Proba Stat Cours Et TD Avec Sol (2020-2021)

Université de 20-08-55 de Skikda
Faculté de Technologie
Département de Sciences et Technologie
2ème année ST
Cours et TD Probabilités et Statistiques
(final)
2020-2021
Table des matières
1 Statistique descriptive de dimension un . 4

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Les types de caractères . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Caractère quantitatif discret . . . . . . . . . . . . . . . . . . . 5
1.4.1 Tableau statistique . . . . . . . . . . . . . . . . . . . . 5
1.4.2 Caractéristiques statistiques . . . . . . . . . . . . . . . 7
1.4.3 Représentations graphiques . . . . . . . . . . . . . . . 10
1.5 Caractère quantitatif continu . . . . . . . . . . . . . . . . . . . 12
1.5.1 Tableau statistique . . . . . . . . . . . . . . . . . . . . 12
1.5.2 Caractéristiques statistique . . . . . . . . . . . . . . . . 13
1.5.3 Représentations graphiques . . . . . . . . . . . . . . . 14
2 Analyse combinatoire et calcul de probabilités 16

2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3 Notations et lois de calcul . . . . . . . . . . . . . . . . . . . . 17
2.3.1 Notations . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3.2 Lois de calcul . . . . . . . . . . . . . . . . . . . . . . . 17
2.4 Méthode de travail . . . . . . . . . . . . . . . . . . . . . . . . 19
2.5 Opérations sur les évènements . . . . . . . . . . . . . . . . . . 19
2.6 Calcul des probabilités pour les évenements libres . . . . . . . 19
3 Séries et solutions des travaux dirigés 22

3.1 Statistiques déscriptive de dimension un . . . . . . . . . . . . 22
2
Probabilités et statistiques 2020-2021
3.2 Analyse Combinatoire . . . . . . . . . . . . . . . . . . . . . . 27

3.3 Calcul des probabilités . . . . . . . . . . . . . . . . . . . . . . 31
3
CHAPITRE 1
Statistique descriptive de dimension un .
1.1 Introduction
La statistique despcriptive est une science qui s’intéresse à décrire un phé-
nomène donné (popularité d’un président, niveau des étudiants, propagation
d’une maladie„ ,). On passe souvent par deux étapes
— Étape 1 : Regrouper les donnés dans un tableau et déterminer aprés
des indices représentatives de la situation(Mode, mediane, moyenne
arithmitique„ ,)
— Étape 2 : (La représentation graphique) En utilisant les indices de
l’étape 1 on peut construire un graphisme qui sert á décrire avec pre-
cision la phénomène donné.
1.2 Définitions
Définition 1.1. L’ensemble sur lequel porte l’étude statistique s’appelle po-
pulation (groupe de personnes, des objets...ect) notée Ω. Par exemple, les
étudiants d’une section, les familles des travailleurs, les enseignants d’une
université.
Un élément de Ω est appeller Unité.
Définition 1.2. Un échantillon est un sous-ensemble construit et repré-

sentatif d’une population donnée, noé ω.
4
Exemple 1.1. L’ensemble des femmes algériennes constituent une popula-

tion. Les femmes algérienne nées entre 1962-1970 constituent un échantillon
Définition 1.3. La propriété étudier dans la population s’appelle caractère
, noté X
Définition 1.4. Les différents valeurs Xi qui peut prendre un caractère sont
appelés Modalités.
1.3 Les types de caractères

1. Qualitatif : Un caractère est qualitatif si les modalités ne sont pas
mesurable.
Exemple 1.2. Pour le caractère
(a) Couleur des yeux, les modalités sont : bleu, maron, noir et vert.
(b) Mention au bac, les modalités sont : TB, B, AB, P.
2. Quantitatif : Un caractère est quantitatif si les modalités sont me-
surable, on distingue deux types de caractères quantitatifs :
— Caractère quantitatif discret ; les modalités sont des valeurs
isolées
Exemple 1.3. pour la population travailleurs d’une entreprise et
le caractère nombre d’enfants, les modalités sont {0, 1, 2, 5, 6, . . .}
— Caractére quantitatif continu, Les modalités sont définiie sur
un intervalle [a,b].
Exemple 1.4. On a
(a) Pour la population étudiants d’une section et pour le caractére
la moyenne générale obtenue les modalités appartient à l’inter-
valle [0, 20].
(b) Les tailles des étudiants appartient à l’intervalle [150cm, 190cm]
1.4 Caractère quantitatif discret

1.4.1 Tableau statistique
Soit les modalités {X1 , X2 , . . . Xk }.
Définition 1.5. L’effectif de la valeur Xi c’est le nombre de fois que cette
Xk
valeur se répète dans la population , ce nombre est noté ni . On a ni =
i=1
n = CardΩ
5
Définition 1.6. La somme de tous les efectifs qui précédent l’effectif de la

valeur Xi est appellée effectif cumulé croissant en Xi , ce nombre est
noté
Xi
c
ni %= nj = n1 + n2 + . . . ni .
j=1
Il représente le nombre des modalités inférieure ou égale Xi .
Définition 1.7. L’effectif cumulé décroissant en Xi est donné par
i−1
X
nci &= n − [ nj ] = n − [n1 + n2 + . . . ni−1 ] = n − nci−1 %,
j=1
il représente le nombre des modalités supérieure ou égale Xi .

ni
Définition 1.8. Le nombre noté fi = est appellé fréquence de Xi telle
n
Xk
que fi = 1.
i=1
Définition 1.9. Le nombre
i
X
fic %= fj = f1 + f2 + . . . fi ,
j=1
est appellé fréquence cummulée croissante en Xi , elle représente la pro-

portion des modalités qui sont inférieure ou égale Xi .
Définition 1.10. Le nombre
fic &= 1 − [f1 + f2 + . . . + fi−1 ] = 1 − fi−1
c
%,
est appellé fréquence cummulée décroissante en Xi , elle représente la
proportion des modalités supérieure ou égale Xi .
ni
Définition 1.11. Le nombre fi .100 = .100 donne le pourcentage du mo-
n
dalité Xi .
On présente tout les résultats dans le tableau suivant, en écrivant les
modalités numériques en ordre croissant.
Xi ni nci % nci & fi fic % fic &
X1 n1 n1 n f1 f1 1
X2 n2 n1 + n2 n − n1 f2 f1 + f2 1 − f1
.. .. .. .. ..
. . . . .
Xk nk n nk fk 1 fk
k
X k
X
ni = n fi = 1
i=1 i=1
6
Exemple 1.5. en notant X le nombre d’enfants de 20 familles, on a obtenu

le tableau
0 2 2 3 1 3 4 2 2 3
1 0 1 4 2 2 1 3 1 2
ou la série ordonnée
0011111222222333344,
qui donne le tableau statistique suivant

0 2 2 20 0, 1 0, 1 1
1 5 7 18 0, 25 0, 35 0, 90
2 7 14 13 0, 35 0, 7 0, 65
3 4 18 6 0, 2 0, 9 0, 30
4 2 20 2 0, 1 1 0, 1
20 1
— La population Ω : les 20 famille.

