Calcul de probabilités

13 janvier 2022

1 Introduction
La théorie des probabilités fournit des modèles mathématiques permet-
tant l'étude d'expérience dont le résultat ne peut être prévu avec certitude
(expérience aléatoire).
Exemples

Expériences Résultats observables

Lancer un dé k ∈ {1, 2, 3, 4, 5, 6}
Durée de vie d'une lampe k∈R +

Lancer une pièce de monnaie jusqu'à la première apparition de "pile" k ∈ N ∗

2 Dénitions
2.1 Espace fondamental
Pour une expérience aléatoire donnée, l'ensemble des résultats possibles
est appelé l'ensemble fondamental. Il est noté Ω.
2.2 Evènement
Un évènement A est un sous ensemble de Ω, c'est à dire un ensemble de
résultats possible, A ⊂ Ω.
Un évènement est dit réalisé au cours de l'expérience si un des évènements
élémentaires qui le constitue est réalisé.
 Un singleton {ω } constitué d'un seul élément de Ω est appelé évène-
ment élémentaire.
i

1
  L'ensemble vide ∅ ne constituant aucun résultat possible est appelé
évènement impossible.
 L'ensemble Ω contenant tous les résultats possibles est l'évènement
certain

Exemple
On jette deux pièces de monnaie. L'ensemble des résultats possibles :
Ω = {(P, P ), (F, P ), (P, F ), (F, F )}
où F pour "face", P pour "pile".
A :"Avoir deux fois pile", A = {(P, P )}
B :"Avoir au moins une fois pile", B = {(P, P ), (P, F ), (F, P )}

3 Opérations sur les évènements

Sur les évènements, on peut appliquer les opérations habituelles de la
théorie des ensembles.
3.1 L'union ou la disjonction
L'évènement A ∪ B est réalisé dès que A ou B est réalisé, cela est équi-
valent à dire que : "au moins l'un des deux évènements A et B soit réalisé".
3.2 L'intersection ou la conjonction
L'évènement A ∩ B est réalisé si et seulement si les deux évènements A
et B sont réalisés simultanément.

3.3 Le complémentaire ou négation

On appelle négation ou complémentaire de A dans Ω noté Ā, l'évènement
qui est réalisé si et seulement si A n'est pas réalisé, donc Ā est l'ensemble
des éléments de Ω qui n'appartiennent pas à A.

2
3.4 La diérence
L'évènement diérence de deux évènements A et B noté AB est réalisé
quand A est réalisé et B ne l'est pas.
3.5 Evènements incompatibles (disjoints)
Quand les deux évènements A et B ne peuvent pas se réaliser simultané-
ment, on dit qu'ils sont incompatibles, on écrit :
A∩B =∅

.
3.6 Système complet d'évènements
Les évènements A , A , · · · , A forment un système complet d'évènements
si les (A ) constituent une partition de Ω, c'est à dire :
1 2 n

 Les évènements sont 2 à 2 disjoints i.e (A ∩ A = ∅ ∀i 6= j)

i i=1,···n
i j

 Ω = A (ils couvrent Ω).

Sn

i=1
i

4 Dénition d'une probabilité

Soit Ω un espace fondamental ni. On appelle probabilité P toute appli-
cation de l'ensemble des parties de Ω (noté P(Ω)) dans l'intervalle [0, 1] telle
que :
P : P(Ω) −→ [0, 1]
A −→ P (A)

vériant :
1. ∀A ∈ P(Ω), P (A) ≥ 0
2. P (Ω) = 1 et P (∅) = 0.
3. ∀A, B ∈ P(Ω) si A ∩ B = ∅ alors : P (A ∪ B) = P (A) + P (B)
A chaque évènement élémentaire ω , on associe un nombre réel p tel que
i i

p = P (ω ) avec 0 ≤ p ≤ 1 et
X n

i i i p =1 i
i=1

3
et à chaque évènement A est associé le nombre réel P (A) déni par :
X
P (A) = pi
ωi ∈A

c'est à dire si A = {ω , ω , · · · ω } alors :

1 2 k

P (A) = p1 + p2 + · · · + pk

Et si de plus, tous les évènements élémentaires sont équiprobables, i.e :

p = P (ω ) = , ∀i = 1,¯n, alors :
1
i i
n
|A| k
P (A) = =
|Ω| n
On écrit aussi :
Nombre de cas favorables
P (A) =
Nombre de cas possibles
Propriétés
 Additivité : (cas de deux évènements) :
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)

Généralisation : !
n
[ n
X X
P( Ai ) = (−1)k−1 P (Ai1 ∩ Ai2 ∩ · · · Aik )
i=1 k=1 1≤i1 <i2 <···<ik ≤n

 Evènement contraire : P (Ā) = 1 − P (A)

 Evènement impossible : P (∅) = 0
 Evènement certain : P (Ω) = 1
 Inclusion : si : A ⊂ B ⇒ P (A) ≤ P (B)
 Diérence de deux évènements :
P (AB) = P (A ∩ B̄) = P (A) − P (A ∩ B)

Exemples
1. L'expérience aléatoire consiste à lancer un dé, on veut calculer la pro-
babilité d'obtenir un nombre pair. Soit l'évènement A :"obtenir un
nombre pair"
A = {2, 4, 6}

