Académique Documents
Professionnel Documents
Culture Documents
Notations et définitions
Langage ensembliste (ou opérations logiques)
Notion de probabilités
Quelques éléments de l’analyse combinatoire
Pr.Y.BENSLIMANE
EHTP
Université Hassan II Casablanca
Pr.Y.BENSLIMANE
EHTP
Université Hassan II Casablanca
Pr.Y.BENSLIMANE
EHTP
Université Hassan II Casablanca
1 Notations et définitions
2 Langage ensembliste (ou opérations logiques)
Opérateurs ensembliste
Loi de Morgan
Tribu d’événements
3 Notion de probabilités
Espace probabilisable
Espace probabilisé fini ou dénombrable
Probabilités conditionnelles
Indépendance en probabilité
Formule de Bays
4 Quelques éléments de l’analyse combinatoire
Permutations sans répétition
Permutations avec répétions
Permutation avec répétition de n objets non tous distincts
Combinaisons sans répétition
Combinaison avec répétition
1 Notations et définitions
2 Langage ensembliste (ou opérations logiques)
Opérateurs ensembliste
Loi de Morgan
Tribu d’événements
3 Notion de probabilités
Espace probabilisable
Espace probabilisé fini ou dénombrable
Probabilités conditionnelles
Indépendance en probabilité
Formule de Bays
4 Quelques éléments de l’analyse combinatoire
Permutations sans répétition
Permutations avec répétions
Permutation avec répétition de n objets non tous distincts
Combinaisons sans répétition
Combinaison avec répétition
Introduction
Nombreux sont les domaines (scientifique, médical les sciences humaines,...) où
on s’intéresse à des phénomènes dans lesquels apparaît l’effet du hasard. La
théorie de probabilité a pour objectif de modéliser ce type de problème.
X Expérience aléatoire
Une expérience est dite aléatoire lorsque sont résultat est déterminé par le
hasard. Il ne peut pas être prévu à l’avance.
Exemple
Le lancer d’un dé non truqué, les résultats possibles sont 1,2,3,4,5 et 6. Mais le
lancer d’un dé dont les faces portent le numéro 2, ce ne serait pas une
expérience aléatoire.
Introduction
Nombreux sont les domaines (scientifique, médical les sciences humaines,...) où
on s’intéresse à des phénomènes dans lesquels apparaît l’effet du hasard. La
théorie de probabilité a pour objectif de modéliser ce type de problème.
X Expérience aléatoire
Une expérience est dite aléatoire lorsque sont résultat est déterminé par le
hasard. Il ne peut pas être prévu à l’avance.
Exemple
Le lancer d’un dé non truqué, les résultats possibles sont 1,2,3,4,5 et 6. Mais le
lancer d’un dé dont les faces portent le numéro 2, ce ne serait pas une
expérience aléatoire.
Introduction
Nombreux sont les domaines (scientifique, médical les sciences humaines,...) où
on s’intéresse à des phénomènes dans lesquels apparaît l’effet du hasard. La
théorie de probabilité a pour objectif de modéliser ce type de problème.
X Expérience aléatoire
Une expérience est dite aléatoire lorsque sont résultat est déterminé par le
hasard. Il ne peut pas être prévu à l’avance.
Exemple
Le lancer d’un dé non truqué, les résultats possibles sont 1,2,3,4,5 et 6. Mais le
lancer d’un dé dont les faces portent le numéro 2, ce ne serait pas une
expérience aléatoire.
