USTHB - Faculté de Mathématiques

Module : Probabilités et Statistique.

Analyse Combinatoire et Calcul des Probabilités

I. Analyse Combinatoire

Le but de l’analyse combinatoire (techniques de dénombrement) est d’apprendre à

compter le nombre d’éléments d’un ensemble fini de grande cardinalité. L’analyse
combinatoire est aussi un outil utilisé dans le calcul des probabilités.
1) Principe Fondamental de l’Analyse Combinatoire : (PFAC)

1.1. Version restreinte :

Quand on réalise deux expériences en même temps, si la première expérience peut
produire 𝒏 résultats possibles, et la seconde peut produire 𝒎 résultats, alors il
existe 𝒏 × 𝒎 résultats pour les deux expériences réalisées en même temps.
1.2. Version généralisée :

Si on veut réaliser 𝒌 expériences telles que :

La 1ère expérience (E1) peut produire l’un des 𝒏𝟏 résultats possibles.
La 2ème expérience (E2) peut produire l’un des 𝒏𝟐 résultats possibles.
⋮
La 𝒌 ème expérience (Ek) peut produire l’un des 𝒏𝒌 résultats possibles.
On aura : 𝒏𝟏 × 𝒏𝟐 × … × 𝒏𝒌 résultats possibles si on réalise les 𝒌 expériences en
même temps.
Exemple :
E1 : Jeter une pièce Résultats {𝑃, 𝐹} alors 𝒏𝟏 = 𝟐
E2 : Jeter un dé Résultats {1,2,3,4,5,6} alors 𝒏𝟐 = 𝟔
Le nombre de résultats possibles est : 𝒏𝟏 × 𝒏𝟐 = 𝟐 × 𝟔 = 𝟏𝟐
Les résultats des deux expériences sont :
{𝑃, 𝐹} × {1,2,3,4,5,6}
= {(𝑃, 1), (𝑃, 2), (𝑃, 3), (𝑃, 4), (𝑃, 5), (𝑃, 6), (𝐹, 1), (𝐹, 2), (𝐹, 3), (𝐹, 4), (𝐹, 5), (𝐹, 6)}

1
2) Permutations :
2.1. Permutations sans répétition :
Une permutation sans répétition est un classement ordonné de 𝒏 objets distincts.
Considérons par exemple l’ensemble {1, 2, 3}. Il existe 6 manières d’ordonner ces trois
chiffres : {1, 2, 3}, {1, 3, 2}, {2, 1, 3}, {2, 3, 1}, {3, 1, 2}, {3, 2, 1}.
Si on dispose de 𝑛 objets, chacun des 𝑛 objets peut être placé à la première place. Il reste
ensuite (𝑛 − 1) objets qui peuvent être placés à la deuxième place, puis (𝑛 − 2) objets
pour la troisième place, et ainsi de suite. Le nombre de permutations possibles de 𝒏 objets
distincts vaut donc : 𝑷𝒏 = 𝑛 × (𝑛 − 1) × (𝑛 − 2) × … × 2 × 1 = 𝒏!

Exemple :
Le nombre de manières de placer 8 personnes autour d’une table est :
𝑃8 = 8! = 40 320 possibilités.
2.2. Permutations avec répétition :
On peut également se poser la question du nombre de manières de ranger des objets qui
ne sont pas tous distincts. Supposons que nous ayons 2 boules rouges (notées R) et 3
boules blanches (notées B). Il existe 10 permutations possibles qui sont :
{𝑅, 𝑅, 𝐵, 𝐵, 𝐵}, {𝑅, 𝐵, 𝑅, 𝐵, 𝐵}, {𝑅, 𝐵, 𝐵, 𝑅, 𝐵}, {𝑅, 𝐵, 𝐵, 𝐵, 𝑅}, {𝐵, 𝑅, 𝑅, 𝐵, 𝐵},
{𝐵, 𝑅, 𝐵, 𝑅, 𝐵}, {𝐵, 𝑅, 𝐵, 𝐵, 𝑅}, {𝐵, 𝐵, 𝑅, 𝑅, 𝐵}, {𝐵, 𝐵, 𝑅, 𝐵, 𝑅}, {𝐵, 𝐵, 𝐵, 𝑅, 𝑅}.
Si l’on dispose de 𝒏 objets appartenant à deux groupes de tailles 𝒏𝟏 et 𝒏𝟐 alors le nombre
𝒏!
de permutations avec répétition est :
𝒏𝟏 !𝒏𝟐 !

