Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Techniques quantitatives d’économie et de gestion

2

Pauline Chauvin
pauline.chauvin@u-paris.fr
Faculté de Droit, d’Économie et de Gestion
Université de Paris

1 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Introduction
Les statistiques :

2 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Introduction
Les statistiques :
L’art et la science de collecter, analyser, présenter et interpréter des
données.

2 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Introduction
Les statistiques :
L’art et la science de collecter, analyser, présenter et interpréter des
données.

2 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Introduction
Les statistiques :
L’art et la science de collecter, analyser, présenter et interpréter des
données.

3 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Introduction
Les statistiques :
L’art et la science de collecter, analyser, présenter et interpréter des
données.

4 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Inférence statistique :

Méthodes statistiques permettant de faire des estimations et des

tests d’hypothèses sur les caractéristiques d’une population à partir
d’un échantillon de cette dernière.

5 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Inférence statistique :

Méthodes statistiques permettant de faire des estimations et des

tests d’hypothèses sur les caractéristiques d’une population à partir
d’un échantillon de cette dernière.

⇒ Pré-requis nécessaire pour commencer l’économétrie l’année

prochaine.
I Méthodes visant à valider empiriquement les théories
économiques.

5 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Inférence statistique :

Méthodes statistiques permettant de faire des estimations et des

tests d’hypothèses sur les caractéristiques d’une population à partir
d’un échantillon de cette dernière.

⇒ Pré-requis nécessaire pour commencer l’économétrie l’année

prochaine.
I Méthodes visant à valider empiriquement les théories
économiques.

⇒ Prérequis pour continuer en sciences de gestion : audit, contrôle

de gestion, logistique, stratégie d’entreprise

5 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Introduction
Méthodes de travail fortement conseillées :
I Utilisation de Moodle (Mot de passe STAT22)
I Très important de vérifier que vous y avez accès dès
maintenant !
I Assiduité en CM (24h) et TD (16h)

6 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Introduction
Méthodes de travail fortement conseillées :
I Utilisation de Moodle (Mot de passe STAT22)
I Très important de vérifier que vous y avez accès dès
maintenant !
I Assiduité en CM (24h) et TD (16h)
I Préparation des TD
⇒ Plus vous préparerez vos exercices, plus vous aurez le temps
d’en corriger en TD
⇒ Forum sur Moodle pour les exercices non corrigés en séance
de TD

6 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Introduction
Méthodes de travail fortement conseillées :
I Utilisation de Moodle (Mot de passe STAT22)
I Très important de vérifier que vous y avez accès dès
maintenant !
I Assiduité en CM (24h) et TD (16h)
I Préparation des TD
⇒ Plus vous préparerez vos exercices, plus vous aurez le temps
d’en corriger en TD
⇒ Forum sur Moodle pour les exercices non corrigés en séance
de TD
I Compléter les exercices de TD par
I Les annales sur Moodle
I Les exercices corrigés des ouvrages de référence
6 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Modalités de contrôle des connaissances :

Contrôle continu intégral avec seconde chance intégrée ! !

7 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Modalités de contrôle des connaissances :

Règlement du Conseil de Faculté DEG relatif aux MCCC en licence
spécifiques à la faculté DEG :

8 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Modalités de contrôle des connaissances :

Règlement du Conseil de Faculté DEG relatif aux MCCC en licence
spécifiques à la faculté DEG :
Extraits Article 3 : Évaluation d’une UE dans le cadre du
contrôle continu intégral avec seconde chance intégrée
Pour une UE évaluée en contrôle continu intégral, l’étudiant obtient
deux notes :
I La note de l’évaluation finale
I La moyenne pondérée de l’ensemble des notes obtenues dans
le cadre du contrôle continu intégral de l’UE, évaluation finale
comprise. [...]
La mise en œuvre de la seconde chance consiste à retenir comme
résultat final de l’UE la meilleure des deux notes entre la moyenne
du contrôle continu intégral et la note de l’évaluation finale.
8 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Modalités de contrôle des connaissances :

Règlement du Conseil de Faculté DEG relatif aux MCCC en licence

spécifiques à la faculté DEG :
Extrait Article 7 : Justificatif d’absence
Un justificatif d’absence doit être transmis dans les 8 jours ouvrés
suivant l’absence, à peine d’irrecevabilité. La production de
l’original peut toujours être demandée. [...]

9 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Modalités de contrôle des connaissances :

Règlement du Conseil de Faculté DEG relatif aux MCCC en licence

spécifiques à la faculté DEG :
Article 10 : Sanction des absences aux évaluations autres
que l’évaluation finale organisées dans le cadre du contrôle
continu intégral
L’absence injustifiée à une évaluation autre que l’évaluation finale
est sanctionnée par un 0 pour le calcul de la moyenne de contrôle
continu intégral.

10 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Modalités de contrôle des connaissances :

Règlement du Conseil de Faculté DEG relatif aux MCCC en licence

spécifiques à la faculté DEG :
Article 10 : Sanction des absences aux évaluations autres
que l’évaluation finale organisées dans le cadre du contrôle
continu intégral
L’absence injustifiée à une évaluation autre que l’évaluation finale
est sanctionnée par un 0 pour le calcul de la moyenne de contrôle
continu intégral.

10 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Modalités de contrôle des connaissances :

Evaluations prévues (peut évoluer) :

I Une évaluation en TD
I QCM sur tout le programme

11 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Modalités de contrôle des connaissances :

Evaluations prévues (peut évoluer) :

I Une évaluation en TD
I QCM sur tout le programme
I Evaluation finale sur tout le programme en présentiel
(09/05/2022 au 18/06/2022)
I un point bonus maximum de participation peut être ajouté à
votre moyenne de CC en cas de participation active aux CM et
TD.

11 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Introduction

Plan résumé du cours

I Chapitre I : Expériences aléatoires et probabilités
I Chapitre II : Les variables aléatoires discrètes
I Chapitre III : Les variables aléatoires continues
I Chapitre IV : Distributions d’échantillonnage
I Chapitre V : Estimations et tests d’hypothèses

12 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Techniques quantitatives d’économie et de gestion

Chapitre I
Expériences aléatoires et probabilités

13 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

I. Quelques rappels en théorie des ensembles

14 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

1. Définitions

15 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

16 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

On appelle épreuve aléatoire,

16 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

On appelle épreuve aléatoire, une expérience dont on connaît

l’ensemble des résultats possibles mais dont on ne peut pas prévoir
le résultat effectif avec certitude.

Exemples ?

16 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

On appelle épreuve aléatoire, une expérience dont on connaît

l’ensemble des résultats possibles mais dont on ne peut pas prévoir
le résultat effectif avec certitude.

Exemples ?
I Un tirage au sort
I Un lancer de dé

16 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

Un événement

17 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

Un événement est un ou un ensemble de résultat(s) possible(s)

d’une épreuve aléatoire.

Exemples ?

17 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

Un événement est un ou un ensemble de résultat(s) possible(s)

d’une épreuve aléatoire.

Exemples ?
Soit l’événement A = « obtenir un chiffre pair avec un dé »,

17 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

Un événement est un ou un ensemble de résultat(s) possible(s)

d’une épreuve aléatoire.

Exemples ?
Soit l’événement A = « obtenir un chiffre pair avec un dé »,
A = {2, 4, 6}.

17 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

Un événement est un ou un ensemble de résultat(s) possible(s)

d’une épreuve aléatoire.

Exemples ?
Soit l’événement A = « obtenir un chiffre pair avec un dé »,
A = {2, 4, 6}.

Le cardinal d’un événement A

17 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

Un événement est un ou un ensemble de résultat(s) possible(s)

d’une épreuve aléatoire.

Exemples ?
Soit l’événement A = « obtenir un chiffre pair avec un dé »,
A = {2, 4, 6}.

Le cardinal d’un événement A est le nombre d’éléments de cet

ensemble.
⇒ On le note Card A

17 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

Un événement est un ou un ensemble de résultat(s) possible(s)

d’une épreuve aléatoire.

Exemples ?
Soit l’événement A = « obtenir un chiffre pair avec un dé »,
A = {2, 4, 6}.