— Le Caractère étudié X : Le nombre d’enfants
— Le type de caractère : Quantitatif discret
— Les modalité du caractère : Xi ∈ {0, 1, 2, 3; 4}
1.4.2 Caractéristiques statistiques

— Caractéristiques de position
Définition 1.12. La valeur X̄ tel que
k k
1X X
X̄ = ni Xi , ou X̄ = f i Xi ,
n i=1 i=1
est appellée moyenne arithmétique.

Dans l’exemple précédent, on a
0.2 + 1.5 + 2.7 + 3.4 + 4.2

X̄ = = 1, 95
20
Remarque 1.1. La moyenne arithmitique permet de réduire toute les
valeurs (les modalités du caractère) à un seul nombre.
Autres caractéristiques statistiques de position sont utilisées sont le
mode et la médiane.
7
Définition 1.13. La valeur du caractère la plus fréquente ou do-

minante dans la population est appellée mod de la serie statistique.
D’autre terme c’est la valeur de l’effectif le plus élevé, on le note M od.
On peut avoir plus qu’un mode si on a des éffectifs éguaux.
Dans l’exemple 1.5 M od = X3 = 2, puisque n3 = 7 est l’effectif le plus
élevé.
Définition 1.14. Soit une serie statistique ordonnées.
— Si le nombre de données n = CardΩ est impair :
c’est-à-dire n = 2p + 1, alors la médiane , notée M est la moda-
lité qui sépare la série en deux, donc l’élément qui se trouve dans
l’ordre p + 1.
En utilisant le tableau : On cherche la valeur de nci % tel que
nci−1 %< (p + 1) ≤ (nci %)
et donc
M = Xi , La modalité correspendante à nci % .
Exemple 1.6. Pour la série suivante 777332224411999,

on a 15 = 2.7 + 1 et La série ordonnée s’écrit
112223344777999,
donc la médiane est 4, car elle se trouve dans la position p + 1 = 8

est 4 (on a 7valeurs avant et 7 valeurs après.)
En utilisant le tableau statistique de la serie précédente
Xi ni nci %
X1 = 1 2 2
X2 = 2 3 5
X3 = 3 2 7
X4 = 4 2 9
X5 = 7 3 12
X6 = 9 3 15
Puisque n = 15 = 2.7 + 1, donc p = 7 et on a
(nc3 %= 7) < (p + 1 = 8) ≤ (nc4 %= 9),

donc
M = X4 = 4, la modalité correspendante à nc4 % .
8
— Si le nombre de données n est pair : c’est à dire n = 2p, alors

la médiane est la moyenne des deux modalités qui se trouvent à
l’ordre p et à l’ordre p + 1 de la série ordonnées.
En utilisant le tableau : On cherche la valeur de nci % tel que
nci−1 %< p + 1 ≤ nci %
et la valeur de ncj % tel que
ncj−1 %< p ≤ ncj %,
on obtient donc
Xi + Xj
M= ,
2
telle que
Xi la modalité corresponde à, nci %, Xj la modalité corresponde à, ncj % .
Exemple 1.7. Dans l’exemple 1.5 sur la population de 20 familles

on a la serie est
00111112222222333344,
puisque le nombre des données est 20 = 2p = 2.10(pair) alors
p = 10 la modalité dans l’ordre 10 est 2 et la modalité dans l’ordre
2+2
p + 1 est 2 et donc la médiane est
2
En utilisant le tableau statistique
Xi ni nci %
X1 = 0 2 2
X2 = 1 5 7
X3 = 2 7 14
X4 = 3 4 18
X5 = 4 2 20
20
On remarque que p = 20 = 2.10, donc p = 10.
On cherche sur le tableau la valeur de nci % tel que
(nci−1 %= nc2 %= 7) < (p + 1 = 10 + 1) ≤ (nci %= nc3 %= 14),
On prend la modalité correspendante à nc3 % qui est Xi = X3 = 2.

On cherche sur le tableau la valeur de ncj % tel que
(ncj−1 %= nc2 %= 7) < (p = 10) ≤ (ncj %= nc3 %= 14),
9
On prend la modalité correspendante à nc3 % qui est Xj = X3 = 2.
On a trouver les deux modalités Xi = Xj = X3 = 2 et donc la

médiane est donnée par
X3 + X 3 2+2
M= = = 2.
2 2
— Caractéristiques de dispersion ;
Les caractétristiques de position ne suffit pas pour résumer tout les
données. Pour le voir, considérons les deux séries :
série1 : 2 2 50 98 98
série2 : 44 44 50 56 56.
Ces deux séries ont la même moyenne et la même médiane qui est 50,
pourtant la dispersion des données par rapport à 50 est très différente.
On va introduire justement la variance,lécart-type. C’est des caracté-
ristique qui nous donnent la distance moyenne entre les valeurs d’une
série et sa valeur moyenne.
Définition 1.15. La variance c’est l’écart des valeurs à leur moyenne
arithmétique , il sert à musurer la dispersion des modalités par rapport
à leur moyenne et on a
k
1X
V ar(X) = ni (Xi − X̄)2 .
n i=1
Dans l’exemple 1.5 on a

1
V arX = [2(0−1, 95)2 +5.(1−1, 95)2 +7.(2−1, 95)2 +4.(3−1, 95)2 +.(4−1, 95)2 = 1, 25.
10
p
Définition 1.16. L’ecart type p est donné par σ X = V ar(X)
Dans l’exemple 1.5 on a σX = 1, 25 = 1, 12
1.4.3 Représentations graphiques

Le diagramme en bâtons est adapté à l’étude d’un caractère quantitatif
discret. On représente les modalités sur l’axe OX et de chaque modalité soit
un batton vertical. Et pour la hauteur du batton on peut choisir soit l’effectif
ou la fréquence de la modalité. Les hauteurs des bâttons sont proportionnelles
aux effectifs(ou aux fréquences).
10
11
1.5 Caractère quantitatif continu

