Académique Documents
Professionnel Documents
Culture Documents
2. Produit cartésien :
Soit A et B deux ensembles finis non vides. On appelle produit cartésien de A par B, l’ensemble des couples
(a, b) tels que a ∊ A et b ∊ B. On note A × B et on lit « A croix B ».
Théorème :
Si A et B sont deux ensembles finis alors : 𝐜𝐚𝐫𝐝(𝐀 × 𝐁) = 𝐜𝐚𝐫𝐝(𝐀) × 𝐜𝐚𝐫𝐝(𝐁).
Exemple : Soient 𝐸 = {𝑎 ; 𝑏} et 𝐹 = {1 ; 2 ; 3} F 1 2 3
𝐸 × 𝐹 = {(𝑎; 1); (𝑎; 2); (𝑎; 3); (𝑏; 1); (𝑏; 2); (𝑏; 3)} ; E
𝐹 × 𝐸 = {(1; 𝑎); (1; 𝑏); (2; 𝑎); (2; 𝑏); (3; 𝑎); (3; 𝑏)} a (a ; 1) (a; 2) (a ; 3)
card(E × F) = card(F × E) = card(E) × card(F) = 2 × 3 = 6 b (b ; 1) (b ; 2) (b ; 3)
Exercice d’application :
De combien de façons différentes Moussa peut-il s’habiller sachant qu’il a 2 pantalons (1 noir et un rouge) et 3
chemises (1 noire, 1 bleue et 1 blanche) ?
NB : On s’accorde qu’un habillement est constitué d’une chemise et d’un pantalon.
Solution :
On a : 2 × 3 = 6 ; donc il peut s’habiller de 6 manières différentes.
Théorème :
Le nombre de parties d’un ensemble à 𝑛 éléments est 2𝑛 .
II. DENOMBREMENTS :
Dans la suite de cette leçon 𝒏 et 𝒑 désigneront des entiers naturels sauf en cas d’indication contraire.
Exercice d’application :
1. Combien de nombre de 3 chiffres peut-on former avec les chiffres 1 ; 2 ; 3 ; 4 ?
2. On veut ranger 5 livres dans une bibliothèque comportant 2 étagères. Il y a combien de façons d’effectuer
ce rangement sachant que chaque étagère peut contenir plus de 5 livres ?
2. Arrangement :
Définition : Soit E un ensemble à 𝑛 éléments et p un entier naturel tel que p ≤ n. On appelle arrangement de
𝑝 éléments de E, tout p − uplet d’éléments de E deux à deux distincts.
𝒑
Le nombre d’arrangements de 𝑝 éléments d’un ensemble à 𝑛 éléments est noté 𝑨𝒏 et défini par :
𝒑
𝑨𝒏 = 𝒏 × (𝒏 − 𝟏) × (𝒏 − 𝟐) × … × (𝒏 − 𝒑 + 𝟏)
Exemple : Soit 𝐸 = {1 ; 2 ; 3 ; 4}
(𝟏; 𝟐; 𝟑); (𝟑; 𝟐; 𝟒); (𝟑; 𝟏; 𝟐) sont des arrangement de 3 éléments de E.
(𝟏; 𝟏; 𝟒); (𝟐; 𝟐; 𝟐); (𝟑; 𝟏; 𝟑) ne sont pas des arrangement de 3 éléments de E.
Notation factorielle :
Soit n un entier naturel. Le réel noté 𝐧! et défini par 𝒏! = 𝒏 × (𝒏 − 𝟏) × (𝒏 − 𝟐) × … × 𝟑 × 𝟐 × 𝟏 , est appelé
factorielle 𝐧.
Exemples : 5! = 5 × 4 × 3 × 2 × 1 = 120, 3! = 3 × 2 × 1 = 6, 1! = 1.
Par convention, 𝟎! = 𝟏! = 𝟏 .
3. Permutations :
Soit E un ensemble à n éléments. Une permutation des n éléments de E est un arrangement de n éléments de
E.
Le nombre de permutations de n éléments est : 𝑨𝒏𝒏 = 𝒏! .
Le nombre de bijections d’un ensemble 𝐴 à 𝑛 éléments dans un ensemble 𝐵 à 𝑛 éléments est 𝐧!.
