Cours de

BIOSTATISTIQUES
2A Agronomie

MEDJAHED M.
2020-2021 1
 Objectifs du Cours
• Initiation aux concepts et aux méthodes statistiques
• Introduction aux calculs de probabilités (probabilités,
probabilités conjointes, probabilités conditionnelles
• Introduction aux principales mesures statistiques
• Utilisation des distributions de données et interprétation
des résultats
• Introduction aux concepts d’observation,
d’échantillonnage, d’étude et d’inférence statistique

2
 Compétences visées
• Réaliser des opérations quantitatives simples
• Réaliser des calculs de probabilités
• Interpréter des valeurs normales ou anormales
• Réaliser un travail de statistiques descriptives
• Compréhension des principes de tests
statistiques

3
 Plan du cours
• La méthode scientifique
• Mathématiques, probabilités et statistiques
• Rôles de la méthode statistique.
• Notions de variabilité et de l’incertain
• Variables aléatoires Calculs de probabilités
• Statistiques descriptives (à 1et 2 dimensions)
• Echantillonnage
• Estimation
• Test statistiques
4
 Méthode scientifique
La démarche scientifique est la méthode utilisée par les
scientifiques pour parvenir à comprendre et à expliquer le
monde qui nous entoure.

Elle se déroule en plusieurs étapes : à partir de

l’observation d’un phénomène et de la
formulation d’une problématique, différentes
hypothèses vont être émises, testées puis
infirmées ou confirmées ; à partir de cette
confirmation se construit un modèle ou
théorie.

L’observation et l’expérimentation sont des moyens

pour tester les différentes hypothèses émises.
5
 Exigences de la Méthode scientifique
• Objectivité-Neutralité: la méthode scientifique ne doit subir aucune
influence. Elle doit être rationnelle et s’intéresser aux phénomènes
observables.
• La prise en compte des échecs : toute méthode scientifique qui échoue
doit faire l’objet d’une réflexion, les tests et expériences doivent être
reproduits. Si l’échec persiste, l’hypothèse doit être
revue/reformulée/changée.
• Le doute : elle suppose de douter de tout ce qui n’a pas encore été
prouvé. Dans le domaine de la science, tout ce qui n’a pas encore été
confirmé peut faire l’objet d’un doute.
• L’expérience pratique doit confirmer la théorie : si une idée est testable
avec une expérience scientifique, alors elle respecte la démarche
scientifique (répétabilité).

6
 Méthode scientifique
Si la répétabilité et l’objectivité peuvent être rigoureusement vérifiées
dans le cas de nombreux processus physiques, les phénomènes
biologiques sont caractérisés par la variation et l’incertitude.
Des expériences répétées dans des conditions similaires ne donnent
pas nécessairement les mêmes résultats, car elles sont soumises à des
fluctuations dues au hasard (tout facteur non maitrisé).
En outre, il est souvent impossible d’observer l’ensemble complet des
individus qui forment la population et, dans de telles situations, les
déductions doivent être faites sur la base d’un ensemble
d’échantillons d’observations.
Les méthodes statistiques sont utiles pour choisir objectivement un
échantillon, faire des généralisations valables à partir des observations
faites sur l’ensemble d’échantillons, mais aussi pour mesurer le degré
d’incertitude, ou la fiabilité, des conclusions tirées.

7
 Mathématiques
Ensemble de connaissances abstraites résultant de raisonnements logiques
appliqués à des objets divers tels que les ensembles mathématiques, les nombres,
les formes, les structures, les transformations, etc. ; ainsi qu'aux relations et
opérations mathématiques qui existent entre ces objets (Modèles déterministes).

Probabilités M
Statistiques

Etude mathématique des phénomènes Etude des données d’observation de

caractérisés par le hasard et l'incertitude variables (recueil, traitement, interprétation
(Modèles Probabilistes) et présentation d’ un ensemble de
données.
8
9
 Rôles des statistiques
Le but essentiel des statistiques et le rôle du
statisticien sont précisément d’éviter la subjectivité
et de se rapprocher tant que possible de
l’objectivité par l’application de méthodes
« statistiques » permettant de ;
o effectuer les mesures
o extraire l’information des données
o appréhender l’incertitude et quantifier le risque
d’erreur accepté
10
 Statistiques
Les statistiques c’est donc «L’art de collecter, de
traiter d’analyser et d’interpréter des «données
d’observation» relatives à un groupe d’individus
selon les méthodes scientifiques, pour évaluer la
«fiabilité » des décisions sur lesquelles elles seront
fondées.
C’est un outil d’investigation extrêmement puissant
et robuste? 11
 La variabilité et l’incertain
Les méthodes scientifiques, reflètent une
propriété fondamentale des systèmes biologiques
qui est leur variabilité.
Cette variabilité est la somme d’une variabilité
proprement biologique et d’une variabilité
expérimentale (liée au protocole de mesure). On
écrit ainsi :
Variabilité totale = Variabilité Biologique + Variabilité Métrologique