Par exemple si l’on a 3 boules blanches et 2 boules rouges, on obtient :

𝑛! 5! 20
= = = 10
𝑛1 ! 𝑛2 ! 2! 3! 2
Si l’on dispose de 𝑛 objets appartenant à 𝒌 groupes de tailles 𝒏𝟏 , 𝒏𝟐 , … , 𝒏𝒌 alors le nombre
de permutations avec répétition est :
𝒏!
̃𝒏 =
𝑷
𝒏𝟏 ! 𝒏𝟐 ! … 𝒏𝒌 !

Exemple : Considérons le mot « CELLULE ». Le nombre de mots possibles (avec ou sans

signification) que l’on peut écrire en permutant ces 7 lettres est :
𝑛! 7!
= = 420 mots possibles.
𝑛1 !𝑛2 ! 2!3!

2
3) Arrangements :
Etant donné un ensemble 𝑬 de 𝒏 objets, on appelle arrangements de p objets toutes
suites ordonnées de 𝒑 objets pris parmi les 𝒏 objets, avec 𝒑 ≤ 𝒏.

3.1. Arrangements sans répétition :

Soit 𝒏 objets distincts (différents). On appelle un arrangement sans répétition une manière
de sélectionner 𝒑 objets parmi les 𝒏 et de les ranger dans des boites numérotées de 1 à 𝑝.
On parle de tirage sans remise.

Dans la première boite, on peut mettre chacun des 𝒏 objets.

Dans la seconde boite, on peut mettre chacun des (𝒏 − 𝟏) objets restants.

Dans la troisième boite, on peut mettre chacun des (𝒏 − 𝟐) objets restants

et ainsi de suite.

Le nombre d’arrangements sans répétition possibles est :

𝒑 𝒏!
𝑨𝒏 = 𝒏 × (𝒏 − 𝟏) × (𝒏 − 𝟐) × … × (𝒏 − 𝒑 + 𝟏) =
(𝒏 − 𝒑)!

Exemple :

15 candidats, numérotées de 1 à 15, se présentent à un concours.

De combien de façons différentes seront classées les trois premiers ?

Il s’agit d’ordonner 3 candidats parmi 15, soit :

3
15! 15! 15 × 14 × 13 × 12!
𝐴15 = = = = 2730
(15 − 3)! 12! 12!

15 × 14 × 13

3
3.2. Arrangements avec répétition :

Soit 𝒏 objets qui ne sont pas tous distincts. Si nous avons à choisir 𝒑 éléments parmi 𝒏, la
disposition étant ordonnée et avec répétition.
Pour le premier objet tiré, il existe 𝒏 manières de ranger l’objet parmi 𝒏.
Pour le second objet tiré, il existe également 𝒏 possibilités d’arrangements car le premier
objet fait de nouveau parti des 𝒏 objets.
On parle de tirage avec remise. Ainsi pour les 𝑝 objets tirés, il y aura 𝒏 × 𝒏 × … × 𝒏 (𝒑 𝒇𝒐𝒊𝒔)
arrangements possibles, soit :
̃ 𝒑𝒏 = 𝒏 × 𝒏 × … × 𝒏 = 𝒏𝒑
𝑨
Exemple :

Combien de mots de 3 lettres peuvent être formés dans un alphabet de 26 lettres ?