1.5.1 Tableau statistique
Supposons que Xi ∈ [a, b] et pour n = CardΩ
La distribution d’effectifs et de fréquences dans le cas continu s’effectue suite
à un regroupement en k classe d’égale amplitudes,
[a0 , a1 [, [a1 , a2 [, . . . [ak−1 , ak ], avec a0 = a, ak = b,

Comme suit
La classe ci ni nci % nci & fi fic % fic &
[a0 , a1 [ c1 n1 n1 n f1 f1 1
[a1 , a2 [ c2 n2 n1 + n2 n − n1 f2 f1 + f2 1 − f1
.. .. .. .. .. ..
. . . . . .
[ak−1 , ak ] ck nk n nk fk 1 fk
k
X k
X
Total ni = n fi = 1
i=1 i=1
1. ni : Le nombre d’individus appartenant à la ième classe.

ai + ai+1
2. ci : Le centre de la ième classe, c’est-à-dire ci = .
2
3. fi : La proportion d’individus appartenant à la ième classe.
4. fi .100 Le pourcentage d’individus appartenant à la ième classe.
5. nci % : éffectif cumulé croissant à la ième classe, représentant le nombre
d’individus ayant X ≤ ai+1 .
6. fic % : La fréquence cumulé croissant à la ième classe, représentant la
proportion des individus ayant X ≤ ai+1 .
7. nci & : éffectif cumulé décroissant à la ième classe, représentant le
i−1
X
nombre d’individus ayant X ≥ ai+1 .[nci &= n − nl ]
l=1
8. fic& : la fréquence cumulé décroissant à la ième classe, représentant
Xi−1
c
la proportion des individus ayant X ≥ ai+1 .[fi &= 1 − fl ].
l=1
Remarque 1.2. C’est on a (n) résultats non regrouper et aprés avoir or-
donner les modalités, nous passons au regroupement par classes d’égale em-
e
plitude, suivant la relation ` = , où e = Xmax − Xmin et m et l’entier
√ m
supérieur à n
12
Exemple 1.8. Le taux de réussite au Baccalauréat observé au sein de 32

lycées est donné ci-déssous ; 0,58, 0,63, 0,63, 0,63, 0,64, 0,66, 0,67, 0,68,
0,68, 0,70, 0,70, 0,71, 0,73, 0,74, 0,74, 0,75, 0,77, 0,79, 0,80, 0,85, 0,87,
0,90, 0,93, 0,94, 0,94, 0,95, 0,97, 0,97, 0,98, 0,98, 0,99, 1,00
1. Quel est le caractère étudier ? Donner sa nature ?
2. Répartir les résultats en classe d’égale emplitude.
3. Donner le tableau statistique
Réponse :
Le caractère étudié : le taux de réussite au baccalauréat, sa nature est
quantitatif continu.
e
L’amplitude des classes est : ` = , où
m
√ √
e = 1−0, 58 = 0, 42. n = 32 = 5, 65, donc m = 6, døù ` = 0, 07
Le tableau statistique est (fi est en pourcentage,)
Xi ci ni nci % nci & fi .100 fic % .100 fic & .100

[0, 58, 0, 65[ 0, 62 5 5 32 15, 6 15, 6 100
[0, 65, 0, 72[ 0, 68 7 12 27 21, 8 37, 4 84, 4
[0, 72, 0, 79[ 0, 75 5 17 20 15, 6 53 62, 6
[0, 79, 0, 86[ 0, 82 3 20 15 9, 3 62, 3 47
[0, 86, 0, 93[ 0, 89 2 22 12 6, 2 68, 5 37, 7
[0, 93, 1] 0, 97 10 32 10 31, 2 ≈ 100 31, 2
Totale 32 100
1.5.2 Caractéristiques statistique

— Caractéristiques de position
Définition 1.17. La valeur X̄ tel que
k k
1X X
X̄ = ni ci , ou X̄ = f i ci ,
n i=1 i=1
est appellée moyenne arithmétique

Dans l’exemple 1.8 on a X̄ = 0, 78
Définition 1.18. On appelle classe modale, la classe [ak , ak+1 [, qui
a le plus grand efféctif. Le mode est alors ck , le centre de cette classe :
ak + ak+1
M od =
2
13
Dans l’exemple1.8 puisque n6 = 10 la classe modale est [a5 , a6 ] =

0, 93 + 1
[0, 93, 1] . Donc M od = = 0, 97.
2
Définition 1.19. Pour CardΩ = n. La classe médiane est la classe
[am , am+1 [ pour laquelle
n
ncm %<
≤ ncm+1 % .
2
Définition 1.20. La médiane est la valeur M ∈ [am , am+1 [ telle que
n
− ncm %
M = am + `[ 2 ],
nm+1
— am est la borne inférieure de la classe médiane.
— ` est l’amplitude des classes.
— nm+1 est l’effectif de la classe médiane
— ncm % est l’effectif cumulé de la classe inférieure à la classe mé-
diane.
n
Dans l’exemple 1.8. On n = 32 donc = 16 et puisque nc2 %= 12 <
2
16 ≤ nc3 %= 17, on a donc la classe médiane et la classe associée à
nc3 %= 17 qui est [0, 72, 0, 79[ et donc
16 − 12
M = 0, 72 + [0, 07 = 0, 78]
5
— Caractéristiques de dispersion ;
Définition 1.21. La variance c’est l’écart des valeurs à leur moyenne

arithmitique , il sert à musuré la dispértion et on a
k
1X
V ar(X) = ni (ci − X̄)2 .
n i=1
Dans l’exemple 1.8 on a V arX = 0, 014 p

Définition 1.22. L’ecart typep est donné par σ X = V ar(X)
Dans l’exemple 1.8 on a σX = V ar(X) = 0, 12
1.5.3 Représentations graphiques

Pou l’édude des caractéres quantitatif continu on utulise l’histograme
Définition 1.23. L’histograme est un diagramme composé de rectangles dont
les aires sont proportionnelles aux effectifs (ou aux fréquences) et dont les
bases sont déterminées par les intervalles de classes.
14
Exemple 1.9. Soient les données suivantes relevées sur 100 étudiants de
ST :
Compléter ce tableau statistique
La taille (Cm) ci ni nci % nci & fi fic % fic &
[150, 160[ 5
[160, 170[ 10
[170, 180[ 40
[180, 190[ 30
[190, 200] 15
15
CHAPITRE 2
Analyse combinatoire et calcul de probabilités
2.1 Introduction
L’analyse combinatoire est un ensemble de techniques mathématiques
qui servent à compter le nombre d’éléments d’un ensemble fini (souvent de
cardinalité grande).
2.2 Application
Dans ce cours, on va appliquer l’analyse combinatoire pour compter le
nombre de possibilités pour une expérience aléatoire : C’est une éxpérience
dont on ne peut pas savoir d’avance le résultat exacte
Exemple 2.1. On a
1. Le chiffre qui va apparaitre après le lancement d’un dé équilibré à 6

faces.
2. Le lancement d’une piece de monnaie (pile ou face)
On va utiliser principalement deux notions : Arrangement et combinaison.
16
2.3 Notations et lois de calcul