12
 Variabilité Biologique
La variabilité biologique peut être elle-même
décomposée en deux termes : d’une part la
variabilité intra-individuelle, qui fait que la même
grandeur mesurée chez un sujet donné peut être
soumise à des variations aléatoires ; et d’autre
part la variabilité inter-individuelle qui fait que
cette même grandeur varie d’un individu à
l’autre.
Variabilité Biologique = Variabilité intra-individuelle + Variabilité inter-individuelle

13
 Variabilité Biologique
La variabilité intra-individuelle peut être
observée lors de la mesure de la performance
d’un athlète qui n’est pas capable des mêmes
performances à chaque essai, et qui se
différencie des autres athlètes (variabilité inter-
individuelle).
En général, la variabilité intra est moindre que la
variabilité inter.

14
 Variabilité Métrologique
La variabilité métrologique peut être elle aussi
décomposée en deux termes : d’une part les
conditions expérimentales dont les variations
entraînent un facteur d’aléas ; et d’autre part les
erreurs induites par l’appareil de mesure utilisé.

Variabilité Métrologique = Variabilité Expérimentale + Variabilité instrumentale

15
 Variabilité Métrologique
La mesure de la pression artérielle peut grandement
varier sur un individu donné suivant les conditions de
cette mesure ; il est ainsi recommandé de la mesurer
après un repos d’au moins 15 minutes, allongé, en
mettant le patient dans des conditions de calme
maximal. Cette recommandation vise à minimiser la
variabilité due aux conditions expérimentales. La
précision de l’appareil de mesure est une donnée
intrinsèque de l’appareil, et est fournie par le
constructeur.
16
 Variabilité Métrologique

En pratique, il s’agira de minimiser

les sources de variabilité
métrologique dues aux erreurs de
manipulations : mesure d’une
longueur, préparation de volumes
de solutions, concentrations de
solutions,…etc

17
 La Variabilité en résumé
Variabilité Totale

Variabilité Biologique Variabilité Métrologique

Variabilité Variabilité Variabilité Variabilité

inter-sujet intra-sujet expérimentale instrumentale

18
 Les probabilités
L’objet de la théorie des probabilités est l’analyse
mathématique de phénomènes dans lesquels le
hasard intervient. Ces phénomènes sont appelés des
phénomènes aléatoires.
Un phénomène est dit aléatoire si, reproduit maintes
fois dans des conditions identiques, il se déroule
chaque fois différemment de telle sorte que le résultat
de l’expérience n’est pas connu à l’avance, mais il
change (varie) d’une fois à l’autre de manière
imprévisible.
19
 Phénomènes aléatoires
Exemples de phénomènes aléatoire :
— jeu de pile ou face ;
— jeu de lancer de dés ;
— jeux de cartes ;
— trajectoire d’une poussière de pollen (mouvement
Brownien, Einstein).
— durée de vie d’une ampoule électrique ;
— temps nécessaire à la germination;
— nombre de graines dans une gousse (cosse) ;
— rendements (cultures végétales, productions animales)

20
Travaux de Mendel (1850)

21
 Le hasard en réalité
Dans les exemples (jet de pièce et lancement de dé), la
différence entre les résultats, si on réitère l’expérience, peut être
liée à l’impulsion initiale communiquée au dé, à la rugosité de la
table, aux vibrations du plancher...
Le hasard n’est donc en fait que l’illustration de la
méconnaissance des conditions initiales, car la pièce ou le dé ont
des trajectoires parfaitement définies par la mécanique
classique.
Ainsi, toutes ces expériences présentent comme point commun
des variations liées à la présence de facteurs secondaires influant
sur le résultat de l’expérience qu’on ne sait pas contrôler.