𝐴̃326 = 263 = 17576

26 × 26 × 26

4) Combinaisons :
4.1. Combinaisons sans remise :

Soit 𝒏 objets distincts. On appelle une combinaison une manière de sélectionner 𝒑 objets
parmi les 𝒏 sans tenir compte de leur ordre. Le nombre de combinaisons est le nombre de
sous-ensembles de taille 𝒑 dans un ensemble de taille 𝒏. Soit l’ensemble {1, 2, 3, 4, 5}. Il
existe 10 sous-ensembles de taille 3 qui sont : {1, 2, 3}, {1, 2, 4}, {1, 2, 5}, {1, 3, 4}, {1, 3, 5},
{1, 4, 5}, {2, 3, 4}, {2, 3, 5}, {2, 4, 5}, {3, 4, 5}.
De manière générale, le nombre de combinaisons de 𝒑 objets parmi 𝒏 vaut donc :
𝒑 𝒏!
𝑪𝒏 =
𝒑!(𝒏−𝒑)!

Exemple : si on cherche à déterminer le nombre de combinaison de 3 objets parmi 5, on a :

5! 120
𝐶53 = = = 10
3!(5−3)! 2×6

4.2. Combinaisons avec remise : Le nombre de combinaisons de p objets parmi n avec

remise est :

𝒑 (𝒏 + 𝒑 − 𝟏)!
𝑪𝒏+𝒑−𝟏 =
𝒑! (𝒏 − 𝟏)!
4
 Récapitulatif

Disposition Ordre Sans répétition Avec répétition

Permutation Oui 𝑷𝒏 = 𝒏! 𝒏!
̃𝒏 =
𝑷
𝒏𝟏 ! 𝒏𝟐 ! … 𝒏𝒌 !

Arrangement Oui 𝒑 𝒏! ̃ 𝒑𝒏 = 𝒏𝒑
𝑨
𝑨𝒏 =
(𝒏 − 𝒑)!

Combinaison Non 𝒑 𝒏! 𝒑 (𝒏 + 𝒑 − 𝟏)!

𝑪𝒏 = 𝑪𝒏+𝒑−𝟏 =
𝒑! (𝒏 − 𝒑)! 𝒑! (𝒏 − 𝟏)!

Dénombrement

Suite Suite Non

Ordonnée ordonnée

Permutation Arrangement Combinaison

Avec Sans Avec

Sans
Sans Avec
Répétition Répétition Répétition Répétition
Répétition Répétition
𝒏! 𝒑 𝒏! 𝒑 𝒏! (𝒏 + 𝒑 − 𝟏)!
𝑷𝒏 = 𝒏! ̃𝒏 =
𝑷 𝑨𝒏 = ෪𝒑 = 𝒏𝒑
𝑨 𝑪𝒏 = 𝒑
(𝒏 − 𝒑)! 𝒏 (𝒏
𝒑! − 𝒑)! 𝑪𝒏+𝒑−𝟏 =
𝒏𝟏 ! … 𝒏𝒌 ! 𝒑! (𝒏 − 𝟏)!

5
II. Calcul des Probabilités

1) Espaces probabilisés :
1.1. Expérience aléatoire, espace fondamental et évènements :
• Une expérience ou épreuve est dite aléatoire (notée E) si on ne peut pas prédire a priori
son résultat.
• L’espace fondamental est l’ensemble de tous les résultats possibles qu’on peut avoir
lors d’une expérience aléatoire, on le note par Ω. Un élément (singleton) 𝜔 de Ω est dit
résultat élémentaire. Le nombre d’éléments (ou cardinal) de l’ensemble Ω est noté |Ω|.
• On appelle évènement toute assertion logique sur une expérience aléatoire (tout sous-
ensemble de Ω).
Exemple :
E1 : Lancer une pièce de monnaie, alors Ω = {𝐹, 𝑃} et |Ω| = 2.
E2 : Jeter un dé, alors Ω = {1,2,3,4,5,6} et |Ω| = 6.
Remarques :
• Un événement qui contient un unique élément de 𝜔 est un événement élémentaire.
Il est noté {𝜔}.
• L’espace fondamental Ω est l’évènement certain.
• L’ensemble vide 𝜙 est l’évènement impossible.

