CHAPITRE 3 PROBABILITS ET STATISTIQUES

1 Rappels sur les probabilits et

conditionnement
1. Rappels sur lquiprobabilit
Le rsultat dune exprience alatoire est une issue ou une ventualit.
Lensemble de ces issues est E.
Un vnement est une partie de E.
Les vnement A et B sont disjoints ou incompatibles si A  B = .
Lesvnements A et B sont contraires si A  B et A  B = E. On
note B = A .
Lunivers E est probabilis si chaque vnement lmentaire {x} on
associe un nombre p i [ 0 ; 1 ] par une application p qui satisfait
p ( E ) = 1 et p i = 1.
Consquences :
si A E, la probabilit de A note p ( A ) est telle que p ( A ) = P .
xi A
i

p ( A ) = 1 p ( A ) donc p ( ) = 0.
Si A  B = , alors p ( A  B ) = p ( A ou B ) = p ( A ) + p ( B ).
Si A E et B E, p ( A  B ) = p ( A ) + p ( B ) p ( A  B ).
Univers quiprobable : ensemble E dont tous les vnements lmentai-
res ont la mme probabilit.
Si lensemble E contient N lments, alors :
1
p 1 = p 2 = = p N = ---- .
N
Si A E et si A contient n ventualits, alors :
n nombre de cas favorables la ralisation de A
p ( A ) = ---- = ------------------------------------------------------------------------------------------------------------------------------ .
N nombre de cas possibles

2. Probabilits conditionnelles
Soit une exprience alatoire et deux vnements A et B de lunivers pro-
babilis par cette exprience.
Si p ( B ) 0, la probabilit conditionnelle de A sachant que B est ralis
p(A  B)
scrit p B ( A ) ou p ( A/B ) et est telle que p B ( A ) = ------------------------ .
p(B)

92
 cours savoir-faire exercices corrigs

Remarque : comme A  B = B  A, alors

p ( A  B ) = p B ( A ) p ( B ) = p A ( B ) p ( A ) ( p ( A ) 0 et p ( B ) 0 ).
p B ( A ) = 1 p ( A ).

3. Formule des probabilits totales

{ B 1, B 2, , B i, , B n } est une partition de E si :
i , 1  i  n , B i

i  , j  , i j , B i  B j =

B1  B2   Bi   Bn = E .
Si { B 1, , B n } est une partition de E et si p ( B i ) est non nul pour tout i,
alors :
p ( A ) = p B1 ( A ) p ( B 1 ) + p B2 ( A ) p ( B 2 ) + + p Bn ( A ) p ( B n )
p ( A ) = p ( A  B 1 ) + p ( A  B 2 ) + + p ( A  B n ).

exemple dapplication
On tire une carte dun jeu de 32 cartes. Quelle est la probabilit que la carte soit
un carreau sachant que cest une carte rouge qui a t tire.

corrig comment
Soit A lvnement tirer une carte rouge : p ( A ) = --- .
1
2
Soit B lvnement tirer un carreau .
8 1
A  B = B car B A do P ( A  B ) = P ( B ) = ------ = --- .
32 4
1
---
P(A  B) 4 1 1
Donc P A ( B ) = ------------------------ = --- = --- soit P A ( B ) = --- .
P(A) 1 2 2
---
2
Sachant que la carte tire est rouge, il y a une chance sur deux que ce soit
un carreau.

93
 CHAPITRE 3 PROBABILITS ET STATISTIQUES

2 Indpendance et modlisation
1. Indpendance de deux vnements
Deux vnements A et B sont indpendants si, et seulement si,
p ( A  B ) = p ( A ) p ( B ).
Consquence : p A ( B ) = p ( B ) et p B ( A ) = p ( A ).

2. Modlisation
Dfinitions : Une loi de probabilit, ou distribution de probabilit, est une
fonction P qui tout vnement A associe un nombre p ( A ), sa probabilit
appartenant lintervalle [ 0 ; 1].
Modliser une exprience alatoire cest lui associer une loi de probabilit.

3. Liens entre statistiques et probabilits

Une frquence calcule partir de donnes exprimentales est empiri-
que, mais la probabilit dun vnement est un nombre thorique.
Les distributions de frquences issues de la rptition dexpriences identi-
ques ou indpendantes fluctuent, alors que la loi de probabilit est un inva-
riant associ lexprience.
Si on choisit n lments indpendamment les uns des autres selon une
loi de probabilit P, alors la distribution des frquences est voisine de P
pour n grand.
Si des expriences sont rptes de faons identiques et indpendantes et
si p est la probabilit associe un vnement A, alors la probabilit dobte-
nir n fois lvnement A est gale p n.
On appelle variable alatoire X lapplication dun ensemble E muni dune
loi P et valeurs dans .
La variable alatoire X prend les valeurs xi ( i  ), avec les probabilits pi
dfinies par p i = P ( X = x i ).

