Académique Documents
Professionnel Documents
Culture Documents
Introduction à la probabilité
PpΩq “ tA, A Ă Ωu
A X B “ tω, ω P A et ω P Bu.
A Y B “ tω, ω P A ou ω P Bu
.
On peut géneraliser ces définitions à une famille quelconque de parties de Ω. Soit I un
ensemble quelconque d’indices (fini ou infini) et pAi qpiPIq une famille de parties de Ω.
— On définit l’intersection des Ai notée XiPI Ai par
XiPI Ai “ tω, @i P I, ω P Ai u.
YiPI Ai “ tω, Di P I, ω P Ai u.
1
2 Introduction à la probabilité
n!
Akn “ npn ´ 1qpn ´ 2q...pn ´ k ` 1q “ pn´kq!
.
Proposition 2 Dans un arragement avec répétition les k objets de la liste ne sont pas
nécessairement distincts.
Le nombre d’arrangement avec répétition de k élèments parmi n est nk .
Exercice
1. Combien de nombre de 6 chiffres peut-on former avec les chiffres 1,2 et 3 ?
2. Quel est le nombre de manières de placer 5 convives autour d’une table ronde ?
3. Combien de mots de 3 lettres distinctes peuvent être formés dans un alphabet de
26 lettres ?
4. 12 candidats se présentent aux éléctions au conseil d’administration comportant 8
places. La liste des élus est publiée selon le nombre de voix. Combien y-t-il de listes
possibles ?
Exercice :
1. De combien de manières peut-on choisir une délègation de 3 hommes et 2 femmes
pris parmi un groupe de 7 hommes et5 femmes ?
2. En jouant au pocker contanant 52 cartes, combien de main de 5 cartes peut-on
tirer ?
Proposition 5 Soient n P N et k ď n, on a
Cnk “ Cn´1
k´1 k
` Cn´1 , @1 ď k ď n ´ 1.
Proposition 6 Soient x, y P R et n P N, on a
n
ÿ
n
px ` yq “ Cnk xk y n´k .
k“0
Définition 5 1. On appelle évènement une partie de l’ensemble des issues d’une ex-
périence aléatoire.
2. L’évènement est dit élementaire s’il ne correspond qu’à une seule et unique issue.
3. L’ensemble de tous les évènements possibles s’appelle univers (espace d’échantillo-
nage), noté Ω.
Exemple 2 On considère l’expérience aléatoire "le lancement d’un dé". Il vient que
— les résultats : 1,2,3,4,5 et 6 sont des éventualités (issues, possibilités).
— Ω “ t1, 2, 3, 4, 5, 6u est l’univers de cette expérience.
— A ’Obtenir un nombre pair’“ t2, 4, 6u est un évènement
— B ’obtenir la face 1’ “ t1u est un évènement élèmentaire.
4 Introduction à la probabilité
Définition 8 On suppose que Ω est un ensemble fini. On dit qu’on se trouve dans un cas
équiprobable si tous les évènements élèmentaires ont la même valeur de probabilité. On
parle aussi de probabilité uniforme.
Théorème 2 (Formule des probabiltés totales) Soient pA1 , A2 , .., An q un système complet
d’évènements et B un évènement quelquonque, alors
Exercice 3 Une compagnie estime que les gens peuvent être répartis en 2 classes.
— Ceux qui sont enclins au accidents à haut riques, soit 30% de la population.
— Les autres sont dits à rique modéré.
Les statistiques montrent q’un individu à haut rique a une probabilité de 0.4 d’avoir un
accident en l’espace d’un an de la signature de son contrat. cette probablité tombe à 0.2
pour les gens à rique modéré.
1. Quelle est la probabilité qu’un nouvel assuré soit victime d’un accident durant l’année
qui suit la signature du contrat ?
2. Un nouveau signataire a eu un accident dans l’année qui suit la signature de son
contrat ? Quelle est la probabilité qu’il fasse parti à la classe haut risque ?
Exercice 4 Une entreprise utilise trois machine A,B et C pour fabriquer des pièces. 40%
sont fabriquées par A, 30% par B et 30% par C. La machine à produit 2% de pièces
défectueses, B : 4% et C5%.
1. Si on prélève une pièce au hasard, quelle est la probabilité qu’elle soit défèctueuse ?
2. Si on prélève une pièce défèctueuse, quelle est la probabilité qu’elle vienne de A ?
3. Si on prélève une pièce saine, quelle est la probabilité qu’elle vienne de C ?
1.4.1 Indépendance
PpB{Aq “ PpBq.
