Chapitre1 Théorie élémentaire du calcul de probabilité

I.1. Introduction :
Le présent chapitre tente de présenter les principaux concepts de probabilités,
calcul des probabilités et des probabilités conditionnelles. En effet, les
probabilités ne peuvent être calculées qu’au cas d’une expérience aléatoire. A
titre illustratif, on lance une pièce de monnaie, il est clair que la pièce de
monnaie aura deux possibilités de tomber, soit elle tombe sur une « face » ou sur
une « pile ». C’est-à-dire, au départ nous n’avons aucune information sur la
manière avec laquelle la pièce de monnaie sera tombée.
De ce fait, toute expérience dont les résultats ne sont pas connus à l’avance,
même si elle est répétée dans des conditions identiques, est une expérience
aléatoire.
I.2. Ensemble fondamental et événement :
I.2.1.Définition (Univers) :L’ensemble des résultats possibles pour une
expérience aléatoire, généralement noté , est appelé l’univers de l’expérience,
aussi connu sous le nom d’ensemble fondamental ou d’espace des possibles Cet
ensemble est appelé ensemble fondamental, par convention est noté Ω.
Quelques exemples des expériences aléatoires :
 Le lancer d’un dé est une expérience aléatoire : le résultat est un entier compris
entre 1 et 6 dont la valeur ne peut être connue avant le lancer. L’univers de
l’expérience du lancer de dé
Ω = 1,2,3,4,5,6

 Le lancer d’une pièce de monnaie est une expérience aléatoire dont l’univers
est l’ensemble
Ω = 𝑃𝑖𝑙𝑒, 𝐹𝑎𝑐𝑒

I.2.2.Définition (Evénement) :

On appelle événement aléatoire ou plus simplement événement (rattaché à

l'expérience) toute situation qui peut être réalisée par une ou plusieurs épreuves.
Un événement aléatoire est donc totalement déterminé par l'ensemble des

1
Mme Benaicha
Chapitre1 Théorie élémentaire du calcul de probabilité

épreuves par lesquelles l'événement se réalise. On peut donc interpréter ou

identifier chaque événement avec un sous-ensemble de  de toutes les épreuves
de l'expérience. Nous représenterons les événements aléatoires par des lettres
majuscules comme A, B, C, E, ... et les différentes épreuves ou réalisations d'une
expérience par la lettre grecque minuscule ω. Pour cette raison, si un événement
A se réalise par les épreuves i , j ,...,
k

on le représentera souvent par A  i , j ,..., 

 k

Exemple. On considère de nouveau l’exemple du lancer d’un dé. Voici

quelques exemples d’évènements :
 l’évènement A = 2,4,6 correspond à l’obtention d’un nombre pair;

 l’évènement B=𝐴 = 1,3,5 correspond à l’obtention d’un nombre impair;

 l’évènement C= 2,3,5 correspond à l’obtention d’un nombre premier.

I.2.3.Définition (Evénement élémentaire).

Les événements qui sont réalisables par une seule épreuve s'appellent
événements élémentaires, c’est-à-dire les ensembles réduits à un seul élément.
Un évènement élémentaire est donc de la forme {ω} pour tout ω ∈  .

 Exemple. Dans l’exemple du lancer d’un dé, l'événement A= 3 correspond à

un évènement élémentaire.
I.3.Correspondance entre le langage probabiliste et le langage ensembliste
I.3.1.Définition (Parties de  ).
Soit une expérience aléatoire et  l’univers des épreuves associé à cette
expérience. L’ensemble P(Ω) de toutes les parties de  , est l’ensemble de tous
les événements liés à  .
Exemple. Lancer une pièce de monnaie est une expérience aléatoire "Tirer à
pile ou face" Alors :

2
Mme Benaicha
Chapitre1 Théorie élémentaire du calcul de probabilité

   P, F  . Avec, P  Ω  , P, F , P, F  .

I.3.2.Relation entre les événements.

On peut combiner des événements pour former de nouveaux événements, à
l'aide des différentes opérations sur les ensembles :

Vocabulaire probabiliste Vocabulaire ensembliste Notation

évènement de l’univers  sous-ensemble de  A⊂ 
évènement impossible ensemble vide 
évènement certain ensemble plein  
évènement contraire de A complémentaire de A A
A et B sont incompatibles A et B sont disjoints A∩B = ∅
A implique B dans
A est Ω
inclus dans B AB
A et B intersection de A et B A∩B
A ou B union de A et B AB

I.4.Axiomes de Probabilité.
Soient Ω un ensemble fondamental d’une expérience aléatoire, et A un
événement de Ω, alors il existe une valeur P(A) appelée probabilité de
l’événement A où :

1. 0 ≤ P(𝐴) ≤ 1
2. 𝑃(Ω) = 1
3. Si A et B sont deux événements qui s’excluent mutuellement, alors :
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)
4. Pour toute suite d’événement mutuellement disjoints A1, A2, A3, …, An
(𝑖𝑒. A𝑖, ∩ A𝑗, = ∅, ∀𝑖 ≠ 𝑗), alors : Pour toute suite  Ai iN d’événements de Ω

deux à deux incompatibles :

P ∪𝑛𝑖=1 = 𝒏
𝒊=𝟏 𝑃  Ai  .