Exemple : Pour l’expérience aléatoire (E2), soient les évènements :

𝐴 : « obtenir un nombre pair », alors 𝐴 = {2,4,6}.
𝐵 : « obtenir un nombre impair », alors 𝐵 = {1,3,5}.
C : « obtenir un multiple de 3 », alors 𝐶 = {3,6}.
𝐷 : l’événement élémentaire « le plus petit nombre », alors 𝐷 = {1}

1.2. Opérations et relations entre les évènements

Soit Ω l’ensemble fondamental d’une expérience aléatoire et 𝐴, 𝐵, 𝐶 trois événements sur
lesquels on peut appliquer les opérations habituelles de la théorie des ensembles.
L’intersection : L’événement 𝑨 ∩ 𝑩 est réalisé si les deux événements 𝑨 et 𝑩 sont réalisés
en même temps.

6
L’union : L’événement 𝑨 ∪ 𝑩 est réalisé, si au moins un des deux événements 𝑨 ou 𝑩 se
réalise.

̅
Le complémentaire : Pour chaque événement 𝐴, on définit l’événement complémentaire 𝑨
(ou 𝑨𝒄 ) qui contient tous les éléments de Ω qui ne sont pas dans 𝐴.

Différence de deux événements : On appelle différence de deux événements 𝐴 et 𝐵 notée

par 𝑨 − 𝑩 (ou 𝑨\𝑩), l’évènement qui se réalise quand 𝐴 est réalisé et 𝐵 ne l’est pas.
𝑨 − 𝑩 = {𝜔 ∈ Ω/ 𝜔 ∈ 𝐴 𝑒𝑡 𝜔 ∉ 𝐵} = 𝐴 ∩ 𝐵̅.

Différence symétrique : On appelle différence symétrique de deux événements 𝐴 et 𝐵 notée

par 𝑨 ∆ 𝑩, l’évènement qui est réalisé si un et un seul des deux évènements est réalisé.

𝑨 ∆ 𝑩 = (𝑨 − 𝑩) ∪ (𝑩 − 𝑨).

Evénements incompatibles ou exclusifs : On dit que les évènements 𝐴 et 𝐵 sont

incompatibles (ou disjoints) s’ils ne peuvent pas être réalisés en même temps, alors
𝐴 ∩ 𝐵 = ∅. (𝐴 et 𝐵 n’ont pas d’éléments communs).

Inclusion : Si 𝐴 est inclus dans 𝐵, on écrit 𝑨 ⊂ 𝑩. On dit que 𝐴 implique 𝐵.

7
 Exemple : Pour (E2) : Jeter un dé on a Ω = {1, 2, 3, 4, 5, 6} et |Ω| = 6.
𝐴 : « obtenir un nombre pair », alors 𝐴 = {2,4,6}.
𝐵 : « obtenir un nombre impair », alors 𝐵 = {1,3,5}.
C : « obtenir un multiple de 3 », alors 𝐶 = {3,6}.
• 𝑨∩𝑩=∅
• 𝑨 ∩ 𝑪 « Obtenir un nombre pair et multiple de 3 », 𝑨 ∩ 𝑪 = {𝟔}
• 𝑨∪𝑩=Ω
• 𝑨 ∪ 𝑪 « Obtenir un nombre pair ou multiple de 3 », 𝑨 ∪ 𝑩 = {2, 3, 4, 6}
• ̅ = 𝑩 « Obtenir un nombre impair » 𝑨
𝑨 ̅ = {1, 3, 6}
• 𝑨 − 𝑪 : « Obtenir un nombre pair et pas multiple de 3 », 𝑨 − 𝑪 = {2, 4}
• 𝑨 ∆ 𝑪 = (𝐴 − 𝐶) ∪ (𝐶 − 𝐴) = {2, 4} ∪ {3} = {2, 3, 4}

Langage de la théorie des ensembles versus langage des probabilités :

Les opérations logiques sur les événements : « et », « ou », « négation » se traduisent par
des opérations ensemblistes : intersection, réunion, passage au complémentaire. Voici un
tableau de correspondance entre les deux langages.