1.5. Exercices 7
Proposition 9 Soient A, B telles que PpAq et PpBq sont non nulles. Alors on a l’équi-
valence
1. PpA{Bq “ PpAq.
2. PpB{Aq “ PpBq.
3. PpA X Bq “ PpAqPpBq.
Exemple 5 Une urne contient 12 boules numérotées de 1 à 12. On tire une boule au
hasard. Soit A = Tirage d’un nombre pair et B = Tirage d’un multiple de 3.
1. Calculer PpAq, PpBq et PpA X Bq. A et B sont-ils indépendants ?
2. Répondre aux mêmes questions si on rajoute dans l’urne une boule numérotée 13.
1.5 Exercices
Exercice 5 On dispose de deux urnes U1 et U2 . L’urne U1 contient 3 boules blanches et
une boule noire. L’urne U2 contient une boule blanche et 2 boules noires. On lance un dé
non truqué, si le dé donne un nombre supérieur á 2 on tire dans l’urne U1 , sinon on tire
dans l’urne U2 .
1. Calculer la probabilité de tirer une boule blanche.
2. On a tiré une boule blanche. Quelle est la probabilité qu’elle provienne de U1 .
2. On constate que l’une des clés achetée est défectueuse. Quelle est la probabilité pour
qu’il ait acheté une boite abîmée ?
Exercice 9 A l’ISIMM, parmi les étudiants 40% suivent l’option A1, 30% suivent l’op-
tion A2 et 30% suivent l’option A3. Chaque étudiant suit une seule option. La proportion
d’étudiants qui n’ont pas la moyenne dans l’option A1 est de 10%, dans l’option A2 de
5% et dans l’option A3 de 5%. On choisit un étudiant au hasard.
1. Calculer la probabilité qu’il n’ait pas la moyenne.
2. Sachant qu’il n’a pas la moyenne, calculer la probabilité qu’il ait suivi l’option A1,
A2 ou A3.
Exercice 10 Une usine fabrique des pièces, avec une proportion de 0, 05 de pièces défec-
tueuses. Le contrôle des fabrications est tel que :
— si la pièce est bonne, elle est acceptée avec la probabilité 0,96.
— si la pièce est mauvaise, elle est refusée avec la probabilité 0,98.
On choisit une pièce au hasard et on la contrôle. On désigne par A l’évènement " La pièce
est acceptée au contrôle" et par B l’évènement "la pièce est bonne".
1. Donner les probabilités PpBq, PpA{BqetPpA{Bq. En déduire PpAq.
2. Sachant que la pièce est acceptée, calculer la probabilité qu’elle soit défectueuse. On
désigne par E l’évènement "une erreur de contrôle s’est produite".
(a) Exprimer E en fonction de A et B.
(b) Calculer PpEq.
Chapitre 2
2.1 Introduction
On lance une pièce de monnaie deux fois de suite et on tient compte à l’ordre de lancé.
Il vient que l’univers Ω “ tpp, pq, pp, f q, pf, f q, pf, pqu. Soit X le nombre d’apparition de
pile. C’est une variable aléatoire définie par
$
& 2, si ω “ pp, pq ;
Xpωq “ 1, si ω P tpp, f q, pf, pqu ;
0, si ω “ pf, f q.
%
Définition 10 Soit pΩ, PpΩq, Pq un espace probabilisé. Une variable aléatoire est une
fonction de Ω dans R
Définition 11 Le support d’une variable aléatoire X est l’ensemble de ses valeurs pos-
sibles. On le note SpXq ou SupppXq
Dans toute la suite de cette section on considère les variables aléatoires discrètes X (resp
Y ) définies sur l’espace pΩ, PpΩq, P q telle que XpΩq “ txi , i P Iu, où I Ă N( resp Y pΩq “
tyj ; j P Ju où J Ă N).
9
10 Les variables aléatoires discrètes
pi “ P pX “ xi q; i P I,
Remarque: Donner la loi de X c’est donner pi pour tout i dans I. Remarque: Soit X
une variable aléatoire discrète.
1. Pour tout x P XpΩq, l’ensemble tX “ xi u “ tω P Ω; Xpωq “ xi u est un événement.
2. La famille d’évènements tX “ xi , xi P XpΩqu est une partition de Ω.
ř
3. On a xi PXpΩq P pX “ xi q “ 1.
Remarque: Deux v.a. peuvent avoir même loi sans être égales. Par exemple, on jette deux
dès, l’un bleu et l’autre rouge. Notons X le numéro indiqué par le dé bleu et Y celui indiqué
par le dé rouge. Les variables X et Y sont définies sur le même espace de probabilité.
