Académique Documents
Professionnel Documents
Culture Documents
Exemple 0.1.1. .
• Lancer d’une pièce de monnaie peut donner pile ou face, donc l’univers Ω = { P, F }.
• Lancer d’un dé cubique dont les faces sont numérotées de 1 jusqu’à 6, l’univers Ω = {1, 2, 3, 4, 5, 6}.
0.1.2 Événnement
Définition 0.1.2. .
Un événnement A lié 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 événnement est réalisé (appellés cas favorables).
Remarque 0.1.1. .
• ∅ est appellé événnement impossible.
• Ω est appellé événnement certain.
• Un événnement réduit à un seul élément est appellé événnement élémentaire.
• Si A et B sont deux événnements, l’événnement 4 A et B < représenté par A ∩ B n’est réalisé que lorsque 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 événnements , l’événnement 4 A ou B < représenté par A ∪ B est réalisé si l’un au
moins des événnements A ou B est réalisé.
• On dit que des événnements A1 , A2 ,..,An forment un système complet si :
1) Les événnements Ai sont deux à deux incompatibles, c’est à dire que (∀i 6= j) : Ai ∩ B j = ∅.
2) La réunion de tous les événnements Ai est égale à l’univers Ω, c’est à dire que in=1 Ai = Ω.
S
A = A, ( A ∩ B) = A ∪ B et ( A ∪ B) = A ∩ B
Définition d’une probabilité
Définition 0.1.3. .
Soit Ω un ensemble fini.
On appelle probabilité définie sur P (Ω) (ensemble des parties de Ω), toute application p : P (Ω) −→ [0, 1]
verifiant :
1) p(Ω) = 1.
2) Si A et B sont deux événnements incompatibles alors : p( A ∪ B) = p( A) ∪ p( B).
Vocabulaire
Le triplet (Ω, P (Ω), p) est appellé espace probabilisé fini.
Activité 1. .
1) Soit A1 , A2 , .... ,An des événnements deux à deux incompatibles.
• Montrer, à l’aide d’un raisonnement par récurrence, qu’on a :
p( A1 ∪ A2 ∪, ..., ∪ An ) = p( A1 ) + p( A2 ) + ... + p( An ).
2) En déduire que si A est un événnement alors : p( A) = ∑ p({ω}), en particulier
ω∈ A
p(Ω) = ∑ p({ω}) = 1.
ω∈Ω
1 1
Exercice 1. On lance un dé pipé tel que p(1) = p(3) = p(4) = et p(2) = p(6) = .
8 4
• Calculer p(5).
Propriété 1. Si A et B sont deux événnements alors :
• p ( A ) = 1 − p ( A ).
• p(∅) = 0.
• p ( A B ) = p ( A ) − p ( A ∩ B ).
• p ( A ∪ B ) = p ( A ) + p ( B ) − p ( A ∩ B ).
Dans ce cas on a :
1 1
• ∀i ∈ {1, 2, ..., n} : p(ωi ) = = .
n CardΩ
CardA
• Pour tout événnement A on a : p( A) = .
CardΩ
Vocabulaire
Lorsqu’on dit on tire au hasard un élément de l’univers Ω , cela signifie que Ω est muni d’une
probabilité uniforme.
Exercice 2. .
On lance deux dés cubiques bien équilibrés dont les faces de chacun sont numérotées de 1 jusqu’à 6.
• Déterminer Ω et CardΩ ?
• Déterminer la probabilité de chacun des événnements suivants :
A = Les deux faces obtenues portent le même numéro .
B = Obtenir au moins une face qui porte le numéro 1 .
Preuve 1. .
— Considèrons la répartition des jetons selon leurs numéros. Il y a 6 jetons portant le numéro 1 et 6 jetons
portant le numéro 2.
6 1
Donc p( A) = = .
12 2
7
— Il y a 7 jetons blancs sur 12 donc p( B) = .
12
2 1
— Parmi les 6 jetons portant le numéro 2, il y a 2 blancs et 4 noirs donc p(C ) = = .
