Part I

PROBABILITÉS.
La théorie des probabilités est une branche relativement récente des
théories mathématiques. Le concept des probabilités semblait être
connu des Grecs et des Égyptiens. Cependant, ce n’est que vers le
milieu du XVIIe siècle que l’on peut situer le début de cette théorie.
D’abord limitée à l’étude des jeux de hasard, elle s’est rapidement
étendue à tous les domaines de la Science, en Physique (théorie du
potentiel, physique statistique, physique corpusculaire, ...etc.), en
Informatique, en Économie, en Génétique, en Psychologie, ... etc.
Le mot probabilité ou l’adjectif probable est bien souvent synonyme
du mot chance. Les premiers résultats mathématiques furent intro-
duits par Pascal et Fermat au milieu du XVIIe siècle. Puis, appa-
raissent, à la …n du XVIIecc siècle, le nom de Huyghens et surtout
au XVIIIe siècle, les noms de Bernoulli, De Moivre, Bayes, Laplace,
Gauss et au XXe siècle, Poincaré, Borel, Fréchet, Lévy, Kolmogorov,
Khintchin.... Alors que la théorie du calcul des probabilités s’est
développée rapidement au cours du XXe siècle.

1 Expériences, Evénements Aléatoires

1.1 Dé…nitions générales
De…nition 1 Une expérience aléatoire ou stochastique est une expérience dont
il n’est pas possible de prévoir le résultat (l’issue); on suppose qu’elle peut être
répétée indé…niment dans les mêmes conditions.

Example 2 Jeter d’un dé

Observation de la durée de fonctionnement sans panne d’un appareil.
Jeu de pile ou face
Succession d’appels à un standard téléphonique non surchargé.

De…nition 3 Un résultat ou issue d’une expérience sera notée !; l’ensemble de

tous les résultats (issues) possibles d’une expérience est appelé ensemble fonda-
mental ou univers des possibles et sera noté . . Cet ensemble peut être …ni,
dénombrable ou non dénombrable.

La détermination de l’ensemble fondamental dépend de ce que l’on cherche

à établir.

Example 4 On jette un dé et on désire calculer la probabilité que le chi¤ re

5 sorte; alors l’univers est:

= f1; 2; 3; 4; 5; 6g

1
 Ici est …ni Card ( ) = 6:
On jette le même dé et on veut calculer la probabilité qu’un nombre pair
sorte; dans ce cas, on peut choisir :

= fi; p; où i est pour impair et p pour pairg

Ici est …ni

On jette une pièce de monnaie et on s’intéresse au nombre de fois qu’il
faut lancer la pièce pour obtenir 8 fois ”face”; dans ce cas, on a:

=N f0; 1; 2; 3; 4; 5; 6; 7g

Ici est dénombrable.

La durée de vie d’un appareil donne l’univers

= R+

Ici est non dénombrable.

De…nition 5 Un ensemble A d’issues possibles d’une expérience est un événe-

ment, c’est un sous-ensemble de l’univers, A ; s’il ne contient qu’un seul
résultat f!g, on parle d’un événement élémentaire.

Example 6 Jeter d’un dé: A = f2g est un événement ´ élémentaire, B =

f2; 3; 5g est l’événement ”il sort un nombre premier.”.
Observation de la durée de fonctionnement sans panne d’un appareil: A =
”L’appareil fonctionne plus de 100 heures” ; A = ]100; +1[.

De…nition 7 Un événement A est dit réalisé si le résultat de l’expérience ap-

partient à cet ensemble.

C’est pourquoi on dit que:

est l’événement certain et est l’événement impossible.

Proposition 8 Un univers comprenant n éléments a 2n sous-ensembles, il y a

2n événements possibles.