Ω “ t1, ..., 6u et XpΩq “ Y pΩq “ t1, ..., 6u et @k P t1, ..., 6u; P pX “ kq “ P pY “ kq “ 1{6.
Donc les deux variables X et Y ont la même loi. Pourtant les deux variables ne sont pas
égales. En effet, l’égalité entre X et Y signiferait que Xpωq “ Y pωq, @ω P Ω. On peut voir
que PpX “ Y q ‰ PpX “ Y q.
Définition 15 Soit
C : Ω Ñ R2
ω ÞÑ pXpωq, Y pωqq.
On dit que C “ pX, Y q est un couple de variable aléatoire discrète.
2.2. Les variables aléatoires discètes 11
Remarque: La loi conjointe du coulpe détermine complètement les lois marginales mais
la réciproque est fausse.
Définition 19 Soit X une v.a.d et f une fonction réelle dont le domaine de définition
contient XpΩq. Alors si Epf pXqq existe on a
ÿ
Epf pXqq “ f pxi qP pX “ xi q.
iPI
Définition 21 Variance Soit X une variable aléatoire qui possède un moment d’ordre 2
fini. On appelle la variance de X le réel donnée par
` ˘
VarpXq “ E pX ´ EpXqq2 “ EpX 2 q ´ EpXq2 .
VarpXq
@t ą 0, P p|X ´ EpXq| ě tq ď .
t2
Définition 23 On suppose que les deux variables aléatoire X et Y possèdent des va-
riances. On appelle covariance de X et Y notée
` ˘
CovpX, Y q “ E pX ´ EpXqqpY ´ EpY qq
“ EpXY q ´ EpXqEpY q
2.3. Lois discrète usuelles 13
On réalise une expérience aléatoire qui a deux résultats possibles, le" succés S de proba-
1, si succés ;
bilité p et l’echec E de probabilité 1 ´ p. La variable aléatoire X “ est
0, si echec.
une v.a de Bernouilli. On note X ” Bppq.
Exemple 8 On effectue n tirages avec remise dans une urn contenant des boules blanches
(avec proportion p) et des boules noires (avec proportion (1 ´ p)). X le nombre de boules
blanches tirées est une variable aléatoire binomiale de paramètre n et p.
14 Les variables aléatoires discrètes
X suit la loi géometrique de paramètre Gppq si elle est égale au nombre d’épreuves de Bppq
indépendantes, qu’il faut réaliser pour obtenir la première fois l’évènement de probabilité
p.
Proposition 20 — XpΩq “ N.
— P pX “ kq “ pp1 ´ pqk´1 .
— EpXq “ 1{p.
— VarpXq “ 1´p
p2
.
Proposition 21 — EpXq “ λ.
— VarpXq “ λ.
Remarque: Lorsqu’un évènement a une faible probabilité d’apparition lors d’une épreuve
de Bernouilli et si l’on répète un grand nombre de fois. Le nombre total de réalisation de
l’évènement consodéré suit à pau près une loi de poisson de paramètre λ “ n ˆ p. C’est
la loi des phénomènes rares. En pratique n ě 30 et p ď 0.1
Exemple 10 Lors d’un sondage portant un grand nombre de personnes. On sait que 20%
de personnes acceptent de ne pas être anonymes. Sachant qu’on a intérrogé 250 personnes,
calculer la probabilité
1. que ces 250 personnes souhaitent rester anonymes.
2. 3 personnes acceptent de ne pas rester anonymes.
3. plus que 10 personnes acceptent de ne pas être anonymes.
2.4 Exercices
Exercice 11 Soit X une variable aléatoire discrète à valeurs dans t1, 2, ..., nu de loi :
P pX “ iq “ Ci @i P t1, 2, ..., nu
où C est une constante.
2.4. Exercices 15
P pX “ 1q “ p1 , P pX “ 0q “ 1 ´ p1 , P pY “ 1q “ p2 , P pY “ 0q “ 1 ´ p2
On pose U1 “ X ` Y et U2 “ XY .
1. Déterminer les lois de U1 et de U2 .
2. Calculer ErU1 s, V arrU1 s, ErU2 s et V arrU2 s.
Exercice 13 Une urne contient des boules blanches et des boules noires. La proportion
de blanches est p. Les tirages se font avec remise ainsi la proportion de boules blanches
ne changent jamais.
