Vous êtes sur la page 1sur 11

Universit Montpellier II

Anne -

Mathmatiques

DNOMBREMENT ET PROBABILITS FINIES


Jrme DRONIOU, Daniel GUIN

1. Introduction
Une exprience alatoire E , ou preuve, est une exprience qui, rpte dans des conditions (apparemment) identiques, peut conduire des rsultats dirents. L'ensemble de
toutes les issues possibles de E , not , s'appelle l'ensemble fondamental associ E. Les
lments de E s'appellent les vnements lmentaires. Un vnement li E (qui sera
ralis ou non suivant le rsultat de l'exprience) correspond un sous-ensemble de . Le
sous-ensemble vide correspond un vnement impossible et correspond un vnement
certain.
Exemples
1. Si E est jeter un d, alors = {1, 2, 3, 4, 5, 6}; obtenir un six est un vnement
lmentaire ; obtenir un nombre pair est un vnement qui correspond au sousensemble {2, 4, 6}; obtenir un nombre compris entre 1 et 6 est un vnement certain.
2. On considre une population dans laquelle on distingue un caractre dtermin par
deux allles X, x. L'preuve E consiste en un croisement tel que chaque partenaire
(mle et femelle) donne un seul des lments X ou x, qui se combine avec l'lment
donn par l'autre partenaire. Cette combinaison est indpendante des lments en
jeu. On a alors
= {XX, Xx, xx}.
On peut utiliser une reprsentation en arbre.

XX

Xx

xX

xx

rr
rr
r

X
rr

rr
r

rr

r
r

x
rr

rr
r

2004 Tous droits rservs.

http://www.univ-lille1.fr/bustl

Le dictionnaire entre le langage des vnements et celui des ensembles est donn par le
tableau ci-dessous
Langage des ensembles

Langage des vnements

issues de l'preuve

X ()

vnement

lments de

vnements lmentaires

vnement impossible

X = C X

vnement contraire X

Z =X Y

X et Y : Z est ralis si et seulement si


X et Y sont raliss

Z =X Y

X ou Y : Z est ralis si et seulement si l'un quelconque


des vnements X ou Y est ralis (ou les deux)

X Y =

vnements incompatibles

XY

si X ralis, alors Y l'est.

2. Probabilits
Dans tout ce qui suit, on suppose que l'ensemble fondamental est un ensemble ni.
Le rsultat d'une exprience alatoire tant incertain, on souhaite prvoir quelle est la
chance qu'un vnement se produise. Dans l'exemple 2 ci-dessus, les congurations possibles sont
\ X
x

XX Xx

xX

xx

On note A le gnotype XX , B le gnotype Xx ou xX et C le gnotype xx. Intuitivement,


ce tableau suggre qu'il y a 1 chance sur 4 d'obtenir A, 2 chances sur 4 d'obtenir B , 1
chance sur 4 d'obtenir C .

Dnition 2.1.  Soient E une exprience alatoire et l'ensemble fondamental associ.


Une probabilit P sur est une fonction P : () R+ telle que
1. P () = 1.
2. X , Y , [X Y = ] = [P (X Y ) = P (X) + P (Y )].

2004 Tous droits rservs.

http://www.univ-lille1.fr/bustl

Proposition 2.2.  La fonction P vrie les proprits suivantes :


1. X , Y

P (X Y ) = P (X) + P (Y ) P (X Y )
2. X , Y ,

[X Y ] = [P (X) P (Y )]
3. X , P (X) 1
4. P (X) + P (X) = 1
5. P () = 0
6. Si (Xi )i=1,...,n , est une famille d'vnements incompatibles deux deux, on a :
n