Exemple :
1. Un parieur au PMU a sélectionné trois chevaux pour composer son tiercé. De combien de façon dispose-t-il
pour les classer dans l’ordre ?
2. Un concours de mathématiques est participé par 4 filles et 6 garçons de la TSE. On suppose exclu que deux
élèves obtiennent la même note.
a. Combien de classements différents peut-on envisager ?
b. Combien de classements globaux peut-on envisager, si la première place est occupée par une fille.
c. Combien de classements globaux peut-on envisager, si les filles sont classées entre elles uniquement et les
garçons entre eux.
4. Combinaison :
a. Définition : Soit E un ensemble à n élémnets et p un entier naturel tel que : 0 ≤ p ≤ n. On appelle
combinaison de p éléments de E, toute partie de E ayant 𝑝 éléments.
𝒑 𝒏
Le nombre de combinaisons de 𝑝 éléments d’un ensemble à 𝑛 éléments est noté 𝑪𝒏 𝒐𝒖 ቀ𝒑ቁ et défini par :
𝒑
𝒑 𝑨𝒏 𝒏!
𝑪𝒏 = = ; 𝑪𝟎𝒏 = 𝟏 ; 𝑪𝟏𝒏 = 𝒏 ; 𝑪𝒏𝒏 = 𝟏
𝒑! 𝒑!(𝒏−𝒑)!
Exemples : De combien de mains différentes de 8 cartes peut-on former dans un jeu de 32 cartes ?
Solution :
𝟑𝟐! 𝟑𝟐!
On a : 𝑪𝟖𝟑𝟐 = = = 𝟏𝟎. 𝟓𝟏𝟖. 𝟑𝟎𝟎 mains.
𝟖!(𝟑𝟐−𝟖)! 𝟖!×𝟐𝟒!
Exercice d’application :
1. Résous dans ℕ les équations suivantes en ayant soin de préciser pour quelles valeurs de 𝑛, elles sont
définies :
𝑛3 −6𝑛2 𝐶𝑛4
a) 𝐶𝑛3 − 𝐶𝑛2 = + 5 ; b) = 13 ; c) 𝐶𝑛2 = 55.
6 𝐶𝑛2
2. Une classe de TSE comporte 20 filles et 15 garçons. Pour participer au concours d’APROMARS, on veut
former une équipe de 3 élèves.
a. Combien d’équipes peut-on former ?
b. Déterminer le nombre d’équipes comportant :
Propriétés : ∀𝑛 ; 𝑝 ∈ ℕ on a :
𝒑 𝒏−𝒑
• 𝐂𝐧 = 𝐂𝐧 avec 0 ≤ 𝑝 ≤ 𝑛
𝒑 𝒑−𝟏 𝒑
• 𝐂𝐧 = 𝐂𝐧−𝟏 + 𝐂𝐧−𝟏 avec 1 ≤ 𝑝 ≤ 𝑛.
III. PROBABILITE
1. Vocabulaire :
− Expérience aléatoire : est toute expérience dont on ne peut pas dire avec certitude le résultat avant sa
réalisation. On l’appelle souvent épreuve.
− Univers : est l’ensemble des résultats possibles d’une épreuve. Il est souvent noté 𝛀 ;
− Eventualité : Une éventualité est un résultat possible c’est-à-dire un élément de l’univers 𝛀 ;
− Un événement : est un sous-ensemble de l’univers 𝛀, ils sont le plus souvent notés A, B, C, …
− Un événement élémentaire : C’est un événement qui ne contient qu’un seul élément ;
− L’événement certain : C’est l’événement qui contient toutes les éventualités, c’est 𝛀 ;
− L’événement impossible : L’événement qui ne contient aucune éventualité, c’est ∅ ;
Exercice d’application
Une urne contient 15 boules numérotés de 1 à 15. On tire au hasard une boule et on note son numéro N.
Les boules ont la même probabilité d’être tirées. On désigne respectivement par 𝐴 et 𝐵 les évènements ≪
𝑁 𝑒𝑠𝑡 𝑝𝑎𝑖𝑟 ≫ et ≪ 𝑁 𝑒𝑠𝑡 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑒 𝑑𝑒 3 ≫.
