Académique Documents
Professionnel Documents
Culture Documents
Dénition
1. Un ensemble E non vide est dit ni s'il existe un entier n et
une bijection de {1, 2, . . . , n} sur E. Lorsqu'il existe, l'entier n
est unique et est noté Card(E). C'est le cardinal ou le nombre
d'éléments de E
2. Un ensemble E est dit dénombrable s'il existe une bijection de
N sur E.
3. Un ensemble E est dit inni non dénombrable s'il n'est ni ni,
ni dénombrable.
Cardinal d'un ensemble ni
Proposition
Soit E un ensemble ni et A, B deux parties de E et Ā le
complémentaire de A dans E. On a:
1. Card(Ā) = Card(E) − Card(A)
2. Card(A ∪ B) = Card(A) + Card(B) − Card(A ∩ B.
3. Si A ∩ B = ∅ alors Card(A ∪ B) = Card(A) + Card(B)
4. Card(A × B) = Card(A) × Card(B)
Principes de comptage additif
i=1
Lorsqu'on veut dénombrer un ensemble ni E, on peut trouver une
partition A1 , A2 , . . . , An de cet ensemble, où les cardinaux des
ensembles Ai sont plus faciles à déterminer. Il ne reste alors qu'à
faire la somme des diérents cardinaux obtenus.
Principes de comptage additif
Exemple
J'ai dans ma bibliothèque 50 livres de mathématiques en français et
40 livres de mathématiques en anglais (et aucun dans une autre
langue). Je peux donc y choisir un livre de mathématiques de
50 + 40 = 90 façons diérentes.
Principes de comptage multiplicatif
Proof.
Proof.
Proof.
Exemple
De combien de façons peut-on répartir 7 personnes sur 7 chaises?
Désignons par p1 , p2 , p3 , p4 , p5 , p6 , p7 les 7 personnes et posons
E = {p1 , p2 , p3 , p4 , p5 , p6 , p7 }.
Dénition
Une p-combinaison avec répétition d'un ensemble ni E de cardinal
n, est une application f de E dans {0, 1, · · ·, p}, telle que
X
f(x) = p.
x∈E
Remarque
Théorème
Soit E un ensemble ni de cardinal n, (n ∈ N∗ ). Alors l'ensemble
Kp (E) des p-combinaisons avec répétition de p est ni et son
cardinal est égal à
Γpn = Cpn+p−1
qui est le nombre de p-combinaisons sans répétition de n + p − 1
éléments.
Méthodes de dénombrement: Combinaison sans répétition
Exemple
Quel est le nombre de comités de 3 personnes que l'on peut élire
dans une assemblée de 20 personnes.
Le nombre de comités possibles est le nombre de combinaisons de 3
personnes parmi 20, soit C320 = 1140
Exemple
Tirer simultanement p boules parmi n constitue une combinaison
de p éléments parmi n éléments. Il y a Cpn possibilités.
Application de la notion de combinaison: Binôme de Newton
Proposition
Soient a et b deux nombres rels et n un entier naturel non nul,
alors: n
X
(a + b)n = Ckn ak bn−k .
k=1
Le choix d'un modèle
Dénition
Une expérience E est qualiée d'aléatoire si on ne peut pas prévoir
son résultat et si, répétée dans des conditions identiques, elle peut
donner lieu à des résultats diérents.
Remarque
Dénition
On appelle événement associé à une expérience aléatoire, toute
partie A de Ω.
Remarque
Exercice
Un sac contient trois boules de couleurs, rouge, verte et bleu. On
tire au hasard une boule du sac, on note sa couleur, on la replace
dans le sac puis on retire au hasard une autre boule en notant à
nouveau sa couleur.
1. Déterminer l'univers de cette expérience.
2. Citer un événement élémentaire et un événement non
élémentaire
3. Soit A l'événement: "les deux boules sont de même couleur",
B l'événement : "obtenir une boule bleue et une boule verte ",
et C l'événement: "obtenir d'abord une boule rouge".
Déterminer le contraire de A; "A et B "; "A et C" puis"A ou
C". Les événements A et B sont-ils incompatibles?
Expérience aléatoire
Dénition
Soit Ω l'univers d'une expérience aléatoire, et F une famille de
parties de Ω vériant certaines propriétés. Alors, le couple (Ω, F )
est appelé espace probabilisable.