i=1

i=1

P ( Xi ) = P (Xi ).
7. P (X) = P (X Y ) + P (X Y ), Y .
Dmonstration :
1. On a X (Y \ (X Y )) = et X (Y \ (X Y )) = X Y . D'o P (X Y ) =
P (X) + P (Y \ (X Y )). Mais Y = (Y \ (X Y )) (Y \ X Y ), et, comme (Y \
(X Y )) (X Y ) = , on a P (Y ) = P (Y \ (X Y )) + P (X Y ). On en dduit
que P (X Y ) = P (X) + P (Y ) P (X Y ).
2. On a Y = X (Y X) : comme X (Y X) = , on a P (Y ) = P (X) + P (Y X).
Mais la fonction P tant valeurs dans R+ , P (Y X) 0. D'o P (X) P (Y ).
3. Toute partie X de est telle que X , donc, d'aprs 2., P (X) P () = 1.
4. On a X X = et X X = , d'o P (X) + P (X) = P (X X) = P () = 1.
5. On en dduit que P () = 0.
6. Se dduit de l'axiome 2, de proche en proche.
7. Consquence immdiate de l'axiome 2.
On dduit de la dnition et de ces proprits qu'une probabilit est une fonction
dnie sur () et valeurs dans l'intervalle [0, 1].

Probabilits uniformes.

Dnition 2.3.  La probabilit P sur est dite uniforme si tous les vnements lmentaires sont quiprobables (i.e. ont la mme probabilit).

2004 Tous droits rservs.

http://www.univ-lille1.fr/bustl

Dans ce cas, si Card = n, d'aprs la proprit 6, chaque vnement lmentaire a


1
une probabilit gale n . On en dduit, encore l'aide de la proprit 6, que pour tout
vnement X , on a
Card X
P (X) =
.
Card
On est donc amen calculer des cardinaux d'ensembles.

3. Dnombrements
1. Arrangements sans rptitions.
On forme les suites (ordonnes) constitues de p lments distincts pris dans un
ensemble n lments, p n. Le nombre de ces suites est
n!
Ap = n(n 1) (n p + 1) =
n
(n p) !
Convention : 0 ! = 1
2. Arrangements avec rptitions. C'est le mme processus que ci-dessus, mais on ne
suppose plus que les lments de la suite sont distincts - on peut rpter plusieurs
fois le mme lment. Le nombre de telles suites est alors np .
3. Permutations. Dans le cas des arrangements sans rptitions, si on suppose que p = n,
on trouve An = n !. C'est le nombre de bijections d'un ensemble n lments dans
n
lui-mme. Une telle bijection s'appelle une permutation.
4. Combinaisons. On forme les sous-ensembles p lments dans un ensemble n lments, p n. La dirence avec les arrangements sans rptitions est qu'ici l'ordre
n'a pas d'importance. Autrement dit, deux suites p lments formes des mmes
lments placs dans deux ordres dirents constituent un mme sous-ensemble p
lments. Le nombre des sous-ensembles p lments dans un ensemble n lments,
p n, est
n!
n
=
p
p ! (n p) !
Rappel : formule du binme. Pour tous nombres complexes a et b, et tout nombre
entier positif n, on a
n
n p np
a b
(a + b)n =
p
p=0

Proposition 3.1.  Pour tous nombres entiers strictement positifs n et p, p n1,


on a

2004 Tous droits rservs.

n
p

n1
n1
+
.
p
p1

http://www.univ-lille1.fr/bustl

Exemples :
1 ) Pour un d (non truqu) toutes les faces sont quiprobables. On peut donc
appliquer la formule de la probabilit uniforme. Par exemple la probabilit
d'obtenir, aprs un lanc, un nombre pair est gale 1 , car
2

X = {2, 4, 6},

= {1, 2, 3, 4, 5, 6},
Card X
3
1
= = .
Card
6
2

P (X) =

2 ) Dans l'exemple 2, les gnotypes Xx et xX sont indiscernables. On a =


{XX, Xx, xx} et le diagramme page 1 montre que P (XX) = 1 , P (Xx) = 1 ,
4
2
1
et P (xx) = 4 . La probabilit P n'est pas uniforme.
Supposons que l'on soit dans le cas de dominance stricte, i.e. X domine x,
alors, dans la population correspondante, on distingue deux types d'individus.
 A : phnotype dominant,
 B : phnotype rcessif.
Alors,
1
P (B) = P (xx) =
4