4
 On a : P (1) = P (2) = P (3) = P (4) = P (5) = P (6) = 16 , alors :
|A| 3 1
P (A) = = =
|Ω| 6 2

5 Probabilités conditionnelles
Soient A et B deux évènements de P(Ω), telle que P (B) 6= 0.
La probabilité conditionnelle de A sachant que l'évènement B est réalisé, est
notée : P (A/B) et dénie par :
P (A ∩ B)
P (A/B) =
P (B)

Exemple
On lance un dé équilibré. Soient les évènements :
A : "avoir un nombre pair" et B :"avoir un nombre ≥ 4".
Si le numéro sorti est supérieur à 4, calculer la probabilité que ce numéro
soit pair.
P (A ∩ B)
P (A/B) = =?
P (B)
3
A = {2, 4, 6} ⇒ P (A) =
6
3
B = {4, 5, 6} ⇒ P (B) =
6
d'où :
2
A ∩ B = {4, 6} ⇒ P (A ∩ B) =
6
2/6 2
P (A/B) = =
3/6 3

5
Propriétés
Soient A et B deux évènements tels que : P (A) 6= 0 et P (B) 6= 0
1.
P (A ∩ B) = P (A/B) × P (B)
= P (B/A) × P (A)
2. P (Ā/B) = 1 − P (A/B)
6 Indépendance de deux évènements
Soient A et B deux évènements. A et B sont dits indépendants si la
réalisation de l'un ne dépend pas de la réalisation de l'autre ou encore que la
réalisation de l'un ne change en rien la probabilité de réalisation de l'autre.
Deux évènements A et B sont indépendants si et seulement si :
P (A ∩ B) = P (A) × P (B)

Remarque 1
 Si P (B) 6= 0, A et B sont indépendants si et seulement si :
P (A/B) = P (A)
 Si P (A) 6= 0, A et B sont indépendants si et seulement si :
P (B/A) = P (B)

Propriété
Si les évènements A et B sont indépendants, alors, les évènements suivants
le sont aussi :
1. A et B̄
2. Ā et B
3. Ā et B̄
Remarque 2
Deux évènements incompatibles A et B avec : P (A) > 0 et P (B) > 0, ne
sont jamais indépendants.
En eet :
A ∩ B = ∅ ⇒ P (A ∩ B) = 0 6= P (A) P (B)

6
Exemples
Exemple 1
On jette deux pièces de monnaies équilibrées, on désigne par A l'évène-
ment : "la première pièce montre pile" et par B l'évènement : "la seconde
pièce montre face".
A et B sont indépendants car : P (A ∩ B) = d'une part et de l'autre
1

part : 4

P (A) = , P (B) = , d'où P (A ∩ B) = P (A) P (B)

1 1
2 2

Exemple 2
On jette deux dés équilibrés et on observe les numéros sortis. On note :
E :"La somme des deux numéros donne 6"
:"Le premier dé donne 4".
1
E2

On a dans ce cas :
5
P (E1 ) = P ({(2, 4), (4, 2), (5, 1), (1, 5), (3, 3)}) =
36

6 1
P (E2 ) = P ({(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6)}) = =
36 6

1
P (E1 ∩ E2 ) = P ({(4, 2)}) =
36
1
P (E1 ∩ E2 ) = P ({(4, 2)}) =
36

or :
 
5 1 1
P (E1 ) P (E2 ) 6= P (E1 ∩ E2 ) . =6
Donc, et sont dépendants
36 6 36
E1 E2

7 Formule des probabilités totales

Soit A , A , · · · , A un système complet d'évènements de Ω, alors pour
tout évènement B, on a :
1 2 n

7
 P (B) = P (B ∩ A1 ) + P (B ∩ A2 ) + · · · + P (B ∩ An )
= P (B/A1 )P (A1 ) + P (B/A2 )P (A2 ) + · · · P (B/An )P (An )
Xn
= P (B/Ai )P (Ai )
i=1

Démonstration
Il sut d'écrire : B = B ∩ Ω ⇒ P (B) = P (B ∩ Ω), donc :
n
!!
[
P (B) = P B∩ Ai
i=1
n
!
[
= P (B ∩ Ai )
i=1
n
X
= P (B ∩ Ai )
i=1
n
X
= P (Ai ) P (B/Ai )
i=1

8 Théorème de Bayes
Soit A , A , · · · , A un système complet d'évènements, alors :
1 2 n

P (A ∩ B) P (Ai )P (B/Ai )
P (Ai /B) = =
P (B) P (B)
En utilisant la formule des probabilités totales, on obtient :
P (Ai )P (B/Ai )
P (Ai /B) = P
n
P (Aj )P (B/Aj )
j=1

Exemple
Une population est composée de 30% de fumeurs (A ) et de 70% de non
fumeurs (A ). Notons B l'évènement : "mourir d'un cancer du poumon".
1

Supposons en outre que la probabilité de mourir d'un cancer du poumon si

2

l'on est fumeur est égale à P (B/A ) = 0.2 et de 0.01 si l'on est non fumeur
1

8
(P (B/A ) = 0.01).
On cherche la probabilité d'avoir été fumeur si on est mort d'un cancer du
2

poumon : P (A /B)
1

P (A1 )P (B/A1 ) 0.3 × 0.2

P (A1 /B) = = ' 0.896
P (A1 )P (B/A1 ) + P (A2 )P (B/A2 ) 0.3 × 0.2 + 0.7 × 0.01