Vous êtes sur la page 1sur 38

MODULE 2

ESPACE DE

PROBABILITE
Chapitre 1 le Dénombrement
A)NOTATIONS

1°) Factorielle n : n !
C’est le nombre noté n ! égal au produit des entiers de 1 à n.
n
n ! = ∏ k = 1× 2 × 3 × ... × (n − 1) × n
k =1

Convention : 0! = 1

Remarque : il faut connaître par cœur les factorielles suivantes :


0! = 1, 1! = 1, 2! = 2, 3! = 6, 4! = 24

2°) Arrangement : Anp ( p ≤ n )


p
Le nombre An est le nombre égal au produit des p premiers entiers dans l’ordre décroissant à partir
de n. Il est immédiat que l’on doit avoir p ≤ n pour ne pas obtenir un résultat nul
n
Anp = ∏
k = n − p +1
k = n × ( n − 1) × ( n − 2 ) × ... × ( n − p + 1)

Exemple : A6 = 6 × 5 × 4 × 3 = 360
4

p
Remarque : le nombre An est en général noté nPr ou P (n, r ) dans les calculatrices scientifiques.

n!
Propriété : An =
p

( n − p) !
En effet :
Anp = n × ( n − 1) × ( n − 2 ) × ... × ( n − p + 1) = n × ( n − 1) × ( n − 2 ) × ... × ( n − p + 1 ) ×
( n − p ) × ( n − p − 1) × ....× 2 × 1 = n !
( n − p ) × ( n − p − 1) × ....× 2 × 1 ( n − p ) !
Cette formule est utile si votre calculatrice ne comporte pas la touche nPr , sinon elle complique les
calculs numériques.
6! 720
A64 = = = 360
2! 2

Convention : An = 1
0

Propriétés : An = n ,
1
An2 = n × ( n − 1) , Ann = n ! , Ann −1 = n !
Remarque : il faut connaître par cœur les formules précédentes !

n
3°) Combinaison : Cnp ( p ≤ n ) ou  
 p

Anp n!
p
Le nombre C est le nombre défini par la relation C = p
= .
p ! p !( n − p ) !
n n
Il est immédiat que l’on doit avoir p ≤ n pour que An et donc le quotient existe.
p

A74 7 × 6 × 5 × 4 840
Exemple : C74 = = = = 35
4! 24 24
7! 7 × 6 × 5 × 4 × 3 × 2 ×1 5040
Ou : C7 = = = = 35
4

4!3! 24 × 6 144

n × ( n − 1)
Propriétés : Cn = 1 ,
0
Cn1 = n , Cn2 = , Cnn = 1 , Cnn −1 = n
2

Remarque : les démonstrations sont immédiates (et à faire à titre d’exercice) et il faut connaître par
cœur les formules précédentes !

Propriétés : Cnp = Cnn − p Cnp+1 = Cnp −1 + Cnp

Démonstration :

n! n! p−
Cnp = = = C nn
p !( n − p ) ! ( n − ( n − p ) ) !(n− p )!
n! n!
Cnp + Cnp −1 = +
p !( n − p ) ! ( p − 1) !( n − p + 1) !

Cnp + Cnp −1 =
( n − p + 1) × n ! + p × n !
p !( n − p + 1) ! p !( n − p + 1) !

Cnp + Cnp −1 =
( n − p + 1 + p ) × n ! = ( n + 1) × n ! = ( n + 1) ! = Cnp+1
p !( n − p + 1) ! p !( n − p + 1) ! p !( n + 1 − p ) !

B)TRIANGLE DE PASCAL, FORMULE DU BINÔME

On peut définir Cn dans le cas p ≤ n et pour une valeur donnée de n il y a p + 1 valeurs définies de
p

Cnp . Si l’on écrit les Cnp en ligne pour chaque valeur de n , on aura un terme de plus chaque fois que
p
l’on passe à la ligne suivante. On dispose ainsi les termes Cn :

C00
C11 C11
C20 C21 C22
C30 C31 C32 C33
………………………
C p0 C 1p C p2 C 3p ……. C pk −1 C pk ….. C pp
C p0 +1 C 1p +1 C p2 +1 C 3p +1 ……. C pk +−11 C pk +1 ….. C pp+1 C pp++11
k −1
La relation C p +1 = C p + C p permet d’obtenir un terme de la ligne p + 1 à partir de deux termes de la
k k

ligne supérieure. Cette formule permet d’obtenir tous les termes de la ligne p + 1 sauf ceux des deux
p +1
extrémités. Comme de plus C p +1 = C p +1 =1, on connaît la ligne p + 1 totalement.
0

On obtient alors le triangle de Pascal :

1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
1 6 15 20 15 6 1

Une application importante est la formule du binôme de Newton .

Rappel : identités remarquables :

( a + b)
0
= 1

( a + b)
1
= 1 a + 1b
( a + b)
2
= 1 a 2 + 2 ab + 1 b 2

( a + b)
3
= 1 a 3 + 3 a 2b + 3 b 2 + 1 b3

On reconnaît dans les développements de ( a + b ) les coefficients du triangle de Pascal ; on peut


n

démontrer que cette propriété est générale.

Formule du binôme de Newton :

n n
( a + b) = ∑ Cnk a k b n −k =∑ Cnk an −k bk = Cn0 a 0bn + Cn1 a1bn −1 + Cn2 a2 bn − 2 + ... + Cnk ak bn −k + ... + Cnn an b0
n

k =0 k =0

La démonstration de cette formule est effectuée dans le paragraphe suivant .

n
Remarque utile : ∑C
k =0
k
n = 2n

n n

∑ Cnk = ∑ Cnk 1k1n −k = ( 1 + 1) = 2n


n
Démonstration :
k =0 k =0

C) CHOIX DE p ELEMENTS PARMI n

Soit un ensemble comportant n éléments : Ω = { ω1 , ω 2 ,..., ω n } . On prend dans cet ensemble p


éléments. On cherche le nombre de possibilités de tels choix.
On remarque tout d’abord que l’on peut choisir des éléments distincts ou non : on parle alors de
choix avec remise ou sans remise ( ou bien de choix non exhaustifs ou exhaustifs). On peut
également choisir ces éléments ordonnés ou non ordonnés.
Remarque importante : Si le choix est sans remise on doit avoir p ≤ n

1°) Choix ordonné et avec remise (non exhaustif) de p éléments parmi n .


Pour choisir le premier élément on a n possibilités,
pour choisir le second élément on a n possibilités,
pour choisir le troisième élément on a n possibilités,
…………………………………………………….
pour choisir le pième (dernier) élément on a également n possibilités,

Il est immédiat que pour chaque choix du premier on a tous les choix du second et donc n 2 choix des
deux premiers ; ainsi on peut affirmer que l’on a n p choix de p éléments parmi n .

Exemple : Monsieur D. professeur de mathématiques a 12 étudiants présents en cours. Il désire


envoyer 4 étudiants au tableau pour traiter 4 exercices de difficultés différentes. Il peut envoyer un
même étudiant plusieurs fois au tableau. Combien a-t-il de possibilités ?

Réponse : c’est un choix, avec remise (puisqu’ il peut envoyer plusieurs fois un même étudiant au
tableau) et ordonné (puisque les exercices sont différents), de 4 étudiants parmi 12. Il y a donc
124 = 20736 choix.

2°) Choix ordonné et sans remise (exhaustif) de p éléments parmi n . p ≤ n


Pour choisir le premier élément on a n possibilités,
pour choisir le second élément on a n − 1 possibilités,
pour choisir le troisième élément on a n − 2 possibilités,
…………………………………………………….
pour choisir le pième (dernier) élément on a n − p + 1 possibilités,

Il est immédiat que pour chaque choix du premier on a tous les choix de second et donc n(n − 1)
choix des deux premiers ; ainsi on peut affirmer que l’on a n × ( n − 1) × (n − 2) × ... × ( n − p + 1) = An choix
p

de p éléments parmi n .
Un tel choix de p éléments parmi n est un arrangement des n éléments pris p à p .

Exemple : Monsieur D. professeur de mathématiques a 12 étudiants présents en cours. Il désire


envoyer 4 étudiants au tableau pour traiter 4 exercices de difficultés différentes. Il ne veut pas
envoyer un même étudiant plusieurs fois au tableau. Combien a-t-il de possibilités ?

Réponse : c’est un choix, sans remise et ordonné, de 4 étudiants parmi 12. Il y a donc
A124 = 12 ×11×10 × 9 = 11880 choix.

Remarque : choix de n éléments parmi n .


Il y a An = n ! choix ordonnés de n éléments distincts et ordonnés parmi n . Un tel choix est une
n

permutation des n éléments.

3°) Choix non ordonné et sans remise (exhaustif) de p éléments parmi n . p ≤ n


A tout choix de p éléments on peut associer p ! choix ordonnés de ces éléments ; en effet toute les
permutations de ces p éléments correspond à un choix ordonné. Il y a donc p ! fois plus de choix
ordonnés que de choix non ordonnés.
Anp
Le nombre des choix non ordonnés est donc : = Cnp .
p!
Un tel choix de p éléments parmi n est une combinaison des n éléments pris p à p .

Exemple : Un étudiant de licence doit choisir 3 options parmi 7 pour valider sa licence. Quel est le
nombre de choix dont il dispose ?
A3 7 × 6 × 5
Réponse : Il est évident que les options sont distinctes et sans ordre. Il a donc C73 = 7 = = 35
3! 6
choix possibles.

Propriété importante : Un choix de p éléments parmi n est un choix d’un sous ensemble à p
éléments de l’ensemble à n éléments Ω . Il y a donc Cn sous ensemble à p éléments de l’ensemble
p

Ω.

Remarque1 : choisir un sous ensemble à p éléments de Ω revient à choisir les n − p éléments que
p n− p
l’on ne choisit pas (c’est le sous ensemble complémentaire ). On retrouve donc la relation : Cn = Cn

Remarque 2 : Pour choisir un sous ensemble à p éléments de Ω on peut fixer un élément ω0 .


