Chapitre 4

Eléments du calcul de Probabilité

C’est la modélisation mathématique du hasard, par des ensembles et des sous-

ensembles.

4.1 Vocabulaire Probabiliste

Définition 4.1.1. — On appelle épreuve ou expérience aléatoire toute expérience
dont il est impossible de prévoir à l’avance le résultat, mais dont on connaît leur en-
semble.

Exemple 4.1.1.
• Lancer un dé.
• Lancer deux dés.
• Tirer successivement et avec remise une carte dans un jeu jusqu’à obtenir une
carte rouge.
• Mesurer en centimètres le diamètre d’une pièce lors d’une production.

Définition 4.1.2. — On appelle événement élémentaire tout résultat d’une épreuve.

L’ensemble des événements élémentaires est appelé espace échantionnal noté Ω.

Exemple 4.1.2.
• Ω = {1, 2, 3, 4, 5, 6} est l’espace échantionnal pour l’épreuve du lancer du dé. 2 est
un événement élémentaire.
• Ω = {1, 2, 3, 4, 5, 6} × {1, 2, 3, 4, 5, 6} est l’espace échantionnal pour l’épreuve du
lancer de 2 dés. (3, 4) est un événement élémentaire.
• Ω = {R, N R, N N R, N N N R, ...} où R=carte rouge et N=carte d’une autre cou-
leur, est l’espace échantionnal pour l’épreuve de tirer successivement et avec remise
une carte dans un jeu jusqu’à obtenir une carte rouge.
• Ω = R+∗ est l’espace échantionnal pour l’épreuve de mesurer le diamètre d’une
pièce.

Définition 4.1.3. — On appelle événement tout type de résultats pouvant se pro-

duire lors d’une épreuve et caractérisé par une propriété logique, c’est à dire tout sous-
ensemble de Ω. Leur ensemble est noté P(Ω).

1
2 CHAPITRE 4. ELÉMENTS DU CALCUL DE PROBABILITÉ

Exemple 4.1.3.
• Pour toute épreuve, Ω est un événement appelé événement certain.
• Pour toute épreuve, ∅ est un événement appelé événement impossible.
• Pour le lancer de deux dés, l’événement "somme des 2 faces est au plus 3" est le
sous-ensemble A = {(1, 1), (1, 2), 2, 1)}.
• Pour les tirages successifs et avec remise d’une carte, {N N R, N N N R, ...} est un
événement et il traduit la phrase "faire au moins trois tirages".
• Pour les mesures du diamètre, B = [2, 4[ est un événement et il traduit la phrase
"le diamètre est moins de 4cm et au moins 2cm"
• Pour le nombre de pièces vendues dans une journée pour une entreprise disposant
au début de chaque journée de 3 pièces en stock, B = {2, 3} est un événement et
il traduit la phrase "vendre plus d’une pièce".
Définition 4.1.4. — On appelle événement contraire de l’événement A le complé-
mentaire de A. On le note Ā ou Ac .
Définition 4.1.5. — Un événement A est dit réalisé, si l’épreuve donne un résultat
appartenant à A.
Remarque. Pour deux événements A et B, A ⊂ B signifie que la réalisation de A
entraine celle de B.
Théorème 4.1.1. — Soient A et B deux événements d’une même épreuve.
1. A ∩ B est un événement qui se réalise quand A et B sont tous les deux réalisés.
On le note encore A.B.
2. A ∪ B est un événement qui se réalise quand A ou B (avec ou inclusif) est
réalisé .
3. A ∩ B̄ est un événement qui se réalise quand A est réalisé et B est non réalisé.
On le note encore A − B.
Preuve :
Evidente 
Proposition 1. Pour A, B et C des ensembles, on a les propriétés suivantes :
– A ∩ ∅ = ∅, A ∪ ∅ = A, A ∩ Ω = A, A ∪ Ω = Ω.
– Si A ⊂ B alors A ∩ B = A et A ∪ B = B.
– (A ∪ B) ∪ C = A ∪ (B ∪ C) = A ∪ B ∪ C. On dit que ∪ est associative.
– (A ∪ B) = B ∪ A. On dit que ∪ est commutative.
– ∩ est associative et commutative.
– (A ∪ B) ∩ C = (A ∩ C) ∪ (B ∩ C). On dit que ∩ est distributive par rapport à ∪.
– A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C). On dit que ∪ est distributive par rapport à ∩.
– A ∪ B = Ā ∩ B̄, A ∩ B = Ā ∪ B̄, Ā¯ = A.
Preuve :
Laissée à titre d’exercice 
Remarque. L’algèbre des événements systématise la rigueur du raisonnement.
4.2. PROBABILITÉ 3