2.3.1 Notations
Pour la suite du cours, on note par
1. n : l’effectif total de l’ensemble concerné par l’expérience aléatoire.
2. Ω : L’ensemble de toutes les possibilités de l’expérience, on l’appelle
univers ou espace fondamental. Le nombre des éléments de Ω est
appellé cardinal Ω, il est noté Card(Ω).
3. Un sous-ensemble de Ω est appellé événement, on le note A, B, . . . .
Le nombre des éléments de A est noté Card(A).
4. p : Le nombre des éléments choisis (tirer) parmi n éléments de l’en-
semble de l’expérience
5. n! = n.(n − 1).(n − 2). . . . 2.1 On dit Factoriel n. On a par convention
0! = 1, 1! = 1.
2.3.2 Lois de calcul

Le cardinal de Ω ou d’un événement particulier A dépend du type de
l’expérience.
1. Experience ordonnée
(a) Le nombre d’arrangements de p éléments parmi n éléments avec
répétition est le nombre
np .
Exemple 2.2. Combien de mots de 3 lettres peuvent être formés
dans l’ alphabet français de 26 lettres ?
Réponse : Remarquons içi que
— n = 26, p = 3.
— L’ordre est important dans un mots.
— On peut répéter une lettre dans un mots
On a donc
np = 263 = 17576 cas possibles.
(b) Le nombre d’arrangements de p éléments parmi n sans répétition
est le nombre
n!
Apn = .
(n − p)!
Exemple 2.3. 15 candidats se présentent à un concours. De com-
bien de façons différentes seront classées les trois premiers ?
17
Réponse : Il s’agit d’ordonner p = 3 candidats parmi n = 15,

sans répétition, donc on a un arrangement sans répétition
15! 15!
Apn = A315 = = = 15.14.13 = 2730.
(15 − 3)! 12!
Remarque 2.1. Pour le cas particulier p = n, l’arrangement sans
répétition est appellé permutation sans répétition notée
n!
Pn = Ann = = n!.
0!
Exemple 2.4. quel est le nombre de manières d’ordonner les trois
chiffres {1, 2, 3} ?
Réponse : Le nombre de manières est
P3 = 3! = 6.
Les manières sont {1, 2, 3}, {1, 3, 2}, {2, 1, 3},

{2, 3, 1}, {3, 1, 2}, {3, 2, 1}.
2. Experiences non ordonnées
(a) Le nombre de combinaisons de p éléments parmi n éléments sans
répétition est le nombre
n!
Cnp = .
p!(n − p)!
Exemple 2.5. Soit E un ensemble contenant 4 éléments, E =
{a, b, c, d}, on veut trouver le nombre de sous-ensemble contenant
2 lettres qu’on peut former à partir des éléments de E.
Réponse : On a
— n = 4, p = 2.
— L’ordre n’est pas important
— Pas de répétition dans un ensemble.
Donc le nombre de combinaisons de 2 lettre parmi 4 lettres est
4!
C42 = = 6, Il y a 6 sous- ensembles différents
2!.(4 − 2)!
(b) Le nombre de combinaisons de p éléments parmi n avec répétition

est :
p (n + p − 1)!
Cn+p−1 = .
p!(n − 1)!
18
2.4 Méthode de travail

Pour toute expérience il faut connaitre :
1. L’effectif total n et le nombre de tirage p.
2. Appliquer le chéma suivant :
 

  Avec répétition np

Ordonnée n!
 Sans répétition Apn =



(n − p)!


 
L’expérience est p (n + p − 1)!
 avec répétition Cn+p−1 =


p!(n − 1)!


Non ordonnée



 p n!
 sans répétition Cn =

 

p!(n − p)!

2.5 Opérations sur les évènements

Soit A et B deux événements de Ω.
1. A ∩ B : signifie que les deux événements A et B sont réalisé en même
temps, et on a
Card(A ∩ B) = CardA × CardB.
2. A ∪ B : signifie que A est réalisé ou B est réalisé et on a
Card(A ∪ B) = CardA + CardB − Card(A ∩ B).
3. Si (A ∩ B) = Φ, on dit que les événements A et B sont incompatibles

et on aura :
Card(A ∪ B) = CardA + CardB.
4. Ā : est l’événement complémentaire de A et on a
CardĀ = CardΩ − CardA.
2.6 Calcul des probabilités pour les évenements

libres
Rappelons que Ω = {A, B, C, ...} l’univers de tout les événements d’une
éxpérience aléatoire.
19
Définition 2.1. Une probabilité est une application définie comme suit
P : Ω −→ [0, 1]
Card(A)
A −
7 → P (A) =
Card(Ω)
Propriété 2.1. On a
1. P (Ω) = 1, (Ω est l’événement certain).
2. Si P (A) = 0, alors A est appellé événement impossible.
3. P (A ∩ B) = P (A) × P (B). Et on a A et B sont incompatibles si, et
seulement si P (A ∩ B) = 0.
4. P (A ∪ B) = P (A) + P (B) − P (A).P (B).
5. P (Ā) = 1 − P (A).
Exemple 2.6. Dans une classe de 32 éléves, on compte 19 garçons et 13
filles, on veut choisir deux délégués
1. Quel est le nombre de choix possibles ?
2. Quel est le nombre de choix si l’on impose un garçon et une fille ?
Donner la probabilité de cet événement.
3. Quel est la probabilité d’avoir au moins un garçon ?
4. Calculer par deux méthodes la probabilité d’avoir deux filles.
Réponse :
— n = 32 = 19 G + 13 F, p = 2.
— L’expérience n’est pas ordonnée (l’ordre n’est pas important pour les
délégués).
— On ne peut pas choisir deux fois le même éléve (pas de répétition).
1. Le nombre de choix possible est
2 32! 32.31.30!
CardΩ = C32 = = = 16.31 = 496.
2!.(32 − 2)! 2.30!
2. Soit
C : l’événement avoir un garçon et une fille. Alors C = A1 ∩ A2 , avec
A1 : l’événement avoir un garçon, A2 : l’événement avoir une fille.
Donc
1 1
CardC = Card(A1 ∩ A2 ) = CardA1 × CardA2 = C19 × C13 = 247.
D’où
CardC 247
P (C) = = = 0, 50.
CardΩ 496
20
3. Soit
D : l’événement avoir au moins un garçon, c’est-à-dire avoir un garçon
ou deux garçon. Donc
D = D1 ∪ D2 , tel que
D1 : l’événement avoir un garçon, D2 : l’événement avoir deux garçons.
D’où
P (D) = P (D1 ) + P (D2 ) − P (D1 ∩ D2 ),
puisque D1 et D2 sont incompatible alors P (D1 ∩ D2 ) = 0 et donc
1 1 2
(C19 × C13 ) + C19
P (D) = P (D1 ) + P (D2 ) = 2
= 0, 84.
C32
4. — Première méthode : Soit F : l’événement avoir deux filles (pas