Parmi tous les sous ensembles à p éléments de Ω il y a ceux qui contiennent ω0 et ceux qui ne
contiennent pas cet élément.
Ceux qui contiennent ω0 sont au nombre de Cn −1 (il faut choisir p − 1 éléments parmi les n − 1 autres
p −1

que ω0 ).
Ceux qui ne contiennent pas ω0 sont au nombre de Cn −1 (il faut choisir p éléments parmi les n − 1
p

autres que ω0 ).
Comme il y a Cn sous ensemble à p éléments de Ω on en déduit la relation : Cn +1 = Cn + Cn
p p p −1 p

Démonstration de la formule du binôme : ( a + b ) = ( a + b ) ( a + b ) .... ( a + b ) .


n

Un tel produit de n facteurs égaux à ( a + b ) se développe sous la forme d’une somme de termes de
la forme a k b n − k car les produits sont composés de n multiplications entre les termes a et b .(on choisit
pour développer a dans k parenthèses et b dans les autres qui sont au nombre de n − k )
Or il y a Cn façons de choisir les k parenthèses pour lesquelles on choisit a parmi les n du produit
k

( a + b) = ( a + b ) ( a + b ) .... ( a + b ) .
n

k
Le facteur a k b n − k apparaît donc Cn fois. On en déduit la formule du binôme :
n
( a + b) = ∑ Cnk ak bn − k
n

k =0

4°) Choix non ordonné avec remise (exhaustif) de p éléments parmi n . p ≤ n

Ce type de choix existe dans la réalité, par exemple dans le cas d’un garçon de café qui prend des
commandes à une table de p consommateurs. Si ces derniers peuvent choisir parmi n boissons, le
choix est évidemment avec remise puisque plusieurs consommateurs peuvent commander la même
boisson mais il est non ordonné puisque pour servir la commande il regroupera les boissons
identiques (3 bières, 2 coca-cola, etc…)
Ce type de choix n’est pas étudié ici.
En résumé choix de p éléments parmi n :

Sans ordre Avec ordre


Avec remise Non étudié np
Sans remise Cnp Anp

D)EXERCICES

EXERCICE 1
Calculer les nombres :
A5 3
, C6 2 , A1
7
2 , C5
1 , 8! , 4!

EXERCICE 2
n+1 p −1
Démontrer la relation : Cn +1 = p Cn
p

EXERCICE 3
Combien y a-t- il de façons de prendre simultanément cinq cartes dans un jeu de 32 cartes ?
Parmi toutes ces façons, combien y en a-t-il comprenant exactement :
a) un as exactement
b) deux as
c) au moins deux as
d) deux as et deux rois
e) deux as et deux piques

EXERCICE 4
Les répétitions n’étant pas permises, combien peut-on former de nombres de 3 chiffres avec
les six chiffres 2, 3, 5, 6, 7 et 9 ?
Parmi ceux-ci, combien sont inférieurs à 550 ? Combien sont pairs ? Combien sont des
multiples de 5 ?

EXERCICE 5
Faire le même exercice en autorisant les répétitions.

EXERCICE 6
Quel est le nombre des sous-ensembles d’un ensemble à 3 éléments, à 5 éléments, à n
éléments ?

EXERCICE 7
Quel est le nombre des diagonales d’un rectangle, d’un hexagone et plus généralement d’un
polygone convexe à n côtés.

E) CORRIGES
EXERCICE 1
A62 6 × 5
A53 = 5 × 4 × 3 = 60 C62 = = = 15 A127 = 12 ×11× 10 × 9× 8× 7 = 3991680
2! 2
C51 = 5 8! = 40320 4! = 4 × 3 × 2 × 1 = 24

EXERCICE 2
Cnp+1 =
( n + 1) ! =
n +1
×
n!
=
n +1
×Cnp−1
p !( n + 1 − p ) ! p ( p − 1) !( n − ( p − 1) ) p

EXERCICE 3

a) C4 × C28
1 4

b) C4 × C28
2 3

c) C4 × C28 +C4 × C28


1 4 0 5

d) C4 × C4 × C24
2 2 1

f) Il faut ici distinguer deux cas selon que l’As soit de Pique ou non
C11 × C31 × C 71 × C 212 + C32 × C72 × C21
1
= 5733

EXERCICE 4
3
Il y a A6 nombres de 3 chiffres construit avec les chiffres donnés pris sans répétition et avec ordre.
Parmi les nombres inférieurs à 550 il y a ceux dont le premier chiffre est 2 ou 3, les deux autres étant
quelconques parmi les cinq restants. Ils sont au nombre de A2 × A5 = 2 × 20 = 40 .
1 2

Il y a également ceux dont le premier chiffre est, le second 2 ou 3 et le troisième quelconque parmi
les quatre restants. Ils sont au nombre de 1× A2 × A4 = 8 .
1 1

Il y a en tout 48 nombres inférieurs à 550.


Pour un nombre pair le dernier chiffre est 2 ou 6, les deux premiers chiffres sont quelconques parmi
les cinq chiffres restants. Il y a donc A2 × A5 = 40 nombres pairs.
1 2

Pour un nombre multiple de 5 le dernier chiffre est 5 , les deux premiers chiffres sont quelconques
parmi les cinq chiffres restants. Il y a donc 1× A5 = 20 nombres multiples de .
2

EXERCICE 5
On peut former 63 = 213 nombres de 3 chiffres.
Parmi ceux-ci :
2 × 6 2 + 1× 2× 6 = 72+ 12 = 84 sont inférieurs à 550
62 × 2 = 72 sont pairs
62 ×1 = 36 sont multiples de 5.

EXERCICE 6
23 = 8 , 25 = 32 , 2n

EXERCICE 7
Remarque : un polygone convexe est un polygone non croisé.
Un rectangle a 2 diagonales.
Un hexagone a 9 diagonales.
Il suffit de faire des figures !
Dans le cas d’un polygone a n côtés, une diagonale joint deux sommets distincts sans être un côté.
2
Pour choisir deux sommets distincts il y a Cn choix. Parmi ceux ci il y a n côtés.
n ( n − 1) n 2 − n − 2n n ( n − 3)
Le nombre de diagonales est donc Cn2 − n = −n = = diagonales dans un
2 2 2
polygone à n côtés.
Chapitre 2 ESPACE DE PROBABILITE
Une situation de probabilité est une situation dont le résultat est aléatoire ; ce peut être le jeu que l’on
obtient dans une partie de carte, le résultat du loto national, les articles vendus un jour dans un
commerce, etc…
Nous allons essayer de modéliser une telle situation aléatoire.

A)ESPACE PROBABILISABLE

1°) Vocabulaire des probabilités

Exemple : On lance un dé cubique à six faces numérotées de 1 à 6.


Les résultats possibles de cette épreuve sont le fait d’obtenir le numéro 1, d’obtenir le numéro 2, …
et l’on note Ω = { 1, 2,3, 4,5, 6} l’ensemble des résultats possibles de cette épreuve.
On notera que chacune de ces possibilités peut se réaliser.

L’ensemble Ω est appelé univers ou espace probabilisable, les sous ensembles de Ω à un


élément sont appelé les éventualités ou événements élémentaires.
Il y a 6 événements élémentaires : { 1} , { 2} , { 3} , { 4} , { 5} , { 6} .

On peut définir pour cette épreuve des événements plus complexes comme par exemple:
l’événement noté A : le résultat est supérieur à 4. cet événement est noté A = { 5, 6} ; c’est un sous
ensemble de Ω .
L’événement noté B : le résultat est pair. Cet événement est noté B = { 2, 4, 6} ; c’est un sous
ensemble de Ω .
L’événement noté C : le résultat est inférieur à 3.Cet événement est noté C = { 1, 2} ; c’est un sous
ensemble de Ω .
L’événement noté D : le résultat est impair. Cet événement est noté D = { 1,3,5} ; c’est un sous
ensemble de Ω .
L’événement noté E : le résultat est différent de 1. Cet événement est noté E = { 2,3, 4,5, 6} ; c’est un
sous ensemble de Ω .
L’événement noté F : le résultat est égal à 3 ou 4. Cet événement est noté F = { 3, 4} ; c’est un sous
ensemble de Ω .

A partir de ces événements on peut en construire de nouveaux tels que :

L’événement le résultat est impair et il est différent de 1 ; c’est l’événement D et E ; on a dans ce


cas : D et E = { 3, 5} = D ∩ E
L’événement le résultat est pair ou il est supérieur à 4 ; c’est l’événement B ou A ; on a dans ce cas :
B ou A = { 2, 4, 5, 6} = B ∪ A
L’événement le résultat n’est pas supérieur à 4 ; c’est l’événement contraire de A ; on a dans ce
cas : contraire de A = { 1, 2,3, 4} = CΩ A (complémentaire)
On constate que la notion d’événement en probabilité est liée à la théorie des ensembles.

Remarque 1 : Les événements A et C ne peuvent pas se réaliser simultanément ; l’événement


A et C est impossible. On a dans ce cas : A et C = ∅ . On dit que les événements sont
incompatibles.

Remarque 2 : L’événement D ou E est toujours réalisé ; on a dans ce cas D ou E = Ω . On dit que


l’événement D ou E est certain.

Remarque 3 : si l’événement B est réalisé (résultat pair) alors l’événement E (résultat différent de
1) l’est aussi. On dit que l’événement B implique l’événement E : B ⇒ E

Remarque 4: Les événements A, C , F sont non impossibles, ils sont deux à deux incompatibles et
l’événement A ou C ou F est certain ; on dit que c’est un système complet d’événements.

2°) Définition d’un espace probabilisable

Soit une épreuve et Ω = { ω1 , ω2 ,...ωn } l’ensemble des éventualités. L’ensemble des événements est
l’ensemble des sous ensembles de Ω . Cet ensemble est noté ℘(Ω)

Remarque : Le nombre des événements est égal à 2n .

En effet il y a Cn sous ensembles de Ω contenant n éléments. Le nombre total des événements,


k

n
donc des sous ensembles, est donc égal à ∑C
k =0
k
n = 2n .

Définitions :

Evénement impossible : ∅
Evénement certain : Ω
Evénement A et B = A ∩ B
Evénement A ou B = A ∪ B
Evénement contraire de A : A = CΩ A

Deux événements sont incompatibles si et seulement si A et B = ∅


L’événement A implique l’événement B si et seulement si A ⊂ B

Système complet d’événements :


La famille A1 , A2 .... Ap forme un système complet d’événements si l’on a :
∀i, Ai non impossible
∀i ≠ j Ai et Aj est impossible
A ou A2 ....ou Ap est certain
Exemple : Si A est un événement non impossible et non certain, le système A, A est un système
complet.

