Ecole Militaire Polytechnique Chapitre1

Chapitre1
Introduction au calcul de probabilités
1.1 Epreuve ou expérience aléatoire, évènement

On appelle épreuve ou expérience aléatoire une expérience que l’on peut répéter dans les
mêmes conditions et dont le résultat varie. On désigne par Ω l’ensemble de tous les résultats
possibles et on l’appelle l’ensemble fondamental. A l’épreuve sont liés des « événements »
qui seront ou ne seront pas réalisés une fois l’épreuve effectuée. Les éléments de l’ensemble
Ω sont appelés événements élémentaires. Ils constituent un système complet d’événements:
dans une épreuve un et un seul événement est réalisé à la fois. On peut donc dire qu’un
événement est constitué par la combinaison (réunion, intersection et complémentation)
d’événements élémentaires ; c’est donc un sous ensemble E de Ω . On dit qu’un événement A
s’est réalisé si le résultat, a, de l’expérience est un événement élémentaire a ∈ A. Avant que
l’épreuve ne soit réalisée on dit que ces événements sont aléatoires car on ne sait pas a priori
quel événement sera réalisé.

Exemple 1

a) Le lancer d’une pièce de monnaie est une épreuve. L’ensemble des événements
élémentaires liés à cette épreuve est Ω = {pile, face}
b) Soit un dé dont les faces sont numérotées de 1 à 6. Le lancer de ce dé est une épreuve.
L’ensemble des événements élémentaires liés à cette épreuve est Ω = {1, 2, 3, 4, 5, 6}.
c) On considère le classement des 20 élèves d’une classe, numérotés de 1 à 20. L’ensemble
Ω est constitué par toutes les permutations des éléments de l’ensemble {1, 2, …20}.
d) On s’intéresse à la durée de vie d’une ampoule. Dans ce cas, les éléments de Ω sont des
intervalles de R de la forme Ω ={ ω / 0 ≤ ω ≤ L}. (L est la durée de vie maximale pour
une ampoule).

1.2 Espace probabilisé

Lorsqu’on effectue une expérience aléatoire, on voudrait quantifier les « chances » de se
réaliser pour chaque événement aléatoire. Par exemple, dans le cas de l’épreuve b), on
voudrait connaître les « chances » d’obtenir un nombre pair. Cette chance est la
probabilité associée à l’événement E. La notion courante de probabilité a une double
origine.
a) une source intuitive : lorsqu’on jette un dé on pense, a priori, que chacune des positions du
dé a la même probabilité de se réaliser.
b) une source « expérimentale » : l’observation des fréquences des résultats d’obtention de 6
quand on jette plusieurs fois de suite un même dé ne contredit pas l’intuition et on constate
que « en moyenne » dans un cas sur 6 on obtient un 6.
Cependant du point de vue mathématique, les probabilités sont définies par un certain
nombre d’axiomes sans qu’il soit nécessaire de faire référence à un phénomène concret.
Mais ces axiomes ne sont pas arbitraires, ils ont été choisis de manière que la notion de
probabilité qu’on en tire recouvre le concept intuitif.

¾ Tribu : Une tribu F ou σ -algèbre sur un ensemble Ω est une famille de parties de Ω
qui vérifie les propriétés suivantes :

1
Ecole Militaire Polytechnique Chapitre1

1) Ω ∈F
2) A ∈ F ⇒ Ω − A ∈ F
3) A1, A2,………An ∈ F ⇒ ∪ Ai ∈ F
Le couple ( Ω ,F) est appelé espace probabilisable ou mesurable.
On démontre facilement les deux résultats suivants :
a) φ ∈F
b) A1,A2,………An ∈F ⇒ ∩ Ai ∈ F

F est donc un ensemble de parties de Ω fermé pour l’union, l’intersection et la

complémentation. C’est l’ensemble des événements liés à l’épreuve considérée. L’intersection
de deux événements est donc un événement ; de même pour l’union et le complémentaire.

Exemple 2 :
F = P( Ω ) tribu triviale.(ensemble de toutes les parties de Ω )
F = { φ , Ω } tribu grossière.

Remarque 1
En calcul de probabilités et variables aléatoires sur des ensembles continus, l’ensemble Ω est
l’ensemble R (ou un intervalle de R) et la tribu F est l’ensemble des intervalles ouverts ou
fermés, en particulier F contient tout élément x ∈ R. Cette tribu est appelée la tribu borélienne.

