élémentaire. dénombrable ou infini non dénombrable.
E= {3, 6} est un événement. 3 4

 On appelle tribu d’événements sur  toute  Le couple (, A) est appelé espace
partie A de P () vérifiant : probabilisable.
i)   A  On appelle probabilité (ou lois de
probabilité) sur l’espace probabilisable (, A),
ii) Si E  A , alors Ec  A
toute application P de A dans [0 , 1]
iii) Si (Ei)iN est une suite dénombrable vérifiant:
d’éléments de A , alors  Ei  A. i) P() = 1 (axiome de normalisation)
iN
(A est stable par les opérateurs  et c)
ii) Pour toute suite (Ei)iN d’événements
Remarque: Généralement, si  est fini on de A incompatibles deux à deux, on a:

prend A = P () et dans ce cas, la condition
P(  Ei )   P( Ei )
iii) se réduit à, iN i 1

si E1  A et E2  A , alors E1  E2  A.
5
(axiome complet des probabilités totales). 6

Chapitre 2 1
S. BENHMIDA Calcul des probabilités

En particulier si E1 et E2 sont deux

application P de  dans [0 , 1] vérifiant :
événements incompatibles on a:
P(E1  E2) = P(E1) + P(E2).  P( ) 1

Où P(E) désigne la probabilité de l’événement E.
Ainsi, pour déterminer la loi de probabilité, il
 Le triplet (, A, P) est appelé espace suffit de connaître les probabilités de tous les
probabilisé. événements élémentaires.
Et pour tout événement E , on a:
Remarque : Pour tout E  A, on a toujours,
P( E )   P( )
E
0≤ P(E) ≤ 1.
 Si  est fini ou infini dénombrable, on
définit une lois de probabilité comme une 7 8

Exemple: Soit une expérience aléatoire qui a  Si  est fini et si tous les événements
7 résultats possibles dont les probabilités élémentaires ont la même probabilité, on dit
sont les suivantes: qu’il y a équiprobabilité de ces événements et
que la loi de probabilité est uniforme. On
Evénement 1 2 3 4 5 6 7 montre alors que la loi de probabilité est
élémentaire i définie par :
P(i) 0,2 0,1 0,1 0,3 0,15 0,05 0,1 P: [0 , 1]
 P()=1/card()
Pour A={2, 4, 5}, on a:
Ainsi, pour tout événement E , on a:
P( A)   P(i )  P(2 )  P(4 )  P(5 )
i A
card ( E ) nombre de cas favorables
P( E )  
 0,1  0,3  0,15  0,55. card () nombre de cas possibles
9 10

Exemple: Pour le jet d’un dé équilibré, soit Exemple: Pour le jet d’un dé équilibré, soient
A=« avoir un multiple de 3 » ={3; 6}. A =« avoir un multiple de 3 » ={3; 6} ,
La loi est uniforme et on a card()=6 et B = «avoir un six »= {6}.
card(A)=2. Donc P(A)=2/6 =1/3=0,3333. C = «avoir un as »= {1}.
D = «avoir un nombre impair »= {1, 3, 5}.
 Si A est un événement d’un espace i) AB = {6}, P(A)= 2/6 et P(AB )=1/6,
fondamental  tel que P(A)  0, et B un
événement quelconque de , la probabilité donc, P(B/A)=(1/6)/(2/6) =1/2=0,5.
de B sachant que A est réalisé est appelée la ii) AC =Ø donc P(AC )=0 d’où,
probabilité conditionnelle de B sachant A. On
P(C/A)=0/(2/6) =0.
la note P(B/A) et elle est définie par :
iii) AD = {3}, P(D)= 3/6 et P(AD )=1/6,
P( A  B)
P( B / A)  donc, P(D/A)=(1/6)/(2/6) =1/2=0,5=P(D).
P( A) 11 12

Chapitre 2 2
S. BENHMIDA Calcul des probabilités

 Soient A et B deux événements d’un espace

On remarque que : P(B/A) =0,5>P(B)=1/6,
fondamental  tels que, P(A)  0 et P(B)  0,
P(C/A)=0<P(C)=1/6 et P(D/A)=P(D)=0,5.
on dit que A et B sont indépendants si:
On vérifie aussi que P(A/D)=P(A)=1/3.
P(B/A)=P(B) ou P(A/B)=P(A).
On dit que les probabilités conditionnelles de
Par conséquent, la condition nécessaire et
B et C dépendent de la réalisation de A, alors
suffisante pour que A et B soient
que la probabilité conditionnelle de D est
indépendants est donnée par:
indépendante de la réalisation de A.
P(AB)=P(A)P(B).