Dans l’exemple défini précédemment la famille A, C , F forme un système complet.


Définition : L’ensemble ( Ω,℘(Ω) ) est un espace probabilisable.

B)ESPACE PROBABILISE
Si l’on considère l’exemple du dé de la partie précédente, on peut penser, si le dé n’est pas truqué,
que l’on peut facilement évaluer la chance de réalisation de chacune des éventualités. Elle est égale
1
à .
6
Mais il n’est pas impossible que ce dé soit pipé auquel cas la chance de réalisation d’une éventualité
1
n’est pas nécessairement .
6
On va donc chercher à définir cette chance de réalisation d’une éventualité et plus précisément d’un
événement pour un univers quelconque Ω .

1°) définition d’une probabilité sur Ω

Une probabilité sur Ω est une application P de l’ensemble des événements dans ¡ .

℘(Ω) → ¡
P: telle que les propriétés suivantes soient vérifiées.
A → P ( A)

a) 0 ≤ P ( A) ≤ 1
b) P (∅) = 0 , P (Ω) = 1
c) P ( A) = 1 − P ( A)
d) P ( A ou B ) = P ( A) + P ( B ) − P( A et B )
e) Si A et B sont incompatibles P ( A ou B ) = P ( A) + P ( B )
f) Si A implique B on a P ( A) ≤ P( B )

Remarque : certaines de ces propriétés sont des axiomes de définition, d’autres sont des
conséquences et peuvent se démontrer ; l’essentiel est de les connaître parfaitement et de pouvoir
les appliquer.

Complément : Démontrer que la définition suivante est équivalente à la précédente : Une probabilité
sur Ω est une application P de l’ensemble des événements dans ¡ .

℘(Ω) → ¡
P: telle que les propriétés suivantes soient vérifiées.
A → P ( A)
a) P (Ω) = 1
b) ∀A ∈℘(Ω), P ( A) ≥ 0
c) Si A et B sont incompatibles P ( A ou B ) = P ( A) + P ( B )
Dans la suite pour vérifier que l’on est en présence d’une probabilité on démontrera uniquement ces
axiomes.

Conséquences :
a) Si les événements A1 , A2 ,... Ap sont deux à deux incompatibles, on a :
n
P ( A1 ou A2 ou......ou An ) = ∑ P ( Ak )
k =1

b) Si A, B, C sont trois événements,


P ( A ou B ou C ) = P ( A) + P ( B ) + P (C ) − P ( A et B ) − P ( A et C ) − P ( B et C ) + P ( A et B et C )

Définition : L’ensemble ( Ω,℘(Ω), P ) est un espace probabilisé

2°) Construction d’une probabilité sur un univers fini


Une probabilité sur un univers fini Ω = { ω1 , ω2 ,...ωn } est caractérisé par la donnée des probabilités des
éventualités, c'est-à-dire des nombres p1 , p2 ,... pn tels que :
p1 = P ( X = ω1 ) , p2 = P ( X = ω2 ) , …, pn = P ( X = ωn )

Ces nombres définissent une probabilité sur Ω = { ω1 , ω2 ,...ωn } si et seulement si :


n
p1 , p2 ,... pn ≥ 0 et ∑p
k =1
k =1

En effet, toute probabilité sur Ω = { ω1 , ω2 ,...ωn } doit vérifier, de façon immédiate les conditions
précédentes : une probabilité est positive et on a P (Ω) = 1

n
Réciproquement, la donnée de n nombres p1 , p2 ,... pn tels que p1 , p2 ,... pn ≥ 0 et ∑p
k =1
k = 1 permet de

définir une probabilité sur Ω = { ω1 , ω2 ,...ωn } .


℘(Ω) → ¡
En effet on peut définir l’application P : de la façon suivante :
A → P( A)

{ }
Soit A = ωi1 , ωi2 ,..., ωi p un événement (sous ensemble de Ω ) contenant p éventualités.
p
On pose P ( A) = ∑ pik
k =1

On vérifie facilement que P satisfait les axiomes d’une probabilité.

3°) Exemple de probabilité : le cas d’équiprobabilité

Définition : Soit Ω = { ω1 , ω2 ,...ωn } l’univers. Le cas d’équiprobabilité est le cas défini par
n n
1 1 n
p1 = p2 = ... = pn =
n
. On a bien alors ∑ pk = ∑
k =1 k =1 n
= =1
n

{ }
p
1 p
Dans ce cas : Si A = ωi1 , ωi2 ,..., ωi p , P ( A) = ∑ =
k =1 n n
p Card A nombre de cas favorables
P ( A) = = =
n Card Ω nombre de cas possibles

Le calcul des probabilités dans ce cas se ramène à la résolution de problèmes de dénombrement.

Exemple :
Quelle est la probabilité au poker (5 cartes distinctes prises au hasard parmi 52) d’obtenir un full ? Un
full est formé de 3 cartes de même niveau (3as ou 3 rois.. ) et de deux cartes également de même
niveau. Par exemple si l’on a le roi de cœur, le roi de carreau, le roi de trèfle le 8 de pique et le 8 de
cœur le jeu constitue un full aux rois par les huits.

5
Le nombre de cas possibles est C52 .
Calculons tout d’abord la probabilité d’obtenir un full aux as par les rois, c'est-à-dire trois as
exactement et deux rois exactement.
Le nombre de cas favorables est C4 × C4 puisqu’il faut prendre trois as parmi quatre et deux huit
3 2

parmi les quatre.

C43 × C42 1
Cette probabilité est égale à : 5
= = 0, 000009234
C52 100290
Pour obtenir un full, il faut avoir deux niveaux distincts et ordonnés pris parmi les 13 niveaux de
cartes d’un jeu de 52 cartes. En effet ces niveaux sont ordonnés car un full aux as par les rois est
2
différent d’un full aux rois par les as. Il y a donc A13 types de full différents
C43 × C42 6
La probabilité d’obtenir un full est égale à : A13 × = = 0, 0014
2
5
C52 4165

4°) Un cas de non équiprobabilité.

On lance un dé pipé de telle sorte que la probabilité d’apparition d’une face soit proportionnelle au
numéro de cette face.
Déterminer la probabilité d’obtenir un résultat pair.

Dans ce cas l’univers est Ω = { 1, 2,3, 4,5, 6} . Les probabilités p1 , p2 ,... p6 des éventualités vérifient :
p1 p2 p3 p4 p5 p6
= = = = =
1 2 3 4 5 6
On obtient ici un système de 5 équations à 6 inconnues que l’on ne peut résoudre ; il faut une
équation supplémentaire. Cette équation est obtenue en écrivant que la probabilité de l’événement
6
certain est égale à 1 : P (Ω) = ∑ pk = 1 , c'est-à-dire : p1 + p2 + p3 + p4 + p5 + p6 = 1
k =1

La résolution de ce système donne :


p2 = 2 p1 p3 = 3 p1 p4 = 4 p1 p5 = 5 p1 p6 = 6 p1 et donc :

1
p1 + p2 + p3 + p4 + p5 + p6 = 1 ⇒ p1 + 2 p1 + 3 p1 + 4 p1 + 5 p1 + 6 p1 = 1 ⇒ 21 p1 = 1 ⇒ p1 =
21
1 2 3 4 5 6
On a donc : p1 = p2 = p3 = p4 = p5 = p6 =
21 21 21 21 21 21
2 4 6 12
Et donc P (nb pair ) = p2 + p4 + p6 = + + =
21 21 21 21

Méthode : il faut dans le cas de non équiprobabilité utiliser les conditions données dans l’énoncé
ainsi que le fait que la probabilité de l’événement certain soit égale à 1 pour obtenir un système
d’équations permettant de calculer p1 , p2 ,... pn .

C)PROBABILITES CONDITIONNELLES

1°) Définitions, propriétés

Exemple : Lorsque l’on lance un dé non pipé on est dans un cas d’équiprobabilité et les probabilités
de chaque événement se calculent sans difficulté. Supposons qu’une personne lance un dé non pipé
hors de la vue d’un observateur ; pour cet observateur, la probabilité de réalisation d’un événement
se calcule dans la situation d’équiprobabilité. Supposons maintenant que cet observateur dispose
d’un indicateur qui lui signale, par exemple par un coup d’œil que le résultat est pair. Pour lui les
événements ne sont alors plus équiprobables !
Par exemple la probabilité de l’événement « on obtient 1 » est nulle tandis que le probabilité de
1
l’événement « on obtient un multiple de 3 » est égale à . (sur les trois résultats pairs possibles, seul
3
6 est un nombre multiple de 3)

1
Soit P l’événement « le résultat est pair ». On a P ( P ) =
2
1
Soit A l’événement « le résultat est supérieur ou égal à 4 ». On a P ( A) =
2

A et P est l’événement « le résultat est pair et il est supérieur ou égal à 4) ; A et P = { 4, 6} sa


2
probabilité est P ( A et P) =
6
2
Pour l’observateur informé que le résultat est pair, la probabilité de l ‘événement A est égale à ;
3
cette probabilité a été modifiée par l’indication ; on la note P ( A P ) ou PP ( A) .
2
P ( A et P ) 6 4 2
On peut vérifier dans ce cas que P ( A P ) = = = =
P( P) 1 6 3
2
On peut généraliser cette propriété:

Définition : Soit un espace probabilisé ( Ω,℘(Ω), P ) et A un événement tel que P ( A) ≠ 0 . On définit


la probabilité notée P ( B A) ou PA ( B ) d’un événement B « sachant A », ou probabilité de B
conditionné par A par :

℘(Ω) → ¡
PA : P ( A et B )
B → PA ( B ) = P ( B A) =
P ( A)
PA est bien une probabilité définie sur Ω ; PA vérifie en effet les axiomes d’une probabilité :

a) Il est immédiat que PA ≥ 0 . On a donc 0 ≤ PA ≤ 1


P (Ω et A) P ( A)
b) PA (Ω) = = =1
P ( A) P ( A)

c) Si B et C sont incompatibles ( B ∩ C = ∅) , on a ( B ∩ A) ∩ (C ∩ A) = A ∩ ( B ∩ C ) = ∅

( B ∩ A) et (C ∩ A) sont incompatibles
Comme de plus A ∩ ( B ou C ) = ( A ∩ B ) ∪ ( A ∩ C ) , on a :
P ( A ∩ ( B ∪ C )) P (( A ∩ B ) ∪ ( A ∩ C )) P ( A ∩ B ) + P ( A ∩ C )
PA ( B ou C ) = = =
P ( A) P ( A) P ( A)
PA ( B ou C ) = PA ( B ) + PA (C )

PA est bien une probabilité et on peut utiliser les propriétés telles que : PA ( B ) = 1 − PA ( B)

Conséquences : P (Aet B ) P=(B A) ×


P (A)

A et B = B et A ; on a donc P ( A et B ) = P ( B A) × P ( A) = P ( A B ) × P ( B )

2°) Indépendance :

Il est naturel de dire que deux événements sont indépendant si la réalisation de l’un n’influe pas sur
la réalisation de l’autre. On en déduit une définition de l’indépendance de deux événements :

Définition : Deux événements A et B sont indépendants si et seulement si : ( ) P=


PA B B( ) .