¾ Probabilité
Soit ( Ω ,F) un espace probabilisable. On appelle probabilité une application P de F dans [0 1]
vérifiant les axiomes suivants (axiomes de Kolmogorov).

1) 0 ≤ P(A ) ≤ 1 ∀ A ∈ F.
2) P( Ω ) = 1
∞ ∞
3) P ( ∪ ) =
i =1
∑ P( A
i =1
i ) ; Ai ∩ A j = φ ∀i ≠ j

L’axiome (3) est appelé axiome des probabilités totales. Compte tenu de cet axiome, la
probabilité d’un événement est égale à la somme des probabilités des événements
élémentaires qui le réalisent.
Le triplet ( Ω ,F, P) est appelé espace probabilisé ou espace de probabilité.

Remarque 2
Le choix de Ω et F n’est pas à la libre disposition de l’analyste. Il est dicté par le problème
qu’on étudie et traduit le niveau de connaissance qu’on a du problème.

Exemple 3
Supposons qu’on jette un dé non homogène : on sait seulement que la probabilité d’avoir un
nombre pair égale 1/3 et impair 2/3. P étant une application de F dans [0,1], on doit pouvoir
associer une valeur à chaque élément de F; or dans ce cas on ne sait pas par exemple calculer
la probabilité d’obtenir 1 (obtenir 1 n’est pas un événement). Donc pour que l’application P(.)
soit définie, on doit prendre F = { φ , Ω , Pair,impair}.

Les cas particuliers suivants jouent un rôle important dans la pratique.

2
Ecole Militaire Polytechnique Chapitre1

a) Définition classique
Considérons une épreuve dont l’espace fondamental Ω a exactement n éléments ayant
tous la même chance d’apparition et mutuellement exclusifs. Soit E un événement et
supposons qu’il y a exactement m résultats qui le réalisent ; ces résultats sont dits
favorables à l’événement A
m
La probabilité de l’événement E est définie par: P(E) = (1)
n
Exemple 4
On jette un dé. Soit E l’événement « le résultat est un nombre pair » alors :
il y a n = 6 résultats possibles et m = 3 {2,4,6} sont favorables à E
3 1
P(E) = =
6 2
b) Définition fréquentielle

Supposons qu’on répète une épreuve n fois dans les mêmes conditions. Si l’événement E s’est
m
réalisé m fois, la fréquence relative approche, quand n est suffisamment grand, la
n
m
probabilité P(E) de l’événement E. P(E) = (2)
n

Exemple 5
On a jeté une pièce de monnaie 100000 fois et obtenu « face » 49815 fois. Alors la fréquence
relative d’apparition de « face » est de 0,49815. On dit que la probabilité d’obtenir face est de
0,5 du fait que c’est le nombre vers lequel tend la fréquence relative.

c) Définition géométrique
Soit S et s deux surfaces fermées telles que s ⊂ S. si on tire un point au hasard sur la
grande surface S alors la probabilité qu’il tombe dans la petite surface s est :
surface s
P= (3)
surface S

Exemple 6
On tire au hasard sur un cercle. Quelle est la probabilité de toucher plus prés du centre que de
la circonférence.
Soit r le rayon du cercle. Alors on doit toucher à l’intérieur de la surface du cercle de rayon
r
π ( )2
r/2, soit P = 2 =1
πr 2 4

1.3 Correspondance entre le langage des probabilités et celui des ensembles

Soient A et B deux événements de Ω :

9 A ∩ B = { ω ∈ Ω / ω ∈ Aetω ∈ B }. On lit l’événement (A et B) est réalisé si et

seulement si l’événement A et l’événement B sont réalisés.

9 A ∪ B = { ω ∈ Ω / ω ∈ Aouω ∈ B } On lit l’événement (A ou B) est réalisé si et

seulement si l’événement A ou l’événement B (ou les deux) sont réalisés.

3
Ecole Militaire Polytechnique Chapitre1

9 A = { ω ∈ Ω / ω ∉ A } = complémentaire de A. On lit l’évènement (non A) est réalisé

ssi l’événement A ne l’est pas.

