DENOMBREMENT – PROBABILITES

I. NOTION D’ENSEMBLE FINI : REUNION – INTERSECTION

1. Ensemble – partie (ou sous-ensemble) d’un ensemble – cardinalité :
• Un ensemble est une collection d’objets deux à deux distincts appelés éléments.
• On dit que a est élément d’un ensemble E, si a appartient à l’ensemble E, on note 𝑎 ∈ 𝐸.
Si a n’appartient pas à l’ensemble E, on note 𝑎 ∉ 𝐸.
1
Exemple : 0 ∈ ℕ ; 1 ∈ ℕ ; −1 ∉ ℕ 𝑒𝑡 ∉ ℕ.
2
• On dit qu’un ensemble A est une partie ou un sous-ensemble d’un ensemble E si et seulement si tout élément
de A appartient à E. On note 𝐴 ⊂ E.
Exemple : ℕ ⊂ ℤ ; ℤ ⊂ ℝ 𝑒𝑡 ℝ ⊂ ℂ .
Soient A et B deux sous-ensembles d’un ensemble E.
• La réunion (ou l’union) de A et B, notée 𝐀 ∪ 𝐁, est l’ensemble des éléments de E qui appartiennent à A ou à
B. 𝑨 ∪ 𝑩 = {𝒙 ∈ 𝑬/ 𝒙 ∊ 𝑨 𝒐𝒖 𝒙 ∊ 𝑩}
• L’intersection de A et B, notée 𝐀 ∩ 𝐁, est l’ensemble des éléments de E qui appartiennent à A et à B.
𝑨 ∩ 𝑩 = {𝒙 ∈ 𝑬/ 𝒙 ∊ 𝑨 𝒆𝒕 𝒙 ∊ 𝑩}
• La différence de A et B, notée 𝐀 − 𝐁, est l’ensemble des éléments de E appartenant à A et qui n’appartiennent
pas à B. 𝑨 − 𝑩 = {𝒙 ∈ 𝑬/ 𝒙 ∊ 𝑨 𝒆𝒕 𝒙 ∉ 𝑩}
• Le complémentaire de A dans E, noté 𝐀 ഥ ou 𝐂𝐄𝐀 , est l’ensemble des éléments de E qui n’appartiennent pas à
A. ഥ = {𝒙 ∊ 𝑬/ 𝒙 ∉ 𝑨
𝐀

• On dit que les ensembles A et B sont disjoints si et seulement si, 𝐀 ∩ 𝐁 = ∅ .

• On appelle cardinal d’un ensemble fini E, le nombre d’éléments que contient cet ensemble. On note
𝐜𝐚𝐫𝐝(𝐄) . Par convention, 𝐜𝐚𝐫𝐝(∅) = 𝟎.
• Soit {𝐴1 ; 𝐴2 ; … ; 𝐴𝑛 } une famille des parties d’un ensemble non vide E. On dit que la famille
{𝐴1 ; 𝐴2 ; … ; 𝐴𝑛 } forme une partition de E, si et seulement si :
▪ ∀𝑖 ∈ {1; 2; … ; 𝑛}, 𝐴𝑖 ≠ ∅
▪ ∀𝑖; 𝑗 ∈ {1; 2; … ; 𝑛} Si 𝑖 ≠ 𝑗 alors 𝐴𝑖 ∩ 𝐴𝑗 = ∅
▪ 𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 = 𝐸
Propriétés :
Soient A ; B et C des sous-ensembles d’un ensemble E.
(1) തതതതതതതത
𝑨∪𝑩=𝑨 ഥ∩𝑩 ഥ et തതതതതതതത
𝑨∩𝑩=𝑨 ഥ∪𝑩 ഥ (Lois de Morgan)
(2) 𝒄𝒂𝒓𝒅(𝑨 ∪ 𝑩) = 𝒄𝒂𝒓𝒅(𝑨) + 𝒄𝒂𝒓𝒅(𝑩) − 𝒄𝒂𝒓𝒅(𝑨 ∩ 𝑩).
(3) 𝒄𝒂𝒓𝒅(𝑨 − 𝑩) = 𝒄𝒂𝒓𝒅(𝑨) − 𝒄𝒂𝒓𝒅(𝑨 ∩ 𝑩).
(4) 𝒄𝒂𝒓𝒅൫𝑨൯ = 𝒄𝒂𝒓𝒅(𝑬) − 𝒄𝒂𝒓𝒅(𝑨).
(5) 𝐜𝐚𝐫𝐝(𝐀 ∪ 𝐁 ∪ 𝐂) = 𝐜𝐚𝐫𝐝(𝐀) + 𝐜𝐚𝐫𝐝(𝐁) + 𝐜𝐚𝐫𝐝(𝐂) − 𝐜𝐚𝐫𝐝(𝐀 ∩ 𝐁) − 𝐜𝐚𝐫𝐝(𝐀 ∩ 𝐂)
−𝐜𝐚𝐫𝐝(𝐁 ∩ 𝐂) + 𝐜𝐚𝐫𝐝(𝐀 ∩ 𝐁 ∩ 𝐂)