13 14

II) Propriétés d’une loi de probabilité  Plus généralement, pour une famille de n
événements A1, A2, …, An on a la formule de
1) Propriétés générales
Poincaré: (théorème des probabilités totales)
Soient A et B deux événements d’un
n n
espace probabilisé (, A, P). Alors on a: P ( Ai )   P( Ai )   P ( Ai Aj )
i 1 i 1 1i  j  n
 P(Ac)=P()-P(A) = 1-P(A).
 Si AB alors P(A)≤P(B).   P( Ai Aj Ak )  . . . . .
1i  j  k  n
 P(AB)=P(A)+P(B)-P(AB).
(1) n1 P ( A1 A2 ..... An ).
Mais si, A et B sont incompatibles (AB=Ø),
on a: P(AB)=P(A)+P(B).
15 16

 Mais, si les Ai sont incompatibles deux à

deux, c.à.d. AiAj =Ø pour i ≠ j , alors on a:  P(AB)=P(A)-P(AB) ou P(A)=P(AB)+P(AB).

n n  P(AB)=P(B)-P(AB) ou P(B)=P(AB)+P(AB).
P( Ai )   P( Ai ).  Soit C est un événements de  tel que
i 1 i 1
P(C)0, alors on a:
 En particulier, si A1, A2, …, An forment un
▪ P(A/C)=1-P(A/C).
système complet d’événements de , c.à.d.
n ▪ P[(AB)/C]=P(A/C)+P(B/C)-P[(AB)/C].
(AiAj =Ø pour i ≠ j et  Ai   ) alors on a :
i 1 Exercice: Montrer que si A et B sont
n n
indépendants alors, A et Bc, Ac et B, Ac et Bc
P()  P( Ai )   P( Ai )  1.
i 1 i 1 sont aussi indépendants.
17 18

Chapitre 2 3
S. BENHMIDA Calcul des probabilités

 Indépendance totale et deux à deux

2) Théorème des probabilités composées
Soient A1, A2, …, An n événements de  tels Soient A1, A2, …, An n événements de .
n
que P(  A )0, alors on a: ▪ On dit que ces événements sont
i
i 1 totalement (ou mutuellement) indépendants si
n pour tout entier k (2≤ k ≤ n), on considère k
P( Ai )  P( A1 )  P( A2 / A1 )  P( A3 / A1 A2 )  . . . événements distincts parmi les n, alors ils
i 1
sont indépendants.
 P( An / A1 A2 . . . An1 ).
▪ On dit que ces événements sont deux à
En particulier pour n=2 , on retrouve: deux indépendants si, on considère 2
P(A1A2)=P(A1) P(A2/A1). événements distincts parmi les n, alors ils
19
sont indépendants. 20

Remarques : Exercice d’application: Soit une boîte contenant

i) Des événements qui sont mutuellement
20 composants électroniques dont 4 sont
indépendants sont en particulier deux à deux
défectueux. On y tire au hasard et
indépendants mais la réciproque n’est pas
successivement 3 composants, avec remise
vraie.
si le composant est normal, sinon on le
ii) D'après le théorème des probabilités garde.
composées, si les événements A1, A2, …, An 1) Calculer la probabilité d’avoir les trois
sont mutuellement indépendants , alors on a: composants défectueux.
n 2) Calculer la probabilité d’avoir les trois
P( Ai )  P( A1 )  P( A2 )  P( A3 )  . . .  P( An ).
i 1 21 composants normaux. 22

Solution: Si on note les événements, 3) Théorème de Bayes (Probabilités des causes)

Di =« avoir un cp. défectueux au ième tirage ». Soient (E1, E2, …, En) une partition (ou un
système complet d’événements) de , et R un
Ni =« avoir un cp. normal au ième tirage ».
événement tel que P(R)0. Etant données :
1) P(D1D2D3)= P(D1)P(D2 /D1)P(D3 /D1D2)
i) Les probabilités a priori P(E1), P(E2), …, P(En).
= (4/20)(3/19) (2/18)=0,0035.
ii) Les probabilités conditionnelles P(R/E1),
P(R/E2), …, P(R/En).
2) P(N1N2N3) = P(N1)P(N2/N1)P(N3/N1N2)
Alors on a les probabilités a posteriori :
=P(N1)P(N2)P(N3)=(16/20)(16/20)(16/20)
P( Ei R) P( Ei ) P( R / Ei )
=(4/5)3 = 0,512. P( Ei / R)   n
.
P( R)
 P( E j ) P( R / E j )
23 j 1 24