9 A-B = A ∩ B = { ω ∈ Ω / ω ∈ Aetω ∉ B }
L’évènement (A et non B) est réalisé ssi l’événement A est réalisé et B ne l’est pas.
9 Ω = l’évènement certain, toujours réalisé.
9 Φ = l’évènement impossible, jamais réalisé.

Remarque 3
Si A ∩ B = Φ , on dit que les évènements A et B sont incompatibles. Ils ne se réalisent jamais
simultanément.

1.4 Extension de l’axiome des probabilités totales

Lorsque les événements A et B ne s’excluent pas mutuellement, la probabilité de
l’événement somme est donné par la formule :
P(A ∪ B) = P(A) + P(B) – P(A ∩ B) (4)

A
A AB
B
AC AB
ABC
B
BC
En effect C
A ∪ B = A ∪ (B-A).
A et (B-A) étant disjoints, on a :
P(A ∪ B) = P(A) + P (B-A)
et P(B-A) = P(B) – P(A ∩ B)

Exemple 7
Dans une classe de 10 garçons et 20 filles, la moitié des garçons et la moitié des filles ont les
yeux marron. Trouver la probabilité qu’un élève choisi au hasard soit un garçon ou ait les
yeux marrons.

9 Soient A l’évènement « la personne choisie est un garçon »

9 B l’évènement « la personne choisie a les yeux marrons »
On a
P(A ∪ B) = P(A) + P(B) – P(A ∩ B)
P(A) = 10/30 ; P(B) = 15/30 ; P(A ∩ B) = 5/30 d’où
P(A ∪ B) + 1/3 + 1/2 - 1/6 = 2/3

D’une manière analogue, la probabilité de l’événement réunion de trois événements est

donnée par la formule :

P(A ∪ B ∪ C) = P(A) + P(B) +P(C)– P(A ∩ B) - P(A ∩ C) - P(B ∩ C) + P(A ∩ B ∩ C). (5)

4
Ecole Militaire Polytechnique Chapitre1

Et par récurrence, la formule générale de la probabilité de la réunion d’un nombre quelconque

d’événements est :
n
P (∪ Ai ) = ∑ P ( Ai ) − ∑ P ( Ai ∩ A j ) + ∑ P ( Ai ∩ A j ∩ AK ) − ...... + ( −1) n −1 p ( A1 ∩ A2 ∩ .... ∩ An )
i =1
i i, j i , j ,k
Cette formule exprime la probabilité de la somme (réunion) d’un nombre quelconque
d’évènements en fonction des probabilités des produits (intersection) de ces évènements pris
un à un, deux à deux, etc.

On peut écrire une formule analogue pour le produit des événements :

P(A ∩ B) = P(A) + P(B) - P(A ∪ B). (6)

De même:

P(A ∩ B ∩ C) = P(A) + P(B) +P(C)– P(A ∪ B) -P(A ∪ C) - P(B ∪ C) + P(A ∪ B ∪ C)

La formule générale exprimant la probabilité du produit d’un nombre quelconque

d’évènements en fonction des probabilités des sommes de ces évènements pris un à un, deux à
deux, etc. s’écrit :

P ( A1 ∩ A2 ∩ .... ∩ An ) = ∑ P ( Ai ) − ∑ P( Ai ∪ Aj ) + ∑ P( A ∪ Ai j ∪ AK )... + (−1) n −1 P( A1 ∪ ... An )

i i, j i, j , K

Dans certains problèmes, il est plus commode d’utiliser seulement des sommes; et dans
d’autres, seulement des produits.

Remarque 4
La relation donnant l’intersection d’évènements (ensembles) en fonction de la réunion
exprime ce qu’on appelle le principe d’inclusion-exclusion
Exemple 8

Un examen comporte trois questions numérotées A1, A2 et B. pour réussir un candidat doit
répondre (au moins) aux deux questions A1, A2 ou à la question B. L’évènement C « réussir »
peut s’écrire :

C = (A1 ∩ A2) ∪ B

On peut exprimer la probabilité de l’événement C en fonction de la somme des probabilités

des unions des évènements A1, A2 et B.