Proof. Les sous ensembles de cet univers sont les combinaisons de k éléments
pris parmi n éléments; (k = 0; 1; 2; :::; n), i:e

Cn0 + Cn1 + ::: + Cnn = 2n :

2
1.2 Opérations sur les événements
1) À tout événement A est associé son contraire, non A ou A qui est réalisé si
et seulement si A ne l’est pas.
2) Pour tout couple d’événements (A; B); l’événement A \ B est réalisé si
A et B sont réalisés.
3) Pour tout couple d’événements (A; B); l’événement A [ B est réalisé si
l’un des deux ou si les deux sont réalisés.
4) Deux événements A et B sont incompatibles si la réalisation de l’un im-
plique la non réalisation de l’autre.
5) Les événements A1 ; A2 ; ::; An forment un système complet d’événements
ou système exhaustif si les ensembles qui leur sont associés forment une partition
de l’espace .
6) Implication A B ou A =) B: l’événement A ne peut être réalisé sans
que B le soit.
7) A [ B = A \ B; A \ B = A [ B (Lois de Morgon).
8) A \ (B [ C) = (A \ B) [ (A \ C) (Distributivité de \ sur [),
A [ (B \ C) = (A [ B) \ (A [ C) (Distributivité de [ sur \).

De…nition 9 Le couple ( ; A) formé d’un ensemble et d’une tribu A de

parties de est dit espace probabilisable.

Example 10 Au lancer du dé, on considère les événements:

A : ”il sort un nombre premier”.
B : ”il sort un nombre inférieur à 2”.
C : ”il sort un nombre impair ”.
Alors:
A = f2; 3; 5g ; B = f1g ; C = f1; 3; 5g
A[B = f1; 2; 3; 5g est l’événement ”il sort un nombre premier ou inférieur
à 2”.
A \ C = f3; 5g est l’événement ”il sort un nombre premier et impair”.
A = f1; 4; 6g est l’événement ”il sort un nombre non premier”.
A \ B = est l’événement impossible; A et B sont incompatibles.

1.2.1 Expériences composées

Une expérience aléatoire peut être décomposée en deux ou plus expériences
partielles.

Example 11 On lance un dé blanc puis un dé noir, On considère ici l’issue

comme un couple ordonné (i; j), où i désigne le résultat du dé blanc et j celui
du dé noir.
L’univers de cette expérience est

= (i; j) 2 N2 ; 1 i 6; 1 j 6

3
 L’événement ”le dé blanc donne un nombre premier et le noir un nombre
impair” est

A = f(2; 1) ; (2; 3) ; (2; 5) ; (3; 1) ; (3; 3) ; (3; 5) ; (5; 1) ; (5; 3) ; (5; 5)g

2 Probabilité et Espace probabilisé

De…nition 12 Soit ( ; A) un espace d’événements. On appelle probabilité sur
( ; A), une application de A dans [0; 1] telle que:

(i) P ( ) = 1
S P
1
(ii) P ( Ai ) = P (Ai ) pour toute suite (Ai )i2N d’éléments de A deux à
i2N i=1
deux incompatibles.
Le triplet ( ; A; P ) est dit espace probabilisé.

De…nition 13 Si l’univers des issues possibles est …ni et qu’on peut supposer
que toutes les issues soient équiprobables (aucune issue n’est privilégiée), alors
la probabilité que l’événement A se réalise est donnée par :
Card (A) Nombre de cas favorables
P (A) = =
Card ( ) Nombre de cas possibles
Le calcul d’une probabilité dans ce cas se ramène alors à l’analyse combina-
toire.
Attention: Cette formule n’est valable que lorsque les événements élémen-
taires sont bien équiprobables. Dans ce cas, il su¢ t de savoir calculer le cardinal
des ensembles considérés pour calculer les probabilités.