Le cardinal d’un événement A est le nombre d’éléments de cet

ensemble.
⇒ On le note Card A
Ici, Card A=

17 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

Un événement est un ou un ensemble de résultat(s) possible(s)

d’une épreuve aléatoire.

Exemples ?
Soit l’événement A = « obtenir un chiffre pair avec un dé »,
A = {2, 4, 6}.

Le cardinal d’un événement A est le nombre d’éléments de cet

ensemble.
⇒ On le note Card A
Ici, Card A=3

17 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

Un événement est un ou un ensemble de résultat(s) possible(s)

d’une épreuve aléatoire.

Exemples ?
Soit l’événement A = « obtenir un chiffre pair avec un dé »,
A = {2, 4, 6}.

Le cardinal d’un événement A est le nombre d’éléments de cet

ensemble.
⇒ On le note Card A
Ici, Card A=3

Remarques :

17 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

Un événement est un ou un ensemble de résultat(s) possible(s)

d’une épreuve aléatoire.

Exemples ?
Soit l’événement A = « obtenir un chiffre pair avec un dé »,
A = {2, 4, 6}.

Le cardinal d’un événement A est le nombre d’éléments de cet

ensemble.
⇒ On le note Card A
Ici, Card A=3

Remarques :
1. Un événement qui ne contient qu’un élément est dit
événement élémentaire.
17 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

Un événement est un ou un ensemble de résultat(s) possible(s)

d’une épreuve aléatoire.

Exemples ?
Soit l’événement A = « obtenir un chiffre pair avec un dé »,
A = {2, 4, 6}.

Le cardinal d’un événement A est le nombre d’éléments de cet

ensemble.
⇒ On le note Card A
Ici, Card A=3

Remarques :
1. Un événement qui ne contient qu’un élément est dit
événement élémentaire.
2. Événement 6= résultat observé de l’épreuve 17 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

L’ensemble fondamental

18 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

L’ensemble fondamental est l’ensemble des résultats possibles pour

une expérience aléatoire.
⇒ On le note DΩ , ou parfois Ω

18 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

L’ensemble fondamental est l’ensemble des résultats possibles pour

une expérience aléatoire.
⇒ On le note DΩ , ou parfois Ω

Exemple : quel est l’ensemble fondamental du lancer de dé ?

18 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

L’ensemble fondamental est l’ensemble des résultats possibles pour

une expérience aléatoire.
⇒ On le note DΩ , ou parfois Ω

Exemple : quel est l’ensemble fondamental du lancer de dé ?

DΩ =

18 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

L’ensemble fondamental est l’ensemble des résultats possibles pour

une expérience aléatoire.
⇒ On le note DΩ , ou parfois Ω

Exemple : quel est l’ensemble fondamental du lancer de dé ?

DΩ ={1, 2, 3, 4, 5, 6}.

18 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

L’ensemble fondamental est l’ensemble des résultats possibles pour

une expérience aléatoire.
⇒ On le note DΩ , ou parfois Ω

Exemple : quel est l’ensemble fondamental du lancer de dé ?

DΩ ={1, 2, 3, 4, 5, 6}.

Remarques :
1. DΩ contient tous les événements élémentaires.

18 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

L’ensemble fondamental est l’ensemble des résultats possibles pour

une expérience aléatoire.
⇒ On le note DΩ , ou parfois Ω

Exemple : quel est l’ensemble fondamental du lancer de dé ?

DΩ ={1, 2, 3, 4, 5, 6}.

Remarques :
1. DΩ contient tous les événements élémentaires.
2. DΩ est aussi appelé univers de l’expérience ou espace des
possibles.

18 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

L’ensemble fondamental est l’ensemble des résultats possibles pour

une expérience aléatoire.
⇒ On le note DΩ , ou parfois Ω

Exemple : quel est l’ensemble fondamental du lancer de dé ?

DΩ ={1, 2, 3, 4, 5, 6}.

Remarques :
1. DΩ contient tous les événements élémentaires.
2. DΩ est aussi appelé univers de l’expérience ou espace des
possibles.
3. DΩ est un événement certain

18 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

2. Les notations en théorie des ensembles

19 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

2. Les notations en théorie des ensembles

Elles permettent de décrire des événements composés.

19 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

2. Les notations en théorie des ensembles

Elles permettent de décrire des événements composés.

Pour illustrer ces notations, utilisons l’épreuve d’un lancer de dé, et

les événements suivants :
I A = « obtenir un nombre pair »
I B = « obtenir un nombre impair »
I C = « obtenir le nombre un »

19 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

1. L’union

20 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

1. L’union
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∪ E2

20 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

1. L’union
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∪ E2
l’ensemble constitué des éléments de E1 et des éléments de E2 .

20 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

1. L’union
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∪ E2
l’ensemble constitué des éléments de E1 et des éléments de E2 .
A∪C =

20 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

1. L’union
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∪ E2
l’ensemble constitué des éléments de E1 et des éléments de E2 .
A ∪ C = {1, 2, 4, 6}.
2. L’intersection

20 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

1. L’union
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∪ E2
l’ensemble constitué des éléments de E1 et des éléments de E2 .
A ∪ C = {1, 2, 4, 6}.
2. L’intersection
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∩ E2

20 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

1. L’union
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∪ E2
l’ensemble constitué des éléments de E1 et des éléments de E2 .
A ∪ C = {1, 2, 4, 6}.
2. L’intersection
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∩ E2
l’ensemble constitué des éléments de E1 qui sont aussi
éléments de E2 .

20 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

1. L’union
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∪ E2
l’ensemble constitué des éléments de E1 et des éléments de E2 .
A ∪ C = {1, 2, 4, 6}.
2. L’intersection
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∩ E2
l’ensemble constitué des éléments de E1 qui sont aussi
éléments de E2 .
B ∩C =

20 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

1. L’union
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∪ E2
l’ensemble constitué des éléments de E1 et des éléments de E2 .
A ∪ C = {1, 2, 4, 6}.
2. L’intersection
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∩ E2
l’ensemble constitué des éléments de E1 qui sont aussi
éléments de E2 .
B ∩ C = {1}.
3. Le complémentaire

20 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

1. L’union
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∪ E2
l’ensemble constitué des éléments de E1 et des éléments de E2 .
A ∪ C = {1, 2, 4, 6}.
2. L’intersection
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∩ E2
l’ensemble constitué des éléments de E1 qui sont aussi
éléments de E2 .
B ∩ C = {1}.
3. Le complémentaire
Le complémentaire de E1 , noté (E1 ), contient l’ensemble des
éléments non compris dans E1 .

20 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

1. L’union
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∪ E2
l’ensemble constitué des éléments de E1 et des éléments de E2 .
A ∪ C = {1, 2, 4, 6}.
2. L’intersection
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∩ E2
l’ensemble constitué des éléments de E1 qui sont aussi
éléments de E2 .
B ∩ C = {1}.
3. Le complémentaire
Le complémentaire de E1 , noté (E1 ), contient l’ensemble des
éléments non compris dans E1 .
C=

20 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

1. L’union
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∪ E2
l’ensemble constitué des éléments de E1 et des éléments de E2 .
A ∪ C = {1, 2, 4, 6}.
2. L’intersection
Si E1 et E2 sont deux ensembles quelconques, on note E1 ∩ E2
l’ensemble constitué des éléments de E1 qui sont aussi
éléments de E2 .
B ∩ C = {1}.
3. Le complémentaire
Le complémentaire de E1 , noté (E1 ), contient l’ensemble des
éléments non compris dans E1 .
C = {2, 3, 4, 5, 6}.

