J.

M - Les Structures - 2bac SMI

0.1 Définition d’une probabilité

0.1.1 Expérience aléatoire
Définition
Une expérience aléatoire est une expérience dont le résultat est soumis au hasard et est donc impos-
sible à prévoir. On appelle univers l’ensemble des résultats d’une expérience aléatoire. Ces résultats
sont appelés des cas possibles.

Exemple

• Lancer d’une pièce de monnaie peut donner pile ou face, donc l’univers Ω = { P, F }.
• Lancer d’un dé cubique dont les faces sont numérotées de 1 jusqu’à 6, alors :
l’univers est Ω = {1, 2, 3, 4, 5, 6}.

0.1.2 Événnement
Définition
Un événnement A lié à une expérience aléatoire peut être réalisé ou ne pas être réalisé.
Il est représenté par la partie de Ω formée par les cas possibles pour lesquels cet événnement est
réalisé (appellés cas favorables).

Remarque

• ∅ est appellé événnement impossible.

• Ω est appellé événnement certain.
• Un événnement réduit à un seul élément est appellé événnement élémentaire.
• Si A et B sont deux événnements, l’événnement 4, A et B < représenté par A ∩ B n’est réalisé
que lorsque A et B sont réalisés en même temps.
Si A ∩ B = ∅, on dit que A et B sont incompatibles.
• Si A et B sont deux événnements , l’événnement 4 A ou B < représenté par A ∪ B est réalisé si
l’un au moins des événnements A ou B est réalisé.
• On dit que des événnements A1 , A2 ,.., An forment un système complet si :
1) Les événnements Ai sont deux à deux incompatibles, c’est à dire que (∀i 6= j) : Ai ∩ B j = ∅.
2) La réunion de tous les événnements Ai est égale à l’univers Ω, c’est à dire que in=1 Ai = Ω.
S

• Si A est un événnement, alors A = Ω A est appellé événnement contraire de A.

Formules de Morgan
Si A et B sont deux événements on a :

A = A, ( A ∩ B) = A ∪ B et ( A ∪ B) = A ∩ B
Définition d’une probabilité

Définition
Soit Ω un ensemble fini.
On appelle probabilité définie sur P (Ω) (ensemble des parties de Ω), toute application p :
P (Ω) −→ [0, 1] verifiant :
1) p(Ω) = 1.
2) Si A et B sont deux événnements incompatibles alors : p( A ∪ B) = p( A) ∪ p( B).

Vocabulaire
Le triplet (Ω, P (Ω), p) est appellé espace probabilisé fini.

Activité
1) Soit A1 , A2 , .... , An des événnements deux à deux incompatibles.
• Montrer, à l’aide d’un raisonnement par récurrence, qu’on a :

p( A1 ∪ A2 ∪, ..., ∪ An ) = p( A1 ) + p( A2 ) + ... + p( An ).
2) En déduire que si A est un événnement alors : p( A) = ∑ p({ω}), en particulier p(Ω) =
ω∈ A
∑ p({ω}) = 1.
ω∈Ω

Exercice
1 1
On lance un dé pipé tel que p(1) = p(3) = p(4) = et p(2) = p(6) = .
8 4
• Calculer p(5).

Propriété

Si A et B sont deux événnements alors :

• p ( A ) = 1 − p ( A ).
• p(∅) = 0.
• p ( A B ) = p ( A ) − p ( A ∩ B ).
• p ( A ∪ B ) = p ( A ) + p ( B ) − p ( A ∩ B ).

0.2 Probabilité uniforme

Définition
Soit Ω = {ω1 , ω2 , ....., ωn , } et p une probabilité définie sur P (Ω).
Lorsque tous les événnements élémentaires ont la même probabilité d’être réalisés,on dit que p est
une probabilité uniforme ou une équiprobabilité.
 Dans ce cas on a :
1 1
• ∀i ∈ {1, 2, ..., n} : p(ωi ) = = .
n CardΩ
CardA
• Pour tout événnement A on a : p( A) = .
CardΩ
Vocabulaire
Lorsqu’on dit  on tire au hasard un élément de l’univers Ω , cela signifie que Ω est muni d’une
probabilité uniforme.