Notation Vocabulaire ensembliste Vocabulaire Probabiliste

Ω Ensemble plein Ensemble fondamental et évènement certain

{𝜔} Singleton ou élément de Ω Evénement élémentaire

𝐴 Sous-ensemble de Ω Evènement

∅ Ensemble vide Evènement impossible

𝜔∈𝐴 𝜔 appartient à 𝐴 𝜔 est une réalisation possible de 𝐴

𝐴⊂𝐵 𝐴 inclus dans 𝐵 La réalisation de 𝐴 implique la réalisation de 𝐵

𝐴∪𝐵 Réunion de 𝐴 et de 𝐵 Au moins un des deux événements se réalise 𝐴 ou 𝐵

𝐴∩𝐵 Intersection de 𝐴 et 𝐵 𝐴 et 𝐵 se réalisent en même temps

Complémentaire de 𝐴
𝐴̅ = 𝐴𝑐 Evènement contraire de 𝐴
dans Ω
𝐴∩𝐵 =∅ 𝐴 et 𝐵 sont disjoints 𝐴 et 𝐵 sont incompatibles

𝐶𝑎𝑟𝑑 (Ω) = |Ω| Nombre d’éléments de Ω Nombre de cas possibles

𝐶𝑎𝑟𝑑 (𝐴) = |𝐴| Nombre d’éléments de 𝐴 Nombre de cas favorables

8
 2) Mesure de probabilité :
2.1. Ensemble des parties d’un ensemble : On va associer à Ω l’ensemble 𝓟(𝛀) de toutes
les parties (ou tous les sous-ensembles) de Ω.
Remarque : Si Ω est fini, alors 𝒫(Ω) est fini et |𝒫(Ω)| = 2|Ω| .

Exemple
1/ Si on jette une pièce de monnaie alors Ω = {𝑃, 𝐹} et 𝒫(Ω) = {∅, {𝑃}, {𝐹}, {𝑃, 𝐹}}.

2/ Soit Ω = {1, 2, 3} , |Ω| = 𝑐𝑎𝑟𝑑(Ω) = 3, donc |𝒫(Ω)| = 2|Ω| = 23 = 8

𝒫(Ω) = {∅, {1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, Ω}.

2.2. Système complet d’évènements : Les évènements 𝐴1 , 𝐴2 , … , 𝐴𝑛 forment un système

complet d’évènements, s’ils constituent une partition de Ω, c’est-à-dire si
- Tous les couples 𝐴𝑖 𝐴𝑗 sont mutuellement exclusifs quand 𝑖 ≠ 𝑗,
- L’union de tous les 𝐴𝑖 est égale à Ω, ⋃𝑛𝑖=1 𝐴𝑖 = Ω.
2.3. Tribu ou 𝝈-algèbre : Soit Ω un ensemble et 𝒫(Ω) l’ensemble des parties de Ω. Une
partie 𝒜 de 𝒫(Ω) est une 𝜎-algèbre, si :

1) Ω ∈ 𝒜;
2) ∀ A ∈ 𝒜 ⇒ 𝐴̅ ∈ 𝒜 (stabilité par complémentation) ;
3) ∀ (A𝑖 )∞ ∞
𝑖=1 ∈ 𝒜 ⇒ ⋃𝑖=1 𝐴𝑖 ∈ 𝒜 (stabilité par réunion).

Exercice : Soit l’espace fondamental Ω = {1, 2, 3}, et considérons les ensembles

𝒜1 = {∅, {1}, {2, 3}, Ω} et 𝒜2 = {∅, {2}, {1, 3}, Ω}

1. Vérifiez que 𝒜1 et 𝒜2 sont des 𝜎-algèbres sur Ω.
2. Les ensembles 𝒜1 ∩ 𝒜2 et 𝒜1 ∪ 𝒜2 sont-ils des 𝜎-algèbres sur Ω ?
Solution
1. Les deux ensembles 𝒜1 et 𝒜2 sont des 𝜎-algèbres sur Ω , car ils vérifient la stabilité
par passage au complémentaire et par l’union.
2. On a 𝒜1 ∩ 𝒜2 = {∅, Ω} est une 𝜎-algèbre sur Ω car les 3 conditions sont vérifiées.
De plus, on appelle {∅, Ω} algèbre triviale.
On a 𝒜1 ∪ 𝒜2 = {∅, {1}, {2}, {1, 3}, {2, 3}, Ω}
{1} ∪ {2} = {1, 2} ∉ 𝒜1 ∪ 𝒜2 donc 𝒜1 ∪ 𝒜2 n’est pas une 𝜎-algèbre sur Ω.