Définition 4.1.6. — Deux événements A et B sont dits incompatibles si leur réali-

sation simultané est impossible, c’est-à-dire A ∩ B = ∅.
Exemple 4.1.4. Les événements A et Ā sont toujours incompatibles, quelque soit
l’épreuve.
Notation. Si les événements A et B sont incompatibles, A ∪ B est noté A ⊎ B ou tout
simplement A+̇B, mais attention ce n’est pas une somme.

4.2 Probabilité
A chaque événement, on associe un nombre qui va quantifier les chances de sa
réalisation.
Définition 4.2.1. — Définition axiomatique
1. La probabilité est un nombre positif ou nul.
2. La probabilité d’un événement certain est 1.
3. La probabilité d’un événement réalisable selon deux modalités incompatibles est
égale à la somme des probabilités de chacune de ces deux éventualités.
Définition 4.2.2. — Définition mathématique
On appelle probabilité sur l’ensemble fini Ω toute application de P(Ω) dans [0,1],
notée en général P, telle que :
– Axiome 1 : P(Ω) = 1
– Axiome 2 : P(A+̇B) = P(A) + P(B), ∀A, B ⊂ Ω : A ∩ B = ∅
Le triplet (Ω, P(Ω), P) est appelé espace probabilisé.
Remarques.
– Quand Ω est infini dénombrable (équipotent à N), une axiome 3 supplémentaire
est nécessaire : Si (Ai )i∈N∗ est une suite d’événements incompatibles 2 à 2, on a :
+∞ ∑
+∞
P( ⊎ Ai ) = P(Ai )
i=1
i=1

– En outre, si Ω est infini non dénombrable, on limite la définition de la probabilité

à une famille F de parties de Ω vérifiant :
1. Ω ∈ F
2. Si A ∈ F alors Ā ∈ F
+∞
3. Si (Ai )i∈N∗ est une suite d’éléments de F, alors ∪ Ai ∈ F
i=1
Le couple (Ω, F) est appelé alors espace probabilisable.
– La probabilité n’est que la proportion de long terme, obtenue en répétant sans cesse
une expérience aléatoire. Plus précisement, si on répète une épreuve n fois, et si
nA
nA est le nombre d’apparitions de l’événement A, alors P(A) = lim . Donc,
n→+∞ n
une probabilité est une grandeur qu’on ne peut jamais observer, on observe que
des fréquences.
4 CHAPITRE 4. ELÉMENTS DU CALCUL DE PROBABILITÉ

Théorème 4.2.1. — Si A1 , A2 , ..., An sont des événements deux à deux incompatibles,

alors : n ∑
P(A1 ⊎ A2 ⊎ ... ⊎ An ) = P(Ai )
i=1

Preuve :
Evidente par récurrence sur n, en appliquant l’axiome 2 

Théorème 4.2.2. — Soit Ω = {w1 , w2 , ..., wn }, alors P est complétement définie par
le choix des pi := P({wi }. Donc une probabilité sur un ensemble fini est tout simplement
∑
n
une suite (pi )1≤i≤n de nombres positifs ou nuls tels que : pi = 1
i=1

Preuve :
Pour tout A ⊂ Ω, on a : A = ⊎ {wi }. Et par suite, d’après l’axiome 2, on a :
wi ∈A
∑ ∑
P(A) = P({wi }) = pi 
i: wi ∈A i: wi ∈A

Définition 4.2.3. — Soit Ω = {w1 , w2 , ..., wn }. On dit que les événements élémen-
taires sont équiprobables s’ils ont même probabilité, c’est-à-dire si :
1 1
pi = = ∀i : 1 ≤ i ≤ n
n card(Ω)
Remarque. La locution "tirer au hasard" signifiera que l’on considère des espaces de
probabilité de ce type.