Exercice
On lance deux dés cubiques bien équilibrés dont les faces de chacun sont numérotées de 1 jusqu’à 6.
• Déterminer Ω et CardΩ ?
• Déterminer la probabilité de chacun des événnements suivants :
A = Les deux faces obtenues portent le même numéro .
B = Obtenir au moins une face qui porte le numéro 1 .

Preuve
Ω = {1, 2, 3, 4, 5, 6}2 et CardΩ = 62 = 36.
n o 6 1
A = ( a, a) , avec a ∈ {1, 2, 3, 4, 5, 6}, CardA = 6, donc p( A) = = .
36 6
B = Ne pas obtenir la face numéro 1  donc B = {2, 3, 4, 5, 6}2 .
25 11
Par suite p( B) = 1 − p( B) = 1 − = .
36 36

0.3 Probabilité conditionnelle - événnnements indépendants

0.3.1 Probabilité conditionnelle
Activité
Un sac contient 12 jetons indiscernables au toucher et répartis comme suit : 7 jetons blancs numérotés
1, 1, 1, 1, 1, 2, 2, et 5 jetons noirs numérotés 1, 2, 2, 2, 2. On tire au hasard un jeton du sac.
1) Calculer la probabilité de chacun des événnements suivants :
A : Tirer un jeton qui porte le numéro 2 .
B : Tirer un jeton blanc .
C : Tirer un jeton blanc , sachant qu’il porte le numéro 2 .
p( A ∩ B)
2) Comparer p(C ) et .
p( A)

Preuve
Considèrons la répartition des jetons selon leurs numéros. Il y a 6 jetons portant le numéro 1 et 6
jetons portant le numéro 2.
6 1
p( A) = = .
12 2
7
Il y a 7 jetons blancs sur 12 donc p( B) = .
12
2 1
Parmi les 6 jetons portant le numéro 2, il y a 2 blancs et 4 noirs donc p(C ) = = .
6 3
2 1 p( A ∩ B) 1 2 1
p( A ∩ B) = = et = × = = p ( C ).
12 6 p( A) 6 1 3
 Définition
Soit p une probabilité définie sur P (Ω). A et B deux événnements tels que p( A) 6= 0.
On appelle probabilité de B sachant A et on note p( B A) ou p A ( B) ; le réel défini par : p( B A) =
p( A ∩ B)
.
p( A)

Conséquences 1. .
Si p( A) 6= 0, alors p( A ∩ B) = p( A) p( B A).
Cette formule est connue sous le nom : Principe des probabilités composées.
De même pour trois événnements, on montre que : Si p( A) 6= 0 et p( A ∩ B) 6= 0, alors on a :

p ( A ∩ B ∩ C ) = p ( A ) p ( B A ) p ( C  A ∩ B )
.

Exercice
On considère une urne contenant six boules blanches et quatre boules noires.
On tire au hasard, successivement et sans remise, trois boules de l’urne.
Calculer la probabilité de l’événnement suivant :
A : La première boule noire obtenue apparaı̂t au troisième tirage .

Preuve
Considérons les événnements suivants :
A1 : ” Le premier tirage donne une boule blanche ”.
A2 : ” Le deuxième tirage donne une boule blanche ”.
A3 : ” Le troisième tirage donne une boule noire ”.
6 54 1
p( A) = p( A1 ∩ A2 ∩ A3 ) = p( A1 ) p( A2  A1 ) p( A3  A1 ∩ A2 ) = = .
10 9 8 6

Théoréme
Soient Ω un univers et B un événnement tel que : p( B) 6= 0. On a :
• p(Ω B) = 1.
• p( A1 ∪ A2  B) = p( A1  B) + p( A2  B), pour tout événnement incompatible A1 et A2 .
• p( A B) = 1 − p( A B), pour tout événnement A.

