/

PROBABILITES

1 Denombrernent

1.1 Principe Fondament al du Comptage

Si une operation peut-etre effectuee de nl [aeons differentes, puis qu'une seconde peut-etre effectuee de n2 facons differentes ... et qu'une kieme operation peut-etre effectuee de nk facons differentes, alors les k operations peuvent etre effectuees de nln2 ... nk facons differentes.

1. Si un individu possede 8 chemises, 6 cravates et 5 pantalons, il peut alors s'habiller de 8 x 6 x 5 = 240 [aeons differentes.

2. Si l'on jette deux des cubiques il y a 6 X 6 = 36 resultats distincts

1.2 Permutations et Arrangements

- Soient n objets donnes et distincts. On souhaite en aligner r.

- Dans Ia mesure ou il y a n manieres de choisir le premier, n -1 manieres de choisir le second, ... , et finalement n - r + 1 manieres de choisir le rieme ; il resulte du principe fondamental de comptage que le nombre d'arrangements est: n(n -1)(n - 2) ... (n - r + 1) nombre que l'on note A~.

A~ est Ie nombre d'arrangements de n objets pris r a r

- On a:

AT= n!

n (n-r)!

- Rappel: !

n! se lit "factorielle n"

Definition 1

{ O! = 1

V n E ~ * n! = 1 . 2 . 3 .... n

1

O! = 1 6! = 720
1 ! =1 7! = 5'040
2! =2 8! = 40'320
3! =6 9! = 362'880
4! = 24 10! = 3'628'800
5! = 120 ll! = 39'916'800
n! augmente tres vite quand ti augmente. 1. Le nombre d'arrangements de 3 objets pris parmi les quatre de l'ensemble E = {a, b, c, d} est A~ = 24

ak a~ a~ a~ a~ a~ bac bad bcd bca bdc bda cab cad cba cbd cda cdb dab dac dba dbc dca dcb

2. Dans un tierce de 20 chevaux il y a A~o = i~: = 6840 tierces possibles. - Permutations

Si l'on range ri objets dans n cases, le nombre de dispositions possibles est alors

A~ = ti (n -: 1) (n - 2) ... 2.1 = n!

Chacune de ces dispositions est appelee permutation

1. Le nombre de facons de ranger 3 objets a, b, c est 3! = 6

abc acb bac bca cab cba

2. Si l'on me donne les 6 chiffres d'un code secret (dans le desordre ) le nombre d'essais pour etre sur de trouver le code est 6! = 720

- Permutations avec repetitions

Si dans ti objets, p d'entre eux sont indiscernables, toute permutation de ces p objets a I'interieur d'une permutation des n objets fournit une nouvelle permutation qui ne se distingue pas des precedentes, Le nombre de permutations distinctes des n objets est done egal au quotient du nombre de permutations des n objets par le nombre de permutations des p objets semblables; nombre que l'on note

2

, P? = n.

n ,

p.

De facon generale, si nl objets sont semblables entre eux, n2 aut res sont semblables entre eux, ... , nk aut res sont semblables entre eux, le nombre de permutations qui apparaitront differentes sera:

( a) Le nombre de permutations differentes des 111ettres du mot MISSISSIPPI

est:

11!

1 !4!4!2! = 34650

(b) 5 billes rouges, 2 billes blanches et 3 billes bleues sont rangees en ligne.

Si les billes d'une couleur donnee sont indiscernables il y a :

10! 20 1· ibl

-, -, -, = 25 a ignements POSSI es

5.2.3.

- Dans le cas des permutations (ou des arrangements) nous nous interessions a l'ordre dans lequelles objets sont ranges (abc est une permutation differente de bea). Or, on peut ehercher a selectionner des objets sans aucune reference a leur ordre. De telles selections sont dites combinaisons (abc et bca constituent la meme combinaison).

1.3 Combinaisons

Etant donnes n objets formant un ensemble E, on appelle combinaison de p objets pris parmi n, toute partie de E a p elements.

Le nombre de combinaisons de p objets pris parmi ti est note C~.

Toute combinaison de p objets conduit a p! arrangements distincts en rangeant

ces p objets de toutes les facons possibles. Done en prenant toutes les combinaisons et en rangeant les elements de ehaque eombinaison de toutes les facons possibles on obtiendra bien tous les arrangements possibles:

A~ = p!C~

AP

cP - ~ - n! nombre de combinaisons de p objets pris parmi n

n - p! - p'(n-p)!