de garçon) . Remarquons que F = D̄ : l’événement complémentaire
de D (l’événement avoir au moins un garçon), donc
P (F ) = 1 − P (D) = 1 − 0, 84 = 0, 16.
— Deuxième méthode Soit F : l’événement avoir deux filles. Donc

CardF C2 78
P (F ) = = 13
2
= = 0, 16.
CardΩ C32 496
21
CHAPITRE 3
Séries et solutions des travaux dirigés
3.1 Statistiques déscriptive de dimension un
Exercice 1 :
Les résultats d’examens de mathematiques d’un groupe de 40 étudiants sont
donnés par le tableau suivant
0 2
3, 5 8
7, 5 5
9 10
10, 5 4
15 11
1. Quelle est la population et le caractère étudiés.

2. Completer le tableau
(a) Donner le nembre des étudiants qui ont une note inférieur ou égale
à 7,5.
(b) Quel est le pourcentage des étudiants qui ont une note supérieure
ou égale à 10,5.
3. Donner la moyenne arithmétique et la médiane de ce tableau.
22
4. Calculer la variance. En déduire l’écart type.

5. Représenter graphiquement, par un diagrame en batons les résultats
du tableau précédent.
Réponse :
1. La population étudiée est le groupe de 40 étudiants et le caractère

étudié est la note de l’examen de maths.
2. Le tableau complet :
Xi ni nci % nci & fi × 100 fic % ×100 fic & ×100
0 2 2 40 5 5 100
3, 5 8 10 38 20 25 95
7, 5 5 15 30 12,5 37,5 75
9 10 25 25 25 62,5 62,5
10, 5 4 29 15 10 72,5 37,5
15 11 40 11 27,5 100 27,5
40 100
Méthodes des calculs pour les éléments du tableau :
(a) nc1 %= n1 , nc2 %= n1 + n2 , nc3 %= n1 + n2 + n3 = nc2 % +n3 , . . .
Exemple du tableau : nc5 %= n1 + n2 + n3 + n4 + n5 = nc4 %
+n5 = 25 + 4 = 29. ça signifie que 29 étudiants ont une note
inférieure ou égale à 10, 5 ( car 29 est dans la ligne de la note
10, 5).
(b) nc1 &= n = 40, nc2 &= n − n1 = 38, nc3 &= n − (n1 + n2 ) = nc2 &
−n2 = 38 − 8 = 30, nc4 &= n − (n1 + n2 + n3 ) = nc3 & −n3 =
30 − 5 = 25, . . ..
Exemple du tableau : nc4 &= 25 est dans la ligne de la note
x4 = 9, ça signifie que 25 édudiants ont une note supérieure ou
égale 9.
n1 n1
(c) f1 = = 0, 05 le pourcentage est donné par f1 ×100 = ×100 =
n n
5
0, 05 × 100 = 5. f3 × 100 = × 100 = 12, 5.
40
Exemple du tableau : Comme f3 × 100 = 12, 5 est dans la ligne
de la note x3 = 7, 5 du tableau, cela veut dire que 12, 5/100 des
étudiants ont une note de : 7, 5 .
(d) f1c % ×100 = f1 ×100 = 5, f2c % ×100 = (f1 +f2 )×100 = 5+20 =
25, f3c % ×100 = (f1 + f2 + f3 ) × 100 = (f2c % +f3 ) × 100 =
25 + 12, 5 = 37, 5
23
Exemple du tableau : Comme f3c % ×100 = 37, 5 est dans la

ligne de la note x3 = 7, 5 du tableau, cela veut dire que (37, 5 pour
100) des étudiants ont une note ≤ 7, 5 .
(e) f1c & ×100 = 100 f2c & ×100 = (f − f1 ) × 100 − 5 = 95, f3c &
×100 = (f − (f1 + f2 )) × 100 = (f2c & −f2 ) × 100 = 95 − 20 = 75,
. . ., f6c & ×100 = (f5c & −f5 ) × 100 = 27
Exemple du tableau : Comme f6c & ×100 = 27, 5 est dans la
ligne de la note x6 = 15 du tableau, cela veut dire que 27, 5(pourcentage)
des étudiants ont une note ≥ 7, 5 .
— Le nombre des étudiants qui ont un note inférieur ou égale
7,5 : Puisque 7, 5 est associée à x3 , on passe au tableau et on
cherche la valeur de nc3 %= 15. Donc le nombre des étudiants qui
ont un note inférieure ou égale 7,5 est 15 étudiants.
— Le pourcentage des étudiants qui ont une note supérieur
ou égale à 10,5 : Puisque 10, 5 est associée à x5 , on passe au ta-
bleau et on cherche la valeur de f5c &= 37, 5. Donc le pourcentage
des étudiants qui ont un note supérieur ou égale 10,5 est 37, 5.
3. La moyenne arithmétique et la médiane de ce tableau :
n1 .x1 + n2 .x2 + . . . nk .xk
X= ,
n
d’où
(2.0) + (3, 5.8) + (7, 5.5) + (9.10) + (10, 5.4) + (15.11)
X= = 9, 06.
40
Pour la médiane, puisque n = 40 = 2.20. Donc pour p = 20 on passe
au tableau et on a
nc3 % 15 < p = 20 ≤ 25 = nc4 %, et
nc3 % 15 < p + 1 = 21 ≤ 25 = nc4 %,

donc
x4 + x4 9+9
M= = = 9.
2 2
4. Calcule de la variance et l’écart type :
n1 .(x1 − X)2 + n2 .(x2 − X)2 + . . . nk .(xk − X)2

