Académique Documents
Professionnel Documents
Culture Documents
ANALYSE COMBINATOIRE
I. INTRODUCTION
L'analyse combinatoire, fonde sur des formules de permutations et de combinaisons, possde
d'importantes applications dans de nombreuses branches des mathmatiques, comme par
exemple dans la thorie des probabilits et en statistiques, o elles peuvent servir compter le
nombre d'arrangements possibles des lments d'un systme.
Au cours de ce chapitre nous dfinirons pour commencer la notion de disposition ordonne et
disposition non ordonne. Ensuite nous tudierons les diffrentes dispositions savoir les
permutations, les arrangements et les combinaisons.
II. DISPOSITIONS
Soient deux lments a et b :
III. PERMUTATIONS
Une permutation est une disposition ordonne. Le nombre de permutations que lon peut faire
avec n lments est :
Pn = n ! = n (n-1) (n-2) 2 1
Exemple :
Le nombre de permutations que lon peut faire avec trois lments a, b, c est :
P3 = 3 ! = 3 2 1 = 6
Ces 6 permutations sont : (a,b,c), (a,c,b), (b,a,c), (b,c,a), (c,a,b), et (c,b,a).
IV. ARRANGEMENTS
Un arrangement de p lments choisis parmi n lments est une disposition ordonne de p de
ces n lments. On distingue les arrangements avec rptitions et les arrangements sans
rptitions.
4.1. Arrangements sans rptitions
Cest le nombre darrangements que lon peut faire avec p lments choisis parmi n lments,
chacun deux ne peut figurer quune seule fois dans le mme arrangement. Le nombre
darrangements sans rptitions est :
n!
p
An (n p)!
Adil EL MARHOUM
Page 4
Cours de probabilits
Exemple :
Le nombre darrangements sans rptitions que lon peut faire avec deux lments choisis
parmi trois lments a, b, c est :
2
3!
3 2 1
6
(3 2)!
1
V. COMBINAISONS
Une combinaison de p lments choisis parmi n lments est une disposition non ordonne de
p de ces n lments. On distingue les combinaisons avec rptitions et les combinaisons sans
rptitions.
p
n
n!
p! (n p )!
Exemple :
Le nombre de combinaisons sans rptitions que lon peut faire avec deux lments choisis
parmi trois lments a, b, c est :
3!
3
2! 1!
Ces 3 combinaisons sont : (a,b), (a,c), et (b,c).
Adil EL MARHOUM
2
3
Page 5
Cours de probabilits
5.2. Combinaisons avec rptitions
Cest le nombre de combinaisons que lon peut faire avec p lments choisis parmi n
lments, chacun deux peut figurer plusieurs fois dans la mme combinaison.
Le nombre de combinaisons avec rptitions est :
p
n
C n p 1
(n p 1)!
p! ( n 1)!
Exemple :
Le nombre de combinaisons avec rptitions que lon peut faire avec deux lments choisis
parmi trois lments a, b, c est :
4!
2
2
2
K 3 C 321 C 4 2! 2! 6
Ces 6 combinaisons sont : (a,a), (a,b), (a,c), (b,b), (b,c), et (c,c).
Adil EL MARHOUM
Page 6
Cours de probabilits
CALCUL DE PROBABILITES
I. INTRODUCTION
Au cours de ce chapitre nous dfinirons pour commencer la notion d'exprience alatoire et
d'vnement alatoire. Ensuite nous tudierons la notion de probabilit : dfinition et
proprits. Nous prsenterons aussi la notion d'exclusivit, la probabilit conditionnelle et la
notion d'indpendance. Enfin, nous terminerons le chapitre par le thorme de bayes.
II. DEFINITIONS
2.1. Notion dalatoire
La dfinition de la probabilit est lie aux notions dexprience alatoire et dvnement
alatoire.
Une exprience est dite alatoire lorsquon ne peut en prvoir exactement le rsultat, du
fait que tous les facteurs qui dterminent ce rsultat ne sont pas matriss.
Exemple :
Le jet dun d numrot de 1 6 est une exprience alatoire car le rsultat du jet est
imprvisible. Lvnement avoir une face paire du d est un vnement alatoire car le
rsultat du jet peut tre impair comme il peut tre pair.