22
 Importance des répétitions
Bien que les comportements aléatoires sont a priori
sujets à des variations imprévisibles, on est cependant
capable de donner des renseignements sur ce type de
phénomènes. L’idée majeure est que ces renseignements
vont être donnés par la répétition de l’expérience.
On peut étudier la fréquence d’apparition de chaque
résultat, la valeur moyenne de ces résultats et les
oscillations (écarts) autour de cette valeur moyenne.
Tout le traitement de ces données est le traitement
statistique .

23
 Répétitions et lois
L’expérience montre que, quand on observe en
grand nombre les phénomènes aléatoires, on y
décèle généralement des lois régissant les
résultats, tout à fait déterminées et stables.
Ex : quelle que soit la pièce non truquée avec
laquelle on joue à pile ou face, quel que soit
l’endroit où l’on joue, si on lance 1 000 fois la
pièce, on aura environ 50 % de piles, 50 % de
faces
24
 Modéliser l’aléatoire
Pour caractériser le mieux possible les fluctuations du
résultat d'une expérience, il est nécessaire de disposer
d'un formalisme mathématique (modèle) permettant
de préciser le mieux possible la connaissance qu'on
peut déduire du résultat des expériences.
Le premier objectif du calcul des probabilités est de
donner cet outil mathématique. Une des utilisation
importantes du calcul des probabilités est la prédiction
aussi précise que possibles de phénomènes malgré les
incertitudes qui les caractérisent.
25
 Théorie des Probabilités
La «théorie des probabilités» ou «Les
probabilités» désignent une branche des
mathématiques qui fournit un formalisme et
des outils de calcul pour analyser ou traiter des
phénomènes aléatoires.

26
 Langage des probabilités
Expériences aléatoires
Toute expérience dont le résultat n’est pas
prévisible à priori est une expérience aléatoire,
aussi appelée épreuve
Un résultat possible de l’expérience est appelé
issue ou éventualité (résultat élémentaire), il est
noté classiquement par la lettre ω.
L’ensemble de toutes les issues possibles, appelé
encore univers, sera noté Ω (espace fondamental).
27
 Langage des probabilités
Ensemble fondamental (Espace fondamental)
Pour une expérience aléatoire donnée, l’ensemble des
résultats possibles est appelé l’ensemble fondamental,
noté E ou Ω .
Chaque résultat d’expérience est un point de E ou un
élément de E.
Exemples :
On lance une pièce à pile ou face : E = {P,F}
On lance un dé : Ω = {1,2,3,4,5,6}
28
 Langage des probabilités
Evénement aléatoire
Un événement A est un sous ensemble de E, c’est-à-dire un
ensemble de résultats.
L’événement {a}, constitué par un seul point de E, donc par
un seul résultat, a ϵ E ,est appelé événement élémentaire.
L’ensemble vide Ø ne contient aucun des résultats possibles :
il est appelé événement impossible.
L’ensemble E contient tous les résultats possibles : c’est
l’événement certain.
Si E est fini, ou infini dénombrable, tout sous-ensemble de E
est un événement ; On note parfois Ω l’ensemble de tous les
événements.
29
 Exemples
On lance deux pièces à pile ou face :
Ω = {PP, PF, FP, FF}
Si on lance deux dès (un rouge et un vert)

Quelle sera la somme des résultats de lancement de

trois dès????
Ω = {3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18}
30
 Langage des probabilités
Les événements aléatoires étant des ensembles, on peut effectuer
les opérations logiques habituelles, avec l’interprétation suivante :
— l’événement Ω est l’événement certain ;
— Ø est l’événement impossible ;
l’événement Ac est l’événement contraire à A ;
— l’événement A ⋂ B est l’événement « A et B sont réalisés » ;
— A ⋃ B est l’événement « A ou B sont réalisés » ;
— si A ⊂ B, la réalisation de l’événement A entraîne la réalisation
de B ;
— si A ⋂ B = Ø, on dit que A et B sont incompatibles (disjoints). Un
résultat de l’expérience ne peut être à la fois dans A et dans B.

31
 Rappels mathématiques
Ensembles, éléments
On appelle ensemble, toute liste ou collection
d’objets bien définis, explicitement ou
implicitement.
On appelle éléments ou membres de l’ensemble
les objets appartenant à l’ensemble.
et on note :

32
33
Opérations sur les ensembles
Soient A et B deux ensembles quelconques,
appartenant à l’Univers E

A B
E
34
Intersection

ou incompatibles

35
Réunion

36
Complémentaire

37
Différence

38
Algèbre des ensembles

39
 Ensembles finis, dénombrables, non
dénombrables
Un ensemble est fini s’il est vide Ø ou s’il contient un
nombre fini d’éléments ; sinon, il est infini :
A = {a1, a2, a3} est fini ;
I = {x ϵ[0,1] } est infini.
Un ensemble infini est dit dénombrable si on peut faire
correspondre de façon unique chaque élément de
l’ensemble à un entier naturel et un seul.
A = {n : n est un entier pair} est un ensemble infini
dénombrable.

