§4.

Probabilité

4EME Chapitre. PROBABILITE

4.1 NOTIONS DE BASE ET DEFINITIONS

On appelle événement tout ce qui se réalise, ou ne se réalise pas, à la suite d'un

phénomène aléatoire.

Exemple 4.1 soit la variable statistique, x i , nombre de jours de pluie par année :
"Observer x i  3 jours" est un événement,
"Observer un nombre de jours de pluie entre 0 et 25 jours" est un événement,
"Avoir x i  0 jours" est un événement impossible,
"Avoir un nombre non entier exemple : xi  2,3 jours" est impossible
"Observer un nombre entre 0 et 365 jours" est un événement certain

Exemple 4.2 l’effectif x i est le nombre de fois par année où le débit d’un cours d’eau
dépasse le seuil 25 m3s 1 .
"Observer un nombre xi  10 " est un événement
"Observer un nombre de voitures, xi  3 " est un événement
"Observer un nombre entre 5 et 10" est un événement
"Observer un nombre négative, xi  10 " est un événement impossible
"Observer un nombre positif ou nul, c’est-à-dire x i ℕ est un événement certain (
x i est certainement une partie de l’ensemble des entiers positifs ℕ)".

Exemple 4.3 Au droit d’une station hydrométrique on enregistre les événements :

"Observer le débit Q  3,5 m3s 1 " est un événement

"Observer un débit Q  10 m3s 1 " est un événement

"Observer un débit 3  Q  10 m3s1 " est un événement

"Observer un débit Q  0 m3s 1 " est un événement certain

"Observer un débit négatif Q  0 m3s 1 " est un événement impossible

60
§4. Probabilité

Exemple 4.4 Le caractère t i (en jour et centième de jour) mesure la durée d’un
événement de crue.
"Observer un événement qui a duré t i  100 jours" est un événement,
" Observer un t i  10 jours" est un événement,
" Observer un événement ayant duré 100  t i  1000 jours" est un événement,
" Observer une durée t i  10 jours" est un événement impossible.
" Observer une durée supérieure ou égale à 0 jour, c’est-à-dire t i  ℝ+ est un
événement certain.

L’ensemble fondamental noté  est l’ensemble de tous les résultats possibles.

 L’ensemble fondamental,  , peut-être fini, une partie de ℕ (Exemple 4.1),
  peut-être infini une partie de ℕ (Exemple 4.2),
  peut-être une partie de ℤ si on admet les comptages négatifs,
 L’ensemble fondamental peut être   ℝ+ (Exemple 4.3 et 4.4),
 Un intervalle de ℝ (exemple mesure du Ph   0 , 14 ),
  peut admettre des réels négatives (exemple la température dans un site).

4.2 OPERATIONS SUR LES EVENEMENTS

4.2.1 Définition

Tout événement est une partie de l’ensemble  , on note par Part l’ensemble des
parties de  .
4.2.1.1 Propriétés
a) Part est l’ensemble de tous les événements.
b) L’événement impossible est désigné par  et l’événement certain par  .
c) Soient A et B deux événements de  , on a alors:
 A  B est l’événement soit A soit B soit les deux,
 A  B est l’événement à la fois A et B,
 A est l’événement non A,
 A  B est l'événement A mais non B.
 Si A  B =  alors A et B sont dit disjoints, ces deux résultats ne peuvent se
réaliser en même temps.

61
§4. Probabilité

 On dit que l’événement A implique l’événement B si à chaque fois que A est

réalisé B l’est aussi. En d’autres termes A implique B si on a la relation,
 A   B . C’est à dire A  B .

4.2.2 Partition de l’ensemble fondamental

On appelle partition de  toute famille d’événements A1, A2,…,An différents de  et

deux à deux disjoints, telle que : A1  A2  ...  An  ...   .

4.3 PROBABILITE FREQUENTIELLE

Un événement constitué d'une seule réalisation possible est dit événement

élémentaire. Le cardinal d’un événement A, noté CardA , est le nombre des
événements élémentaires contenus dans l’ensemble A. Card est le nombre de tous les
événements élémentaires.