20 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

Remarques :

21 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

Remarques :
1. Si E1 ∩ E2 = ∅

21 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

Remarques :
1. Si E1 ∩ E2 = ∅
⇒ Les événements E1 et E2 sont exclusifs ou incompatibles

21 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

Remarques :
1. Si E1 ∩ E2 = ∅
⇒ Les événements E1 et E2 sont exclusifs ou incompatibles
⇒ Dans notre exemple, les événements A et C sont exclusifs

21 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

Remarques :
1. Si E1 ∩ E2 = ∅
⇒ Les événements E1 et E2 sont exclusifs ou incompatibles
⇒ Dans notre exemple, les événements A et C sont exclusifs
2. Si E1 ∩ E2 = ∅ et E1 ∪ E2 = DΩ

21 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

Remarques :
1. Si E1 ∩ E2 = ∅
⇒ Les événements E1 et E2 sont exclusifs ou incompatibles
⇒ Dans notre exemple, les événements A et C sont exclusifs
2. Si E1 ∩ E2 = ∅ et E1 ∪ E2 = DΩ
⇒ Alors E1

21 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

Remarques :
1. Si E1 ∩ E2 = ∅
⇒ Les événements E1 et E2 sont exclusifs ou incompatibles
⇒ Dans notre exemple, les événements A et C sont exclusifs
2. Si E1 ∩ E2 = ∅ et E1 ∪ E2 = DΩ
⇒ Alors E1 est le complémentaire de E2 dans DΩ , E1 = E2 .

21 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

Remarques :
1. Si E1 ∩ E2 = ∅
⇒ Les événements E1 et E2 sont exclusifs ou incompatibles
⇒ Dans notre exemple, les événements A et C sont exclusifs
2. Si E1 ∩ E2 = ∅ et E1 ∪ E2 = DΩ
⇒ Alors E1 est le complémentaire de E2 dans DΩ , E1 = E2 .
A ∩ B = ∅ et A ∪ B = {1,2, 3, 4, 5, 6}=DΩ

21 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les notations en théorie des ensembles

Remarques :
1. Si E1 ∩ E2 = ∅
⇒ Les événements E1 et E2 sont exclusifs ou incompatibles
⇒ Dans notre exemple, les événements A et C sont exclusifs
2. Si E1 ∩ E2 = ∅ et E1 ∪ E2 = DΩ
⇒ Alors E1 est le complémentaire de E2 dans DΩ , E1 = E2 .
A ∩ B = ∅ et A ∪ B = {1,2, 3, 4, 5, 6}=DΩ
⇒ L’événement A est donc le complémentaires de B, et
vice-versa.

21 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

3. Propriétés des opérations ensemblistes

22 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité
Si E1 et E2 sont deux ensembles quelconques, alors

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∪ E2 = E2 ∪ E 1

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∪ E2 = E2 ∪ E1 et E1 ∩ E2 = E2 ∩ E1

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∪ E2 = E2 ∪ E1 et E1 ∩ E2 = E2 ∩ E1

2. La dualité

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∪ E2 = E2 ∪ E1 et E1 ∩ E2 = E2 ∩ E1

2. La dualité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∩ E2 = E1 ∪ E 2

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∪ E2 = E2 ∪ E1 et E1 ∩ E2 = E2 ∩ E1

2. La dualité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∩ E2 = E1 ∪ E2 et E1 ∪ E2 = E1 ∩ E2
Exemple : Rappel, A ∪ C =

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∪ E2 = E2 ∪ E1 et E1 ∩ E2 = E2 ∩ E1

2. La dualité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∩ E2 = E1 ∪ E2 et E1 ∪ E2 = E1 ∩ E2
Exemple : Rappel, A ∪ C = {1, 2, 4, 6}.
On a donc A ∪ C =

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∪ E2 = E2 ∪ E1 et E1 ∩ E2 = E2 ∩ E1

2. La dualité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∩ E2 = E1 ∪ E2 et E1 ∪ E2 = E1 ∩ E2
Exemple : Rappel, A ∪ C = {1, 2, 4, 6}.
On a donc A ∪ C ={3,5}.

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∪ E2 = E2 ∪ E1 et E1 ∩ E2 = E2 ∩ E1

2. La dualité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∩ E2 = E1 ∪ E2 et E1 ∪ E2 = E1 ∩ E2
Exemple : Rappel, A ∪ C = {1, 2, 4, 6}.
On a donc A ∪ C ={3,5}.
A ∩ C =?

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∪ E2 = E2 ∪ E1 et E1 ∩ E2 = E2 ∩ E1

2. La dualité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∩ E2 = E1 ∪ E2 et E1 ∪ E2 = E1 ∩ E2
Exemple : Rappel, A ∪ C = {1, 2, 4, 6}.
On a donc A ∪ C ={3,5}.
A ∩ C =?
A=

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∪ E2 = E2 ∪ E1 et E1 ∩ E2 = E2 ∩ E1

2. La dualité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∩ E2 = E1 ∪ E2 et E1 ∪ E2 = E1 ∩ E2
Exemple : Rappel, A ∪ C = {1, 2, 4, 6}.
On a donc A ∪ C ={3,5}.
A ∩ C =?
A= {1, 3, 5}

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∪ E2 = E2 ∪ E1 et E1 ∩ E2 = E2 ∩ E1

2. La dualité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∩ E2 = E1 ∪ E2 et E1 ∪ E2 = E1 ∩ E2
Exemple : Rappel, A ∪ C = {1, 2, 4, 6}.
On a donc A ∪ C ={3,5}.
A ∩ C =?
A= {1, 3, 5}
C=

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∪ E2 = E2 ∪ E1 et E1 ∩ E2 = E2 ∩ E1

2. La dualité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∩ E2 = E1 ∪ E2 et E1 ∪ E2 = E1 ∩ E2
Exemple : Rappel, A ∪ C = {1, 2, 4, 6}.
On a donc A ∪ C ={3,5}.
A ∩ C =?
A= {1, 3, 5}
C = {2, 3, 4, 5, 6}

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∪ E2 = E2 ∪ E1 et E1 ∩ E2 = E2 ∩ E1

2. La dualité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∩ E2 = E1 ∪ E2 et E1 ∪ E2 = E1 ∩ E2
Exemple : Rappel, A ∪ C = {1, 2, 4, 6}.
On a donc A ∪ C ={3,5}.
A ∩ C =?
A= {1, 3, 5}
C = {2, 3, 4, 5, 6}
⇒ A∩C =

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Propriétés des opérations ensemblistes

1. La commutativité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∪ E2 = E2 ∪ E1 et E1 ∩ E2 = E2 ∩ E1

2. La dualité
Si E1 et E2 sont deux ensembles quelconques, alors
E1 ∩ E2 = E1 ∪ E2 et E1 ∪ E2 = E1 ∩ E2
Exemple : Rappel, A ∪ C = {1, 2, 4, 6}.
On a donc A ∪ C ={3,5}.
A ∩ C =?
A= {1, 3, 5}
C = {2, 3, 4, 5, 6}
⇒ A ∩ C = {3,5}.

23 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

4. Propriétés de l’opérateur cardinal

24 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Rappel : le cardinal d’un ensemble fini est le nombre d’éléments de

cet ensemble.

25 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Rappel : le cardinal d’un ensemble fini est le nombre d’éléments de

cet ensemble.
1. Si E1 et E2 sont deux sous-ensembles quelconques de DΩ ,

25 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Rappel : le cardinal d’un ensemble fini est le nombre d’éléments de

cet ensemble.
1. Si E1 et E2 sont deux sous-ensembles quelconques de DΩ ,
alors Card(E1 ∪ E2 )=

25 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Rappel : le cardinal d’un ensemble fini est le nombre d’éléments de

cet ensemble.
1. Si E1 et E2 sont deux sous-ensembles quelconques de DΩ ,
alors Card(E1 ∪ E2 )=CardE1 + CardE2 − Card(E1 ∩ E2 )

25 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Rappel : le cardinal d’un ensemble fini est le nombre d’éléments de

cet ensemble.
1. Si E1 et E2 sont deux sous-ensembles quelconques de DΩ ,
alors Card(E1 ∪ E2 )=CardE1 + CardE2 − Card(E1 ∩ E2 )
Rappel, B ∪ C =

25 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Rappel : le cardinal d’un ensemble fini est le nombre d’éléments de

cet ensemble.
1. Si E1 et E2 sont deux sous-ensembles quelconques de DΩ ,
alors Card(E1 ∪ E2 )=CardE1 + CardE2 − Card(E1 ∩ E2 )
Rappel, B ∪ C ={1, 3, 5}, Card(B ∪ C ) ?