Année Scolaire 2022-2023 Dénombrement Probabilité Kalilou DISSA 1

 Exemple :
Dans une classe de terminale, tous les élèves étudient au moins l’anglais ou l’allemand. 30 élèves étudient l’anglais,
25 élèves étudient l’allemand et 15 élèves étudient les deux langues.
a. Quel est le nombre d’élèves de cette classe ?
b. Quel est le nombre d’élèves qui étudient uniquement l’anglais ? uniquement l’allemand ?

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)

Remarque : D’une manière générale, si 𝐀𝟏 ; 𝐀𝟐 ; … ; 𝐀𝐧 sont des ensembles finis alors

𝐜𝐚𝐫𝐝(𝐀𝟏 × 𝐀𝟐 × … × 𝐀𝐧 ) = 𝐜𝐚𝐫(𝐀𝟏 ) × 𝐜𝐚𝐫(𝐀𝟐 ) × … × 𝐜𝐚𝐫(𝐀𝐧 ) .

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.

3. Ensemble des parties d’un ensemble :

Pour déterminer l’ensemble des parties d’un ensemble E, noté 𝑃(𝐸) on construit l’arbre des parties de E. Soit
𝐸 = {𝑎 ; 𝑏 ; 𝑐}

𝑃(𝐸 ) = ൛{𝑎 ; 𝑏; 𝑐 }; {𝑎; 𝑏}; {𝑎 ; 𝑐 }; {𝑏 ; 𝑐 }; {𝑎}; {𝑏}; {𝑐 }; ∅ൟ

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.

Année Scolaire 2022-2023 Dénombrement Probabilité Kalilou DISSA 2

1. P-liste d’un ensemble fini :
Définition : Soit E un ensemble à n éléments et 𝑝 un entier naturel non nul. On appelle p-liste d’éléments
(ou p-uplet) de E, tout élément de l’ensemble 𝐄 𝐩 .
𝑪𝒂𝒓𝒅(𝑬𝒑 ) = 𝒏𝒑 .
Remarque :
• Le nombre d’applications d’un ensemble 𝐴 à 𝑝 éléments dans un ensemble 𝐵 à 𝑛 éléments est 𝒏𝒑 .
• Si p = 2, on parle de couple ou de doublet ; si 𝑝 = 3, on parle de triplet ou de 3-uplet …
Exemple :
On lance deux fois de suite un jeton de 10 F puis on marque la face supérieure (P pour pile et F pour face).
Les résultats possibles sont : PP – PF – FF – FP (4 issus possibles).

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.

Remarque : Soient n et p deux entiers naturels tel que 1 ≤ p ≤ n

𝒑
• Le nombre d’injections d’un ensemble 𝐴 à 𝑝 éléments dans un ensemble 𝐵 à 𝑛 éléments est 𝑨𝒏 .
• Il n’y a pas d’arrangements de 𝑝 éléments choisis parmi n éléments, lorsque 𝑝 > 𝑛.
Exemple :
L’ordre d’arrivée d’une course de chevaux. Un tiercé dans une course à 15 partants est un arrangement de 3
chevaux parmi 15. Dans ce cas, le nombre de tiercés possibles est : 15 × 14 × 13

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 .