1 1
3
+ =
4 2
4
(Les vnements XX et Xx sont incompatibles). Dans ce cas, on peut se
ramener une probabilit uniforme. On considre
P (A) = P (XX) + P (Xx) =

= {XX, Xx, xX, xx},


alors

P (XX) = P (Xx) = P (xX) = P (xx) =

X
rr

rr
r

rr

rr

r
r

XX

Xx

xX

xx

r
r

rr

rr

1
4

x
rr

3
P (A) = ,
4

2004 Tous droits rservs.

rr
r

1
P (B) = .
4

http://www.univ-lille1.fr/bustl

4. Probabilits conditionnelles
On considre une preuve E et deux vnements X et Y associs E. On suppose qu'ils
ne sont pas indpendants, i.e. la ralisation de l'un de ces vnements, par exemple Y ,
modie la probabilit de l'autre, X.

Dnition 4.1.  On pose


PY (X) =

P (X Y )
,
P (Y )

qu'on appelle probabilit conditionnelle de X sachant Y, ou probabilit conditionnelle


de X sachant que Y est ralis.
Au lieu de la notation PY (X), on peut aussi utiliser la notation P (X|Y ).
Exemple :
On considre la situation prcdente : A : phnotype dominant, B : phnotype rcessif.
Gnotypes :
Probabilits :

XX
1/4

Xx
1/2

xx
1/4

On cherche la probabilit d'obtenir, lors d'un croisement, un gnotype homozygote,


vnement H , sachant que l'on observe un phnotype A.
1
3
P (H A) = P (XX) = , P (A) =
4
4
P (H A)
1/4
1
PA (H) =
=
= .
P (A)
3/4
3

Proposition 4.2. 
1. Si Y X , alors P (X Y ) = P (Y ), d'o PY (X) =

P (XY )
P (Y )

P (Y )
P (Y )

= 1,

2. P (Y )PY (X) = P (X)PX (Y ) = P (X Y ),


3. PY (X) + PY (X) = 1,
4. P (X) = P (Y )PY (X) + P (Y )PY (X).
Cette dernire formule est appele formule des probabilits totales.

Evnements indpendants.
On suppose maintenant que la ralisation d'un des vnements X ou Y ne modie pas
la probabilit de l'autre.

Dnition 4.3.  Les vnements X et Y sont indpendants si P (X Y ) = P (X)P (Y ).


On dduit de ce qui prcde que deux vnements X et Y sont indpendants si et
seulement si PY (X) = P (X), PX (Y ) = P (Y ).

Attention : deux vnements incompatibles de probabilits non nulles ne sont pas


indpendants : X Y = = 0 = P (X Y ) = P (X)PX (Y ), alors que P (X)P (Y ) = 0.
Thorme de Bayes. Ce thorme permet de dterminer la probabilit pour qu'un
vnement qui est suppos dj ralis soit d une certaine cause plutt qu'une autre.

2004 Tous droits rservs.

http://www.univ-lille1.fr/bustl

Thorme 4.4.  Soient X et Y deux vnements associs une preuve. Alors


PY (X) =

P (X)PX (Y )
.
P (X)PX (Y ) + P (X)PX (Y )

Gnralisation : Soient X1 , , Xn , Y des vnements associs une preuve, tels que :


i) les Xi , i = 1, , n sont incompatibles deux deux,
ii) i, i = 1, , n,
iii) Y =

P (Xi ) = 0,

n
i=1 Xi .

alors pour tout k, k = 1, , n, on a

PY (Xk ) =

P (Xk )PXk (Y )
n (P (X )P (Y
i=1
i Xi

))