6 3
2 1 p( A ∩ B) 1 2 1
— p( A ∩ B) = = et = × = = p ( C ).
12 6 p( A) 6 1 3
Définition 0.3.1. .
Soit p une probabilité définie sur P (Ω). A et B deux événnements tels que p( A) 6= 0.
p( A ∩ B)
On appelle probabilité de B sachant A et on note p( B A) ou p A ( B) ; le réel défini par : p( B A) = .
p( A)
Conséquences 1. .
Si p( A) 6= 0, alors p( A ∩ B) = p( A) p( B A).
Cette formule est connue sous le nom : Principe des probabilités composées.
De même pour trois événnements, on montre que : Si p( A) 6= 0 et p( A ∩ B) 6= 0, alors on a :
p ( A ∩ B ∩ C ) = p ( A ) p ( B A ) p ( C A ∩ B )
.
Exercice 3. .
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’événnement suivant :
A : La première boule noire obtenue apparaı̂t au troisième tirage .
Preuve 3. .
Exercice 4. .
Une urne contient 6 boules rouges portant les numéros 0, 0, 1, 1, 1, 1 et 8 boules blanches portant les numéros
0, 0, 0, 1, 1, 1, 1, 1. On tire simultanément deux boules de l’urne.
1) Si les boules tirées portent le numéro 1, quelle est la probabilité quelles soient blanches ?
2) Calculer la probabilté d’avoir deux boules de même couleur sachant qu’elle portent le numéro 1.
Preuve 4. .
— On note chaque éventualité par le couple ( x, y) où x désigne l’enfant le plus agé et y désigne le moins
agé.
— Soit Ω l’univers des éventualités, on a :
— Ω = {( G, F ); ( F, G ); ( G, G ); ( F, F )}.
— Soit A l’événnement ”L’enfant ainé est un garçon” et soit B l’événnement ”Les deux enfants sont des
garçons”.
— Donc la probabilité cherchée est p( B A).
p( A ∩ B) 2
— p ( B A ) = , on a : A = {( G, G ); ( G, F )} et A ∩ B = {( G, G )}, donc p( A) = et
p( A) 4
1
p( A ∩ B) = .
4
1
— Donc p( B A) = .
2
— Soit C l’événnement ”L’un des enfants est un garçon”.
— Donc la probabilité cherchée est p( BC ).
p( B ∩ C ) 3
— p ( B C ) = , on a : C = {( G, G ); ( G, F ); ( F, G )} et B ∩ C = {( G, G )}, d’où p(C ) = et
p(C ) 4
1
p( B ∩ C ) = .
4
1
— Donc p( BC ) = .
3
Preuve 6. .
— Soit A l’événnement ”Obtenir 2 boules banches dans le premier tirage” et soit B l’événnement ”Obtenir
2 boules banches dans le deuxième tirage”.
— La probabilité cherchée est p( A ∩ B).
C2 2 C2 1
— p( A ∩ B) = p( A) p( B A), on a : p( A) = 42 = et p( B A) = 42 = .
C7 7 C9 6
21 2 1
— Donc p( A ∩ B) = = = .
76 42 21
— Soit B l’événnement ”Obtenir au moins une boule blanche”; et soit B l’événnement contraire de B c’est
à dire obtenir 4 boules rouges.
C2 C2 1 1 11
— p( B) = 32 72 = par suite p( B) = 1 − p( B) = 1 − = .
C7 C9 12 12 12
— Soit C l’événnement ”Obtenir exactement une boule blanche”.
C2 C1 C1 C1 C1 C2 1 1
— p(C ) = 32 2 2 7 + 4 2 3 62 = + .
C7 C9 C7 C9 18 25
Exemple 0.4.1. .
A et A forment une partition de Ω.
Proposition 0.4.1. .
Soit (Ω, p) un espace probabilisé fini.