1. Soit l'ensemble E = {a, b, c}. Le nombre de combinaisons de 2 objets pris parmi les 3 de l'ensemble E est Cj = 2!(;~2)! = 3 En effet :

3

2. Le nombre de mains possibles de cinq cartes prises dans un jeu de 32 cartes est

(,5 _ 32! _ 32 x 31 x ... x 28 _ 2 '. 7 .

'~2 - -- - - 01 3 6

~ .5 51271 5 X 4 X ;3 x 2 X 1

3. Le nombre de rcsultats possibles au LOTO (tirage de 6 objets pns parmi 49) est

49!

Ct9 = -r-'-r = 13'983'816 6.43.

- Pr-opr iet es des combinaisons

1.

I C~ = C'~-P I

2.

3. Triangle de Pascal (1623-1662)

p 0 1 2 ;3 4 .5 6
n
0 1
1 1 1
2 1 2 1
;3 1 3 3 1
4_ l~ 1 1
5 1 .5 10 10 .5 1
6 1 6 15 20 15 6 1 4. Formule du hi nome de Newton (1642-1727)

2 L'Evenement et sa Probabilite

2.1 Definitions

1. Soit E une experience aleatoire, nous appellerons univers associe a E, l'ensemble note n de tous les resultats possibles de E.

4

2. Un evenement est une partie de l'univers n; c'est un ensemble de resultats possibles. Si Ie resultat d 'une experience est un element de A c n, on dit que I 'evenement A a ete realise.

Exemple 2 On lance deux des cubiques discernables. L 'ensemble des resuliais possibles est 0 = {I, 2, ... , 6} x {I, 2, ... , 6}

Si on considere l 'euenemeni A : "fa somme des points obtenus est superieure ou eqale a dix", celui-ci est represenie par fa partie:

{(6,4),(5,5), (4,6), (6,5), (5,6),(6,6)}

3. Soit 0 l'univers associe a une experience aleatoire, Pour tout w E 0, le singleton {w} est un evenernent appele evenement elementaire, 0 est un evenement appele evenernent certain et 0 est un evenement appele eveuernent impossible.

2.2 Algebre des evenements

Soient A et B deux evenernents lies a une merne experience aleatoire ;

- La non realisation de A est I'evenement A = 0 \ A

- La realisation simultanee de A et Best I'evenement An B

- La realisation de l'un au moins des deux evenements A ou Best I'evenement AU B

- L'evenement A entr aine l'evenement B si A est indus dans B, A c B.

- A et B sont deux evenements incompatibles si A n B = 0 (ils ne

peuvent donc pas se realiser en meme temps)

- On appelle syst.erne complet d 'evenements toute partition de n (i.e: Tout ensemble denombrable devenements non impossibles, deux a deux incompatibles et dont la reunion est I'evenement certain)

2.3 Notion de Probabilite

- Approche:

Considerons une experience aleatoire et un evenement A lie a cette experience. Supposons que l'on repete N fois cette experience (honneternent},

Soit NA le nombre de fois oii A a ete realise. Le rapport !:ft represente la frequence statistique de la realisation de A sur ces N coups; on a evidemment : ° ::; !:ft ::; 1. On est donc conduit a appeler probabilite toute application p de P(O) dans [0, 1] verifiant :

5

1. p(O) = 1

n. p(A U B) = p(A) + p(B) si An B = 0

- Propriet.es d'une probahilite :

(a) p(0) = 0

(b) POUT tout evenement A, on a : 0 <::: p(A) <::: 1 (e) p(A) = 1 - p(A)

(d) Si A c B alors p(A) < p(B) et p(B \ A) = p(B) - p(A)

(e) V A, BE P(D), p(A U B) =p(A) + p(B) - p(A n B)

,

3 L 'Hypothese d 'Equiprobabifite

Soit D = {Wl,W2, ... ,wn} constitue de n evenements tous equiprobables,

eornrne p(D) = 1, on a

n 1

L p( wd = 1 {? p( Wk) = -, pour tout k E {I,·· . , n}

i=l n

clone

. . car'd(A)

V A C D, p(A) = L p(w) = 'd(D)

wEA em

6

Theoreme 3 Soit (n, p(n),p) un espace probabilisablefini.