4.3.1 Définition

Soit une expérience aléatoire et un ensemble fondamental  fini. S’il existe n

événements élémentaires Ei . Si les réalisations Ei ont la même chance d’apparition, on
dit qu’ils sont équiprobables. Dans ce cas :
1
 à un événement élémentaire Ei correspond la probabilité : PEi   , i  1, ..., n  .
n
 à un événement B, constitué de k réalisations élémentaires Ei , lui corresponds la
k
probabilité P(B)  .
n

4.4 DEFINITION AXIOMATIQUE D'UNE PROBABILITE

L’application P : Part  0 , 1 est une probabilité si elle vérifie:

1) P  1
2) Pour tout-ensemble d'événements disjoints deux à deux A1 , A2 ,...An

PA1  A2  ...  An   PA1   PA2   ...  PAn  .

4.4.1 Propriétés

Soit P une probabilité, A et B deux événements, on a alors:

1) P() = 0
2) PA  B  PA   PB  PA  B

62
§4. Probabilité

3) Si A  B alors PA   PB


4) P A  1  PA 

 
5) P  Ai   PAi  .
 
 i  i

Exemple 4.5 Lors de la fabrication d’un dispositif technique, deux types de défauts
peuvent se produire. Un test a montré que 10% des articles ont des défauts de
1ere type, 6% ont des défauts du 2ieme type et 3% ont les deux défauts en même
temps. Quelle est la probabilité qu’un dispositif choisi au hasard n’a aucun
défaut?
Pour répondre à cette question, on commence par une lecture des hypothèses. On note
par A k : "le dispositif a un défaut de type k" où k = 1, 2. Dans ce cas :
PA1   10% ; PA2   6% et PA1  A2   3%
La probabilité d’avoir un dispositif sans aucun défaut est :
P( A1  A2 )  P( A1  A2 )  1  P( A1  A2 )
 1  P( A1 )  P( A2 )  P( A1  A2 )
 1  0,1  0,06  0,03  0,87

4.5 PROBABILITES CONDITIONNELLES

Lors d’une réalisation pratique, il se peut qu'un événement particulier B soit déjà réalisé.
Compte tenu de cette information partielle, on désire calculer la probabilité d'un
événement donné A. Cette dernière est appelée probabilité de l'événement A sachant
que B est réalisé ou encore probabilité de A étant donné B, notée par P(A/B) qu'on lit
aussi probabilité de A si B.

4.5.1 Définition

Soit B un événement de probabilité non nulle. On appelle probabilité conditionnelle de A

P( A  B)
sachant B (ou encore A si B) le rapport noté: P( A / B)  .
P(B)
En fait, on s'intéresse à la réalisation de A à l'intérieure de B, c'est à dire A  B par
rapport à B.

63
§4. Probabilité

Remarque : Dans le cas d’une loi uniformément continue avec P(B) > 0, P(A) est
proportionnelle à l’aire de la partie A  B .

A B


Figure 4.2 Probabilité conditionnelle

4.5.2 Propriétés

P( A  B)
 Si A et B sont disjoints alors P( A / B)  0;
P(B)
 Si A  B alors P( A / B)  1
 Si A B   alors P( A / B)  0
 P( A / B)  P( A  B)PB.

4.5.3 Information positive

Relativement à l’événement A, B fournit une information supplémentaire :

 L’information est positive si P( A / B)  PA 
 L’information est négative si P( A / B)  PA  .

Exemple 4.6 : le tiers d'une population a été vacciné contre une maladie.
a) Au cours d'une épidémie, on constate que, sur quinze malades, il y a deux
personnes vaccinées.
Notons M l’événement "individu Malade" et V "individu vacciné".
Question n°1 : Le vaccin est-il efficace ?
Pour le savoir, on compare la probabilité d'être malade P(M) avec celle d'être
malade sachant que l'on a été vacciné PM / V  . Le vaccin est efficace si
PM / V   PM , c’est-à-dire que l’information supplémentaire d’être vacciné est
une information négative.
1 2
On a : P( V )  et PV / M  .
3 15
PM  V  PV / M PM  2
Or : PM / V    .3.PM   PM .
2

PV  PV  15 5
On a PM / V  PM , donc le vaccin est efficace.