Théorème 4.2.3. — Dans le cas d’équiprobabilité, on a pour tout événement A :

card(A) nombre de cas f avorables (à A)
P(A) = =
card(Ω) nombre de cas possibles
Preuve :
∑ ∑ 1 1 ∑ 1
P(A) = pi = = 1= × card(A) 
i: wi ∈A i: wi ∈A card(Ω) card(Ω) i: wi ∈A card(Ω)

Théorème 4.2.4. — Toute probabilité P sur Ω possède les propriétés suivantes :

1. P(Ā) = 1 − P(A) ∀A ⊂ Ω
2. P(∅) = 0. On peut avoir P(A) = 0 sans que A soit vide.
3. Si A et B sont deux événements, alors : P(B − A) = P(B) − P(B ∩ A)
4. Si A et B sont deux événements tels que : A ⊂ B, alors :
– P(B − A) = P(B) − P(A)
– P(A) ≤ P(B)
5. Pour tout événement A et B, on a :(règle des probabilités totales) :
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
4.3. PROBABILITÉ CONDITIONNELLE 5

6. Pour A1 , A2 , ..., An des événements, on a :

n ∑
n ∑
n ∑
P( ∪ Ai ) = P(Ai ) + (−1)k+1 P(Ai1 ∩ Ai2 ∩ ... ∩ Aik )
i=1
i=1 k=2 1≤i1 <i2 <...<ik ≤n

En particulier, pour A, B et C événements, on a :

P(A∪B ∪C) = P(A)+P(B)+P(C)−P(A∩B)−P(A∩C)−P(B ∩C)+P(A∩B ∩C)

Preuve :
1. 1 = P(Ω) = P(A ⊎ Ā) = P(A) + P(Ā).
2. P(∅) = P(Ω̄) = 1 − P(Ω) = 1 − 1 = 0.
3. ( )
P(B) − P(B ∩ A) = P (B − A) ⊎ (B ∩ A) − P(B ∩ A)
= P(B − A) + P(B ∩ A) − P(B ∩ A) = P(B − A).
4. – Puisque A ⊂ B, B ∩ A = A et la propriété 3 donne l’égalité.
– P(B) − P(A) = P(B − A) ≥ 0
5. On a d’après l’axiome 2 :
( )
P(A ∪ B) = P A ⊎ (B − A) = P(A) + P(B − A)
( )
P(B) = P (B − A) ⊎ (A ∩ B) = P(B − A) + P(A ∩ B)
D’où on tire l’égalité.
6. Elle se fait par récurrence
(
sur n. Vérifions
)
juste le cas de 3 événements.
( )
P(A ∪ B ∪ C) = P (A ∪ B) ∪ C = P(A ∪ B) + P(C) − P (A ∪ B) ∩ C
( )
= P(A) + P(B) + P(C) − P(A ∩ B) − P (A ∩ C) ∪ (B ∩ C
= P(A) + P(B) +[ P(C) − P(A ∩ B) ]
− P(A ∩ C) + P(B ∩ C) − P(A ∩ C ∩ B)
= P(A) + P(B) + P(C) − P(A ∩ B)
−P(A ∩ C) − P(B ∩ C) + P(A ∩ B ∩ C) 

4.3 Probabilité Conditionnelle

On s’interresse ici à évaluer la probabilité d’un événement A sachant qu’un autre
événement B est réalisé.

Définition 4.3.1. — Soient A et B deux événements avec P(B) ̸= 0. On appelle

probabilité de A conditionnée par B et on la note P(A|B), le rapport :
P(A ∩ B)
P(A|B) :=
P(B)
On dit aussi probabilité conditionnelle de A sachant B et on la note aussi PB (A).
6 CHAPITRE 4. ELÉMENTS DU CALCUL DE PROBABILITÉ

Théorème 4.3.1. — La probabilité conditionnelle vérifie les propriétés suivantes :

1. Pour B fixé, PB est bien une probabilité et vérifie donc toute les propriétés des
probabilités. On a par exemple :
P(A1 ⊎ A2 |B) = P(A1 |B) + P(A2 |B)
2. P(B|B) = 1 et P(B|B̄) = 0.
3. Formule des probabilités composées
P(A ∩ B) = P(B) × P(A|B) = P(A) × P(B|A)
4. Formule généralisée des probabilités composées
P(A1 ∩ A2 ∩ ... ∩ An ) = P(A1 ).P(A2 |A1 ).....P(An |A1 ∩ A2 ∩ ... ∩ An−1 )
Preuve :

