Vous êtes sur la page 1sur 15

𝟒è𝐦𝐞 Sc-Exp

Probabilité
a) Probabilité Discrète
I) Dénombrement – Définition d’une probabilité – Probabilité uniforme
1) Dénombrement :
Soit 𝐄 un ensemble à n éléments 𝐄 = {𝒂𝟏 ; 𝒂𝟐 ; … … … 𝒂𝒏 } et p un entier naturel non nul
 Le nombre des p-uplets d’éléments de E est 𝒏𝒑
 Le nombre des n-uplets d’éléments de E deux à deux distincts est 𝒏!
 Si 𝟏 ≤ 𝒑 ≤ 𝒏 alors
𝒑 𝒏!
* Le nombre des p-uplets d’éléments de E deux à deux distincts est 𝑨𝒏 = (𝒏 𝒑)!
𝒑
𝒑 𝑨𝒏 𝒏!
* Le nombre de parties à p éléments de E est 𝑪𝒏 = 𝒑!
= (𝒏 𝒑)! 𝒑!
2) Probabilité :
Une expérience aléatoire est une expérience dont le résultat est soumis au hasard et est donc impossible à
prévoir.
L’univers est l’ensemble des résultats d’une expérience aléatoire.
Ces résultats sont appelés des cas possibles.

Exemples :
 Lancer une pièce de monnaie peut donner pile ou face, donc l’univers 𝛀 = {𝑷, 𝑭}
 Lancer un dé cubique dont les faces sont numérotées de 1 jusqu'à 6, l’univers 𝛀 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔} .

Evénement
Un événement allié à une expérience aléatoire peut être réalisé ou ne pas être réalisé. Il est représenté par la
partie de 𝛀 formée par les cas possibles pour lesquels cet événement est réalisé appelés cas favorables
 ∅ est appelé événement impossible.
 𝛀 est appelé événement certain.
 Un événement réduit à un seul élément est appelé événement élémentaire.
 Si A et B sont deux événements, l’événement « A et B » représenté par 𝑨 ∩ 𝑩 est réalisé si A et B sont
réalisés en même temps. Si 𝑨 ∩ 𝑩 = ∅ on dit que A et B sont incompatibles.
 Si A et B sont deux événements, l’événement « A ou B » représenté par 𝑨 ∪ 𝑩 est réalisé si l’un au
moins des événements A ou B est réalisé.
 On dit que des événements A1, A2, …………, An forment une partition de l’univers 𝛀 si
 Les événements Ai sont deux à deux incompatibles.
 La réunion de tous les événements Ai est égale à l’univers Ω.
 Si A est un événement, 𝐴̅ = Ω ∖ 𝐴 est appelé événement contraire de A
 Si A et B sont deux événements on a : 𝐴̿ = 𝐴 , 𝐴 ∪ 𝐵 = 𝐴̅ ∩ 𝐵 et 𝐴 ∩ 𝐵 = 𝐴̅ ∪ 𝐵

Définition d’une probabilité


Soit Ω l’univers fini d’une expérience aléatoire et 𝒫(Ω) l’ensemble des événements de Ω
On appelle probabilité sur Ω toute application 𝑝 𝑑𝑒 𝒫(Ω) 𝑑𝑎𝑛𝑠 [0,1] vérifiant :
1) 𝑝(Ω) = 1
2) 𝑝(∅) = 0
3) Pour tout évènement A ∶ p (A) = ∑ 𝑝(𝑎 ) où A = {𝑎 ; 𝑎 ; … … … 𝑎 }

Le triplet (Ω, 𝒫(Ω), p) est appelé espace probabilisé fini.

1 Probabilité
Exercice
On dispose d’un dé tétraédrique dont les faces sont numérotées : 𝟏 , 𝟐 , 𝟑 , 𝟒
On appelle p(k) la probabilité que la face k soit cachée.
On suppose que le dé est truqué de telle manière que p(1) , p(2) , p(3) et p(4) soient dans cet ordre les termes
consécutifs d’une suite arithmétique de raison
a) Justifier que p(1)=
b) En déduire p(2) , p(3) et p(4).

Correction de l’exercice
𝑝(1) + 𝑝(4)
𝑎) 𝑝(1) + 𝑝(2) + 𝑝(3) + 𝑝(4) = 1 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 4. =1
2
3
𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 2 𝑝(1) + 𝑝(1) + = 1
8
1 3 1
𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 2𝑝(1) = − 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 𝑝(1) =
2 8 16
1 1 3 3 1 5 5 1 7
𝑏) 𝑝(2) = + = ; 𝑝(3) = + = ; 𝑝(4) = + =
16 8 16 16 8 16 16 8 16

Propriété :
Soit (𝛀, 𝓟(𝛀), 𝐩) un espace probabilisé finis de 𝛀
Si 𝑨 𝑒𝑡 𝑩 sont deux événements alors :
𝒑(𝑨) = 𝟏 − 𝒑(𝑨)
𝒑(𝑨 ∪ 𝑩) = 𝒑(𝑨) + 𝒑(𝑩) − 𝒑(𝑨 ∩ 𝑩)

3) Probabilité uniforme ou équiprobabilité:


Lorsqu’on lance une pièce de monnaie bien équilibrée, on jette un dé non pipé , on effectue un tirage au
hasard… les issues ont la même probabilité de réalisation. On dit qu’on est en présence d’une situation
d’équiprobabilité.

Définition et propriété :
Soit 𝛀 = {𝒘𝟏 , 𝒘𝟐 , 𝒘𝟑 , … , 𝒘𝒏 } et 𝒑 une probabilité définie sur 𝛀 .
Lorsque tous les événements élémentaires ont la même probabilité d’être réalisés, on dit que 𝒑 est une
probabilité uniforme ou une équiprobabilité.
Dans ce cas on a :
𝟏 𝟏
∀ 𝒊 ∈ {𝟏, … … , 𝒏} 𝒑 (𝒘𝒊 ) = 𝒏 = 𝒄𝒂𝒓𝒅 𝛀
.
𝒄𝒂𝒓𝒅 𝑨
Pour tout événement 𝑨 on a : 𝒑(𝑨) = 𝒄𝒂𝒓𝒅 𝛀

Exercice 1 :
On lance deux dés cubiques bien équilibrés de couleurs différentes dont les faces sont numérotées de 1 à 6.
1) Déterminer Ω 𝑒𝑡 𝑐𝑎𝑟𝑑 Ω
2) Déterminer la probabilité de chacun des événements suivants :
𝐴 « Les deux faces obtenues portent le même numéro »
𝐵 « Obtenir au moins une face qui porte le numéro 1 »

Correction de l’exercice 1
1) Ω est l ensemble des couples (x, y) 𝑡𝑒𝑙𝑠 𝑞𝑢𝑒 𝑥, 𝑦 ∈ {1,2,3,4,5,6} 𝑎𝑙𝑜𝑟𝑠 𝑐𝑎𝑟𝑑Ω = 6 × 6 = 36

2 Probabilité
( )
2) 𝐴 = {(𝑎, 𝑎) 𝑎𝑣𝑒𝑐 𝑎 𝑢𝑛 𝑛𝑢𝑚é𝑟𝑜 𝑑𝑒 1 à 6 } 𝑝(𝐴) = ( )
= =
𝑆𝑜𝑖𝑒𝑛𝑡 𝐵 = {(1, 𝑎) 𝑎𝑣𝑒𝑐 𝑎 𝑢𝑛 𝑛𝑢𝑚é𝑟𝑜 𝑑𝑒 1 à 6 } 𝑒𝑡 𝐵
= {(𝑎, 1) 𝑎𝑣𝑒𝑐 𝑎 𝑢𝑛 𝑛𝑢𝑚é𝑟𝑜 𝑑𝑒 1 à 6 }
6 + 6 − 1 11
𝐵 =𝐵 ∪𝐵 𝑎𝑙𝑜𝑟𝑠 𝑝(𝐵) = 𝑝(𝐵 ) + 𝑝(𝐵 ) − 𝑝(𝐵 ∩ 𝐵 ) = =
36 36