25 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Rappel : le cardinal d’un ensemble fini est le nombre d’éléments de

cet ensemble.
1. Si E1 et E2 sont deux sous-ensembles quelconques de DΩ ,
alors Card(E1 ∪ E2 )=CardE1 + CardE2 − Card(E1 ∩ E2 )
Rappel, B ∪ C ={1, 3, 5}, Card(B ∪ C ) ?
Card(B ∪ C )= Card(B)+ Card(C )- Card(B ∩ C )=

25 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Rappel : le cardinal d’un ensemble fini est le nombre d’éléments de

cet ensemble.
1. Si E1 et E2 sont deux sous-ensembles quelconques de DΩ ,
alors Card(E1 ∪ E2 )=CardE1 + CardE2 − Card(E1 ∩ E2 )
Rappel, B ∪ C ={1, 3, 5}, Card(B ∪ C ) ?
Card(B ∪ C )= Card(B)+ Card(C )- Card(B ∩ C )=3 +1 -1 = 3

2. Si E1 est un sous-ensemble de DΩ ,

25 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Rappel : le cardinal d’un ensemble fini est le nombre d’éléments de

cet ensemble.
1. Si E1 et E2 sont deux sous-ensembles quelconques de DΩ ,
alors Card(E1 ∪ E2 )=CardE1 + CardE2 − Card(E1 ∩ E2 )
Rappel, B ∪ C ={1, 3, 5}, Card(B ∪ C ) ?
Card(B ∪ C )= Card(B)+ Card(C )- Card(B ∩ C )=3 +1 -1 = 3

2. Si E1 est un sous-ensemble de DΩ ,
alors CardE1 =

25 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Rappel : le cardinal d’un ensemble fini est le nombre d’éléments de

cet ensemble.
1. Si E1 et E2 sont deux sous-ensembles quelconques de DΩ ,
alors Card(E1 ∪ E2 )=CardE1 + CardE2 − Card(E1 ∩ E2 )
Rappel, B ∪ C ={1, 3, 5}, Card(B ∪ C ) ?
Card(B ∪ C )= Card(B)+ Card(C )- Card(B ∩ C )=3 +1 -1 = 3

2. Si E1 est un sous-ensemble de DΩ ,
alors CardE1 =CardDΩ − CardE1

25 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Rappel : le cardinal d’un ensemble fini est le nombre d’éléments de

cet ensemble.
1. Si E1 et E2 sont deux sous-ensembles quelconques de DΩ ,
alors Card(E1 ∪ E2 )=CardE1 + CardE2 − Card(E1 ∩ E2 )
Rappel, B ∪ C ={1, 3, 5}, Card(B ∪ C ) ?
Card(B ∪ C )= Card(B)+ Card(C )- Card(B ∩ C )=3 +1 -1 = 3

2. Si E1 est un sous-ensemble de DΩ ,
alors CardE1 =CardDΩ − CardE1
CardC =

25 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Rappel : le cardinal d’un ensemble fini est le nombre d’éléments de

cet ensemble.
1. Si E1 et E2 sont deux sous-ensembles quelconques de DΩ ,
alors Card(E1 ∪ E2 )=CardE1 + CardE2 − Card(E1 ∩ E2 )
Rappel, B ∪ C ={1, 3, 5}, Card(B ∪ C ) ?
Card(B ∪ C )= Card(B)+ Card(C )- Card(B ∩ C )=3 +1 -1 = 3

2. Si E1 est un sous-ensemble de DΩ ,
alors CardE1 =CardDΩ − CardE1
CardC = CardDΩ − CardC = 6-1 = 5

25 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application

26 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application

Dans une classe de 30 élèves, 21 étudient l’anglais, 14 étudient

l’allemand, 3 n’étudient ni l’anglais ni l’allemand.
Combien d’élèves étudient les deux langues ?

26 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application

27 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Dans une classe de 30 élèves, 21 étudient l’anglais, 14 étudient
l’allemand, 3 n’étudient ni l’anglais ni l’allemand. Combien d’élèves
étudient les deux langues ?
Première étape : définition des ensembles

27 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Dans une classe de 30 élèves, 21 étudient l’anglais, 14 étudient
l’allemand, 3 n’étudient ni l’anglais ni l’allemand. Combien d’élèves
étudient les deux langues ?
Première étape : définition des ensembles
I Soit DΩ l’ensemble des 30 élèves
I A l’ensemble des élèves étudiant l’anglais
I G l’ensemble des élèves étudiant l’allemand
Seconde étape : résumons les informations disponibles dans
l’énoncé.

27 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Dans une classe de 30 élèves, 21 étudient l’anglais, 14 étudient
l’allemand, 3 n’étudient ni l’anglais ni l’allemand. Combien d’élèves
étudient les deux langues ?
Première étape : définition des ensembles
I Soit DΩ l’ensemble des 30 élèves
I A l’ensemble des élèves étudiant l’anglais
I G l’ensemble des élèves étudiant l’allemand
Seconde étape : résumons les informations disponibles dans
l’énoncé.
I Card DΩ =30
I Card A =21
I Card G=14
I Card A ∩ G =3
27 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application

Dans une classe de 30 élèves, 21 étudient l’anglais, 14 étudient

l’allemand, 3 n’étudient ni l’anglais ni l’allemand. Combien d’élèves
étudient les deux langues ?
Troisième étape : reformulation de la question de l’exercice

28 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application

Dans une classe de 30 élèves, 21 étudient l’anglais, 14 étudient

l’allemand, 3 n’étudient ni l’anglais ni l’allemand. Combien d’élèves
étudient les deux langues ?
Troisième étape : reformulation de la question de l’exercice
⇒ Card(A ∩ G ) ?

28 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Quatrième étape : résolution du problème

29 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Quatrième étape : résolution du problème
Le complémentaire de l’union est l’intersection des
complémentaires.

29 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Quatrième étape : résolution du problème
Le complémentaire de l’union est l’intersection des
complémentaires. On a donc A ∩ G =

29 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Quatrième étape : résolution du problème
Le complémentaire de l’union est l’intersection des
complémentaires. On a donc A ∩ G = A ∪ G

29 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Quatrième étape : résolution du problème
Le complémentaire de l’union est l’intersection des
complémentaires. On a donc A ∩ G = A ∪ G
D’où Card A ∪ G =

29 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Quatrième étape : résolution du problème
Le complémentaire de l’union est l’intersection des
complémentaires. On a donc A ∩ G = A ∪ G
D’où Card A ∪ G = Card A ∩ G =

29 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Quatrième étape : résolution du problème
Le complémentaire de l’union est l’intersection des
complémentaires. On a donc A ∩ G = A ∪ G
D’où Card A ∪ G = Card A ∩ G = 3
De plus, si A ∪ G est un sous-ensemble de DΩ ,
Alors Card A ∪ G =

29 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Quatrième étape : résolution du problème
Le complémentaire de l’union est l’intersection des
complémentaires. On a donc A ∩ G = A ∪ G
D’où Card A ∪ G = Card A ∩ G = 3
De plus, si A ∪ G est un sous-ensemble de DΩ ,
Alors Card A ∪ G = Card (DΩ )- Card (A ∪ G )
En réarrangeant cette expression, on a :

29 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Quatrième étape : résolution du problème
Le complémentaire de l’union est l’intersection des
complémentaires. On a donc A ∩ G = A ∪ G
D’où Card A ∪ G = Card A ∩ G = 3
De plus, si A ∪ G est un sous-ensemble de DΩ ,
Alors Card A ∪ G = Card (DΩ )- Card (A ∪ G )
En réarrangeant cette expression, on a :
Card (A ∪ G ) =

29 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Quatrième étape : résolution du problème
Le complémentaire de l’union est l’intersection des
complémentaires. On a donc A ∩ G = A ∪ G
D’où Card A ∪ G = Card A ∩ G = 3
De plus, si A ∪ G est un sous-ensemble de DΩ ,
Alors Card A ∪ G = Card (DΩ )- Card (A ∪ G )
En réarrangeant cette expression, on a :
Card (A ∪ G ) = Card (DΩ )- Card A ∪ G