Chapitre 2 4
S. BENHMIDA Calcul des probabilités

Exercice d’application: Dans une usine, 3 Solution: Si on note les événements,

machines fabriquent des pièces mécaniques D =« la pièce est défectueuse».
dans les proportions respectives suivantes:
Mi =« la pièce est fabriquée par la ième machine ».
p1=25%, p2=35% et p3=40%. On sait que le
les taux de production de pièces On a:
défectueuses par les 3 machines sont i) P(M1)=0,25; P(M2)=0,35 et P(M3)=0,4.
respectivement de 10%, 5% et 1%. ii) P(D/M1)=0,1; P(D/M2)=0,05 et P(D/M3)=0,01.
On choisit au hasard une pièce dans un lot de Donc par le théorème de Bayes on calcule la
pièces fabriquées par l’usine et on constate
probabilité a posteriori P(M3 /D):
qu’elle est défectueuse. Quelle est
probabilité qu’elle soit fabriquée par la 3ème P( M 3 ) P( D / M 3 ) 0,004
machine? P( M 3 / D)  3
  0,086.
0,0465
 P( M j ) P( D / M j )
25 j 1 26

4) Lois des tirages probabilistes On pose pi =Ni/N la proportion des individus de

la ième catégorie dans la population.
Assez souvent on est amené dans la pratique a
effectuer des tirages probabilistes (au Si on choisit au hasard n individus dans la
hasard) dans une population pour en extraire
population, on cherche à calculer la probabilité
des échantillons (Sondages, Enquêtes,
Contrôle, …). d’avoir un échantillon constitué de : n1

Supposons qu’on a une population de N individus de la catégorie 1, n2 de la catégorie

k
individus répartis en k catégories de tailles 2, … et nk de la catégorie k avec,  ni  n.
respectives N1, N2, … et Nk avec, i 1
Le calcul de cette probabilité, que l’on note
k
P(n1, n2, … , nk), dépend du mode de tirage et
 Ni  N . de l’ordre des individus. Ainsi on a
i 1
27 28

a) Tirage avec remise et avec ordre b) Tirage sans remise et avec ordre
Si on désigne par E la population des N
individus, alors l’espace fondamental 2 = l’ensemble de tous les n-échantillons
associé à cette expérience aléatoire est égal ordonnés et sans répétition.
n
à l’ensemble de tous les n-échantillons On a, card(2)= AN et la loi de probabilité
ordonnés et avec répétition. sur 2 est uniforme. D’où :
On a 1=En, card(1)=Nn et la loi de
probabilité sur 1 est uniforme. D’où :
ANn11  ANn22  ... ANnkk
P2 (n1 , n2 , ... , nk )  .
N1n1  N 2n2  ... N knk ANn
P1 (n1 , n2 , ... , nk ) 
Nn
 p1n1  p2n2  ... pknk .
29 30

Chapitre 2 5
S. BENHMIDA Calcul des probabilités

c) Tirage sans remise et sans ordre

Remarques :
3 = l’ensemble de tous les n-échantillons i) Ce tirage est équivalant au tirage des n
non ordonnés et sans répétition ou bien (les individus simultanément.
parties de E ayant n éléments).
ii) Dans le cas particulier où k=2, on a :
On a, card(3)= C n et la loi de probabilité
N
sur 3 est uniforme. D’où : CNn11  CNn22
P3 (n1 , n2 )  .
CNn
CNn11  CNn22  ... CNnkk C’est la loi hypergéométrique.
P3 (n1 , n2 , ... , nk )  n
.
C N

31 32

d) Tirage avec remise et sans ordre Ainsi, à chaque n-échantillon de 4 on associe

4 = l’ensemble de tous les n-échantillons non tous les n-échantillons de 1 qui le réalisent.
ordonnés et avec répétition. Or, on a autant de ces n-échantillons que de
On a, card(4) = K n
et la loi de probabilité permutations avec répétition de n individus
N
sur 4 n’est pas uniforme. dont n1 de la catégorie 1, n2 de la catégorie 2,
Dans ce cas on se ramène à l’utilisation de la … et nk de la catégorie k, c.à.d
loi de probabilité uniforme sur 1 (espace n!
pn (n1 , n2 , . . ., nk ) 
associé à la même expérience ‘tirage avec n1!n2! . . .  nk !
remise’) pour calculer les probabilités des
et chacun de ces n-échantillons de 1 a une
événements élémentaires de 4.
33 probabilité égale à P1 (n1 , n2 , ... , nk ) 34

D’où :
P4 (n1 , n2 , ... , nk ) 
pn (n1 , n2 , ... , nk )  P1 (n1 , n2 , ... , nk )
n!
  p1n1  p2n2  ... pknk .
n1!n2 ! . . .  nk !
C’est la loi multinomiale.

Remarque : Si k=2, on a la loi binomiale,

n!
P4 (n1 , n2 )   p1n1  p2n2  Cnn1  p1n1  p2n2
n1!n2! 35

Chapitre 2 6