Remarque : Pour tous entiers naturels 𝑛 et 𝑝 tel que 𝑝 ≤ 𝑛 on a :

• 𝒏! = 𝒏(𝒏 − 𝟏)! = 𝒏(𝒏 − 𝟏)(𝒏 − 𝟐)!
𝒑 𝒏!
• 𝑨𝒏 = 𝒏 × (𝒏 − 𝟏) × (𝒏 − 𝟐) × … × (𝒏 − 𝒑 + 𝟏) = (𝒏−𝒑)!
• 𝑨𝟎𝒏 = 𝟏 ; 𝑨𝟏𝒏 = 𝒏 et 𝑨𝒏𝒏 = 𝒏!

Année Scolaire 2022-2023 Dénombrement Probabilité Kalilou DISSA 3

Exercice d’application :
1°) Calculer 𝑛 dans les cas suivants :
2 4 2 2 2
a) 𝐴 = 72 ; b) 𝐴 = 42 × 𝐴 ; c) 𝐴 + 50 = 𝐴
𝑛 𝑛 𝑛 𝑛 2𝑛
2°) Dans une classe de 30 élèves ; combien de façon peut-on choisir un responsable et son adjoint ?
3°) Combien de nombre de 4 chiffres distincts peut-on former avec les chiffres : 1 ; 2 ; 3 ; 4 ; 5 ;6 ?

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 :

Année Scolaire 2022-2023 Dénombrement Probabilité Kalilou DISSA 4

 c. Exactement 2 filles ? b) Aucun garçon ? c) Au moins un garçon ?

b. Formule du binôme de Newton :

Si 𝑎 et 𝑏 sont deux réels et 𝑛 ∊ ℕ, alors on a :
𝒏
𝒑
(𝒂 + 𝒃)𝒏 = ෍ 𝑪𝒏 𝒂𝒑 𝒃𝒏−𝒑 = 𝑪𝟎𝒏 𝒃𝒏 + 𝑪𝟏𝒏 𝒂𝒃𝒏−𝟏 + ⋯ + 𝑪𝒏−𝟏
𝒏 𝒂
𝒏−𝟏
𝒃 + 𝑪𝒏𝒏 𝒂𝒏
𝒑=𝟎

Exemple : Calcule (𝑎 + 𝑏)4 .

c. Triangle de Pascal :
𝑝
Pour calculer les coefficients Cn de la formule du binôme, on peut utiliser le tableau ci-dessous, appelé
triangle de pascal.

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.

Tableau récapitulatif des tirages :

Tirage successif Tirage simultané
Avec remise 𝑝 − 𝑢𝑝𝑙𝑒𝑡𝑠 (𝑝 𝑙𝑖𝑠𝑡𝑒𝑠) : 𝑛𝑝
𝑝 𝑝
Sans remise 𝐴𝑟𝑟𝑎𝑛𝑔𝑒𝑚𝑒𝑛𝑡 : 𝐴𝑛 𝐶𝑜𝑚𝑏𝑖𝑛𝑎𝑖𝑠𝑜𝑛 : 𝐶𝑛

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 ∅ ;

Année Scolaire 2022-2023 Dénombrement Probabilité Kalilou DISSA 5

 − Evénements incompatibles : Deux événements qui ne peuvent pas se réaliser en même temps ;
− Evénements contraires ou complémentaires : Ils sont incompatibles et forment une partition de l’univers.
Ils sont notés 𝐀 et 𝐀 ou 𝐵 et 𝐁 ou 𝐂 et 𝐂 …
− Evénements indépendants : Deux événements sont dits indépendants si la réalisation l’un n’est pas liée à
celle de l’autre.

2. Opérations sur les événements :

Soient A et B deux événements d’un univers 𝛀 .
• A ∪ B est l’événement qui se réalise si A se réealise ou si B se réalise ;
• A ∩ B est l’événement qui se réalise si A et B se réalisent.
• A−B=A∩𝐁 ഥ est l’événement qui se réalise si A se réalise et non B.
• 𝐀 ഥ = 𝛀 − 𝐀 est l’événement qui se réalise si et seulement si A ne se réalise pas.