29 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Quatrième étape : résolution du problème
Le complémentaire de l’union est l’intersection des
complémentaires. On a donc A ∩ G = A ∪ G
D’où Card A ∪ G = Card A ∩ G = 3
De plus, si A ∪ G est un sous-ensemble de DΩ ,
Alors Card A ∪ G = Card (DΩ )- Card (A ∪ G )
En réarrangeant cette expression, on a :
Card (A ∪ G ) = Card (DΩ )- Card A ∪ G = 30-3=27
De plus, Si A et G sont deux sous-ensembles quelconques de DΩ ,
Alors Card (A ∪ G )=

29 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Quatrième étape : résolution du problème
Le complémentaire de l’union est l’intersection des
complémentaires. On a donc A ∩ G = A ∪ G
D’où Card A ∪ G = Card A ∩ G = 3
De plus, si A ∪ G est un sous-ensemble de DΩ ,
Alors Card A ∪ G = Card (DΩ )- Card (A ∪ G )
En réarrangeant cette expression, on a :
Card (A ∪ G ) = Card (DΩ )- Card A ∪ G = 30-3=27
De plus, Si A et G sont deux sous-ensembles quelconques de DΩ ,
Alors Card (A ∪ G )= Card A + Card G – Card (A ∩ G )
En réarrangeant cette expression, on a :

29 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Quatrième étape : résolution du problème
Le complémentaire de l’union est l’intersection des
complémentaires. On a donc A ∩ G = A ∪ G
D’où Card A ∪ G = Card A ∩ G = 3
De plus, si A ∪ G est un sous-ensemble de DΩ ,
Alors Card A ∪ G = Card (DΩ )- Card (A ∪ G )
En réarrangeant cette expression, on a :
Card (A ∪ G ) = Card (DΩ )- Card A ∪ G = 30-3=27
De plus, Si A et G sont deux sous-ensembles quelconques de DΩ ,
Alors Card (A ∪ G )= Card A + Card G – Card (A ∩ G )
En réarrangeant cette expression, on a :
Card (A ∩ G )=

29 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Quatrième étape : résolution du problème
Le complémentaire de l’union est l’intersection des
complémentaires. On a donc A ∩ G = A ∪ G
D’où Card A ∪ G = Card A ∩ G = 3
De plus, si A ∪ G est un sous-ensemble de DΩ ,
Alors Card A ∪ G = Card (DΩ )- Card (A ∪ G )
En réarrangeant cette expression, on a :
Card (A ∪ G ) = Card (DΩ )- Card A ∪ G = 30-3=27
De plus, Si A et G sont deux sous-ensembles quelconques de DΩ ,
Alors Card (A ∪ G )= Card A + Card G – Card (A ∩ G )
En réarrangeant cette expression, on a :
Card (A ∩ G )= Card A + Card G – Card (A ∪ G )=

29 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application
Quatrième étape : résolution du problème
Le complémentaire de l’union est l’intersection des
complémentaires. On a donc A ∩ G = A ∪ G
D’où Card A ∪ G = Card A ∩ G = 3
De plus, si A ∪ G est un sous-ensemble de DΩ ,
Alors Card A ∪ G = Card (DΩ )- Card (A ∪ G )
En réarrangeant cette expression, on a :
Card (A ∪ G ) = Card (DΩ )- Card A ∪ G = 30-3=27
De plus, Si A et G sont deux sous-ensembles quelconques de DΩ ,
Alors Card (A ∪ G )= Card A + Card G – Card (A ∩ G )
En réarrangeant cette expression, on a :
Card (A ∩ G )= Card A + Card G – Card (A ∪ G )= 21+14-27= 8

29 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application

Dans une classe de 30 élèves, 21 étudient l’anglais, 14 étudient

l’allemand, 3 n’étudient ni l’anglais ni l’allemand. Combien d’élèves
étudient les deux langues ?
Cinquième étape : Réponse à la question

30 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

4. Propriétés de l’opérateur cardinal

Application

Dans une classe de 30 élèves, 21 étudient l’anglais, 14 étudient

l’allemand, 3 n’étudient ni l’anglais ni l’allemand. Combien d’élèves
étudient les deux langues ?
Cinquième étape : Réponse à la question
8 élèves étudient les deux langues.

30 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

II. Éléments de calcul des probabilités

31 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

1. Définitions

32 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

33 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

La probabilité d’occurence d’un événement E1 , P(E1 ), peut se

définir comme :

33 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

La probabilité d’occurence d’un événement E1 , P(E1 ), peut se

définir comme :
Nombre de cas favorables Card E1
P(E1 ) = =
Nombre de cas possibles Card DΩ

33 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

La probabilité d’occurence d’un événement E1 , P(E1 ), peut se

définir comme :
Nombre de cas favorables Card E1
P(E1 ) = =
Nombre de cas possibles Card DΩ

Retour exemple précédent :

Calculez P(A ∩ G ), la probabilité que de tirer au sort un élève
étudiant les deux langues.

33 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

Remarques :
1. La probabilité du complémentaire :
P(E1 )=

34 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

Remarques :
1. La probabilité du complémentaire :
P(E1 )=1 - P(E1 )
2. La probabilité de l’union :
P(E1 ∪ E2 )=

34 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définitions

Remarques :
1. La probabilité du complémentaire :
P(E1 )=1 - P(E1 )
2. La probabilité de l’union :
P(E1 ∪ E2 )=P(E1 ) + P(E2 ) − P(E1 ∩ E2 ).

34 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les axiomes des probabilités

2. Les axiomes des probabilités

35 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les axiomes des probabilités

2. Les axiomes des probabilités

1. La probabilité d’un événement est toujours comprise entre 0 et

1, avec

35 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les axiomes des probabilités

2. Les axiomes des probabilités

1. La probabilité d’un événement est toujours comprise entre 0 et

1, avec
I P(∅)=0

35 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les axiomes des probabilités

2. Les axiomes des probabilités

1. La probabilité d’un événement est toujours comprise entre 0 et

1, avec
I P(∅)=0
I P(DΩ )=1

35 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les axiomes des probabilités

2. Les axiomes des probabilités

1. La probabilité d’un événement est toujours comprise entre 0 et

1, avec
I P(∅)=0
I P(DΩ )=1

2. La somme des probabilités des événements élémentaires est

égale à 1.

35 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les axiomes des probabilités

2. Les axiomes des probabilités

1. La probabilité d’un événement est toujours comprise entre 0 et

1, avec
I P(∅)=0
I P(DΩ )=1

2. La somme des probabilités des événements élémentaires est

égale à 1.
Soient Ai , avec i = 1, 2, ..., n, les n événements élémentaires
d’un ensemble.

35 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les axiomes des probabilités

2. Les axiomes des probabilités

1. La probabilité d’un événement est toujours comprise entre 0 et

1, avec
I P(∅)=0
I P(DΩ )=1

2. La somme des probabilités des événements élémentaires est

égale à 1.
Soient Ai , avec i = 1, 2, ..., n, les n événements élémentaires
d’un ensemble. Quel que soit Ai ,
P(Ai ) =

35 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les axiomes des probabilités

2. Les axiomes des probabilités

1. La probabilité d’un événement est toujours comprise entre 0 et

1, avec
I P(∅)=0
I P(DΩ )=1

2. La somme des probabilités des événements élémentaires est

égale à 1.
Soient Ai , avec i = 1, 2, ..., n, les n événements élémentaires
d’un ensemble. Quel que soit Ai ,
P(Ai ) = n1

35 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les axiomes des probabilités

2. Les axiomes des probabilités

1. La probabilité d’un événement est toujours comprise entre 0 et

1, avec
I P(∅)=0
I P(DΩ )=1

2. La somme des probabilités des événements élémentaires est

égale à 1.
Soient Ai , avec i = 1, 2, ..., n, les n événements élémentaires
d’un ensemble. Quel que soit Ai ,
1
Pn i ) = n et
P(A
i=1 P(Ai ) =

35 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les axiomes des probabilités