L'hypothese d'equiprobabilite definit sur cet espace une probabilite p unique donnee par:

V A C n p(A) = card(A) = nombre de cas favorables

, card(n) nombre de cas possibles

1. Probabilite d'obtenir 2 ou 5 avec un de cubique, n = {I, 2, 3, 4, 5, 6}, A =

{2,5} = {2} U {5}

p(A) = p(2) + p(5) = ~ + ~ = ~ = ~:~~~~?

2. On lance deux des discernables. Quelle est la probabilite qu'au moins un des des amene un point impair (evenement A)

(a) Mauvaise methode

n = {I, 2, 3, 4, 5, 6} x {I, 2, 3, 4, 5, 6}

36 evenements tous equiprobables. On compte tous les cas favorables it la realisation de A, on en trouve 27 d'ou p(A) = ~~ = ~

(b) Bonne methode :

A est l'evenernent : " les deux des sont pairs"

3 possibilites pour le premier, 3 pour le second d'oii :

- 3 3 1

p(A) = -. - = -

6 6 4

or

- 3

p(A) = 1 - p(A) = 4

4 Probabilit.e Conditionnelle

4.1 Approche:

Lors du jet de deux des, soit A I'evenement : "Ia somme des points obtenus est au moins egal it 10 ". On a card(A) = 6 et comme card(n) = 36, p(A) = ~

(a) Supposons que le premier de amene un 3 (evenement B), alors l'evenernent A est impossible. Nous dirons que la probabilite de A sachant que B est realise est impossible, on ecrira p(AIB) = 0

(b) Supposons que le premier de amene un 6 (evenement C). On sait alors que pour atteindre ou depasser 10 il faut et il suffit que le deuxierne de arnene 4, 5 ou 6. II aura done 3 chances sur 6. La probabilite de A sachant que C est realise est donc : p(Alc) = ~ = .!_

2'

7

4.2 Justification

Soient A et B deux evenernents lies a une experience aleatoire. On repete

N f " . ' .. " l' '. - f' - NA t f' - NB 1

01:5 cette expenence a eatoire et on note A - N et . B - N es

frequences de realisation des evenements A et B respectivement. Panni les NB experiences oil B s'est realise, il y a eu NAnB experiences oii A et B ont eu lieu simultanement. La frequence relative ou conditionnelle de A sachant B est done NN~B,

D'oii la definition

Definition 4 Soient A et B deux evenements tels que p( B) > 0

On appelle probabilite conditionnelle de A sachant que B est realise le nombre note p(AIB).

B etant realise, B devient le nouvel espace d 'echantillonage (ou univers] remplacant f! d'oii :

(A ) _ p(A n B)

p IB - p(B)

Exemple 5 EvaltLer la probabdde d' obtenir un nombre infirietLr a 4 asi cnurs du jet unique d 'un. de,

(a) Sans autre information

Soit I'evenernent A : "le resultat est inferieur ii, 4" = {I, 2, :3}

d' ou p( A) = p( {I} ) + p( {2} ) + p( {3}) = !

(b) Si 1'on sait que le result at obtenu est impair

Soit I'evenement B ; "nombre impair" = {I, 3, 5}

d'oii p(B) = ~ et p(A n B) = p( {I, 3}) = t, OIl a done (A ) _ p(A n B) -1- ~

p IB - p(B) -! - 3

Soient (fl,P(f!),p) un espace probabilise et {A;}iEl un systerne complet devenements tons de probabilite non nulle.

Alors pour tout evenernent B on a :

4.3 Formule des Probahilites totales

8

Preuve. On peut ecrire n = UiEIAi et done B = UiEl(B () Ai) par

distributivite de I'intersection sur la reunion. De plus cette reunion est disjointe, puisque Ies Ai sont deux a, deux disjoints, I etant un ensemble denornbrable on a

Fl.

o

Nous utiliserons tres souvent cette forrnule dans Ie cas 011 le systeme cornplet se reduit a, deux elements: {A, .ill Celle-ci s'ecrit alors

Exemple 6 Le probleme du iricheur

Un individu est choisi au hasard dans une population possedant la proportion p EjO, 1[ de tricheurs, On fait tirer une carte d'un jeu de 52 cartes a cet individu et on admet que si cet individu est un tricheur il est sur de retourner un as. Quelle est la probabilite que cet individu retourne un as?