Exercice 2 :
Une urne contient neuf boules : trois rouges numérotées −1, −1, 1, deux boules vertes numérotées −2, 2 et
quatre boules blanches numérotées 1, −2, 2, 2. Toutes les boules sont indiscernables au toucher.
1/ On tire simultanément trois boules de l’urne. Calculer la probabilité des évènements suivants :
𝐴 = avoir trois boules de même couleur.
𝐵 = avoir trois boules dont le produit des numéros marqués est négatif.
𝐶 = avoir trois boules de même couleur et de produit négatif.
𝐷 = avoir trois boules de produit négatif ou de même couleur.
2/ On tire 𝟑 boules successivement et avec remise. Calculer la probabilité des évènements suivants :
𝐸 = avoir trois boules de 3 couleurs différentes.
𝐹 = avoir trois boules de 3 couleurs différentes dont la première est rouge.

Correction de l’exercice 2
1) 𝑐𝑎𝑟𝑑Ω = C = 84
C +C 5 C C +C 44 11
𝑝(𝐴) = = 𝑝(𝐵) = = =
84 84 84 84 21
C C 3 46 23
𝑝(𝐶) = = = 𝑝(𝐴 ∩ 𝐵) 𝑝(𝐷) = 𝑝(𝐴 ∪ 𝐵) = 𝑝(𝐴) + 𝑝(𝐵) − 𝑝(𝐴 ∩ 𝐵) = =
84 84 84 42
3 × 2 × 4 × 3! 16 3 × 2 × 4 × 2! 16
2) 𝑐𝑎𝑟𝑑Ω = 9 𝑝(𝐸) = = 𝑝(𝐹) = =
9 81 9 243

Exercice 3 :
On dispose de deux dés cubiques parfaits 𝐴 et 𝐵. Les faces du dé 𝐴 sont numérotées 0, 1, 1, −1, −1, −1.
Les faces du dé 𝐵 sont numérotées 0, 0, 0, 1, 1, 1.
1/ On lance les deux dés. A chaque lancer, on construit un nombre complexe 𝑧 = 𝑎 + 𝑖 𝑏 où 𝑎 est le numéro
obtenu du dé 𝐴 et 𝑏 est le numéro obtenu du dé 𝐵.
Calculer la probabilité des évènements 𝐸, 𝐹, 𝐺, 𝐻, 𝐾 et 𝐿.
𝐸: "𝑧 = 0" ; 𝐹: "𝑧 est réel" ; 𝐺: "𝑧 est imaginaire non nul "
𝐻: "|𝑧| = √2 " ; 𝐾: "Ré(𝑧) > 0" ; 𝐿 = 𝐻 ∪ 𝐾.
2/ On lance le dé 𝐴 quatre fois de suite.
a/ Calculer la probabilité pour que la somme des numéros obtenus soit nulle.
b/ Calculer la probabilité pour que le produit des numéros obtenus soit nul.
Correction de l’exercice 3
1) 𝑐𝑎𝑟𝑑Ω = 6 = 36
1×3 1 6×3 1 1×3 1
𝑝(𝐸) = = ; 𝑝(𝐹) = = ; 𝑝(𝐺) =
= ;
36 12 36 2 36 12
5×3 5 2×6 1 2×3 1
𝑝(𝐻) = = ; 𝑝(𝐾) = = ; 𝑝(𝐻 ∩ 𝐾) = =
36 12 36 3 36 6
7
𝑎𝑙𝑜𝑟𝑠 𝑝(𝐻 ∪ 𝐾) = 𝑝(𝐻) + 𝑝(𝐾) − 𝑝(𝐻 ∩ 𝐾) = = 𝑝(𝐿)
12

3 Probabilité
4! 4!
1 + 1 × 2 × 3 × 2! + 2 × 3 × 2! × 2! 289
2) 𝑐𝑎𝑟𝑑Ω = 6 𝑝(𝑆 = 0) = =
6 1296
5 671
𝑝(𝑃 = 0) = 1 − 𝑝(𝑃 ≠ 0) = 1 − =
6 1296

Exercice 4 :
Un appareil fabriqué en très grande série, peut présenter deux sortes de défauts désignés par 𝐷 et 𝐷 . Dans
un lot de 1000 appareils, on constate que 60 appareils ont le défaut 𝐷 , 50 ont le défaut 𝐷 et 20 ont les
deux défauts à la fois.
Un client achète un appareil. Déterminer la probabilité des évènements suivants :
1/ 𝐴: L’appareil a les deux défauts. 2/ 𝐵: L’appareil a au moins un défaut.
3/ 𝐶: L’appareil n’a pas de défaut. 4/ 𝐷: L’appareil a le défaut 𝐷 et n’a pas le défaut 𝐷 .
5/ 𝐸: L’appareil a le défaut 𝐷 et n’a pas le défaut 𝐷 . 6/ 𝐹: L’appareil a un seul défaut

Correction de l’exercice 4
20 1 60 + 50 − 20 9
1) 𝑝(𝐴) = = 2) 𝑝(𝐵) = =
1000 50 1000 100
91 60 − 20 1
3) 𝑝(𝐶) = 𝑝(𝐵) = 1 − 𝑝(𝐵) = 4) 𝑝(𝐷) = =
100 1000 25
50 − 20 3 7
5) 𝑝(𝐸) = = 6) 𝑝(𝐹) = 𝑝(𝐷) + 𝑝(𝐸) =
1000 100 100

Exercice 5 :
On considère une urne contenant six boules blanches et quatre boules noires.
On tire au hasard, successivement et sans remise, trois boules de l’urne.
Calculer la probabilité de l’événement suivant : A « La première boule noire obtenue apparait au troisième
tirage »
Correction de l’exercice 5
A ×A 120 1
𝑐𝑎𝑟𝑑Ω = A = 720 𝑝(𝐴) = = =
720 720 6

II) Probabilité conditionnelle – Evénements indépendants

1) Probabilité conditionnelle :

Activité 1 : Un sac contient 12 jetons indiscernables au toucher et répartis comme suit :


7 jetons blancs numérotés 1,1,1,1,1,2,2. et 5 jetons noirs numérotés 1,2,2,2,2.
On tire au hasard un jeton du sac.
1) Calculer la probabilité de chacun des événements suivants :
𝐴: « Tirer un jeton qui porte le numéro 2 » 𝐵: « Tirer un jeton blanc »
𝐶: « Tirer un jeton blanc, sachant qu’il porte le n°2 »
𝒑(𝑨∩𝑩)
2) Comparer 𝒑(𝑪) et 𝒑(𝑨)

4 Probabilité
Correction de l’activité 1
6 1 7 2 1
1) 𝑝(𝐴) = = ; 𝑝(𝐵) = ; 𝑝(𝐶) = =
12 2 12 6 3
𝑝(𝐴 ∩ 𝐵) 2 4 1
2) = 12 = = = 𝑝(𝐶)
𝑝(𝐴) 1 12 3
2

Définition :
Soit p une probabilité définie sur 𝒫(Ω). A et B deux événements tels que 𝑝(𝐴) ≠ 0
𝐩(𝑨∩𝑩)
On appelle probabilité de B sachant A et on note 𝐩(𝑩/𝑨) 𝒐𝒖 𝒑𝑨 (𝑩) le réel défini par : 𝐩(𝑩/𝑨) = 𝐩(𝑨)

Conséquences :
Si 𝒑(𝑩) ≠ 𝟎 on a :
 𝒑(𝛀⁄𝑩) = 𝟏
 𝒑(𝑨 ∩ 𝑩) = 𝐩(𝑩) × 𝐩(𝑨 ∕ 𝑩)
 𝒑(𝑨𝟏 ∪ 𝑨𝟐 ∕ 𝑩) = 𝒑(𝑨𝟏 ⁄𝑩) + 𝒑(𝑨𝟐 ∕ 𝑩), pour tous événements incompatibles 𝑨𝟏 𝒆𝒕 𝑨𝟐 .
 𝒑(𝑨 ∕ 𝑩) = 𝟏 − 𝒑(𝑨 ∕ 𝑩), pour tout événement 𝑨 .