X Univers
On représente le résultat d’une expérience aléatoire comme un élément ω de
l’ensemble Ω de tous les résultats possibles. Ω est appelé l’univers ou
l’ensemble fondamental (c’est-à-dire Ω représente tous les résultats possibles
dans l’expérience)
Exemple
L’univers peut être fini :
1 Lancer une pièce de monnaie : Ω = {P, F }
2 Lancer un dé Ω = {1, 2, 3, 4, 5, 6}
3 Considérer une urnes dans laquelle il y a : deux boules vertes (V1 , V2 ) et
une boule rouge R. L’épreuve consiste à tirer simultanément deux boules
alors :
Ω = {{V1 , R}, {V2 , R}, {V1 , V2 }}
X Univers
On représente le résultat d’une expérience aléatoire comme un élément ω de
l’ensemble Ω de tous les résultats possibles. Ω est appelé l’univers ou
l’ensemble fondamental (c’est-à-dire Ω représente tous les résultats possibles
dans l’expérience)
Exemple
L’univers peut être fini :
1 Lancer une pièce de monnaie : Ω = {P, F }
2 Lancer un dé Ω = {1, 2, 3, 4, 5, 6}
3 Considérer une urnes dans laquelle il y a : deux boules vertes (V1 , V2 ) et
une boule rouge R. L’épreuve consiste à tirer simultanément deux boules
alors :
Ω = {{V1 , R}, {V2 , R}, {V1 , V2 }}
X Univers
On représente le résultat d’une expérience aléatoire comme un élément ω de
l’ensemble Ω de tous les résultats possibles. Ω est appelé l’univers ou
l’ensemble fondamental (c’est-à-dire Ω représente tous les résultats possibles
dans l’expérience)
Exemple
L’univers peut être fini :
1 Lancer une pièce de monnaie : Ω = {P, F }
2 Lancer un dé Ω = {1, 2, 3, 4, 5, 6}
3 Considérer une urnes dans laquelle il y a : deux boules vertes (V1 , V2 ) et
une boule rouge R. L’épreuve consiste à tirer simultanément deux boules
alors :
Ω = {{V1 , R}, {V2 , R}, {V1 , V2 }}
Exemple
L’univers peut contenir un nombre infini des éléments :
4. On note l’âge d’un individu choisir au hasard d’une population donnée :
Ω = [0h, 70 ans]
X Evénement
Toute sous ensemble de l’univers Ω est appelée événement.
Exemple
Lancer trois pièces de monnaies : "Le nombre de pile est supérieur à celui de
face" est un événement.
Exemple
L’univers peut contenir un nombre infini des éléments :
4. On note l’âge d’un individu choisir au hasard d’une population donnée :
Ω = [0h, 70 ans]
X Evénement
Toute sous ensemble de l’univers Ω est appelée événement.
Exemple
Lancer trois pièces de monnaies : "Le nombre de pile est supérieur à celui de
face" est un événement.
Remarque
On peut citer quelques événements particuliers :
1 Ω est l’événement certain (Il se réalise toujours) : Obtenir " pile ou face
en lançant une pièce de monnaie "
2 ∅ (Ensemble vide) est l’événement impossible, c’est-à-dire il ne se réalise
jamais : " Obtenir 0 en lançant un dé non truqué "
3 Un événement est élémentaire s’il se réalise d’une seule façon : On lance
une paire de pièce de monnaie, l’événement : " Obtenir deux face " est
un événement élémentaire.
4 Ā est l’événement contraire de A c’est-à-dire l’événement complémentaire
de A dans Ω, c’est l’ensemble des éventualités ou événements
élémentaires de Ω n’appartiennent pas à A : On tire un dé, soit
l’événement A : " Obtenir 2,4,6 ", son événement contraire Ā c’est "
Obtenir 1,3,5 "
5 Deux événements A et B sont incompatibles s’ils ne peuvent pas se
réaliser en même temps c’est-à-dire A ∩ B = ∅ :
Definition
Une suite des événements A1 , A2 , .., An est dite mutuellement incompatible si
i\
=n
Ai = ∅
i =1
X Cardinal
Pour un ensemble fini, le cardinal est le nombre des éléments contenus dans cet
ensemble. On note card(ensemble).
Exemple
Dans l’exemple d’un lancer de dé, on a Ω = {1, 2, 3, 4, 5, 6} et Card(Ω) = 6
1 Notations et définitions
2 Langage ensembliste (ou opérations logiques)
Opérateurs ensembliste
Loi de Morgan
Tribu d’événements
3 Notion de probabilités
Espace probabilisable
Espace probabilisé fini ou dénombrable
Probabilités conditionnelles
Indépendance en probabilité
Formule de Bays
4 Quelques éléments de l’analyse combinatoire
Permutations sans répétition
Permutations avec répétions
Permutation avec répétition de n objets non tous distincts
Combinaisons sans répétition
Combinaison avec répétition
Exemple
On jete un dé et on considère les deux événements suivants :
A = {1, 2, 3, 5} et B = {2, 3, 4}
Déterminer A ∪ B, A ∩ B et A − B.