Example 14 n appareils identiques sont mis en service simultanément. Après

un temps T , on constate que k de ces appareils sont en panne. La probabilité de
l’événement A:”un appareil tombe en panne après un temps T ” sera
k
P (A) =
n

2.1 Propriétés élémentaires

De la dé…nition, on peut déduire la proposition suivante:

Proposition 15 Une probabilité P véri…e les assertions suivantes:

(i) 8A 2 A; P (A) = 1 P (A)
(ii) P ( ) = 0
(iii) 8 (A; B) 2 A2 ; P (A [ B) = P (A) + P (B) P (A \ B)
(iv)8 (A; B; C) 2 A3 ;

P (A [ B [ B) = P (A) + P (B) + P (C) P (A \ B) P (A \ C)

P (B \ C) + P (A \ B \ C)

4
 (v) Si A et B; deux événements de A; sont tels que A B; on a alors
P (A) P (B)
(vi) Inégalité de Boole : si A1 ; A2 ; ...; An sont des événements de A, on
a:
n
X
S
n
P( Ai ) P (Ai ):
i=1 i=1

Remark 16 1) P (A) = 0 n’implique pas A = ? L’événement A tel que

P (A) = 0 est un événement presque impossible ou événement négligeable
2) P (A) = 1 n’implique pas A = L’événement A tel que P (A) = 1 est
un événement presque certain.
Example 17 Jet de deux dés distincts. On considère les événements
A: ” Au moins un dé donne 2”.
B: ” Au moins un dé donne 4”.
C: ”La somme des points est 10”.
L’univers est
= f(1; 1) ; (1; 2) ; :::; (6; 6)g ; Card ( ) = 36
L’événement A est
A = f(2; 1) ; (1; 2) ; (2; 2) ; (2; 3) ; (3; 2) ; (2; 4) ; (4; 2) ; (2; 5) ; (5; 2) ; (2; 6) ; (6; 2)g
L’événement B est
B = f(4; 1) ; (1; 4) ; (4; 2) ; (2; 4) ; (4; 3) ; (3; 4) ; (4; 4) ; (4; 5) ; (5; 4) ; (4; 6) ; (6; 4)g
L’événement C est
C = f(4; 6) ; (6; 4) ; (5; 5) ; (5; 6) ; (6; 5) ; (6; 6)g
On obtient
11 1
P (A) = P (B) = ; P (C) =
36 6
Ainsi:
A\C =
B \ C = f(4; 6) ; (6; 4)g
1) A et C sont incompatibles
17
P (A [ C) == P (A) + P (C)
36
2) B et C ne sont pas incompatibles
15
P (B [ C) =
6= P (B) + P (C)
36
11 1 1 15
P (B [ C) = P (B) + P (C) P (B \ C) = + =
36 6 18 36

5
3 Probabilités conditionnelles
La notion de probabilités conditionnelles est l’un des concepts fondamentaux de
la théorie des probabilités. Elle intervient dans les situations suivantes:
– On cherche à calculer la probabilité de réalisation d’un événement alors
qu’une partie de l’information concernant le résultat est connue et on ne souhaite
pas de modi…er la modélisation associée à l’expérience aléatoire considérée.
–Il est parfois beaucoup plus simple de modéliser une expérience aléatoire en
utilisant des probabilités conditionnelles plutôt que d’utiliser toute l’information
disponible pour dé…nir l’espace probabilisés (qui peut être di¢ cile à préciser)
Donc, on s’intéresse à la réalisation de l’événement A sachant l’événement
B est réalisé.

Example 18 On considère l’espace probabilisé ( ; P ( ) ; P ) : On lance deux

fois un dé, l’univers est

= (i; j) 2 N2 ; 1 i 6; 1 j 6

Soit l’événement A : la somme des deux résultats égale 9:

A = f(3; 6) ; (6; 3) ; (4; 5) ; (5; 4)g

Donc
Card (A) 4 1
P (A) = = =
Card ( ) 36 9
Soit l’événement B : obtenir 3 au premier lancer