Le choix dune personne dans un groupe dindividus contenant des hommes et des femmes est
une exprience alatoire car le rsultat du choix est imprvisible. Lvnement choisir une
femme est un vnement alatoire car la personne choisie peut tre une femme comme elle
peut tre un homme.
p ( A)
Il faut noter que tous les rsultats possibles doivent avoir la mme chance de ralisation.
Adil EL MARHOUM
Page 7
Cours de probabilits
Cette dfinition montre que la probabilit est toujours comprise entre 0 et 1.
0p1
La probabilit de tout vnement qui doit ncessairement se raliser au cours dune
exprience alatoire est gale 1, il sagit dun vnement certain.
P(vnement certain) = 1
La probabilit de tout vnement qui ne peut pas se raliser au cours dune exprience
alatoire est nulle, il sagit dun vnement impossible.
P(vnement impossible) = 0
Exemple :
Dans une urne contenant 20 boules blanches, 15 boules noires, 15 boules rouges et 10 boules
vertes on choisie de faon alatoire une boule.
Le tirage de la boule est une exprience alatoire car le rsultat du tirage est imprvisible.
Lvnement choisir une boule blanche est un vnement alatoire car la boule tire peut tre
blanche comme elle peut tre dune autre couleur.
Le nombre de boules pouvant tre choisies est 60 car lurne contient au total 60 boules. Le
nombre de boules favorables lvnement boule blanche est 20 car lurne contient 20
boules blanches. La probabilit de tirer une boule blanche est donc :
p
20
0,33
60
et
p(A et B) = 0
Adil EL MARHOUM
Page 8
Cours de probabilits
3.2. vnements mutuellement exclusifs
Plusieurs vnements alatoires associs une mme exprience alatoire sont dits
mutuellement exclusifs ou mutuellement incompatibles sils sont exclusifs deux deux.
Si k vnements A1, A2, , Ak sont mutuellement exclusifs alors :
p(A1 ou A2 ou ou Ak) = p(A1) + p(A2) + + p(Ak)
Si trois vnements alatoires A, B, et C ne sont pas mutuellement exclusifs alors :
p(A ou B ou C) = p(A) + p(B) + p(C) p(A et B) p(A et C) p(B et C) + p(A et B et C)
Cette formule peut tre gnralise plusieurs vnements non exclusifs, on l'appelle galit
de Poincar :
n
p ( A1 ouA2 ou ouAn )
i 1
Dans cette galit les diffrents S qui figurent portent sur toutes les combinaisons possibles
des indices diffrant les uns des autres.
Adil EL MARHOUM
13 1
52 4
13 1
p(B) =
52 4
13 1
p(C) =
52 4
13 1
p(D) =
52 4
4
1
p(E) =
52 13
4
1
p(F) =
52 13
p(A) =
Page 9
Cours de probabilits
* Probabilit de tirer une carte cur ou carreau :
Les vnements A et B sont exclusifs :
p(A ou B) = p(A) + p(B) =
1 1 1
4 4 2
4 13 52 52 13
* Probabilit de tirer une carte cur ou carreau ou pique :
Les vnements A, B, et C sont mutuellement exclusifs :
p(A ou B ou C) = p(A) + p(B) + p(C) =
1 1 1 3
4 4 4 4
1 1 1
1
1
28 7
0
4 4 13
52 52
52 13
p ( A / B)
p(A et B)
p ( B)
Page 10
Cours de probabilits
La probabilit conditionnelle de lvnement B sous la condition A, est la probabilit de
ralisation de lvnement B sachant que lvnement A est dj ralis. Elle est dsigne
par :
p ( B / A)
p(A et B)
p( A)
20
0,33
60
p(B/A) est la probabilit de tirer au deuxime tirage une boule blanche sachant que la
premire boule tire est blanche.