On a:
P (C) =P (A1 ∩ A2) +P(B) –P(A1 ∩ A2 ∩ B)
P (A1 ∩ A2) = P(A1) + P(A2) – P (A1 ∪ A2)
ET
P(A1 ∩ A2 ∩ B)= P(A1) + P(A2) + P(B)-P(A1 ∪ A2)- P( (A1 ∪ B)- P (A2 ∪ B)+P (A1 ∪ A2 ∪ B)
D’où
P ( C ) = P( (A1 ∪ B) + P(A2 ∪ B) - P (A1 ∪ A2 ∪ B)

5
Ecole Militaire Polytechnique Chapitre1

1.5) Probabilité conditionnelle et indépendance

Définition
La probabilité qu’un évènement A se réalise sachant qu’un évènement B a été réalisé est
appelé « Probabilité conditionnelle de A sachant que B est réalisé » et désigné par P(A/B) .
Elle s’exprime par la formule :
P( A ∩ B)
P(A/B) = , P(B) > 0 (7)
P( B)

En effet, si B s’est réalisé, l’ensemble des cas favorables est l’ensemble des évènements
élémentaires qui réalisent B et celui des cas favorables à A est celui qui réalise B et A. pour
passer des ensembles aux probabilités, on divise lu numérateur et le dénominateur par le
cardinal de Ω .
Si A est indépendant de B alors
P(A/B) = P(A)
Donc,
P(A ∩ B) = P(A).P(B) (8)
Si A est indépendant de B alors B est indépendant de A et on dit que A et B sont
indépendants.
En effet :
P( A ∩ B)
P(B/A) =
P ( A)
Comme A est indépendant de B
P(A ∩ B) = P(A).P(B)
Ce qui donne
P(B/A) = P(B)

Les évènements A et B sont indépendants si le fait de savoir que B a été réalisé n’apporte
aucune information sur la probabilité de réalisation de A et réciproquement.

Exemple 9
a) On jette deux pièces de monnaie. Considérons les deux évènements :
9 A : « obtenir pile sur la première pièce ».
9 B : « obtenir pile sur la deuxième pièce ».
Dans ce cas la probabilité de A ne dépend pas de la réalisation de B et l‘évènement A est
indépendant de l‘évènement B.

b) une urne contient deux boules blanches et une boule noire. On tire successivement deux
boules de l’urne. Considérons les deux événements :
9 A : « la première tirée est une boule blanche ».
9 B : « la deuxième boule tirée est une boule blanche ».
Si le tirage est avec remise, la probabilité de B ne dépend pas de A.
p(B) = 2/3.
Si le tirage est sans remise, la probabilité de B dépend de A.
Si l’on sait que l’événement A s’est réalisé, la probabilité de B devient 1/2.
P(B/A) = 1/2

6
Ecole Militaire Polytechnique Chapitre1

La notion d’indépendance de deux évènements peut être étendue à un nombre quelconque

d’évènements: plusieurs évènements sont dits mutuellement indépendants si aucun d’eux ne
dépend de toute combinaison des autres.

Remarque 5
La formule précédente peut s’écrire :

P(A ∩ B) = P(B). P(A/B)

Cette formule peut être généralisée par récurrence.

P ( A1 ∩ A2 ∩ .... ∩ An ) = P( A1 ) P( A2 / A1 ) P( A3 / A1 ∩ A2 ).........P( An / A1 ∩ A2 ...... AN −1 ) (9)

Cette formule s’appelle Théorème des probabilités composées.

Pour des évènements mutuellement indépendants la formule devient:

p ( A1 ∩ A2 ....... ∩ An ) = P(A1)P(A2)…………….P(An) (10)

Exemple 10
Une urne contient deux boules blanches et trois noires. On tire, successivement et sans remise,
deux boules de l’urne, trouver la probabilité que les 2 boules tirées soient blanches.
Soit A l’évènement « les 2 boules tirées sont blanches ».

A est le produit de deux évènements :

9 A1 = la première boule tirée est blanche.
9 A2 = la deuxième boule tirée est blanche.
A = A1 ∩ A2
En vertu de la formule des probabilités composées :

P(A) = P(A1)P(A2/A1) = 2/5.1/4 = 0.1

Exemple 11
Trois personnes tirent, chacun un coup, sur une même cible. Les probabilités d’atteinte de la
cible par le premier, le deuxième et le troisième tireur sont : p1 =0.4 ; p2 = 0.5 et p3 = 0.7.
Trouver la probabilité pour qu’un et un seul tireur atteigne la cible.