1. Soit Y la v.a qui vaut 1, si on tire une boule blanche et 0 sinon. Quelle est la Loi
de Y ? Calculer EpY q ?
2. Soit X la v.a indiquant le nombre de boules noires tirées sur 5 tirages. Quelles sont
l’espérance et la variance de cette variable ?
Exercice 14 Sioient X et Y deux variables aléatoires à valeurs dans t´1, 0, 1u. La loi
du couple est donnée par le tableau suivant
XY -1 0 1
-1 1/5 0 1/5
0 1/15 1/15 1/15
1 1/5 0 1/5
Une entreprise fabrique des lecteurs MP3, dont 6% sont défectueux. Chaque lecteur MP3
est soumis à une unité de contrôle dont la fiabilité n’est cependant pas parfaite. Cette
unité de contrôle rejette 98% des lecteurs MP3 défectueux et 5% des corrects. Soit Ω
un ensemble de MP3 fabriqués qui subit l’ensemble du circuit de contrôle. On note les
événements suivants :
‚ D = {MP3 défectueux},
‚ R = {MP3 rejetés par l’unité de contrôle}
3.1 Introduction
Soit pΩ, PpΩq, Pq un espace probabilisé et X une application de Ω dans R. Une variable
aléatoire X est dite continue si l’ensemble XpΩq est une intervalle ou une réunion d’inter-
valle de R. La description d’une loi continue diffère de celles des lois discrètes puisque pour
une variable aléatoire continue X, la probabilité que X prenne une valeur bien précise
x est nulle, PpX “ xq “ 0 . Il y a, en effet, une infinité de valeurs dans R ou dans un
intervalle, et au regard de toutes ces valeurs précises, le poids de la valeur particulière est
tellement insignifiant qu’il en est nul.
Exercice 16 Si X=la taille d’un individu dans une population. Alors PpX “ 1, 8522692q “
0.
Définition 24 Une variable aléatoire X est dite à densité s’il existe une fonction positive
f : R Ñ R` , telle que
żb
Ppa ď X ď bq “ f ptqdt, pour tout a ď bR.
a
17
18 Les variables aléatoires continues
Définition 27 Soit f une densité définit sur R2 . On dit que le coulpe C “ pX, Y q est un
couple de densité f si pour tout couple px, yq on a
ż y ´ż x ¯
` ˘
P X ď x, Y ď y “ f pu, vqdv du.
´8 ´8
3.3 Indépendance
Définition 30 Les variables aléatoires continues X et Y sont dites indépendantes si pour
tout couples px, yq P R2 on a
3.4.1 Espérance
Cette loi modélise un phénomène uniforme sur un intervalle donné. Une variable aléatoire
X suit la loi uniforme sur l’intevalle borné ra, bs si elle a une densité f constante sur cet
intervalle et nulle en dehors. Elle est notée Upra, bsq. Sa densité est alors,
" 1
b´a
, si x P ra, bs ;
f pxq “
0, sinon.
Proposition 30 Soit X une variable aléatoire qui suit la loi uniforme sur l’intevalle
ra, bs.
— EpXq “ a`b
2
.
pb´aq2
— VarpXq “ 12 .
Soit λ ą 0, une variabla aléatoire X suit une loi exponentielle de paramètre λ et notée
Exppλq si elle admet pour densité la fonction
"
λ expp´λxq, si x ě 0 ;
f pxq “
0, sinon.
Les lois exponentielles sont souvent utilisées pour modéliser des temps d’attente ou des
durées de vie. Par exemple, les temps d’attente à partir de maintenant du prochain trem-
blement de terre, de la prochaine panne d’un appareil, de la prochaine désintégration
dans un réacteur nucléaire suivent des lois exponentielles. Le paramètre λ désigne alors
l’inverse du temps d’attente moyen.
3.6. La loi normale 21
Remarque: Si m “ 0 et σ 2 “ 1 alors X suit la loi normale centrée réduite. Elle est notée
N p0, 1q.
Corollary 1 Soit Sn une variable aléatoire qui suit la loi Bpn, pq alors
Sn ´ np
? N p0, 1q.
npq
Ceci peut également s’écrire ainsi
L ?
Sn Ñ N pnp, npqq.