Conséquence : la relation P ( A et B ) = P ( B A) × P ( A) prouve que si A et B sont indépendants on

a PA ( =) PA
( et B ) PBA ×( )=P×
A PB ( ) ( )

Attention : Formules importantes :

P( A ou B ) = P ( A) + P ( B ) si A et B sont incompatibles

P ( A et B ) = P( A) × P ( B ) si A et B sont indépendants

3°) Deux théorèmes importants

a) Théorème des probabilités totales


Soit un système complet d’événements : A1 , A2 ,....., Ap et B un événement ; on a alors :
p
P ( B ) = ∑ P ( B Ak ) P( Ak )
k =1

Démonstration : On peut écrire B = B ∩ Ω = B ∩ ( A1 ∪ A2 ∪ ... ∪ Ap ) = ( B ∩ A1 ) ∪ ( B ∩ A2 ) ∪ .... ∪ ( B ∩ Ap )


Et donc : P ( B) = P ( ( B ∩ A1 ) ∪ ( B ∩ A2 ) ∪ .... ∪ ( B ∩ Ap ) ) = P ( B ∩ A1 ) + P ( B ∩ A2 ) + .... + P( B ∩ Ap )
Car les événements ( B ∩ A1 ), ( B ∩ A2 ), .... , ( B ∩ Ap ) sont incompatibles
Et donc P ( B) = P ( B A1 ) P ( A1 ) + P ( B A2 ) P( A2 ) + .... + P ( B Ap ) P ( Ap )

b) Formule de Bayes
Soit un système complet d’événements : A1 , A2 ,....., Ap et B un événement ; soit Ak0 un des
événements du système, on a alors :
P ( B Ak0 ) × P ( Ak0 )
P ( Ak0 ) = p

∑ P( B A ) × P( A )
k =1
k k

Démonstration :
P ( B Ak0 ) × P ( Ak0 )
On a P ( Ak0 et B ) = P ( Ak0 B) P ( B ) = P ( B Ak0 ) P ( Ak0 ) d’où: P ( Ak ) =
0
P( B)

Remarques: ces formules ne sont pas à connaître, il est préférable de refaire systématiquement les
démonstrations !

Exemple :
Une entreprise produit des ampoules électriques. Elle dispose de trois chaînes de production : la
chaîne A qui produit 50% de la production, la chaîne B qui produit 30% de la production, la chaîne
C qui produit 20% de la production.
Les normes de production nous informent que 5% de la production de la chaîne A est défectueuse,
que 3% de la production de la chaîne B est défectueuse et 1% de la production de la chaîne C est
défectueuse.

1°) Quel est le pourcentage d’ampoules produites par l’entreprise qui sont défectueuses ?
2°) Une ampoule est défectueuse ; quelle est la probabilité qu’elle soit produite par la chaîne A , par
la chaîne B , par la chaîne C ?

Correction :
On note A l’événement : « l’ampoule est produite par la chaîne A ». On a P ( A) = 0,5
On note B l’événement : « l’ampoule est produite par la chaîne B ». On a P ( B) = 0,3
On note C l’événement : « l’ampoule est produite par la chaîne C ». On a P (C ) = 0, 2

On note D l’événement : « l’ampoule est défectueuse».


On a P ( D A) = 0, 05 , P ( D B ) = 0, 03 , P ( D C ) = 0, 01

Une ampoule peut être défectueuse en étant produite soit par la chaîne A , soit par la chaîne B , soit
par la chaîne C .
On a donc : D = ( D et A) ou ( D et B) ou ( D et C )
Une ampoule ne pouvant être produite par deux chaînes différentes, les événements
( D et A) , ( D et B ) et ( D et C ) sont deux à deux incompatibles et donc :
P ( D) = P ( D et A) + P ( D et B ) + P ( D et C ) = P ( D A) P ( A) + P ( D B ) P( B ) + P ( D C ) P ( C ) =
0, 05 × 0,5 + 0, 03 × 0,3 + 0, 01× 0, 2 = 0, 036

Le pourcentage d’ampoules produites par l’entreprise qui sont défectueuses est 3,6%.

Calculons P ( D et A) = P ( D A) P ( A) = P ( A D) P( D) et donc

P ( D A) × P ( A) 0, 05 × 0,5
P( A D) = = = 0, 6944
P( D) 0, 036

de même : P ( D et B ) = P ( D B ) P ( B ) = P ( B D) P( D) et donc

P ( DB ) × P ( B ) 0, 03 × 0,3
P( B D) = = = 0, 25
P( D) 0, 036

et : P ( D et C ) = P ( D C ) P ( C ) = P (C D) P ( D) et donc

P ( D C ) × P (C ) 0, 01× 0, 2
P (C D) = = = 0, 0556
P( D) 0, 036

On aurait également pu remarquer que :


P (C D) = 1 − P ( A D) − P ( B D) = 1 − 0, 6944 − 0, 25 = 0, 0556

A)EXERCICES

EXERCICE 1
Une personne lance simultanément deux dés cubiques numérotés chacun de 1 à 6.
Calculer les probabilités des événements suivants :

1) Les deux dés affichent deux numéros identiques


2) La somme des numéros obtenus est égale à 4, à 7
3) La somme des numéros obtenus est inférieure ou égale à 5
4) L’un au moins des deux numéros est 2.

EXERCICE 2
Une personne joue au loto chaque semaine. Pour cela elle sélectionne 6 numéros parmi les 49
proposés. Quelle est la probabilité des événements suivants :

1) Elle obtient trois numéros exactement parmi les six bons


2) Elle obtient 4 numéros parmi les six bons
3) Elle obtient les six bons numéros
Elle obtient au moins deux bons numéros parmi les six bons
EXERCICE 3
Quelle est la probabilité pour qu’un joueur de tarot qui reçoit 18 cartes ait :

a) exactement trois atouts


b) au plus trois atouts
c) au moins trois atouts
d) trois atouts exactement et un « bout »

( il y a au tarot 21 atouts parmi les 78 cartes du jeu et trois bouts parmi lesquels figurent deux
atouts )

EXERCICE 4
Une cible circulaire est partagée en 6 secteurs circulaires dont les angles au centre sont en
progression géométrique de raison deux. Chaque zone correspond à un nombre de points
variant de 1 à 6 selon la taille de la zone, la plus grande correspondant à un point. ( plus la
zone est de grande taille, plus elle est facile à atteindre et moins elle rapporte de points ! !).
Un joueur vise la cible au hasard avec une fléchette . Calculer la probabilité pour qu’il
obtienne :
a) un point
b) deux points
c) au moins un point
d) au plus un point
e) entre 2 et 4 points

EXERCICE 5
On admet que sur une autoroute 4% des automobilistes dépassent la vitesse limite de 130
km/h (par beau temps).
On admet également que lorsqu’un radar contrôle un véhicule il n’est pas fiable à 100%, et
que :
- si un véhicule dépasse la vitesse légale il a 95% de chance d’être signalé en excès de
vitesse par le radar.
- si un véhicule ne dépasse pas la vitesse légale, il a quand même 2% de chance d’être
signalé en excès de vitesse par le radar.

Un véhicule est contrôlé par le radar : quelle est la probabilité pour qu’il soit signalé en
infraction ?
Un véhicule est signalé en infraction, quelle est la probabilité pour qu’il respecte quand même
la vitesse légale ?

EXERCICE 6
Dans une Faculté très renommée à Montpellier, 45% des étudiants sont inscrits dans la filière
« gestion », 35% dans la filière « administration » et 20% dans la filière « social ». Un
professeur de mathématiques ,enseignant à tous les étudiants des trois filières, a constaté
que :
10% des étudiants de la filière « gestion » ont horreur des mathématiques
20% des étudiants de la filière « administration » ont horreur des mathématiques
40% des étudiants de la filière « social » ont horreur des mathématiques.
Question 1
Le professeur corrige une copie choisie au hasard parmi ses étudiants ; quelle est la
probabilité que ce soit celle d’un étudiant ayant horreur des mathématiques ?

Question 2
Lors de la correction d’un examen, ce professeur lisant la copie d’un étudiant et lui
mettant une note catastrophique, constate très vite que cet étudiant a horreur des
mathématiques. On admet que cet étudiant a été choisi au hasard parmi l’ensemble des
étudiants de l’institut.
Quelle est la probabilité que cet étudiant soit un étudiant de la filière « gestion » ?

EXERCICE 7
Dans un lot de pièces fabriquées, il y a 5% de pièces défectueuses. On contrôle les pièces,
mais le mécanisme de contrôle est aléatoire:

Si la pièce est bonne elle est acceptée avec une probabilité 0,96;
Si la pièce est défectueuse, elle est refusée avec une probabilité 0,98.

On choisit au hasard une pièce que l’on contrôle. Déterminer les probabilités des événements
suivants:

a) Sachant que la pièce est bonne elle est refusée.


b) Il y a une erreur dans le contrôle.
c) La pièce est bonne sachant qu’elle est refusée.
d) La pièce est mauvaise sachant qu’elle est acceptée.

B)CORRIGES

EXERCICE 1
Une personne lance simultanément deux dés cubiques numérotés chacun de 1 à 6.
Calculer les probabilités des événements suivants :

1) Les deux dés affichent deux numéros identiques


2) La somme des numéros obtenus est égale à 4, à 7
3) La somme des numéros obtenus est inférieure ou égale à 5
4) L’un au moins des deux numéros est 2.

