Vous êtes sur la page 1sur 58

Cours de Probabilits

1. Dnombrement
2. Probabilits
3. Variables alatoires relles

Pour BCPST 1

Anne scolaire : 2004/2005


16 juin 2005

Mohamed TARQI

Table des matires


1 Dnombrement
1.1

Gnralits. Rappels

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1.1

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1.2

Ensemble de parties de E,

1.1.3

Inclusion entre ensembles

. . . . . . . . . . . . . . . . . . . .

1.1.4

Complmentaire d'une partie et ngation . . . . . . . . . . . . . . . .

1.1.5

Runion, intersection et produit d'ensembles . . . . . . . . . . . . . .

P(E)
"" . .

. . . . . . . . . . . . . . . . . . . .

1.2

Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3

Ensembles nis

1.4

1.5

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3.1

Ensembles quipotents . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3.2

Proprits des cardinaux des ensembles nis . . . . . . . . . . . . . .

Dnombrement

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Ep sur En . . . . . . . . . . .
Ep sur En , (1 p n) . . . .
ayant p lments d'un ensemble ni

1.4.1

Nombre d'application de

. . . . . . . .

1.4.2

Nombre d'injections de

. . . . . . . .

1.4.3

Nombre de parties

Applications ( Exemples de tirages )

. . . . . . . .

10

. . . . . . . . . . . . . . . . . . . . . .

11

1.5.1

Tirage avec remise

. . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

1.5.2

Tirage sans remise

. . . . . . . . . . . . . . . . . . . . . . . . . . . .

12

1.5.3

Tirage simultan

. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12

2 Probabilits

14

2.1

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

14

2.2

Concepts de base des probabilits . . . . . . . . . . . . . . . . . . . . . . . .

14

2.2.1

preuve . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

14

2.2.2

Ensemble

2.3

2.4

2.5

. . . . . . . . . . . . . . .

15

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

16

2.3.1

Dnitions et proprits . . . . . . . . . . . . . . . . . . . . . . . . .

16

2.3.2

Exercices rsolus

Probabilit

des ventualits. vnements

Probabilit conditionnelle

. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

18

. . . . . . . . . . . . . . . . . . . . . . . . . . . .

22

2.4.1

Dnitions et proprits . . . . . . . . . . . . . . . . . . . . . . . . .

22

2.4.2

Formule des probabilits totales . . . . . . . . . . . . . . . . . . . . .

23

Indpendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

25

3 Variables alatoires relles


3.1

3.2

3.3

3.4

28

Loi de probabilit d'une variable alatoire

. . . . . . . . . . . . . . . . . . .

28

3.1.1

variables alatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . .

28

3.1.2

Loi d'une variable alatoire

29

. . . . . . . . . . . . . . . . . . . . . . .

Caractristiques d'une variable alatoire

. . . . . . . . . . . . . . . . . . . .

30

3.2.1

Fonction de rpartition . . . . . . . . . . . . . . . . . . . . . . . . . .

30

3.2.2

Esprance mathmatiques ( la moyenne )

33

3.2.3

Variance et cart-type . . . . . . . . . . . . . . . . . . . . . . . . . .

33

3.2.4

Ingalit de Bienyam-Tchebychev

. . . . . . . . . . . . . . . . . . .

35

Lois usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

36

3.3.1

Loi uniforme

3.3.2

Lois de tirage avec remise

3.3.3

Loi hypergomtrique

. . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

36

. . . . . . . . . . . . . . . . . . . . . . . .

36

. . . . . . . . . . . . . . . . . . . . . . . . . .

40

Couple de variables alatoires . . . . . . . . . . . . . . . . . . . . . . . . . .

41

3.4.1

Lois marginales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

41

3.4.2

Lois conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43

3.4.3

L'indpendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

44

3.4.4

Covariance, coecient de corrlation linaire

46

. . . . . . . . . . . . .

A Problme I

51

B Problme II

53

C Problme III

55

Chapitre 1

Dnombrement
Contents

1.1
1.2
1.3
1.4
1.5

Gnralits. Rappels . . . . . . . . .
Applications . . . . . . . . . . . . . .
Ensembles nis . . . . . . . . . . . . .
Dnombrement . . . . . . . . . . . . .
Applications ( Exemples de tirages )

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

. 3
. 5
. 6
. 8
. 11

1.1 Gnralits. Rappels


1.1.1 Introduction
x E ( qui
x x est interdite.

On suppose acquise la notion intuitive d'ensemble et nous admettons que


se lit

a appartient E

) est une notation comprise par tous. La notation

Remarquons que cette interdiction a une autre interdiction : On ne peut pas parler d'un
ensemble

.
E = {1, a, 5},

dont les lments seraient tous les ensembles, car on devait avoir

En gnral, on dtermine un ensemble soit, en explicitant ses lments :


soit par comprhension :

E = {x/x

veri la proprit

}.

Par exemple :

N = {x/x
Z = {x/x

entier

} = {0, 1, 2, ...}
} = {..., 2, 1, 0, 1, 2, ...}

entier relatif

1.1.2 Ensemble de parties de E, P(E)


Dnition 1.1.1.

Soit

un ensemble. Nous admettrons que toutes les parties de

tuent un nouvel ensemble appel ensemble des parties de


En particulier :

P()=
P({a})={{a}, }
P(a, b)={{a, b}, {a}, {b}, }

et not

P(E)

consti-

1.1.3 Inclusion entre ensembles ""


Dnition 1.1.2.
ensemble de

Soit

un ensemble. Nous dirons que

) si tout lment de

est lment de

est inclus dans

et on note

( ou sous

AE

On a donc :

A E (x, x A = x E)
A E (A P(E))
On rappelle que pour tout x on a :

(x E) ({x} E) ({x} P(E))

1.1.4 Complmentaire d'une partie et ngation


Dnition 1.1.3.
mentaire de

tant donne un ensemble E et une partie A de E . On appelle complA


dans E et on note {E l'ensemble de tous les lments de E n'appartient pas

A.
Donc

{A
/ A}
E = {x E/x
en particulier

{
E =E

et

{E
=

1.1.5 Runion, intersection et produit d'ensembles


Dnition 1.1.4.

Si

Soit

et

deux ensembles. On dnit les ensembles suivantes

1.

A B = {(x, y)/x A

2.

A B = {x/x A

oux B},

3.

A B = {x/x A

etx B},

A B = ,

on dit que

et

et

y B},

produit cartsien de

Aet B .

runion de A et B.
intersection de A et B.

sont

disjointes.

Gnralisation :
Soit

un ensemble non vide, pour tout

i I,

on se donne un ensemble

Ei .

on dnit

les ensembles suivantes :


 a)
 b)

S
iI
T

Ei = {x/i I,

tel que x Ei }

Ei = {x/i I, x Ei }

runion de la famille d'ensembles

intersection de la famille d'ensembles

(Ei )iI

(Ei )iI

iI

Proposition 1.1.1. ( Lois de Morgan ) Quels que soient les lments A et B


on a :

CEAB = CEA CEB


CEAB = CEA CEB

de

P(E)

Dmonstration :
En eet :

(x E),

on peut crire :

non(x A et x B) (x
/ A) ou (x
/ B)
non(x A ou x B) (x
/ A) et (x
/ B)
c'est dire :

CEAB = CEA CEB


CEAB = CEA CEB
u
t

Dnition 1.1.5.
ensembles

et

Soit

et

et on note

B deux parties d'un ensemble E . On appelle dirence des


A \ B l'ensemble des lments de A n'appartient pas B .

Donc :

A \ B = {x E/x A et x
/ B}

Exercice 1.1.
Soit

(Ai )1in

une famille de parties d'un ensemble

1. Montrer que :

i=n
S

C
Ai

i=1
2. Pour toutes parties

i=n
T
i=1

et

de

AC
i

E,

et

i=n
T

Ai

E
C
=

i=1

i=n
S
i=1

AC
i .

on pose :

A4B = (A B) \ (A B).
Montrer que :

(B A)
.
A4B = (A \ B) (B \ A) = (A B)

1.2 Applications
Soient

et

On dit que

f une application de E source dans F but.


surjective ou une surjection si tout lment de

deux ensembles non vides, et

est une application

but est l'image d'un lment au moins de la source. C'est dire :

( E), (x E) tel

On dit que

est une application

injective

que y = f (x)
ou une

injection

si tout lment de but

est l'image d'un lment ( au plus ) de la source. C'est dire :

(x, y E), [f (x) = f (y) = x = y]

On dit que

est une application

bijective

ou une

bijection

est l'image d'un lment unique de la source. C'est dire :

(y E), (!x E) tel


5

que y = f (x)

si tout lment de but

Donc une application est une bijection si et seulement si elle est la foissurjective et
injective.

Si une application

f : x y = f (x) est une bijection de E dans F ,


f 1 , dnie de F dans E . On peut crire :

alors elle admet

une fonction rciproque, note

(x, y E F ), [y = f (x) x = f 1 (y)]

1.3 Ensembles nis


1.3.1 Ensembles quipotents
Si

et

sont deux entiers naturels tels que

Dnition 1.3.1.
dans

F,

on dit que

p n,

tant donns deux ensembles

et

sont

quipotents

on pose

et

F.

[p, n] = {p, p + 1, ..., n}

S'il existe une bijection de

Exemples
1. Soit

l'ensemble des entiers pairs et

celui des entiers impairs, alors

et

sont

quipotents, en eet l'application

7 I
7 n + 1

: P
n
est une bijection.
2. L'application

dnie par :

: R \ {1}
7 R \ {2}
2x+1
x
7

x1
est une bijection, donc
3. L'application

R \ {1}

et

R \ {1}

sont quipotentes.

dnie par :

: ] 1, 1[
7
x
7

est une bijection, donc

Dnition 1.3.2.
n

E
cardE = n
tel que

] 1, 1[

et

On dit qu'un ensemble

soit quipotent

[1, n].

x
1x2

sont quipotentes.

est ni s'il existe un entier naturel non nul

Ce nombre

est appel le

cardinal

de

E,

on crit

On pose, par convention, card = 0


Un ensemble non f ini est appel ensemble inf ini, par exemple N, Z, Q, R, C sont des
ensembles innis.

card{, , , N, z, , , f, , } = 10
card[1, n] = n.
card[p, n] = n p + 1.

1.3.2 Proprits des cardinaux des ensembles nis


Thorme 1.3.1.
dans

F. f

est une bijection si et seulement si

Thorme 1.3.2.

tant donns deux ensembles nis

et une application

et

ni dans

de

F.

E F alors cardE cardF .


(E F et E 6= F ) alors cardE < cardF

Si
Si

Thorme 1.3.3.

E et F
cardE =cardF .

tant donns deux ensembles nis

f
f
f

Si
Si
Si

f
cardf (E) = cardF
injective cardE = cardf (E) cardF
bijective cardE = cardf (E) = cardF
tant donne une application

de

ni.

est surjective cardE


est
est

Thorme 1.3.4.

Quels que soit les ensembles nis

et

on a :

card(E F ) = cardE + cardF card(E F )

Exercice 1.2.
1.

E, F, G tant trois ensembles nis, dmontrer que :


card(E F G) = cardE + cardF + cardG card(E F ) card(E G) card(F
G) + card(E F G)

2.

A
.
.

B tant deux parties d'un ensemble ni E , dmontrer que :


(A = {A = E\A)
cardE = cardA + cardA
E
B) + card(A B)
+ card(A B)

cardE = card(A B) + card(A


et

Thorme 1.3.5.

Quels que soient les ensembles nis

et

F,

on a :

card(E F ) = cardE cardF

Rgle
a peut tre choisi de n faons et qu'un objet b peut tre choisi de m faons,
(a, b), prise dans cette ordre, peut tre choisie de nm faons.

Si un objet
la paire

Gnralisation
Quels que soient les ensembles nis

E1 , E2 , ..., Ep ,

on a :

card(E1 E2 ... Ep ) = cardE1 cardE2 ... cardEp


En particulier :

cardE n = (cardE)n

1.4 Dnombrement
En (n 1)

On note

un ensemble quelconque ni a

lments.