9
2.3. Axiomatique des probabilités :

Définition : une probabilité ou une mesure de probabilité 𝑷( . ) est une application de 𝒜

dans [0, 1], telle que :
- P(Ω) = 1
- Pour tout ensemble dénombrable d’évènements 𝐴1 , 𝐴2 , … , 𝐴𝑛 mutuellement exclusifs
(𝐴𝑖 ∩ 𝐴𝑗 = ∅ pour tout 𝑖 ≠ 𝑗), on a
𝑃(𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 ) = 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + + ⋯ + 𝑃(𝐴𝑛 ).
A partir des axiomes, on peut déduire les propriétés suivantes :
• 𝑃(∅) = 0.
• 𝑃(𝐴̅) = 1 − 𝑃(𝐴).
• Si 𝐴 ⊂ 𝐵 alors 𝑃(𝐴) ≤ 𝑃(𝐵).
• 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵).
• 𝑃(𝐴 − 𝐵) = 𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐵).
• 𝑃(𝐴 ∆ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 2𝑃(𝐴 ∩ 𝐵).
• 𝑃(⋃𝑛𝑖=1 𝐴𝑖 ) ≤ ∑𝑛𝑖=1 𝑃( 𝐴𝑖 ).
• Si 𝐴1 , 𝐴2 , … , 𝐴𝑛 forment un système complet d’évènements, alors pour tout
évènement 𝐵, on a ∑𝑛𝑖=1 𝑃( 𝐵 ∩ 𝐴𝑖 ) = 𝑃(𝐵).
On dit que le triplet (𝛀, 𝓐, 𝑷) est un espace probabilisé.
Exemple :
Soient 𝐴 et 𝐵 deux évènements d’un espace de probabilité (Ω, 𝒜, 𝑃). On donne :
𝑃(𝐴) = 0.6 , 𝑃(𝐵) = 0.3 𝑒𝑡 𝑃(𝐴 ∩ 𝐵) = 0.15
Calculer : 𝑃(𝐴̅), 𝑃(𝐴 ∪ 𝐵), 𝑃(𝐴̅ ∩ 𝐵̅), 𝑃(𝐴\𝐵), 𝑃(𝐴 ∆ 𝐵), et 𝑃(𝐴 ∆ 𝐵̅).

• 𝑃(𝐴̅) = 1 − 𝑃(𝐴) = 𝟎. 𝟒
• 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) = 0.6 + 0.3 − 0.15 = 𝟎. 𝟕𝟓
• 𝑃(𝐴̅ ∩ 𝐵̅) = 𝑃 (𝐴
̅̅̅̅̅̅̅
∪ 𝐵) = 1 − 𝑃(𝐴 ∪ 𝐵) = 1 − 0.75 = 𝟎. 𝟐𝟓
• 𝑃(𝐴\𝐵) = 𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐵) = 0.6 − 0.15 = 𝟎. 𝟒𝟓
• 𝑃(𝐴 ∆ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 2𝑃(𝐴 ∩ 𝐵) = 0.6 + 0.3 − 2 × 0.15 = 𝟎. 𝟔
• 𝑃(𝐴 ∆ 𝐵̅) = 𝑃(𝐴) + 𝑃(𝐵̅) − 2𝑃(𝐴 ∩ 𝐵̅) = 𝑃(𝐴) + 𝑃(𝐵̅) − 2 𝑃(𝐴\𝐵)
= 0.6 + (1 − 0.3) − 2 × 0.45 = 0.6 + 0.7 − 0.9 = 𝟎. 𝟒

10
2.4. Cas équiprobable :
Si Ω est fini, de cardinal 𝑁 tel que Ω = {ω1 , ω2 , … , ω𝑁 }. Tous les résultats possibles (les ω𝑖 )
1
ont la même probabilité de réalisation P𝑖 = .
𝑁