0.3.2 Principe des probabilités totales

Soient Ω un univers et A et B deux événnements tels que l’événnement A n’est ni certain ni

impossible (p( A) 6= 1 et p( A) 6= 0). On a :
p( B) = p( A) × p( B A) + p( A) × p( B A). Plus généralement :
Si A1 ∪ A2 ∪ .... ∪ An = Ω et Ai ∩ A j = ∅ (pour tout i et j tels que i 6= j) et ∀k ∈ {1, 2, ...., n},
n
p( Ak ) 6= 0, alors pour tout événnement B on a : p( B) = ∑ p( Ak ) p( B Ak ).
k=1

Exercice
Une urne contient 6 boules rouges portant les numéros 0, 0, 1, 1, 1, 1 et 8 boules blanches portant
les numéros 0, 0, 0, 1, 1, 1, 1, 1. On tire simultanément deux boules de l’urne.
1) Si les boules tirées portent le numéro 1, quelle est la probabilité quelles soient blanches ?
2) Calculer la probabilté d’avoir deux boules de même couleur sachant qu’elle portent le numéro 1.
Preuve
2 = 91.
Soit Ω l’univers des éventualités, on a : Card(Ω) = C14
Soit A l’événnement ”Obtenir deux boules portant le numéro 1”.
Soit B l’événnement ”Obtenir deux boules blanches”.
p( A ∩ B)
La probabilité cherchée est p( B A), on a : p( B A) = .
p( A)
36
Et on a : Card( A) = C92 = 36 , donc p( A) = .
91
L’événnement A ∩ B signifi l’obtention de 2 boules blanches et portant le numéro 1, donc Card( A ∩
10
B) = C52 = 10 d’où p( A ∩ B) = .
91
10
10 5
Donc p( B A) = 91 = = .
36 36 18
91
Soit C l’événnement ” Obtenir deux boules de même couleurs”.
La probabilité cherchée p(C A).
p( A ∩ C ) 36
p(C A) = , on a : p( A) = .
p( A) 91
L’événnement A ∩ C signifi l’obtention de deux boules de même couleur et portant le numéro 1.
C’est à dire obtenir 2 boules blaches portant le numéro 1 ou 2 boules rouges portant le numéro 1.
16
Donc Card( A ∩ C ) = C52 + C42 = 10 + 6 = 16, d’où p( A ∩ C ) = .
91
p( A ∩ C ) 16 4
par suite p(C A) = = = .
p( A) 36 9

Exercice
Une famille a deux enfants.
1) Quelle est la probabilité que ces deux enfants soient des garçons sachant que l’ainé est un garçon ?
2) Quelle est la probabilité que ces deux enfants soient des garçons sachant que l’un d’eux est un
garçon ?

Preuve
On note chaque éventualité par le couple ( x, y) où x désigne l’enfant le plus agé et y désigne le
moins agé.
Soit Ω l’univers des éventualités, on a :
Ω = {( G, F ); ( F, G ); ( G, G ); ( F, F )}.
Soit A l’événnement ”L’enfant ainé est un garçon” et soit B l’événnement ”Les deux enfants sont des
garçons”.
Donc la probabilité cherchée est p( B A).
p( A ∩ B) 2
p ( B A ) = , on a : A = {( G, G ); ( G, F )} et A ∩ B = {( G, G )}, donc p( A) = et
p( A) 4
1
p( A ∩ B) = .
4
1
Donc p( B A) = .
2
Soit C l’événnement ”L’un des enfants est un garçon”.
Donc la probabilité cherchée est p( BC ).
p( B ∩ C ) 3
p ( B C ) = , on a : C = {( G, G ); ( G, F ); ( F, G )} et B ∩ C = {( G, G )}, d’où p(C ) = et
p(C ) 4
1
p( B ∩ C ) = .
4
1
Donc p( BC ) = .
3
0.3.3 Probabilité composée
Exercice
On considère deux urnes U1 et U2 , l’urne U1 contient 4 boules blanches et 3 boules rouges.
L’urne U2 contient 2 boules blanches et 5 boules rouges.
On tire simultanément deux boules de l’urne U1 , ensuite on les remet dans l’urne U2 , puis on tire
simultanément deux boules de l’urne U2 .
1) Qu’elle est la probabilité d’obtenir 4 boules blanches.
2) Qu’elle est la probabilité d’obtenir au moins une boule blanche.
3) Quelle est la probabilité d’obtenir exactement une seule boule blanche.