1.4.1 Nombre d'application de Ep sur En


Thorme 1.4.1.

Le nombre d'applications de

Ep

sur

En

est

np .

Dmonstration :
Posons

F(Ep , En )

l'ensemble d'applications de

Ep

sur

En .

Soit l'application :

: F(Ep , En )
7 En En ... En = Enp
f
7 (f (a1 ), f (a2 ), ..., f (ap ))
avec

Ep = {a1 , a2 , ..., ap }

est bien dnie bijective, donc :

cardF(Ep , Fn ) = cardEnp = np
u
t

Dnition 1.4.1.
de

Soit E un ensemble et p un entier non nul. Un


E p = E E ... E est appel une p-liste d'lments de E .

lment

(x1 , x2 , ..., xp )

Exemples
1. Le nombre possible de rsultats, l'issue de trois lancers successifs d'une pice de
monnaie est

23 = 8.

En eet, un rsultat est une

2. Supposons que l'on ait


dans

de ces

urnes numrotes

boules numrotes

1, 2, ..., n

3 liste

1, 2, ..., r

d'lments de

{P, F }

que l'on rpartit  au hasard 

et que l'on s'intresse aux direntes rpartitions

boules. L'ensemble des rpartitions peut tre assimil l'ensemble :

{(x1 , x2 , ..., xr ) o xi le
Il y a donc

nr

nombre de l'urne qu'occupe le boule

i}

telle rpartition.

1.4.2 Nombre d'injections de Ep sur En , (1 p n)


Thorme 1.4.2.

Le nombre d'injections de

Ep

sur

En

est

n(n 1)...(n p + 1)

Dmonstration :
On assimile

Ep

Pour construire une


lments de

En ,

{1, 2, ..., p}.


injection de Ep dans En ,
l'image de 1 est choisi ; on

l'ensemble

une fois

il faut choisir l'image de


choisit l'image de

parmi

dirent du choix

de l'image de
de l'image de

1,
2,

il y a

n1

choix, puis on choisit l'image de

dirent de l'image de

et

et ainsi de suite ..., donc le nombre de choix d'injections vaut :

n(n 1)...(n p + 1) =

n!
(n p)!

On note :

Apn = n(n 1)...(n p + 1) =

n!
(n p)!
u
t

Applications

Dnition 1.4.2.
lment de

tant donn un ensemble ni

est une

p-liste

E,

cardE

= n, un

arrangement de p

d'lments deux deux distincts pris parmi ceux de

E.

Proposition 1.4.1. Le nombre de p-arrangements d'un ensemble a n lments (1 p n)


est

Apn .

Remarques
Si p > n, Apn = 0 : Il n'y a aucune injection de Ep dans En .
Si p = n, Ann = n! c'est le nombre d'applications bijectives ( permutations
sur En .
Si p = 0, on pose par convention A0n = 1.

) de

Ep

Exemples
1. Une agence de voyage soumet ces clients une liste de huit ville. Elle propose de
choisir un circuit de cinq villes parmi ces huit, en indiquant l'ordre de visite des cinq
villes choisies.
Le nombre de circuits possibles est

A58 = 336

2. Combien de classements peut-on former avec 23 lves ( on suppose qu'il n'y a pas
d'ex-aequo) : c'est

A23
23 = 23!

3. Douze chevaux participent la course du tierc. Un tierc est un triplet(c1 , c2 , c3 )(ci

[1, 12]).

Il y a

A312 = 1320

tiercs possible dans

l0 ordre.

( on suppose qu'il n'y a pas

d'ex-aequo)

Exercice 1.3.
Combien peut-on former de mots avec toutes les lettres du mot
tant utilise une seule fois ?
Combien en existe-t-il commenant par

et nissant par

AHM ED,

chaque lettre

1.4.3 Nombre de parties ayant p lments d'un ensemble ni


Soit

parties de

n lments (n 1).
(p n).

un ensemble ni ayant

ayant

lments

Thorme 1.4.3.

Le nombre de parties ayant


n!
est
.
p!(np)!

p
n!
n
On note {n = p =
p!(np)! .

Pp (E)

Dsignons par

l'ensemble de

lments d'un ensemble

lments

(0 p n)

Dmonstration :
Soient

un ensemble a

l'ensemble d'injections de
Soit

E un ensemble a n lments. Posons =(M, E)


Pp (E) l'ensemble de parties de E a p lments.

lments et

dans

et

l'application :

=(M, E)
7
Pp (E)
i
7 A = i(M ) = {i1 , i2 , ..., ip }

=(M, E) = APp (E) 1 (A)


p
n!
cardPp (E) =
p!(np)! = {n .

On a :
puis

Dnition 1.4.3.

( runion disjointe ), d'o card=(M, E)

Un sous-ensemble de

lments distincts pris parmi ceux de

de cardinal

est appel

= p!.cardPp (E)
u
t

combinaison

de

E.

Remarque
Si

p > n, {pn = 0,

En eet, il n'y a pas de sous-ensemble de

strictement suprieure de celui de

ayant un cardinal

E.

Il est clair que quel que soit l'entier naturel

n,

on a :

{0n = {nn = 1

Exemples
1. L'agence de voyages (l'exemple prcdent ) propose galement ces clients une formule "libert" pour laquelle le touriste choisit cinq villes sans prciser l'ordre dans
lequel ces villes seront visites. Le nombre de formules "libert" est
2. Il y a

A312
3!

= 220

tiercs dans le dsordre dans une course runissant douze chevaux.

3. Le nombre de tirages de cinq cartes d'un jeu de 52 cartes est

Exercice 1.4.

{552 = 2598 960.

(x1 , x2 , ..., xp ) N p qui sont solutions en


x1 + x2 + ... + xp = n ( p et n xs ) est {n+p1
.
n

Montrer que le nombre de suites


positifs de l'quation

{58 = 56

nombres entiers

Proprits des nombres {n (Triangle de Pascal)

Proposition 1.4.2.
{pn

{pn1

{p1
n1

tant donn

et

entiers naturels

10

(0 p n),

alors

{pn = {np
n

et

Dmonstration :

E un ensemble ni a n lments.


= {A
Si A E est une partie a p lments alors A
E
Soit

est une partie de

n p lments

donc l'application :

: Pp (E)
7 Pnp (E)
A
7

A
est une bijection. Donc

Pp (E)

Pnp (E)

et

ont mme cardinal, c'est dire :

Autrement dit : Il y a autant de de parties a

np

{pn = {nnp

lments qu'il y a de parties a

lments

Soit

a E.

p lments peuvent se regrouper en deux catgories disjointes : d'une part


a et d'autre part ceux qui ne contient pas a.
Les premiers s'obtient en adjoignant a n'importe que partie a p1 lments de E\{a}.
p1
y en a donc {n1 .
p
Les autres sont forms de p lments pris parmi E\{a}. Il y en a {n1
p
p1
p
u
t
En conclusion : {n = {n1 + {n1 .
Les parties a

ceux qui contient l'lment


Il

Thorme 1.4.4. (Formule de binme de Newton)


complexes et un entier naturel

n,

tant donns

et

rels o

alors :

(a + b)n =

p=n
X

{pn anp bp

p=0

Exemples
Soit

n N ,

on a :

{0n + {1n + {2n + ... + {nn =

p=n
P

{pn = (1 + 1)n = 2n .

p=0

{0n {1n + {2n {3n + ... + (1)p {pn + ... + (1)n {nn =
{0n + 2{1n + 22 {2n + ... + 2p {pn + ... + 2n {nn =

p=n
P

p=n
P

{pn (1)p = (1 + 1)n = 0.

p=0

{pn 2p = 3n .

p=0

1.5 Applications ( Exemples de tirages )


On dispose d'une urne o se trouvent
note

Ni (i [1, k])

boules, de

le nombre de boules de la couleur

Nous allons tirer au hasard

i,

(k N ),
N1 + N2 + ... + Nk = N

couleurs direntes

on a :

On

boules de cette urne, on distingue trois types de tirages.

1.5.1 Tirage avec remise


On tire les

boules une une, en remettant chaque fois la boule tire dans l'urne

avant de prcder au tirage suivant, le rsultat est un


les rptitions sont possibles, il existe donc

Nn

11

nuplet

de boules de l'urne, toutes

rsultats possibles.

n1 + n2 + ... + nk = n. Quel est le nombre de


n-uplets qui constitus de n1 boules de la couleur 1, n2 boules de la couleur 2, ..., nk boules
de la couleur k .
Soient

n1 , n2 , ..., nk

des entiers tels que

Proposition 1.5.1. Ce nombre (Nombre de tirages possibles) gal n1 !n2n!!...nk ! N1n1 N2n2 ...Nknk .

1.5.2 Tirage sans remise


n-uplet form de boules distinctes. Il s'agit donc d'un n-arrangement
AnN rsultats possibles.
Quel est le nombre de nuplets qui sont constitus de n1 boules de la couleur 1, n2
boules de la couleur 2, ..., nk boules de la couleur k .
Le rsultat ici est un

sans rptition des

boules de l'urne, par consquent, il existe

Proposition 1.5.2. Ce nombre (Nombre de tirages possibles) gal n1 !n2n!!...nk ! AnN11 AnN22 ...AnNkk .

1.5.3 Tirage simultan


Eectuons un tirage simultan de

boules, le rsultat est ici une partie a

n
de l'ensemble des boules de l'urne. Le nombre de cas possibles est donc {N .
Un chantillon de type (n1 , n2 , ..., nk ) signie que cette partie est constitu de
de la couleur 1 prise parmi
la couleur

prise parmi

Proposition 1.5.3.

N1 , n2

boules de la couleur 2 prise parmi

N2 , ..., nk

lments

n1

boules

boules de

Nk .

Le nombre de cas favorables est :

{nN11 {nN22 ...{nNkk .

Exercice 1.5.
Un sac contient 4 boules rouges, 2 noires et 3 blanches. On tire de ce sac deux boules

remise. Combien y a-t-il de tirages contenant :


a) une boule rouge et une boule blanche ;
b) 2 boules de mme couleur ;
c) au moins une boule blanche.

Solution
Notons :

A l'ensemble de tirages contenant une boule rouge et une boule blanche ;


B l'ensemble de tirages contenant deux boules de mme couleur ;
C l'ensemble de tirages contenant au moins une boule blanche.
2!
1
0
1
a) cardA =
1!0!1! 4 2 3 = 24
b) On peut crire B = B1 B2 B3 ( runion disjointe ) avec :
.. B1 l'ensemble de tirages contenant deux boules rouges ;
.. B2 l'ensemble de tirages contenant deux boules noires ;
.. B3 l'ensemble de tirages contenant deux boules blanches.

12

avec

Donc :

cardB = cardB1 + cardB2 + cardB3


2!
2!
2!
=
42 20 30 +
40 22 30 +
40 20 32
2! 0! 0!
0! 2! 0!
0! 0! 2!
= 29
C = C1 C2 ( runion disjointe ) avec :
.. C1 l'ensemble de tirages contenant un boule blanche et une boule rouge ;
.. C2 l'ensemble de tirages contenant une boule blanche et une boule noire ;
..C3 = B3 .
c)

Alors :

cardC = cardC1 + cardC2 + cardB3


2!
2!
2!
=
42 21 30 +
40 21 31 +
40 20 32
1! 1! 0!
0! 1! 1!
0! 0! 2!
= 85

Exercice 1.6.
Refaite le mme exercice dans les cas suivants : Tirage sans remise et Tirage simultan.

13

Chapitre 2

Probabilits
Contents

2.1
2.2
2.3
2.4
2.5

Introduction . . . . . . . . . . . . .
Concepts de base des probabilits
Probabilit . . . . . . . . . . . . . .
Probabilit conditionnelle . . . . .
Indpendance . . . . . . . . . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

14
14
16
22
25

2.1 Introduction
Lorsqu'un phnomne est dtermin par une loi connue, on peut utiliser cette loi pour
faire des

prvisions.