Théorème : Principe des probabilités totales :


Soit (Ω, 𝒫(Ω), p)unespace probabilisé fini.
 𝑨 𝒆𝒕 𝑩 deux événements tels que l’événement 𝑨 n’est ni certain ni impossible
𝒑(𝑩) = 𝒑(𝑨). 𝒑(𝑩⁄𝑨) + 𝒑(𝑨) × 𝒑(𝑩⁄𝑨 )
 Plus généralement :
Si 𝑩𝟏 ; 𝑩𝟐 ; 𝑩𝟑 … … ; 𝑩𝒏 des événements formant une partition de 𝛀 et ∀ 𝒌 ∈ {𝟏, 𝟐, … , 𝒏} , 𝒑 (𝑩𝒌 ) ≠ 𝟎
alors pour tout événement 𝑨 on a :

𝒏 𝒏
𝒑(𝑨) = 𝒑(𝑨 ∩ 𝑩𝒌 ) = 𝒑(𝑩𝒌 ). 𝒑(𝑨 ∕ 𝑩𝒌 ).
𝒌 𝟏 𝒌 𝟏

Exercice 1:
On dispose de deux urnes 𝑼𝟏 𝒆𝒕 𝑼𝟐 . L’urne 𝑼𝟏 contient trois boules blanches et une boule noire.
L’urne 𝑼𝟐 contient une boule blanche et deux boules noires.
On lance un dé non truqué. Si le dé donne un numéro inférieur ou égal à 𝟐, on tire une boule de l’urne 𝑼𝟏 ,
sinon on tire une boule de l’urne 𝑼𝟐 . (On suppose que les boules sont indiscernables au toucher)
1) Calculer la probabilité de tirer une boule blanche.
2) On a tiré une boule blanche. Calculer la probabilité qu’elle provienne de l’urne 𝑼𝟏

Correction de l’exercice 1
1) 𝑆𝑜𝑖𝑒𝑛𝑡 𝑙𝑒𝑠 é𝑣é𝑛𝑒𝑚𝑒𝑛𝑡𝑠 𝐵: " tirer une boule blanche "
𝑈 : " 𝑙𝑎 𝑏𝑜𝑢𝑙𝑒 𝑡𝑖𝑟é𝑒 𝑝𝑟𝑜𝑣𝑖𝑒𝑛𝑡 𝑑𝑒 𝑈 " 𝑒𝑡 𝑈 : " 𝑙𝑎 𝑏𝑜𝑢𝑙𝑒 𝑡𝑖𝑟é𝑒 𝑝𝑟𝑜𝑣𝑖𝑒𝑛𝑡 𝑑𝑒 𝑈 "
3 1 1 2 17
𝑝(𝐵) = 𝑝(𝐵 ∩ 𝑈 ) + 𝑝(𝐵 ∩ 𝑈 ) = 𝑝(𝐵/𝑈 ) × 𝑝(𝑈 ) + 𝑝(𝐵/𝑈 ) × 𝑝(𝑈 ) = × + × =
4 3 3 3 36
3 1
𝑝(𝑈 ∩ 𝐵) 𝑝(𝐵/𝑈 ) × 𝑝(𝑈 ) 4 × 3 9
2) 𝒑(𝑈 /𝐵) = = = =
𝑝(𝐵) 𝑝(𝐵) 17 17
36

5 Probabilité
Exercice 2 :
Une urne 𝑼𝟏 contient sept boules noires et trois boules vertes.
Une urne 𝑼𝟐 contient deux boules noires et huit boules vertes.
On effectue une suite de tirages en remettant à chaque fois la boule tirée dans l’urne, suivant la règle
suivante.
Si au (𝒏 − 𝟏)è𝐦𝐞 tirage , on a obtenu une boule noire alors le 𝒏è𝒎𝒆 tirage s’effectue dans 𝑼𝟏 ,
Si au (𝒏 − 𝟏)è𝐦𝐞 tirage , on a obtenu une boule verte alors le 𝒏è𝒎𝒆 tirage s’effectue dans 𝑼𝟐 .
1) On choisit une urne au hasard et on fait le premier tirage.
Déterminer la probabilité 𝒑𝟏 d’obtenir une boule noire
2) On désigne par 𝒑𝒏 la probabilité de tirer une boule noire au 𝒏è𝒎𝒆 tirage.
a) Calculer 𝒑𝟐
𝟏 𝟏
b) Montrer que 𝒑𝒏 = 𝟐 𝒑𝒏 𝟏 + 𝟓 , 𝒏 ≥ 𝟐.
𝟐
3) a) Montrer que la suite (𝒒𝒏 )𝒏 𝟏 définie par 𝒒𝒏 = 𝒑𝒏 − 𝟓 , 𝒏 ≥ 𝟏 est une suite géométrique.
4) Déterminer 𝒑𝒏 en fonction de 𝒏. En déduire 𝐥𝐢𝐦 𝐩𝐧
𝐧→

Correction de l’exercice 2
𝑛𝑒𝑚𝑒𝑛𝑡𝑠 𝑁 : " tirer une boule noire au 𝑖 è
1) 𝑆𝑜𝑖𝑒𝑛𝑡 𝑙𝑒𝑠 é𝑣é𝑛𝑒𝑚𝑒𝑛𝑡𝑠 tirage "
𝑝 = 𝑝(𝑁 ∩ 𝑈 ) + 𝑝(𝑁 ∩ 𝑈 ) = 𝑝((𝑁 /𝑈 ) × 𝑝(𝑈 ) + 𝑝(𝑁 /𝑈 ) × 𝑝(𝑈 ) = × + × =
2) 𝑎) 𝑝 = 𝑝(𝑁 ∩ 𝑁 ) + 𝑝(𝑁 ∩ 𝑁 ) = 𝑝(𝑁 /𝑁 ) × 𝑝(𝑁 ) + 𝑝(𝑁 /𝑁 ) × 𝑝(𝑁
(𝑁 )
𝑝 = × 𝑝 + × (1 − 𝑝 ) = × + × =
𝑏) 𝑝 = 𝑝(𝑁 ∩ 𝑁 ) + 𝑝(𝑁 ∩ 𝑁 )
= 𝑝(𝑁 /𝑁 ) × 𝑝(𝑁 )+𝑝
𝑝(𝑁 /𝑁 ) × 𝑝(𝑁 )
𝑝 = ×𝑝 + × (1 − 𝑝 )= 𝑝 +

3) 𝑎) 𝑞 =𝑝 − = 𝑝 + − = 𝑝 − = 𝑝 − = 𝑞 ; 𝑛≥1
𝐴𝑙𝑜𝑟𝑠 𝑙𝑎 𝑠𝑢𝑖𝑡𝑒 (𝑞 ) 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑠𝑢𝑖𝑡𝑒 𝑔é𝑜𝑚é𝑡𝑟𝑖𝑞𝑢𝑒 𝑑𝑒 𝑟𝑎𝑖𝑠𝑜𝑛

𝑏) 𝑞 = 𝑞 × = × 𝑎𝑙𝑜𝑟𝑠 𝑝 = × +

𝑙𝑖𝑚 𝑝 = 𝑝𝑢𝑖𝑠𝑞𝑢𝑒 𝑙𝑖𝑚 =0 −1 < < 1


→ →

A faire Activités 7 et 8 page 76

3) Evénements indépendants :

Définition :
Dire que 𝑨 𝒆𝒕 𝑩 sont indépendants lorsque la réalisation de 𝑩 n’influence pas celle de 𝑨.