40
Ensembles finis non dénombrables
Un ensemble infini est non dénombrable.
Dans la pratique, les seuls ensembles infinis non
dénombrables que nous rencontrerons seront
des intervalles de R :
{x ϵ[a,b] } ou des intervalles de R2 {(x,y) : x ϵ
[a,b], y ϵ [c,d]}

41
 Ensembles produits
Soient A et B deux ensembles ; l’ensemble produit de A
et de B, noté A x B , est l’ensemble de tous les couples
ordonnés (a, b), avec a ϵ A et b ϵ B.
Exemples :
A = {a, b, c} ; B = {1, 2}
A x B = { (a, 1), (a, 2), (b, 1), (b, 2), (c, 1), (c, 2) }
R x R est le plan cartésien, chaque élément de R x R
étant défini par son abscisse et son ordonnée :

42
 Familles d’ensembles : Parties
Les éléments d’un ensemble peuvent eux-mêmes
être des ensembles. On dit alors que ces
ensembles font partie de la même classe ou de la
même famille.
Parties : Soit un ensemble A quelconque. On
appelle famille des parties de A l’ensemble des
sous-ensembles de A.
Exemple : A = {1, 2}
P(A) = {Ø, {1}, {2},{1,2}}
43
 Familles d’ensembles: Partitions
Partition : Une partition d’un ensemble A est
une subdivision de A en sous-ensembles
disjoints dont la réunion forme A.
Notation :
Soit une famille d’ensembles {Ai} = {A1, A2, ....,
An, ....} qui peut être finie ou non. On note :

44
 Rappel sur les sommes
Soit {ai} une suite de termes ai. On note

Propriétés :

45
 Rappel sur les intégrales
Soit f une fonction réelle. L’intégrale définie de
cette fonction sur l’intervalle [a,b] est l’aire
(surface) sous la courbe de f sur l’intervalle [a,b].
Elle est notée

46
 Rappel sur les intégrales
• Propriétés

47
 Eléments de calcul des
Probabilités
Rappel :
Le champ d’application du calcul des probabilités
c’est l’étude et la modélisation des phénomènes
aléatoires (la recherche de lois)

48
 Lois de Mendel
Sur une série suffisamment grande de croisements de deux
espèces A et B, on observait, dans 1/4 des cas, les
caractères de A, et dans 3/4 des cas, les caractères de B.
Une telle régularité fréquentielle a donné lieu à ce qu’on
appelle les lois de Mendel. Cette régularité permet de
prédire la fréquence d’apparition d’un phénomène.

49
 Opérations sur les événements
Comme les ensembles, les événements peuvent se combiner entre
eux pour former de nouveaux événements. Si A et B sont deux
événements, les opérations de combinaison sont :
1. A ⋃ B est l’événement qui se produit si A ou B (ou les deux) est
réalisé. Il est parfois noté (A+B) ou (A ou B).
2. A ⋂ B est l’événement qui se produit si A et B sont réalisés tous
les deux. Il est parfois noté (A.B) ou (A et B).

C
3. A est l’événement qui se produit quand A n’est pas réalisé. On
l’appelle aussi négation de A. Il est parfois noté «non A », ou Ᾱ .

50
 Opérations sur les événements
Evénements incompatibles
Quand deux événements A et B sont tels que :
A ⋂ B = Ø , ils ne peuvent être réalisés
simultanément.
On dit qu’ils s’excluent mutuellement, ou qu’ils
sont incompatibles.