Par exemple, considrons un point mobile sur une droite. Si nous

choisissons un origine et un sens sur cette droite, chaque instant le point est repr par
son abscisse.
Mathmatiquement, le mouvement est donc reprsent par une fonction :

f: I
7 R
t
7 x = f (t)
Par application de de cette loi, on peut prvoir et dterminer la position du mobile
chaque instant.
Ce pendant toutes les situations ne sont pas aussi simples : par exemple, dans une
partie de pile ou face, on ne peut pas dire l'avance si c'est pile qui sortir ou si face. Un
tel phnomne semble chapper toute prvision. On dit qu'il est alatoire.
L'objet des probabilits est d'tudier, d'un point de vue thorique les phnomnes ala-

toires

2.2 Concepts de base des probabilits


2.2.1 preuve
Dnition 2.2.1.

On dit qu'une exprience ou une preuve est une experience alatoire

s'elle est rpt dans les m

eb mes

conditions conduit des rsultats dirents, donc dans

une exprience alatoire, on ne sait pas d'avance le rsultat.

14

Exemples
1. Soit l'preuve " lancer une pice de monnaie trois fois dans l'air ". On peut obtenir
soit pile, soit face pour le premier cas, puis, soit pile, soit face pour le deuxime
lancer, etc...
2. " Tirage d'une carte d'un jeu de 52 cartes "
3. Dans une urne on dpose sept boules rouges, quatre noires et deux boules vertes "
On tire successivement deux boules sans les remettre dans l'urne "

2.2.2 Ensemble des ventualits. vnements


Dnition 2.2.2.

Considrons une exprience alatoire. L'ensemble des ventualits

associ cette preuve est l'ensemble des rsultats possibles. On note cette ensemble

Exemples
1. Considrons le jeu de la pice lance trois fois. On peut reprsenter toutes les possibilits l'aide de l'arbre suivant :

.&
P
F
.&
.&
P
F
P
F
.&
.& .&
.&
P
F P F P
F P
F

er
1 lancer
e lancer

e lancer

Dans ce cas :

= {P P P, P P F, P F P, P F F, F P P, F P F, F F P, F F F }
2. Dans l'exprience " lancer deux fois d'un d "

= [1, 6]2
3. Au jeu de la roulette qui contient 37 chires,0,1,2,...,36. L'espace des ventualits
est :

= {n N/0 n 36}
4. L'espace des vnements associ l'preuve " lancer d'une pice de monnaie et d'un
d " est :

= {P, F } [1, 6]

Dnition 2.2.3.

Soit

P() l'en est appel

l'espace des ventualits associ une preuve et

semble de ses parties. Chaque lment de

vnement.

P(),

c'est--dire chaque partie de

Exemples
 Dans le jeu de la pice de monnaie lance trois fois,l'vnement " pile sort en premier
" est

{P P P, P P F, P F P, P F F }.

 Au jeu de d l'vnement " rsultat pair " est

15

{2, 4, 6}.

vnements particuliers

est dit vnement impossible.


est dit vnement certain.
Deux vnements A et B sont dits disjoints ou incompatibles si l'vnement  A et B
est impossible, c'est dire A B = .
Chaque partie de possdant un seul lment ( un singleton ) est appel vnement

lmentaire, les vnements lmentaires sont disjoints deux deux.

Exemples
Dans le jeu de la pice de monnaie lance trois fois :
 1) L'vnement caractris par " sortir cinq fois pile " est impossible. De mme
l'vnement " obtenir une fois pile et deux fois pile " est impossible.
 2) Les vnements " obtenir une fois pile " et obtenir deux fois pile " sont incompatibles.

2.3 Probabilit
2.3.1 Dnitions et proprits
Dnition 2.3.1.

Une probabilit

est une application de

P ()

dans

[0, 1]

qui vrie :

p() = 0, p() = 1
et pour tout couple d'vnements tels que

AB =

on a :

p(A B) = p(A) + p(B)


On appelle espace probabilis le triplet

(, P (), p),

si

est ni on dit que

un espace probabilis ni.

Exemple
On lance une pice de monnaie une fois.
Ici

= {P, F }

L'application :

p : P()
7 [0, 1]
1
P
7

2
1
F
7
2
est une probabilit et

Proposition 2.3.1.

(, P (), p)
Soit

est un espace probabilis ni.

(, P (), p)

est un espace probabilis.

1.

A, B P (), p(A B) = p(A) + p(B) p(A B).

2.

A, B P ()

3.

A B, p(A) p(B).
= 1 p(A), avec A = {A
A P (), p(A)

tels que

16

(, P (), p)

est

Dmonstration :
1.

A, B P ()

on a :

A B) = (A B) (B A) (A B)
et les trois parties

A B, B A, A B

sont deux deux disjointes .

On a donc :

p(A B) = p(A B) + p(B A) + p(A B)


D'autre part :

A = (A B) (A B)

et

(A B) (A B) =

B = (B A) (A B)

et

(B A) (A B) =

On a alors :

p(A) = p(A B) + p(A B)


p(B) = p(B A) + p(A B)
En portant les valeurs

p(A B)

p(B A)

et de

dans (1), on a :

p(A B) = p(A) p(A B) + p(B) p(A B) + p(A B)


d'o :

p(A B) = p(A) + p(B) p(A B)


A, B P () tels que A B.
A
a : B = A { = A (B A)

2. Soit
On

et

et

BA

sont disjoints, donc :

p(B) = p(A) + p(B A) p(A) (carp(B A) 0)


3.

= A A,

donc

1 = p() = p(A) + p(A)


u
t

Dnition 2.3.2.

Soit

(, P (), p)

un espace probabilis ni, posons

On dit que les vnements lmentaires sont quiprobables si tous les

Proposition 2.3.2.

Soit

(, P (), p)

= {a1 , a2 , ..., an }.
p({ai }) sont gaux.

est un espace probabilis ni tel que les vnements

lmentaires soient quiprobables. On a alors :


a , p({a}) = 21
Si A = {ai1 , ai2 , ..., aip } , p(A) = np = cardA
card

17

nombre de cas f avorables


nombre de cas possibles

Preuve :

On a :

= {a1 , a2 , ..., an },

donc :

1 = p({a1 }) + p({a2 }) + ... + p({an }),


p(A) = p({ai1 , ai2 , ..., aip }) = k. n1 =

d'o

i, p({ai }) =

1
n

k
n

u
t

Exemples
1. L'exemple deja tudier d'une partie de pile ou face trois lancers est un cas particulier
o les vnements lmentaires sont quiprobables.
2. Considrons le jet d'un d six faces numrots de 1 6. Si le d une forme
rgulire ( cube ) et s'il est fait d'une matire homogne, chaque numro a la mme
probabilit, c'est

1
6 . ce pendant on peut fabriquer des ds o le centre de gravit

n'est pas la mme distance de chaque face. Dans ce cas il faudra rejeter l'hypothse
d'quiprobabilit.
3. Si on lance un d truqu comporte les numros

{1, 2, 3, 4, 5}

6, 1, 2, 3, 4, 5, 6,

dans ce cas

mais les vnements lmentaires ne sont pas quiprobables : la proba-

bilit de  sortir 6  est le double de celle  sortir 1 .

2.3.2 Exercices rsolus


Exercice 2.1.
p

est une probabilit dnie sur l'univers

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

Le tableau ci-dessous

indique les probabilits des vnements lmentaires :

1
pi
Calculer

et

y,

4
15

2
x

1
4

1
12

1
12

6
y

pour que :

p({1 , 2 , 3 }) = 2p({4 , 5 , 6 }).

On a d'une part :

4
1
1
1
+x+ +
+
+y =1
15
4 12 12

ou

x+y =

19
60

d'autre part :

4
1
1
1
+ x + = 2( +
+ y)
15
4
12 12
L'unique solution est

x=

3
20

et

y=

1
6

18

ou

31
1
+ x = + 2y
60
3

Exercice 2.2.
p

. A

est une probabilit sur l'univers

et

sont deux vnements tels que :

1
2
p(A) = , p(B) =
3
5
Calculer

=
p(A B)

et

1
6

p(A B)
.
p(A B), p(A B), p(B A),

AB

et

AB

sont deux vnements incompatibles dont la runion est

A,

donc :

p(A) = p(A B) + p(A B),


d'o :

p(A B) =
p(A B) = p(A) + p(B) p(A B)

1
1 1
=
3 6
6

, d'o :

p(A B) =

17
30

+ p(B A) = p(B), donc p(B A)


=
p(B A)
= A B , donc p(A B)
= 1 p(AB) =
A B

7
30
13
30 .

Exercice 2.3.
On lance deux fois de suite une pice de monnaie. Dterminer l'ensemble
puis

P ()

et indiquer pour chaque partie de

pour ce jeu,

la probabilit associe.

Il est clair que

= {P, F } {P, F } = {(P, P ), (P, F ), (F, P ), (F, F )}


et

P() = A B C D
avec

A = {, }
B = {{(P, P )}, {(P, F )}, {(F, P )}, {(F, F )}}
C = {{(P, P ), (P, F )}, {(P, P ), (F, P )}, {(P, P ), (F, F )}, {(P, F ), (F, P )}, {(P, F ), (F, F )}, {(F, P ), (F, F )}}
D = {{(P, P ), (P, F ), (F, P )}, {(P, F ), (F, P ), (F, F )}, {(F, F ), (P, P ), (P, F )}, {(F, F ), (P, P ), (F, P )}}
On suppose que les deux ds ne sont pas truqus, donc, par quiprobabilit, on a :

E P(), p(E) =

cardE
, d'o :
24

p() = 0

et

p() = 1

E B, p(E) =
19

1
16

2
16
3
E D, p(E) =
16
E C, p(E) =

Exercice 2.4.
Une urne contient 1 boule noire, 2 boules rouges, 3 boules vertes.
1. On prlve successivement et sans remise deux boules de l'urne et on note leur couleur. On suppose que tous les tirages sont quiprobables. Quelle est la probabilit des
vnements suivants :
boule rouge

C:

A:

obtenir deux boules vertes

B:

obtenir deux boules de couleurs direntes

obtenir au moins une

2. Mmes questions qu'au 1) On prlve successivement deux boules avec remise (la
premire est remise dans l'urne avant le tirage de la deuxime ).
3. Mmes questions, en supposant que l'on prlve deux boules simultanment.

Solution
Pour distinguer les boules de mme couleur, on suppose que les boules sont numrotes

N1 , R 2 , R 3 , V 4 , V 5 , V 6 .
1. Soit

l'univers associ ce premier type de tirage, donc card est le nombre d'ar-

rangements de deux lments ( les deux boules tires ) d'un ensemble six lments

( six boules dans l'urne ) donc card =A6

Pour que

= 6 5 = 30.

soit ralisable il faut tirer deux boules vertes successivement et sans

remise, l'urne contient trois boules vertes, donc cardA=3


D'o :

p(A) =

De mme

, B
:
p(B) = 1 p(B)

2 = 6.

6
1
=
30
5

aucune boule rouge

Pour que

soit rali-

sable il faut tirer les deux boules, successivement et sans remise, parmi les 4 boules

N1 , V 4 , V 5 , V 6 .
D'o

donc cardB

= 4 3 = 12
= 1 12 = 3
p(B) = 1 p(B)
30
5

avec C : deux boules de mmes couleurs


p(C) = 1 p(C)

C = C1 C2 ( runion disjointe )
avec : C1 : obtenir deux boules vertes C2 : obtenir deux
=2 1 + 3 2 = 8 et
cardC
p(C) = 1

20

8
11
=
30
15

boules rouge

donc

2. Ici card est le nombre d'application d'un ensemble de six lments dans un ensemble

2 lments, donc card =6

= 36.