B = f(3; j) ; j 2 N; 1 j 6g

Donc
Card (B) 6 1
P (B) = = =
Card ( ) 36 6
Maintenant, on pose la question suivante:
Sachant que l’on obtient 3 au premier lancé, qu’elle est la probabilité que la
somme des deux résultats égale à 9? i:e La probabilité de A sachant B:
le nouveau univers est
0
= f(3; j) ; j 2 N; 1 j 6g = \B =B

et le nouveau espace probabilisé est ( 0 ; P ( 0 ) ; P 0 ) où P 0 est la probabilité

uniforme sur 0
On dé…nit dans cet espace, l’événement A0 : la somme des deux résultats
égale à 9.
A0 = f(3; 6)g = A \ B
Donc
Card (A0 ) 1
P (A0 ) = =
Card ( 0 ) 6

6
 Remarquons que l’on aurait pu, en calculant P (A \ B) dans l’espace ( ; P ( ) ; P ) ;
s’a¤ ranchir de cette nouvelle modélisation, puisque
Card (A0 ) Card (A \ B)
P (A0 ) = =
Card ( 0 ) Card (B)
Card(A\B)
Card( ) P (A \ B)
= Card(B)
=
P (B)
Card( )

Example 19 Une urne contient 10 boules blanches, 5 boules jaunes et 10 boules

noires. On tire une boule de l’urne et on constate qu’elle n’est pas blanche, quelle
est la probabilité qu’elle soit jaune
Dans l’espace ( ; P ( ) ; P ) ; On note par B : l’événement "la boule tirée est
blanche", par J : l’événement "la boule tirée est jaune" et par N : l’événement
"la boule tirée est noire", on a donc
Card ( ) = 25
10 2 5 1
P (B) = P (N ) = = ; P (J) = =
25 5 25 5
Comme on constate que la boule tirée n’est pas blanche, i:e : Le nouveau
espace est ( 0 ; P ( 0 ) ; P 0 ) où P 0 est la probabilité uniforme sur 0 avec
0
Card ( ) = 15
D’où la probabilité demandée est
Card (J) 5 1
P = 0
= =
Card ( ) 15 3
De…nition 20 Soient ( ; A; P ) un espace probabilisé, A 2 A; B 2 A tel que
P (B) 6= 0
La probabilité conditionnelle de A sachant B est l’application P de A dans
[0; 1] dé…nie par:
P (A \ B)
P (A=B) =
P (B)
Proposition 21 Soient A; B 2 A, on a
1) P A=B = 1 P (A=B)
2) P (A \ B) = P (A) P (B=A) = P (B) P (A=B)
Remark 22 Si l’événements A et B sont incompatibles, alors:
P (A=B) = 0

3.1 Evénements dépendants

De…nition 23 Deux événements ne sont pas incompatibles A et B sont dits
dépendants si la probabilité de réalisation de l’événement A changé selon que B
est réalisé ou non.

7
3.1.1 Principe des probabilités composées
On tire de la dé…nition de probabilité conditionnelle la formule suivante dite
principe des probabilités composées.

P (A \ B) = P (A=B)P (B) = P (B=A)P (A) (1)

3.1.2 Formule de Poincaré

La formule de Poincaré est la généralisation de principe des probabilités com-
posées

Theorem 24 (formule de Poincaré) que l’on démontre par récurrence

P (A1 \ A2 \ ::: \ An ) = P (A1 )P (A2 =A1 ) P (A3 =A1 \ A2 ) ::: (2)

::: P (An =A1 \ A2 \ ::: \ An 1 )

3.1.3 Evénements indépendants

De…nition 25 Soient A et B deux événements d’un espace probabilisé ( ; A; P ),
tels que P (A) > 0 et P (B) > 0. Les événements A et B sont dits indépendants
si
P (A \ B) = P (A)P (B)

Remark 26 L’indépendance des événements A et B se caractérise aussi par

les relations
P (A=B) = P (A) ou P (B=A) = P (B)
i:e : la probabilité de réalisation de l’événement (A resp B) n’est pas modi…ée
par une information concernant la réalisation de l’événement B (resp A)

Remark 27 1) Les deux concepts, incompatibles et indépendants, sont totale-

ment di¤ érents, car:
La propriété « les événements A et B sont incompatibles » implique:

P (A [ B) = P (A) + P (B)

La propriété « les événements A et B sont indépendants » implique:

P (A \ B) = P (A)P (B)

2) Deux événements incompatibles A et B, avec P (A) > 0 et P (B) > 0, ne

sont jamais indépendants.
En e¤ et, A \ B = ; entraine P (A \ B) = 0 6= P (A)P (B):
3) Deux événements peuvent être indépendants pour une loi de probabilité et
non pour une autre loi.

