Partie 2 :Calcul des Probabilités

Ecole Mohammedia D’ingénieurs

Année 2017-2018

Zoubida CHORFI :
zd.chorfi@gmail.com
zoubidachorfi@research.emi.ac.ma
 2ère partie :

Calcul des probabilités

1- Définitions & mesures de probabilités

2- Probabilités conditionnelles
3- Rappels d ’analyse combinatoire
1. Définitions & mesures de probabilité
1.1 Probabilités

• Le calcul des probabilités est la science qui modélise les phénomènes aléatoires.
Une modélisation implique certainement une simplification des phénomènes,
mais cette simplification conduit à une quantification, donc à la possibilité de
faire des calculs et à prédire.
• L'objectif du chapitre est d'utiliser le concept de probabilité pour construire un
certain nombre de modèles pouvant rendre compte de situations concrètes, où
l'application de lois déterministes est impossible parce que les phénomènes sont
très compliqués, ou les facteurs trop nombreux.
1.2. Expérience aléatoire
• Une expérience est dite aléatoire s’il est impossible d’en prévoir le résultat, c’est-à-
dire, si répétée dans les mêmes conditions, elle peut donner des résultats différents,
dans un ensemble d’issues considérées comme possibles.
Exemples:
– observation de la durée de vie d’un individu anonyme dans une population humaine,
– observation de la durée de fonctionnement sans panne d’un appareil,
– jeu de pile ou face de durée infinie...
1.3. Evénement aléatoire
• Un événement aléatoire est lié à une expérience aléatoire ; une fois l’expérience
réalisée, on peut alors dire si l’événement a été réalisé ou non.
• L'expérimentateur se trouve souvent dans la situation suivante: il peut prévoir quels
sont les résultats possibles de son expérience, mais non quel est, parmi ces possibles,
celui qui se réalisera. Plus précisément, il peut déterminer l'ensemble des résultats
possibles, l'ensemble des possibilités, qui sera désigné par Ω ; mais celle de ces
possibilités qui se réalisera effectivement lui est inconnue avant que l'expérience soit
faite.
Exemple :
- L’expérience consiste à lancer un dé à six faces.
- On peut définir l'ensemble des résultats possibles: Ω = {1, 2, 3, 4, 5, 6}.
- L'événement A: "le résultat du jet est un chiffre impair" est constitué par les
possibilités suivantes: A = {1, 3, 5}.

- On dit alors que l'événement A est réalisé lorsque le résultat effectivement obtenu
est l'une des possibilités appartenant à cet événement, un élément de A: 1 ou 3 ou 5.
- On appelle événement élémentaire, une partie de l'ensemble Ω des possibilités qui ne
contient qu'un seul élément. Il y a ainsi autant d'événements élémentaires que de
parties de cardinal égal à 1 dans Ω.
• On appelle événement impossible, un événement qui ne contient aucun des
éléments de Ω. Il lui correspond la partie vide Ø de Ω.
• On appelle, par contre, événement certain, l'ensemble Ω de toutes les possibilités. Il
lui correspond la partie pleine de Ω.
• On appelle, enfin, événements incompatibles, deux parties disjointes de Ω. Lançant
par exemple un dé à six faces, les deux événements:
A: le résultat est un chiffre pair
B: le résultat est un chiffre impair
• A et B sont incompatibles puisque: A = {1, 3, 5} et B = {2, 4, 6} n'ont aucun élément
commun.
1.4. Algèbre des événements
• Chaque événement étant une partie de l'ensemble Ω des possibilités, l'ensemble des
événements est l'ensemble des parties de Ω . Lorsqu'il y a n possibilités, il y a ainsi
𝑛 𝑛 n événements, y compris l'événement impossible et
𝑘=0 𝑘 événements soit 2
l'événement certain.
• Ces événements s'organisent les uns par rapport aux autres par la relation d'inclusion :
A ⊂ B lorsque tout élément de A appartient à B. On dit que l'événement A implique
l'événement B : chaque fois que A est réalisé B l'est aussi.
• À tout événement A est associé son contraire, non A ou A ou Ac qui est réalisé si et
seulement si A ne l’est pas. Ac est constitué par la partie de Ω complémentaire de A.
• On peut aussi faire correspondre à deux événements A et B: --
 leur réunion A ∪ B qui s'interprète comme l'événement dans lequel A ou B est réalisé.
 leur intersection A ∩ B qui s'interprète comme l'événement dans lequel A et B sont tous les deux
réalisés.
Exemple :
Lançant par exemple un dé, soient les événements:
• A: le résultat du jet est un chiffre pair.
• B: le résultat est un multiple de 3.
On peut définir les événements suivants:
• Ac : le résultat est un chiffre impair.
• A ∪ B: le résultat est 2 ou 3 ou 4 ou 6.
• A ∩ B: le résultat est 6.
1.5. Axiomes de Kolmogorov
- On fait correspondre une probabilité à chaque événement X, c'est-à-dire à chaque partie X de
l'ensemble Ω des possibilités, c'est définir une application de l'ensemble P(Ω) des parties de Ω,
dans [0,1], qui satisfasse les trois conditions suivantes (souvent appelées axiomes de
Kolmogorov):
•positivité: la probabilité d'un événement est un nombre positif ou nul: ∀ X∈ P(Ω), p(X)≥ 0
•échelle: la probabilité d'un événement impossible est nulle, celle d'un événement certain
est égale à 1: p(Ø) = 0, p(Ω) = 1
 •additivité: l'union de deux événements incompatibles, donc tels que: A ∩ B = Ø, a
pour probabilité la somme des probabilités de ces événements:
p(A∪B) = p(A) + p(B)
Il en résulte immédiatement une relation très utile: la somme des probabilités de deux
événements complémentaires est égale à 1:
p(A) + p(A) = 1
1.6. Evénements équiprobables
L'une des conséquences de la condition d'additivité est que la probabilité d'un
événement quelconque est égale à la somme des probabilités des événements
élémentaires ei qui le constituent, puisque deux parties réduites à un seul élément sont
disjointes:
p(A) = ∑ei ϵ A p(ei)