3. Probabilité d’un ensemble fini :

Activité : On lance une fois un dé cubique parfait dont les faces sont numérotées de 1 à 6.
1. Il y’a combien de choix possibles ?
2. Combien de chance sur 6, avons-nous de tomber sur le numéro 3 ?
3. On appelle A, l’événement « Obtenir un nombre pair » et B, « obtenir un nombre multiple de 3 ».
Combien de chance y’a-t-il d’avoir un élément de A ? de B ?
Solution
1. Le nombre de choix possibles est : 6 ; 𝛀 = {1; 2; 3; 4; 5; 6} est appelé « univers ».
1
2. Il y’a une chance sur six ቀ ቁ de tomber sur le numéro 3.
6
3 2
3. On a : A = {2; 4; 6} et B = {3; 6}. Donc il y’a 3 chances sur 6 ቀ ቁ de trouver un élément de A et (2
6 6
chances sur 6 de trouver un élément de B).
1 3 1 2
On dit que la probabilité d’avoir le numéro 3 est ; la probabilité d’avoir A est (ou ) ; celle d’avoir B est
6 6 2 6
1
(ou ).
3
Synthèse partielle :
Définition : Soit 𝛀 un ensemble fini et 𝒫(𝛀) l’ensemble des parties de 𝛀.
On appelle probabilité sur 𝛀, toute application 𝑝, de 𝒫(𝛀) dans [0; 1] qui à toute partie 𝐴 de 𝛀 on associe
𝑝(𝐴) vérifiant les conditions ci-dessous :
• 𝒑(𝑨) = ∑𝒏𝒊=𝟏 𝒑({𝒙𝒊 }) avec 𝐴 = {𝑥1 ; 𝑥2 ; 𝑥3 ; … ; 𝑥𝑛 } ;
• 𝒑(𝛀) = 𝟏 et 𝒑(∅) = 𝟎
NB : Le triplet (𝛀, 𝓟(𝛀), 𝒑) est appelé espace probabilisé fini.
Conséquence :
Soit 𝑝 une probabilité sur un ensemble fini 𝛀. Pour tout événement A de Ω, 𝟎 ≤ 𝒑(𝑨) ≤ 𝟏.
Propriétés : Soit 𝑝 une probabilité sur un univers Ω , A et B deux événements de Ω.
P1 : 𝒑(𝑨 ∪ 𝑩) = 𝒑(𝑨) + 𝒑(𝑩) − 𝒑(𝑨 ∩ 𝑩)
P2 : 𝒑(𝑨 ∪ 𝑩) = 𝒑(𝑨) + 𝒑(𝑩) 𝑆𝑖 𝑨 ∩ 𝑩 = ∅ (A et B sont disjoints)
P3 : 𝒑(𝑨 ∩ 𝑩) = 𝒑(𝑨) × 𝒑(𝑩) ⟺ (A et B sont indépendants)
P4 : 𝒑൫𝑨൯ = 𝟏 − 𝒑(𝑨)
P5 : Si 𝑨 ⊆ 𝑩 alors 𝒑(𝑨) ≤ 𝒑(𝑩).

Année Scolaire 2022-2023 Dénombrement Probabilité Kalilou DISSA 6

4. L’équiprobabilité :
On dit qu’il y a équiprobabilité lorsque tous les événements élémentaires de l’univers Ω ont la même
probabilité.
Dans une situation d’équiprobabilité, la probabilité d’un événement A de Ω est :
𝑵𝒐𝒎𝒓𝒆 𝒅𝒆 𝒄𝒂𝒔 𝒇𝒂𝒗𝒐𝒓𝒂𝒃𝒍𝒆 à 𝑨 𝒄𝒂𝒓𝒅(𝑨)
𝒑(𝑨) = =
𝑵𝒐𝒎𝒃𝒓𝒆 𝒅𝒆 𝒄𝒂𝒔 𝒑𝒐𝒔𝒔𝒊𝒃𝒍𝒆 𝒄𝒂𝒓𝒅(𝜴)
Remarque :
On reconnait qu'il y a équiprobabilité par l'emploi des expressions telles que : parfaitement équilibré, non pipé
ou non truqué, indiscernable au toucher, au hasard, ...