Nous appliquons ici la formule des probabilites totales avec le systeme {T, t}, ou Test I'evenement " l'individu choisi est un tricheur", a l'evenement B : " l'individu choisi retourne un as ". Ainsi :

p(B) = p(T) . p(BIT) + p(T) . p(BrT)

1 1 + 12p

= p' 1 + (1 - p) . 13 = 13

(en effet p( BIT) = 1~3' car i1 ne triche pas, il a 4 chances sur 52 de retourner un as)

4.4 La formule du reverend Thomas Bayes (1702-1761)

Soient AI, A2, .•• , An des evenernents mutuellements exculsifs dont I'union est l'espace n (systeme complet). Si A est un evenement quelconque :

9

(A ) - P(Ak)·p(AIAk) • k {I· . . }

P.. klA - 2:~ (A) (A) pour tout E, .n

.=1 p ,p lA,

Exemple 7 On prend un de au hasard parmi un lot de 100 des dont on sait que 25 sont pipes. Pour un de pipe, la probabiliie d'obtenir 6 est !. On lance le de choisi et on obtient 6. QueUe est la probabiliti que ce de soit pipe? On relance alors ce de et on obtient a nouveau 6. QueUe est la probabiliti que ce de soit pipe?

- Appelons T I'evenement " le de est pipe" et Sl I'evenement " on obtient 6 au premier lancer". {T, T} est un systeme complet d't~venements, en utilisant la formule de Bayes on obtient :

or

d'ou

- Appelons S2 I'evenement " on obtient 6 aux deux premiers lancers".

On obtient de meme :

3 4

Plus generalement si Sn designe l'evenement " on obtient 6 aux n premiers lancers" , on voit facilement que

1

(1)n-1

1 + -

3

On en deduit en particulier :

lim p(lIls ) = 1

n~CXJ n

Est-ce etonnant ?

5 Independance Stochastique

II est naturel de dire que deux evenements A et B de probabilites non nulles sont independants si la donnee de l'information "B est realise" (resp. "A est realise") n'agit pas sur la probabilite de realisation de A (resp. B), on a donc p(AIB) = p(A) (resp. p(B1A) = p(B) ). La formule des probabilites compo sees devient alors :

10

p(A n B) = p(A) . p(B)

C'est cette relation que nous prendrons comme definition de I'independance pour eviter d'avoir it faire toutes sortes de restrictions.

Definition 8 Deux eoenemenis A ei B sont dits indep endants si

Ip(A n B) = p(A) . p(B) I

~ Remarques:

1. L'independance est une relation syrnetrique entre les evenernents

2. Ne pas confondre indeperidance et incompat ihilite !

3. Pour couper court a tous les cornmentaires remarquons une fois pour toutes que:

(a) Deux evenements incompatibles A et B ne sont independants que si l'un des deux au moins est impossible (puisque p(A n

B) = 0)

(b) Deux evenements independants ne sont incompatibles que si l'un au moins est impossible.

Exemple 9 Soit Fn I 'ensemble des repariiiions des enfants d 'une famille de n enfants. Consulerons I 'euenement M : "fa famille a des enfants des deux sexes" et I'evenement F: "la famille a au plus une jille",

1. Si n = 2, F2 = {( G, G), (F, G), (G, F), (F, F)},

F = {(G, G), (F, G), (G, F)}, M = {(F, G), (G, F)}, MnF= M d'ou

p(M) = ~ = ~ }

p(F) = ~ done p(M n F) #- p(M) . p(F)

p(M n F) = ~

M et F ne sont pas independants pour n = 2.

11. Si n = 3, on a dans ce cas p(M) = ~ (il y a en tout 23 = 8 triplets et on doit retirer les deux triplets (F, F, F) et (G, G, G)) et p(F) = ~ = ~ (seuls conviennent les triplets (G, G, G), (F, G, G), (G, F, G), (G, G, F)), d'ou p(M n F) = ~ = p(M) . p( F). Dans ce cas M et F sont independants pour n = 3 (c'est le seul cas)

11

1