Il en résulte que la connaissance des probabilités des événements élémentaires

détermine entièrement les probabilités sur un ensemble Ω de possibilités.
Un cas particulier important est celui où les événements élémentaires sont
équiprobables: p(e1) = … = p(ei) = … = p(en)
- Comme on a évidemment: ∑ei ϵ Ω p(ei) = 1, la probabilité de chacun des n
événements élémentaires ei est égale à 1/n, et la probabilité d'un événement A de
Ω est alors le quotient de son cardinal |A| par celui de Ω:
|A|
p(A) =
|Ω|

On retrouve là la définition bien connue: la probabilité est égale au nombre de cas

favorables divisé par le nombre de cas possibles.
Mais il faudrait ajouter, pour qu'elle soit correcte:
… sous la condition stricte que les cas soient équiprobables.
1.7. Théorème des probabilités totales
Supposons deux événements A et B non disjoints, et calculons la probabilité p(A∪B)
de leur réunion. L'axiome d'additivité des probabilités d'événements
incompatibles, permet d'écrire que:
p(A∪B) = p(A∩Bc) + p(A∩B) + p(Ac∩B) , avec p(A) = p(A∩Bc) + p(A∩B) et
p(B) = p(Ac∩B) + p(A∩B)

D'où la relation souvent appelée théorème des probabilités totales:

p(A∪B) = p(A) + p(B) - p(A∩B)

que l'on peut énoncer ainsi:
« si un événement peut se produire soit par l'arrivée d'un événement A, soit par
l'arrivée d'un événement B, sa probabilité est égale à la somme des probabilités
de A et de B moins la probabilité pour que A et B se produisent ensemble »
2. Probabilités Conditionnelles
2.1. Axiomes de probabilités conditionnelles
Maintenant, On va s’intéresser à la réalisation de l’événement X de Ω sachant que
l’événement A de Ω est réalisé, et que la probabilité de l’événement A est non nulle:
La réalisation d'un événement A modifie donc l'ensemble des possibilités, et chaque
événement X devient X∩A. Elle modifie aussi les probabilités. On désignera par p(X|A) la
probabilité de l'événement X si A est réalisé. On l'appelle probabilité conditionnelle de X
sachant que A est réalisé, et par définition:

p(X⋂A)
p(X|A) =
p(A)

Il n'existe donc pas de probabilité conditionnelle lorsque la probabilité de A est nulle.