Propriété
Deux événements 𝑨 𝒆𝒕 𝑩 sont indépendants signifie 𝒑(𝑨 ∩ 𝑩) = 𝒑(𝑨) × 𝒑(𝑩)
( )
Deux événements 𝑨 𝒆𝒕 𝑩 sont indépendants signifie 𝒑(𝑨/𝑩) = 𝒑(𝑨)
Deux événements 𝑨 𝒆𝒕 𝑩 sont indépendants signifie 𝒑(𝑩/𝑨) = 𝒑(𝑩)

Exercice 3:
On lance un dé à 𝟔 faces.
Soient les événements 𝑨: « obtenir un nombre pair » et 𝑩 « obtenir un multiple de 𝟑 »
Montrer que les événements 𝑨 𝒆𝒕 𝑩 sont indépendants.

6 Probabilité
Correction de l’exercice 3
1 1 2 1
𝑝(𝐴 ∩ 𝐵) = ; 𝑝(𝐴) = 𝑝(𝐵) = = 𝑒𝑡 𝑜𝑛 𝑎 𝑝(𝐴 ∩ 𝐵) = 𝑝(𝐴) × 𝑝(𝐵)
6 2 6 3

Exercice 4:
Soit 𝑨, 𝑩 deux événements indépendants tels que 𝒑(𝑨) = 𝟎. 𝟐 𝒆𝒕 𝒑(𝑩) = 𝟎. 𝟒.
Calculer les probabilités suivantes : 𝒑(𝑨 ∩ 𝑩) , 𝒑(𝑨 ∪ 𝑩) , 𝒑(𝑨 ∩ 𝑩) , 𝒑(𝑨 ∪ 𝑩)

Correction de l’exercice 4
𝑝(𝐴 ∩ 𝐵) = 𝑝(𝐴 ∩ 𝐵) = 𝑝(𝐴) × 𝑝(𝐵) = 0.2 × 0.4 = 0.08
𝑝(𝐴 ∪ 𝐵) = 𝑝(𝐴) + 𝑝(𝐵) − 𝑝(𝐴 ∩ 𝐵) = 0.6 − 0.08 = 0.52
𝑜𝑛 𝑎 𝑝(𝐴) = 𝑝(𝐴 ∩ 𝐵) + 𝑝(𝐴 ∩ 𝐵 ) 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 𝑝(𝐴 ∩ 𝐵 ) = 𝑝(𝐴) − 𝑝(𝐴 ∩ 𝐵) = 0.2 − 0.08 = 0.12
𝑝(𝐴̅ ∪ 𝐵) = 1 − 𝑝 𝐴̅ ∪ 𝐵 = 1 − 𝑝(𝐴 ∩ 𝐵 ) = 1 − 0.12 = 0.88

Activité 5 p74
Trois personnes A,B et C participent à un jeu télévisé. L’animateur dispose de deux cadeaux qu’il se
propose d’offrir au hasard aux candidats, pour cela il leur fait un tirage au sort (un candidat pourra recevoir
deux cadeaux)
On considère les événements A « A ne reçoit aucun cadeau » et B : « B ne reçoit aucun cadeau ».
1) Calculer les probabilités des événements A , B et A∩B.
2) Les événements A et B sont-ils indépendants ?

Correction de l’activité 5
2 4 1 1
1) 𝑃(𝐴) = 𝑝(𝐵) = = 𝑝(𝐴 ∩ 𝐵) = =
3 9 3 9
2) 𝑝(𝐴 ∩ 𝐵) ≠ 𝑝(𝐴) × 𝑝(𝐵) 𝑎𝑙𝑜𝑟𝑠 𝐴 𝑒𝑡 𝐵 𝑛𝑒 𝑠𝑜𝑛𝑡 𝑝𝑎𝑠 𝑖𝑛𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑡𝑠

A faire exercices 14 – 15 – 17 – 18 page 80 – 81 .

III) Variables aléatoires

1) Définition :

Activité 1 :
On lance deux dés cubiques bien équilibrés dont les faces de chacun sont numérotées de 𝟏 jusqu'à 𝟔.
On désigne par 𝑿 l’application qui à chaque lancé associe la somme des numéros obtenus.
Quelles sont les valeurs prises par X ?

L’ensemble des valeurs prises par X est :{2,3,4,5,6,7,8,9,10,11,12} . Cet ensemble est généralement noté 𝑋(Ω).

Définition :
Soit (𝛀; ℘(𝛀), 𝐩) un espace probabilisé fini. On appelle variable aléatoire (ou aléa numérique) définie
sur l’univers 𝛀, toute application 𝑿 ∶ 𝛀 ⟶ ℝ .

Notation
{𝒘 ∈ 𝛀 ; 𝑿(𝒘) = 𝒙𝒊 } est noté (𝑿 = 𝒙𝒊 ) où 𝒙𝒊 ∈ 𝑿(𝛀) qui désigne l’ensemble des valeurs prises par X.

7 Probabilité
Définition :
Soit (𝛀; ℘(𝛀), 𝐩) un espace probabilisé fini et 𝑿 une variable aléatoire .
On appelle loi de probabilité de 𝑿 ou distribution des probabilités de 𝑿, l’application 𝑷𝑿 qui à chacune des
valeurs 𝒙𝒊 prises par 𝑿, fait correspondre la probabilité 𝒑𝒊 = 𝒑(𝑿 = 𝒙𝒊 ).
𝑷𝑿 : 𝑿(𝛀) ⟶ [𝟎, 𝟏]
𝒙𝒊 ↦ 𝒑(𝑿 = 𝒙𝒊 )
Remarque :
Si 𝑿(𝛀) = {𝒙𝟏 , 𝒙𝟐 , … … … , 𝒙𝒏 }
Les événements (𝑿 = 𝒙𝒊 )𝟏 𝒊 𝒏 forment une partition donc ∑𝒏𝒊 𝟏 𝒑(𝑿 = 𝒙𝒊 ) = 𝟏.

Exercice 1 :
Une urne contient 4 jetons numérotés (-1) et 2 jetons numérotés 2 , tous indiscernables au toucher.
Une épreuve consiste à extraire deux jetons selon une procédure déterminée par le lancer d’une pièce de
monnaie truquée de sorte que la probabilité d’obtenir face est égale à .
Si l’on obtient face, on extrait les deux jetons simultanément et si l’on obtient pile on extrait les deux jetons
successivement sans remise.
On désigne par 𝑋 l’application qui à chaque épreuve associe le produit des numéros obtenus.
1) Déterminer 𝑋(Ω)
2) Déterminer la loi de probabilité de X : (Calculer 𝑝(𝑋 = 𝑥 ) pour tout 𝑥 ∈ 𝑋(Ω) ).