Preuve
Soit A l’événnement ”Obtenir 2 boules banches dans le premier tirage” et soit B l’événnement
”Obtenir 2 boules banches dans le deuxième tirage”.
La probabilité cherchée est p( A ∩ B).
C2 2 C2 1
p( A ∩ B) = p( A) p( B A), on a : p( A) = 42 = et p( B A) = 42 = .
C7 7 C9 6
21 2 1
Donc p( A ∩ B) = = = .
76 42 21
Soit B l’événnement ”Obtenir au moins une boule blanche”; et soit B l’événnement contraire de B
c’est à dire obtenir 4 boules rouges.
C2 C2 1 1 11
p( B) = 32 72 = par suite p( B) = 1 − p( B) = 1 − = .
C7 C9 12 12 12
Soit C l’événnement ”Obtenir exactement une boule blanche”.
C2 C1 C1 C1 C1 C2 1 1
p(C ) = 32 2 2 7 + 4 2 3 62 = + .
C7 C9 C7 C9 18 25

0.4 Formule des probabilités total

Définition
Soit (Ω, p) un espace probabilisé fini.
On dit que les événnements A1 , A2 ,....., An forment une partition de Ω si : ∀i 6= j Ai ∩ Aj = ∅ et
Sn
i =1 Ai = Ω.

Exemple

A et A forment une partition de Ω.

Proposition

Soit (Ω, p) un espace probabilisé fini.

A1 , A2 ,....., An forment une partition de Ω. Pour tout événnement B, on a :
n
p( B) = p( A1 ) p( B A1 ) + p( A2 ) p( B A2 ) + ..... + p( An ) p( B An ) = ∑ p( Ai ) p( B Ai ).
i =1

Preuve
On a : B ⊂ Ω donc B = B ∩ Ω = B ∩ ( A1 ∪ A2 ∪ ..... ∪ An ) = ( B ∩ A1 ) ∪ ( B ∩ A2 ) ∪ ... ∪ ( B ∩ An ).
Et on a : ∀i 6= j ( B ∩ Ai ) ∩ ( B ∩ A j ) = ∅ car B ∩ Ai ⊂ Ai et B ∩ A j ⊂ A j et Ai ∩ A j = ∅.
Donc p( B) = p( A1 ∩ B) + p( A2 ∩ B) + .... + p( An ∩ B) = p( A1 ) p( B A1 ) + p( A2 ) p( B A2 ) +
..... + p( An ) p( B An ).
 Exercice
On considère 3 urnes U1 , U2 et U3 telles que U1 contient 2 boules blanches et 3 noires. L’urne U2
contient 3 boules blanches et 4 noires, l’urne U3 contient 5 boules blanches et 3 boules noirs. On
choisit au hasard l’une des urnes, et on tire simultanément 2 boules.
1) Quelle est la probabilité d’obtenir 2 boules blanches.
2) Sachant que les deux boules tirées sont de même couleurs, alors qu’elle est la probabilité d’être
tirées de l’urne U3 .

Preuve
Soit A l’événnement ”Obtenir 2 boules blanches”.
Soit Ai l’événnement ”Choix de l’urne Ui ” i ∈ {1, 2, 3}.
1
On a : p( Ai ) = ; et les événnements A1 , A2 , A3 forment une partition de Ω, donc d’après la
3
formule des probabilités totals on a :.
p ( A ) = p ( A 1 ) p ( A A 1 ) + p ( A 2 ) p ( A A 2 ) + p ( A 3 ) p ( A A 3 ).
1 C22 1 C32 1 C52 1
p( A) = 2
+ 2
+ 2
. Donc p( A) = .
3 C5 3 C7 3 C8 5

Exercice
Une boite contient 3 dominos. Un domino A a deux faces portant des nombres paires et les quatres
autres faces portent des numéros impaires.
Un domino B a 3 faces portant des numéros impaires et les autres faces portent des numéros impaires,
et un domino C a 5 faces portant des nombres paires et une face portant un nombre impaire.
On choisit au hasard un des 3 dominos on le lance dans l’aire, et on obtient un nombre paire, alors
qu’elle est la probabilité d’avoir choisi le domino C ?