Soit : A = exactement un tireur atteint la cible.

A1, A2 et A3 les événements : « atteindre la cible » par le premier, deuxième et troisième
tireur.
A1 , A2 , A3 « Rater le but » par le premier, deuxième et troisième tireur. On peut écrire :
A = A1 A2 A3 ∪ A1 A2 A3 ∪ A1 A2 A3
En utilisant les formules de probabilités totales et composées, on obtient :

P(A) = P(A1 A2 A3 ) + P( A1 A2 A3 ) + P( A1 A2 A3 )
= 0,4×0,5×0,3 + 0,6×0,5×0,3 + 0,6×0,5×0,7 = 0,36 ;

7
Ecole Militaire Polytechnique Chapitre1

Exemple 12
Dans les mêmes conditions que précédemment, trouver la probabilité qu’au moins un tireur
atteigne la cible.
Soit B « au moins un coup atteint la cible », on peut écrire B comme une somme de
combinaisons incompatibles, soit:
B = A1 A2 A3 + A1 A2 A3 + A1 A2 A3 + A1 A A3 + A1 A2 A3 + A1 A2 A3 + A1 A2 A3
On peut appliquer le théorème des probabilités composées et celui des probabilités totales
pour trouver la probabilité de B, mais cette méthode est trop longue ; il est préférable de
passer ici de B à son contraire B : « aucun tireur n’a atteint la cible »

B = A1 A2 A3
En vertu du théorème des probabilités composées

P( B )=P( A1 A2 A3 ) = 0,6.0,5.0,3 = 0,09

P(B) = 1- P( B ) = 0,91

Remarque 6
Les deux notions d’évènements indépendants et évènements disjoints sont deux notions
différentes. A et B sont disjoints si A∩ B =Φ ou P(A ∩ B) = 0, ils sont indépendants si
P(A/B) = P(A) ou P(A ∩ B) = P(A)P(B). D’ailleurs, si A et B sont disjoints, ils sont
dépendants car la réalisation de l’un implique la non réalisation de l’autre. L’expérience
montre que les débutants en calcul de probabilités confondent souvent ces deux notions

Exemple 13
Soit une urne contenant deux boules blanches et une boule rouge. On tire deux boules
successives sans remise. Soient les deux évènements
9 A « la première boule tirée est rouge ».
9 B « la deuxième boule tirée est rouge »
.
A∩ B =Φ et P(A ∩ B) = 0 A et B sont disjoints
P(A/B) = 0 et P(A) =1/3 A et B ne sont pas indépendants

Supposons maintenant que le tirage se fait avec remise

P(A ∩ B) = P(A)P(B) , A et B sont indépendants

A ∩ B ≠ Φ , A et B ne sont pas disjoints

1.6) Formule des probabilités totales conditionnelles

Soit à déterminer la probabilité d’un certain évènement A pouvant se réaliser simultanément

avec l’un des évènements appelés hypothèses : H1 , H2 , ……., Hn.
Les Hi, formant un système complet d’évènements incompatibles.
Dans ce cas on a :
n
P( A) = ∑ P( H i ) P ( A / H i ) (11)
i =1
En effet, les hypothèses H1 , H2 , ……., Hn. formant un système complet, l’évènement A ne se
produit qu’en combinaison avec l’une de ces hypothèses:
A = H1 ∩ A ∪ H2 ∩ A ∪ …………. ∪ Hn ∩ A

8
Ecole Militaire Polytechnique Chapitre1

les hypothèses H1, H2 , ……., Hn étant incompatibles, les combinaisons H1 ∩ A, H2 ∩ A

…,Hn ∩ A le sont également. En leur appliquant l’axiome des probabilités totales, on obtient :
n
P(A) = P(H1 ∩ A) +P(H2 ∩ A) +………….+P(Hn ∩ A) = ∑ P( H
i =1
i ∩ A)

Et en appliquant aux évènements Hi ∩ A, le théorème des probabilités composées on obtient

n
P( A) = ∑ P( H i ) P ( A / H i )
i =1
L’utilité de cette formule s’explique par le fait qu’il existe de nombreux problèmes où une
probabilité inconnue P(A) ne peut être évaluée de façon directe, tandis qu’il est facile de
calculer les probabilités conditionnelles P(A/Hi) relatives à une partition {H1,H2,……..,Hn}
choisie de manière appropriée.