De faon similaire, on trouve cardA=3

3=9

on a C = C1 C2 C3 ( runion
C,
C1 : obtenir deux boules vertes
C2 : obtenir deux boules rouge
C3 "obtenir deux boules noires "
Pour

=4
et cardB

disjointe ) avec :

D'o

cardC = cardC1 + cardC2 + cardC3 = 3 3 + 2 2 + 1 1 = 14


Ainsi

p(A) =

1
16
5
9
= , p(B) = 1
= ,
36
4
36
9

et

= 1 14 = 11 .
p(C) = 1 p(C)
36
18

3. On obtient exactement les mmes rsultats qu' la question 1) ; l'ordre des boules

= {26 = 15,

4 ralisantC.

tires n'intervient pas ; card

A, 6

ralisent

ralisant

et

donc il y a

15

issues possibles dont

Exercice 2.5.
Est-il probable d'amener au moins une fois un six avec un d en quatre coups que d'amener
un double six au moins une fois avec deux ds en 24 coups ? (On suppose que les ds ne
sont pas truqus)

Solution
Avec un d :
L'exprience consiste lancer quatre fois un d et noter les numros obtenus ;
l'ensemble
Soit

{1, 2, 3, 4, 5, 6}4 ,

donc card

l'vnement : " obtenir au moins une fois 6 " ; alors

donc cardA

= 54

et

p(A) = 1

54
64

est

= 64 .
A = {1, 2, 3, 4, 5}4

= 0. 517 7

Avec deux ds ( un bleu et un noir ) :

(b, n) obtenus ;
62 = 36 couples
fois un double 6;

L'exprience consiste lancer 24 fois les deux ds et noter les couples

dsigne le numro obtenu avec le d bleu et

= 3624 . Soit B l'vnement


3524
donc p(B) = 1
= 0. 491 4
3624

possibles et card

= 3524
cardB

n avec le d
: obtenir au

noir. Il y a
moins une

Conclusion :

Il est plus probable d'amener au moins une fois un six avec un d en quatre coups que
d'amener un double six au moins une fois avec deux ds en 24 coups.

21

2.4 Probabilit conditionnelle


2.4.1 Dnitions et proprits
Proposition 2.4.1.

(, P (), p) un espace probabilis et B un vnement de probabilit non nulle. la probabilit de A sachant que B est ralis est le nombre not p(A/B)
p(AB)
ou pB (A), donn par p(A/B) =
p(B) .
L'application : pB : P () 7 [0, 1] est une probabilit sur : C'est la probabilit
conditionnelle sachant B .
Soit

Dmonstration :
p(B)
pB () = p(B)
p(B) = p(B) = 1
A, A0 , tels que A A0 = on a :
0 )B]
0 B)]
pB (A A0 ) = p[(AA
= p[(AB)(A
=
p(B)
p(B)

p(AB)
p(B)

p(A0 B)
p(B)

= pB (A) + pB (A0 )

u
t

Exemple
On tire une carte d'un jeu de 32 cartes :

1
1
1
1

R
R
R
R

D
D
D
D

V
V
V
V

10
10
10
10

9
9
9
9

8
8
8
8

7
7
7
7

On considre les trois vnements :

R : tirer un roi
T : tirer un tr`
ef le
R T : tirer un roi de tr`
ef le
8
1
Ici card = 32 p(T ) =
=
32
4 , p(R T ) =

1
32

et

p(RT )
p(T )

1
8

On arrive maintenant savoir, avant de dcouvrir la carte, qu'il s'agit d'un tre. Dans
ce cas l'espace des vnements est

0 = {1, R, D, V, 10, 9, 8, 7}

( les huit cartes de tre )

0 . C'est
p(R/T ) = 81

Donc tirer un roi dans ces conditions-l est un vnement de


sachant que l'on tir un tre. Cet vnement est not
On a bien

p(R/T ) =

R/T

p(RT )
p(T ) .

et

tirer un roi

Remarques
Il est parfois ais de dterminer p(A/B). On peut alors
P (A B) = P (A/B) P (B).
De mme, si P (A) 6= 0, P (A B) = P (B/A) P (A).

Proposition 2.4.2.
p(A) 6= 0

et

Soit

p(B) 6= 0,

et

dduire

P (A B)

deux vnements d'un espace probabilis

il y a quivalence entre les proprits suivantes :

1.

P (A/B) = P (A)

2.

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

3.

P (B/A) = P (B).
22

en crivant

(, P (), p)

tels

2.4.2 Formule des probabilits totales


Dnition 2.4.1. Soit A1 , A2 , ..., An des vnements d'un espace . On dit que A1 , A2 , ..., An
si :
i {1, 2, ..., n}, Ai 6= .
i, j {1, 2, ..., n}, si i 6= j
A1 A2 ... An =

forment une partition de


1)
2)
3)

alors

Ai Aj =

Exemple
2 boules vertes. On tire
successivement deux boules sans les remettre dans l'urne. Pour i = 1 ou 2, on note : Ri
e`me tirage N l'vnement tirer une boule noire
l'vnement tirer une boule rouge au i
i
e
`
me
e`me tirage On a :
au i
tirage Vi l'vnement tirer une boule verte au i
1) R1 6= , N1 6= , V1 6=
2) R1 N1 = , V1 R1 = , N1 V1 =
3) R1 N1 V1 =
N1 , V1 , R1 forment une partition de .
De mme N2 , V2 , R2 forment une partition de .
Dans une urne on dpose

boules rouges,

boules noires et

Proposition 2.4.3. (Formule des probabilits totales)


Soit

un vnement d'un espace probabilis

ments formant une partition de

(, P (), p)

et

A1 , A2 , ..., An

des vne-

Alors :

p(A) =

i=n
X

p(A/Ai ) p(Ai )

i=1

Preuve :
p(A) = p(A )

car

= p(A (A1 A2 ... An )


= p((A A1 ) (A A2 ) ... (A An ))
= p(A A1 ) + p(A A2 ) + ... + p(A An ))

car

A1 , A2 , ..., An

= p(A/A1 ) p(A1 ) + ... + p(A/An ) p(An )

car

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

sont deux deux disjoints

u
t

Exemple
Un individu est choisi au hasard dans une population possdant la proportion

p ]0, 1[

de tricheurs. On fait tirer une carte d'un jeu de 52 cartes cet individu et on admet que si
cet individu est un tricheur il est sur de retourner un as. Quelle est la probabilit que cet
individu retourne un as ?
Soit

l'vnement

retourne un as

l'individu choisi est un tricheur

.
23

et

l'vnement

l'individu

On a

:
= T T,

ainsi :

p(A) = p(T )p(A/T ) + p(T)p(A/T)


1
= p.1 + (1 p).
13
1 + 12p
=
13
(p(A/T) =

1
13 , si l'individu ne triche, il 4 chances sur 52 de retourner un as )

Proposition 2.4.4. (Formule de Bayes)


Sous les mmes conditions de la proposition prcdente, si de plus
tout entier

k {0, 1, ..., n},

p(B) > 0,

on a, pour

l'identit :

p(Ak /B) =

p(B/Ak ) p(Ak )
i=n
P

p(B/Ai ) p(Ai )

i=1

Preuve :
k {0, 1, ..., n},

on peut crire :

p(Ak /B) =
=

p(B Ak )
p(B)
p(B/Ak )p(Ak )
i=n
P
p(B/Ai ) p(Ai )
i=1

u
t

Exemple
Un matre et son lve tirent l'arc sur une cible. La probabilit pour que l'arc aille
l'lve est

0.8 ;

dans ce cas, la probabilit que la che aille au but est

si la che est tire par le matre, la probabilit de succs est

0.7.

0.5.

quelle est la probabilit qu'elle ait t tire par le matre ?


Notons :

A l'arc va au matre 
B  la che va au but

Donc la probabilit demande est la propbabilit conditionnelle

p(A/B ) =
d'o

p(A/B ) =

0.70.2
0.70.2+0.50.8

p(B/A )p(A)

p(B/A )p(A) + p(B/A )p(A)

= 0.2592

24

Par contre,

Une che part au but ;

p(A/B).

2.5 Indpendance
Soit

et

deux vnements de probabilits non nulles.

B (p(B) 6= 0) n'agit pas sur la probaA (p(A) 6= 0), c'est dire p(A/B) = p(A), alors la

Remarquons que si la ralisation de l'vnement


bilit de la ralisation de l'vnement

formule des probabilits composes devient :

p(A B) = p(A) p(B)

Dnition 2.5.1.

Deux vnements

et

indpendants si p(A B) = p(A) p(B).

d'un espace probabilis

(, P (), p)

sont dits

Remarques
L'indpendance est une relation symtrique entre les vnements.
Si p(A) = 0 ou p(B) = 0, les deux vnements sont indpendants (p(A B) =
p(A) p(B) = 0)

Exemples
1. On tire une carte d'un jeu de 32 cartes. On considre les trois vnements :

R : tirer un roi
T : tirer un tre
R T : tirer un roi de tre
Les vnements R : tirer un roi
eet :

et

T :

tirer un tre sont indpendants, en

1
1
1
p(R) = , p(T ) = et p(R T ) = ,
8
4
32

donc

p(R T ) = p(R) p(T ).


Autrement dit, savoir ou non que
de

est ralis n'intervient pas dans la probabilit

R.

2. Considrons les direntes rpartitions possibles des sexes des enfants d'une famille
ayant

enfants.

Considrons l'vnement

F :

M :

la famille a des enfants de deux sexes  et l'vnement

 la famille a au plus une lle .

Notons

Cas :

zn l'ensemble
n=2

de ces rpartitions. cardzn

= 2n .

z2 = {(G, G), (G, F ), (F, G), (F, F )}


Alors

M = {(G, F ), (F, G)}, F = {(G, G), (G, F ), (F, G)}


d'o

25

et

M F =M

2
1
3
1
= , p(F ) = , p(M F ) =
4
2
4
2
p(M F ) 6= p(M ).p(F ), M et F ne sont pas indpendants
: n=3
p(M ) =

d'o

Cas

dans ce cas.

On a dans ce cas :

z3 = {(G, G, G), (G, G, F ), (G, F, F ), (F, G, F ), (F, G, G), (F, F, G), (G, F, G), (F, F, F )}
M = {(G, G, F ), (G, F, F ), (F, G, F ), (F, G, G), (F, F, G), (G, F, G)}
F = {(G, G, G), (G, G, F ), (F, G, G), (G, F, G)}
et

M F = {(G, G, F ), (F, G, G), (G, F, G)}


d'o

p(M ) =
Dans ce cas

3
4
1
3
6
= , p(F ) = = , p(M F ) =
8
4
8
2
8

p(M F ) = p(M ).p(F ). M

et

sont indpendants.

Exercice 2.6.
Montrer que , pour

n > 3, M

et

ne sont pas indpendants.

Proposition 2.5.1.

Soient A et B deux vnements d'un espace probabilis (, P (), p).


sont indpendants. De mme pour les vnements
A et B sont indpendants, alors A et B

A et B et pour les vnements A et B.

Si

Preuve :
On a

(A B)
A = (A B)

et cette runion est disjointe, d'o

= p(A) p(A B)
p((A B)
= p(A) p(A).p(B)
= p(A)(1 p(B))

= p(A).p(B)
donc les vnements
dants. Comme

et

Dnition 2.5.2.
(, P (), p).

sont indpendants, et par symtrie A et B sont aussi indpenA et B


et A sont indpendants.
u
A sont indpendants. alors B
t

Soit

(Ak )1kn

une suite nie d'vnements d'un espace probabilis

On dit que les vnements

pour toute suite nie

Ai1 , Ai2 , ..., Aik

A1 , A2 , ..., An

sont mutuellement indpendants si

d'vnements distincts, on a :

p(Ai1 Ai2 ... Aik ) = p(Ai1 ).p(Ai2 ).....p(A)ik


26

Remarque
Si les vnements

A1 , A2 , ..., An

sont mutuellement indpendants, alors ils sont ind-

pendants deux deux, mais la rciproque est est fausse en gnral. Voici un contre exemple.