64
§4. Probabilité

b) On suppose de plus que sur cent personnes vaccinées, huit sont malades.

Question n°2: quelle est la proportion de malades dans la population ?

On a donc : PM / V   et d’après la 1ère question on a aussi : PM / V   PM .

8 2
100 5

PM    PM  
2 8 1
On trouve alors que :
5 100 5
Il y a donc 20% de malades.

4.5.4 Théorème de multiplication

De la définition d’une probabilité conditionnelle, on déduit que :

PA  B  PA / B.PB  PB / A.PA
Cette relation se généralise à plus de deux événements. En effet, soient n événements
A1, A2 ,..., An tous de probabilité non nulle, la relation suivante est déduite par
récurrence:
PA1  A2  ...  An   P(A1).P(A2 / A1)P(A3 / A1  A2 )...P(An / A1  ...  An 1)

Exemple 4.6 (contrôle de qualité) sur 10 flacons analysés, la moitié c'est-à-dire 5 sont
contaminés. On prélève 3 flacons au hasard. Quelle est la probabilité qu’aucun
des 3 flacons ne soit contaminé.
On pose Ak l’événement que le kième flacon soit contaminé, k = 1, 2, 3.
La probabilité qu’aucun flacon ne soit contaminé est donnée par :

P A1  A2  A3 . 
Or d’après le théorème de la multiplicité on a :

     
 5  4  3  1
P A1  A2  A3  P A1 P A2 / A1 P A3 / A1  A2      
 10  9  8  12

4.5.5 Evénement indépendant

Les événements A et B sont indépendants, si P(A / B)  PA ou bien P(B / A)  PB .

 Dans ce cas : PA  B  P(A).PB
 Si les événements A1, A2 ,..., An sont indépendants alors:
PA1  A2  ...  An   P( A1 )P( A2 )...P( An ).

65
§4. Probabilité

Exemple 4.7 La série des hauteurs annuelles des précipitations Pi au niveau de la

station de Tlemcen (période 1926-1979) est donnée par le tableau 4.1 ci-après.
On suppose que les cycles annuels des précipitations sont indépendants.
a) Evaluer la probabilité d'avoir une hauteur annuelle h: dépassant 700 mm?
Inférieure à 550 mm? Quelle soit entre 550 et 700 mm?
b) Quelle est la probabilité d’avoir deux années de suite enregistrant des
précipitations supérieures à 700 mm.

Tableau 4.1 hauteur annuelle des Précipitations au niveau

de la station de Tlemcen (1926-79)
Année Pluies Année Pluies Année Pluies Année Pluies
1926 448,3 1940 555,8 1954 960,0 1968 891,8
1927 537,6 1941 589,4 1955 670,5 1969 749,5
1928 980,0 1942 506,4 1956 713,5 1970 320,9
1929 1037,5 1943 553,2 1957 808,2 1971 780,9
1930 457,5 1944 432,1 1958 686,7 1972 684,5
1931 454,3 1945 655,4 1959 618,3 1973 853,0
1932 782,0 1946 700,0 1960 632,6 1974 727,6
1933 672,7 1947 515,5 1961 321,2 1975 683,0
1934 568,5 1948 820,8 1962 886,5 1976 751,0
1935 527,4 1949 545,3 1963 1110,6 1977 456,1
1936 634,2 1950 1257,2 1964 817,3 1978 484,2
1937 584,8 1951 701,1 1965 762,6 1979 578,6
1938 528,0 1952 553,9 1966 376,6
1939 445,2 1953 516,5 1967 771,8

Réponses : Le nombre d'observation (nombre d'années) est de N  54 . Si :

