Université Ibn Zohr

Campus Universitaire Ait Melloul

Faculté des Sciences Juridiques, Economiques et Sociales

Probabilité
Année universitaire : 2019/2020

Pr. AZZAT My hanafi

h.azzat@uiz.ac.ma

1
2. Théorie des ensembles

2
 2.1 Ensemble
**************************************************

❑ Définition : Un ensemble est une collection d’éléments.

Exemples : {0,1,2} ; {verte, rouge, blanche}

▪ L’ensemble vide ne contient aucun élément.

**************************************************

3
 2.2 Union
**************************************************

❑ Définition : L’ensemble de tous les éléments qui

appartiennent à A ou B est appelé union de A et B, noté A∪ B.

❑ A ∪ B = {x ∈ E | x ∈ A ou x ∈ B}
4
 2.3 Intersection
**************************************************

❑ Définition : L’ensemble de tous les éléments qui

appartiennent à la fois à A et à B est appelé intersection de A

et B, noté: A ∩ B.

•A ∩ B = {x ∈ E | x ∈ A et x ∈ B}

**************************************************
5
 2.4 Différence
**************************************************

❑ Définition : L’ensemble de tous les éléments de A qui

n’appartiennent pas à B est appelé différence de A et B,

noté A−B.

A−B = {x ∈ E | x ∈ A et x B}

**************************************************
6
 2.5 Complément
**************************************************

Définition :

L’ensemble de tous les éléments de E qui n’appartiennent pas à

A est le complément de A dans E noté .

= {x ∈ E | x A}
7
 2.6 Deux ensembles disjoints
**************************************************

❑ Définition : Deux ensembles A et B sont disjoints ou

incompatibles s’ils n’ont aucun élément en commun.

**************************************************
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

Une expérience aléatoire est le fait d’effectuer une

action dont le résultat est soumis au hasard.

❑ L’ ensemble des résultats possibles est noté Ω, on l’appelle

ensemble fondamental.

❑ Ces résultat possibles sont appelés éventualités.

• L’ensemble Ω peut être un ensemble :

➢ fini,
➢ Infini dénombrable,

➢ Infini non dénombrable.

12
 Exemples
******************************************************************

➢ Une expérience aléatoire consiste à jeter un dé et à noter le numéro de

la face supérieure. Ω={1,2,3,4,5,6} est l’ensemble fondamental associé à cette
expérience. C’est un ensemble fini.

➢ Une expérience aléatoire consiste à lancer un dé et à noter le nombre de

lancers nécessaires pour obtenir un 6 pour la première fois. Ω= ,
ensemble infini dénombrable.

➢ Une expérience aléatoire consiste à déterminer le temps d’attente entre

deux appels téléphoniques. Ω=]0, +∞[ , ensemble infini non

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;

✓ Evénement composé : tout événement correspondant à plus

d’une éventualité;

✓ Evénement impossible : un événement n’est jamais réalisé;

✓ Evénement certain Ω : un événement qui est toujours réalisé.

*******************************************************
14
 Exemples
**********************************************************************************

Reprenons l’expérience aléatoire qui consiste à lancer un dé et lire

le numéro de la face supérieure.
***********************************************************************************

✓ ‘’obtenir 3 ‘’ est un événement simple.

✓ ‘’obtenir un numéro pair’’ est un événement composé : A={2,4,6}.

✓ ‘’obtenir 7’’ est un événement impossible.

✓ ‘’obtenir un numéro strictement inférieur à 7’’ est un événement certain.

✓**********************************************************************************

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 :

1. Pour un événement E appartenant aux parties de Ω :

P(E) est comprise entre 0 et 1.
2. La somme des probabilités de tous les résultats
possibles de l'expérience doit être égale à 1.
3. Pour toute suite d’événements deux à deux
disjoints(c’est-à-dire ) ; on a

*********************************************************
 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

On interroge au hasard un des salariés de l’entreprise :

1. Quelle est la probabilité qu’il gagne moins de 6000dhs?
2. Quelle est la probabilité qu’il ait un salaire supérieur ou
égale à 6000dhs?
3. Quelle est la probabilité qu’il gagne moins de 10000dhs?