La loi De khi-deux
řn
Si Xi , .., Xn sont n v.a indépendantes de loi N p0, 1q alors X “ i“1 Xi est une v.a khi-
deux à n degré de liberté. On la note χ2n et on a
— EpXq “ n
— VarpXq “ 2n.
La loi de Fisher
Si X1 et X2 sont deux v.a indépendantes telles que X1 suit χ2n1 et X2 suit χ2n2 . Alors
X1 {n1
F “ X 2 {n2
suit une loi de Fisher à n1 , n2 degré de liberté. Elle est notée Fn1 ,n2 . On a de
plus
— EpF q “ n2n´2 2
si n2 ą 2,
2n22 pn1 `n2 ´2q
— VarpF q “ n1 pn2 ´2q2 pn2 ´4q
. si n2 ą 4.
La loi de Student
Si X et Y sont deux v.a indépendantes telles que X suit N p0, 1q et Y suit χ2n . Alors
S “ ?X est une variable de Student à n degré de liberté. Elle est notée Sn , on a
Y {n
— EpSq “ 0 si n ą 1
n
— VarpSq “ n´2 si n ą 2.
3.7 Exercices
Exercice 17 Exercice 1
Soit X une variable aléatoire continue dont la densité est donnée par
"
ap9x ´ 3x2 q, 0 ă x ă 3 ;
f pxq “
0, sinon.
1. Calculer a.
2. Calculer P pX ą 1q et P p1{2 ă X ă 3{2q.
3. Quelle est la fonction de répartition de X ?
4. Calculer EpXq.
Exercice 18 Soit X une v.a suivant une loi uniforme sur r0, 1s. On pose Y “ ´2lnp1 ´
Xq.
1. Rappeler la valeur de P pX ď aq suivant les valeurs de a.
2. Expliquer rapidement pourquoi Y est une v.a. Préciser les valeurs que peut prendre
Y
3.7. Exercices 23
Exercice 19 Soit X une variable aléatoire qui suit une loi uniforme sur r0, 1s. On pose
U “ maxpX, 1 ´ Xq et V “ minpX, 1 ´ Xq.
1. U et V sont elles des v.a ? Préciser les valeurs qu’elles peuvent prendre.
2. Soit hU [resp hV ] une densité de U [resp de V ].Donner une expression de hU et
de hV .
Exercice 20 Exercice 5
Soit X une variable aléatoire qui suit la loi exponentielle de paramètre λ.
1. Calculer P pX ď 2q et P pX ě 0.5q
2. Déterminer la densité de Y “ 3X. ´ ¯ ´ ¯
3. Monter que pour tout t, h P R on a PpXětq X ě t ` h “ P X ě h .
Exercice 21 La durée de vie d’un appareil électronique est une variable aléatoire X ,
exprimée en heures, qui suit une loi exponentielle de paramètre 0.000026 .
1. Quelle est la probabilité que la durée de vie de l’appareil soit de 1000 heures au
maximum ?
2. En déduire la probabilité que la durée de vie de l’appareil soit 1000 d’au moins heures.
3. Sachant que la durée de vie de l’appareil a dépassé 1000 heures, quelle est la proba-
bilité que sa durée de vie dépasse 2000 heures ?
4. Sachant que l’appareil a fonctionné plus de 2000 heures, quelle est la probabilité qu’il
tombe en panne avant 3000 heures ?
Exercice 22 On tire 400 fois à pile ou face avec une pièce de monnaie non biaisée. Soit
X le nombre de pile.
1. Indiquer la loi de X.
2. Calculer EpXq et V arpXq.
3. On souhaite approximer la loi de X par une loi normale. Est ce légitime ? Quels
paramètres doit on choisir pour déterminer cette loi normale ?
4. Calculer P pX ą 220q et P p180 ă X ă 220q.
5. Déterminer un intervalle ra; bs centrée en EpXq tel que P pa ă X ă bq “ 0.98.
Calculer P pX “ 220q et P pX “ 190q
Exercice 23 Un fabricant souhaite lancer une nouvelle console de jeu. Les études mar-
keting montrent que parmi les 2000 joueurs de la région, 40% ont déclaré avoir l’intention
d’acheter le jeu. On appelle X, la v.a égale au nombre de personnes allant effectivement
acheter le jeu.
1. Quelle est la loi de X ?
2. En approximant la loi de X par une loi normale dont on précisera les caracté-
ristiques, déterminer le stock que doit avoir le magasin pour que la probabilité de
rupture de stock soit inférieure à 0, 1.