Distribution de frquences sur Loi de probabilit sur

E = { x 1, , x n } E = { x 1, , x n }
( f 1, , f n ) ( p 1, , p n )
f i  0, f i = 1 p i  0, p i = 1
A E, frquence de A, A E, probabilit de A,
f(A) = f .
xi A
i P(A) = p .
xi A
i

94
 cours savoir-faire exercices corrigs

Cas numrique : Cas numrique :

Moyenne empirique : x = f x . i i Esprance dune loi P : = p x .
i i

Variance empirique : Variance dune loi P :

S2 = f (x x ) .
i i
2 2 = p (x ) .
i i
2

cart type empirique : cart type dune loi P :

s = f (x x ) .
i i
2 = p (x ) .
i i
2

exemple dapplication
On lance 4 fois de suite un d quilibr.
1. Quelle est la probabilit dobtenir le 5 chaque lancer ?
2. Quelle est la probabilit dobtenir au moins une fois le 5 avec 4 lancers ?

corrig comment
1. Soit A lvnement obtenir le 5 1 lancer.
1
p ( A ) = --- .
6
Soit B lvnement obtenir le 5 chaque lancer.
On rpte 4 fois lexprience alatoire de faons identiques et indpendamment
les unes des autres.
1 1 1 1 1 4
p ( B ) = --- --- --- --- = ---
1
Donc do p ( B ) = ---------------
6 6 6 6 6 1 296
2. Soit C lvnement obtenir au moins une fois le 5 aprs 4 lancers.
Le plus simple est de calculer la probabilit de lvnement C qui consiste obtenir
zro fois le nombre 5 aprs 4 lancers.
5 4
p ( C ) = --- do p ( C ) = 1 P ( C ),
6
5 4
p ( C ) = 1 --- soit
671
soit p ( C ) = ---------------
6 1 296

95
 CHAPITRE 3 PROBABILITS ET STATISTIQUES

3 Combinatoire et lois discrtes

1. Combinatoire
On appelle factorielle n le nombre qui scrit n ! et qui est gal :
n ( n 1 ) 3 2 1 pour n  2, avec 0! = 1 et 1! = 1.
Toute partie de E est une combinaison de E.
n
Le nombre de combinaison de p lments parmi n est not et est gal
p
n!
------------------------ o 0  p  n.
p! ( n p )!
Cas particuliers
n = 1 ; n = n et n = 1.
0 1 n
Proprits
n = n ; relation de Pascal : n = n 1 + n 1 .
p n p p p p 1

Formule du binme de Newton

Pour tout n de , pour tout nombre a et b :
n

p a
n
( a + b)n = n bn p .
p=0

n n n
Remarque : Si a = b = 1, alors 2 n = + + + ceci traduit le
0 1 n
nombre de parties dun ensemble ayant n lments.

2. Lois discrtes
Loi de Bernoulli
Une preuve de Bernoulli a seulement deux issues contraires A et A de pro-
babilits respectives p et q = 1 p.
Le schma de Bernoulli est la rptition n fois et de faons identiques et
indpendantes dune preuve de Bernoulli.
La probabilit dobtenir k ralisations de A sur n preuves est donne par la
n
loi de Bernoulli : k  p k avec p k = p k q n k .
k
n
Remarque : p q
p=0
k nk = 1.

96
 cours savoir-faire exercices corrigs

Loi binomiale
Soit X la variable alatoire prenant pour valeurs le nombre k de ralisations
de A dans un schma de Bernoulli.
La variable X suit une loi binomiale de paramtres ( n, p ), elle a pour loi de
n
probabilit P ( X = k ) = p k q n k .
k

Dans ce cas = np et = npq.

n
exemple dapplication
n 1 n 1
Dmontrer les formules : = +
p p 1 p

n = n o 0  p  n.
p n p

corrig comment
n 1 n 1 ( n 1 )! ( n 1 )!
A = + = -------------------------------------------------------- + ----------------------------------
p 1 p ( p 1 )! ( n 1 p + 1 ) p! ( n 1 p )!
( n 1 )! ( n 1 )! ( n 1 )!p ( n 1 )! ( n p )
A = --------------------------------------- + ---------------------------------- = ------------------------------------------ + ---------------------------------------------------- .
( p 1 )! ( n p )! p! ( n p 1 )! ( p 1 )!p ( n p )! p! ( n p 1 )! ( n p )
Le dnominateur commun est p! ( n p )!
car ( p 1 )!p = p! et ( n p 1 )! ( n p ) = ( n p )!
( n 1 )! ( p + n p ) n
A = ----------------------------------------------- = ------------------------- = ;
n!
do
p! ( n p )! p! ( n p )! p

n = ------------------------------------------------
n! n
- = ------------------------- = , do
n! n = n
n p ( n p )! ( n n + p )! ( n p )!p! p n p p