Card (Ω) = 62 = 36
6 1
1) P = =
36 6
3 1 6 1
2) somme =7 : P = = somme =7 : P = =
36 12 36 6

1 2 3 4 10 5
3) somme ≤ 5 : P ( S ≤ 5) = P ( S = 2) + P ( S = 3) + P( S = 4) + P ( S = 5) = + + + = =
36 36 36 36 36 18
1 1 1 11
4) P = P (1 = 6) + P(2 = 6) − P ({ 6, 6} ) = + − =
er nd

6 6 36 36
EXERCICE 2
Une personne joue au loto chaque semaine. Pour cela elle sélectionne 6 numéros parmi les 49 proposés. Quelle est la
probabilité des événements suivants :
1) Elle obtient trois numéros exactement parmi les six bons
2) Elle obtient 4 numéros parmi les six bons
3) Elle obtient les six bons numéros
4) Elle obtient au moins deux bons numéros parmi les six bons

Card (Ω) = C49


6
= 13983816

C63 × C43
3
8815
1) P = 3
= = 0, 0177
C49 499422
C64 × C43
2
645
2) P = 3
= = 0, 0010
C49 665896
C66 × C43
0
1
3) P = 3
= = 0, 0000000715
C49 13983816
C63 × C43
6
8815
4) P = 3
= 0, 0177
C49 499422

EXERCICE 3
Quelle est la probabilité pour qu’un joueur de tarot qui reçoit 18 cartes ait :

a) exactement trois atouts


b) au plus trois atouts
c) au moins trois atouts
d) trois atouts exactement et un « bout »

( il y a au tarot 21 atouts parmi les 78 cartes du jeu et trois bouts parmi lesquels figurent deux atouts )

3
C21 × C57
15

a) P = 18
= 0,1380
C78

b) P(au plus 3 atouts)=P(0 atout ou 1 atout ou 2 atouts ou 3 atouts)

= P(0 atout) + P(1 atout) + P(2atouts) + P(3 atouts)

0
C21 × C57
18 1
C21 × C57
17
C212 × C57
16 3
C21 × C57
15
P= 18
+ 18
+ 18 18
= 0, 0015 + 0, 0138 + 0, 0572 + 0,1380 = 0, 2105
C78 C78 C78 C78

c) P(au moins 3 atouts) = 1 - P(au plus 2 atouts) = 1 – 1 – P(0 atout) - P(1 atout) - P(2atouts)

C210 × C57
18 1
C21 × C57
17
C212 × C57
16

=1 − 18
− 18
− 18
= 1 − 0, 0015 − 0, 0138 − 0, 0572 = 0,9275
C78 C78 C78

d) P(3 atouts et un bout )


On peut avoir 3 atouts et un bout de deux façons :
Soit le bout est l’excuse et il faut « atouts qui ne soient pas des bouts et 14 autres cartes
(donc parmi 56)
Soit le bout n’est pas l’excuse, c’est alors le 1 ou le 21, il faut donc 2 autres atouts qui ne
soient pas des bouts et 15 autres cartes (parmi 56).

C11 × C193 × C56


14
C21 × C192 × C56
15

P= 18
+ 18
= 0, 0265 + 0, 0261 = 0, 0526
C78 C78

EXERCICE 4
Une cible circulaire est partagée en 6 secteurs circulaires dont les angles au centre sont en progression géométrique de
raison deux. Chaque zone correspond à un nombre de points variant de 1 à 6 selon la taille de la zone, la plus grande
correspondant à un point. ( plus la zone est de grande taille, plus elle est facile à atteindre et moins elle rapporte de
points ! !).
Un joueur vise la cible au hasard avec une fléchette . Calculer la probabilité pour qu’il obtienne :
a) un point
b) deux points
c) au moins un point
d) au plus un point
e) entre 2 et 4 points

La surface du secteur est proportionnelle aux angles de ces secteurs. La probabilité de toucher un
secteur est donc proportionnelle à l’angle du secteur. Si θ est l’angle du plus petit secteur, les angles
des secteurs sont θ , 2θ , 4θ , 8θ , 16θ , 32θ puisqu’ils sont en progression géométrique.
Si l’on note S1 le secteur d’angle θ , S2 le secteur d’angle 2 θ , S3 le secteur d’angle 4 θ , S4 le secteur
d’angle 8 θ , S5 le secteur d’angle 16 θ , S6 le secteur d’angle 32 θ .
On note p1 , p2 ,... p6 , les probabilités de touchers les secteurs d’angles respectifs θ , 2θ , 4θ , 8θ , 16θ ,
32θ .
p p p p p p p p p p p p
On a : 1 = 2 = 3 = 4 = 5 = 6 , soit : 1 = 2 = 3 = 4 = 5 = 6
θ 2θ 4θ 8θ 16θ 32θ 1 2 4 8 16 32
Comme de plus on a p1 + p2 + p3 + p4 + p5 + p6 = 1 on en déduit :

1 , et :
p1 + 2 p1 + 4 p1 + 8 p1 + 16 p1 + 32 p1 = 1 ⇔ 63 p1 = 1 ⇔ p1 =
63
1 2 4 8 16 32
p1 = , p2 = , p3 = , p4 = , p5 = , p6 =
63 63 63 63 63 63
On a donc :
32
a) P(1 point) = p6 =
63
16
b) P(2 points) = p6 =
63
c) P(au moins 1 point) = 1 (événement certain)
32
d) P(au plus 1 point) = P(1 point) = p6 =
63
16 8 4 28
e) P(entre 2 et 4 points)= p5 + p4 + p3 = + + =
63 63 63 63

EXERCICE 5
On admet que sur une autoroute 4% des automobilistes dépassent la vitesse limite de 130 km/h (par beau temps).
On admet également que lorsqu’un radar contrôle un véhicule il n’est pas fiable à 100%, et que :
- si un véhicule dépasse la vitesse légale il a 95% de chance d’être signalé en excès de vitesse par le radar.
- si un véhicule ne dépasse pas la vitesse légale, il a quand même 2% de chance d’être signalé en excès de vitesse
par le radar.

Un véhicule est contrôlé par le radar : quelle est la probabilité pour qu’il soit signalé en infraction ?
Un véhicule est signalé en infraction, quelle est la probabilité pour qu’il respecte quand même la vitesse légale ?

On note D l’événement : « l’automobiliste dépasse 130 km/h. On a P ( D) = 0, 04 et P ( D) = 0,96

On note S l’événement : « l’automobiliste est signalé en excès de vitesse».


On a P ( S D) = 0,95 , P ( S D) = 0, 02

1°) L’automobiliste peut être signalé en infraction, soit en dépassant la vitesse limite, soit en ne la
dépassant pas.

On a donc : S = ( S et D) ou ( S et D)
Une véhicule ne pouvant dépasser et ne pas dépasser 130 km/h, les événements ( S et D) , ( S et D)
sont incompatibles et donc :
P ( S ) = P ( S et D) + P ( S et D) = P ( S D) P ( D) + P( S D) P ( D) = 0,95 × 0, 04 + 0, 02 × 0,96 = 0, 0572

2°) P ( D S ) ?

Calculons P ( D et S ) = P ( D S ) P ( S ) = P ( S D) P( D) et donc

P(S D) × P( D) 0, 02 × 0,96
P( D S ) = = = 0,3357
P( S ) 0, 0572

EXERCICE 6
Dans une Faculté très renommée à Montpellier, 45% des étudiants sont inscrits dans la filière « gestion », 35% dans la
filière « administration » et 20% dans la filière « social ». Un professeur de mathématiques ,enseignant a tous les
étudiants des trois filières a constaté que :
10% des étudiants de la filière « gestion » ont horreur des mathématiques
20% des étudiants de la filière « administration » ont horreur des mathématiques
40% des étudiants de la filière « social » ont horreur des mathématiques.

Question 1
Le professeur corrige une copie choisie au hasard parmi ses étudiants ; quelle est la probabilité que ce soit celle
d’un étudiant ayant horreur des mathématiques ?

Question 2
Lors de la correction d’un examen, ce professeur lisant la copie d’un étudiant et lui mettant une note
catastrophique, constate très vite que cet étudiant a horreur des mathématiques. On admet que cet étudiant a été choisi
au hasard parmi l’ensemble des étudiants de l’institut.
Quelle est la probabilité que cet étudiant soit un étudiant de la filière « gestion » ?

1°) P ( H ) ?
On note G l’événement : « l’étudiant est en filière gestion ». On a P (G ) = 0, 45
On note A l’événement : « l’étudiant est en filière administration ». On a P ( A) = 0,35
On note S l’événement : « l’étudiant est en filière gestion ». On a P ( S ) = 0, 20

On note H l’événement : « l’étudiant a horreur des mathématiques».


On a P ( H G ) = 0,10 , P ( H A) = 0, 20 , P ( H S ) = 0, 40

Un étudiant peut avoir horreur des mathématiques en étant inscrit en gestion, ou en administration
ou en social..
On a donc : H = ( H et G ) ou ( H et A) ou ( H et S )
( H et G ), ( H et A) et ( H et S ) sont deux à deux incompatibles et donc :
P ( H ) = P ( H et G ) + P ( H et A) + P ( H et S ) = P ( H G ) P (G ) + P ( H A) P ( A) + P ( H S ) P( S ) =
0,10 × 0, 45 + 0, 20 × 0,35 + 0, 40 × 0, 2 = 0,195

2°) P (G H ) ?
Calculons P (G et H ) = P (G H ) P( H ) = P( H G ) P (G ) et donc

P( H G ) × P(G ) 0,10 × 0, 45
P (G H ) = = = 0, 2308
P( H ) 0,195

EXERCICE 7
Dans un lot de pièces fabriquées, il y a 5% de pièces défectueuses. On contrôle les pièces, mais le mécanisme de
contrôle est aléatoire:

Si la pièce est bonne elle est acceptée avec une probabilité 0,96;
Si la pièce est défectueuse, elle est refusée avec une probabilité 0,98.

On choisit au hasard une pièce que l’on contrôle. Déterminer les probabilités des événements suivants:

a) Sachant que la pièce est bonne elle est refusée.


b) Il y a une erreur dans le contrôle.
c) La pièce est bonne sachant qu’elle est refusée.
d) La pièce est mauvaise sachant qu’elle est acceptée.