2.2. Théorème des probabilités composées

La définition des probabilités conditionnelles permet d'écrire que:

p(A∩B) = p(A) × p(B|A) = p(B) × p(A|B)

C'est le théorème des probabilités composées, que l'on peut énoncer ainsi:
« si un événement résulte du concours de deux événements, sa probabilité est
égale à celle de l'un d'eux multipliée par la probabilité conditionnelle de l'autre
sachant que le premier est réalisé »
Exercice 1:
o On tire successivement deux cartes d'un jeu de 32. Calculer la probabilité pour que
ces deux cartes soient des valets.
NB: On considère qu’il y a 4 valets dans un jeu de 32 cartes.
Correction :
Soit à calculer la probabilité pour que, tirant successivement deux cartes d'un jeu de
32 cartes, ces deux cartes soient des valets. Appelons A et B les deux événements
suivants:
A: la première carte est un valet.
B: la deuxième carte est un valet.
La probabilité cherchée est: p(A∩B) avec p(A∩B) = p(A) × p(B|A)
Lors du premier tirage, il y a 32 cartes et 4 valets dans le jeu, d'où p(A) = 4/32 .
Lors du second tirage, il reste 31 cartes et seulement 3 valets, puisque l'événement A
est réalisé, d'où p(B|A) = 3/31 .
Le résultat est donc: p(A∩B) = 4/32 × 3/31 = 3/248 = 0.012
Exercice 2:
Deux machines M1 et M2 fabriquent des tiges. Elles produisent respectivement 1/3 et
2/3 de la production. La machine M1 sort 5% de tiges défectueuses et M2 en sort 6%.
Soit les événements A : « la tige est fabriquée par M1 »
B : « la tige est fabriquée par M2 »
D : « la tige est défectueuse ».
1) Quelle est la probabilité que la tige soit fabriquée par M1 ?
2) On tire une tige de la production de M1. Quelle est la probabilité qu’elle soit
défectueuse?
3) On tire une tige de la production. Quelle est la probabilité pour qu’elle provienne de
M1 et qu’elle soit défectueuse ?
4) On tire une tige de la production. Quelle est la probabilité pour qu’elle soit
défectueuse ?
5) Quelle est la probabilité qu’une pièce défectueuse ait été fabriquée par M1 ?
2.3. Événements indépendants
Par définition, deux événements sont indépendants, si la probabilité de l'un n'est
pas modifiée lorsque l'autre est réalisé. On a donc, par exemple:
p(A|B) = p(A)
Il en résulte que: p(A∩B) = p(A) × p(B)
On peut donc énoncer que « la condition nécessaire et suffisante pour que deux
événements soient indépendants, est que la probabilité de leur intersection soit
égale au produit de leur probabilités »
NB: Il est essentiel de bien réaliser la différence entre événements incompatibles :
p(A∩B) = 0, et événements indépendants : p(A∩B) = p(A) × p(B).
Suite exercice 1 :
Les deux événements A et B de l'exercice 1 du tirage de deux cartes parmi 32 cartes
n'étaient pas indépendants. Mais si, par contre, on tire la deuxième carte après
remise de la première dans le jeu, les résultats des deux tirages deviennent
indépendants. Calculer la probabilité pour que ces deux cartes soient des valets.
p(A∩B) = p(A) × p(B) = 4/32 × 4/32 = 1/64 = 0.0156
Exemple :
Lorsqu’on tire une carte au jeu de 52 cartes. Calculer p(/roi ) et p(/noir)

p(/roi ) = ¼ = p()   et Roi sont indépendants.

p(/noir) = 0   et Noir sont dépendants.
2.4. Théorème de Bayes
• Considérons un événement A dont la réalisation dépend de l'intervention de l'une des
causes: C1, …, Ci, …, Cn . On considère que l’événement A se produit en même temps
qu’un et un seul des Ci, c’est-à-dire :
A = (A ∩ C1 ) ∪ (A ∩ C2) ∪ ·· · ∪ (A ∩ Cn)
D’ou P(A)= 𝒏𝒊=𝟏 p(A∩Ci) = 𝒏𝒊=𝟏 p(A/Ci) x p(Ci)

• La définition des probabilités conditionnelles permet d'écrire que:

p(A∩Ck) = p(A/Ck) x p(Ck) = p(Ck /A) x p(A)

• On en déduit le théorème de Bayes :

p(A/Ck) x p(Ck)
p(Ck /A)= 𝒏 p(A/Ci) x p(Ci)
𝒊=𝟏

• Le théorème de Bayes présente un grand intérêt, car il permet de modifier notre

connaissance des probabilités en fonction d’informations nouvelles, il joue un rôle très
important dans la statistique bayésienne.
Exercice 3
Trois machines automatiques produisent des pièces de voitures. La machine M1
produit 40 % du total des pièces, la machine M2 25 % et la machine M3 produit
35 %. En moyenne, les pourcentages des pièces non conformes aux critères imposés
sont de 10% pour la machine M1, de 5 % pour la machine M2 et de 1 % pour la
machine M3. Une pièce est choisie au hasard dans la production totale des trois
machines. On constate qu’elle n’est pas conforme aux critères imposés.
• Quelle est la probabilité qu’elle ait été produite par la machine M1 ?
Correction :
On peut appliquer directement le théorème de Bayes.
Soit B l’événement « la pièce est bonne » et D l’événement « la pièce est défectueuse».
Les trois causes possibles de réalisation de l’événement D sont les trois machines.
On connaît les probabilités de ces causes par exemple Pr(M1)=0,40 ainsi que les
probabilités conditionnelles Pr(D/M1)=0,10.