Exemple
a et b. Considrons les
A = {a pair }, B = {b impair } et C = {a et b de mme parit} On
1
a : p(A) = p(B) = p(C) =
et
p(A B) = p(A C) = p(B C) = 14 donc A, B et
2
C sont deux deux indpendants, mais p(A B C) = 0 6= 18 : A, B et C ne sont pas
On lance deux ds non truqus dont les rsultats sont nots

vnements suivants

mutuellement indpendants.

27

Chapitre 3

Variables alatoires relles


Contents

3.1
3.2
3.3
3.4

Loi de probabilit d'une variable alatoire


Caractristiques d'une variable alatoire .
Lois usuelles . . . . . . . . . . . . . . . . . .
Couple de variables alatoires . . . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

28
30
36
41

3.1 Loi de probabilit d'une variable alatoire


3.1.1 variables alatoires
Dnition 3.1.1.
de

dans

On appelle varaible alatoire relle ( en abrg v.a.r ) toute application

R.

Notations
Soit

une variable alatoire relle de

dans

R:
= { /X() = x} se note X = x.
X 1 (]a, +[) = { /X() > a} se note X > a.
X 1 ([a, b[) = { /a X() < b} se note a X b.
X 1 (] , a]) X 1 (] , b]) se note (X a, X b).

1 (x)
1. X
2.
3.
4.

Exemples
1. On lance une pice de monnaie, l'univers associ cette exprience est
soit

la variable dnie par

X({P }) = 1

et

X({F }) = 0,

p(X = 0) = p(X = 1) =

= {P, F },

alors

1
2

2. Soit une urne deux catgories contenant des boules blanches en proportion
des boules noires en proportion
chaque tirage

de

1 p.

On tire de cette urne

X() = [0, n].


28

et

boules avec remise,

boules on peut faire correspondre le nombre

blanches obtenues. Dans ce cas on a

X()

des boules

3. Un tournoi de football se joue entre quatre quipes. Chaque quipe doit rencontrer
une fois et une fois seulement les trois autres. chaque match, on attribue 2 points
l'quipe gagnante, 0 point l'quipe perdante et 1 point chaque quipe s'il y a
match nul.
Soit

le nombre de points marqus par une quipe donne la n du tournoi. Ici

X() = {0, 1, 2, 3, 4, 5, 6}.

3.1.2 Loi d'une variable alatoire


Proposition 3.1.1.

et dnition

) Soit

une v.a.r dnie sur

(, P (), p),

alors

l'application :

pX : X()
[0, 1]
a
p(X = a)
X(), s'appelle
probabilit pX .

est une probabilit sur

suit la loi de

la loi de probabilit de

X.

On dit aussi que la v.a.r

Dmonstration :

On a :

X() =

(X = a)

a
donc

pX (X()) =

p(X = a) = 1

Soient B et B 0 deux parties disjointes de X(), donc ils existent deux parties disjointes
0
0
0
et A de tels que : X(A) = B et X(A ) = B , donc :
pX (B B 0 ) = p(

X = a)

aBB 0
0

= p(A A )
= p(A) + p(A0 )
= p(X 1 (A)) + p(X 1 (A0 ))
= pX (B) + pX (B 0 )
u
t

Exemple
Un sac contient six jetons : deux jetons portent le numro 1 ; trois portent le numro
2 ; un jeton porte le numro 3.
On suppose que les jetons ont mme probabilit d'apparition.
On tire simultanment trois jetons du sac. Soit
nombres ports par les jetons tirs.

29

la v.a.r associe la somme des

Dterminer la loi de
L'univers

X.

associ cette preuve est l'ensemble des parties trois lments (jetons)

parmi les six que contient le sac.


D'o :

card = {36 = 20
On peut avoir des types d'ventualits suivants :

{1, 1, 1}, {1, 2, 2}, {1, 1, 3}, {1, 2, 3}, {2, 2, 2}, {2, 2, 3}
Donc

prend les valeurs :

4, 5, 6, 7,

c'est--dire

p(X = 4) =
p(X = 5) =
p(X = 6) =
p(X = 7) =
La loi de probabilt de

X() = {4, 5, 6, 7}.

{22 {13
3
=
20
20
{12 {23 + {22 {11
7
=
20
20
{12 {13 {11 + {33
7
=
20
20
{23 {11
3
=
20
20

se rsume dans le tableau suivant :

xi X()
p(X = xi )

3
20

7
20

7
20

3
20

3.2 Caractristiques d'une variable alatoire


3.2.1 Fonction de rpartition
Dnition 3.2.1.

Soit

(, P (), p), on
dnie sur R par :

une v.a.r dnie sur un espace probabilis

pelle fonction de rpartition de de

la fonction numrique

FX

ap-

x R, FX (x) = p(X x)

Exercice 3.1.
Un sac contient 3 boules rouges et 3 boules vertes. On tire une une les 6 boules du sac (
sans remise )
Soit

la v.a.r qui chaque tirage des six boules associe le nombre de boules vertes

tires avant l'apparition, pour la premire fois, d'une boule rouge.


1) Quelles sont les valeurs prises par
2) Quelle est la loi de

X?

X?

3) Dnir la fonction de rpartition de

X.

30

Solution
1. Le rsultat de cette preuve est une permutation des 6 boules et, si on dsigne par

l'univers des ventualits, alors :

card = 6!
X() = {0, 1, 2, 3} ( car la premire boule rouge peut apparatre
1er tirage ( alors X = 0), ou au 2me tirage ( alors X = 1), ou au 3me tirage ( alors
X = 2) ou au 4me tirage (alors X = 3))

Il est vident que


au

2.

p(X = 0) = p(E0 )
E0 tant l'vnement constitu
er position, donc
gure en 1

des permutations des 6 boules du sac o une rouge

cardE0 = {13 5!
({13

est le nombre de choix de la boule rouge tir la

permutations des

fois,

5!

est le nombre de

autres boules ), alors :

p(X = 0) =

{13 5!
1
=
6!
2

p(X = 1) = p(E1 )
E1 tant l'vnement constitu des permutations des 6
er position, et une rouge en 2 position, donc
verte en 1

boules du sac o gure une

cardE1 = {13 {13 4!


({13

pour la verte tir la

fois,

{13

pour la rouge tire la

fois,

4!

est le nombre de

permutations des quatre autres boules ), donc :

p(X = 1) =

{13 {13 4!
3
=
6!
10

p(X = 2) = p(E2 )
E2 tant l'vnement constitu des permutations des 6 boules du sac o gurant une
er position, une verte en 2 position et une rouge en 3 position, donc
verte en 1
cardE2 = A23 {13 3!
(A23

correspondant aux arrangements des deux boules vertes gurant en 1 et 2 posi-

tions,

{13

correspond la rouge tire la

fois,

3!

est le nombre de permutations des

trois autres boules ), donc :

p(X = 2) =
p(X = 3) = p(E3 )
E3 tant l'vnement

3
A23 {13 3!
=
6!
20

constitu des permutations des 6 boules du sac o gurant les

trois vertes suivies des trois rouges ), donc cardE3

31

= 3!3!

(3!

dsignant le nombre de permutations des trois boules vertes ou des trois boules

rouges ), on a :

p(X = 2) =
La loi de probabilit de

est rsume dans le tableau suivant :

k X()
p(X = k)
3. Fonction de rpartition de
Si
Si
Si

3!3!
1
=
6!
20

X.

Soit

1
2

3
10

3
10

1
10

xR

x < 0, FX (x) = 0
x [0, 1[, FX (x) = p(X = 0) = 21
x [1, 2[, (X x) = (X = 0) (X = 1)

( runion disjointe ) donc :

FX (x) = p(X x) = p(X = 0) + p(X = 1) =


Si

x [2, 3[ (X x) = (X = 0) (X = 1) (X = 2)

8
10

( runion disjointe ) donc :

FX (x) = p(X x) = p(X = 0) + p(X = 1) + p(X = 2) =


Si

x [3, +[

19
20

(X x) = (X = 0) (X = 1) (X = 2) (X = 3)

( runion

disjointe )donc :

FX (x) = p(X x) = p(X = 0) + p(X = 1) + p(X = 2) + p(X = 3) =


D'o'u

FX (x) =

21

8
10
19
20

20
=1
20

si
x<0
si x [0, 1[
si x [1, 2[
si x [2, 3[
si
x3

Thorme 3.2.1. Soit X une v.a.r. et soit FX sa fonction de rpartition. Alors FX possde
les proprits suivantes :
1)
2)
3)

F est une fonction croissante ( au sens large


F est continue droite en tout point de R.
lim FX (x) = 0 et lim FX (x) = 1

x+

Proposition 3.2.1.
1)
2)

Soit X une v.a.r . et soit FX sa fonction de rpartition.


a, b R, a < b, P (a < X b) = FX (b) FX (a)
a R, p(X = a) = FX (a) FX (a ), (FX (a ) = lim FX (x))

xa

32

On a :

3.2.2 Esprance mathmatiques ( la moyenne )


Dnition 3.2.2.

X une variable alatoire relle


(, P (), p) avec X() = {x1 , x2 , ..., xn }. On appelle
X le nombre not E(X), dni par :
Soit

E(X) =

i=n
X

dnie sur un espace probabilis ni


esprance mathmatique de la v.a.r

xi p(X = xi )

i=1

Proposition 3.2.2.

Soit

une v.a.r et

a :

E(U (X)) =

une fonction de

i=n
X

dans

R,

dnie sur

DX .

On

U (xi )p(X = xi )

i=1

X() = {x1 , x2 , ..., xn }


En particulier si Y = aX + b,

avec

Dnition 3.2.3.
Y

Soit

alors

E(Y ) = aE(X) + b.
Y = X E(X).
X , on a E(X) = 0.

une v.a.r, on pose

s'appelle la v.a.r centre associe

De manire gnrale si

E(X) = 0, X

est

dite centre.

3.2.3 Variance et cart-type


Dnition 3.2.4.

X une variable alatoire relle dnie sur un


(, P (), p) avec X() = {x1 , x2 , ..., xn }.
On appelle variance de la v.a.r X le rel not V ar(X), dni
Soit

V ar(X) =

i=n
X

espace probabilis ni


par :

[xi E(X)]2 p(X = xi )

i=1

On appelle

cart-type de X le nombre (X) dni par :


(X) =

V ar(X)

Remarque
P
2
V ar(X) = i=n
i=1 [xi E(X)] p(X = xi ) : C'est
2
[xi E(X)] et p(X = xi ).

1. La variance est un nombre positif car


la somme de produits positifs

33

2. La variance peut tre calculer autrement : En eet :

i=n
X

V ar(X) =

i=1
i=n
X

[xi E(X)]2 p(X = xi )


[x2i 2xi E(X) + E 2 (X)]p(X = xi )

i=1
i=n
X

x2i p(X

= xi ) 2E(X)

i=n
X

i=1

xi p(X = xi ) + E (X)

i=1

= E(X 2 ) 2E 2 (X) + E 2 (X) (

i=n
X

p(X = xi )

i=1
i=n
X

p(X = xi ) = 1)

i=1

= E(X 2 ) E 2 (X)
d'o :

V ar(X) = E(X 2 ) E 2 (X)

Proposition 3.2.3.
ni (, P (), p) et

Soit

a, b

une variable alatoire relle dnie sur un espace probabilis

des rels, alors :

V ar(aX + b) = a2 V ar(X)

et

(aX + b) = |a| (X)

Dmonstration :
On a d'une part :

V ar(aX + b) = E[(aX + b)2 ] E 2 (aX + b)


= a2 E(X 2 ) + 2abE(X) + b2 a2 E 2 (X) 2abE(X) b2
= a2 [E(X 2 ) E 2 (X)]
= a2 V ar(X)
et d'autre part :

p
V ar(aX + b)
p
=
a2 V ar(X)
p
= |a| V ar(X)

(aX + b) =

= |a| (X)
u
t

Dnition 3.2.5.