Au deuxime tirage lurne contient donc 59 boules dont 19 sont blanches car on a dj tir
une boule blanche. On a donc :
19
p(B/A) =
0,32
59
P(A et B) = p(A) p(B/A) = 0,33 0,32 = 0,1056
Si on tire successivement trois boules, la probabilit que les trois boules soient vertes est :
p
Adil EL MARHOUM
10 9
8
0,0035
60 59 58
Page 11
Cours de probabilits
4.2. Evnements indpendants
Deux vnements A et B sont indpendants si la probabilit de voir se raliser lvnement A
ne dpend pas de la ralisation ou de la non ralisation de lvnement B. La probabilit de
voir se raliser lvnement B ne dpend pas de la ralisation ou de la non ralisation de
lvnement A.
p(A) = p(A/B) = p(A/non B)
p(B) = p(B/A) = p(B/non A)
Deux vnements A et B sont donc indpendants si :
p(A et B) = p(A) p(B)
Plusieurs vnements A1, A2, , Ak sont indpendants si :
p(A1 et A2 et et Ak) = p(A1) p(A2) p(Ak)
L'indpendance de plusieurs vnements deux deux n'entrane pas ncessairement
l'indpendance de l'ensemble des vnements.
Exemple :
On lance deux ds parfaitement homognes numrots de 1 6. Soient :
Lvnement A : rsultat du premier d est impair ;
Lvnement B : rsultat du deuxime d est impair ;
Lvnement A : la somme des deux rsultats est impaire.
p(A) =
3 1
6 2
p(B) =
3 1
6 2
p(C) =
18 1
36 2
Indpendance de A et B :
p(A et B) = p(A) p(B/A) =
1 1 1
= p(A) p(B)
2 2 4
Indpendance de A et C :
p(A et C) = p(A) p(C/A) =
1 1 1
= p(A) p(C)
2 2 4
Indpendance de B et C :
p(B et C) = p(B) p(C/B) =
1 1 1
= p(B) p(C)
2 2 4
Adil EL MARHOUM
Page 12
Cours de probabilits
Indpendance de A, B, et C :
p(A et B et C) = 0 car la somme de deux rsultats impairs ne peut pas tre impaire.
p(A et B et C) p(A) p(B) p(C)
A, B, et C sont donc dpendants.
V. THEOREME DE BAYSE
Soient E1, E2, , Ek, une srie de k vnements alatoires totalement exclusifs. chacun de
ces vnements correspond une information initiale qui permet dvaluer priori les
probabilits p(E1), p(E2), , p(Ek).
p(E1) + p(E2) + + p(Ek) = 1
Soit A un vnement quelconque pour lequel on connat priori les probabilits
conditionnelles p(A/E1), p(A/E2), , p(A/Ek).
Les vnements E1, E2, Ek tant complmentaires, lvnement A doit se raliser
ncessairement avec E1 ou E2 ou ... ou Ek.
p(A) = p[(A et E1) ou (A et E2) ou ou (A et Ek)]
p(A) = p(A et E1) + p(A et E2) + + p(A et Ek)
Par dfinition de la probabilit conditionnelle :
p(A et Ei) = p(Ei) p(A/Ei)
(i = 1 k)
p ( A) p( Ei ) p( A / Ei )
i 1
p ( Ei / A)
p ( E i / A)
p ( A et Ei )
p( A)
p( E i ) p( A / E i )
k
p( E ) p( A / E )
i
i 1
Adil EL MARHOUM
Page 13
Cours de probabilits
Exemple :
Le tableau suivant donne la description de 400 tudiants dune cole selon le niveau dtudes
et loption tudie.
Niveau
1re anne
2me anne
3me anne
4me anne
Total
Total
140
100
90
70
400
On a choisi au hasard un tudiant de lcole, il est inscrit en gestion, quelle est la probabilit
quil soit inscrit en 1re anne, en 2me anne, en 3me anne, en 4me anne ?
Dsignons par N1, N2, N3, et N4 les vnements niveau 1re anne , niveau 2me anne ,
niveau 3me anne , et niveau 4me anne .