51
 Opérations sur les événements
Système complet d’événements
On dit que les événements A1, A2, ..., An forment
une famille complète si les Ai constituent une
partition de E, c’est-à-dire si :
1. les événements sont deux à deux disjoints :

2. ils couvrent tout l’espace

52
 Exemples
Si nous considérons l’expérience qui consiste a lancer simultanément deux dés, l’ensemble
fondamental est formé de tons les couples de résultats possibles pour les deux des ; nous
dénombrons par conséquent 36 éléments :
Ω = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3), (3,4), (3,5),
(3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1), (5,2), (5,3), (5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5),
(6,6)}.
En fonction de cet ensemble fondamental, nous pouvons par exemple décrire les
évènements suivants :
- la somme des points est égal a six :
A = {{1,5)(2,4),(3,3),(4,2),(5,1)};
- la somme des points est paire :
B = {(1,1)(1,3), (1,5), (2,2), (2,4), ( 2 , 6 ) , . . . , (6,2), (6,4), (6,6)} ;
- la somme des points est inferieure a six :
C = {(1,1)(1,2), (1,3), (1,4), (2,1), (2,2), (2,3), (3,1), (3,2), (4,1)} ;
la somme des points est paire et inferieure a six :
D = { (1,1) , (1,3), (2,2), (3,1) } = B∩C

53
 Exemples
Négations
Soient A et Ᾱ deux évènements :
A = "obtenir un nombre de points pair"
Ᾱ = "ne pas obtenir un nombre de points pair".
Les deux sous-ensembles correspondant sont les
suivants :
A = {2,4,6}
Ᾱ = {1,3,5} .
54
 Exemples
Conjonction
Soient B et C deux évènements :
B = "obtenir un chiffre inferieur à six«  = {1,2,3,4,5}.
C = "obtenir un chiffre impair«  = {1,3,5}.
L’évènement combiné D = "obtenir un chiffre impair et
inférieur à six" est représenté par l’intersection entre B et
C : D = B⋂C = {1,3,5}.
L'évènement " B et C" est appelé conjonction de
l'évènement B et de l'évènement C. II est réalisé lorsque B
et C sont réalisés simultanément.
55
 Exemples
Disjonction
Soient E et F deux évènements :
E="obtenir un chiffre plus petit que 3«  = {1,2}.
F = "obtenir un multiple de 3" = {3,6}.
L'évènement G = "obtenir un chiffre plus petit que 3 ou
multiple de 3" est représenté par l’union de E" et de F : G =
E U F = {1,2,3,6}.
L’évènement "E" ou F " est appelé disjonction de E et F. II
est réalisé lorsque soit E, soit F, ou soit les deux
évènements simultanément se réalisent.
56
57
58
 Règles du calcul des probabilités
Soit un ensemble fondamental E. Nous
introduisons une fonction Pr qui, à tout
événement A, associe un nombre réel positif ou
nul.
Pr est dite fonction de probabilité, et Pr(A) est
appelée probabilité de l’événement A, si les
conditions ou règles suivantes sont satisfaits :

59
 Règles des probabilités
La probabilité d'une combinaison quelconque d’évènements peut être obtenue à
partir des probabilités des évènements élémentaires. Les règles de bases sont :
1. La probabilité de l’évènement certain est la plus grande probabilité que
peut obtenir un évènement : p(Ω) = 1.
2. La probabilité de l'évènement impossible est égale à 0 : si A = (Ø), alors p(A) = 0.
3. Soit Ᾱ la complémentaire de A dans Ω, la probabilité de Ᾱ est égale a 1 moins la
probabilité de A : p(Ᾱ) = 1-p(A).
4. Soient A et B deux évènements incompatibles (A∩B = Ø), la probabilité
De l’union (AUB) est égale à la somme des probabilités de A et de B :
p(AUB)=p(A)+p(B).
5. Soient A et B deux évènements quelconques, la probabilité de AUB est égale à :
p(AUB)= p(A)+p(B)-p(A∩B).

60
 Règles des probabilités
6. Soient A1, A2 , . . . , Am, m évènements mutuellement exclusifs
(deux a deux incompatibles) (Ai∩Aj = Ø, pour tout i ≠ j), la
probabilité de leur union est égale à :
p(A1UA2... UAm)= p(A1)+p(A2)+…….+p(Am)

7. Si les évènements A1, A2 , . . . , Am, sont mutuellement exclusifs

et exhaustifs (Ai∩Aj = Ø, pour tout i ≠ j) et
la probabilité de leur union est égale à :
p(A1)+p(A2)+……+p(Am)= 1.
Dans ce cas, on dit que les évènements A1, A2 , . . . , Am forment
une partition de l’ensemble fondamental
61
 Exemple
Les parents d’Ali (a), de Bahia (b), de Chaker (c), et de Dalila (d)
veulent céder leurs smartphones à deux de leurs enfants
choisis d'une façon aléatoire. Quelle est la probabilité qu'une
fille et un garçon soient choisis ?
L'ensemble fondamental consiste en 6 paires d'enfants. II y a
donc six possibilités : Ω = {ab, ac, ad, bc, bd, cd}.