A ∩ B = Ā ∪ B̄
Preuve :(Exercice)
Exercice
Soit Ω l’ensemble des résultats possibles d’une expérience aléatoire, et soient A,
B et C des évènements. Traduire en termes ensemblistes les évènements :
1 les trois évènements A, B et C sont réalisés.
2 aucun des trois évènements n’est réalisé.
3 au moins un des évènements est réalisé.
4 deux au plus des évènements est réalisé.
Definition
On appelle une tribu ou σ−algèbre sur Ω, toute partie A de P(Ω) telle que :
∅∈A
∀A ∈ A ⇒ Ā ∈ A (A est stable par passage au complémentaire)
[
Si (An )n∈IN ∈ A alors An ∈ A (A est stable par réunion dénombrable)
n
Definition
On appelle espace probabilisable le couple (Ω, A)
1 Notations et définitions
2 Langage ensembliste (ou opérations logiques)
Opérateurs ensembliste
Loi de Morgan
Tribu d’événements
3 Notion de probabilités
Espace probabilisable
Espace probabilisé fini ou dénombrable
Probabilités conditionnelles
Indépendance en probabilité
Formule de Bays
4 Quelques éléments de l’analyse combinatoire
Permutations sans répétition
Permutations avec répétions
Permutation avec répétition de n objets non tous distincts
Combinaisons sans répétition
Combinaison avec répétition
Definition
On appelle probabilité P sur (Ω, A) une application P : A → [0, 1] telle que :
P(Ω) = 1
Pour toute suite d’événements An ∈ A, n ∈ I fini ou dénombrable deux à
deux incompatibles on a
[ X
P( An ) = P(An )
n∈I n∈I
Remarque
Pour une suite d’événements quelconques, on a l’inégalité de Boole :
[ X
P( An ) ≤ P(An )
n∈I n∈I
Proposition
Soit P : A → [0, 1] une probabilité, et A, B ∈ A on a les propriétés suivantes :
1 P(∅) = 0 (l’événement impossible est de probabilité nulle)
2 P(Ā) = 1 − P(A)
3 A ⊂ B ⇒ P(A) ≤ P(B) (P est croissante)
4 P(A ∪ B) = P(A) + P(B) − P(A ∩ B) (Formule de Poincaré)
Preuve
Exemple
Soit Ω = {ω1 , ω2 , ..., ωn }, on associé à chaque événement élémentaire un réel
n
X
pi , i = 1, 2, ..., n tel que P({ωi }) = pi , 0 ≤ pi ≤ 1 et pi = 1.
i =1
P est une probabilité sur (Ω, P(Ω)) défini par :
X
P(A) = {pi /ωi ∈ A}
Cas particulier(quiprobabilité)
C’est le cas où tous les événements élementaires ont la même probabilité(loi
1
uniforme discrète) pi = , 1 ≤ i ≤ n
n
et alors
X1 1 Card (A)
P(A) = = Card (A) =
ω
n n Card (Ω)
i
Remarque
Cette régle ne s’applique que dans le cas d’équiprobabilité des événements
élémentaires
Exemple
1. On lance un dé,sachant que le résultat est une face paire. Calculer la
probabilité pour que ce résultat soit supérieur à 3.
2. On lance trois fois une pièce de monnaie et on considère les événements :
A ="Obtenir au moins deux faces" et B ="Obtenir face au premier coup".
Calculer PB (A)
Remarque
Dans un espace probabilisé (Ω, A, P), si B est un événement irréalisable
(P(B) = 0), alors il est clair que PB (A) = 0
Proposition
Soient A et B ∈ A
1 Si A et B sont incompatibles, tels que P(B) 6= 0 alors PB (A) = 0
2 Si B ⊂ A alors PB (A) = 1
P(A)
3 Si A ⊂ B alors PB (A) =
P(B)
4 Si (Ai )i ∈I (I ⊂ IN) une suite d’évenements deux à deux incompatible alors
[ X
PB ( Ai ) = PB (Ai )
I ∈I I ∈I
Definition
Deux événements A et B sont dits indépendants si :
Remarques
1 Supposons que A et B sont deux événements indépendants, si de plus
P(B) > 0, alors :
P(A ∩ B) P(A) × P(B)
PB (A) = = = P(A).