On note B l’événement : « la pièce est bonne » P ( B) = 0,95


On note B l’événement : « la pièce est mauvaise (défectueuse) » P ( B) = 0, 05
On note A l’événement « la pièce est acceptée » et A , l’événement « la pièce est refusée ».

a) P ( A B) = 1 − 0,96 = 0, 04

b) P (erreur ) = P (( A et B ) ou ( A et B )) = P ( A B ) P ( B ) + P ( A B) P ( B ) = 0, 04 × 0,95 + 0, 02 × 0, 05 = 0, 039

c) P ( B A) ?

P ( B et A) = P( B A) P ( A) = P ( A B) P ( B ) et donc

P ( A B) × P( B) P ( A B ) × P( B) 0, 04 × 0,95
P( B A) = = = = 0, 4368
P( A) P( A B) × P( B) + P( A B) × P( B) 0, 04 × 0,95 + 0,98 × 0, 05

0, 02 × 0, 05
P ( B A) = = 0, 0011
0, 02 × 0, 05 + 0,96 × 0,95
Chapitre 3 VARIABLES ALEATOIRES
Les éléments d’un espace probabilisé ne sont pas en général des nombres et il n’est en général pas possible
d’effectuer des opérations, ou des comparaisons, sur les événements.
Considérons le cas du jeu de tarot à quatre joueurs. Dans ce jeu on donne au hasard à un joueur 18 cartes prises
dans un jeu de 78 cartes. Il y a donc
18
C78 = 2,12 × 1017 donnes possibles pour un joueur. Ce nombre est si
grand qu’il est impossible en regardant son jeu de savoir immédiatement la meilleure stratégie à utiliser dans la
partie, en particulier pour les annonces. Le joueur va donc évaluer son jeu à l’aide d’une mesure de ce jeu. Il
va, par exemple, compter le nombre d’oudlers (bouts), le nombre d’atouts et le nombre de figures nobles (rois
et dames) de son jeu. Il remplace donc son jeu par la donnée de trois nombres compris pour le premier entre 0
et 3 (4 possibilités) pour le second entre 0 et 18 ( 19 possibilités) et pour le troisième entre 0 et 8 (9
possibilités). Ces trois nombres forment un vecteur associé au jeu et le nombre de vecteurs possibles est
inférieur à 4 × 22 × 9 = 792 . Il est donc plus aisé de pouvoir évaluer son jeu à partir du vecteur associé qu’à
partir des 18 cartes.
L’application qui à un jeu associe le vecteur est une variable aléatoire vectorielle.
Remarque pour les étudiants qui ne jouent pas au tarot : un jeu de tarot est composé de 78 cartes :
21 atouts numérotés de 1 à 21
3 oudlers : le 1 et le 21 d’atout ainsi que l’excuse
56 cartes, plus précisément 14 trèfles, 14 carreaux, 14 cœurs et 14 piques (le cavalier est la carte
supplémentaire par rapport à un jeu de 52 cartes) et parmi ces 56 cartes on peut par exemple considérer qu’il y a
8 figures nobles: les quatre rois et les quatre dames.

A) Notion de variable aléatoire réelle finie.

1°)Définition :
Soit un espace de probabilité fini sur Ω , on appelle variable aléatoire réelle X toute application de Ω dans
¡.
X : Ω 
→¡
ωi 
→ X (ωi )
Remarque : on peut noter qu’une variable aléatoire n’est évidemment ni une variable, ni aléatoire ! Une
variable aléatoire réelle sera notée désormais une v.a.r.
Exemple : on lance trois fois consécutives une pièce de monnaie. Si la pièce tombe sur Pile on gagne 1 euro ; si
le résultat est face on perd un euro. A chaque épreuve (trois jets consécutifs) on peut associer le gain
correspondant. On construit ainsi une variable aléatoire réelle X sur l’espace de probabilité
Ω = { PPP, PPF , PFP, PFF , FPP, FPF , FFP, FFF } .
X : Ω 
→¡
PPP 
→3
PPF 
→1
PFP 
→1
PFF 
→− 1
FPP 
→1
FPF 
→− 1
FFP 
→− 1
FFF 
→− 3
2°) Loi de probabilité d’une variable aléatoire réelle

Soit X une v.a.r définie sur l’espace de probabilité Ω et soit X (Ω) l’espace des images. Ω étant fini, il en

est de même de X (Ω) . On a donc X (Ω) = { x1, x 2,..., x k ,..x p } avec x1 < x2 < ... < xk < ... < x p .
On peut alors définir une probabilité sur l’ensemble X (Ω) de la façon suivante :
pk = P( X = x k ) = P ( ω / X (ω ) = x k ) .
On peut démontrer (voir annexe) que l’on définit bien une probabilité sur l’ensemble X (Ω) .
On a de plus 1 = ( )
p ( X (Ω)) = p { x1 , x2 ,..., xk ,..x p } = p1 + p 2 + .... + pk + .... + p p

Dans le cas de l’exemple précédent on a :


Ω = { PPP, PPF , PFP, PFF , FPP, FPF , FFP, FFF }
X (Ω) = { −3, −1,1,3}
1
p{ −3} = p ( X = − 3) = p ( FFF ) =
8
3
p{ −1} = p ( X = − 1) = p ( PFF , FPF , FFP ) =
8
3
p{ 1} = p ( X = 1) = p ( PPF , PFP , FPP ) =
8
1
p{ 3} = p ( X = 3) = p ( PPP ) =
8

La donnée des nombres pk définit la loi de probabilité de la v.a..r X . Cette loi est en général représentée
sous forme d’un tableau :
xk x1 x2 …. xk …. …. xp ∑

pk p1 p2 …. pk …. …. pp 1

Dans le cas de l’exemple on a :


xk -3 -1 1 3 ∑

pk 1 3 3 1 1
8 8 8 8
Remarque : si l’on effectue l’épreuve n fois et si on note fk la fréquence d’apparition du résultat xk , on a
alors lim f k = pk . La probabilité est la limite de la fréquence observée lorsque le nombre d’épreuves tend
n→∞
vers l’infini.
Par analogie avec les statistiques on définit des paramètres représentant la loi de probabilité X.

3°) Fonction de répartition :


Ω 
→¡
Soit la variable aléatoire réelle X : . La fonction de répartition de la v.a.r X est la
→ X ( ωi )
ωi 
fonction numérique F définie par :
→ [ 0,1]
F : ¡ 
x  → F ( x ) = p ( ω / X (ω ) ≤ x ) = p ( X (ω ) ≤ x )
La fonction de répartition de la v.a.r X correspond en statistique à la fonction fréquences cumulées
croissantes. Cette fonction vérifie :
F est une fonction croissante, en escaliers telle que lim F ( x) = 0, lim F ( x) = 1
x→−∞ x→∞
Dans le cas de l’exemple on a :

1
x < −3, F ( x) = 0 − 3 ≤ x < −1, F ( x) =
8
4 7
−1 ≤ x < 1, F ( x ) = 1 ≤ x < 3, F ( x ) =
8 8
x ≥ 3, F ( x) = 1

Par exemple si −1 ≤ x < 1, F ( x ) = P ( X ≤ x ) = P ( X = − 3 ou X = − 1)


1 3 4
= P ( X = −3) + P ( X = −1) = + =
8 8 8
Courbe représentative de la fonction F :
4°) Espérance mathématique :
p
L’espérance mathématique de la variable aléatoire X est le nombre E ( X ) = ∑ pk ⋅ xk .
k =1
Elle correspond en statistique à la moyenne et représente en probabilité au résultat moyen que l’on obtiendrait
si l’on réalisait un grand nombre de fois l’épreuve. Il faut noter que dans le cas d’une probabilité l’espérance
mathématique est un résultat que l’on obtient pas en général. Par exemple, pour un investissement aléatoire, si
l’espérance mathématique de résultat est égale à 170000€ cela signifie que si l’on effectuait plusieurs fois
l’investissement on aurait en moyenne un résultat de 175000€ ; mais en général on ne peut le réaliser qu’une
fois et donc le résultat peut être totalement différent !

5°) Variance , écart-type :


p

∑ pk ⋅ ( xk − E ( X ))
2
La variance de la variable aléatoire X est le nombre V ( X ) = .
k =1
La variance mesure en statistique la dispersion du caractère statistique ; en probabilité la variance mesure le
risque.
p p

∑ p ⋅( x − E ( X )) = ∑ pk ⋅ xk 2 − E ( X )2 .
2
On a alors V ( X ) = k k
k =1 k =1
En effet :

( )=
p p
V ( X ) = ∑ pk ⋅ ( xk − E ( X ) ) = ∑ pk xk2 − 2 pk xk + pk ( E ( X ) )
2 2

k =1 k =1
p p p
= ∑ pk ⋅ x − 2∑ pk ⋅ xk ⋅ E ( X ) + ∑ pk ( E ( X ) )
2 2
k
k =1 k =1 k =1
p p p
= ∑ pk ⋅ x − 2 ( E ( X ) ) + ( E ( X ) ) ∑p =∑p ⋅ xk2 − 2 ( E ( X ) ) + ( E ( X ) ) =
2 2 2 2 2
k k k
k =1 k =1 k =1
p

∑p ⋅ xk2 − ( E ( X ) )
2
k
k =1

= E( X 2 ) − ( E( X ) )
2
Remarque : V ( X )

écart type : c’est le nombre : σ (X ) = V (X )

Calcul pratique : on complète le tableau de la loi de probabilité de X.

xk x1 x2 …. xk …. …. xp ∑

pk p1 p2 …. pk …. …. pp 1
pk xk p1 x1 p2 x2 …. pk xk …. …. pp xp E( X )
…. …. ….
pk xk2 p1 x12 p2 x22 pk xk2 p p x 2p E ( X 2 )

Cas de l’exemple :

xk -3 -1 1 3 ∑

pk 1 3 3 1 1
8 8 8 8
pk xk 3 3 3 3 0
− −
8 8 8 8
pk xk2 9 3 3 9 3
8 8 8 8

E ( X ) = 0, V ( X ) = 3 − 0 2 = 3, σ ( X ) = 3 = 1,732

B) Couple de variables aléatoires


1°) Définition :

Soient deux variables aléatoires X et Y définies sur Ω . Le couple ( X , Y ) de variables aléatoires définie sur
Ω est l’application :
( X ,Y ) : Ω 
→¡
→ ( X (ωi ), Y ( ω i ) )
ωi 

2°) Loi du couple :


On pose : X ( Ω ) = { x1 , x 2 ,..., x p } , Y (Ω )= { y1 , y2 ,..., y q }

La loi du couple ( X , Y ) est la donnée des nombres pi , j = P ( X = xi et Y = y j )


On a immédiatement :
pi , j ≥ 0
p q

∑∑ p
i =1 j =1
i, j =1

3°) Variables marginales :

Définition :
Soit un couple ( X , Y ) de variables aléatoires.
Les variables X et Y sont appelées variables marginales du couple ( X , Y )
Les lois de probabilité des variables X et Y sont appelées lois marginales du couple ( X , Y ) et on note :
q q
pi , g = ∑ pi , j pg, j = ∑ pi , j
j =1 i =1

Exemple :
On lance deux dés cubiques (un bleu et un rouge) et on note X le résultat du dé bleu et Y le plus grand des
deux résultats.
Les lois de X , de Y et du couple ( X , Y ) sont donnés dans les tableaux suivants :

Loi de X :

X 1 2 3 4 5 6 Σ
pi 1 1 1 1 1 1 1
6 6 6 6 6 6

Loi de Y : Il suffit de remarquer qu’il y a 36 cas possibles et de chercher les cas favorables.