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 )
̅

Année Scolaire 2022-2023 Dénombrement Probabilité Kalilou DISSA 7

 𝒑𝑨 (𝑩) × 𝒑(𝑨)
𝑷𝑩 (𝑨) =
ഥ)
𝒑𝑨 (𝑩) × 𝒑(𝑨) + 𝒑𝑨ഥ (𝑩) × 𝒑(𝑨
Soient (𝐴𝑖 )1≤𝑖≤𝑛 un système complet d’évènements de probabilités non nulles on a :
𝒑𝑨 (𝑩) × 𝒑(𝑨𝒌 )
∀ 𝑘 ∈ ℕ; 𝒑𝑩 (𝑨𝒌 ) = 𝒏 𝒌
∑𝒊=𝟏 𝒑𝑨𝒊 (𝑩) × 𝒑(𝑨𝒊 )

c. L’arbre pondéré permettant de calculer les probabilités totales et conditionnelles :

NB : Un arbre pondéré a trois règles :

R1 : La somme des probabilités des branches partant d’un même nœud vaut 1.
𝒑(𝑨) + 𝒑(𝑨 ഥ ) = 𝟏 ; 𝒑𝑨 (𝑩) + 𝒑𝑨 (𝑩
ഥ ) = 𝟏 ; 𝒑𝑨ഥ (𝑩) + 𝒑𝑨ഥ (𝑩
ഥ) = 𝟏 ;

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 :

Année Scolaire 2022-2023 Dénombrement Probabilité Kalilou DISSA 8

 On appelle loi de probabilité (ou distribution de probabilité) d’une variable aléatoire 𝑋, l’application définie
sur 𝑋(𝛺) à valeurs dans ℝ qui à tout 𝑥𝑖 ∈ 𝑋(𝛺) on associe 𝑝𝑖 = 𝑝(𝑋 = 𝑥𝑖 ), 𝑖 ∈ {1; 2; . . ; 𝑛}
telle que : ∑𝒏𝒊=𝟏 𝒑𝒊 = 𝒑𝟏 + 𝒑𝟐 +. . . + 𝒑𝒏 = 𝟏.
Définir une loi de probabilité, c’est déterminer les probabilités 𝑝1 ; 𝑝2 ; . . . ; 𝑝𝑛 .
On le dispose souvent dans un tableau comme suit.
𝑥𝑖 𝑥1 𝑥2 … 𝑥𝑛 𝑇𝑜𝑡𝑎𝑙
𝑝(𝑋 = 𝑥𝑖 ) 𝑝1 𝑝2 … 𝑝𝑛 1

b) Espérance mathématique- Variance – Ecart-type d’une variable aléatoire :