La variable alatoire

rduite associe X .
Proposition 3.2.4.
gale un, de mme

Y =

XE(X)
est appel la variable
(X)

La moyenne d'une v.a.r centre-rduite


2

E(Y ) = 1

34

centre-

est nulle et sa variance est

Dmonstration :
1
1
E(Y ) = E( XE(X)
(X) ) = (X) [E(X) E(E(X))] = (X) [E(X) E(X)] = 0
1
V ar(Y ) = ( (X)
)2 V ar(Y ) = 1 ( car V ar(Y ) = 2 (Y ))
V ar(Y ) = 1 = E(Y 2 ) E 2 (Y ) = 1 E(Y 2 ) = 1

u
t

Exemple
Dans l'exemple prcdent, Exercice 3.1, on a :

E(X) =

kp(X = k)

kX()

= 0
=

1
3
3
1
+1
+2
+3
2
10
20
20

3
4
X

E(X 2 ) =

k 2 p(X = k)

kX()

= 02

1
3
3
1
+ 12
+ 22
+ 32
2
10
20
20

27
20

=
Donc

V ar(X) = E(X 2 ) (E(X))2 =

27
3
63
( )2 =
20
4
80

et

(X) =
La variable

Y =

XE(X)
(X)

V ar(X) = 0.88741

5 4X3
est une v.a.r centre rduite.
7 3

3.2.4 Ingalit de Bienyam-Tchebychev


Proposition 3.2.5.

Soient

ni,
positif :

une v.a.r sur un univers

cart-type. Alors, pour tout nombre rel strictement

p(|X m| )

m sa moyenne et

2
2

preuve :
Nous savons que :

2 = V ar(X)
X
=
(X(xi ) m)2 p(X = xi ) avec = {x1 , x2 , ..., xn }
xi

35

son

On pose :

0 = |X m| = {xi / |X(xi ) m| }
alors

2 =

(X(xi ) m)2 p(X = xi )

xi
2
0

p( )p(X = xi )
2 p(0 ) = 2 p(|X m| )
d'o

2
2

p(|X m| )

u
t

Remarque
En considrant l'vnement contraire

0C ,

nous obtenons l'ingalit suivante :

p(|X m| < ) 1
En eet,

1 p(0 ) 1

2
, c'est--dire
2

2
2

p(|X m| < ) 1

2
2

(0C = |X m| < )

3.3 Lois usuelles


3.3.1 Loi uniforme
Soit

une variable alatoire sur un univers

Dnition 3.3.1.
on crit

X , Un

si

avec

On dit qu'une variable alatoire


p(X = xi ) = n1 .

On a :

E(X) =

X() = {x1 , x2 , ..., xn }


suit la loi

uniforme sur X() et

1X
xi
n

et V ar(X) =

i=1

1X 2
xi E 2 (X)
n
i=1

Cas particulier :

X() = {1, 2, ..., n}, alors la loi


P (X = xi ) = n1 , i = 1, 2, ..., n
E(X) = n+1
2
2
V ar(X) = n 121
Si

de

peut tre facilement rsume par :

3.3.2 Lois de tirage avec remise


Loi de Bernoulli
Dnition 3.3.2.

On dit qu'une variable alatoire

est une

v.a.r

de

Bernoulli si elle

ne prend que deux valeurs 0 et 1 avec des probabilits non nulles. On dit
Bernoulli de paramtre

et on crit

X , (1, p)
36

suit la loi de

Exemple
On lance une pice de monnaie o la probabilit d'amener pile est note
v.a.r

dnie par

X = 1 si le rsultat est pile et X = 0 sinon. X

Proposition 3.3.1.

X , (1, p),

Soit

E(X) = 0(1 p) + 1.p = p

et

est une

p ]0, 1[.

La

v.a.r de Bernoulli.

alors

V (X) = (0 p)2 (1 p) + (1 p)2 p = p(1 p) = pq

Loi binomiale ( Schma de Bernoulli )


On dispose d'une urne qui contient deux types de boules, des noires et des blanches
par exemple.

p,

Dans cette urne, la proportion des boules blanches est

celle des noires est

q = 1 p.

Chaque fois que l'on tire une boule, on la remet dans l'urne. On a, chaque tirage, la

p(B) de tirer
p(N ) = q = 1 p.

probabilit
est

p(B) = p

une boule blanche est

Cette situation illustre ce qui porte le nom de

Dnition 3.3.3.

et celle de tirer une boule noire

schma de Bernoulli :
B

Une preuve donne lieu deux issues possibles

La probabilit du succs est

et celle d'chec est

q = 1p

( succs) et

(chec).

cette preuve est excut

fois.

On dit qu'on a confront un schma de Bernoulli caractris par les nombres


(nombre d'preuves) et

( probabilit de succs chaque preuve )

Univers associ un schma de Bernoulli


Soit un schma de Bernoulli de paramtres

Chaque srie de

ou

et

p.
n

lettres, chacune tant

N.

Il y a donc

2n

listes possibles qui sont les vnements lmentaires.

Proposition 3.3.2.
n

tirages peut tre rsume par une liste de

ayant
Soit

de ces

2n

Un schma de Bernoulli de paramtres

et

donne lieu un univers

lments.

la variable alatoire qui donne le nombre de boules blanches obtenues la n

tirages. Nous avons :

X(n ) = {0, 1, ..., n}

Thorme 3.3.1.

Dans un schma de Bernoulli de paramtres

entier compris entre

et

n,

la probabilit de l'vnement

(X = k)

p , tant donn
k
k
nk
est {n p (1 p)
et

Dmonstration :
(X = k) est form de {kn vnements lmentaires. tudions, par
exemple, l'vnement lmentaire B...B N...N Chaque tirage d'une boule est indpendant
| {z } | {z }
En eet : L'vnement

k fois

des autres, il vient alors

nk fois

p(B...BN...N ) = p...p q...q = pk (1 p)nk


|{z} |{z}
k fois nk fois
37

D'autres part les

{kn

vnements lmentaires qui constituent

B est le mme
P (X = k) = {kn pk (1 p)nk

probabilit, car le nombre de lettres


change, c'est--dire

(X = k)

ont la mme

dans tous les cas. Seul l'ordre qui

u
t

Dnition 3.3.4.
sur l'univers

tant donn un schma de Bernoulli de paramtres n et p, la probabilit,


p(X = k) = {kn pk (1p)nk porte le nom de
. On la note B(n, p) et on dit que X suit une loi binomiale de paramtres

qui lui est associ, dnie par

la

loi binomiale

et

. On crit

X , B(n, p)

Exemple
Supposons que dans des conditions normales de fonctionnement, la quantit de pices
dfectueuses usines par une machine est

1%.

En considrant que la machine est bien rgle, le nombre


une caisse de

100

de pices dfectueuses dans

2 ).
pices, suit la loi (100, 10

La probabilit pour qu'il y ait moins de

pices dfectueuses dans la caisse est donc :

1 p(X < 2) = 1 p(X = 0) p(X = 1)


= 1 {0100 0.010 (1 0.01)100 {1100 0.011 (1 0.01)99
= 1 0.99100 0.9999
= 0.26424

Exercice 3.2.
Dans un groupe de 100 personnes, quelle est la probabilit pour que 2 personnes exactement
soient nes le mme jour ?

Solution
On suppose que :

La probabilit de naissance est le mme toute l'anne


Il y a indpendance entre les naissances.
Il n'y a pas d'anniversaire le 29 fvrier ( On ne tient pas compte des annes bissextiles
)
Pour un jour donn, chaque individu, on associ une v.a.r de Bernoulli gale 1 si
son anniversaire, 0 sinon.
Le nombre de personnes nes ce jour l est donc une variable binomiale
avec

p=

1
365 .

La probabilit cherche est donc :

p(X = 2) = {2100 p2 (1 p)98


100 99 1 2
1 98
=
(
) (1
)
2
365
365
= 0.0284

Proposition 3.3.3.

Soit

X , B(n, p)

alors

E(X) = np

38

et

V (X) = npq

X ,(100, p)

Dmonstration :

Par dnition, on a :

E(X) =

n
X

kp(X = k) =

k=0

n
X

k{kn pk (1 p)nk =

k=0

n
X

k{kn pk (1 p)nk

k=1

et terme est nul ) et


( le 1

k{kn =

n!
(k 1)!(n k)!

donc

E(X) = n p

n
X

(n 1)!
pk1 (1 p)nk
(k 1)!(n k)!

k=1
n1
X

np

i=1

(n 1)!
pi (1 p)n1i
i!(n i 1)!

np(p + 1 p)n1

np

On peut crire :

V ar(X) = E(X(X 1)) + E(X) E 2 (X)


= E(X(X 1)) + np n2 p2
Calculons

E(X(X 1)).

E(X(X 1)) =

n
X

k(k 1){kn pk (1 p)nk

k=0

n
X

k(k 1){kn pk (1 p)nk (les

deux premiers termes sont nuls)

k=2
mais

k2
k(k 1){kn = n(n 1){n2
donc

E(X(X 1)) = n(n 1)


= n(n

= n(n

n
X

k
nk
{k2
n2 p (1 p)

k=2
n
X
2
k2
1)p
{k2
(1 p)nk
n2 p
k=2
n2
X
1)p2
{in2 pi (1 p)(n2)i
i=0
2
n2

= n(n 1)p (p + 1 p)
= n(n 1)p2
39

(avec i = k 2)

D'o :

V ar(X) = E(X(X 1)) + np n2 p2 = n(n 1)p2 + np n2 p2 = npq


u
t

Exercice 3.3.
1, 2, 3, 4. Soit pi la probabilit
(i = 1, 2, 3, 4). On donne :

Un d ttradique a ses quatre faces numrotes


d repose sur la face numrote

p1 =
Soit

pour que le

aprs un lancer

1
7
11
5
, p2 = , p3 = , 4 =
12
36
36
12

la v.a.r qui associe un jet de ce d la somme des nombres ports sur les faces

visibles. On lance le d 5 fois de suite. Quelle est la probabilit pour que l'vnement

est pair  se ralise


a) deux fois exactement ?
b) au moins une fois ?
c) au plus une fois ?

3.3.3 Loi hypergomtrique


On considre une urne qui contient
avec

la proportion des boules blanches

Dnition 3.3.5.

Np

boules,
et

1p

boules blanches et

X
Si

boules noires,

boules de cette urne, sans

la v.a.r gale au nombre de boules blanches obtenues et on dit que

suit une loi hypergomtrique de paramtres

Proposition 3.3.4.

Nq

celle des boules noires.

On considre l'urne prcdente, on tire

remise, et on appelle

X , =(N, n, p),

alors

N, n

et

p.

Nous crivons

X() [0, n]

et

X , =(N, n, p)

k [0, n] p(X = k) =

{kNp {nk
Nq
{n
N

Proposition 3.3.5.

Soit

X , =(N, n, p),

on a

E(X) = np

et

n
V (X) = npq N
N 1

Remarque importante
On montre que

{kNp {nk
Nq
{n
N

tend vers

{kn pk (1 p)nk

converge en loi vers une variable binomiale de


Si

N tend vers +. On dit que


paramtres n et p.
quand

est assez grand, on peut, dans un calcul de probabilit, remplacer la loi hyper-

gomtrique

=(N, n, p)

B(n, p) qui ne
n et p. Dans la pratique, on admet que cette approximation
N > 10n.

dpendant de trois paramtres par la loi binomiale

dpend que de deux paramtres


est satisfaisante lorsque

40

3.4 Couple de variables alatoires


3.4.1 Lois marginales
Soit

(, P (), p)

un espace probabilis ni et

~ = (X, Y )
C

un couple de variables ala-

toires, nous notrons

X() = {x1 , x2 , ..., xn } et Y () = {y1 , y2 , ..., ym }


pij = p((X = xi ) (Y = yj )), pour (i, j) [1, n] [1, m]
pi. = p((X = xi ), pour i [1, n]
p.j = p(Y = yj )), pour j [1, m]
f: I
R
t 7 x = f (t)

Dnition 3.4.1.

Soit

~ = (X, Y )
C

un couple de variables alatoires.