Correction de l’exercice 1
1) 𝑋(Ω) = {1, −2,4}
𝐶 3 4 3 1 2
2) 𝑝(𝑋 = 1) = 𝑝(𝑋 = 1/𝐹) × 𝑝(𝐹) + 𝑝(𝑋 = 1/𝑃) × 𝑝(𝑃) = × + × × =
𝐶 4 6 5 4 5
𝐶 ×𝐶 3 2 4 4 2 1 8
𝑝(𝑋 = −2) = 𝑝(𝑋 = −2/𝐹) × 𝑝(𝐹) + 𝑝(𝑋 = −2/𝑃) × 𝑝(𝑃) = × + × + × × =
𝐶 4 6 5 6 5 4 15
𝐶 3 2 1 1 1
𝑝(𝑋 = 4) = 𝑝(𝑋 = 4/𝐹) × 𝑝(𝐹) + 𝑝(𝑋 = 4/𝑃) × 𝑝(𝑃) = × + × × =
𝐶 4 6 5 4 15

1) Fonction de répartition :

Définition :
Soit un univers 𝛀 fini et 𝑿 : 𝛀 ⟶ ℝ une variable aléatoire.
La fonction de répartition de 𝑿 est l’application 𝑭: ℝ ⟶ [𝟎, 𝟏] dé inie pour tout réel x par :
𝑭(𝒙) = 𝒑(𝑿 ≤ 𝒙)

Exemple:
Déterminer et représenter la fonction de répartition de la variable aléatoire X définie dans l’exercice 1
𝑋(Ω) = {−2,1,4}
𝑆𝑖 𝑥 < −2 , 𝑎𝑙𝑜𝑟𝑠 𝐹(𝑥) = 𝑝(𝑋 < 2) = 0
𝑆𝑖 − 2 ≤ 𝑥 < 1 , 𝑎𝑙𝑜𝑟𝑠 𝐹(𝑥) = 𝑝(𝑋 < 1) = 𝑝(𝑋 = −2) =
𝑆𝑖 1 ≤ 𝑥 < 4 , 𝑎𝑙𝑜𝑟𝑠 𝐹(𝑥) = 𝑝(𝑋 < 4) = 𝑝(𝑋 = −2) + 𝑝(𝑋 = 1) =
𝑆𝑖 𝑥 ≥ 4 , 𝑎𝑙𝑜𝑟𝑠 𝐹(𝑥) = 𝑝(𝑋 = −2) + 𝑝(𝑋 = 1) + 𝑝(𝑋 = 4) = 1

Exercice 2:
Soit 𝑋 une variable aléatoire dont la fonction de répartition F est représentée ci-dessous.

8 Probabilité
1) Déterminer 𝑿(𝛀).
2) Compléter le tableau donnant la loi de probabilité de 𝑋.
𝒙𝒊 -2 0 1 3
𝒑𝒊 0.1 0.3 0.4 0.2
Comment déterminer 𝑝(𝑋 = 0) ?
𝑝(𝑋 = 0) = 𝐹(0) − 𝐹(−2)

Propriétés :
Soit 𝑿 une variable aléatoire discrète définie sur un univers fini 𝛀 .
Soit 𝑭 la fonction de réparation de 𝑿. On a :
 𝑭 est croissante sur ℝ
 Si les éléments 𝒙𝒊 𝑑𝑒 𝑿(𝛀) sont ordonnés :𝒙𝟏 < 𝒙𝟐 < ⋯ < 𝒙𝒏 et si 𝒑(𝑿 = 𝒙𝒊 ) = 𝒑𝒊 pour
𝒊 ∈ {𝟏, 𝟐, … , 𝒏} alors F est définie sur ℝ par :
𝟎 𝒔𝒊 𝒙 ∈ ]−∞, 𝒙𝟏 [

⎪𝒑𝟏 𝒔𝒊 𝒙 ∈ [𝒙𝟏 , 𝒙𝟐 [
… …  
𝑭(𝒙) =
𝒑
⎨ 𝟏 + 𝒑𝟐 + ⋯ + 𝒑𝒊 𝒔𝒊 𝒙 ∈ [𝒙𝒊 , 𝒙𝒊 𝟏 [
⎪ …
⎩𝟏 𝒔𝒊 𝒙 ∈ [𝒙𝒏 , +∞ [

Exercice 3:
On dispose d’un dé cubique parfait dont les faces portent les nombres : -1,0, 0, 2, 2 , 2.
On lance ce dé deux fois de suite. On désigne par 𝒂 le nombre apparu sur la face supérieure au premier lancé
et par b le nombre apparu sur la face supérieure au deuxième lancé.
Soit 𝒀 la variable aléatoire qui à chaque couple (𝒂, 𝒃) associe la somme (𝒂 + 𝒃) .
1) Déterminer la loi de probabilité de 𝒀.
2) a) Déterminer la fonction de réparation 𝑭 de 𝒀.
b) Représenter graphiquement F dans un repère orthogonal du plan.
3) a) Calculer 𝒑(−𝟏 < 𝑌 ≤ 𝟐) et comparer le résultat avec le réel 𝑭(𝟐) − 𝑭(−𝟏).
b) Calculer 𝒑(𝒀 > 𝟎) et comparer le résultat avec le réel 𝟏 − 𝑭(𝟎).

Correction de l’exercice 3
1) 𝑌(Ω) = {−2, −1,0,1,2,4}
𝑝(𝑌 = −2) = × = 𝑝(𝑌 = −1) = 2 × × = 𝑝(𝑌 = 0) = × =
𝑝(𝑌 = 1) = 2 × × = 𝑝(𝑌 = 2) = 2 × × = 𝑝(𝑌 = 4) = × =
0 𝑠𝑖 𝑥 < −2
⎧1
𝑠𝑖 − 2 ≤ 𝑥 < −1
⎪ 36
⎪5 𝑠𝑖 − 1 ≤ 𝑥 < 0
⎪ 36
2) 𝐹(𝑥) = 1 𝑠𝑖 0 ≤ 𝑥 < 1  
⎨ 4
5 𝑠𝑖 1 ≤ 𝑥 < 2
⎪ 12
⎪ 3
⎪ 4 𝑠𝑖 2 ≤ 𝑥 < 4
⎩ 1 𝑠𝑖 𝑥 ≥ 4
3) a) 𝑝(−1 < 𝑌 ≤ 2) = 𝑝(𝑌 = 0) + 𝑝(𝑌 = 1) + 𝑝(𝑌 = 2) =
𝐹(2) − 𝐹(−1) = − = 𝑎𝑙𝑜𝑟𝑠 𝑝(−1 < 𝑌 ≤ 2) = 𝐹(2) − 𝐹(−1).
b) 𝑝(𝑌 > 0) = 𝑝(𝑌 = 1) + 𝑝(𝑌 = 2) + 𝑝(𝑌 = 4) =
1 − 𝐹(0) = 1 − = 𝑎𝑙𝑜𝑟𝑠 𝑝(𝑌 > 0) = 1 − 𝐹(0).

9 Probabilité
2) Espérance mathématique :

Définition :
Soient (𝛀, 𝓟(𝛀), 𝐩) un espace probabilisé fini et 𝑿 une variable aléatoire définie sur 𝛀
On appelle espérance mathématique de 𝑿, le réel noté 𝑬(𝑿) défini par :
𝒏

𝑬(𝑿) = 𝒙𝒊 𝒑𝒊
𝒊 𝟏
Où 𝒙𝟏 , 𝒙𝟐 , … … , 𝒙𝒏 sont les valeurs prises par 𝑿.