Exemple 14
Un stock d’ampoules électriques est composé de 70% de marque A et 30% de marque B.
Parmi les ampoules de la marque A, 40% ont une puissance de 75 watts et 60% ont une
puissance de 100 watts. Pour la marque B, ces pourcentages sont de 80% et 20%
respectivement. On tire au hasard une ampoule, quelle est la probabilité que sa puissance soit
de 100 watts.
On va envisager les hypothèses suivantes :
H1 : l’ampoule choisie est de marque A.
H2 : l’ampoule choisie est de marque B.

Les probabilités de ces hypothèses sont :

P(H1) = 0.7
P(H2) = 0.3
Les probabilités conditionnelles de l’événement A « la puissance de l’ampoule est 100 watts»
sont :
P(A/H1) = 0.6
P(A/H2) = 0.2
En utilisant la formule des probabilités totales conditionnelles on obtient :
P(A) = P(H1)P(A/H1) + P(H2)P(A/H2)
= 0.7*0.6+0.3*0.2 = 0.48

1.7) Théorème des hypothèses (Formules de Bayes)

Le théorème des hypothèses ou formule de Bayes est un corollaire de l’axiome des

probabilités totales et de la formule des probabilités totales conditionnelles. Il s’agit de
résoudre le problème suivant :
Soit un système complet d’hypothèses incompatibles : H1, H2, …,Hn . Les probabilités de ces
hypothèses avant l’expérience sont P(H1), P(H2),…, P(Hn) (probabilités a priori).
L’expérience a réalisé un certain évènement A. Comment la réalisation de cet événement
change les probabilités de ces hypothèses (il s’agit en fait de calculer les probabilités a
posteriori de ces hypothèses).
Il s’agit donc de trouver les probabilités conditionnelles P(Hi/A) pour chacune des
hypothèses.
En vertu du théorème des probabilités composées on a :
P(A ∩ Hi) = P(A)P(Hi/A) = P(Hi)P(A/Hi), i = 1: n
En négligeant le premier membre :

9
Ecole Militaire Polytechnique Chapitre1

P(A)P(Hi/A) = P(Hi)P(A/Hi), i = 1: n

D’où,
P( H i ) P( A / H i )
P(Hi/A) = , i = 1: n
P( A)
En exprimant P(A) selon la formule des probabilités totales conditionnelles, on obtient :

P( H i ) P( A / H i )
P ( H i / A) = n
, i=1:n (12)
∑ P( H ) P( A / H )
i =1
i i

Exemple 15
Dans le stock précédent, on a tiré au hasard une ampoule et obtenu une puissance 100 watts.
Quelle est la probabilité que cette ampoule soit de marque A.

Il s’agit de calculer la probabilité conditionnelle P(H1/A).

En appliquant la formule de Bayes :

P( H 1 ) P( A / H 1 ) 0.7 * 0.6
P(H1/A) = = = 0.42/0.48
P( H 1 ) P( A / H 1 ) + P( H 2 ) P( A / H 2 ) 0.48

Remarque 7
Pour appliquer la formule des probabilités totales et celle de Bayes, on peut utiliser
avantageusement une représentation arborescente comme suit :
9 la racine de l’arborescente correspond à l’événement A dont on veut calculer la
probabilité ;
9 Le sommet i du niveau un est associé à l’hypothèse Hi ;
9 Chaque sommet Hi a deux fils correspondant à A/Hi et A / H i ;
9 Chaque arc de l’arborescence est valué par la probabilité de l’événement associé à son
extrémité terminale.
9 La probabilité de l’événement A et celle de Hi/A se calculent facilement en regardant
l’arborescence.

Exemple 16
L’exemple 14 peut être représenté par l’arborescence suivante :

A
P(H1) = .7 P(H2) = .3

H1 H2
P(A/H1) = .6 P(A/H2) = .2

A/H1 A /H1 A/H2 A /H2

A partir de l’arborescence, on peut calculer facilement

p(A) = 0.7*0.6 + 0.3*0.2
p(H1/A) = p(H1)*p(A/H1)/p(A)

10