Y 1 2 3 4 5 6 Σ
pi 1 3 5 7 9 11 1
36 36 36 36 36 36
Loi du couple ( X , Y ) : cette loi est présentée sous forme d’un tableau à double entrée :

Y
1 2 3 4 5 6
X
1 1 1 1 1 1
1 36 36 36 36 36 36
2 0 2 1 1 1 1
36 36 36 36 36
3 0 0 3 1 1 1
36 36 36 36
4 0 0 0 4 1 1
36 36 36
5 0 0 0 0 5 1
36 36
6 0 0 0 0 0 6
36

Exemples de calculs :

P ( X = 5 et Y = 0 ) = 0 C’est par définition impossible car Y est le plus grand.


3
P ( X = 3 et Y = 3) = car il y a trois cas favorables : ( 3,1) , ( 3, 2) , ( 3, 3)
36
1
P ( X = 3 et Y = 5 ) = car il n’y a qu’un cas favorable ( 3, 5)
36

Le tableau suivant donne la loi du couple complétée par les lois marginales obtenues d’après la définition en
faisant la somme des lignes et des colonnes ; on retrouve les lois de X et de Y .

Y 1 2 3 4 5 6 pi , g
X
1 1 1 1 1 1 1 6
36 36 36 36 36 36 36
2 0 2 1 1 1 1 6
36 36 36 36 36 36
3 0 0 3 1 1 1 6
36 36 36 36 36
4 0 0 0 4 1 1 6
36 36 36 36
5 0 0 0 0 5 1 6
36 36 36
6 0 0 0 0 0 6 6
36 36
pg, j 1 3 5 7 9 11 1
36 36 36 36 36 36
4°) Indépendance de deux variables aléatoires réelles

Définition :
Soient X et Y deux variables aléatoires définies sur Ω . X et Y sont indépendantes si les événements
( X = x ) et ( Y = y ) sont indépendants pour tout ( x, y ) ∈ X ( Ω) × Y ( Ω) ; c'est-à-dire si :
P ( X = x etY = y ) = P ( X = x) × P ( Y = y)
Cas de l’exemple :
1
P ( X = 2 etY = 3) =
36
On a
1 5 1
P ( X = 2) × P ( Y = 3) = × ≠
6 36 6
Les variables X et Y ne sont pas indépendantes.

C) Opérations sur les variables aléatoires réelles :

Soient X et Y deux variables aléatoires réelles définies sur l’espace de probabilité Ω .


X + Y , λ X , aX + b, X × Y sont également des variables aléatoires sur Ω .

Propriété 1
E (λ X ) = λ E ( X )
E ( X +Y ) = E ( X ) + E (Y )
E ( aX + b ) = aE ( X ) + b
Démonstration :
Soit X ( Ω ) = { x1 , x 2 ,..., x p } , Y (Ω ) = { y 1, y 2,..., y q }
pi = P ( X = xi ) , q j = P ( Y = y j ) , p i, j = P ( X = x i et Y = y j )
On a :
p p
E ( λ X ) = ∑ ( λ x i ) pi = λ ∑ xi pi = λ E ( X )
i =1 i= 1

( X + Y ) ( Ω ) = { z1 , z2 ,..., zt }
t t  
E ( X + Y ) = ∑ zk × P ( Z = zk ) = ∑ ( xk + yk ) × ∑ pi, j 
 
k =1 k =1  xi + yj = zk 
Or, { ( x , y ) t.q x + y
i j i j } { ( x , y ) t.q , 1 ≤ i ≤ p, 1 ≤ j ≤ q}
= zk , 1 ≤ k ≤ t = i j

et :
p
 q  p  q  p  q 
E ( X + Y ) = ∑  ∑ ( xi + y j ) p i , j  = ∑  ∑x ip i, j  + ∑ ∑ y jp i, j 
i =1  j =1  i =1  j =1  i =1  j =1 
p q
= ∑ xi pi , g + ∑ y j pg, j = E ( X ) + E (Y )
i =1 j =1

Conséquence immédiate :
E ( aX + b ) = E ( aX ) + E ( b) = aE ( X ) + b
Propriété 2 :
Si X et Y deux variables aléatoires réelles indépendantes on a : E ( X × Y ) = E ( X ) × E ( Y )
Démonstration :
p q p q
E ( XY ) = ∑∑ xi y j pi, j = ∑∑ xi y j pi,g pg, j (les variables sont indépendantes) et donc :
i =1 j =1 i =1 j =1

p
 q  p p
E ( XY ) = ∑ xi pi ,g ∑ y j pg, j  =∑ xi pi , gE( Y) = E( Y) ∑x p i i ,g =E( Y) E( X)
i =1  j =1  i =1 i =1

Propriété 3 :
On admettra les propriétés suivantes :
V ( λ X ) = λ 2V ( X )
V ( aX + b ) = a 2V ( X )
σ ( aX + b ) = a σ ( X )

Propriété 4 :
Si X et Y deux variables aléatoires réelles indépendantes on a : V ( X + Y ) = V ( X ) + V ( Y )

D) EXERCICES
EXERCICE 1
Une urne contient 24 boules, 8 rouges et les autres bleues. On extrait de cette urne simultanément 4 boules. On
note X le nombre de boules rouges obtenues.

1°) Quelle est la loi de probabilité de X ? Tracer la courbe représentative de la fonction de répartition de X .
Calculer l’espérance mathématique et l’écart-type de X .
2°) On suppose qu’une boule rouge vaut 3 points et une boule bleue 1 point. On note Y la valeur totale des
boules extraites. Déterminer l’espérance mathématique et l’écart-type de Y .
3°) Répondre aux mêmes questions lorsque l’on extrait successivement les boules en les remettant dans l’urne
après avoir observé leur couleur.

EXERCICE 2
Une machine remplit des paquets dont le poids prévu est 250g.
Soit X la variable aléatoire ayant pour valeurs les poids possibles d’un paquet à la sortie de la machine.
On suppose que X est la variable aléatoire discrète de loi de probabilité :
Poids Xi 220 230 240 250 260 270 280
Probabilité pi 0,07 0,11 0,19 0,26 0,18 0,13 0,06
1°) Déterminer les probabilités suivantes :
P ( X < 250), P (230 < X < 280), P( X ≥ 240)
2°) Tracer la courbe représentative de la fonction de répartition de X .
3°) Calculer, à 0,001 près par défaut, la moyenne et l’écart-type de X .
4°) On suppose que tout paquet dont le poids est supérieur à 250g occasionne à l’entreprise un surcoût égal à
0,01 € le gramme supplémentaire. Une étude statistique a montré que tout paquet dont le poids est inférieur à
250g occasionne un surcoût égal à 0,30 € (du fait des réclamations de certains clients). Calculer l’espérance
mathématique et l’écart-type du surcoût engendré par l’imprécision de la machine.
EXERCICE 3
Les clients d’une entreprise de vente de livres par correspondance peuvent commander 1 à 4 livres par bulletin
de commande . La probabilité qu’une commande concerne 1, 2, 3 ou 4 livres s’élève respectivement à 20%,
40%, 30% et 10%. Les livres sont vendus 15 € et coûtent 12 €. Les frais de port sont facturés forfaitairement
2,5 € au client mais, selon le nombre de livres commandés, ils sont de 1, 2, 3 ou 4 euros pour l’entreprise.
Calculer l’espérance mathématique et l’écart-type
a) de la quantité commandée par bulletin,
b) du montant HT facturé par bulletin
c) du bénéfice réalisé par commande
EXERCICE 4
Une entreprise vend deux articles A et B. Les marges sur coûts variables unitaires valent 30 € pour l’article A et
45 € pour l’article B. Les frais fixes annuels sont de 150000 €. Les ventes annuelles, en nombre d’articles, sont
des variables aléatoires X (pour A) et Y (pour B) qui vérifient :
E ( X ) = 5000 E (Y ) = 2000 σ ( X ) = 1000 σ (Y ) = 500
Soit Z le bénéfice brut annuel. Calculer E ( Z ) et σ ( Z ) .

EXERCICE 5
On vous propose de jouer à trois loteries organisées de la façon suivante (les prix et les gains sont exprimés en
euros) :
Loterie Billets Gain Nombre de billets
Nombre Prix
1 200 10 0 150
10 25
20 25
2 200 100 0 150
100 25
200 25
3 200 10 0 100
5 50
10 25
20 25

1°) On suppose que vous achetiez pour chacune des loteries un billet. Calculer, pour chacune des loteries,
l’espérance mathématique et l’écart-type du gain, du résultat. Comparer.
2°) Est-il raisonnable d’emprunter pour jouer à ces loteries ?
N.B : le résultat est la différence entre le gain et la mise ;

E) correction des exercices


EXERCICE 1
Une urne contient 24 boules, 8 rouges et les autres bleues. On extrait de cette urne simultanément 4 boules. On note X le
nombre de boules rouges obtenues.
1°) Quelle est la loi de probabilité de X ? Tracer la courbe représentative de la fonction de répartition de X . Calculer
l’espérance mathématique et l’écart-type de X .
2°) On suppose qu’une boule rouge vaut 3 points et une boule bleue 1 point. On note Y la valeur totale des boules extraites.
Déterminer l’espérance mathématique et l’écart-type de Y .
3°) Répondre aux mêmes questions lorsque l’on extrait successivement les boules en les remettant dans l’urne après avoir
observé leur couleur.