V ar(X) = = 21, 35.
n
Donc l’écart-type p
σX = 21, 35.
24
Exercice 2 :
L’ors d’un controle de police sur l’autoroute, un agent a relevé les vitesses
(Km/h) de 60 voiture.On a donc le tableau suivant
Les classes ni nci % nci & fi fic % fic &
[90, 100[ 4
[100, 110[ 8
[110, 120[ 11
[120, 130[ 16
[130, 140[ 10
[140,150[ 7
[150,160] 4
Total
1. Quelle est la population et le caractère étudier ? quelle est sa nature ?
2. Completer le tableau.
(a) Donner le nembre de voitures qui ont une vitesse inférieur ou égale
130.
(b) Quel est le pourcentage des voitures qui ont une vitesse égale 140.
3. Donner la moyenne arithmétique et la médiane de ce tableau.
4. Calculer la variance et en déduire l’écart type.
5. Tracer l’histrogramme des résultats du tableau précédent
Réponse :
1. La population : 60 voitures . Le caractère : le vitesse. La nature du
caractère : quantitatif continu.
2. Le tableau complet :
Les classes Ci ni nci % nci & fi fic % fic &
[90, 100[ 95 4 4 60 0,06 0,067 1
[100, 110[ 105 8 12 56 0,133 0,2 0,933
[110, 120[ 115 11 23 48 0,183 0,38 0,8
[120, 130[ 125 16 39 37 0,267 0,650 0,617
[130, 140[ 135 10 49 21 0,167 0,817 0,35
[140,150[ 145 7 56 11 0,117 0,933 0,183
[150,160] 155 4 60 4 0,067 1 0,067
Total 60 1
(a) Le nembre de voitures qui ont une vitesse inférieur ou
égale 130 :
La valeur 130 est la valeur supérieur de la classe [a3 = 120, a4 =
25
130[, donc le nembre de voitures qui ont une vitesse inférieur ou

égale 130 est nc4 %= 39 voitures.
(b) Le pourcentage des voitures qui ont une vitesse égale 140 :
La valeur 140 est la valeur supérieur de la classe [a4 = 130, a5 =
140[, donc le pourcentage des voitures qui ont une vitesse égale
140 est f5 .100 = 16, 7.
3. La moyenne arithmétique et la médiane de ce tableau :
— La moyenne arithmétique
n1 .c1 + n2 .c2 + . . . nk .ck
X= = 124, 5
n
— La médiane de ce tableau : Pour la médiane on a n = 60, donc
n
= 30 on passe au tableau et on a
2
n
nc3 %= 23 < = 30 ≤ 39 = nc4 %,
2
donc la classe médiane est [am−1 , am [= [a3 , a4 [= [120, 130[ et pour
` = am − am−1 = 10, la médiane est donnée par
n
− ncm−1 % 30 − 23
M = am−1 + `( 2 ) = 120 + 10.( ) = 124, 5.
nm 16
4. La variance et l’écart type :
n1 .(C1 − X)2 + n2 .(C2 − X)2 + . . . nk .(Ck − X)2

V ar(X) = = 254, 74.
n
Donc l’écart-type
p
σX = V ar(X) = 15, 96.
26
3.2 Analyse Combinatoire
Exercice 1 :
1. Combien peut-on former de numéros de téléphone à 8 chiffres ?
2. Combien peut-on former de numéros de téléphone à 8 chiffres avec le
premier chiffre est paire ?
Réponse :
L’effectif total n = 10 est le nombre de tout les chiffres, p = 8 est le nombre
des chiffres d’un numéro de téléphone. Dans un numéro de téléphone l’ordre
est important par exemple
06 15 12 .... 6= 06 12 15 ....,
on peut répéter un chiffre par exemple 06 55 66 ....
Donc
1. Ω : "l’ensemble de tout les numéros de téléphone à 8 chiffres
parmi les 10 chiffres". Alors Card(Ω) est un arrangement avec ré-
pétition, c-à-d
Card(Ω) = 108 Possibilités.
2. A est l’événement :" Avoir de numéros de téléphone avec le
premier chiffre est paire"
— Le premier chiffre est choisi parmi {0, 2, 4, 6, 8}, donc 5 possibilités.
— Et les 7 chiffres choisi parmi 10 chiffres car le premier peut-être
choisi de nouveau.
Donc on a :
5 × 107 possibilités.
Exercice 2 : A l’occasion d’une compétition sportive groupant 18 athlètes,

on attribue une médaille d’or, une d’argent, une de bronze.
1. Combien y-a-t-il de distributions possibles (Avant la compétition, bien-
sûr...) ?
Réponse :
L’effectif total est n = 18 (le nombre total d’athlètes). p = 3 ( le nombre
d’athlètes choisis pour les médailles). L’expérience est ordonnée car les mé-
dailles n’ont pas la même valeur. Un athlète ne peut pas être choisis deux
fois, c-à-d on a pas de répétition. Donc pour
Ω : l’ensemble de tout les distributions possibles alors
18!
Card(Ω) = A318 = ! = 18.17.16 = 4896.
18 − 3
27
Exercice 3 : Un clavier de 9 touches :A,B,C,1,2,3,4,5,6, permet de composer

le code d’entrée d’un immeuble, à l’aide d’une lettre suivie d’un nombre de
3 chiffres distincts ou non.
1. Combien de codes différents peut-on former ?
2. Combien y-a-t-il de codes sans le chiffre 1 ?
3. Combien y-a-t-il de codes comportant au moins une fois le chiffre 1 ?
4. Combien y-a-t-il de codes comportant des chiffres distincts ?
5. Combien y-a-t-il de codes comportant au moins deux chiffres iden-
tiques ?
Réponse :
1 2 3
L’effectif total n = 9 nombre de touches de clavier 4 5 6 , p = 4 une
A B C
lettre suivie d’un nombre de 3 chiffres. L’ordre est important dans les codes
(A123 6= A213. ) On peut répéter un chiffre après le choix d’un lettre.
1. Ω : "L’ensemble des codes possibles", Card(Ω) est un arrangement

avec répétition alors on a une lettre parmi 3 et 3 chiffres parmi 6
chiffres d’où
Card(Ω) = 3 × 63 = 648.
2. A :"Avoir des codes sans le chiffre 1".
( On choisit un lettre parmi 3 ) et (3 chiffre parmi 2,3,4,5,6), donc on
a
Card(A) = 3 × 53 = 375 codes
3. B :"Avoir des codes comportant au moins une fois le chiffre
1" Remarquant que l’événement B est l’événement contraire de l’évé-
nement A, donc
Card(B) = Card(Ω) − Card(A) = 648 − 375 = 273 codes
4. C :"Avoir des codes comportant des chiffres distincts".