1) L'application

p : X() Y ()
7
[0, 1]
(xi , yj )
7

pij = p((X = xi ) (Y = yj ))
s'appelle la

loi conjointe du couple

~ = (X, Y )
C

2) L'application

p : X() 7 [0, 1]
xi
7 pi. = p((X = xi )
s'appelle la
de

premire loi marginale du couple C~ = (X, Y ) (c'est tout simplement la loi

X)
3) L'application

p : Y ()
7
[0, 1]
yj
7

p.j = p(Y = yj ))

deuxime loi marginale du couple( c'est la loi de Y )

Reprsentation matricielle des lois de


C = (X, Y )

s'appelle la

X\

x1
x2

xn
Loi de

y1
p11
p21

y2
p12
p22

pn1
p1

pn2
p2

ym
p1m
p2m

Loi de

pnm
pm

pn

p1
p2

Exemple
Une urne contient 4 boules blanches et 3 boules noires. On tire successivement 2 boules
de l'urne. Nous noterons

la v.a.r prenant la valeur 1 si la premire boule tire est blanche

41

et 0 sinon. Nous dnissons de mme la v.a.r

er
e
1 cas :Tirage avec remise 2 cas
X\

0
1
Loi de Y

Thorme 3.4.1.

concernant le tirage de la deuxime boule.

Tirage sans remise

Loi de X

Y
X\

Loi de X

9
49
12
49
3
7

12
49
16
49
4
7

3
7
4
7

0
1
Loi de Y

2
7
2
7
4
7

3
7
4
7

1
7
2
7
3
7

Soit

~ = (X, Y )
C

un couple de variables alatoires. Alors les lois margi-

nales du couple sont donnes par :


j=m
P
x X(), p(X = x) =
p(X = x, Y = yj )
j=1
i=n
P
p(X = xi , Y = y)
y Y (), p(Y = y) =
i=1
i=n
P j=m
P

p(X = xi , Y = yj ) = 1

i=1 j=1

Dmonstration :
x X(),

on peut crire :

j=m
[

(X = x) = (X = x) (

Y = yj )

j=1

j=m
[

(X = xi , Y = yj ) (runion

disjointe)

j=1
d'o

j=m
[

j=m
X

j=1

j=1

p(X = x) = p(

(X = xi , Y = yj ) =

p(X = x, Y = yj )

De mme, on montre que :

y Y (), p(Y = y) =

i=n
X

p(X = xi , Y = y)

i=1

On a :

i = 1, 2, ..., n

p(X = xi ) =

j=m
X
j=1

p(X = x, Y = yj ) = 1 =

i=n
X
i=1

p(X = xi ) =

i=n j=m
X
X

p(X = x, Y = yj )

i=1 j=1

u
t

42

Remarque
Le thorme peut s'crire sous la forme :

i [1, n], pi =

j=m
P

pij

j=1
i=n
P

j [1, m], pj =

pij

i=1

i=n
P
P j=m

pij = 1

i=1 j=1

3.4.2 Lois conditionnelles


Soit

~ = (X, Y )
C

un couple de variables alatoires, avec :

X() = {x1 , x2 , ..., xn } et () = {y1 , y2 , ..., ym }


pij = p((X = xi ) (Y = yj )), pour (i, j) [1, n] [1, m]
pi. = p(X = xi ), pour i [1, n]
p.j = p(Y = yj )), pour j [1, m]
Si p(Y = yj ) 6= 0, on peut considrer les nombres
p(X = xi /Y =yj ) =
De mme si

p((X = xi ) 6= 0,

p((X = xi ) (Y = yj ))
pij
=
p(Y = yj )
pj

on peut considrer les nombres

p(Y = yj /X=xi ) =

pij
p((X = xi ) (Y = yj ))
=
p(X = xi )
pj

d'o la dnition suivante :

Dnition 3.4.2.
tionnelle de

Soit

sachant

~ = (X, Y ) un couple de variables alatoires. On appelle loi condiC


Y = yj , l'application dnie sur X(), valeurs dans [0, 1] par la

relation :

xi p(X = xi /Y =yj ) =
De mme on appelle loi conditionnelle de
valeurs dans

[0, 1]

sachant

pij
pj

X = xi , l'application dnie sur Y (),

par la relation :

yi p(Y = yi /X=xi ) =

pij
pi

Exemple
Reprenons l'exemple prcdent et dterminons toutes les lois conditionnelles :
a)

Tirage avec remise


X /Y

=0

3
7

4
7

X /Y

43

=1

3
7

4
7

par exemple :

p(X = 0/Y =1 ) =
Y /X

9
49
3
7

= 73 )

=0

3
7

4
7

Y /X

X ) n'aecte pas la
Tirage sans remise

( ou de
b)

X /Y

loi de

=0

p
par exemple

p(X = 0/Y =1 ) =
Y /X

2
7
3
7

( ou

1
2

1
2

3
7

4
7

X ( ou de Y ) par n'importe
Y ), c'est--dire X/Y =j = X
X /Y

=1

2
3

1
3

2
3

2
3

quelle valeur de
et

Y /X=i = Y

ou

Y /X=1 6= Y.

= 23 )

=0

On remarque que le conditionnement de

=1

1
2

1
2

Y /X

=1

Dans ce cas, le conditionnement a eu un eet. Par exemple

X/Y =0 6= X

Il est normal que dans un tirage sans remise, la connaissance du rsultat de la premire
tirage inue sur la loi de la deuxime.

3.4.3 L'indpendance
Dnition 3.4.3.

Soit

variables alatoires, on

~ = (X, Y )
(, P (), p) un espace probabilis ni et C
dit les v.a.r X et Y sont indpendantes si :

un couple de

p((X = xi ) (Y = yj )) = p(X = xi ) p(Y = yj )) pour (i, j) [1, n] [1, m]


ou encore :

pij = pi pj pour (i, j) [1, n] [1, m]

Exemple
Les deux variables

et

Y,

considrs dans l'exemple prcdent, sont indpendantes

dans le cas de tirage avec remise et ne sont pas indpendantes dans le cas de tirage sans
remise.

Exercice 3.4.
Une urne contient une boule porte le numro 1, deux boules portent le numro 2 et trois
boules portent le numro 3. On dtermine un entier

trois chires en tirant successive-

ment et avec remise 3 boules de l'urne. On suppose que les tirages sont quiprobables.
La premire boule tire fournit le chire des centaines de

n,

le deuxime tirage indique

le chire des dizaines et le troisime tirage indique le chire des units.


1. Calculer les probabilits des l'vnements :

A obtenir un entier constitu


B obtenir un nombre pair

par trois chires impairs

44

2. Soit

la variable alatoire gale au nombre des chires pairs dans l'entier

v.a.r gale

si

pair et

a) Donner la loi du couple


b) Les v.a.r

et

et

la

n impair.
(X, Y ).

si

sont-ils indpendantes ?

Solution
1. Puisque le tirage est avec remise alors card

est ralis si on a tir trois boules parmi les quatre qui portent les numros

impairs, donc cardA

= 63 .

=444

et

p(A) = ( 64 )3 =

8
27

est ralisable si et seulement si on a obtenu, dans le troisime tirage, une boule

portant un numro pair, donc cardB

=662

et

p(B) = 13 .

2. a) On a :

X() = {0, 1, 2, 3} et Y () = {0, 1}


(X = 0, Y = 0) signie qu'on obtient un nombre pair qui contient aucun
p00 = p(X = 0, Y = 0) = 0
L'vnement (X = 0, Y = 1) signie qu'on obtient un nombre impair qui contient
8
aucun chire pair, c'est--dire A = (X = 0, Y = 1), donc p01 = p(A) =
27
L'vnement (X = 1, Y = 0) signie qu'on obtient un nombre pair qui contient un

L'vnement

chire pair, ceci est impossible donc

seul chire pair,

p10 = p(X = 1, Y = 0)
442
=
63
4
=
27
De mme on trouve :

p11 =

8
4
2
1
, p20 = , p21 = , p30 = , p31 = 0
27
27
27
27
Y
X\

0
0

0
1
2
3
Loi de

4
27
4
27
1
27
9
27

1
8
27
8
27
2
27

0
18
27

Loi de

8
27
12
27
6
27
1
27

p(X = 0, Y = 0) = 0 et p(X = 0) p(Y = 0) =


p(X = 0, Y = 0) 6= p(X = 0) p(Y = 0) et les v.a.r X et Y ne sont
b) On a, par exemple,

dantes.

45

8 9
27 . 27 , donc
pas indpen-

Exercice 3.5.
Montrer le rsultat suivant :
Deux variables alatoires sont indpendantes si et seulement si, le rang de la matrice
associe

A (A = (pij )1in,1jm )

est gal 1.

3.4.4 Covariance, coecient de corrlation linaire


Esprance de
Soient

et

u(X, Y )
Y

deux v.a.r sur

L'esprance de

Z = u(X, Y )

.
(

fonction relle deux variables ) est donn par la

formule suivante :

E(Z) =

u(x, y)p(X = x, Y = y)

(x,y)X()Y ()
Cas particuliers :

E(X + Y ) =

(x + y)p(X = x, Y = y)

(x,y)X()Y ()

(x,y)X()Y ()
Or :

xp(X = x, Y = y) =

(x,y)X()Y ()

xp(X = x, Y = y)]

xX() yY ()

x[

xX()

p(X = x, Y = y]

yY ()

De plus

p(X = x, Y = y) = p(X = x)

yY ()
D'o

xp(X = x, Y = y) =

(x,y)X()Y ()

xp(X = x) = E(X)

xX()

De mme, on a :

yp(X = x, Y = y) = E(Y )

(x,y)X()Y ()

Conclusion :
E(X + Y ) = E(X) + E(Y )
E(XY ) =

(x,y)X()Y () xyp(X

= x, Y = y)

46

De plus, si

et

sont indpendantes, alors :

E(XY ) =

xyp(X = x, Y = y)

(x,y)X()Y ()

xyp(X = x)p(Y = y)

(x,y)X()Y ()

xp(X = x)

yp(X = y)

yX()

xX()

= E(X)E(Y )
Donc si

et

sont deux v.a.r

indpendantes, alors

E(XY ) = E(X)E(Y )

Covariance
Dnition 3.4.4.

Soit

(, P (), p)

un espace probabilis ni et

~ = (X, Y )
C

un couple de

variables alatoires. Le nombre :

E[(X E(X))(Y E(Y )]


est appel

covariance de X et Y

Proposition 3.4.1.

Soient

et

et not

Cov(X, Y ).

deux v.a.r sur

alors

E[(X E(X))(Y E(Y )] =

E(X.Y ) E(X)E(Y )

Preuve :
En eet : On a :

E[(X E(X))(Y E(Y )] = E[XY E(Y )X E(X)Y + E(X)E(Y )]


et l'esprance tant un application linaire, il vient :

E[(X E(X))(Y E(Y )] = E(XY ) E(Y )E(X) E(X)E(Y ) + E(X)E(Y )


= E(X.Y ) E(X)E(Y )
u
t

Exemple
Soient

En eet,

Y de loiPB(1, p), alors Cov(X, Y ) = p(X = 1, Y = 1) p2 .


E(XY ) = (x,y)X()Y () xyp(X = x, Y = y) = p(X = 1, Y = 1)
et

Thorme 3.4.2.

X, Y, X 0 , Y 0 des variables alatoires sur (, P (), p). Alors :


1) Cov(X, Y ) = Cov(Y, X)
0
0
0
2) Cov(X + X , Y ) = Cov(X, Y ) + Cov(X , Y ) et Cov(X, Y + Y ) = Cov(X, Y ) +
Cov(X, Y 0 )
3) Cov(X, Y ) = Cov(X, Y ) = Cov(X, Y )
4) Cov(X, X) = V ar(X) 0
5) V ar(X + Y ) = V ar(X) + 2Cov(X, Y ) + V ar(Y )
6) Si X et Y indpendantes alors Cov(X, Y ) = 0
Soit

47

La preuve ne pose aucun problme.

Lemme
Soit

une v.a.r. Si

Preuve :
V ar(X) =

i=n
X

V ar(X) = 0

alors

est constante.