1°) X ( Ω ) = { 0,1, 2,3, 4}


Les tirages sont simultanés donc sans remise et sans ordre ; ce sont des combinaisons.

xi 0 1 2 3 4 Σ
pi C80 × C164 C81 × C163 C82 × C162 C83 × C161 C84 × C160 1
C244 C244 C244 4
C24 C244
pi 0,1713 0,4216 0,3162 0,0843 0 ,0066 1
pi xi 0 0,4216 0,6324 0,2529 0,0264 4
3
pi xi2 0 0,4216 1,2648 0,7587 0,1056 2,5507

4
E ( X ) = ∑ pi xi = = 1,333
3
V ( X ) = ∑ pi xi2 − E ( X ) 2 = 0, 7729
σ ( X ) = 0, 7729 = 0,8792

2°) Y = X × 3 + (4 − X ) × 1 = 2 X + 4
4 20
E (Y ) = 2 E ( X ) + 4 = 2 × + 4 = = 6, 667
3 3
V (Y ) = 22 × V ( X ) = 4 × 0, 7729 = 3, 0916
σ (Y ) = 2σ ( X ) = 2 × 0,8792 = 1, 7583

3°) a ) X ( Ω ) = { 0,1, 2,3, 4}


Les tirages sont successifs donc avec ordre et avec remise ; ce sont des puissances. Attention : il faut compter le
k
nombre de façons de classer les k boules rouges parmi les 4 c'est-à-dire C4

xi 0 1 2 3 4 Σ
pi 80 ×16 4 81 ×163 82 ×162 83 ×161 84 ×160 1
C41 × C42 × C43 ×
244 244 244 244 244
pi 0,1975 0,3951 0,2963 0,0988 0 ,0123 1
pi xi 0 0,3951 0,5926 0,2964 0,0492 4
3
pi xi2 0 0,3951 1,1852 0,8892 0,1968 2,6663
4
E ( X ) = ∑ pi xi = = 1,333
3
V ( X ) = ∑ pi xi2 − E ( X ) 2 = 2, 6663 − (1,3333) 2 = 0,8886
σ ( X ) = 0,8886 = 0,9427
4 20
3°) b) E (Y ) = 2 E ( X ) + 4 = 2 × + 4 = = 6, 667
3 3
V (Y ) = 22 × V ( X ) = 4 × V ( X ) = 4 × 0,8886 = 3,5544

EXERCICE 2

Une machine remplit des paquets dont le poids prévu est 250g.
Soit X la variable aléatoire ayant pour valeurs les poids possibles d’un paquet à la sortie de la machine.
On suppose que X est la variable aléatoire discrète de loi de probabilité :
Poids Xi 220 230 240 250 260 270 280
Probabilité pi 0,07 0,11 0,19 0,26 0,18 0,13 0,06
1°) Déterminer les probabilités suivantes :
P ( X < 250), P (230 < X < 280), P( X ≥ 240)
2°) Tracer la courbe représentative de la fonction de répartition de X .
3°) Calculer, à 0,001 près par défaut, la moyenne et l’écart-type de X .
4°) On suppose que tout paquet dont le poids est supérieur à 250g occasionne à l’entreprise un surcoût égal à 0,01 € le gramme
supplémentaire. Une étude statistique a montré que tout paquet dont le poids est inférieur à 250g occasionne un surcoût égal à
0,30 € (du fait des réclamations de certains clients). Calculer l’espérance mathématique et l’écart-type du surcoût engendré
par l’imprécision de la machine.
1°) P( X < 250) = P ( X = 220 ou X = 230 ou X = 240) = P ( X = 220 ) + P ( X = 230 ) + P ( X = 240 )
= 0, 07 + 0,11 + 0,19 = 0,37
P(230 < X < 280) = P ( X = 240 ou X = 250 ou X = 260 ou X = 270)
= P ( X = 240 ) + P ( X = 250 ) + P ( X = 260 ) + P ( X = 270 )
= 0,19 + 0, 26 + 0,18 + 0,13 = 0,76
P( X ≥ 240) = P ( X = 240 ou X = 250 ou X = 260 ou X = 250 ou X = 260)
= P ( X = 240 ) + P ( X = 250 ) + P ( X = 260 ) + P ( X = 270 ) + P ( X = 280 )
= 0,19 + 0, 26 + 0,18 + 0,13 + 0,06 = 0,82

2°)

3°)
Poids Xi 220 230 240 250 260 270 280 Σ
Probabilité pi 0,07 0,11 0,19 0,26 0,18 0,13 0,06 1
pixi 15,4 25,3 45,6 65 46,8 35,1 16,8 250
pixi2 3388 5819 10944 16250 12168 9477 4704 62750
E ( X ) = 250, V ( X ) = 62750 − 2502 = 250, σ ( X ) = 250 = 15,811

4°) Le tableau ci-dessous donne pour chaque poids de paquet le surcoût, soit 0,30€ pour un poids inférieur à
250 et ensuite 0,01€ par gramme au dessus de 250.

Poids Xi 220 230 240 250 260 270 280 Σ


surcoût yi 0,30 0,30 0,30 0 0,10 0,20 0,30
Probabilité pi 0,07 0,11 0,19 0,26 0,18 0,13 0,06 1
piyi 0,021 0,033 0,057 0 0,018 0,026 0,018 0,173
piyi2 0,0063 0,033 0,0171 0 0,0018 0,0052 0,0054 0,0688
E ( X ) = 0,173, V ( X ) = 0,0688 − 0,173 = 0,038871, σ ( X ) = 0,038871 = 0,1972
2

EXERCICE 3
Les clients d’une entreprise de vente de livres par correspondance peuvent commander 1 à 4 livres par bulletin
de commande . La probabilité qu’une commande concerne 1, 2, 3 ou 4 livres s’élève respectivement à 20%,
40%, 30% et 10%. Les livres sont vendus 15 € et coûtent 12 €. Les frais de port sont facturés forfaitairement
2,5 € au client mais, selon le nombre de livres commandés, ils sont de 1, 2, 3 ou 4 euros pour l’entreprise.
Calculer l’espérance mathématique et l’écart-type
a) de la quantité commandée par bulletin,
b) du montant HT facturé par bulletin
c) du bénéfice réalisé par commande

a) Soit Q la quantité commandée


qi 1 2 3 4 Σ
pi 0,2 0,4 0,3 0,1 1
pi qi 0,2 0,8 0,9 0,4 2,3
pq 2
i i
0,2 1,6 2,7 1,6 6,1

On a :
E (Q) = 2,3
V (Q) = 6,1 − 2,32 = 0,81
σ (Q) = 0,9
b) Le montant facturé hors taxe est : F = 15 × Q + 2,5 et donc
E ( F ) = 15 × E (Q) + 2,5 = 15 × 2,3 + 2,5 = 37€
σ ( F ) = 15σ (Q) = 15 × 0,9 = 13,5€
c) Le bénéfice net est : B = F − 12 × Q − Q = F − 13 × Q = 2Q + 2,5
E ( B ) = 2 × E (Q) + 2,5 = 7,1€
σ ( B ) = 2 × σ (Q) = 2 × 0,9 = 1,8€

EXERCICE 4
Une entreprise vends deux articles A et B. Les marges sur coûts variables unitaires valent 30 € pour l’article
A et 45 € pour l’article B. Les frais fixes annuels sont de 150000 €. Les ventes annuelles, en nombre d’articles,
sont des variables aléatoires X (pour A) et Y (pour B) indépendantes qui vérifient :
E ( X ) = 5000 E (Y ) = 2000 σ ( X ) = 1000 σ (Y ) = 500
Soit Z le bénéfice brut annuel. Calculer E ( Z ) et σ ( Z ) .
On a : Z = 30 X + 45Y − 150000
E ( Z ) = 30 E ( X ) + 45 E ( Y ) − 150000 = 30 × 5000 + 45 × 2000 − 150000 = 90000€
V ( Z ) = 302V ( X ) + 452 V (Y ) = 302 ×10002 + 452 × 5002 = 1406250000
σ ( Z ) = 37500€

EXERCICE 5
On vous propose de jouer à trois loteries organisées de la façon suivante (les prix et les gains sont exprimés en
euros) :
Loterie Billets Gain Nombre de billets
Nombre Prix
1 200 10 0 150
10 25
20 25
2 200 100 0 150
100 25
200 25
3 200 10 0 100
5 50
10 25
20 25

1°) On suppose que vous achetiez pour chacune des loteries un billet. Calculer, pour chacune des loteries,
l’espérance mathématique et l’écart-type du gain, du résultat. Comparer.
2°) Est-il raisonnable d’emprunter pour jouer à ces loteries ?
N.B : le résultat est la différence entre le gain et la mise ;

1°) De façon immédiate on trouve :


Loterie 1 :
150 25 25
E (G ) = ×0+ × 10 + × 20 − 10 = −6, 25€
200 200 200
150 2 25 25
× 202 − ( −6, 25 ) = 23, 4375
2
V (G ) = ×0 + ×102 +
200 200 200
σ (G ) = 4,84€

Loterie 2 :
Le gain pour la deuxième loterie est 10 fois celui de la première donc on a :
E (G ) = 10 × −6, 25€ = −62,5€
V (G ) = 102 × 23, 4375 = 2343, 75
σ (G ) = 48, 4€

Loterie 3 :
100 50 25 25
E (G ) = ×0+ ×5 + × 10 + × 20 − 10 = −5€
200 200 200 200
100 2 50 25 25
× 202 − ( −5 ) = 43, 75
2
V (G ) = ×0 + × 52 + × 102 +
200 200 200 200
σ (G ) = 6, 61€

2°) Il n’est évidemment pas raisonnable de jouer à ces diverses loteries !