A est l'événement "hauteur annuelle dépasse 700 mm",
B est l’événement "hauteur annuelle inférieure à 550 mm"
nA et nB sont respectivement le nombre d'observations réalisant les événements
A et B.
n 33
a) La probabilité fréquentielle que A se réalise est : PA   P(h  700 mm)  A 
N 54
n 17
La probabilité que B se réalise est : PB  P(h  550 mm)  B 
N 54
La probabilité que h soit entre 550 et 700 mm est donnée par
P(550  h  700 mm) . On peut tout simplement calculer le nombre de fois où la
hauteur annuelle h550 , 700 . La lecture du tableau 4.1, montre qu’il y a 16
valeurs h i dans l’intervalle 550 , 700 . On conclut que :
16
P(550  h  700 mm) 
54

66
§4. Probabilité

b) Le calcul de la probabilité que deux années de suite la pluviométrie dépasse 700

mm peut être effectué des deux manières suivantes:
 1ère façon, on utilise les probabilités fréquentielles. On désigne par A l’ensemble
des couples (deux valeurs consécutives de la série étudiée). Le nombre total des
couples est de 53. Par ailleurs, du tableau 4.1, on dénombre 9 couples où les
deux valeurs dépassent 700 mm. Ainsi, la probabilité que durant deux années
9
de suite la pluviométrie dépasse 700 mm est  16,98%
53
 2ème façon, on remarque que les cycles pluviométriques sont indépendants
d’une année à l’autre. Ainsi,
2
 21 
P(h  700)  (h  700)  Ph  700Ph  700     15,12%
 54 
La différence minime qui résulte des deux approches est principalement due à
l’échantillonnage.

4.6 FORMULES DE BAYES

Les formules suivantes sont dites de Bayes. Elles ont pour but d’exprimer
PB / A en fonction de PA / B .

4.6.1 1ère formule de Bayes

De la définition d’une probabilité conditionnelle, on a la relation :

PA  B  PA / B.PB  PB / A.PA
PA / B.PB
La 1ère formule de Bayes s’écrit: PB / A  
PA 

4.6.2 2ème formule de Bayes

L’ensemble fondamentale peut être exprimé en fonction de l’événement B,   B B .

PB / A PA 
De la 1ère formule on déduit que : PA / B 
 
PA / BPB  P A / B P B

4.6.3 3ème formule de Bayes

Soit A un événement, si les événements B1, B2 ,..., Bn constituent une partition de

l’ensemble fondamentale  , c’est à dire les B j sont deux à deux disjoints et leur
réunion est égale à  , on a alors :
P( A)  PA    PA (B1  B2  ...  Bn )
D’après les propriétés de Morgan :

67
§4. Probabilité

A (B1  B2  ...  Bn )  A  B1  A  B2  ...  A  Bn 

Et comme, les A  Bi sont disjoints deux à deux car les B j le sont. D’après l’axiome
définissant une loi de probabilité, on déduit que :
P( A)  PA  Bi   PA / Bi PBi   PBi / A PA 
i 1;n i 1;n i 1;n

4.6.4 4ème formule de Bayes

De la 1ère et 3ème formule, on trouve que :

PA / Bi PBi  PA / Bi PBi 
PBi / A   
PA   PBi / APA 
i 1; n

Exemple 4.6 : fiabilité de circuit électronique.

Dans un équipement on utilise trois types de circuit T1, T2 et T3 avec les
proportions suivantes : 60% des circuits utilisés sont du type T1 , 30% du type T2
et 10% du type T3.
Les probabilités que les circuits fonctionnent correctement pendant un temps t
sont comme ce qui suit :
 P1 = 0,90 pour le type T1
 P2 = 0,80 pour le type T2
 P3 = 0,50 pour le type T3
L’équipement tombe en panne, quelle est la probabilité que la panne provient du
circuit de type T1 ?
Réponse : Pour résoudre ce problème on réécrit les hypothèses sous forme
d’événements. On note par :
D : « un circuit pris au hasard tombe en panne durant le temps t »
Tk : « le circuit est du type Tk » k = 1 , 2 , 3.
T1 , T2 et T3 constituent une partition de l’ensemble fondamentale  , avec
PT1   60% ; PT2   30% et PT3   10% .
L’hypothèse « La probabilités que les circuits fonctionnent correctement
pendant un temps t est P1 = 0,90 pour le type T1 », se traduit par la probabilité
 