Remarques :
1) l’espérance mathématique de 𝑿 est la moyenne des valeurs 𝒙𝒊 pondérées par les probabilités
correspondantes 𝒑𝒊 = 𝒑(𝑿( = 𝒙𝒊)
2) Dans un jeu de hasard, si 𝑋 désigne le gain algébrique (positif ou négatif) , on dit que le jeu est :
Équitable si 𝑬(𝑿) = 𝟎
Favorable ou gagnant si 𝑬((𝑿) > 0
Défavorable ou perdant si 𝑬(𝑿) < 0

Théorème
Soient (𝛀, 𝓟(𝛀), 𝐩) un espace probabilisé fini , 𝑿 et Y deux variables aléatoires définies sur 𝛀.
● Pour tout réel 𝛼 , 𝑬(𝜶𝑿) = 𝜶𝑬(𝑿)
( ). ● 𝑬(𝑿 + 𝒀) = 𝑬(𝑿) + 𝑬(𝒀)

Exercice 4 :
Une urne contient sept boules : une rouge, deux jaunes et quatre vertes. Un joueur tire au hasard une boule.
Si elle est rouge, il gagne 𝟏𝟎 𝑫, si elle est jaune, il perd 𝟓 𝑫, si elle est verte, il tire une deuxième boule de
l’urne sans avoir remettre la première boule tirée. Si cette deuxième boule est rouge , il gagne 𝟖 𝑫 , sinon il
perd 𝟒 𝑫 .
1) Construire un arbre pondéré représentant l’ensemble des éventualités de ce jeu.
2) Soit 𝑿 la variable aléatoire associant à chaque tirage le gain algébrique du joueur (une perte est
comptée négativement).
a) Etablir la loi de probabilité de la variable 𝑿
b) Calculer l’espérance de 𝑿
3) Les conditions de jeu restent identiques. Indiquer le mo montant
ntant du gain algébrique qu’il faut attribuer à
un joueur lorsque la boule tirée au deuxième tirage est rouge, pour que le jeu soit équitable.

Correction de l’exercice 4

b) 𝐸(𝑋) = ∑ 𝑥 . 𝑝 = −

3) On désigne par g le gain algébrique lorsque la boule tirée au deuxième tirage est rouge.
rouge
10 10 2𝑔 40
𝐸(𝑥) = − + − =0 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 𝑔 = 20
7 7 21 21

10 Probabilité
3) Variance et écart- type :
Définition :
Soit 𝑿 un variable aléatoire discrète prenant les valeurs 𝒙𝒊 avec les probabilités respectives 𝒑𝒊 pour
𝒊 ∈ {𝟏, 𝟐, … , 𝒏}.
La variance de 𝑿 , noté 𝑽(𝑿), est le réel positif défini par : 𝑽(𝑿) = 𝑬([𝑿 − 𝑬(𝑿)]²)
Ce qui signifie 𝑽(𝑿) = ∑𝒏𝒊 𝟏[𝒙𝒊 − 𝑬(𝑿)] ². 𝒑𝒊
L’écart – type de 𝑿, que l’on note 𝝈(𝑿), est le réel positif 𝝈(𝑿) = 𝑽(𝑿)

Propriété
𝟐
𝑽(𝑿) = 𝑬(𝑿𝟐 ) − 𝑬(𝑿)

Exemple : Revenons à l’exercice 4 donner une valeur approchée à 10 de 𝜎(𝑋).


𝑉(𝑋) = 𝐸(𝑋 ) − 𝐸(𝑋) = + + + − = ; 𝜎(𝑋) ≃ 5,82

4) Loi binomiale :
Activité 1 :
La probabilité qu’un joueur de football marque un pénalty est égale à 0,8 .
Sur une série de cinq tirs au but , on note X l’aléa numérique égale au nombre de pénaltys réussis.
1) Quelle est la probabilité que le joueur marque au moins 4 pénaltys
2) Déterminer la loi de probabilité de X

Correction de l’activité 1
1) 𝑝(𝑋 = 5) + 𝑝(𝑋 = 4) = (0.8) + 5 × (0.8) × 0.2 = 0.73728
2) 𝑋(Ω) = {0,1,2,3,4,5}
𝑝(𝑋 = 5) = (0.8) = 0.32768 𝑝(𝑋 = 4) = 5 × (0.8) × 0.2 = 0.4096
𝑝(𝑋 = 3) = 𝐶 (0.8) (0.2) = 0.2048 𝑝(𝑋 = 2) = 𝐶 (0.8) (0.2) = 0.0512
𝑝(𝑋 = 1) = 5 × 0.8 × (0.2) = 0.0064 𝑝(𝑋 = 0) = (0.2) = 0.00032

Théorème et définition
Considérons une expérience aléatoire constituée de 𝒏 épreuves identiques et indépendantes n’ayant que
deux issues : succès ou échec.
Soit 𝒑 la probabilité de l’événement succès.
Soit 𝑿 la variable aléatoire associant à cette expérience le nombre de succès réalisés au cours de ces n
épreuves.
Alors la loi de probabilité de 𝑿 est définie par : 𝒑(𝑿 = 𝒌) = 𝑪𝒌𝒏 𝒑𝒌 (𝟏 − 𝒑)𝒏 𝒌 ; 𝒌 ∈ {𝟎, 𝟏, 𝟐, … , 𝒏}
On dit que 𝑿 suit une loi binomiale de paramètres 𝒏 𝒆𝒕 𝒑 .

Notation et vocabulaire
La loi binomiale de paramètres 𝒏 𝒆𝒕 𝒑 est noté 𝑩(𝒏, 𝒑)
Lorsque n =1, on dit que 𝑿 suit une loi de Bernouilli .

Activité 3 p 88 :
On lance un dé cubique n fois (𝑛 ≥ 1). On note A l’événement « Obtenir au moins un 6 »
1) Calculer 𝑝(𝐴) pour 𝑛 = 3
2) Calculer 𝑝(𝐴) en fonction de 𝑛.
3) Combien de fois faut-il lancer le dé pour que la probabilité de A soit supérieure ou égale à 0.9 ?
11 Probabilité
Correction de l’activité 3 p88
Soit X la variable aléatoire qui associe le nombre de fois d’obtenir 6.
X suit une loi binomiale de paramètres(𝑛, )
1) 𝑝(𝐴) = 1 − 𝑝(𝐴̅) = 1 −
2) 𝑝(𝐴) = 1 − 𝑝(𝐴̅) = 1 −
( . )
3) 𝑝(𝐴) ≥ 0.9 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 ≤ 0.1 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 𝑛. 𝑙𝑛 ≤ 𝑙𝑛(0.1) 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 𝑛≥
𝑛 ≥ 12,62 . Il faut lancer au moins 13 fois le dé pour que p(A) soit supérieure ou égale à 0.9

Espérance et variance
Soit 𝑋 une variable aléatoire suivant une loi binomiale 𝐵(𝑛, 𝑝)
𝑬(𝑿) = 𝒏 𝒑 𝑽(𝑿) = 𝒏 𝒑(𝟏 − 𝒑) 𝝈(𝑿) = 𝒏 𝒑(𝟏 − 𝒑)

A faire exercices 3 - 9 page 94

b) Probabilité continue
Il existe des variables aléatoires non discrètes, qui prennent toutes les valeurs d’un intervalle I de ℝ.
On dit alors que la variable est continue. On s’intéresse à des événements du type :
«𝑿 est compris entre les réels 𝒂 𝒆𝒕 𝒃 » ; « 𝑿 𝑒𝑠𝑡 𝑠𝑢𝑝é𝑟𝑖𝑒𝑢𝑟𝑒 à 𝒂 »…

Exemples : le temps d’attente à un arrêt de bus, la durée de vie d’une machine, la distance du point d’impact
au centre d’une cible circulaire ...