Preuve
On désigne toute éventualité par le couple ( x, y) où x désigne le résultat du choix des dominos et y
désigne le résultat du lancement du domino choisit.
Soit E l’événnement ”Obtenir un nombre paire” et soit F l’événnement ”choisir le domino C”.
p( F ∩ E)
La probabilité cherchée est p( F / E), on a : p( F / E) = , et on a : F ∩ E signifie le résultat
p( E)
(C, P).
15 5
donc p( E ∩ F ) = = .
36 18
L’événnement E signifie qu’on a : ( A, P) ou ( B, P) ou (C, P).
121315 10 1
Alors p( E) = = . Donc p( F / E) = .
363636 18 2

0.5 Indépendance
0.5.1 Événnnements Indépendants
Définition
Soit (Ω, p) un espace probabilisé fini.
On dit que deux événnements A et B sont indépendants si : p( A ∩ B) = p( A) × p( B).
 Remarque

Ona : p( A ∩ B) = p( A) × p( B), donc p( A) × P( B/ A) = p( A) × p( B), c’est à dire que P( B/ A) =

p( B)
De la même manière on trouve P( A/ B) = p( A).
Donc deux événnements sont indépendants si la réalisation de l’un n’influe pas sur la réalisation de
l’autre.

Exercice
On considère deux condidat X et Y qui ont passé un concours.
1
La probabilité de réussite pour le condidat X est et la probabilité de réussite pour le condidat Y
3
2
est .
5
• Calculer la probabilité pour que les deux condidats réussissent ensembles.
• Calculer la probabilité pour que le condidat X réussit seul.
• Calculer la probabilité pour que le condidat Y réussit seul.
• Calculer la probabilité pour que au moins l’un des condidats réussit.

Preuve
Soit A l’événnement ”La réussite du condidat X” et B l’événnement ”La réussite du condidat Y”.
La probabilité cherchée est p( A ∩ B), d’après le texte, il paraı̂t bien que les événnements A et B
2
sont indépendants. Donc p( A ∩ B) = p( A) × p( B) = .
15
Soit F l’événnement ”La réussite seul du condidat X” c’est à dire que le condidat X a réussit et que
1  2 1
le condidat Y n’a pas réussit. Donc p( F ) = p( A ∩ B) = p( A) × p( B) = × 1 − = .
3 5 5
Soit G l’événnement ”Seulement l’un des deux condidats a réussit”, C’est à dire qu’on a : A ∩ B ou
A ∩ B.
7
Donc p( G ) = p( A ∩ B) + p( A ∩ B) = p( A) p( B) + p( A) p( B) = .
15
Soit H l’événnement ”Au moins l’un des deux condidats a réussit”.
Soit H l’événnement contraire de H c’est à dire aucun des deux condidats n’a pas réussit.
 1  2 2 2 3
Donc p(H) = 1 − 1− = . D’où p( H ) = 1 − = .
3 5 5 5 5

0.5.2 Épreuves Indépendantes

Définition
Une expérience peut être constituée par une ou plusieurs épreuves, on dit que ces épreuves sont
indépendantes si les résultats de l’une d’elles n’influencent pas les résultats des autres épreuves.

Exemple

1) Si on lance une pièce de monaie plusieurs fois, alors les épreuves constituants cette expérience
sont indépendantes.
2) Le tirage successif avec remise représente des épreuves indépendantes.
3) Le jet d’ un domino plusieurs fois représente des épreuves indépendantes.

Exemple
On jete un domino non pipé de faces numérotée de 1 à 6, 5 fois.
• Caculer la probabilité d’obtenir exactement deux fois un multiple de 3.
Preuve
On désigne toute éventualité de cette expérience aléatoire par le 5-upl et ( x1 , x2 , x3 , x4 , x5 ) où xi est
le résultat de la i-ème jet.
2 1
Soit A l’événnement ”Obtenir un multiple de 3 dans un seul jet”. Donc p( A) = = .
6 3
Soit B l’événnement ”Obtenir exactement deux fois un multiple de 3”.
L’événnement B signifie que l’événnement A se réalise exactement deux fois, donc les résultats seront
par exemple de la forme ( A, A, AA, A).

Proposition
On considère une expérience aléatoire constituée de n épreuves indépendantes.
Soit A un événnement de probabilité p pour qu’il soit réalisé dans une seule épreuve (il reste
constant).
Soit B l’événnement ”A se réalise exactement k fois”,(k ≤ n). On a :

p( B) = Cnk pk (1 − p)n−k

Exemple
Une urne est constituée de 3 boules blanches et 4 boules rouges, et 2 boules noires.
On tire simultanément 3 boules de l’urne et on remet les boules tirées dans l’urne, on répète cet
épreuves 6 fois.
• Qu’elle est la probabilité de tirer exactement 4 fois trois boules de même couleur.