Exemple :
On considre une population dont 1 individu sur 100 est atteint d'une maladie. On a mis
au point un test qui permet de dtecter cette maladie avec 8 chances sur 10 de reconnatre
un malade (test positif) et 9 chances sur 10 de reconnatre un sujet sain (test ngatif).
On cherche la probabilit qu'un sujet ayant un test positif soit malade. On considre les
vnements suivants : T = test positif, M = sujet malade, S = sujet sain (avec M = S).
On a
1
8
P (M ) =
,
PM (T ) = ,
100
10
99
1
P (S) =
,
PS (T ) = .
100
10
D'o
(P (M )PM (T )
PT (M ) =
P (M )PM (T ) + P (S)PS (T )
0, 01 0, 8
=
0, 01 0, 8 + 0, 99 0, 1
0, 075.

5. Complments
1. Loi binomiale.
Une alternative est une preuve deux issues, que l'on dsignera sous le nom de
succs, not S , ou chec, not E . On suppose que l'vnement S a une probabilit
P (S) = p. D'o P (E) = q = 1 p. On suppose que l'on rpte cette preuve n fois.
Par exemple tirage de boules avec remise ou jeu de pile ou face. Alors, si on note Ek
l'vnement obtenir k succs (0 k n), au cours de n rptitions de l'preuve,
on a
n k nk
P (Ek ) =
p q
.
k
D'o le nom de loi binomiale, note B(n, p).

2004 Tous droits rservs.

http://www.univ-lille1.fr/bustl

Exemple :
On suppose qu'au jeu de pile ou face, chaque issue est quiprobable, de probabilit
1/2. La probabilit d'obtenir 3 face en 5 lancers est

P (3) =

1
2

5
3

1
2

5
.
16

2. Loi hypergomtrique.
Une urne contient b boules blanches et r boules rouges. L'preuve consiste tirer
une boule sans la remettre dans l'urne. Quelle est la probabilit de l'vnement Ek :
obtenir k boules blanches dans une srie de n tirages ?
On peut reprsenter l'preuve par le diagramme

b1
b+r1

rr
rr

b
b+r

rr
r

r
b+r1

r
b+r

rr R

rr
rr

rr
r

b
b+r1

r
rr
r

r
rr
r

rr

rr R
r1
b+r1
rr
rr

L'vnement Ek est ralis lorsqu'on a tir, en n tirages, k boules blanches et n k


boules rouges. Toutes les congurations de tirages de k boules blanches et n k
boules rouges ont la mme probabilit, quel que soit l'ordre. D'o la probabilit de
l'une d'elles est, en posant N = b + r :

2004 Tous droits rservs.

bk+1
b b1 b2

N N 1 N 2
N k+1
r1
rn+k+1
r

N k N k1
N n+1
b!
r!
(N n)!
(b k)! (r n + k)!
N!

http://www.univ-lille1.fr/bustl

Il y a

n
k

congurations possibles d'o

P (Ek ) =

b
k

r
nk
N
n

C'est la loi hypergomtrique. H(n, b, r).


Exemple :
Dans une population de N individus, on prlve un individu que l'on marque et
que l'on relche dans la population. On rpte l'opration. La population est alors
forme de deux types d'individus : ceux qui sont marqus et ceux qui ne le sont
pas. On capture (successivement) n individus, parmi lesquels X sont marqus. Cette
exprience correspond une loi hypergomtrique.

2004 Tous droits rservs.

http://www.univ-lille1.fr/bustl

Universit Montpellier II

Anne

Mathmatiques

Feuille d'exercices n 2
Dnombrement - Probabilits nies

1  Quelle est la probabilit pour que, dans un groupe de

personnes choisies au

hasard, deux personnes au moins aient la mme date d'anniversaire ? (On considre
que l'anne a

365

jours, tous quiprobables). On vriera que pour

n 23

cette

1
probabilit est-elle suprieure .
2
2  Dix-huit personnes se sont prsentes une collecte de sang. Il y avait

11 personnes

O, 4 personnes du groupe A, 2 personnes du groupe B , 1 personne du


AB . A l'issue de la collecte, on prlve au hasard 3 acons parmi les 18

du groupe
groupe

acons obtenus. Calculer la probabilit de chacun des vnements suivants :


a Les sangs des
b Parmi les
groupe

acons appartiennent au mme groupe.

acons prlevs, il y a au moins

acon contenant du sang du

A.

c Les sangs des

acons appartiennent

groupes dirents.