2. Les axiomes des probabilités

1. La probabilité d’un événement est toujours comprise entre 0 et

1, avec
I P(∅)=0
I P(DΩ )=1

2. La somme des probabilités des événements élémentaires est

égale à 1.
Soient Ai , avec i = 1, 2, ..., n, les n événements élémentaires
d’un ensemble. Quel que soit Ai ,
1
Pn i ) = n et
P(A
i=1 P(Ai ) = P(A1 ) + ... + P(An ) =

35 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les axiomes des probabilités

2. Les axiomes des probabilités

1. La probabilité d’un événement est toujours comprise entre 0 et

1, avec
I P(∅)=0
I P(DΩ )=1

2. La somme des probabilités des événements élémentaires est

égale à 1.
Soient Ai , avec i = 1, 2, ..., n, les n événements élémentaires
d’un ensemble. Quel que soit Ai ,
1
Pn i ) = n et
P(A Pn 1 n
i=1 P(Ai ) = P(A1 ) + ... + P(An ) = i=1 n = n =

35 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Les axiomes des probabilités

2. Les axiomes des probabilités

1. La probabilité d’un événement est toujours comprise entre 0 et

1, avec
I P(∅)=0
I P(DΩ )=1

2. La somme des probabilités des événements élémentaires est

égale à 1.
Soient Ai , avec i = 1, 2, ..., n, les n événements élémentaires
d’un ensemble. Quel que soit Ai ,
1
Pn i ) = n et
P(A Pn 1 n
i=1 P(Ai ) = P(A1 ) + ... + P(An ) = i=1 n = n =1

35 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

3. Probabilités jointes, marginales et conditionnelles

36 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

Pour cette section, considérons un nouvel exemple (DST1, mars

2016) :

37 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

Pour cette section, considérons un nouvel exemple (DST1, mars

2016) :
100 entreprises présentant des difficultés de trésorerie sont placées
sous surveillance.
I 50 décident une modernisation de leur gestion.
À la fin de leur période d’observation, on constate que 20
d’entre elles ont finalement fait faillite.
I Sur les 50 qui n’ont pas modifié leur gestion, 40 ont fait faillite.
⇒ Résumons cette information dans une table de contingence.

37 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

La table de contingence.
⇒ Permet de représenter la distribution des effectifs en fonction
des deux événements considérés

38 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

La table de contingence.
⇒ Permet de représenter la distribution des effectifs en fonction
des deux événements considérés

M M Total
F
F
Total

38 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

La table de contingence.

M M Total
F N11 N12 N1.
F N21 N22 N2.
Total N.1 N.2 N

39 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

La table de contingence.

M M Total
F N11 =20 N12 =40 N1. =60
F N21 =30 N22 =10 N2. =40
Total N.1 =50 N.2 =50 N=100

40 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

La table de contingence.

M M Total
F N11 =20 N12 =40 N1. =60
F N21 =30 N22 =10 N2. =40
Total N.1 =50 N.2 =50 N=100

⇒ Si l’on tire au sort une entreprise, quelle est la probabilité que

cette entreprise
I se soit modernisée et ait fait faillite ?
I ait fait faillite ?
I ait fait faillite sachant qu’elle avait été modernisée ?

40 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

La table de contingence.

M M Total
F N11 =20 N12 =40 N1. =60
F N21 =30 N22 =10 N2. =40
Total N.1 =50 N.2 =50 N=100

41 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

La table de contingence.

M M Total
F N11 =20 N12 =40 N1. =60
F N21 =30 N22 =10 N2. =40
Total N.1 =50 N.2 =50 N=100

⇒ Si l’on tire au sort une entreprise, quelle est la probabilité que

cette entreprise
I se soit modernisée et ait fait faillite ?

41 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

La table de contingence.

M M Total
F N11 =20 N12 =40 N1. =60
F N21 =30 N22 =10 N2. =40
Total N.1 =50 N.2 =50 N=100

⇒ Si l’on tire au sort une entreprise, quelle est la probabilité que

cette entreprise
I se soit modernisée et ait fait faillite ?
P(M ∩ F )=

41 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

La table de contingence.

M M Total
F N11 =20 N12 =40 N1. =60
F N21 =30 N22 =10 N2. =40
Total N.1 =50 N.2 =50 N=100

⇒ Si l’on tire au sort une entreprise, quelle est la probabilité que

cette entreprise
I se soit modernisée et ait fait faillite ?
P(M ∩ F )=20/100= 20%
I ait fait faillite ?

41 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

La table de contingence.

M M Total
F N11 =20 N12 =40 N1. =60
F N21 =30 N22 =10 N2. =40
Total N.1 =50 N.2 =50 N=100

⇒ Si l’on tire au sort une entreprise, quelle est la probabilité que

cette entreprise
I se soit modernisée et ait fait faillite ?
P(M ∩ F )=20/100= 20%
I ait fait faillite ? P(F)=

41 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

La table de contingence.

M M Total
F N11 =20 N12 =40 N1. =60
F N21 =30 N22 =10 N2. =40
Total N.1 =50 N.2 =50 N=100

⇒ Si l’on tire au sort une entreprise, quelle est la probabilité que

cette entreprise
I se soit modernisée et ait fait faillite ?
P(M ∩ F )=20/100= 20%
I ait fait faillite ? P(F)=60/100 =60%
I ait fait faillite sachant qu’elle avait été modernisée ?

41 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

La table de contingence.

M M Total
F N11 =20 N12 =40 N1. =60
F N21 =30 N22 =10 N2. =40
Total N.1 =50 N.2 =50 N=100

⇒ Si l’on tire au sort une entreprise, quelle est la probabilité que

cette entreprise
I se soit modernisée et ait fait faillite ?
P(M ∩ F )=20/100= 20%
I ait fait faillite ? P(F)=60/100 =60%
I ait fait faillite sachant qu’elle avait été modernisée ?
P(F/M)=
41 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

La table de contingence.

M M Total
F N11 =20 N12 =40 N1. =60
F N21 =30 N22 =10 N2. =40
Total N.1 =50 N.2 =50 N=100

⇒ Si l’on tire au sort une entreprise, quelle est la probabilité que

cette entreprise
I se soit modernisée et ait fait faillite ?
P(M ∩ F )=20/100= 20%
I ait fait faillite ? P(F)=60/100 =60%
I ait fait faillite sachant qu’elle avait été modernisée ?
P(F/M)= 20/50=40%
41 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

a) Les probabilités jointes

42 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

a) Les probabilités jointes

Ce sont les probabilités de l’intersection.

42 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

a) Les probabilités jointes

Ce sont les probabilités de l’intersection.

M M Total
F 20 40 60 M M
F 30 10 40 F 0,2
Total 50 50 100 F
Table – de contingence Table – des probabilités jointes

42 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

a) Les probabilités jointes

Ce sont les probabilités de l’intersection.

M M Total
F 20 40 60 M M
F 30 10 40 F 0,2 0,4
Total 50 50 100 F 0,3 0,1
Table – de contingence Table – des probabilités jointes

43 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

b) Les probabilités marginales

44 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

b) Les probabilités marginales

Ce sont les probabilités des événements seuls.

44 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

b) Les probabilités marginales

Ce sont les probabilités des événements seuls.

Tableau des probabilités jointes et marginales :

M M Total
M M Total
F 0,2 0,4 0,6
F 20 40 60 F 0,3 0,1
F 30 10 40 Total
Total 50 50 100
Table – des probabilités jointes et
Table – de contingence marginales

44 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

b) Les probabilités marginales

Ce sont les probabilités des événements seuls.

M M Total
M M Total
F 0,2 0,4 0,6
F 20 40 60 F 0,3 0,1 0,4
F 30 10 40 Total 0,5 0,5 1
Total 50 50 100
Table – des probabilités jointes et
Table – de contingence marginales

45 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

c) Les probabilités conditionnelles

Ce sont les probabilités calculées dans un sous-ensemble.

46 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

c) Les probabilités conditionnelles

Ce sont les probabilités calculées dans un sous-ensemble.

Si l’on tire au sort une entreprise, la probabilité que cette entreprise

ait fait faillite sachant qu’elle avait été modernisée, P(F/M), se
calcule dans le sous-ensemble des entreprises s’étant modernisées.

46 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

c) Les probabilités conditionnelles

Ce sont les probabilités calculées dans un sous-ensemble.