8
Theorem 28 Soient A et B deux événements tels que P (A) > 0 et P (B) > 0.
Alors les quatre propriétés suivantes sont équivalentes
a) A et B indépendants
b) A et B sont indépendants
c) A et B sont indépendants
d) A et B sont indépendants

Example 29 Une urne contient 12 boules numérotées de 1 à 12. On en tire

une au hasard et on considère les évènements :
A :"tirage d’un nombre pair",
B : "tirage d’un multiple de 3".
L’espace probabilisé qui s’impose naturellement ici est = f1; 2; ::: ; 12g
muni de l’équiprobabilité P . Les évènements A et B s’écrivent :

A = f2; 4; 6; 8; 10; 12g;

B = f3; 6; 9; 12g;
A \ B = f6; 12g
6 1 4 1
P (A) = = ; P (B) = =
12 2 12 3
2 1
P (A \ B) = = ;
12 6
1 1 1
P (A)P (B) = = ;
2 3 6
donc A et B sont indépendants.
On rajoute maintenant dans l’urne une boule numérotée treize et on recom-
mence l’expérience. Les évènements A et B restent les mêmes, mais le modèle
a changé. On a maintenant l’équiprobabilité P0 sur = f1; 2; :::; 13g et :
6 4
P0 (A) = ; P0 (B) = ;
13 13
2
P0 (A \ B) = :
13
Mais
6 4 24 2
P0 (A)P0 (B) = = 6=
13 13 1696 13
Donc A et B ne sont plus indépendants.

En e¤ et:
2
P (A \ B) 12 1
P (A=B) = = 4 = = P (A)
P (B) 12
2

9
 et
1
P (A \ B) 6 1
P (B=A) = = 1 = = P (B)
P (A) 2
3
Mais dans le deuxième cas, nous avons:
2
P (A \ B) 13 1
P (A=B) = = 4 = 6= P (A)
P (B) 13
2
et aussi
2
P (A \ B) 13 1
P (B=A) = = 6 = 6= P (B)
P (A) 13
3

Indépendance deux à deux et indépendance mutuelle Le principe des

probabilités composées se traduit par la formule de Poincaré:
P (A1 \ A2 \ ::: \ An ) = P (A1 ) P (A2 =A1 ) P (A3 =A1 \ A2 ) :::
::: P (An =A1 \ A2 \ ::: \ An 1 )
De…nition 30 Les événements Ai , i = 1; :::; n sont mutuellement indépen-
dants ssi, pour tout
fi1 ; :::; ik g f1; :::; ng, on a:
P (Ai1 \ Ai2 \ ::: \ Aik ) = P (Ai1 ) P (Ai2 ) ::: P (Aik )
Remark 31 L’indépendance mutuelle implique l’indépendance deux à deux
mais la réciproque est fausse.
Example 32 Jet de deux pièces à Pile ou Face:
= fP P; P F; F P; F F g
Cet espace est muni de la probabilité uniforme. On note A l’événement “la
première pièce donne Pile”, B l’événement “la seconde pièce donne Face” et C
l’événement “les deux pièces donnent le même résultat”.
1
A = fP P; P F g; P (A) =
2
1
B = fP F; F F g; P (B) =
2
1
C = fP P; F F g; P (C) =
2
A \ B = fP F g; P (A \ B) = 1=4 = P (A)P (B)
A \ C = fP P g; P (A \ C) = 1=4 = P (A)P (C)
B \ C = fF F g; P (B \ C) = 1=4 = P (B)P (C)
A \ B \ C = ;; P (A \ B \ C) = 0 6= P (A)P (B)P (C)
Ainsi les événements A,B et C sont 2 à 2 indépendants mais ne sont pas
mutuellement indépendants.