Probabilité
Activité
Un sac contient trois boules de couleurs diérentes; une boule
rouge, une boule verte et une boule bleue. On tire au hasard une
boule du sac, on note sa couleur. On replace la boule dans le sac et
on retire en notant à nouveau sa couleur. Chaque boule a la même
chance d'être tirée.
I Quel est le nombre de résultats possibles?
telle que
• P(Ω) = 1
• pour tout famille (An )n≥1 d'éléments de F deux à deux
disjoints, on a
[ X
P An = P(An ).
n≥1 n≥1
Probabilité
Propriétés
1.
A ⊆ B ⇒ P(A) ≤ P(B)
2.
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
3. si A ∩ B = ∅ alors
P(A ∪ B) = P(A) + P(B)
4.
P(A) + P(A) = 1
Probabilité
Exercice
On lance un dé truqué numéroté de 1 6 tel que
P1 = P2 = P3 = P4 = P5 = 71 et P6 = 72 où Pi est la probabilit
d'apparition du numéro i, i ∈ {1, 2, 3, 4, 5, 6}. Soit A l'événement
"obtenir un nombre au moins égale à 4" et B="obtenir un multiple
de 2 "
1. Calculer la probabilité des événements A et B.
2. Déterminer les ensembles A ∩ B et A ∪ B puis calculer
P(A ∩ B) et P(A ∪ B)
3. Comparer P(A) + P(B) − P(A ∩ B) et P(A ∪ B)
4. Calculer la probabilité de l'événement C= "obtenir un nombre
impair "
5. Calculer P(B) + P(C)
Probabilité
Exercice
Soit A et B deux événements tels que P(A) = 0.45; P(B) = 0.60
et P(A ∪ B) = 0.80 calculer P(A ∩ B) et P(Ā)
Remarque
Exercice
Dans un jeu de 32 cartes il y'a 4 As, on tire au hasard 4 cartes de
ce jeu.
1. Calculer la probabilité d'obtenir 2 As.
2. Quelle est la probabilité de n'avoir aucun As?
3. Quelle est la probabilité de tirer au moins un As?
Modélisation d'une expérience aléatoire
Activité
Dans une classe de Terminale D de 36 élèves, 23 ont 18 ans, 29
sont des lles et 17 lles ont 18 ans. On choisit au hasard un élève
de cette classe.
1. Calculer la probabilité des évènements suivants: A="l'élève a
18 ans ", B ="l'élève est une lle", C=" l'élève est une lle de
18 ans"
2. Si l'élève est une lle, quelle est la probabilité pour qu'elle ait
18 ans ?
P(A) .
3. Comparer le résultat de la question 2 et P(A∩B)
Probabilité conditionnelle
Théorème
Soit une expérience aléatoire E d'univers Ω, P une probabilité sur
(Ω, F ) et B un événement tel que P(B) 6= 0. L'application
PB : F −→ [0, 1]
P(A ∩ B)
A 7−→ PB (A) =
P(B)
Exercice
Une urne contient trois boules rouges et deux boules blanches. On
tire successivement avec remise deux boules de l'urne en notant
leur couleur. Calculer la probabilité d'avoir deux boules de même
couleur sachant que la première boule est rouge.
Probabilité conditionnelle
Dénition
Deux événements A et B de probabilités non nulles sont
indépendants lorsque la réalisation (ou non) de l'un n'a pas
d'inuence sur la probabilité de réalisation de l'autre:
PA (B) = P(B) ou PB (A) = P(A).
Théorème
Deux événements A et B sont indépendants si et seulement si
P(A ∩ B) = P(A)P(B). Plus généralement, si (Ak )1≤k≤n est une
famille d'événements de F mutuellement indépendants alors
n
\ n
Y
P( Aj ) = P(Ak ).
j=1 k=1
Indépendance
Exercice
On lance une pièce de monnaie non truqué deux fois de suite et on
note le couple de côtés qui apparaît.
1. Les événements: A= "face apparaît au premier lancer " et
B="pile apparaît au deuxième lancer" sont-ils indpendants?
2. Les événements : C="le même côté apparaît deux fois" et
D=" le nombre d'apparition de " face" est diérent de deux "
sont-ils indépendants?
DENOMBREMENT
Cardinal d'un ensemble ni
Principes de comptage
Méthodes de dénombrement
Combinaisons
Le choix d'un modèle
ESPACE PROBABILISE
Expérience aléatoire
Probabilité
Modélisation d'une expérience aléatoire
Probabilités conditionnelles, indépendance
VARIABLES ALEATOIRES
Généralités
Variables aléatoires discrète usuelles
Variables aléatoires absolument continues usuelles
Généralités
Dénition
Soit Ω l'univers ni ou inni dénombrable d'une expérience
aléatoire E et (E, T ) un espace probabilisable. On appelle variable
aléatoire toute application mesurable X de (Ω, F ) à valeurs dans
(E, T ), i.e pour tout T ∈ T , X−1 (T) ∈ F .