Si l’on tire au sort une entreprise, la probabilité que cette entreprise

ait fait faillite sachant qu’elle avait été modernisée, P(F/M), se
calcule dans le sous-ensemble des entreprises s’étant modernisées.

M
M M Total
F 20/50=0,4
F 20 40 60 F
F 30 10 40 Total
Total 50 50 100
Table – des probabilités conditionnelles
Table – de contingence sachant la modernisation

46 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

c) Les probabilités conditionnelles

Ce sont les probabilités calculées dans un sous-ensemble.

Si l’on tire au sort une entreprise, la probabilité que cette entreprise

ait fait faillite sachant qu’elle avait été modernisée, P(F/M), se
calcule dans le sous-ensemble des entreprises s’étant modernisées.

M
M M Total
F 0,4
F 20 40 60 F 0,6
F 30 10 40 Total 1
Total 50 50 100
Table – des probabilités conditionnelles
Table – de contingence sachant la modernisation

47 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

c) Les probabilités conditionnelles

Calculons maintenant les probabilités de faillite sachant qu’il n’y a

pas eu modernisation.

48 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

c) Les probabilités conditionnelles

Calculons maintenant les probabilités de faillite sachant qu’il n’y a

pas eu modernisation.

M M
M M Total
F 0,4 0,8
F 20 40 60 F 0,6 0,2
F 30 10 40 Total 1 1
Total 50 50 100
Table – des probabilités conditionnelles
Table – de contingence selon qu’il y ait eu modernisation ou pas

48 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

c) Les probabilités conditionnelles

Formule plus générale pour calculer les probabilités conditionnelles :

49 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

c) Les probabilités conditionnelles

Formule plus générale pour calculer les probabilités conditionnelles :
Soient E1 et E2 deux événements quelconques,
Alors :

49 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

c) Les probabilités conditionnelles

Formule plus générale pour calculer les probabilités conditionnelles :
Soient E1 et E2 deux événements quelconques,
Alors :

P(E1 ∩ E2 )
P(E1 /E2 ) =
P(E2 )

49 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

c) Les probabilités conditionnelles

Formule plus générale pour calculer les probabilités conditionnelles :
Soient E1 et E2 deux événements quelconques,
Alors :

P(E1 ∩ E2 )
P(E1 /E2 ) =
P(E2 )
P(F ∩M) 20%
Application numérique : P(F /M) = P(M) = 50% = 40%.

49 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

c) Les probabilités conditionnelles

Formule plus générale pour calculer les probabilités conditionnelles :
Soient E1 et E2 deux événements quelconques,
Alors :

P(E1 ∩ E2 )
P(E1 /E2 ) =
P(E2 )
P(F ∩M) 20%
Application numérique : P(F /M) = P(M) = 50% = 40%.

En réarrangeant cette expression, on en déduit le

théorème des probabilités composées :

49 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

3. Probabilités jointes, marginales et conditionnelles

c) Les probabilités conditionnelles

Formule plus générale pour calculer les probabilités conditionnelles :
Soient E1 et E2 deux événements quelconques,
Alors :

P(E1 ∩ E2 )
P(E1 /E2 ) =
P(E2 )
P(F ∩M) 20%
Application numérique : P(F /M) = P(M) = 50% = 40%.

En réarrangeant cette expression, on en déduit le

théorème des probabilités composées :

P(E1 ∩ E2 ) = P(E1 /E2 ) × P(E2 )

49 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définition

III. L’indépendance statistique

50 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définition

1. Définition

51 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définition

Il y a indépendance statistique entre deux événements E1 et E2 ,

52 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définition

Il y a indépendance statistique entre deux événements E1 et E2 , si

le fait que E2 (respectivement E1 ) se réalise

52 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définition

Il y a indépendance statistique entre deux événements E1 et E2 , si

le fait que E2 (respectivement E1 ) se réalise n’influe pas sur la
réalisation (ou la non-réalisation) de E1 (resp. E2 ).

52 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définition

Il y a indépendance statistique entre deux événements E1 et E2 , si

le fait que E2 (respectivement E1 ) se réalise n’influe pas sur la
réalisation (ou la non-réalisation) de E1 (resp. E2 ).

On aura donc :
P(E1 /E2 ) = P(E1 )

Exemples ?

52 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définition

Considérons les événements M et F de notre exemple précédent :

sont-ils indépendants ?

53 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définition

Considérons les événements M et F de notre exemple précédent :

sont-ils indépendants ?
Si M et F sont indépendants, alors les probabilités conditionnelles
de F sont

53 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définition

Considérons les événements M et F de notre exemple précédent :

sont-ils indépendants ?
Si M et F sont indépendants, alors les probabilités conditionnelles
de F sont
I Identiques entre elles, quelle que soit la réalisation de M

53 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définition

Considérons les événements M et F de notre exemple précédent :

sont-ils indépendants ?
Si M et F sont indépendants, alors les probabilités conditionnelles
de F sont
I Identiques entre elles, quelle que soit la réalisation de M
I Égales à la probabilité marginale de F.

53 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définition

Considérons les événements M et F de notre exemple précédent :

sont-ils indépendants ?
Si M et F sont indépendants, alors les probabilités conditionnelles
de F sont
I Identiques entre elles, quelle que soit la réalisation de M
I Égales à la probabilité marginale de F.
Or P(F/M)= 40%, P(F/M)= 80% et P(F)=60%.

53 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définition

Considérons les événements M et F de notre exemple précédent :

sont-ils indépendants ?
Si M et F sont indépendants, alors les probabilités conditionnelles
de F sont
I Identiques entre elles, quelle que soit la réalisation de M
I Égales à la probabilité marginale de F.
Or P(F/M)= 40%, P(F/M)= 80% et P(F)=60%.
On a donc P(F/M) 6= P(F/M) 6= P(F)

53 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définition

Considérons les événements M et F de notre exemple précédent :

sont-ils indépendants ?
Si M et F sont indépendants, alors les probabilités conditionnelles
de F sont
I Identiques entre elles, quelle que soit la réalisation de M
I Égales à la probabilité marginale de F.
Or P(F/M)= 40%, P(F/M)= 80% et P(F)=60%.
On a donc P(F/M) 6= P(F/M) 6= P(F)
⇒ M et F ne sont pas indépendants : La probabilité de faire faillite
dépend du fait d’avoir modernisé sa gestion ou pas.

53 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

1. Définition

Considérons les événements M et F de notre exemple précédent :

sont-ils indépendants ?
Si M et F sont indépendants, alors les probabilités conditionnelles
de F sont
I Identiques entre elles, quelle que soit la réalisation de M
I Égales à la probabilité marginale de F.
Or P(F/M)= 40%, P(F/M)= 80% et P(F)=60%.
On a donc P(F/M) 6= P(F/M) 6= P(F)
⇒ M et F ne sont pas indépendants : La probabilité de faire faillite
dépend du fait d’avoir modernisé sa gestion ou pas.

Remarque : On aurait pu aussi démontrer que P(M/F) 6= P(M/F )

6= P(M).
53 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

2. Mesure de l’intensité de la dépendance

54 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

On commence par calculer l’ensemble des effectifs que l’on devrait

observer en situation d’indépendance.

55 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

On commence par calculer l’ensemble des effectifs que l’on devrait

observer en situation d’indépendance.

On les appelle « effectifs théoriques ». Ils se calculent à partir de la

formule suivante :

55 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

On commence par calculer l’ensemble des effectifs que l’on devrait

observer en situation d’indépendance.