Chaque possibilité a une probabilité de 1/6.

Les évènements qui nous intéressent sont ceux correspondant
au choix d’une fille et d'un garçon. II y en a quatre :

62
 Exemple
• Fille
  et garçon Evènements
• Ali et Bahia A1 = {ab}
• Ali et Dalila A2 = {ad}
• Chaker et Bahia A3 = {cb}
• Chaker et Dalila A4 = {cd}
• On a donc :
p(A1U A2U A3UA4) = p(A1)+p(A2)+p(A3) +p(A4)
= + + + = =
63
 Probabilités conditionnelles
Quand les évènements sont lies entre eux,
l’information concernant un des évènements
peut modifier la probabilité des autres
évènements. On parle donc de probabilités
conditionnelles.

64
 Exemple
Considérons un parc de 100 voitures réparties selon deux critères, Confort et Vitesse.
Pour simplifier, on fera la distinction suivante :

Soit la répartition des 100 voitures considérées selon ces critères

On choisit dans cet échantillon, une voiture au hasard, chaque voiture ayant
la même probabilité d’être choisie. Le modèle est alors défini par :
Ω = {ensemble des voitures} = {x 1,..., X100},
p(xi) = 1/100 pour tout i, i = 1 , . . . , 100.
65
Soient les deux évènements :
A = « choisir une voiture rapide" et
B = « choisir une voiture confortable".
En se référant à la première colonne et a la première ligne du
tableau respectivement, on obtient :

puis, en tenant compte du nombre de voitures rapides et

confortables :

66
Imaginons maintenant que l’observateur connaisse
une partie de l’information : la voiture qui a été
choisie est rapide. II peut alors se demander quelle
est la probabilité pour qu'elle soit aussi confortable.
Cette probabilité est désignée par p(B\A), qui
signifie "probabilité de B sachant que l'évènement
A s'est déjà réalisé", ou probabilité de B
conditionnée par A.
Dans ces conditions, nous avons :

67
 Probabilité conditionnelle
La probabilité p(B\A) est appelée probabilité conditionnelle. D’une
façon générale, la probabilité conditionnelle d'un évènement B
sachant A est décrite par :

La probabilité de A étant considérée comme différente de zéro, p(A)

≠ 0.
En multipliant les deux cotés de cette identité par p(A), nous
obtenons :

On peut vérifier que l’ordre est indiffèrent et nous pouvons avoir

également l’expression suivante :

68
 Independence
En langage courant, quand deux évènements ne
sont pas liés entre eux, on dit qu'ils sont
indépendants.
En théorie des probabilités, on utilise le mot
"indépendant" plus ou moins dans le même
sens mais avec une définition précise.
Considérons l’exemple du lancement d'un dé, et
définissons les évènements suivants :

69
A = "obtenir un nombre inferieur a 5«  = {1,2,3,4}.
B = "obtenir un nombre pair " = {2,4,6}.
A∩B = "obtenir un nombre pair inférieur à 5"= {2,4}.
• On a les probabilités suivantes :

70
On dit à l’observateur que le lancement du dé a produit une valeur
inférieure à 5 (on lui donne donc l’information que "A s'est produit")
et on lui demande maintenant quelle est la nouvelle probabilité de B,
L'observateur calcule la probabilité conditionnelle

II constate que la probabilité de B conditionnée par A est égale à la

probabilité de B. La probabilité de B n'est pas modifiée par
l’information fournie concernant A.
On dit alors que B est indépendant de A.
De même, si l’on donne à l'observateur l’information «B s'est
produit", il calcule la nouvelle probabilité A

A nouveau la probabilité de A n'est pas modifiée par

l’information fournie. A est donc indépendant de B. 71
Si A est indépendant de B, B est forcement
indépendant de A.
Nous pouvons donc dire que A et B sont
indépendants.
A et B sont indépendants si et seulement si :

72
 Analyse combinatoire
Reprenons l’expérience aléatoire du lancement d'un dé.
Nous avons trouvé la probabilité de A et la probabilité de B
par intuition. Pour trouver la probabilité de A (obtenir un
nombre inferieur à 5), nous avons compté le nombre
d’éléments dans l’ensemble A que nous avons divisé par le
nombre d’éléments de l’ensemble fondamental, c'est-à-
dire le nombre de cas possibles de l’éxpérience. Nous
avons effectivement établi l’égalité suivante :

73
Dans cet exemple et dans beaucoup d'autres
situations, les nombres de cas favorables et de
cas possibles de l'expérience sont intuitivement
faciles à dénombrer.
II y a d'autres exemples dans lesquels ce
dénombrement n'est pas aussi évident.

