Académique Documents
Professionnel Documents
Culture Documents
Probabilité
Année universitaire : 2019/2020
1
2. Théorie des ensembles
2
2.1 Ensemble
**************************************************
**************************************************
3
2.2 Union
**************************************************
❑ A ∪ B = {x ∈ E | x ∈ A ou x ∈ B}
4
2.3 Intersection
**************************************************
et B, noté: A ∩ B.
•A ∩ B = {x ∈ E | x ∈ A et x ∈ B}
**************************************************
5
2.4 Différence
**************************************************
noté A−B.
A−B = {x ∈ E | x ∈ A et x B}
**************************************************
6
2.5 Complément
**************************************************
Définition :
= {x ∈ E | x A}
7
2.6 Deux ensembles disjoints
**************************************************
**************************************************
8
2.7 Cardinal
**************************************************
Définition : Le nombre d’éléments d’un ensemble E est appelé
cardinal de E, noté: Card(E).
Exemple
Si A = {1; 2; 3; a; b; c}, alors Card(A) = 6.
**************************************************
9
3. Éléments de probabilités
10
Introduction
*********************************************************
❑ La théorie des probabilités sert à modéliser
des situations dont notre connaissance est
imparfaite.
❑ Le manque d’informations est alors remplacé
par une composante aléatoire.
*********************************************************
11
3.1 Expérience aléatoire
➢ fini,
➢ Infini dénombrable,
******************************************************************
13
3.2 Événement
*******************************************************
Un événement est un sous-ensemble de l’ensemble des
résultats possibles.
****************
✓ Evénements simples : tout événement réduit à une seule
éventualité;
*******************************************************
14
Exemples
**********************************************************************************
✓**********************************************************************************
15
Attention
**************************************************
Un événement est une phrase contenant nécessairement, un
groupe sujet, un verbe et un complément :
▪ le nombre de ventes est égale à 10,
▪ le chiffre d’affaires est inférieur à 1000000 dhs.
▪ la durée d’attente ne dépasse pas 2 minutes.
**************************************************
17/03/2020 16
3.4 Définition
*********************************************************
Les conditions de base pour déterminer des probabilités :
*********************************************************
3.5 Propriétés
)
*********************************************************
1. L’événement impossible P(∅) = 0.
2. P( ) = 1 − P(E).
3. Soient A et B deux événements quelconques :
P(A∪ B) = P(A) + P(B) − P(A∩ B).
*********************************************************
3.6 Événements équiprobables
*******************************************************
Lorsque tous les résultats possibles d’une expérience aléatoire
sont équiprobables, c’est-à-dire qu’ils ont la même probabilité
d’être réalisés,
la probabilité d’un événement E s’exprime comme un
rapport :
card ( E )
P( E ) =
card ()
******************************************************
17/03/2020 19
Exemple 1
*******************************************************
lorsque les résultats de l'expérience sont équiprobables.
Si n résultats sont possibles, une probabilité de 1/n est associée
à chaque résultat.
*******************************************************
• Considérer l'exemple du lancer d'une pièce de monnaie. Les
deux résultats possibles de l'expérience pile ou face sont
équiprobables.
La probabilité d'observer face est = 0,5, de même la probabilité
d'observer pile est = 0,5.
• Considérer l'exemple du lancer du dé :
Les six résultats sont équiprobables donc à chaque résultat
est associée la probabilité 1/6.
*******************************************************
17/03/2020 20
Exemple 2
******************************************************************
On lance une pièce de monnaie deux fois.
On va calculer la probabilité « obtenir au moins une fois pile »
et « jamais obtenir pile ».
*******************************************************
L’ensemble des résultats possibles est : Ω = {pp; pf; fp; ff }
A : est l’événement ''au moins une fois pile'': A = {pp; pf; fp}
B : est l’événement ''jamais pile'': B ={ff}
▪ A et B sont des événements complémentaires :
A∩B=∅ et A∪B=Ω.