On trouve : Pr(M1/D)=0,714
3. Rappels d ’analyse combinatoire
On considère une population S de n éléments et on définit dans cette population
différents sous-ensembles ou sous-populations (tirage avec ou sans remise, échantillons
ordonnés ou non).
3.1. Nombre de parties d’un ensemble:
Le nombre de parties d’un ensemble S de n éléments a pour cardinal 2n
Exemple :
Soit un ensemble de trois éléments (a, b, c) :
– une partie ne contient aucun élément, c’est l’ensemble vide ∅.
– trois parties ne contiennent qu’un élément, ce sont les singletons (a), (b) et (c).
– trois parties contiennent deux éléments (a, b), (a, c) et (b, c).
– une partie contient trois éléments, c’est l’ensemble entier (a, b, c).
Au total : 1 + 3 + 3 + 1 = 8 = 23
3.2. Permutations sans répétition de n objets:
Toute suite de n éléments distincts choisis parmi les n éléments d’un ensemble S est appelé
permutation de n éléments. Le nombre total de permutations d’un ensemble de n
éléments est : n!
Exemple :
Nombre de permutations de l’ensemble (a, b, c, d) de quatre objets : abcd, abdc, acbd,
acdb, adbc, adcb, bacd, badc, bcad, bcda, bdac, bdca, cabd, cadb,cbad, cbda, cdab, cdba,
dabc, dacb, dbac, dbca, dcab, dcba. Soit 24 = 4! permutations.
3.3. Échantillon de taille r avec remise(tirage avec remise):
Un échantillon de taille r, avec remise, est une application de l’ensemble (1, . . . , r) dans
l’ensemble S. Pour chaque élément de l’échantillon, n choix sont possibles, donc l’espace Ω
des échantillons de taille r ≤ n, avec remise, a pour cardinal nr.
Exemple :
Soit un ensemble de quatre lettres A, B, C et D. Écrire tous les mots possibles que l’on peut
former, avec ou sans répétition, avec deux lettres prises parmi ces quatre lettres : AA, AB,
AC, AD, BA, BB, BC, BD, CA, CB, CC, CD, DA, DB, DC, DD. On obtient seize mots différents, on
a quatre choix pour la première lettre, quatre choix pour la deuxième, soit 4x4 = 42 = 16.
3.4. Échantillon de taille r sans remise (tirage sans remise):
Un échantillon de taille r ≤ n, sans remise, est une injection de l’ensemble (1,..., r) dans
l’ensemble S. L’espace Ω des échantillons ainsi définis a pour cardinal le nombre
d’arrangements sans répétition de r éléments pris parmi n éléments :

On a, en effet, n choix pour le premier élément, (n − 1) pour le deuxième, etc .

NB: l’ordre est important.
Exemple jeu de tiercé:
Dans une course, dix chevaux prennent le départ. Il y a 10 x 9 x 8 = 720 tiercés
possibles.
10 choix pour le premier cheval, 9 pour le deuxième et 8 pour le troisième.
3.5. Nombre de parties à r éléments d’un ensemble à n éléments (r ≤ n):
Il correspond à un tirage simultané c’est à dire que les répétitions sont non possibles et
que l’ordre n’est pas important.
Toute partie de r éléments distincts choisis parmi n éléments est appelée combinaison de r
éléments parmi n. Le nombre total de combinaisons d’un ensemble à n éléments est :

Exemple (suite jeu de tiercé):

Dans l’exemple précédant. Quel est le nombre de tiercés possibles sans tenir compte de
l’ordre ?
Avec trois chevaux appelés a, b et c, un tiercé sans ordre est (a, b, c), il lui correspond 6 = 3!
tiercés ordonnés :(a, b, c), (a, c, b), (b, a, c), (b, c, a), (c, a, b), (c, b, a)
Le nombre de tiercés sans ordre est égal à la combinaison de 3 éléments parmi 10 soit
720/6 = 120.
• Le nombre de tiercés avec ordre est supérieur au nombre de tiercés dans le désordre.