Propriétés.
Soit une expérience aléatoire, son univers  et une probabilité P sur  . Alors P
vérifie les propriétés suivantes :

1.P(∅) = 0;

3
Mme Benaicha
Chapitre1 Théorie élémentaire du calcul de probabilité

2. pour tout évènement A, P(𝐴) = 1−P(A);

3. pour tous évènements A et B, P(A∪B) = P(A) +P(B)−P(A∩B); en particulier

quand A∩B = ∅, P(A∪B) = P(A) + P(B);

I.5.Equiprobabilité
I.5.1.Définition(Equiprobabilité).
On dit qu’il y a équiprobabilité lorsque les probabilités de tous les événements
élémentaires sont égales. On parle aussi de probabilité uniforme.

Propriétés.
1.S’il y a n événements élémentaires équiprobables dans  , alors la probabilité
de chaque événement élémentaire vaut 1/ n

 Exemple.
1.Soit l’expérience le lancé d’un dé, dont l’ensemble fondamental est
Ω = {1,2, … … ., n}. en admettant que :
L’événement « avoir le 1 » P({1}) = 1/6
L’événement « avoir le 2 » ({2}) = 1/6
.
.
.
L’événement « avoir le 6 » = ({6}) = 1/6
2. Pour tout événement A,

P(A)= nombre d'elements de A  nombre de cas favorables

nombre d'elements de  nombre de cas total 

On parle aussi du quotient:

 
P(A)= card A 
card Ω

 Exemples.
1. “jet de deux pièces de monnaies distinguables “.

 ={(P,P) ; (P,F) ; (F,P) ; (F,F)} est équiprobable.

4
Mme Benaicha
Chapitre1 Théorie élémentaire du calcul de probabilité

Soit l’événement A “On obtient au moins une fois la face pile ”

A = {(P,P) ; (P,F) ; (F,P) }.

P(A)= nombre d'elements de A  nombre de cas favorables

nombre d'elements de  nombre de cas total 

P(A)=3/4.

2. Si deux dés sont jetés à la fois, quelle est la probabilité que la somme de faces
soit 7 ?
Réponse :
Premièrement on suppose que les 36 issues possibles sont équiprobables.
Card Ω = 36
Soit l’événement A : « la somme de deux dés donne un 7 »
A = {(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)}, alors 𝑃(A) = 6/36 = 1/6

I.6.Probabilité Conditionnelle
I.6.1. Définition (Probabilité conditionnelle).
Soit A un événement tel que P(A) > 0.On appelle probabilité conditionnelle de
l'événement B par rapport à l'événement A, ou encore, la probabilité de B étant
donné A, le nombre
P  A  B
PA  B =P  B/A=
P  A
Exercice.
On a interrogé des étudiants sur leurs loisirs : 50% d’entre eux déclarent aimer la
lecture et 75% déclarent aimer le sport. De plus, 40% des élèves déclarent aimer
la lecture et le sport. On rencontre au hasard l’un de ces élèves. On considère les
événements :L ”L'élève aime la lecture” et S : ”L’élève aime le sport”

1. Quelle est la probabilité que l’élève aime le sport sachant qu’il aime la lecture
?

Solution.
Les données : P(L) = 0, 5 ; P(S) = 0, 75 ; P(L ∩ S) = 0, 4.

5
Mme Benaicha
Chapitre1 Théorie élémentaire du calcul de probabilité

𝑃(𝐿 ∩ 𝑆)
𝑃𝐿 𝑆 =
𝑃(𝐿)
0.4
PL  S   = 0.8
0.5

I.6.2. Théorème(Probabilité Composée).

Soient A et B deux événements tels que P(A) > 0

P  A  B =P  A PA  B

I.6.3. Théorème (Probabilité Totale).

Soit A1 , A2 ,....,An un système complet d’événements. Pour tout événement B,

P  B   P  B  A1   ...  P  B  An 
= P  B / A1  P  A1   ...  P  B / An  P  An 
= 𝑛𝑖=1 𝑃(𝐵/𝐴𝑖 )𝑃(𝐴𝑖 )

Exercice.
On dispose de 3 urnes U1, U2, U3, chacune contient 10 boules; parmi elles,
U1 contient 1 blanche, U2 contient 2 blanches, et U3 contient 6 blanches. On tire
au hasard une boule.
Quelle est la probabilité d'obtenir une boule blanche?
Solution : « IL FAUT TOUJOURS ECRIRE LES EVENEMENTS »
On note B l'événement "on obtient une boule blanche"
A1 l'événement "on tire la boule dans l'urne U1",
A2 l'événement "on tire la boule dans l'urne U2 ,
A3 l'événement "on tire la boule dans l'urne U3".