Preuve
Soit A l’événnement ”Obtenir trois boules de même couleur dans un seul tirage”.
C3 + C3 5
On a : p( A) = 3 3 4 = .
C9 84
Soit B l’événnement ”Obtenire trois boules de même couleur exactement quatre fois”.
L’événnement B signfie que l’événnement A se réalise exactement 4 fois.
 5 4  79 2
4 4
Donc p( B) = C6 p( A) p( A) 6 − 4 = C64 .
84 84

Exercice
Une urne contient 3 boules blanches, 4 boules rouges et 2 boules noires.
On tire successivement et avec remise 6 boules de l’urne.
• Qu’elle est la probabilité d’obtenir deux fois exactement une boule rouge.

Preuve
Soit A l’événnement ”Obtenir une boule rouge dans un seul tirage”.
4
On a : p( A) = .
9
Soit B l’événnement ”Obtenir une boule rouge deux fois exactement”.
L’événnement B signifie que l’événnement A se réalise exactement deux fois.
 4 2  5 4
Donc P( B) = C62 p( A)2 p( A)6−2 = C62 .
9 9
0.6 Variable aléatoire
Activité
On lance deux dés cubique bien équilibrés dont les faces de chacun sont numérotées de 1 jusqu’à 6.
On désigne par X la somme des numéros obtenus. Quelles sont les valeurs prises par X ? et
déterminer les probabilités correspondantes.
solutions : Les valeurs prises par X sont 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12.
Les événements correspondantes , notés ( X = k) où k est l’une des valeurs prises par X, forment
un système complet.
( X = 2) = {(1, 1)} ; ( X = 3) = {(1, 2), (2, 1)} ; ( X = 4) = {(1, 3), (2, 2), (3, 1)} ;
( X = 5) = {(1, 4), (2, 3), (3, 2), (4, 1)}
(X = 6) = {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)} ; (X = 7) =
{(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)}.
( X = 8) = {(2, 6), (3, 5), (4, 4), (5, 3), (6, 2)} ; ( X = 9) = {(3, 6), (4, 5), (5, 4), (6, 3)} ;
( X = 10) = {(4, 6), (5, 5), (6, 4)} ( X = 11) = {(5, 6), (6, 5)} ; ( X = 12) = {(6, 6)}.

Les probabilités correspondantes sont résumées dans le tableau suivant :

Définition
Soit Ω un univers fini.
On appelle variable aléatoire réelle (ou aléa numérique) définie sur l’univers Ω, toute application
X : Ω −→ R.

Soit x ∈ R .
( X = x) désigne l’ensemble des éventualités ayant la même image x par X. C’est à dire : ( X = x) =
{ω ∈ Ω/ X (ω) = x}.
Soient Ω un univers fini, et X une variable aléatoire réelle définie sur l’univers Ω. On appelle loi
de probabilité de X ou distribution des probabilités de X, l’application qui à chacune des valeurs xi
prises par X, fait correspondre la probabilité pi = p( X = xi ).

Remarque

Si X (Ω) = { x1 , x2 , ....., xn , }.
Les événements ( X = xi )1≤i≤n forment un système complet donc

i =n
∑ p ( X = xi ) = 1
i =1
0.6.1 Fonction de répartition
Définition
Soit Ω un univers fini et X : Ω −→ R une variable aléatoire.
La fonction de répartition de X est l’application : F : R −→ [0, 1] définie pour tout réel x par :
F ( x ) = p ( X ≤ x ).
Pour le réel x, F ( x) est la probabilité de l’événnement :

( X ≤ x) = {ω ∈ Ω/ X (ω) ≤ x}

Propriété

Soit X une variable aléatoire discrète définie sur un univers fini Ω.