P(B) P(B)
La réalisation d’un événement n’influence pas sur la réalisation de l’autre.
2 Ne pas confondre indépendance avec incompatibilité, car dans ce dernier
cas A ∩ B = ∅ et P(A ∩ B) = 0
Proposition
A et B deux événements indépendants, alors :
1 Ā et B sont indépendants
2 A et B̄ sont indépendants
3 Ā et B̄ sont indépendants
Definition
On dit que la suite d’événements (A)1≤i ≤n forme un système complet (ou
partition) de Ω si :
n
[
Ai ∩ Aj = ∅ ∀i 6= j et =Ω
i =1
Proposition
Soit (A)1≤i ≤n un système complet de Ω et B ∈ A alors
n
X
P(B) = P(Ai ∩ B)
i =1
Preuve
Proposition
On considère (A)1≤i ≤n un système complet de Ω tel que P(Ai ) 6= 0, i = 1, ..., n.
Soit B ∈ A tel que P(B) 6= 0, alors :
Exemple
On tire au sort entre deux urnes U1 et U2 avec des probabilités respectives 13 et
2
3
, puis on tire une boule dans l’urne choisie.
U1 contient :5 boules rouges et 6 noires.
U2 contient 7 boules rouges et 3 noires.
Calculer la probabilité de choisir U1 sachant qu’on a obtenu une boule noire ?
1 Notations et définitions
2 Langage ensembliste (ou opérations logiques)
Opérateurs ensembliste
Loi de Morgan
Tribu d’événements
3 Notion de probabilités
Espace probabilisable
Espace probabilisé fini ou dénombrable
Probabilités conditionnelles
Indépendance en probabilité
Formule de Bays
4 Quelques éléments de l’analyse combinatoire
Permutations sans répétition
Permutations avec répétions
Permutation avec répétition de n objets non tous distincts
Combinaisons sans répétition
Combinaison avec répétition
Une permutation sans répétition (arrangement) de p objets pris parmi n est une
suite ordonnée de p éléments choisis parmi n, et qui ne peuvent pas se répéter.
Exemples
Le nombre de manières différentes de placer 10 personnes dans une file
d’attente est A10
10 = 10! = 3628800.
Une permutation avec répétition de p objets pris parmi n est une suite
ordonnée de p éléments choisis parmi n, et et pouvant se répéter.
np = n × n × .... × n
| {z }
p fois
Exemple
Un mot de cinq lettres (avec sens ou non) est une permutation avec répétition
de cinq objets choisis parmi un ensemble, l’alphabet, de 26 éléments : EHTPC,
matin, boire,. . . Le nombre total de ces permutations est :
Exemple
Une urne contenant dix boules numérotées de 1 à 10, avec trois couleurs
différentes (trois boules rouges, quatre boules vertes et trois jaunes, on tire
sans remise les 10 boules, l’une après l’autre. Il y a alors 10! tirages ordonnés
possibles. Maintenant on efface les numéros des boules vertes, les 4!
permutations de ces quatre boules conduisent à la même permutation, par
10!
conséquent le nombre de permutations distinctes devient
4!
Exemple
Dans une classe de 16 étudiants le nombre de binômes possibles est :
2
C16
Exemple
De combien de façons différentes on peut distribuer trois bonbons identiques
sur deux enfants ?( Un enfant peut prendre les trois bonbons.) Si on note par
E1 , E2 les deux enfants, on peut écrire une possibilité par exemple sous la
forme :E1 E1 E2 pour dire on a donné deux bonbons au premier enfant et un seul
au deuxième.
Alors il y a C43 possibilités
Exemple
De combien de façons différentes on peut distribuer trois bonbons identiques
sur deux enfants ?( Un enfant peut prendre les trois bonbons.) Si on note par
E1 , E2 les deux enfants, on peut écrire une possibilité par exemple sous la
forme :E1 E1 E2 pour dire on a donné deux bonbons au premier enfant et un seul
au deuxième.
Alors il y a C43 possibilités
Exercice
On jette quatre dés identiques non truqués. Calculer les probabilités suivantes :
1. quatre fois le même chiffre.
2. quatre chiffres