On a card(Ω)=4 , card(A)=3 et card(B)=1;
alors
P(A)=3/4 et P(B)=1/4.
*******************************************************
17/03/2020 21
Application
On considère la distribution des salaires dans une PME
salaire effectif
[2000-6000[ 5
[6000-10000[ 3
[10000-14000[ 2
Total 10
17/03/2020 22
Indications pour l’application
17/03/2020 23
3.7 Probabilité conditionnelle
*******************************************************
Soient A et B deux événements quelconques tels que ;
on appelle probabilité conditionnelle de A sachant B et on note
P(A/B) le nombre
Remarque
La formule de la probabilité composées :
P(A ∩ B) = P(A/B)×P(B).
*******************************************************
17/03/2020 24
Exemple
9 boules numérotées dans une urne de 1 à 9; soient les
événements suivants:
***********************************************
A=«le numéro tiré est un multiple de 3»
B=«le numéro tiré est impair»
A={3, 6, 9} ⇒ card(A)=3 ⇒ P(A) = 1/ 3.
B={1, 3, 5, 7, 9} ⇒ card(B)=5 ⇒ P(B) = 5/ 9.
A ∩ B = {3, 9} ⇒ card(A ∩ B)=2 ⇒ P(A ∩ B) = 2/9.
➢ P(A | B) = P(A∩B) /P(B) = 2/ 5
➢ P(B | A) = P(A∩B)/ P(A) = 2 /3 .
*******************************************************
17/03/2020 25
Application
Considérons un parc de 100 voitures réparties selon deux critères : confort
et vitesse.
rapide Pas rapide total
Confortable 40 10 50
Pas confortable 20 30 50
total 60 40 100
17/03/2020 28
3.9 Partition de l’ensemble fondamentale
***********************************************
Définition :
*******************************************************
17/03/2020 29
Exemple
*********************************************************************
17/03/2020 30
3.10 Théorème des probabilités totales
**************************************************
Soit Ω un ensemble fini et B1, B2,..., Bn (n⩾2) une partition de Ω.
Soit A un événement quelconque de Ω . Alors
*******************************************************
17/03/2020 31
Cas particulier
**************************************************
Soit B un événement de Ω tel que P (B)≠0;
Alors pour tout événement A de Ω , on a :
P ( A) = P ( A B ) + P ( A B )
donc P ( A) = P ( A / B ) * P ( B ) + P ( A / B ) * P( B)
*******************************************************
17/03/2020 32
Application
17/03/2020 33
Solution
17/03/2020 34
3.11 Formule de Bayes
*******************************************************
Soit (Bi), (i=1,…,n) une partition de Ω.
Alors pour tout événement A non impossible:
17/03/2020 35
Application
Dans une entreprise, deux ateliers fabriquent les mêmes pièces. L’atelier A1
fabrique 60% de la production alors que 40% est fabriquée dans l’atelier A2.
Le pourcentage de pièces défectueuses est de 3% pour l’atelier A1 et 4%
dans l’atelier A2.
On prélève au hasard une pièce dans l’ensemble de la production.
Calculer la probabilité de chacun des événements suivants :
1. La pièce est défectueuse et provient de l’atelier A1.
2. La pièce est défectueuse.
3. La pièce provient de l’atelier A1 sachant qu’elle est
défectueuse.
***************************
On notera :
D : l’événement « la pièce est défectueuse »,
A1: l’événement « la pièce provient de l’atelier A1 »,
A2 : l’événement « la pièce provient de l’atelier A2 »,
36
correction
******************************************************************
1.
On compte donc 1,8% des pièces dans la production qui sont défectueuses
et fabriquées dans l’atelier A1.
2.
3.
Donc, parmi les pièces défectueuses, 53% sont des pièces qui ont été
fabriquées dans l’ateliers A1
On a bien utilisé la formule de Bayes :
******************************************************************
37