97
 CHAPITRE 3 PROBABILITS ET STATISTIQUES

4 Lois continues
1. Dfinitions
On appelle densit de probabilit f sur un intervalle I une fonction satis-
faisant aux conditions suivantes : f est continue sur I, f est positive sur I et

f ( x ) dx = 1.
I
tant donne une densit de probabilit, la loi de probabilit correspondante
continue associe tout intervalle lintgrale de la densit sur cet intervalle.
Soit X une variable alatoire dfinie dans un intervalle I et valeurs dans
 et f une densit de probabilit.
La variable X est une variable alatoire de densit f si quels que soient a et
b
b de I on a P ( a  X  b ) = a
f ( x ) dx.

Les vnements sont des runions finis dintervalles.

Remarques : P ( X = a ) = 0 avec a  ; P ( X  b ) = 1 P ( X  b ).
En pratique la donne de f suffit pour tudier les proprits de X, en parti-
culier f joue le rle de loi pour X.
b
Lesprance de X est donne par E ( X ) =
a
t f ( t ) dt et la variance de X est
telle que V ( X ) = E ( X2 ) [ E ( X ) ]2 .

2. Lois continues densit

Lois uniformes sur [a ; b]
On appelle loi uniforme sur un intervalle [a ; b], la loi continue de proba-
1
bilit dont la densit f est telle que f ( x ) = ------------ pour tout x de [a ; b].
ba
Pour cette loi, la probabilit dun intervalle [c ; d ] inclus dans [a ; b] est
d
dx dc
gale P ( c  X  d ) telle que P ( c  X  d ) = c
------------ = ------------ .
ba ba
Cas particulier : la loi uniforme uniforme sur [0 ; 1] a une densit f telle que
pour tout x de [0 ; 1], f ( x ) = 1.
Dans ce cas la probabilit dun intervalle connu dans [0 ; 1] est la longueur
de cet intervalle.
Lois exponentielles (lois de dure de vie sans vieillissement)
On appelle loi exponentielle de paramtre (  0 ), une loi de densit f
telle que f ( t ) = e t .
b
Pour cette loi, P ( a  X  b ) = a
e t dt,

98
 cours savoir-faire exercices corrigs

b
donc P ( a  X  b ) = [ e t ] a = e a e b .

3. Adquation une loi quirpartie

Il sagit de comparer les frquences obtenues pour une exprience alatoire
sur un chantillon, avec un modle dquiprobabilit.
Pour cela on considre la distance d entre la distribution des frquences
( f 1, , f i, , f n ) avec les probabilits thoriques ( p 1, , p i, , p n ) si on
rpte lpreuve n fois.
d 2 = ( f1 p1 ) 2 + + ( fi pi ) 2 + + ( fn pn ) 2 .
Le nombre d 2 doit tre petit pour quil y ait compatibilit entre les don-
nes empiriques et celles thoriques.
Plus le nombre de tirages est grand, plus la distribution des frquences est
adquate avec la loi de probabilit et plus d 2 sera faible.
2
Si d 2  --- , alors il y a adquation une loi quirpartie.
n

exemple dapplication
Soit la fonction f dfinie sur  par :
f ( x ) = 0 si x  1

f ( x ) = x + 1 si 1  x  0

f ( x ) = x + 1 si 0  x  1
f ( x ) = 0 si x  1.

Reprsenter graphiquement f et montrer que f dtermine une loi de probabilit
1
P, puis calculer P 1 ; --- .
2

corrig comment
La fonction f est dfinie, positive et continue sur . 1
Sur ] ; 1 [  ] 1 ; + [ , f ( x ) = 0
1 1
et
1
f ( x ) dx = 2
0
f ( x ) dx car f est paire donc,

1 1
x 2
f ( x ) dx = 2 --------- + x = 2 --- + 1 = 1.
1
1 2 0
2 1 0 1

f dtermine donc une loi de probabilit P et :

1
1 ---
--- 2
1 x2 1
P 1 ; --- = = --- --- --- 1 = --- .
1 1 1

2
( x + 1 ) d x = ----- + x
2 1 2 1
8 2 2 8

99