Ces 4 vnements sont complmentaires :
140
p( N1 )
0,35
400
p( N 2 )
100
0,25
400
p( N 3 )
90
0,225
400
p( N 4 )
70
0,175
400
45
0,18
250
La probabilit postriori quun tudiant inscrit en gestion soit inscrit en 1re anne est :
p( N 1 / G )
p ( N 1 ) p (G / N 1 )
p( N 1 ) p(G / N 1 ) p( N 2 ) p(G / N 2 ) p( N 3 ) p (G / N 3 ) p( N 4 ) p (G / N 4 )
p( N 1 / G )
0,35 0,32
0,4250
0,35 0,32 0,25 0,30 0,225 0,20 0,175 0,18
Adil EL MARHOUM
Page 14
Cours de probabilits
La probabilit postriori quun tudiant inscrit en gestion soit inscrit en 2me anne est :
p( N 2 / G )
p ( N 2 ) p (G / N 2 )
p ( N 1 ) p (G / N 1 ) p ( N 2 ) p (G / N 2 ) p ( N 3 ) p (G / N 3 ) p ( N 4 ) p (G / N 4 )
p( N 2 / G )
0,25 0,30
0,2846
0,35 0,32 0,25 0,30 0,225 0,20 0,175 0,18
La probabilit postriori quun tudiant inscrit en gestion soit inscrit en 3me anne est :
p( N 3 / G )
p ( N 3 ) p (G / N 3 )
p( N 1 ) p (G / N 1 ) p ( N 2 ) p(G / N 2 ) p( N 3 ) p(G / N 3 ) p( N 4 ) p (G / N 4 )
p( N 3 / G )
0,225 0,20
0,1708
0,35 0,32 0,25 0,30 0,225 0,20 0,175 0,18
La probabilit postriori quun tudiant inscrit en gestion soit inscrit en 4me anne est :
p( N 4 / G )
p ( N 4 ) p (G / N 4 )
p ( N 1 ) p (G / N 1 ) p ( N 2 ) p (G / N 2 ) p ( N 3 ) p (G / N 3 ) p ( N 4 ) p (G / N 4 )
p( N 4 / G )
0,175 0,18
0,1195
0,35 0,32 0,25 0,30 0,225 0,20 0,175 0,18
Adil EL MARHOUM
Page 15
Cours de probabilits
II. DEFINITION
Une variable alatoire X est une variable associe une exprience ou un groupe
d'expriences alatoires et servant caractriser le rsultat de cette exprience ou de ce
groupe d'expriences.
On distingue les variables alatoires discontinues ou discrtes et les variables alatoires
continues.
Soit X la variable alatoire qui caractrise le rsultat de l'exprience alatoire "jet d'un d
homogne".
X est une variable alatoire discrte, elle peut prendre les valeurs entires 1, 2, 3, 4, 5, et 6.
Soit X la variable alatoire qui caractrise le nombre de garons dans une famille de
quatre enfants.
X est une variable alatoire discrte, elle peut prendre les valeurs entires 0, 1, 2, 3, et 4.
Adil EL MARHOUM
Page 16
Cours de probabilits
Lensemble des valeurs admissibles x et des probabilits correspondantes p(x) constitue une
distribution de probabilit discontinue. La relation entre x et p(x) est appele loi de
probabilit.
Pour toutes les distributions de probabilits dont les valeurs x correspondent des vnements
complmentaires, le total des probabilits est gal 1.
p ( x) 1
La distribution cumule des probabilits est appele fonction de rpartition :
x
F(x) = p(X x) =
p( x)
0 F(x) 1
Exemple :
Soit X la variable alatoire qui caractrise le rsultat de l'exprience alatoire "jet d'un d
homogne".
X est une variable alatoire discrte, elle peut prendre les valeurs entires 1, 2, 3, 4, 5, et 6
avec la probabilit constante 1/6.
Distribution de probabilit de X
x
1
2
3
4
5
6
Total
p(x)
1/6
1/6
1/6
1/6
1/6
1/6
1
F(x)
1/6
2/6
3/6
4/6
5/6
6/6
Soit X la variable alatoire qui caractrise le nombre de garons dans une famille de
quatre enfants.
X est une variable alatoire discrte, elle peut prendre les valeurs entires 0, 1, 2, 3, et 4.
La probabilit pour qu'un enfant soit un garon est 1/2.
La probabilit pour qu'un enfant soit une fille est 1/2.