3  On extrait huit cartes d'un jeu de 52 cartes (bien battues). Quelle est la probabilit
que
a 4 cartes soient des as,
b 4 cartes soient des as et 2 cartes soient des rois,
c l'on ait 3 cartes de la mme couleur et 3 autres cartes d'une autre mme couleur,
d au moins une carte soit un as.

4  On propose un questionnaire comprenant

10

questions qui comportent chacune

deux rponses possibles, vrai, faux. Pour tester si une personne interroge rpond
au hasard, c'est--dire que pour toute question chaque rponse est quiprobable,
on adopte la rgle suivante : si au moins

des rponses sont justes, on admet que

la personne interroge n'a pas rpondu au hasard. Sinon, on admet la conclusion


contraire.
a Quelle est la probabilit de rejeter l'hypothse la personne interroge a rpondu au hasard lorsque celle-ci est vraie ?
b Mme problme lorsque chaque question comporte

rponses dont une seule

est vraie ?

5  Une tude statistique montre qu'un nouveau-n a une probabilit de

0, 47

d'tre

une lle.
a Quelle est la probabilit pour qu'une famille de cinq enfants comporte
b Quelle est la probabilit pour qu'une famille de
et

lles ?

enfants comporte

5 lles ?
garons

2
6  Un service hospitalier reoit des malades dont

30

% de la maladie

B , 30

% de la maladie

C.

40

% sont atteints de la maladie

atteint d'une seule maladie. Parmi les malades de


ceux qui sont atteints de

il y a

60

A,

On suppose que chaque patient est


il y a

50

% de fumeurs, parmi

% de fumeurs et parmi ceux de

il y a

40

de fumeurs. Quel est le pourcentage de fumeurs dans l'ensemble des malades ?

0, 3 d'tre atteint d'une maladie


M . On sait que si un sujet n'est pas atteint de M , il a 9 chances sur 10 de rpondre
ngativement un test T et que s'il est atteint de M , il a 8 chances sur 10 de
rpondre positivement T . On fait le test. Si le rsultat est positif, quelle est la

7  Dans une population, un sujet a une probabilit de

probabilit pour que le sujet soit malade ? Quelle est cette probabilit si le test est
ngatif ?

8  Une boite

B1

contient 3 billes rouges et 2 billes bleues et une boite

B2

contient 2

billes rouges et 8 billes bleues. On lance une pice de monnaie : si le rsultat est
face, on tire une bille de

B1

et si le rsultat est pile, on tire une bille de

B2 .

a Quelle est la probabilit de tirer une bille rouge ?


b On suppose que le rsultat du lancer de la pice est cach, mais que l'on sait
que le tirage a donn une bille rouge. Quelle est la probabilit pour que le
lancer de la pice est donn face ?

9  Dans une population

deux maladies

M1

et

M2 ,

sont prsentes respectivement

10 % et 20 % des individus (le nombre de ceux qui sourent des deux maladies
M1 et M2 .
Pour cela on applique un test qui ragit la maladie sur 90 % des malades de M1 ,
sur 70 % des malades de M2 et sur 10 % des individus qui n'ont aucune de ces
chez

est ngligeable). On entreprend un dpistage systmatique des maladies

deux aections.
a Quand on choisit au hasard un individu

de

P,

quelle est la probabilit pour

que le test ragisse ?


b Sachant que pour cet individu

que ce soit cause de la maladie


n'ait l'une des deux maladies.

le test a ragi, donner les probabilits pour

M1 ,

cause de la maladie

M2 ,

sans que