Soit F la fonction de répartition de X. On a :
• F est croissante sur R.
• Si les éléments xi de X (Ω) sont ordonnés :x1 < x2 < .... < xn et si pi = p( X = xi ) pour
i ∈ {1, 2, ....., n}, alors F est définie sur R par :

Exercice
On dispose d’un dé cubique parfait dont les faces portent les nombres : −1, 0, 0, 1, 1, 2.
On lance ce dé deux fois de suite. On désigne par a le nombre apparu sur la face supérieure au
premier lancer et par b le nombre apparu sur la face supérieure au deuxième lancer.
Soit Y la variable aléatoire qui à chaque couple ( a, b) associe la somme ( a + b).
1) Déterminer la loi de probabilité de Y.
2)a) Déterminer la fonction de répartition F de Y.
b) Représenter graphiquement F dans un repère orthogonal du plan.
3)a) Calculer p(0 < Y ≤ 3) et comparer le résultat avec le réel F (3) − F (0).
b) Montrer que : ∀ x ∈ R, on a : p(Y > x) = 1 − F ( x).
c) Montrer que pour tous réels a et b tels que a < b, on a :

p( a < Y ≤ b) = F (b) − F ( a)
Preuve
L’expérience aléatoire est le lancer du dé cubique deux fois de suite, on a donc : CardΩ = 62 = 36.
( 36 couples ( a, b) ).
Soit Y la variable aléatoire qui à chaque élément de Ω associe la somme des points obtenus.
Pour déterminer la loi de probabilité de Y, on pourra utiliser le tableau suivant :

+ -1 0 0 1 1 2
-1 -2 -1 -1 0 0 1
0 -1 0 0 1 1 2
0 -1 0 0 1 1 2
1 0 1 1 2 2 3
1 0 1 1 2 2 3
2 1 2 2 3 3 4

On a Y (Ω) = {−2, −1, 0, 1, 2, 3, 4}.

Le tableau suivant donne la loi de probabilité associée à Y.

; La fonction de répartition F de Y est définie sur R par :

F ( x) = 0 si x ∈] − ∞, −2[.
1 5
F ( x) = p1 = si x ∈ [−2, −1[ ; F ( x) = p1 + p2 = si x ∈ [−1, 0[.
36 36
13
F ( x) = p1 + p2 + p3 = si x ∈ [0, 1[.
36
23
F ( x) = p1 + p2 + p3 + p4 = si x ∈ [1, 2[.
36
31
F ( x) = p1 + p2 + p3 + p4 + p5 = si x ∈ [2, 3[.
36
35
F ( x) = p1 + p2 + p3 + p4 + p5 + p6 = si x ∈ [3, 4[.
36
36
F ( x) = = si x ∈ [4, +∞[.
36
0.6.2 Représentation graphique de F
b)

Preuve

.
22
p ( 0 < Y ≤ 3 ) = p (Y = 1 ) + p (Y = 2 ) + p (Y = 3 ) = .
36
35 13 22
et on a : F (3) − F (0) = − = . D’où p(0 < Y ≤ 3) = F (3) − F (0).
36 36 36
Montrons que ∀ x ∈ R, on a : p(Y > x) = 1 − F ( x).
Les événnements (Y > x) et (Y ≤ x) sont des événnements contraires, donc p(Y > x) = 1 − p(Y ≤
x) et p(Y ≤ x) = F ( x).
d’où p(Y > x) = 1 − F ( x).
Pour tous réels a et b tels que a < b on a :
(Y ≤ a) ⊂ (Y ≤ b) et ( a < Y ≤ b) = (Y ≤ b)(Y ≤ a).
Donc p( a < Y ≤ b) = p(Y ≤ b) − p(Y ≤ a) = F (b) − F ( a).

0.6.3 Espérance mathématique

Définition
Soient (Ω, p) un espace probabilisé fini et X une variable aléatoire définie sur Ω.
On appelle espérance mathématique de X, le réel noté E( X ) défini par : E( X ) = ∑ X (ω) p({ω}),
ω∈Ω
n
ou encore E( X ) = ∑ xi p( X = xi ) où x1 , x2 , ..., xn , sont les valeurs prises par X.
i =1