P(0) est la probabilit que les quatre enfants soient des filles. Il y a une seule possibilit :
p (0)
Adil EL MARHOUM
1 1 1 1 1 4
( ) 0,0625
2 2 2 2 2
Page 17
Cours de probabilits
P(1) est la probabilit quun seul enfant soit un garon. Ce garon peut correspondre au
premier enfant, ou au deuxime, ou au troisime ou au quatrime. Il y a donc quatre
possibilits :
p (1) 4
1 1 1 1
1
4 ( ) 4 0,25
2 2 2 2
2
P(2) est la probabilit que deux enfants soient des garons. Ces deux garon peuvent
correspondre au premier et deuxime enfants, ou au premier et troisime enfants ou au
premier et quatrime enfants, ou au deuxime et troisime enfants ou au deuxime et
quatrime enfants , ou au troisime et quatrime enfants. Il y a donc six possibilits :
p (2) 6
1 1 1 1
1
6 ( ) 4 0,375
2 2 2 2
2
P(3) est la probabilit que trois enfants soient des garon. Ces trois garons peuvent
correspondre au premier et deuxime et troisime enfants, ou au premier et deuxime et
quatrime enfants ou au premier et troisime et quatrime enfants ou au deuxime et troisime
et quatrime enfants. Il y a donc quatre possibilits :
p (3) 4
1 1 1 1
1
4 ( ) 4 0, 25
2 2 2 2
2
P(4) est la probabilit que les quatre enfants soient des garons. Il y a une seule possibilit :
p (4)
1 1 1 1 1 4
( ) 0,0625
2 2 2 2 2
Distribution de probabilit de X
x
0
1
2
3
4
Total
p(x)
0,0625
0,2500
0,3750
0,2500
0,0625
1
F(x)
0,0625
0,3125
0,6875
0,9375
1
Adil EL MARHOUM
Page 18
Cours de probabilits
Un intervalle continu contient une infinit de valeurs. La probabilit d'obtenir exactement un
rsultat donn est gnralement nulle, bien que ce rsultat ne soit pas strictement impossible.
p ( X x) 0
La notion de distribution de probabilit n'a donc plus de sens dans le cas continu. Par contre la
fonction de rpartition conserve toute sa signification.
Pour une variable alatoire continue, on calcule la probabilit d'observer une valeur comprise
dans un intervalle donn [x ; x+x].
p(x X x+x) = p(X x+x) - p(X x) = F(x+x) - F(x)
lim p( x X x x) lim F ( x x) F ( x)
x 0
lim
x 0
x 0
F ( x x ) F ( x)
dF
lim x dx F ' ( x) f ( x)
x 0
La fonction f(x), drive de la fonction de rpartition F(x), est appele fonction de densit de
probabilit.
L'ensemble des valeurs admissibles pour une variable alatoire continue et la fonction de
densit de probabilit correspondante est dfinissent une distribution de probabilit thorique
continue.
Le produit f(x) dx est appel lment de probabilit, c'est l'quivalent de la probabilit p(x)
pour une variable alatoire discontinue.
Pour une variable alatoire continue, le cumul de la fonction de densit de probabilit est gal
1:
f ( x)dx 1
F(x) =
f ( x)dx
f ( x)dx
a
Adil EL MARHOUM
Page 19
Cours de probabilits
Exemple :
Soit une variable alatoire continue X dfinie par la fonction de densit de probabilit :
si 0 x 1
sinon
k
f ( x)
0
f ( x)dx 1
k dx 1
0
kx
k 1
si 0 x 1
sinon
1
f (x )
0
F(x) =
f ( x) dx
0 dx 0
Si 0 x 1 :
x
F(x) =
f ( x)dx 0 dx 1 dx x
Si x > 1 :
x
F(x) =
f ( x)dx 0 dx 1 dx 0 dx 1
F (x) x
1
Adil EL MARHOUM
si x 0
si 0 x 1
si x 1
Page 20
Cours de probabilits
V. COUPLE DE VARIABLES ALEATOIRES
Dans de nombreux cas, les rsultats des expriences alatoires peuvent tre caractriss par
deux variables alatoires X et Y. on parle alors de couple de variables alatoires (X , Y). Ces
deux variables peuvent tre toutes les deux discrtes, ou toutes les deux continues ou l'une
discontinue et l'autre continue.