Remarque
Dénition
Soit X une variable aléatoire dénie sur (Ω, F , P) valeurs dans R.
On appelle loi de probabilité de X, la probabilité PX dénie sur
B(X(Ω)) par:
Dénition
Soit X une variable aléatoire réelle dénie sur (Ω, F , P). On appelle
fonction de répartition de la v.a.r X, la fonction F dénie par:
F : R −→ [0, 1]
x −→ F(x) = P(X < x) = PX (] − ∞, x[).
Généralités
Propriété
1. F est une fonction non décroissante
2. lim F(x) = 0 et lim F(x) = 1.
x→−∞ x→+∞
3. F est continue à droite et limité à gauche.
Dénition Soit X une variable aléatoire réelle. Supposons que la
fonction de répartition F soit continue et strictement croissante.
Pour 0 ≤ α ≤ 1; on note xα l'unique nombre réel vériant
F(xα ) = P(X < xα ) = α.
Dénition
Soit X une variable aléatoire réelle. On dit que X est est une
variable discrète si X(Ω) est dénombrable.
Remarque
Dénition
Soit X v.a.r discrète. Pour toute fonction h, on dénit l'espérance
de h(X) par X
E[h(X)] = h(xi )P(X = xi ).
i≥1
En particulier
I si h(x) = xp , p ≥ 1 alors on parle de moment d'ordre p de la
v.a. X. Le moment d'ordre 1 est appelé l'espérance de X.
I si h(x) = |x − E(X)|p , p ≥ 1 alors on parle de moment centré
d'ordre p de la v.a. X. Le moment centré d'ordre 2 est appelé
la variance de X.
Variables aléatoires continues
Dénition
I X une variable aléatoire continue est absolument continue s'il
existe une fonction f dénie sur R, continue positive, vériant
Z ∞
f(t)dt = 1, telle que ∀x ∈ R,
−∞
Z x
P(X < x) = f(t)dt.
−∞
Remarque
En particulier
I si h(x) = xp , p ≥ 1 alors on parle de moment d'ordre p de la
v.a. X. Le moment d'ordre 1 est appelé l'espérance de X.
I si h(x) = |x − E(X)|p , p ≥ 1 alors on parle de moment centré
d'ordre p de la v.a. X. Le moment centré d'ordre 2 est appelé
la variance de X.
Remarque
Remarque
1
p = P(X = k) = , ∀ k ∈ {1; 2; · · ·; n}
n
Exemple
Tire une lettre de l'alphabet français parmi les 26 lettres si elle ont
indiscernable au toucher.
Théorème
Soit X une v.a de loi uniforme sur {1; 2; · · ·; n}. Alors
n+1
E(X) = 2
n2 −1
Var(X) = 12
Loi de Bernoulli
Exemple
Le jeu de pile ou face (non truqué, p = 0, 5, truqué, p 6= 0, 5).
Théorème
Soit X une v.a de loi de Bernouilli. Alors
E(X) = p
Var(X) = p(1 − p)
Loi Binomiale
où p ∈ [0, 1], q = 1 − p.
I L'espérance d'une variable de Binomiale est E(S) = np.
Remarque
S = X1 + X2 + . . . + Xn
Remarque
K
E(S) = n
N
N−n N−K
I La variance est V(S) = n .
N−1 N
Loi hypergéométrique
Exemple
Une urne contient N boules avec K blanches et N − K noires. On
tire n ≤ N boules sans remise. Alors la variable S = "nombre de
boules blanches" suit une loi hypergéométrique.
Loi de Poisson
µk −µ
P(X = k) = e ;
k!
où µ > 0 est le paramètre de la loi.
L'espérance d'une variable de Poisson est E(X) = µ.
La variance est aussi V(X) = µ.
Loi de Poisson
Exemple
Le nombre de pannes d'un systême mécanique durant une période
donnée: µ est le taux moyen de pannes × la durée de la période.
Loi uniforme continue
Une v.a. X continue suit une loi uniforme sur [a, b] si sa fonction
de répartition a pour densité f où
1
si
b−a a≤u≤b
f(u) =
0 sinon
Remarque