P D / T1  1  PD / T1   10%
De même, on lit les autres hypothèses :
 
P D / T2  1  PD / T2   20%

PD / T3   1  PD / T3   50%

La probabilité qu’un circuit tombé en panne soit du type T1 est exprimé par
PT1 / D , on utilise la formule (4) de Bayes, on a alors

68
§4. Probabilité

PD / T1  PT1 
PT1 / D 
PD / T1 PT1   PD / T2  PT2   PD / T3  PT3 
On trouve alors :
10% 60% 6
PT1 / A   
10% 60%  20% 30%  50% 10% 17

Exemple 5.7 deux machines M1 et M 2 produisent respectivement 100 et 200 pièces.

M1 produit 5% de pièces défectueuses et M 2 en produit 6%.

Quelle est la probabilité pour qu'une pièce défectueuse soit fabriquée par la
machine M1 ?
On désigne les événements :
M1 : " Pièce produite par la machine M1 "

M 2 : " Pièce produit par la machine M 2 "

D : " Pièce défectueuse"
L'évènement constaté, D, est donc la présence d'une pièce défectueuse et les
causes sont les machines M1 et M 2 .
Par ailleurs, et compte tenu des productions de ces machines, on a
Nombre de pièces produites par la machine M1
PM1  
Nombre de toute les pièces produites par les machine M1 et M2
100 1 2
PM1    , de même PM2   .
100  200 3 3
Les probabilités conditionnelles de l'évènement D selon les machines sont
PD / M1   5% et PD / M2   6% .
En reportant ces valeurs dans la formule de Bayes, on obtient :

PD / M1 PM1 
5% 1 5
PM1 / D   3   29%
PD / M1 PM1   PD / M2 PM2  5% 1  6% 2 17
3 3
2ième Méthode On peut procéder autrement en utilisant un diagramme. En effet, on peut
décrire la production des machines comme ce qui suit:
Ordre 0 : Une pièce est prise au hasard
 M1

Ordre 1 : La pièce est produite par ou
 M
 2

69
§4. Probabilité

 M1  D

Ordre 2 : La pièce produite par M1 est dans ou
 M D
 1

ou bien,
 M2  D

La pièce produite par M 2 est dans ou
 M D
 2

On résume ces étapes dans le diagramme suivant :

Ordres 0 1 2

Tirer une pièce

Fig. 4.2 Diagramme de calcul de probabilité conditionnelle

D’après le diagramme, la probabilité qu’une pièce soit défectueuse est :

PD  PM1  D  M2  D .
Puisque M1 et M 2 sont mutuellement exclusifs, on a: PD  PM1  D  PM2  D .
D’après la première formule de Bayes, on a :
PM1  D PM1  D PD / M1 PM1 
PM1 / D   
PD PM1  D  PM 2  D PD / M1 PM1   PD / M 2 PM 2 

On retrouve le même résultat que celui obtenu la 1ère méthode.

4.7 EXERCICES CHAPITRE N°4

Exercice n°1 Soient deux événements A et B

 Si A et B sont indépendants, montrer que A et B ; A et B ainsi que A et B
 Si A et B sont incompatibles alors A et B sont nécessairement indépendants.
 Si B  A et PA   1 alors B et A sont indépendants.

70
§4. Probabilité

Exercice n°2 Une enquête portant sur le plan d’urbanisme donne la répartition des avis
des habitants d’une ville composée de 4 arrondissements, comme indiqués dans
le tableau suivant

Arrondissement A1 A2 A3 A4
Population de
15% 32% 23% 30%
l’arrondissement
Favorables 12% 31% 72% 55%

Non favorables 60% 45% 5% 31%

Ne se
28% 24% 23% 14%
prononcent pas
On désigne par :
 A j : "un habitant de l’arrondissement A j " ; j  1, 2,3 ou 4

 F : "un habitant ayant un avis favorable"