[xi E(X)]2 p(X = xi ) = 0 i [1, n], [xi E(X)]2 p(X = xi ) = 0

i=1

i [1, n], xi E(X) = 0


i [1, n]; xi = E(X)
X() = {E(X)}

donc

Thorme 3.4.3.

et par suite

Soit

X, Y

est la variable constante gale

deux variables alatoires sur

u
t

E(X).

(, P (), p).

Alors :

|Cov(X, Y )| (X)(Y )()


L'galit ayant lieu si et seulement si

Y = aX + b

a, b

des rels )

Preuve :
On pose, pour tout

RT () = V ar(X + Y ),

alors :

T () = V ar(X + Y )
= V ar(X) + 2Cov(X, Y ) + V ar(Y )
= 2 V ar(X) + 2Cov(X, Y ) + V ar(Y )

V ar(X) 6= 0, T

Si

est un trinme du second degr en

trinme

pour tout

Ainsi

40 = [Cov(X, Y )]2 V ar(X)V ar(Y ) 0


C'est--dire

|Cov(X, Y )| (X)(Y ) ((X) =

V ar(X) = 0

Si

dans ce cas

et

p
V ar(X))

sont indpendantes et

Cov(X, Y ) = 0,

donc

()

est

vri.

Cas d'galit :

|Cov(X, Y )| = (X)(Y ), T () admet une racine double c : T (c) = V ar(cX + Y ) =


0, cX + Y est donc une v.a.r constante b ( d'aprs le lemme ).
u
On a donc cX + Y = b = Y = cX + b = aX + b (c = a).
t
Si

Coecient de corrlation linaire


Dnition 3.4.5.
Soit

lorsque

et Y deux variables
Cov(X, Y ) 6= 0).

alatoires sur

(, P(), p).

On appelle coecient de corrlation linaire de X et


Cov(X,Y )
(X)(Y ) .
48

On dit que

et on note

et

sont corrles

%(X, Y )

le nombre

Proposition 3.4.2.

Soit

X, Y

deux variables alatoires sur

1 %(X, Y ) 1
X et Y sont indpendantes = %(X, Y ) = 0
3) Si %(X, Y ) = 1 (rep.1), alors il existe a > 0
que Y = aX + b.

(, P(), p).

Alors :

1)
2)

(resp.a

< 0)

et une constante

Exercice 3.6.
Soit

une variable uniforme sur

X() = {1, 0, 1}
Calculer

%(X n , X m )

avec

{1, 0, 1},

c'est--dire :

p(X = 1) = p(X = 0) = p(X = 1) =

et

(n, m) N2 .

Solution
k N ,

on a :

Si

est pair :

E(X k ) = (1)k p(X = 1) + 0k .p(X = 0) + 1k .p(X = 1) =

2
3

et

V ar(X) = E(X 2k ) E 2 (X k ) =
Si

2
2
2
( )2 =
3
3
9

est impair

E(X k ) = (1)k p(X = 1) + 0k .p(X = 0) + 1k .p(X = 1)


= p(X = 1)) + p(X = 1) = 0
et

V ar(X) = E(X 2k ) E 2 (X k ) =
Calculons

%(X n , X m ) =

Cov(X n ,X m )
(X n )(X m )

%(X n , X m ) =

Si

et

2
2
0=
3
3

E(X n+m ) E(X n )E(X m )


p
V ar(X n ).V ar(X m )

sont pairs.

2
2 2
3 (3)
%(X n , X m ) = q
=1
2
2

9
9

Si

est pair et

impair ou si

impair et

%(X n , X m ) =

pair.

0 0 ( 23 )2
q
=0
2
2

9
3
49

1
3

tel

Si

et

sont impairs.

2
00
=1
%(X n , X m ) = 3q
2
2

3
3

50

Annexe A

Problme I
Premire partie
Une urne contient

boules :

blanches et

noires. Un joueur extrait simultanment

deux boules de l'urne.


1. Calculer la probabilit qu'il tire deux boules blanches.
2. Le joueur participe maintenant au jeu suivant :
(a) s'il tire deux boules blanches il gagne
(b) s'il tire deux boules noires il perd

10x

francs

(x 0) ;

francs ;

(c) s'il tire une boule blanche et une boule noire, il procde un second tirage de
deux boules, sans remettre les deux premires boules tires : l'issue de second
tirage il gagne
On dsigne par

francs s'il tire deux boules blanches, sinon il perd

francs.

G la v.a.r dont les valeurs sont gales aux gains ( positifs ou ngatifs

) du joueur.
3. Donner la loi de probabilit de la v.a.r
4. Calculer, en fonction de

y,

G.

l'esprance mathmatique de

le jeu soit quitable, c'est dire

G.

dterminer

pour que

E(G) = 0.

5. s'il tire une boule blanche et une boule noire, il procde un second tirage de deux
boules, sans remettre les deux premires boules tires : l'issue de second tirage il
gagne

francs s'il tire deux boules blanches, sinon il perd

Pour cette valeur de

y,

calculer l'cart-type

(G)

f,

x,

dnie pour tout rel

r
f (x) =
1. Dterminer le rel

Quel est le signe de

tel que

par :

110x2 + 60
21

lim [f (x) x] = 0

x+

f (x) x

pour

x0?

51

francs.

de la variable

Deuxime partie
Soit la fonction

en fonction de

x.

2. tudier la fonction

et tracer sa courbe reprsentative

un repre orthonorm ( unit :


3. Dterminer l'entier naturel
compris entre

et

1.5 cm

(C)

et ses asymptotes dans

).

pour lequel l'cart-type

8.

52

(G)

de la premire partie est

Annexe B

Problme II
On considre le jeu lectronique suivant :
Un point lumineux

chaque instant se situer en l'un des cinq points


Lorsque le point

O, et peut
2; 1; 0; 1; 2.

se dplace par sauts successifs sur un axe d'origine

Pj

d'abscisses j gales :

L est en Pj , j {2, 1, 0, 1, 2} l'instant t, la probabilit pour


Pk , k {2, 1, 0, 1, 2} l'instant t + 1 est fournie par le tableau

qu'il se positionne en
ci-dessous :

instant t \

instant t+1

P2
P1
P0
P1
P2

1. On dsigne par
l'instant

Xn

P2
0
0.5
0
0
0

P1
1
0
0.5
0
0

P0
0
0.5
0
0.5
0

P1
0
0
0.5
0
0

P2
0
0
0
0.5
1

la v.a.r qui prend pour valeur l'abscisse du point lumineux

t=n
Xi , i = 0, 1, 2, 3, 4. Calculer
v.a.r Xi , i = 0, 1, 2, 3, 4.

(a) Dterminer les lois de probabilit des v.a.r


rance mathmatique et la variance des

(b) Calculer le coecient de corrlation linaire du couple


2.

(a) Dterminer la loi de probabilit de

Xn+1

l'esp-

(X3 , X4 ).

en fonction de la loi de probabilit de

Xn .
(b) On dsigne par

an

la probabilit de l'vnement

Xn = 0.

tablir une relation

de rcurrence de la forme :

an+2 + an + an2 = 0, n 2.
(c) Dterminer toutes les suites

(un )nN

relles vriant la relation de rcurrence :

un+1 + un + un1 = 0, n 1.
53

(d) En dduire

an .

Dmontrer que la suite

(an )nN

54

converge et calculer sa limite.

Annexe C

Problme III
On dsire tudier sur un certain nombre d'annes les mouvements migratoires d'une
population lors des vacances d't.
L'observation de cette population a conduit la construction d'un modle mathmatique dont les hypothses sont les suivantes :

H1 : Le territoire sur lequel volue la population durant les vacances d't


est divis en trois rgions, notes 1, 2, 3.
H2 : Chaque anne, tout individu de la population tudie choisit une rgion
et une seule pour y passer toutes les vacances d't.
H3 : Le choix d'une rgion par un individu pour y passer ses vacances d't
est un phnomne alatoire qui volue dans le temps partir d'une anne initiale
appele anne 1.
i {1, 2, 3} et n 1, l'vnement :  choisir la rgion i pour y
n  et i (n) = p[Ai (n)], i {1, 2, 3} la probabilit de
choisir l'anne n, la region i pour y passer ses vacances d't.
H4 : 1 (1) = 0.2; 2 (1) = 0.45; 3 (1) = 0.35
H5 : La probabilit de choisir la rgion i, i {1, 2, 3}, pour y passer ses
vacances l'anne n + 1, ne dpond que du choix effectu l'anne n.
On note

Ai (n),

pour

passer ses vacances d't, l'anne

aij = p[Ai (n + 1)/Aj (n)] , 1 i 3, 1 j 3, la probabilit de choisir la


rgion i l'anne n + 1, sachant que l'anne n, on choisi la rgion j.
On suppose que i, j {1, 2, 3}, aij est indpendant de l'anne considre et
que les aij sont les lments de la matrice M suivante :

a11 a12 a13


0.3 0.1 0.6
M = a21 a22 a23 = 0.5 0.3 0.2
a31 a31 a33
0.2 0.6 0.2
On note

H6 : On suppose que la population tudie reste inchange durant toutes les


annes prises en considration dans ce modle.

Question prliminaire :

55

A1 , A2 , ..., An une famille d'vnements d'un univers , avec p(A1 A2 ...Ai ) 6= 0,


i = 1, 2, ..., n 1.
Soit

Montrer que

p(A1 A2 ... An ) = p(A1 )p(A2/A1 )p(A3/A1 A2 )...p(An/A1 A2 ...An1 )

Partie A
1.

(a) Soit

Bn

l'vnement  choisir chaque anne la rgion 2 durant toutes les

premires annes 

p(B3 ).
Exprimer p(Bn )

Calculer

en fonction de

n.

(b) Sachant qu'un individu choisit la rgion


qu'il ait choisi la rgion

l'anne

l'anne

2,

quelle est la probabilit

1?

(c) Calculer la probabilit pour qu'un individu change de rgion entre la premire
anne et la deuxime anne.

Partie B
2.

(a) Exprimer, en le justiant, une relation entre les matrices

1 (n + 1)
2 (n + 1)
3 (n + 1)

et

1 (n)
2 (n)
3 (n)

puis entre les matrices

1 (n + 1)
2 (n + 1)
3 (n + 1)

1 (1)
2 (1)
3 (1)

et

(b) On montre le rsultat suivant : Il existe une matrice

M = P DP 1 ,

On pose

0 ( = 0.1+i 0.11)

a00
b00
c00

1 0
0
M n = P 0 n 0 P 1
n
0 0

1 0
D= 0
0 0

a a0
1
P = b b0
c c0

Montrer que

Dnition C.0.6.

inversible telle que

et

1
P = 1
1

x0
y0
z0

x00
y 00
z 00

On dit qu'une suite de matrices (Un )n1 de type (m q) lC, (Un = [uij (n)]1im,1jq ) converge vers une matrice L = (lij )1im,1jq
ntend vers l'inni si lim uij (n) = l (i, j) {1, 2, ..., m} {1, 2, ..., q}

ments de
quand

avec

On note alors

n+

L = lim Un
n+

56

Proposition C.0.3. tant donn une suite de matrices

(Un )n1 de type (m q)


lments de C , qui converge vers la matrice L , lorsque n tend vers l'inni et V , W deux
matrices telles que les produits V L et LW soient dnis, on a alors : lim V Un = V L

et
3.

n+

lim Un W = LW.

n+

(a) Montrer que la suite de matrices


(b) Soient

U = (uij )1i3,1j3

et

(M n )n1

converge et calculer sa limite.

V = (vij )1i3,1j3

deux matrices telles que la

somme des lments de chaque colonne de chacune d'elles soit gale


qu'il est de mme pour la matrice

(c) Dduire de ce qui prcde les valeurs des lments


4. Montrer que les suites

1. Montrer

U V.
a, a0 , a00

[1 (n)]n1 , [2 (n)]n1 , [3 (n)]n1

limites.

57

de la matrice

P 1 .

convergent. Calculer leurs