1. Calculer la probabilité des évènements 𝐴, 𝐵 et 𝐴 ∩ 𝐵.
2. Calculer la probabilité des évènements 𝐴, 𝐵 et 𝐴 ∪ 𝐵.
Solution
1
1. On a : Ω = {1 ; 2 ; 3 ; 4 ; 5 ; … … … … ; 15}. De plus : ∀𝜔𝜖Ω, p({ω}) = ;
15
7
Donc 𝑝(𝐴) = 𝑝({2 ; 4 ; 6 ; 8 ; 10 ; 12 ; 14}) =
15
1 2
𝑝(𝐵) = 𝑝({3 ; 6 ; 9 ; 12 ; 15}) = ; 𝑝(𝐴 ∩ 𝐵) = 𝑝({6 ; 12}) = .
3 15
8 2
2. On a : 𝑝൫𝐴൯ = 1 − 𝑝(𝐴) = et 𝑝൫𝐵൯ = 1 − 𝑝(𝐵) =
15 3
7 1 2 2
𝑝 (𝐴 ∪ 𝐵 ) = 𝑝 (𝐴 ) + 𝑝 (𝐵 ) − 𝑝 (𝐴 ∩ 𝐵 ) = + − =
15 3 15 3
5. Probabilité conditionnelle :
a. Définition : Soient A et B deux événements de probabilités non nulles d’un univers Ω . On appelle
probabilité conditionnelle de A sachant que B est réalisé, le nombre réel noté 𝒑(𝑨/𝑩) ou 𝒑𝑩 (𝑨) et défini
𝒑(𝑨∩𝑩)
par : 𝒑(𝑨/𝑩) = 𝒑𝑩 (𝑨) =
𝒑(𝑩)
Propriétés :
Soient A et B deux événements de probabilités non nulles d’un univers Ω
P1 : 𝒑𝑨 (𝑨) = 𝟏 et 𝒑𝑨 (∅) = 𝟎,
𝒑(𝑨∩𝑩)
P2 : 𝒑(𝑨/𝑩) = ⟺ 𝒑(𝑨 ∩ 𝑩) = 𝒑(𝑨/𝑩) × 𝒑(𝑩)
𝒑(𝑩)
P3 : Si A et B sont indépendants alors 𝒑𝑩 (𝑨) = 𝒑(𝑨) ⟺ ൫𝒑(𝑨 ∩ 𝑩) = 𝒑(𝑨) × 𝒑(𝑩)൯.
P4 : Si les ensembles 𝐴1 ; 𝐴2 ; … ; 𝐴𝑛 forme une partition de l’univers Ω, alors pour tout évènement 𝐵
de Ω on a : 𝒑(𝑩) = ∑𝒏𝒊=𝟏 𝒑(𝑩 ∩ 𝑨𝒊 ) = ∑𝒏𝒊=𝟏 𝒑(𝑩/𝑨𝒊 ) × 𝒑(𝑨𝒊 )
⟺ 𝒑(𝑩) = 𝒑(𝑩/𝑨𝟏 ) × 𝒑(𝑨𝟏 ) + 𝒑(𝑩/𝑨𝟐 ) × 𝒑(𝑨𝟐 ) + ⋯ + 𝒑(𝑩/𝑨𝒏 ) × 𝒑(𝑨𝒏 )
b. Formule de Bayes :
Pour le système complet d’évènements 𝐴 et 𝐵 de probabilités non nulles on a :
𝑃(𝐴 ∩ 𝐵) = 𝑝𝐴 (𝐵) × 𝑝(𝐴) = 𝑝𝐵 (𝐴) × 𝑝(𝐵)
𝑃(𝐴 ∩ 𝐵) 𝑝𝐴 (𝐵) × 𝑝(𝐴) 𝑝𝐴 (𝐵) × 𝑝(𝐴)
𝑃𝐵 (𝐴) = = =
𝑃(𝐵) 𝑃(𝐴 ∩ 𝐵) + 𝑃 (𝐴 ∩ 𝐵) 𝑝𝐴 (𝐵) × 𝑝(𝐴) + 𝑝𝐴ഥ (𝐵) × 𝑝(𝐴ഥ )
̅
R2 : La probabilité d’un chemin est égale au produit des probabilités des branches de ce chemin.