A1 , A2 ,.....,An forment une partition de Ω. Pour tout événnement B, on a :
n
p( B) = p( A1 ) p( B A1 ) + p( A2 ) p( B A2 ) + ..... + p( An ) p( B An ) = ∑ p( Ai ) p( B Ai ).
i =1
Preuve 7. .
— On désigne toute éventualité par le couple ( x, y) où x désigne le résultat du choix des dominos et y
désigne le résultat du lancement du domino choisit.
— Soit E l’événnement ”Obtenir un nombre paire” et soit F l’événnement ”choisir le domino C”.
p( F ∩ E)
— La probabilité cherchée est p( F / E), on a : p( F / E) = , et on a : F ∩ E signifie le résultat (C, P),
p( E)
15 5
— donc p( E ∩ F ) = = .
36 18
— L’événnement E signifie qu’on a : ( A, P) ou ( B, P) ou (C, P).
121315 10 1
— Alors p( E) = = . Donc p( F / E) = .
363636 18 2
0.5 Indépendance
0.5.1 Événnnements Indépendants
Définition 0.5.1. .
Soit (Ω, p) un espace probabilisé fini.
On dit que deux événnements A et B sont indépendants si : p( A ∩ B) = p( A) × p( B).
Remarque 0.5.1. .
Ona : p( A ∩ B) = p( A) × p( B), donc p( A) × P( B/ A) = p( A) × p( B), c’est à dire que P( B/ A) = p( B)
De la même manière on trouve P( A/ B) = p( A).
Donc deux événnements sont indépendants si la réalisation de l’un n’influe pas sur la réalisation de l’autre.
Exercice 9. .
On considère deux condidat X et Y qui ont passé un concours.
1 2
La probabilité de réussite pour le condidat X est et la probabilité de réussite pour le condidat Y est .
3 5
• Calculer la probabilité pour que les deux condidats réussissent ensembles.
• Calculer la probabilité pour que le condidat X réussit seul.
• Calculer la probabilité pour que le condidat Y réussit seul.
• Calculer la probabilité pour que au moins l’un des condidats réussit.
Preuve 10. .
Exemple 0.5.1. .
1) Si on lance une pièce de monaie plusieurs fois, alors les épreuves constituants cette expérience sont
indépendantes.
2) Le tirage successif avec remise représente des épreuves indépendantes.
3) Le jet d’ un domino plusieurs fois représente des épreuves indépendantes.
Exemple 0.5.2. .
On jete un domino non pipé de faces numérotée de 1 à 6 5 fois.
• Caculer la probabilité d’obtenir exactement deux fois un multiple de 3.
Preuve 11. .
— On désigne toute éventualité de cette expérience aléatoire par le 5-uplet ( x1 , x2 , x3 , x4 , x5 ) où xi est le
résultat de la i-ème jet.
2 1
— Soit A l’événnement ”Obtenir un multiple de 3 dans un seul jet”. Donc p( A) = =
6 3
— Soit B l’événnement ”Obtenir exactement deux fois un multiple de 3”.
— L’événnement B signifie que l’événnement A se réalise exactement deux fois, donc les résultats seront
par exemple de la forme ( A, A, AA, A).
Proposition 0.5.1. .
On considère une expérience aléatoire constituée de n épreuves indépendantes.
Soit A un événnement de probabilité p pour qu’il soit réalisé dans une seule épreuve (il reste constant).
Soit B l’événnement ”A se réalise exactement k fois”,(k ≤ n). On a :
p( B) = Cnk pk (1 − p)n−k
Exemple 0.5.3. .
Une urne est constituée de 3 boules blanches et 4 boules rouges, et 2 boules noires.
On tire simultanément 3 boules de l’urne et on remet les boules tirées dans l’urne, on répète cet épreuves 6 fois.
• Qu’elle est la probabilité de tirer exactement 4 fois trois boules de même couleur.
Preuve 12. .
— Soit A l’événnement ”Obtenir trois boules de même couleur dans un seul tirage”.
C3 + C3 5
— On a : p( A) = 3 3 4 = .
C9 84
— Soit B l’événnement ”Obtenire trois boules de même couleur exactement quatre fois”.