 D : "un habitant ayant un avis défavorable"
 NP : "un habitant qui ne se prononce pas".

a) Expliquer les différentes valeurs numériques du tableau, en termes de

probabilité et en fonction des désignations A j , F, D et NP.

b) Calculer les proportions (ou probabilités) des habitants favorables, non

favorable et ceux qui ne se prononcent pas par rapport au plan d’urbanisme.
c) La population de la ville étant de 300.000 habitants, donner le nombre de
personnes habitants la ville et qui se prononcent par rapport au plan
d’urbanisme.
d) Quelle est la probabilité qu’une personne habitant l’arrondissement A 4 a un
avis défavorable ?

Exercice n°3 Une machine possède un dispositif de sécurité. On donne les informations
suivantes :

La probabilité que la machine tombe en panne est de 5%.

S’il y a risque de panne, le dispositif de sécurité fonctionne avec une probabilité

de 95%.

La probabilité que le dispositif soit actionné sans qu’il ait panne est égale à 1%.
a) Calculer la probabilité qu’il ait panne un jour donné.
b) Calculer la probabilité qu’il y ait une panne sachant que le dispositif de
sécurité n’a pas fonctionné.

71
§4. Probabilité

Exercice n°4 Une laiterie possède deux chaines de mise en sachet du lait. Les deux
chaines sont numérotées Ch1 et Ch2.
La chaine Ch1 fournit 60% de production et la chaine Ch2 les 40% restants. On
remarque que 1,5% des sachets issue de Ch1 sont mal soudés (un sachet mal
soudé se vide partiellement ou en totalité avant d’arriver au consommateur) et
que 2% de sachet remplis par la chaine Ch2 sont mal soudés.
On prend au hasard un sachet de lait provenant de la laiterie. On considère les
événements suivants :
 Evénement A :"le sachet de lait provient de Ch1"
 Evénement B :"le sachet de lait provient de Ch2"
 Evénement D :"le sachet de lait est mal soudé"
a) Déduire des énoncés les probabilités :
P  A  , P  B , P  A / D  et P  B / D .

b) Traduire l’énoncé à l’aide d’un arbre pondéré.

 
c) Calculer P  D  et P D .

d) On constate que le sachet et mal soudé, quelle est la probabilité qu’il provient
de Ch1.

Exercice n°5 La résistance de rupture X d’une barre varie uniformément entre 145 et
165 KN. Par ailleurs, on admet que la charge appliquée à la barre peut varier
uniformément entre 120 et 150 KN. Calculer la probabilité qu’il ait rupture, c’est
à dire P(X>Y).

Exercice n°6 La durée de vie de deux équipements E1 et E2 sont réparties uniformément

entre 10 et 16 heures, respectivement 13 et 17 heures. Si les équipements sont
mis en marche simultanément, quelle est la probabilité que :
a) E1 tombe en panne avant E2?
b) La somme des deux durées de vie soit au moins égale à 30 heures ?

Exercice n°7 Un appareil est composé de 3 dispositifs. Soit :

a) A = « le premier dispositif fonctionne »
b) B = « le deuxième dispositif fonctionne »
c) A = « le troisième dispositif fonctionne »
d) Dk = « exactement k dispositifs fonctionnent » où k = 0, 1, 2, 3
e) E = « la majorité des dispositifs fonctionnent »
f) Si P(A) = 0,8 ; P(B) = 0,9 et P(C) = 0,6. Calculer P(Dk) et P(E).

Exercice n°8 On jette un dé équilibré deux fois de suite. Les résultats pouvant être obtenus
sont désignés par X et Y. Calculer les probabilités suivantes :
a) A  " X  Y  10"
b) B  " X  Y"

72
§4. Probabilité

c) C  " X  Y  11"
d) D " X  Y  5"
e) E  " X  Y  2"

f) F  " X.Y est pair"

g) G  " X / Y est un entier naturel"
h) F  " maxX , Y  5" .

Indication : L’ensemble fondamental est   x, y / 1  x  6 ; 1  y  6. C’est l’ensemble

des points représentés sur (Fig. 4.1).

73