La probabilité sur Ω est déterminée par les P𝑖 tels que : 0 < P𝑖 < 1 et
P1 + P2 + ⋯ + P𝑁 = 1.
La probabilité sur un évènement 𝐴 de cardinal n, dans le cas équiprobable est :
|𝐴| 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃(𝐴) = ∑ P𝑖 = =
|Ω| 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑠 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒𝑠
ω𝑖 ∈A

En effet :
𝑃(𝐴) = 𝑃({ω1 , ω2 , … , ω𝑛 }) = 𝑃({ω1 } ∪ {ω2 } ∪ … ∪ {ω𝑛 })
1 1 1 |𝐴|
𝑃(𝐴) = 𝑃({ω1 }) + 𝑃({ω2 }) + ⋯ + 𝑃({ω𝑛 }) = + +⋯+ = |Ω|.
𝑁 𝑁 𝑁

3) Probabilités conditionnelles et indépendance :

3.1. Probabilités conditionnelles :
Définition : Soient deux évènements 𝐴 et 𝐵, si 𝑃(𝐵) > 0, alors la probabilité de 𝐴 sachant
𝐵 est la probabilité conditionnelle de réalisation de l’évènement 𝐴 si l’évènement 𝐵 est
réalisé, et on écrit :
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴/𝐵) =
𝑃(𝐵)
Exemple :

Probabilité composée :
Si 𝑃(𝐴) > 0 et 𝑃(𝐵) > 0 alors on a :
𝑷(𝑨 ∩ 𝑩) = 𝑷(𝑨/𝑩)𝑷(𝑩) = 𝑷(𝑩/𝑨)𝑷(𝑨)
Formule de probabilités totales :
Si 𝐴1 , 𝐴2 , … , 𝐴𝑛 forment un système complet d’évènements tels que 𝑃(𝐴𝑖 ) > 0; ∀𝑖,
alors pour tout évènement 𝐵, on a :
𝑷(𝑩) = ∑𝒏𝒊=𝟏 𝑷( 𝑩 ∩ 𝑨𝒊 ) = ∑𝒏𝒊=𝟏 𝑷( 𝑩/𝑨𝒊 )𝑷(𝑨𝒊 ).

11
Formule de Bayes :
Sous les hypothèses ci-dessus, et si 𝑃(𝐵) > 0, on déduit de la formule de probabilités
totales la formule de Bayes suivante pour chaque évènement 𝐴𝑗 :
𝑷(𝑩/𝑨𝒋 )𝑷(𝑨𝒋 )
𝑷(𝑨𝒋 /𝑩) = ∑𝒏 .
𝒊=𝟏 𝑷(𝑩/𝑨𝒊 )𝑷(𝑨𝒊 )

3.1. Indépendance :
Définition : Deux évènements 𝐴 et 𝐵 sont dits indépendants si :
𝑷(𝑨/𝑩) = 𝑷(𝑨)
• On peut montrer facilement que si 𝐴 et 𝐵 sont indépendants alors :
𝑷(𝑨 ∩ 𝑩) = 𝑷(𝑨)𝑷(𝑩)
• Si 𝐴 et 𝐵 sont de probabilités non nulles alors les trois égalités suivantes sont
équivalentes :
i. 𝑃(𝐴/𝐵) = 𝑃(𝐴)
ii. 𝑃(𝐵/𝐴) = 𝑃(𝐵)
iii. 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵)

• Si 𝑃(𝐴) = 0 ou 𝑃(𝐴) = 1 alors 𝐴 est indépendant de tout évènement.

• Deux évènements incompatibles 𝐴 et 𝐵 tels que 𝑃(𝐴) > 0 et 𝑃(𝐵) > 0 ne sont jamais
indépendants puisque 𝑃(𝐴 ∩ 𝐵) = 𝑃(∅) = 0 ≠ 𝑃(𝐴)𝑃(𝐵).
• Si 𝐴 et 𝐵 sont indépendants alors il en est de même pour (𝐴 et 𝐵̅), ( 𝐴̅ et 𝐵) et (𝐴̅ et 𝐵̅).

12