— L’événnement B signfie que l’événnement A se réalise exactement 4 fois.
5 4 79 2
Donc p( B) = C64 p( A)4 p( A)6−4 = C64 .
84 84
Exercice 10. .
Une urne contient 3 boules blanches, 4 boules rouges et 2 boules noires.
On tire successivement et avec remise 6 boules de l’urne.
• Qu’elle est la probabilité d’obtenir deux fois exactement une boule rouge.
Preuve 13. .
Définition 0.6.1. .
Soit Ω un univers fini.
On appelle variable aléatoire réelle (ou aléa numérique) définie sur l’univers Ω, toute application X : Ω −→ R.
Soit x ∈ R .
( X = x) désigne l’ensemble des éventualités ayant la même image x par X. C’est à dire :
( X = x) = {ω ∈ Ω/ X (ω) = x}.
Soient Ω un univers fini, et X une variable aléatoire réelle définie sur l’univers Ω. On appelle loi de probabilité
de X ou distribution des probabilités de X, l’application qui à chacune des valeurs xi prises par X, fait
correspondre la probabilité pi = p( X = xi ).
Remarque 0.6.1. .
Si X (Ω) = { x1 , x2 , ....., xn , }.
Les événements ( X = xi )1≤i≤n forment un système complet donc
i =n
∑ p ( X = xi ) = 1
i =1
( X ≤ x) = {ω ∈ Ω/ X (ω) ≤ x}
Propriété 2. .
Soit X une variable aléatoire discrète définie sur un univers fini Ω.
Soit F la fonction de répartition de X. On a :
• F est croissante sur R.
• Si les éléments xi de X (Ω) sont ordonnés :x1 < x2 < .... < xn et si pi = p( X = xi ) pour i ∈ {1, 2, ....., n},
alors F est définie sur R par :
.
Exercice 11. .
On dispose d’un dé cubique parfait dont les faces portent les nombres : −1, 0, 0, 1, 1, 2.
On lance ce dé deux fois de suite. On désigne par a le nombre apparu sur la face supérieure au premier lancer
et par b le nombre apparu sur la face supérieure au deuxième lancer.
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 répartition F de Y.
b) Représenter graphiquement F dans un repère orthogonal du plan.
3)a) Calculer p(0 < Y ≤ 3) et comparer le résultat avec le réel F (3) − F (0).
b) Montrer que : ∀ x ∈ R, on a : p(Y > x) = 1 − F ( x).
c) Montrer que pour tous réels a et b tels que a < b, on a :
p( a < Y ≤ b) = F (b) − F ( a)
Preuve 14. .
— L’expérience aléatoire est le lancer du dé cubique deux fois de suite, on a donc : CardΩ = 62 = 36. ( 36
couples ( a, b) )
— Soit Y la variable aléatoire qui à chaque élément de Ω associe la somme des points obtenus.
— Pour déterminer la loi de probabilité de Y, on pourra utiliser le tableau suivant :
+ -1 0 0 1 1 2
-1 -2 -1 -1 0 0 1
0 -1 0 0 1 1 2
— 0 -1 0 0 1 1 2
1 0 1 1 2 2 3
1 0 1 1 2 2 3
2 1 2 2 3 3 4
— On a Y (Ω) = {−2, −1, 0, 1, 2, 3, 4}.
— Le tableau suivant donne la loi de probabilité associée à Y.
— .
— La fonction de répartition F de Y est définie sur R par :
— F ( x) = 0 si x ∈] − ∞, −2[ ;
1 5
— F ( x) = p1 = si x ∈ [−2, −1[ ; F ( x) = p1 + p2 = si x ∈ [−1, 0[.
36 36
13
— F ( x) = p1 + p2 + p3 = si x ∈ [0, 1[ ;
36
23
— F ( x) = p1 + p2 + p3 + p4 = si x ∈ [1, 2[.
36
31
— F ( x) = p1 + p2 + p3 + p4 + p5 = si x ∈ [2, 3[.