On les appelle « effectifs théoriques ». Ils se calculent à partir de la

formule suivante :
Ni. N.j
Tij =
N
⇒ Retour à notre exemple, calcul des effectifs théoriques pour
l’ensemble de la table de contingence

55 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

M M Total
F N11 =20 N12 =40 N1. =60
F N21 =30 N22 =10 N2. =40
Calcul des effectifs Total N.1 =50 N.2 =50 N=100
théoriques
Table – de contingence des effectifs observés
Ni. N.j
Tij =
N

56 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

M M Total
F N11 =20 N12 =40 N1. =60
F N21 =30 N22 =10 N2. =40
Calcul des effectifs Total N.1 =50 N.2 =50 N=100
théoriques
Table – de contingence des effectifs observés
Ni. N.j
Tij =
N

M M Total
F T11 T12 T1.
F T21 T22 T2.
Total T.1 T.2 T
Table – des effectifs théoriques

56 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

M M Total
F N11 =20 N12 =40 N1. =60
F N21 =30 N22 =10 N2. =40
Calcul des effectifs Total N.1 =50 N.2 =50 N=100
théoriques
Table – de contingence des effectifs observés
Ni. N.j
Tij =
N

M M Total
N1. ×N.1 60×50
F T11 = N = 100 =30
F
Total
Table – des effectifs théoriques

57 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

M M Total
F N11 =20 N12 =40 N1. =60
F N21 =30 N22 =10 N2. =40
Calcul des effectifs Total N.1 =50 N.2 =50 N=100
théoriques
Table – de contingence des effectifs observés
Ni. N.j
Tij =
N

M M Total
F 30 30 60
F 20 20 40
Total 50 50 100
Table – des effectifs théoriques

58 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

À partir des effectifs théoriques, on peut calculer le degré

d’indépendance entre deux variables.
⇒ Le coefficient du Khi-deux :
X (Nij − Tij )2
χ2 =
Tij
ij

59 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

À partir des effectifs théoriques, on peut calculer le degré

d’indépendance entre deux variables.
⇒ Le coefficient du Khi-deux :
X (Nij − Tij )2
χ2 =
Tij
ij

En cas d’indépendance, cet indicateur vaut 0.

59 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Retour à notre exemple

60 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Retour à notre exemple

M M Total M M Total
F 20 40 60 F 30 30 60
F 30 10 40 F 20 20 40
Total 50 50 100 Total 50 50 100
Table – des effectifs observés Table – des effectifs théoriques

(Nij −Tij )2
χ2 =
P
ij Tij =

60 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Retour à notre exemple

M M Total M M Total
F 20 40 60 F 30 30 60
F 30 10 40 F 20 20 40
Total 50 50 100 Total 50 50 100
Table – des effectifs observés Table – des effectifs théoriques

(Nij −Tij )2 2
χ2 = = (20−30)
P
ij Tij 30 +

60 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Retour à notre exemple

M M Total M M Total
F 20 40 60 F 30 30 60
F 30 10 40 F 20 20 40
Total 50 50 100 Total 50 50 100
Table – des effectifs observés Table – des effectifs théoriques

(Nij −Tij )2 2 2
χ2 = = (20−30) + (40−30)
P
ij Tij 30 30 +

60 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Retour à notre exemple

M M Total M M Total
F 20 40 60 F 30 30 60
F 30 10 40 F 20 20 40
Total 50 50 100 Total 50 50 100
Table – des effectifs observés Table – des effectifs théoriques

(Nij −Tij )2 2 2 2
χ2 = = (20−30) + (40−30) + (30−20)
P
ij Tij 30 30 20 +

60 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Retour à notre exemple

M M Total M M Total
F 20 40 60 F 30 30 60
F 30 10 40 F 20 20 40
Total 50 50 100 Total 50 50 100
Table – des effectifs observés Table – des effectifs théoriques

(Nij −Tij )2 2 2 2 2
χ2 = = (20−30) + (40−30) + (30−20) + (10−20)
P
ij Tij 30 30 20 20

60 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Retour à notre exemple

M M Total M M Total
F 20 40 60 F 30 30 60
F 30 10 40 F 20 20 40
Total 50 50 100 Total 50 50 100
Table – des effectifs observés Table – des effectifs théoriques

(Nij −Tij )2 2 2 2 2
χ2 = = (20−30) + (40−30) + (30−20) + (10−20)
P
ij Tij 30 30 20 20
⇒ χ2 = 503 = 16, 67

60 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Inconvénient du coefficient du Khi-deux :

61 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Inconvénient du coefficient du Khi-deux : il augmente

mécaniquement avec le nombre de cases dans le tableau de
contingence.

61 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Inconvénient du coefficient du Khi-deux : il augmente

mécaniquement avec le nombre de cases dans le tableau de
contingence.

Pour avoir une information sur l’intensité de la dépendance,

⇒ Le coefficient de Cramer

61 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Inconvénient du coefficient du Khi-deux : il augmente

mécaniquement avec le nombre de cases dans le tableau de
contingence.

Pour avoir une information sur l’intensité de la dépendance,

⇒ Le coefficient de Cramer
I Compris entre 0 (parfaite indépendante) et 1 (parfaite
dépendance).

61 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Inconvénient du coefficient du Khi-deux : il augmente

mécaniquement avec le nombre de cases dans le tableau de
contingence.

Pour avoir une information sur l’intensité de la dépendance,

⇒ Le coefficient de Cramer
I Compris entre 0 (parfaite indépendante) et 1 (parfaite
dépendance).
q 2 q
χ2
I Calcul : χχ2 = N×min[(i−1),(j−1)]
max

61 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Inconvénient du coefficient du Khi-deux : il augmente

mécaniquement avec le nombre de cases dans le tableau de
contingence.

Pour avoir une information sur l’intensité de la dépendance,

⇒ Le coefficient de Cramer
I Compris entre 0 (parfaite indépendante) et 1 (parfaite
dépendance).
q 2 q
χ2
I Calcul : χχ2 = N×min[(i−1),(j−1)]
max
Avec χ2 le coefficient du Khi-deux,

61 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Inconvénient du coefficient du Khi-deux : il augmente

mécaniquement avec le nombre de cases dans le tableau de
contingence.

Pour avoir une information sur l’intensité de la dépendance,

⇒ Le coefficient de Cramer
I Compris entre 0 (parfaite indépendante) et 1 (parfaite
dépendance).
q 2 q
χ2
I Calcul : χχ2 = N×min[(i−1),(j−1)]
max
Avec χ2 le coefficient du Khi-deux, χ2max le Khi-deux
maximum qu’il est possible d’observer,

61 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Inconvénient du coefficient du Khi-deux : il augmente

mécaniquement avec le nombre de cases dans le tableau de
contingence.

Pour avoir une information sur l’intensité de la dépendance,

⇒ Le coefficient de Cramer
I Compris entre 0 (parfaite indépendante) et 1 (parfaite
dépendance).
q 2 q
χ2
I Calcul : χχ2 = N×min[(i−1),(j−1)]
max
Avec χ2 le coefficient du Khi-deux, χ2max le Khi-deux
maximum qu’il est possible d’observer, i le nombre de ligne
dans le tableau de contingence

61 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Inconvénient du coefficient du Khi-deux : il augmente

mécaniquement avec le nombre de cases dans le tableau de
contingence.

Pour avoir une information sur l’intensité de la dépendance,

⇒ Le coefficient de Cramer
I Compris entre 0 (parfaite indépendante) et 1 (parfaite
dépendance).
q 2 q
χ2
I Calcul : χχ2 = N×min[(i−1),(j−1)]
max
Avec χ2 le coefficient du Khi-deux, χ2max le Khi-deux
maximum qu’il est possible d’observer, i le nombre de ligne
dans le tableau de contingence et j le nombre de colonne.

61 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Retour à notre exemple q

: q
2 χ2
Coefficient de Cramer= χχ2 = N×min[(i−1),(j−1)] =
max

62 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Retour à notre exemple q

: q q
2 χ2 16,67
Coefficient de Cramer= χχ2 = N×min[(i−1),(j−1)] = 100×1 =
max

62 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

2. Mesure de l’intensité de la dépendance

Retour à notre exemple q

: q q
2 χ2 16,67
Coefficient de Cramer= χχ2 = N×min[(i−1),(j−1)] = 100×1 =
max
0,41

62 / 63
Introduction Rappels en théorie des ensembles Éléments de calcul des probabilités Indépendance statistique

Conclusion Chapitre 1

Présentation du calcul de probabilités et de la notion de dépendance

⇒ Notions centrales dans la définition des variables aléatoires
I Chapitre II : Les variables aléatoires discrètes
I Chapitre III : Les variables aléatoires continues

63 / 63