1) Densité de probabilité :

Définition :
On appelle densité de probabilité sur un intervalle 𝑰 toute fonction 𝒇 continue et positive sur 𝑰 telle que :
𝒃
 ∫𝒂 𝒇(𝒙)𝒅𝒙 = 𝟏 𝒔𝒊 𝑰 = [𝒂, 𝒃]
𝒙
 𝐥𝐢𝐦 ∫𝒂 𝒇(𝒕)𝒅𝒕 = 𝟏 𝒔𝒊 𝑰 = [𝒂, +∞[
𝐱→
𝒂
 𝐥𝐢𝐦 ∫𝒙 𝒇(𝒕)𝒅𝒕 = 𝟏 𝒔𝒊 𝑰 = ]−∞, 𝒂]
𝐱→
𝒙 𝟎
 𝐥𝐢𝐦 ∫𝟎 𝒇(𝒕)𝒅𝒕 + 𝐥𝐢𝐦 ∫𝒙 𝒇(𝒕)𝒅𝒕 = 𝟏 𝒔𝒊 𝑰=ℝ
𝐱→ 𝐱→

Activité 1 :
1) Soit 𝒇 une fonction constante sur un intervalle [𝒂, 𝒃](𝒂 < 𝑏).
Déterminer sa valeur pour qu’elle soit une densité de probabilité sur [𝒂, 𝒃].

Activité 2 :
𝝀𝒙
Soit 𝝀 un réel strictement positif et 𝒇 la fonction définie sur [𝟎, +∞[ par : 𝒇(𝒙) = 𝝀𝒆
Montrer que 𝒇 est une densité de probabilité sur [𝟎, +∞[
Correction des activités 1 et 2
1) ∫ 𝑓(𝑥)𝑑𝑥 = ∫ 𝑐 𝑑𝑥 = 𝑐(𝑏 − 𝑎) = 1 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 𝑐 = 𝑎𝑙𝑜𝑟𝑠 𝑓(𝑥) =
2) ∫ 𝑓(𝑡)𝑑𝑡 = ∫ 𝜆𝑒−𝜆𝑡 = −𝑒−𝜆𝑡 = 1 − 𝑒−𝜆𝑥 .
𝑥
𝑙𝑖𝑚 ∫0 𝑓(𝑡)𝑑𝑡 = 𝑙𝑖𝑚 1 − 𝑒 = 1 alors 𝑓 est une densité de probabilité sur [0, +∞[
→ →

12 Probabilité
2) La loi uniforme

Définition :
𝟏
Soit [𝒂, 𝒃] , (𝒂 < 𝑏) un intervalle. La fonction 𝒇 définie sur [𝑎, 𝑏] par 𝒇(𝒙) = 𝒃 𝒂
est appelée densité de la
loi de probabilité uniforme sur [𝑎, 𝑏]
On appelle probabilité uniforme sur [𝑎, 𝑏], l’application 𝑷 qui, à tout intervalle [𝒄, 𝒅] inclus dans [𝑎, 𝑏]
𝒅
associe le réel 𝑷([𝒄, 𝒅]) = ∫𝒄 𝒇(𝒙)𝒅𝒙 .

Conséquences :
𝒄
 Pour tout 𝒄 de [𝒂, 𝒃] , 𝑷({𝒄}) = 𝑷 ([𝒄, 𝒄]) = ∫𝒄 𝒇(𝒕)𝒅𝒕 = 𝟎
On dit que l’événement {𝒄} est « quasi- impossible »
Ainsi on a :𝑷 ([𝒄, 𝒅 ]) = 𝑷 ([𝒄, 𝒅 [) = 𝑷(]𝒄, 𝒅]) = 𝑷(]𝒄, 𝒅[)
 Si on note [𝒄, 𝒅] = {𝒙 ∈ [𝒂, 𝒃] 𝒆𝒕 𝒙 ∉ [𝒄, 𝒅]} : complémentaire de [𝒄, 𝒅] dans [𝑎, 𝑏] ; on a ∶
𝒅
𝑷 [𝒄, 𝒅] = 𝟏 − 𝑷([𝒄, 𝒅]) = 𝟏 − 𝒇(𝒕)𝒅𝒕
𝒄
Définition :
On dit qu’une variable aléatoire 𝑿 à valeurs dans un intervalle [𝒂, 𝒃] suit la loi de probabilité uniforme 𝑷 si
tout intervalle [𝒄, 𝒅] inclus dans [𝑎, 𝑏] on a :
𝒅
𝟏 𝒅−𝒄 𝒍𝒐𝒏𝒈𝒖𝒆𝒖𝒓 𝒅𝒆 [𝒄, 𝒅]
𝑷(𝒄 ≤ 𝑿 ≤ 𝒅) = 𝒅𝒕 = =
𝒄 𝒃−𝒂 𝒃−𝒂 𝒍𝒐𝒏𝒈𝒖𝒆𝒖𝒓 𝒅𝒆 [𝒂, 𝒃]

Activité 3 p 89
On considère un mobile M qui se déplace sur un cercle de centre O
à partir d’un point A et qui s’arrête d’une manière aléatoire.
On mesure alors l’angle 𝛼 que fait [𝑂𝐴) avec [𝑂𝑀).
Soit P la probabilité uniforme sur [0,2𝜋] .
Calculer P(0 ≤ X ≤ π) ; P ≤X≤π et P ≤X≤

Correction de l’activité 3 p 89
π 3π π
π 1 π π−4 3 π 3π −4 5
P(0 ≤ X ≤ π) = = ; P ≤X≤π = = ; P ≤X≤ = 2 =
2π 2 4 2π 8 4 2 2π 8

Activité 4 p 90
On suppose que la durée (en minutes) du trajet qui sépare un employé de son travail est une variable
aléatoire X qui suit la loi de probabilité uniforme P sur l’intervalle [30,50]
1) Calculer P(30 ≤ X ≤ 40) et P(X ≤ 43)
0 𝑠𝑖 𝑥 < 30
2) On considère l’application F :𝐼𝑅 → [0,1] définie par 𝐹(𝑥) = 𝑃(30 ≤ 𝑋 ≤ 𝑥) 𝑠𝑖 𝑥 ∈ [30,50] 
1 𝑠𝑖 𝑥 > 50
Déterminer l’expression de F et la représenter.
Correction de l’activité 4 p 90
40 − 30 1 43 − 30 13
1) P(30 ≤ X ≤ 40) = = ; P(30 ≤ X ≤ 43) = =
50 − 30 2 50 − 30 20
x − 30
2) P(30 ≤ X ≤ x) =
20

13 Probabilité
Fonction de répartition

Définition :
Soit 𝑿 une variable aléatoire qui suit une loi de probabilité uniforme 𝑷 sur l’intervalle [𝒂, 𝒃].
On appelle fonction de répartition de 𝑿, la fonction 𝑭 définie sur IR par :
𝑭(𝒙) = 𝑷(𝑿 ≤ 𝒙)
𝟎 𝒔𝒊 𝒙 < 𝑎
𝒙 𝒂
𝑭(𝒙) = 𝒃 𝒂 𝒔𝒊 𝒙 ∈ [𝒂, 𝒃] 
𝟏 𝒔𝒊 𝒙 > 𝑏

Exercice1 :
Le bus passe toutes les quinze minutes à un arrêt précis. Un usage se présente à cet arrêt entre 𝟕 heures et 𝟕
heures 𝟑𝟎. La variable aléatoire 𝑿 sera l’heure exacte de son arrivée à cet arrêt, uniformément répartie sur
l’intervalle [𝟎; 𝟑𝟎].
1) a) Quelle est la probabilité que l’usage attende moins de 𝟓 minutes le prochain bus ?
. b) Quelle est la probabilité qu’il attende plus de dix minutes ?
2) Représenter la fonction de répartition F de 𝑿 dans un repère orthogonal.