6
Mme Benaicha
Chapitre1 Théorie élémentaire du calcul de probabilité

P  B  = P  B / A1  P  A1   P  B / A2  P  A2   P  B / A3  P  A3 
1 1 2 1 6 1
=     
10 3 10 3 10 3
3
=
10

I.6.4.Règle de Bayes.
Soit une expérience aléatoire décrite par l’univers Ω et la probabilité P. 𝐴1, 𝐴2, …
, un système complet d’événements (telle que (𝐴 ≠ 0

Exercices.
1.Deux machines M1 et M2 produisent respectivement 1000 et 3000 pièces
. M1 produit 2% de pièces défectueuses et M2 en produit 5%.
Sachant que l’objet est défectueux .Quelle est la probabilité pour qu’il soit
défectueux ?

Solution. « IL FAUT TOUJOURS ECRIRE LES EVENEMENTS »

On considère les événements :

M1 " la pièce provient de la machine M1"

M2 " la pièce provient de la machine M2"

D "La pièce est défectueuse ".

1 3
Les Données : P(M1 ) = , P(M2) = , P(D/ M1) = 0.02, P(D/ M2) = 0.05,
4 4

P(D)= P(D ∩ M1) + P(D ∩ M2) = P(D/ M1) P(M1 ) + P(D/ M2) P(M2)

P(D)= 0.02× 1 +0.05× 3 = 0.0875.

4 4

Et donc la probabilité pour qu'un objet défectueux ait été fabriqué par la
P  D/M 1  P M 1 
machine M1: P  M1 /D =
P  D

7
Mme Benaicha
Chapitre1 Théorie élémentaire du calcul de probabilité

= 11.76%.

2. On effectue un test dans un grand élevage de bovins pour dépister une maladie. Ce test a
permis de déceler 1.8% de cas atteints chez les mâles et 1.2% chez les femelles. Cet élevage
contient 65% de femelles.
1. Quelle est la probabilité qu’un animal choisis au hasard dans cet élevage soit atteint de cette
maladie.
2. L’animal choisi est atteint de cette maladie, quelle est la probabilité qu’il soit un mâle.

Solution. « IL FAUT TOUJOURS ECRIRE LES EVENEMENTS »

– A : "L’animal choisi est atteint de cette maladie".

– M : "L’animal choisi est un mâle".
– F: "L’animal choisi est une femelle".
Les Données : P(F ) =0.65, P(M ) = 0.35 , P(A/ M) = 0.018, P(A/F) = 0.6 5,

1. la probabilité qu’un animal choisis au hasard dans cet élevage soit atteint de cette
maladie : P(A).

On a par la formule des probabilités totales :

P(A) = P(A/M) P(M) + P(A/F) P(F)
= (0.018)(0.35) + (0.012)(0.65)
= 0.0141.
2. Pour la deuxième question on cherche P(M/A). On a par la formule de
Bayes :
𝑃 𝐴/𝑀 𝑃(𝑀)
P(M/A) =
𝑃(𝐴)
0.018 (0.35)
=
0.0141
= 0.4468.

8
Mme Benaicha
Chapitre1 Théorie élémentaire du calcul de probabilité

I.6 Probabilités indépendantes

I.6.1 Définition : On dit que deux événements A et B sont indépendants si

P(A∩B) = P(A)×P(B)

Exemple :
Dans un sac comprenant 24 jetons numérotés de 1 à 24, on tire au hasard un jeton. On
considère les événements T : "Obtenir un multiple de trois", S : "Obtenir au moins 15", et N :
"Obtenir un nombre pair".

1. Calculer P(T), P(S), et P(S ∩T). Les événements S et T sont-ils indépendants?

2. Calculer 𝑃𝑁 (T). Les événements P et T sont-ils indépendants?

1. On est dans une situation d’´equiprobabilité (on a autant de chance de tirer l’un ou l’autre
8 10 4
jeton), donc : P(T) = , P(S) = , P(S∩T) = .
24 24 24

P(S∩T) ≠ P(S)× P(T)

2. P est un événement de probabilité non nulle (car on peut obtenir le jeton numéro 2 par
4 8
exemple), 𝑃𝑁 (T) donc est bien défini et vaut : 𝑃𝑁 (T) = or : P(T) = donc P et T sont
12 24
indépendants .

9
Mme Benaicha