74
 Exemples
Dans un pays de 23 départements, chaque département a
deux représentants auprès de l’état. On choisit par tirage
au sort une commission de 23 membres par mi les 46
conseillers. Quelle est la probabilité que tous les
départements soient représentes ?
Dans une société de 12 membres, on désigne au hasard 3
personnes qui feront partie d'une commission. Quelle est
la probabilité pour deux amis d’être choisis ensemble.
Ce type de dénombrement est facilité par la connaissance
de l’analyse combinatoire.

75
 L’analyse combinatoire
L'analyse combinatoire est l’étude des
différentes manières de "ranger«  des objets.
Ces objets peuvent être des nombres, des
individus, des lettres, etc.
Nous examinerons ici les cas qui se présentent le
plus fréquemment

76
 Permutations
On appelle permutation un rangement, ou un classement
ordonné de n objets.
Si nous disposons de trois objets a, b et c, les permutations
possibles sont les suivantes :

abc acb bac bca cab cba

soit 6 permutations au total. Le nombre de permutations
possibles de 3 objets est égal à 3! = 1 x 2 x 3. Dans le cas
général, le nombre de permutations de n objets est égal à
n! = 1 x 2 x 3 x …… x n.

77
 Permutations avec répétition
Le nombre de permutations que l’on peut obtenir si certains des objets sont identiques est
plus faible que si tous les objets étaient distincts. Par exemple, nous désirons "ranger" trois
boules vertes et deux boules bleues toutes identiques excepté leur couleur. Nous avons bien 5
objets à notre disposition, mais nous ne pouvons pas faire la distinction entre les boules vertes
ou les boules bleues.
Le nombre de permutations possibles sera donc plus restreint (petit) que le nombre de
permutations de 5 objets distincts qui est 5! = 120.
II faudra diviser ce résultat par le nombre de permutations possibles des boules vertes (3!= 6)
et celui des boules bleues (2!=2) puisqu'elles ne sont pas différentiables. Le nombre de
permutations sera donc égal à :

Dans le cas général, lorsque nous avons n objets comprenant respectivement n 1, n2, …nr
termes identiques, le nombre de permutations est égal à :
78
 Arrangements
II faut distinguer le cas où l’on range des objets en tenant compte
de l’ordre du cas ou l’ordre n'importe pas. Dans le cas où l’on tient
compte de l’ordre, nous parlerons d'arrangements. Nous désirons
savoir par exemple combien de nombres à trois chiffres peuvent
être formés avec l’ensemble {1,3,5,7,9}.
II est clair que l’ordre des chiffres est important : 193 est différent
de 319.
Pour dénombrer tous les cas possibles, nous parlerons
d'arrangements de trois chiffres parmi cinq. Si les trois chiffres
doivent être tous distincts (différents), nous parlerons
d'arrangement sans remise ou d'arrangement sans répétition.
Dans ce cas, le nombre d'arrangements est égal à :

79
Dans le cas général, si nous devons trouver le
nombre d'arrangements possibles de k objets
parmi n sans remise, nous appliquerons la
formule suivante :

80
 Arrangements avec répétition
Si en revanche le même chiffre peut apparaitre
plusieurs fois, nous parlerons d'arrangement avec
remise ou d'arrangement avec remise. Dans ce
cas, le nombre d'arrangements est égal à :

Appliquée à notre exemple, cette formule nous

donne
On peut former donc 125 nombres différents de
trois chiffres avec les cinq chiffres 1, 3, 5, 7 et 9.
81
 Combinaisons
Si I 'ordre dans lequel les objets ont été choisis ne
nous intéresse pas, nous pouvons parler de
combinaisons. C'est le cas si nous désirons tirer
d'une urne qui contient quinze numérotées, cinq
boules au hasard.
Ce qui nous intéresse ici, c'est le numéro que
portent les boules. L'ordre dans lequel ces boules
ont été tirées nous importe peu. A nouveau, il faut
distinguer les cas avec remise des cas sans remise.
82
 Combinaisons sans répétition
•Si  les boules ne sont pas remises dans l’urne après chaque
tirage, nous parlons de combinaisons sans remise, ou de
combinaisons sans répétition. Dans notre exemple, le
nombre de combinaisons possibles se calcule comme suit :