36
35
— F ( x) = p1 + p2 + p3 + p4 + p5 + p6 = si x ∈ [3, 4[.
36
36
— F ( x) = = si x ∈ [4, +∞[.
36
Preuve 15. .
— .
22
— p ( 0 < Y ≤ 3 ) = p (Y = 1 ) + p (Y = 2 ) + p (Y = 3 ) = ,
36
35 13 22
— et on a : F (3) − F (0) = − = . D’où p(0 < Y ≤ 3) = F (3) − F (0).
36 36 36
— Montrons que ∀ x ∈ R, on a : p(Y > x) = 1 − F ( x).
— Les événnements (Y > x) et (Y ≤ x) sont des événnements contraires, donc p(Y > x) = 1 − p(Y ≤ x)
et p(Y ≤ x) = F ( x),
— d’où p (Y > x ) = 1 − F ( x ) .
— Pour tous réels a et b tels que a < b on a :
— (Y ≤ a) ⊂ (Y ≤ b) et ( a < Y ≤ b) = (Y ≤ b)(Y ≤ a).
— Donc p ( a < Y ≤ b ) = p (Y ≤ b ) − p (Y ≤ a ) = F ( b ) − F ( a ) .
0.6.3 Espérance mathématique
Définition 0.6.3. .
Soient (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 :E( X ) = ∑ X (ω) p({ω}), ou encore
ω∈Ω
n
E( X ) = ∑ xi p( X = xi ) où x1 , x2 , ..., xn , sont les valeurs prises par X.
i =1
Remarque 0.6.2. .
1) L’espérance mathématique de X est la moyenne des valeurs xi pondérées par les probabilités
correspondantes p( X = xi ).
2) Dans un jeu de hasard, si X désigne le gain algébrique (positif ou négatif) alors E( X ) désigne le gain moyen
qu’on peut espérer sur un grand nombre de parties.
3) Dans un jeu de hasard , 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.
Exercice 12. .
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 DH , si elle est jaune, il perd 5 DH, 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 DH, sinon il perd 4 DH.
1) Construire un arbre pondérée 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) Établir la loi de probabilité de la variable X.
b) Calculer l’espérance de X.
3) Les conditions de jeu restent identiques. Indiquer le montant 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.
Exercice 13. .
On sélectionne les candidats à un jeu télévisé en les faisant répondre à dix questions.
Ils devront choisir, pour chacune des questions, parmi quatre affirmations, celle qui est exacte.
Un candidat se présente et répond à toutes les questions au hasard.
On appelle X la variable aléatoire désignant le nombre de réponses exactes données par ce candidat à l’issue
du questionnaire.
1) Quelle est la loi de probabilité de X ?
2) Calculer la probabilité pour qu’il fournisse au moins 8 bonnes réponses, et soit ainsi sélectionné.
Exercice 14. .
Une urne A contient 2 boules rouges et 3 boules noires, une urne B contient 3 boules rouges et 2 boules noires.
On tire au hasard une boule de l’urne A :
• si elle noire, on la place dans l’urne B.
• sinon, on l’écarte du jeu.
On tire au hasard ensuite une boule de l’urne B.
On considère les événnements suivants :
R1 : ” la boule tirée de A est rouge ” N1 :” la boule tirée de A est noire ”
R2 : ” la boule tirée de B est rouge ” N2 : ” la boule tirée de B est noire ”
1)a) Calculer P( R1 ) et P( N1 ).
b) Calculer les probabilités des événnements R2 R1 et R2 N1 .
27
• En déduire que : P( R2 ) = .
50
c) Calculer P( N2 ).
Exercice 15. .
2) On répète n fois l’épreuve précédente en supposant que les différentes épreuves sont indépendantes.
• Quel est le nombre minimum d’épreuves doit-on effectuer pour que la probabilité pn d’obtenir au moins une
fois une boule rouge de l’urne B soit supérieure à 0, 99 ?
xi 2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 5 4 3 2 1
P ( X = xi ) 36 36 36 36 36 36 36 36 36 36 36