1. On a bien :
P(Ω ∩ B) P(B)
– P(Ω|B) = = =1
P(B) P(B)
– ( ) ( )
P (A1 ⊎ A2 ) ∩ B P (A1 ∩ B) ⊎ (A2 ∩ B)
P(A1 ⊎ A2 )|B) = =
P(B) P(B)
P(A1 ∩ B) + P(A2 ∩ B) P(A1 ∩ B) P(A2 ∩ B)
= = +
P(B) P(B) P(B)
= P(A1 |B) + P(A2 |B)
2. Evidente en appliquant la définition de la probabilité conditionnelle.
3. Se déduit directement de la définition de P(A|B) et de P(B|A).
4. Par récurrence sur n.
– Pour n= 2, c’est tout simplement la propriété des probabilités composées pré-
cédente
– On suppose l’égalité vraie pour
( n, et on a pour )n+1 :
P(A1 ∩ ... ∩ An+1 ) = P (A1 ... An ) . An+1
= P(A1 ... An ).P(An+1 |A1 ... An )
=
HR P(A1 ).P(A2 |A1 ) ... P(An |A1 ...An−1 ).P(An+1 |A1 ...An )

Exemple 4.3.1. Une enquête est faite auprès de la population étudiante d’un campus.
On note F la population féminine, I l’ensemble des étudiants garçons et filles sachant
jouer d’un instrument de musique. L’enquête révèle que :
– F représente 48% de la population étudiante.
– I représente 40% de la population étudiante.
– Chez les étudiants du groupe I, 45% sont des filles.
On interroge une fille du campus. Quelle est la probabilité pour que cette fille sache
jouer d’un instrument de musique?
La probabilité cherchée est :
P(I ∩ F ) P(F |I).P(I) 0.45 × 0.4
P(I|F ) = = = = 0.375
P(F ) P(F ) 0.48
4.3. PROBABILITÉ CONDITIONNELLE 7

Théorème 4.3.2. — Soient H1 , H2 , ..., Hn des événements 2 à 2 incompatibles tels

que :

1. Pour tout i : 1 ≤ i ≤ n P(Hi ) ̸= 0

n
2. ⊎ Hi = Ω
i=1

et B un événement. Alors, on a :
∑
n
P(B) = P(B|Hi ).P(Hi )
i=1

Preuve : n n
On a : B = B ∩ Ω = B ∩ ( ⊎ Hi ) = ⊎ (B ∩ Hi ). Donc,
i=1 i=1

( n ) ∑
n
P(B) = P ⊎ (B ∩ Hi ) = P(Hi ).P(B|Hi ) 
i=1
i=1

Corollaire 4.3.1. Soient A et B deux événements tels que P(A) ̸= 0. On a :

P(B) = P(B|A).P(A) + P(B|Ā).P(Ā)

Preuve :
On applique le Théorème 4.3.2 précédent pour la partition Ω = A ⊎ Ā 

Théorème 4.3.3. — (Formule de BAYES)

Soient H1 , H2 , ..., Hn des événements 2 à 2 incompatibles tels que :

1. Pour tout i : 1 ≤ i ≤ n P(Hi ) ̸= 0 (Probabilité à priori)

n
2. ⊎ Hi = Ω
i=1

et soit B un événement tel que P(B) ̸= 0.

Alors pour tout k : 1 ≤ k ≤ n, on a :
P(Hk ).P(B|Hk )
P(Hk |B) = ∑
n (Probabilité à postériori)
P(Hi ).P(B|Hi )
i=1

Preuve :
D’après la formule des probabilités composées, on a :
P(B ∩ Hk ) P(Hk ).P(B|Hk )
P(Hk |B) = =
P(B) P(B)
et d’après le Théorème 4.3.2 précédent, on a le résultat 

Corollaire 4.3.2. Soient A et B deux événements tels que P(A).P(B) ̸= 0. On a :

P(A).P(B|A)
P(A|B) =
P(A).P(B|A) + P(Ā).P(B|Ā)
8 CHAPITRE 4. ELÉMENTS DU CALCUL DE PROBABILITÉ

Preuve :
On applique la formule de BAYES pour la partition Ω = A ⊎ Ā 

Exemple 4.3.2. Une maladie se présente sous deux formes M1 et M2 avec des pro-
babilités respectives 0.2 et 0.8, et le symptôme S apparaît dans 80% des cas de M1 et
dans 10% des cas de M2 . Quelle est la probabilité, pour un patient malade qui présente
le symptôme S, d’être atteint de M1 ?
On cherche P(M1 |S).
D’après la formule de BAYES, on a :
P(M1 ).P(S|M1 ) 0.2 × 0.8 2
P(M1 |S) = = =
P(M1 ).P(S|M1 ) + P(M2 ).P(S|M2 ) 0.2 × 0.8 + 0.8 × 0.1 3

4.4 Indépendance
On s’interresse au cas où la réalisation ou non d’un événement A n’influe pas sur la
réalistion ou non d’un autre événement B.