𝒑(𝑨 ∩ 𝑩) = 𝒑(𝑨) × 𝒑𝑨 (𝑩) ; ഥ ∩ 𝑩) = 𝒑(𝑨) × 𝒑𝑨ഥ (𝑩) ;
𝒑 (𝑨
ഥ ) = 𝒑(𝑨) × 𝒑𝑨 (𝑩
𝒑 (𝑨 ∩ 𝑩 ഥ) ; ഥ∩𝑩
𝒑 (𝑨 ഥ ) × 𝒑𝑨ഥ (𝑩
ഥ ) = 𝒑 (𝑨 ഥ)
R3 : La probabilité d’un événement est égale la somme des probabilités des branches correspondant à cet
événement.
• 𝒑(𝑩) = 𝒑(𝑨 ∩ 𝑩) + 𝒑(𝑨 ഥ ∩ 𝑩)
• 𝒑 (𝑩 ഥ ) = 𝒑 (𝑨 ∩ 𝑩 ഥ∩𝑩
ഥ ) + 𝒑 (𝑨 ഥ)
Exercice d’application :
Dans un village un habitant sur 100 est atteint d’une maladie génétique 𝑨 . On fait un test de dépistage et note 𝑻
quand le test est positif. On donne les probabilités 𝑃(𝑇/𝐴) = 0,8 et 𝑃(𝑇ത/𝐴̅) = 0,9
1. Interprète 𝑃(𝑇/𝐴) et 𝑃 (𝑇ത/𝐴̅).
2. On soumet un habitant lambda de ce village à ce test, celui est positif. Calcule la probabilité qu’il soit
atteint par la maladie A.
3. Ce test est-il efficace ?
6. Variables aléatoires :
Définition : Soit une épreuve d’univers Ω.
Une variable aléatoire 𝑋 est une application définie sur Ω à valeurs dans ℝ .
L’ensemble des valeurs prises par 𝑋, noté 𝑋(𝛺) est appelé univers image.
a) Loi de probabilité :
b. Loi binomiale : Elle consiste à répéter 𝑛 fois de façon indépendante une épreuve de Bernoulli.
Une loi binomiale de paramètre 𝑛 et 𝑝 notée 𝓑(𝒏; 𝒑) est la loi de probabilité du nombre de succès dans la
répétition de 𝑛 expériences de Bernoulli de paramètre 𝑝.
La probabilité d’avoir 𝑘 succès dans les 𝑛 reprises est : 𝒑(𝑿 = 𝒌) = 𝑪𝒌𝒏 × 𝒑𝒌 𝒒𝒏−𝒌
𝒐ù 𝒏 ∊ ℕ (𝟎 ≤ 𝒌 ≤ 𝒏) 𝒆𝒕 𝒒 = 𝟏 − 𝒑
Soit 𝑋 une v.a suivant une loi binomiale 𝓑(𝒏; 𝒑).
• Espérance mathématique : 𝑬(𝑿) = 𝒏𝒑.
• Variance : 𝑽(𝑿) = 𝒏𝒑𝒒 = 𝒏𝒑(𝟏 − 𝒑).
Exemple :
Dans un sac, il y a 3 boules rouges et 7 boules blanches. On tire 5 fois de suite une boule, en remettant à chaque
tirage la boule tirée dans le sac, et on note à chaque tirage la couleur de la boule.
1. a°) Quelle est la probabilité pour qu’on ait tiré une boule rouge aux 1er, 3ème, cinquième tirage ; et une boule
blanche aux 2ème, et 4ème tirage ?
b°) Quelle est la probabilité pour qu’au cours de ces cinq tirages, on ait tiré exactement 3 fois une boule
rouge ? au moins une boule rouge ?
2. On désigne par 𝑋 la variable aléatoire égale au nombre de boules rouges tirées.
a. Quelles sont les valeurs prises par X ?
b. Détermine la loi de probabilité de 𝑋.
c. Détermine la fonction de répartition 𝐹 de 𝑋.
d. Représente graphiquement la distribution de probabilités et la fonction de répartition 𝐹 de 𝑋.
g. Calcule l’espérance, la variance et l’écart-type de la v. a 𝑋.