17/03/2020 22
 Indications pour l’application

Soit S le salaire de la personne interrogé.

Chaque salarié a la même probabilité d’être interrogé et donc :
1. P(S< 6000)=?
2. l’événement contraire de l’événement « le salarié gagne
moins de 6000 »
3. les tranches de salaires sont incompatibles, l’événement «
le salarié gagne moins de 10000dhs » peut donc s »écrire
comme un union d’événements, P(S<10000)=?

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

On choisit dans ce parc une voiture au hasard. L’ensemble fondamental est

constitué par les 100 voitures du parc.
Notons A et B les événements définis par :
A : ‘’choisir une voiture rapide ‘’ , B :’’choisir une voiture confortable’’
Puisque toutes les voitures ont mêmes probabilité d’être choisies, on a :

Supposons que nous sachions que la voiture choisie est rapide,

quelle est la probabilité qu’elle soit également confortable?
26
 3.8 Indépendance
***********************************************
Définition : On dit que deux événements A et B sont
indépendants lorsque : P(A ∩ B) = P(A) × P(B).
**************************************************************************
Exemple : Soit une famille de deux enfants.
A=”la famille a deux enfants de différent sexe”,
B=”la famille a au plus une fille”.
A et B sont-ils indépendants?
Ω = {(F, F),(F, G),(G, F),(G, G)} ( équiprobabilité)
A = {(F, G),(G, F)} ⇒ P(A) = 2 /4 = 1/ 2
B = {(F, G),(G, F),(G, G)} ⇒ P(B) = 3/ 4
A ∩ B = A ⇒ P(A ∩ B) = 1 /2
On a P(A)*P(B)=3/8 ⇒ A et B ne sont pas indépendants
17/03/2020 27
 Attention!!!
**************************************************
❖événements incompatibles : deux événements A et
B sont incompatibles s’ils ne peuvent être réalisés en
même temps.
**************************************************
❖ événements indépendants : deux événements A et
B sont indépendants si la réalisation de l’un n’influe
pas sur la réalisation de l’autre.
**************************************************

17/03/2020 28
3.9 Partition de l’ensemble fondamentale
***********************************************

Définition :

On dit que {B1, B2,..., Bn} est une partition de Ω si

B1∪B2∪⋯∪Bn=Ω et pour tout (1⩽ i≠ j ⩽n) on a
Bi∩Bj=∅

*******************************************************
17/03/2020 29
Exemple
*********************************************************************

Soit Ω l'ensemble des sections de 1ère année « Eco-Gestion » de

la FSJES de Ait Melloul. On choisit un étudiant au hasard et on
lui demande sa section. On pose
B1 = « l'étudiant est de la section A »,
B2 = «l'étudiant est de la section B»,
B3 = «l'étudiant est de la section C » ,
B4 = «l'étudiant est de la section D»,
B5= «l'étudiant est de la section E»,
et B6 = «l'étudiant est de la section F»,
alors B1, B2, B3 , B4, B5 et B6 forment une partition de Ω.
****************************************************

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

Une compagnie d’assurance a deux catégories de clients :

les jeunes conducteurs qui ont une probabilité d’accident de
40% (sur 5 ans), les autres dont la probabilité d’accident est
20%; les jeunes conducteurs représentent 30% de la clientèle
de la compagnie.

Quelle est la probabilité d’avoir un accident pour un

client quelconque?

17/03/2020 33
 Solution

Soient A et J deux événements tels que

A : l’événement « avoir un accident »
et
J : l’événement « être un jeune conducteur ». Alors

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:

Cette formule permet, si l’on possède une distribution

conditionnelle et la distribution marginale qui lui correspond d’en
déduire la deuxième distribution conditionnelle.
*******************************************************

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