• On appelle espérance mathématique d’une variable aléatoire X, le nombre réel noté 𝐸(𝑋) et défini par :
𝑬(𝑿) = ∑𝒏𝒊=𝟏 𝒙𝒊 𝒑𝒊 = 𝒙𝟏 . 𝒑𝟏 + 𝒙𝟐 . 𝒑𝟐 +. . . + 𝒙𝒏 . 𝒑𝒏
• On appelle variance d’une variable aléatoire X, notée V(X), le nombre réel positif défini par :
𝑽(𝑿) = 𝑬൫𝑿𝟐 ൯ − [𝑬(𝑿)]𝟐 avec 𝑬൫𝑿𝟐 ൯ = ∑𝒏𝒊=𝟏 𝒙𝒊 ² 𝑷𝒊 .
• On appelle Ecart-type d’une variable aléatoire 𝑋 et on note 𝜎(𝑋), la racine carrée de la variance.
𝝈(𝑿) = √𝑽(𝑿) .
c. Fonction de répartition :
On appelle fonction de répartition d’une variable aléatoire X, l’application 𝐹𝑋 de ℝ vers [0; 1] qui à tout 𝑥
associe 𝑭𝑿 (𝒙) = 𝒑(𝑿 ≤ 𝒙) = 𝒑(𝑿 ∈] − ∞; 𝒙]).
Lorsque 𝑋 est une variable aléatoire discrète à valeurs dans {𝑥1 ; 𝑥2 ; … ; 𝑥𝑛 } avec 𝑥1 < 𝑥2 < ⋯ < 𝑥𝑛 alors
pour tout 𝑥 ∈ ℝ on a :
• Si 𝑥 < 𝑥1 alors 𝐹 (𝑥 ) = 0 ;
• Si 𝑥𝑘 ≤ 𝑥 < 𝑥𝑘+1 alors 𝐹 (𝑥 ) = ∑𝑘𝑖=1 𝑝(𝑋 = 𝑥𝑖 ) = ∑𝑘𝑖=1 𝑝𝑖 𝑎𝑣𝑒𝑐 𝑘 ∈ {1; 2; 3; … ; 𝑛 − 1}.
• Si 𝑥𝑛 ≤ 𝑥 alors 𝐹 (𝑥 ) = 1.
C’est-à-dire
Pour 𝑥 < 𝑥1 , 𝐹 (𝑥 ) = 0
Pour 𝑥1 ≤ 𝑥 < 𝑥2 , 𝐹 (𝑥 ) = 𝑝1 ;
Pour 𝑥2 ≤ 𝑥 < 𝑥3 , 𝐹 (𝑥 ) = 𝑝1 + 𝑝2 .
Pour 𝑥3 ≤ 𝑥 < 𝑥4 , 𝐹 (𝑥 ) = 𝑝1 + 𝑝2 + 𝑝3 .
… …. …
( )
Pour 𝑥𝑘 ≤ 𝑥 < 𝑥𝑘+1 , 𝐹 𝑥 = 𝑝1 + 𝑝2 + ⋯ + 𝑝𝑘 .
… …. …
Pour 𝑥𝑛 ≤ 𝑥, 𝐹 (𝑥 ) = 𝑝1 + 𝑝2 + ⋯ + 𝑝𝑛 = 1.
Propriétés :
Soit X une variable aléatoire à valeurs dans {𝑥1 ; 𝑥2 ; … ; 𝑥𝑛 } avec 𝑥1 < 𝑥2 < ⋯ < 𝑥𝑛 ; 𝐹𝑋 la fonction de
répartition de 𝑋 pour tous réels 𝑎 et 𝑏 on a :
• 𝒑(𝒂 ≤ 𝑿 ≤ 𝒃) = 𝒑(𝑿 ≤ 𝒃) − 𝒑(𝑿 ≤ 𝒂) = 𝑭(𝒃) − 𝑭(𝒂) ;
• 𝒑 (𝑿 > 𝒂 ) = 𝟏 − 𝒑 (𝑿 ≤ 𝒂 ) = 𝟏 − 𝑭(𝒂 ) ;
• 𝒑 (𝑿 < 𝒂 ) = 𝟏 − 𝒑 (𝑿 ≥ 𝒂 )
Remarque :
Dans le cas d’une variable aléatoire discrète, on utilise un digramme en bâtons pour visualiser la distribution des
probabilités et une fonction en escalier pour la fonction de répartition.

Année Scolaire 2022-2023 Dénombrement Probabilité Kalilou DISSA 9

 𝑥
Lorsque 𝑋 est une variable aléatoire continue de densité 𝑓 alors 𝐹 (𝑥 ) = ∫−∞ 𝑓(𝑡)𝑑𝑡 (Hors programme).
Exercice d’application :
Un joueur lance 3 fois de suite une pièce de monnaie parfaitement équilibrée. Il perd 100 F pour chaque
apparition de FACE et gagne 200 F pour chaque apparition de PILE. On désigne par 𝑋 la variable aléatoire égale
au gain de ce joueur.
1. Quel est l’ensemble des issues possibles Ω ?
2. Quel sont les valeurs prises par X ?
3. Déterminer la loi de probabilité de 𝑋.
4. Déterminer la fonction de répartition 𝐹 de 𝑋.
5. Représenter graphiquement la distribution de probabilités et la fonction de répartition 𝐹 de 𝑋.
6. Calculer l’espérance, la variance et l’écart-type de la v. a 𝑋.

7. Epreuve de Bernoulli – Loi binomiale :

a. Epreuve de Bernoulli : C’est une expérience qui n’a que deux issues (le succès et l’échec).
La probabilité du succès est notée 𝒑 et celle de l’échec est notée 𝒒 = 𝟏 − 𝒑.
Soit 𝑋 une variable aléatoire suivant une loi de Bernoulli. Alors on a :
• Espérance mathématique : 𝑬(𝑿) = 𝒑
• Variance : 𝑽(𝑿) = 𝒑𝒒 = 𝒑(𝟏 − 𝒑).

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.

Année Scolaire 2022-2023 Dénombrement Probabilité Kalilou DISSA 10