Remarque

1) L’espérance mathématique de X est la moyenne des valeurs xi pondérées par les probabilités
correspondantes p( X = xi ).
2) Dans un jeu de hasard, si X désigne le gain algébrique (positif ou négatif) alors E( X ) désigne le
gain moyen qu’on peut espérer sur un grand nombre de parties.
3) Dans un jeu de hasard , on dit que le jeu est : équitable si E( X ) = 0, favorable ou gagnant si
E( X ) > 0, défavorable ou perdant si E( X ) < 0.
 Exercice
Une urne contient sept boules : une rouge, deux jaunes et quatre vertes. Un joueur tire au hasard
une boule.
Si elle est rouge, il gagne 10 DH , si elle est jaune, il perd 5 DH, si elle est verte, il tire une deuxième
boule de l’urne sans avoir remettre la première boule tirée.
Si cette deuxième boule est rouge, il gagne 8 DH, sinon il perd 4 DH.
1) Construire un arbre pondérée représentant l’ensemble des éventualités de ce jeu.
2) Soit X la variable aléatoire associant à chaque tirage le gain algébrique du joueur (une perte est
comptée négativement).
a) Établir la loi de probabilité de la variable X.
b) Calculer l’espérance de X.
3) Les conditions de jeu restent identiques. Indiquer le montant du gain algébrique qu’il faut attribuer
à un joueur lorsque la boule tirée au deuxième tirage est rouge, pour que le jeu soit équitable.

0.6.4 Variance et écart-type

Définition
Soit X une variable aléatoire discrète prenant les valeurs xi avec les probabilités respectives pi pour
i ∈ {1, 2, ..., n}.
La variance de X, notée V ( X ), est le réel positif défini par :
n
V ( X ) = ( x1 − X )2 p1 + .... + ( xn − X )2 pn = ∑ ( xi − X )2 pi , où X = E( X ).
i =1 p
L’écart- type de X, que l’on note σ ( X ) , est le réel positif σ ( X ) = V ( X ).

0.6.5 Loi binomiale

Considérons une expérience aléatoire constituée de n épreuves(n > 1) identiques et indépendantes
n’ayant que deux issues : succès ou échec notés S et E.
Si P( S) = p alors P( E) = 1 − p = q.
Si X désigne le nombre de succès obtenus au cours de ces n épreuves on dit que X suit une loi
binomiale de paramètres n et p on écrit X ∼ B(n, p).
On montre que la loi de probabilité de X est définie par : ∀k ∈ {1, 2, ....., n} : p( X = k) = Cnk pk qn−k .
Espérance mathématique de X : E( X ) = np et Variance de X : V ( X ) = npq.

Exercice
On sélectionne les candidats à un jeu télévisé en les faisant répondre à dix questions.
Ils devront choisir, pour chacune des questions, parmi quatre affirmations, celle qui est exacte.
Un candidat se présente et répond à toutes les questions au hasard.
On appelle X la variable aléatoire désignant le nombre de réponses exactes données par ce candidat
à l’issue du questionnaire.
1) Quelle est la loi de probabilité de X ?
2) Calculer la probabilité pour qu’il fournisse au moins 8 bonnes réponses, et soit ainsi sélectionné.
Exercice
Une urne A contient 2 boules rouges et 3 boules noires, une urne B contient 3 boules rouges et 2
boules noires.
On tire au hasard une boule de l’urne A :
• si elle noire, on la place dans l’urne B.
• sinon, on l’écarte du jeu.
On tire au hasard ensuite une boule de l’urne B.
On considère les événnements suivants :
R1 : ” la boule tirée de A est rouge ” N1 :” la boule tirée de A est noire ”
R2 : ” la boule tirée de B est rouge ” N2 : ” la boule tirée de B est noire ”
1)a) Calculer P( R1 ) et P( N1 ).
b) Calculer les probabilités des événnements R2  R1 et R2  N1 .
27
• En déduire que : P( R2 ) = .
50
c) Calculer P( N2 ).

Exercice
2) On répète n fois l’épreuve précédente en supposant que les différentes épreuves sont indépendantes.
• Quel est le nombre minimum d’épreuves doit-on effectuer pour que la probabilité pn d’obtenir au
moins une fois une boule rouge de l’urne B soit supérieure à 0, 99 ?

xi 2 3 4 5 6 7 8 9 10 11 12

1 2 3 4 5 6 5 4 3 2 1
P ( X = xi )
36 36 36 36 36 36 36 36 36 36 36