Y
x1
x2
.
.
.
Xi
.
.
.
xk
p(y)
y1
p(x1, y1)
p(x2, y1)
.
.
.
p(xi, y1)
.
.
.
p(xk, y1)
p(y1)
y2
p(x1, y2)
p(x2, y2)
.
.
.
p(xi, y2)
.
.
.
p(xk, y2)
p(y2)
.
.
.
.
.
.
yj
p(x1, yj)
p(x2, yj)
.
.
.
p(xi, yj)
.
.
.
p(xk, yj)
p(yj)
.
.
.
.
.
.
yp
p(x1, yp)
p(x2, yp)
.
.
.
p(xi, yp)
.
.
.
p(xk, yp)
p(yp)
p(x)
p(x1)
p(x2)
.
.
.
p(xi)
.
.
.
p(xk)
1
Probabilits conjointes
p(xi , yj) est dite probabilit conjointe. C'est la probabilit d'obtenir la valeur x et la valeur y
en mme temps.
Adil EL MARHOUM
Page 21
Cours de probabilits
Probabilits marginales
p
p( x , y
i
) p ( xi )
j 1
p(xi) est dite probabilit marginale de X. C'est la probabilit d'obtenir la valeur xi quelque soit
la valeur de Y.
k
p( x , y
i
) p( y j )
i 1
p(yj) est dite probabilit marginale de Y. C'est la probabilit d'obtenir la valeur yj quelque soit
la valeur de X.
Le cumul de toutes les probabilits conjointes p(xi , yj) est gal 1.
k
p( x i , y j )
i 1 j 1
i 1
p ( xi )
p( y
j)
j 1
10 10 10
0,125
20 20 20
P(0 et 1) est la probabilit que deux boules tires soient rouges et une noire, il y a trois
possibilits, on peut donc crire :
p (0;1) 3
10 10 6
0, 225
20 20 20
P(0 et 2) est la probabilit que deux boules tires soient noires et une rouge, il y a trois
possibilits, on peut donc crire :
p (0;2) 3
10 6
6
0,135
20 20 20
P(0 et 3) est la probabilit que les trois boules tires soient noires, on peut donc crire :
Adil EL MARHOUM
Page 22
Cours de probabilits
p (0;3)
6
6
6
0,027
20 20 20
P(1 et 0) est la probabilit que deux boules tires soient rouges et une blanche, il y a trois
possibilits, on peut donc crire :
p (1;0) 3
10 10 4
0,15
20 20 20
P(1 et 1) est la probabilit qu'une boule tire soit blanche, et une noire et une rouge, il y a six
possibilits, on peut donc crire :
4
6 10
0,18
20 20 20
p (1;1) 6
P(1 et 2) est la probabilit que deux boules tires soient noires et une blanche, il y a trois
possibilits, on peut donc crire :
p (1;2) 3
4
6
6
0,054
20 20 20
P(1 et 3) est la probabilit que trois boules tires soient noires et une blanche, ce qui est
impossible car on tire que trois boules. On peut donc crire :
P(1;3) = 0
P(2 et 0) est la probabilit que deux boules tires soient blanches et une rouge, il y a trois
possibilits, on peut donc crire :
p (2;0) 3
4
4 10
0,06
20 20 20
P(2 et 1) est la probabilit qu'une boule tire soit noire, et deux blanches, il y a trois
possibilits, on peut donc crire :
p (2;1) 3
4
4
6
0,036
20 20 20
P(2 et 2) est la probabilit que deux boules tires soient noires et deux blanches, ce qui est
impossible car on tire que trois boules. On peut donc crire :
P(2;2) = 0
P(2 et 3) est la probabilit que trois boules tires soient noires et deux blanches, ce qui est
impossible car on tire que trois boules. On peut donc crire :
P(2;3) = 0
P(3 et 0) est la probabilit que les trois boules tires soient blanches, on peut donc crire :
p (3;0)
4
4
4
0,008
20 20 20
P(3 et 1) est la probabilit que trois boules tires soient blanches et une noire, ce qui est
impossible car on tire que trois boules. On peut donc crire :
Adil EL MARHOUM
Page 23