10
3.1.4 Formule des probabilités totales
Theorem 33 (Formule des probabilités totales). Soit A un événement tel que
0 < P (A) < 1. Pour tout événement B, on a

P (B) = P (B=A)P (A) + P (B=A)P (A)

Proof. Comme

= A [ A; et B = B \ = B \ A [ A = (B \ A) [ B \ A

et
(B \ A) \ B \ A =
Donc
P (B) = P (B \ A) + B \ A
et par la dé…nition de probabilité conditionnelle en déduire que:

P (B) = P (B A)P (A) + P (B A)P (A)

Theorem 34 (Formule des probabilités totales généralisé). On considère un

événement B de probabilité non nulle et l’ensemble (Ai )i=1;:::;n de toutes les
causes possibles de réalisation de cet événement, cet ensemble forme un ensemble
complet d’événements et l’événement A se produit en même temps qu’un et un
seul des causes Ai , i:e :

B = (B \ A1 ) [ (A \ A2 ) [ ::: [ (A \ An )

Alors
P
n
P (B) = P (B=Ai )P (Ai )
i=1

3.1.5 Probabilité de Bayes

La formule de Bayes nous permet de calculer la probabilité d’un événement
complexe dont on sait qu’un de ces composants (cause) s’est réalisé.

Example 35 Un ensemble de boules blanches (B) et boules noires (N ) sont

réparties dans 2 urnes U1 et U2 . p1 est la proportion de boule blanches dans U1 ,
p2 dans U2 ; q1 = 1 p1 est la proportion de boule noirs dans U1 , q2 dans U2 .
On demande à un opérateur d’e¤ ectuer un tirage en deux temps :
1) d’abord, il choisit une urne, 1 est la probabilité de choisir l’urne U1 , 2
pour U2 ;
2) puis il extrait une boule de l’urne.
Constatant la couleur de la boule (par exemple boule blanche), nous devons
calculer la probabilité que la boule provienne de l’urne U1 (ou U2 ). Cette prob-
abilité conditionnelle est dite Probabilité de Bayes.

11
Theorem 36 (Théorème de Bayes). . Soient ( ; A; P ) un espace probabilisé
et soit A un événement tel que 0 < P (A) < 1. Pour tout événement B. Alors
on a
P (B=A) P (A)
P (A=B) =
P (B=A) P (A) + P B=A P A

Theorem 37 (Théorème de Bayes généralisé). Soient ( ; A; P ) un espace

probabilisé, A1 ; A2 ; :::; An un système complet de : Alors pour tout événement
B de on a
P (B=Ak ) P (Ak )
P (Ak =B) = P
n
P (B=Ai )P (Ai )
i=1

Example 38 Une population composée de 35% d’hommes et 65% de femmes.

On suppose que 3% des hommes et 0; 6% femmes sont albinos. On choisit au
hasard une personne dans cette population.
1) Quelles est la probabilité que cette personne soit albinos?
2) Sachant que la personne est albinos, quelles est la probabilité qu’elle soit
un homme?

Solution 39 A: "La personne choisie est homme"; A : "La personne choisie

est femme" et B : "La personne choisie est albinos". Nous avons d’après les
données

P (A) = 0; 35; P A = 0; 65; P (B=A) = 0; 03; P B=A = 0; 006

1) D’apres le théorème des probabilités totales:

P (B) = P (A) P (B=A) + P P (A)P (B=A)

= 0; 35 0; 03 + 0; 65 0; 006 = 0; 0144

2) Daprès le théorème de Bayes:

P (B=A) P (A)
P (A=B) =
P (B=A)P (A) + P P (B=A)P (A)
0; 35 0; 03
= = 0; 729
0; 0144

12