La formule générale du nombre de combinaisons sans

remise de k objets parmi n est égale à :

La notation représente les coefficients binômiaux et se lit

« n binômial k ».
83
 Combinaisons avec répétition
Si, après chaque tirage, on remet la boule extraite dans
l’urne, il est possible qu'une boule soit tirée plusieurs
fois. Nous parlons alors de combinaisons avec remise ou
de combinaisons avec répétition. Le nombre de
combinaisons avec remise de k objets parmi n est égal à
« (n+k-1) binomial k”, nous le notons ainsi :

Appliqué à notre exemple, on obtient :

II y a donc 11 628 combinaisons possibles avec remise

84
Les différents types de rangements sont illustrés avec un exemple de 4 objets
(A, B, C et D) pour lesquels il s'agit d’énumérer toutes les permutations,
arrangements et combinaisons de deux lettres et ce, avec et sans remise :

85
 Variables aléatoires discrètes
Une variable dont la valeur est déterminée en fonction
du résultat d'une expérience aléatoire est appelée
variable aléatoire.
On distingue généralement les variables aléatoires dites
discrètes de celles qualifiées de continues.
Les variables aléatoires présentées dans cette partie
sont caractérisées par leur état "discret", à savoir que
pour chaque valeur admise pour ce type de variable est
associée une probabilité strictement positive ou nulle ;
la somme des probabilité positive étant égale à 1.
86
 variable aléatoire discrète et lois de
probabilités
Ce chapitre a pour objectif de présenter les
différents concepts relatifs à une variable
aléatoire discrète ainsi que les lois de
probabilités discrètes les plus utilisées, à savoir
la loi de Binomiale, la loi de Bernoulli et la loi de
Poisson.

87
 Nature d'une variable aléatoire
Lorsqu'on jette une pièce de monnaie dix fois, on obtient à chaque fois soit
pile soit face. On peut donc prendre pour résultat de cette expérience la suite
"PPFPFFPPFP", par exemple.
Supposons que l’on s’intéresse au nombre de "face" que contient cette suite
de dix éléments. On peut associer le résultat à un nombre entier situé entre 0
et 10.
Nous obtenons donc une fonction définie sur l’ensemble fondamental qui
prend des valeurs comprises dans l’ensemble { 0 , 1 , . . . , 10}.
La fonction associée à un résultat quelconque d'une variable aléatoire est généralement désignée
par une lettres de l’alphabet (en majuscule) et est elle-même appelée variable aléatoire.
Une variable aléatoire est donc une fonction à valeurs réelles définie sur l’ensemble fondamental.
Autrement dit, une variable aléatoire réelle X est une application de Ω dans R : X: Ω R
Une variable aléatoire entière positive X est une application de Ω dans N :
X: Ω N

88
 Exemple
Si on lance une pièce de monnaie trois fois,
l’ensemble fondamental est :
Ω = {PPP, PPF, PFP, FPP, PFF, FPF, FFP, FFF}
où P représente "pile" et F "face".
La séquence PPP signifie que les trois lancers ont
donné trois piles ; PPF indique que les deux premiers
lancers ont donné deux piles et le troisième une face ;
et ainsi de suite pour les autres séquences possibles.

89
A partir de cet ensemble, nous pouvons définir
diverses variables aléatoires dont, par exemple, les
variables aléatoires X, Y et Z :
X= nombre total de "pile" ;
Y = nombre de "pile" lors des deux premiers essais;
Z = nombre de "pile" lors des deux derniers essais.

90
Evènements et variables aléatoires
Sur le tableau, nous trouvons la
liste des 8 évènements et la
valeur des variables aléatoires
X, Y et Z correspondante.
On remarque que X est une
variable aléatoire prenant une
valeur dans l’ensemble
{0,1,2,3}. Y et Z sont aussi des
variables aléatoires définies sur
l’ensemble fondamental, qui
prennent des valeurs incluses
dans l’ensemble {0,1,2}.
91
Sur le tableau, nous trouvons la liste des 8
évènements et la valeur des variables aléatoires
X, Y et Z correspondante. On remarque que X est
une variable aléatoire prenant une valeur dans
l’ensemble {0,1,2,3}. Y et Z sont aussi des
variables aléatoires définies sur l’ensemble
fondamental, qui prennent des valeurs incluses
dans l’ensemble {0,1,2}.

92
Alphabet grec

93