Dans le cas de l’événement "C" on a pas de répétition pour les chiffres,
donc
6!
Card(C) = 3 × A36 = 3 × = 3 × 120 = 360.
(6 − 3)!
5. D :"Avoir des codes comportant au moins deux chiffres iden-

tiques".
28
REmarquons que "D" est l’événement contraire de "C". On peut noter

"D"="C", donc
Card(D) = Card(C) = Car(Ω) − Card(C) = 648 − 360 = 287 codes
Exercice 4 :
1. Combien de groupe de 3 étudiant peut-on former d’une section de 40
étudiants ?
Réponse :
n = 40 l’effectif total (nombre d’étudiants dans la section. p = 3 ( nombre
d’étudiants dans chacun des groupe). L’ordre n’est pas important dans les
groupes et on a pas de répétition.
Soit Ω : "l’ensemble de tout les groupes possible". Card(Ω) est une
combinaison de 3 étudiants parmi les 40. Donc
3 40! 40.39.38
Card(Ω) = C40 = = = 9880 groupes.
(40 − 3)!3! 6
Exercice 5 : Une salle d’attente contient 10 femmes et 5 hommes.

1. Combien de façons peut-on choisir 3 femmes et 2 hommes ?
Réponse :
L’effectif total n = 15 % 10 femmes
& 5 hommes .
Nombre de choix p = 5 % 3 femmes
& 2 hommes .
L’ordre n’est pas important et on a pas de répétition.
Soit Ω : "L’ensemble de tout les choix possibles de 3 femmes et 2
hommes".
5! 10!
Card(Ω) = C52 × C10
3
= × = 10 × 120 = 1200.
(5 − 2)!2! (10 − 3)!3!
Exercice 6 : (exercice de cour)

On veut choisir deux délégués d’une classe de 19 garçons et 13 filles.
1. Quel est le nombre de choix possibles ?
2. Quel est le nombre de choix si l’on impose un garçon et une fille ?
3. Quel est le nombre de choix si l’on impose 2 garçons ?
Exercice 7 : On constitue un groupe de 6 personnes choisies parmi 25
femmes et 32 hommes
1. De combien de façons peut-on constituer ce groupe de 6 personnes ?
29
2. De combien de façons peut-on constituer un groupe des hommes seule-

ment ?
3. De combien de façons peut-on constituer un groupe de femmes seule-
ment ou d’hommes seulement ?
4. De combien de façons peut-on constituer un groupe qui contient au
moins une femme et au moins un homme ?
Réponse :
L’effectif total n = 57% 25 femmes
& 32 hommes .
L’effectif de chaque groupep = 6 .
Remarquons que dans un groupe l’ordre n’est pas important et pas de répé-
tition.
1. Ω : "l’ensemble de tout les groupes de 6 personnes possible".
Card(Ω) est une combinaison sans répétition, d’où
6 57!
Card(Ω) = C57 = = 36288252.
(57 − 6)!6!
2. L’événement A "Avoir des groupes des hommes seulement".
6
Card(A) = C32 = 906192.
3. L’événement B "Avoir des groupes de femmes seulement ou
d’hommes seulement"
"B"="Avoir des groupes de femmes seulement" ou "Avoir
des groupes d’hommes seulement"=B1 ∪ A. Où B1 ”"Avoir des
groupes de femmes seulement".
Donc
Card(B1 ∪ A) = Card(B1 ) + Card(A) − Card(B1 ∩ A).
Puisque B1 et A sont incompatible alors Card(B1 ∩ A) = 0. Alors
6
Card(B) = Card(B1 ∪ A) = C25 + 906192 = 1083292.
4. L’événement C " Avoir des groupes qui contient au moins une
femme et au moins un homme"
On remarque que
C : "Avoir des groupes qui ne contient pas de femme ou ne contient
pas d’ homme". On a aussi
C : "Avoir des groupes qui contient des hommes seulement ou contient
des femmes seulement"=B, donc
Card(C) = Card(Ω) − Card(B) = 35204960.
30
3.3 Calcul des probabilités
Exercice 1 :
Dans une examen de médcine, l’étudiant doit choisir 3 questions parmi 80
questions
1. Combien de possibilité d’examen on peut avoir ?
2. Un étudiant à rivisé seulement 50 questions
(a) Quelle est la probabilité que l’étudiant tombe sur 3 questions qu’il
a révisé.
(b) Quelle est la probabilité que l’étudiant tombe sur 2 questions qu’il
a révisé.
(c) Quelle est la probabilité que l’étudiant tombe sur une question
qu’il a révisé.
(d) Quelle est la probabilité que l’étudiant ne tombe sur aucune ques-
tion qu’il a révisé.
Réponse :
n = 80 c’est l’effectif total, p = 3 est le nombre choisis.
1. Possibilité d’examens qu’on peut avoir : est le nombre de choisir 3
questions parmi 80, sans tenir compte ni de l’ordre ni de la répétition
donc c’est une combinaison sans répétition. Si on note
Ω : L’ensemble de tout les possibilités,
alors
3
CardΩ = C80 = 82160.
2. Pour un étudiant qui à rivisé seulement 50 questions
(a) La probabilité de l’événement A : "l’étudiant tombe sur 3
questions qu’il a révisé" est
3 50!
Card(A) = C50 = = 19600,
(50 − 3)!.3!
donc
Card(A)
P (A) = = 0, 24.
Card(Ω)
(b) La probabilité de l’événement B : "l’étudiant tombe sur 2
questions qu’il a révisé" est
2 1
Card(B) = C50 × C30 = 1225 × 30 = 36750,
31
donc
Card(B)
P (B) = = 0, 45.
Card(Ω)
(c) La probabilité de l’événement C : "l’étudiant tombe sur une
question qu’il a révisé" est
1 2
Card(C) = C50 × C30 = 50 × 435 = 21750,
donc
Card(C)
P (C) = = 0, 25.
Card(Ω)
(d) La probabilité de l’événement D : "l’étudiant tombe sur au-
cune question qu’il a révisé" est
3
Card(D) = C30 = 4060,
donc
Card(D)
P (D) = = 0, 05.
Card(Ω)
Exercice 2 :
Une boite contient 10 boules (6 blanches et 4 rouges). On a effectué un tirage
successif et avec remise, de 2 boules .
1. La probabilité que les deux boules soient blanches.
2. La probabilité que les deux boules soient de même couleur.
3. La probabilité que l’une au moins des deux boules tirées soit blanche.
Réponse :
On a n = 10 l’effectif total (6 blanches et 4 boules rouges), p = 1 (car on tire
avec remise deux boules une par une)
1. Probabilité de B :"Les deux boules soient blanches".
On a B = B1 ∩ B2 , où
B1 : "la première boule blanche" et B2 : "la deuxième boule blanche",
donc
Card(B1 ) 6
P (B1 ) = = = 0, 6,
n 10
et on a
Card(B2 ) 6
P (B2 ) = = = 0, 6.
n 10
Et donc
P (B) = P (B1 ∩ B2 ) = P (B1 ).P (B2 ) = 0, 36.
Içi l’événement B2 est indépendant de B1 .
32
2. Probabilité de C " les deux boules soient de même couleur"=[1ere

blanche et 2 ème blanche] ou [1ere rouge et 2 ème rouge].
C = (B1 ∩ B2 ) ∪ (B1 ∩ B2 ).
P (C) = P (B1 ∩ B2 ) + P (B1 ∩ B2 ) − P ((B1 ∩ B2 ) ∩ (B1 ∩ B2 )).