Correction de l’exercice 1
15 − 10 30 − 25 1
1) a) P(10 ≤ X ≤ 15) + P(25 ≤ X ≤ 30) = + =
30 30 3
5 − 0 20 − 15 1
b) P(0 ≤ X ≤ 5) + P(15 ≤ X ≤ 20) = + =
30 30 3
0 𝑠𝑖 𝑥 < 0
𝑥
2) 𝐹(𝑥) = 𝑠𝑖 𝑥 ∈ [0,30] 
30
1 𝑠𝑖 𝑥 > 30

3) La loi exponentielle

Définition :
𝝀𝒙
Soit 𝝀 un réel strictement positif. La fonction 𝒇 définie sur [𝟎, +∞[ par 𝒇(𝒙) = 𝝀𝒆 est appelée densité
de loi exponentielle .

On appelle loi de probabilité exponentielle de paramètre 𝝀 , l’application 𝑷 qui


 à tout intervalle [𝒄, 𝒅] inclus dans [0, +∞[ associe le réel
𝒅
𝝀𝒕
𝟏 𝝀𝒕 𝒅
𝑷([𝒄, 𝒅]) = 𝝀𝒆 𝒅𝒕 = 𝝀 − 𝒆 = 𝒆 𝝀𝒄 − 𝒆 𝝀𝒅
𝒄 𝝀 𝒄

 à tout intervalle [𝒄, +∞[ inclus dans [0, +∞[ associe le réel 𝑷([𝒄, +∞[) = 𝒆 𝝀𝒄

Conséquences :
𝒄
 Pour tout 𝒄 > 0 , 𝑷({𝒄}) = ∫𝒄 𝒇(𝒕)𝒅𝒕 = 𝟎
 Pour tout 𝒄 > 0 , 𝑷([𝟎, 𝒄]) = 𝟏 − 𝑷([𝑐, +∞[) = 𝟏 − 𝒆 𝝀𝒄
.

Définition :
On dit qu’une variable aléatoire 𝑿 suit la loi exponentielle de paramètre 𝝀 ,si
𝒅
𝝀𝒕 𝝀𝒄 𝝀𝒅 𝝀𝒄
𝑷(𝒄 ≤ 𝑿 ≤ 𝒅) = 𝝀𝒆 𝒅𝒕 = 𝒆 − 𝒆 𝒆𝒕 𝑷(𝑿 ≥ 𝒄) = 𝒆
𝒄

14 Probabilité
Exercice 2 :
On suppose que la durée de vie en années 𝑿 d’une voiture suit une loi exponentielle de paramètre 0,𝟏.
a) Calculer la probabilité qu’une voiture dure entre 20 et 25 ans.
b) On sait qu’une voiture à duré déjà 10 ans. Quelle est la probabilité que sa durée de vie dépasse 12 ans ?
c) Calculer la probabilité que la durée de vie de la voiture dépasse deux ans
Correction de l’exercice 2
,
𝑎) 𝑝(20 ≤ 𝑋 ≤ 25) = 𝑒 −𝑒 =𝑒 −𝑒
( ) ,
𝑏) 𝑝(𝑋 ≥ 12/𝑋 ≥ 10) = ( )
= =𝑒 =𝑒 .
,
𝑐) 𝑝(𝑋 ≥ 2) = 𝑒 =𝑒 .

Activité 3 p 91
Une variable aléatoire X qui suit une loi exponentielle de paramètre 𝝀.
1) Déterminer 𝝀 sachant que 𝑝(𝑋 ≥ 10) = 0.5
2) Déterminer alors P(0 ≤ X ≤ 0) , P(100 ≤ X ≤ 300) 𝑒𝑡 𝑝(𝑋 ≥ 300)
0 𝑠𝑖 𝑥 < 0  
3) On considère l’application F :𝐼𝑅 → [0,1] définie par 𝐹(𝑥) =
𝑃(0 ≤ 𝑋 ≤ 𝑥) 𝑠𝑖 𝑥 ≥ 0
Déterminer l’expression de F et calculer lim F(x)

Correction de l’activité 3
.
1) 𝑝(𝑋 ≥ 10) = 0.5 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 𝑒 = 0.5 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 𝜆 = = .
2) 𝑝(0 ≤ 𝑋 ≤ 10) = 1 − 𝑒 = 0.5.
𝑝(100 ≤ 𝑋 ≤ 300) = 𝑒 −𝑒 = 𝑒 −𝑒 = − .
𝑝(𝑋 ≥ 300) = 𝑒 =𝑒 = .
0 𝑠𝑖 𝑥 < 0  
3) 𝐹(𝑥) = et 𝑙𝑖𝑚 𝐹(𝑥) = 1
1−𝑒 𝑠𝑖 𝑥 ≥ 0 →

Fonction de répartition
Définition :
Soit 𝑿 une variable aléatoire qui suit la loi de probabilité exponentielle de paramètre 𝝀 .On appelle fonction
de répartition de 𝑿, la fonction 𝑭 définie sur IR par : 𝑭(𝒙) = 𝑷(𝑿 ≤ 𝒙)
𝟎 𝒔𝒊 𝒙 < 0  
𝑭(𝒙) = 𝝀𝒙
𝟏−𝒆 𝒔𝒊 𝒙 ≥ 𝟎

Activité 4 p92
Soit X une variable aléatoire qui suit la loi de probabilité exponentielle de paramètre 𝝀.
Dans la figure ci-contre on a représenté la fonction de répartition de X.
1) Déterminer une valeur approchée du paramètre 𝝀 à 10 𝑝𝑟è𝑠.
2) Calculer 𝑝(𝑋 ≥ 2) et 𝑝(𝑋 < 5/ 𝑋 ≥ 2)

Correction de l’activité 4 p 92
1) 𝐹(1) = 0.85 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 1 − 𝑒 = 0.85 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 𝑒 = 0.15
𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 𝜆 = − ln(0.15) . 𝑢𝑛𝑒 𝑣𝑎𝑙𝑒𝑢𝑟 𝑎𝑝𝑝𝑟𝑜𝑐ℎé𝑒 𝑑𝑒 à 10 𝑝𝑟è𝑠 𝑑𝑒 𝜆 𝑒𝑠𝑡 1.9
2) 𝑝(𝑋 ≥ 2) = 𝑒 = 𝑒 ( . ) = 0.15 = 0.0225 .
( )
𝑝(𝑋 < 5/𝑋 ≥ 2) = ( )
= =1−𝑒 = 1 − 0.15 = 0.996625

A faire exercices 15- 18 pages 96


Exercice 4 Bac 2017(SP) – Exercice 2 Bac 2018 (SP) Fin du chapitre.

15 Probabilité

Vous aimerez peut-être aussi