Définition 4.4.1. — Soient A et B deux événements tels que P(A) ̸= 0 et P(B) ̸= 0.

On dit que A et B sont stochastiquement indépendants ( ou tout simplement
indépendants) si :
P(A|B) = P(A)

Remarque. Noter la différence entre deux événements indépendants et deux événe-

ments incompatibles.

Théorème 4.4.1. — Soient A et B deux événements.

A et B sont indépendants si et seulement si P(A ∩ B) = P(A) × P(B)

Preuve :
P(A ∩ B)
A et B sont indépendants ⇔ P(A|B) = P(A) ⇔ = P(A)
P(B)
⇔ P(A ∩ B) = P(A) × P(B)
Théorème 4.4.2. — Soient A et B deux événements indépendants. Alors :
1. A et B̄ sont indépendants
2. Ā et B sont indépendants
3. Ā et B̄ sont indépendants

Preuve :
( )
1. P(A∩ B̄) = P(A)−P(A∩B) = P(A)−P(A)P(B) = P(A). 1−P(B) = P(A).P(B̄).
2. Il suffit de permuter les rôles de A et de B
3. Il suffit d’appliquer 1 et 2 

Définition 4.4.2. — Les événements A1 , A2 , ..., An sont dits deux à deux indé-
pendants si ∀i, j ∈ {1, 2, ..., n} différents, Ai et Aj sont indépendants.
4.4. INDÉPENDANCE 9

Définition 4.4.3. — Les événements A1 , A2 , ..., An sont dits mutuellement indé-

pendants (ou tout simplement indépendants) si pour tout I ⊂ {1, 2, ..., n}, on a :
∩ ∏
P( Ai ) = P(Ai )
i∈I i∈I
Remarque. Pour montrer l’indépendance de n événements, on a besoin de vérifier
2n − n − 1 relations.
Théorème 4.4.3. — Les événements A, B et C sont mutuellement indépendants si et
seulement si les 4 conditions suivantes sont vérifiées :
1. P(A ∩ B) = P(A).P(B)
2. P(A ∩ C) = P(A).P(C)
3. P(B ∩ C) = P(B).P(C)
4. P(A ∩ B ∩ C) = P(A).P(B).P(C)
Preuve :
Evidente 
Théorème 4.4.4. — Si les événements A1 , A2 , ..., An sont indépendants, alors on a :
P(A1 ∩ A2 ∩ ... ∩ An ) = P(A1 ).P(A2 ) ... P(An )
Preuve :
Evidente 
Exemple 4.4.1. On considère un système formé de n composants qui fonctionnent
indépendamment les uns des autres. On suppose que le système ne fonctionne que si au
moins un de ses composants fonctionne.
Cherchons la probabilité que le système soit défaillant en fonction des probabilités
de bon fonctionnement de ses composants.
Posons D (resp. Ci , pour i : 1 ≤ i ≤ n) l’événement « le système est défaillant »
(resp. « le composant n˚i fonctionne »). Il en resulte que
D = C1 ∩ C2 ∩ ... ∩ Cn
D’où, la probabilité cherchée est
∏
n n (
∏ )
P(D) = P(C1 ∩ C2 ∩ ...Cn ) = P(Ci ) = 1 − P(Ci )
i=1 i=1
Remarque. La réciproque du Théorème 4.4.4 précédent est fausse.
Exemple 4.4.2. On considère 4 boules identiques, elles sont respectivement marquées
par les symboles a1 , a2 , a3 et a1 a2 a3 . On met les 4 boules dans l’urne et on tire une
au hasard.
Soit Ai l’événement : "le symbole ai apparaît".
Alors, les Ai sont indépendants deux à deux, puisque
1
P(Ai ∩ Aj ) = = P(Ai ).P(Aj ) ∀i ̸= j
4
Mais, ils ne sont pas indépendants, car :
1 1
P(A1 ∩ A2 ∩ A3 ) = ̸= P(A1 ).P(A2 ).P(A3 ) = .
4 8

Table des matières

4 Eléments du calcul de Probabilité 1

4.1 Vocabulaire Probabiliste . . . . . . . . . . . . . . . . . . . . . . . . . . 1
4.2 Probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4.3 Probabilité Conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . 5
4.4 Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

10