On a P ((B1 ∩ B2 ) ∩ (B1 ∩ B2 )) = 0 puisque (B1 ∩ B2 ) et (B1 ∩ B2 )
sont incompatible. On a aussi
P (B1 ) = 1 − P (B1 ) = 0, 4, et P (B2 ) = 1 − P (B2 ) = 0, 4,
et donc
P (C) = P ((B1 ).P (B2 ) + P (B1 ).P (B2 ) = 0, 36.0, 16 = 0, 52.
3. La probabilité de D " l’une au moins des deux boules tirées

soit blanche" . On a D : ”Les deux boules tirées soient rouge =
1ere boule r rouge et 2ème boule rouge = B1 ∩ B2 , d’où
P (D) = 0, 16, et P (D) = 1 − 0, 16 = 0, 84.
Exercice 3 (Devoir de maison)

On a une population de 100 individus. Pendant un mois.
— 35 sont allés au cinéma.
— 12 sont allés au musée.
— 6 sont allés au cinéma et au mussée.
On appelle les événements :
— A : La personne est allée au cinéma.
— B : La personne est allée au musée.
— C : La personne est allée cinéma et au mussée.
1. On choisit une personne au hasart. Calculer les probabilités de A, B
et C.
2. Calculer la probabilité que, pendant ce mois une personne ait fait les
choix suivants :
(a) Aller au cinéma ou au mussée.
(b) Ne pas aller au cinéma.
(c) N’aller ni au cinéma ni au musée.
(d) Aller au cinéma mais pas au musée.
33

Proba Stat Cours Et TD Avec Sol (2020-2021)

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Proba Stat Cours Et TD Avec Sol (2020-2021)

Transféré par

Droits d'auteur :

Formats disponibles

Université de 20-08-55 de Skikda

1 Statistique descriptive de dimension un . 4

2 Analyse combinatoire et calcul de probabilités 16

3 Séries et solutions des travaux dirigés 22

3.2 Analyse Combinatoire . . . . . . . . . . . . . . . . . . . . . . 27

Statistique descriptive de dimension un .

Définition 1.2. Un échantillon est un sous-ensemble construit et repré-

Exemple 1.1. L’ensemble des femmes algériennes constituent une popula-

1.3 Les types de caractères

1.4 Caractère quantitatif discret

Définition 1.6. La somme de tous les efectifs qui précédent l’effectif de la

il représente le nombre des modalités supérieure ou égale Xi .

est appellé fréquence cummulée croissante en Xi , elle représente la pro-

Exemple 1.5. en notant X le nombre d’enfants de 20 familles, on a obtenu

Xi ni nci % nci & fi fic % fic &

— La population Ω : les 20 famille.

1.4.2 Caractéristiques statistiques

est appellée moyenne arithmétique.

0.2 + 1.5 + 2.7 + 3.4 + 4.2

Définition 1.13. La valeur du caractère la plus fréquente ou do-

nci−1 %< (p + 1) ≤ (nci %)

M = Xi , La modalité correspendante à nci % .

Exemple 1.6. Pour la série suivante 777332224411999,

donc la médiane est 4, car elle se trouve dans la position p + 1 = 8

(nc3 %= 7) < (p + 1 = 8) ≤ (nc4 %= 9),

M = X4 = 4, la modalité correspendante à nc4 % .

— Si le nombre de données n est pair : c’est à dire n = 2p, alors

nci−1 %< p + 1 ≤ nci %

et la valeur de ncj % tel que

ncj−1 %< p ≤ ncj %,

Xi la modalité corresponde à, nci %, Xj la modalité corresponde à, ncj % .

Exemple 1.7. Dans l’exemple 1.5 sur la population de 20 familles

(nci−1 %= nc2 %= 7) < (p + 1 = 10 + 1) ≤ (nci %= nc3 %= 14),

On prend la modalité correspendante à nc3 % qui est Xi = X3 = 2.

(ncj−1 %= nc2 %= 7) < (p = 10) ≤ (ncj %= nc3 %= 14),

On prend la modalité correspendante à nc3 % qui est Xj = X3 = 2.

On a trouver les deux modalités Xi = Xj = X3 = 2 et donc la

Dans l’exemple 1.5 on a

1.4.3 Représentations graphiques

1.5 Caractère quantitatif continu

[a0 , a1 [, [a1 , a2 [, . . . [ak−1 , ak ], avec a0 = a, ak = b,

1. ni : Le nombre d’individus appartenant à la ième classe.

Exemple 1.8. Le taux de réussite au Baccalauréat observé au sein de 32

Le tableau statistique est (fi est en pourcentage,)

Xi ci ni nci % nci & fi .100 fic % .100 fic & .100

1.5.2 Caractéristiques statistique

est appellée moyenne arithmétique

Dans l’exemple1.8 puisque n6 = 10 la classe modale est [a5 , a6 ] =

Définition 1.21. La variance c’est l’écart des valeurs à leur moyenne

Dans l’exemple 1.8 on a V arX = 0, 014 p

1.5.3 Représentations graphiques

Analyse combinatoire et calcul de probabilités

1. Le chiffre qui va apparaitre après le lancement d’un dé équilibré à 6

On va utiliser principalement deux notions : Arrangement et combinaison.

2.3 Notations et lois de calcul

2.3.2 Lois de calcul

Réponse : Il s’agit d’ordonner p = 3 candidats parmi n = 15,

Les manières sont {1, 2, 3}, {1, 3, 2}, {2, 1, 3},

(b) Le nombre de combinaisons de p éléments parmi n avec répétition

2.4 Méthode de travail

2.5 Opérations sur les évènements

Card(A ∩ B) = CardA × CardB.

2. A ∪ B : signifie que A est réalisé ou B est réalisé et on a