Académique Documents
Professionnel Documents
Culture Documents
Chapitre
Probabilité
1
5. L’événement qui ne contient aucune éventualité est l’événement impossible,
noté ∅,
6. L’événement composé de toutes les éventualités est appelé événement certain.
7. Pour tout événement A il existe un événement noté A et appelé événement contraire
de A qui est composé des éléments de Ω qui ne sont pas dans A.
On a en particulier A ∪ A = Ω et A ∩ A = ∅.
Exemple 2 Lancer d’un dé à six faces :
1. ”obtenir 2” est une éventualité de cette expérience aléatoire.
2. Univers : Ω = {1; 2; 3; 4; 5; 6}.
3. A = ”obtenir un 5” est un événement élémentaire que l’on peut noter
A = {5},
4. B = ”obtenir un numéro pair” est un événement que l’on peut noter
B = {2; 4; 6}.
5. ”obtenir 7” est un événement impossible,
6. ”obtenir un nombre positif” est un événement certain.
7. B = ”obtenir un nombre impair” est l’événement contraire de A,
2
1.3 Probabilité
1.3.1 Définitions
(Ω, p) est appelé l’espace probabiliste, avec Ω l’espace fondamentale et p la loi
de probabilité
Définition 6 Soit une expérience aléatoire et Ω l’espace fondamentale. La prob-
abilité p est une application définie par :
P (Ω) → [0, 1]
p:
A → p(A)
3
2. P (Ω) = 1.
3. 0 6 P (A) 6 1.
4. P (A) = 1 − P (A).
5. P (A ∪ B) = P (A) + P (B) − P (A ∩ B).
4
• B : ”la face obtenue porte un numéro pair” ;
• A : ”la face obtenue porte un numéro multiple de 3”.
Déterminons la probabilité d’obtenir un numéro multiple de 3, sachant qu’on a
un numéro pair de deux manières différentes.
1.4.2 Propriétés
Propriété 17 Pour tous événements A et B de probabilité non nulle, on a :
3. PS (∅) = 0 ;
4. PS (Ā) = 1 − PS (A) ;
5. PS (A ∪ B) = PS (A) + PS (B) − PS (A ∩ B) ;
6. Si A et B sont des événements incompatibles, alors PS (A ∪ B) = PS (A) +
PS (B) ;
7. PS (A ∩ B) = PS (A ∪ B) = 1 − PS (A ∪ B).
5
Démonstration :
P (A) = P (A ∩ B) + P (A ∩ B) = PB (A)P (B) + PB (A)P (B).
Propriété 21 Formule de Bayes ou probabilité des causes
p(B) · pB (A)
pA (B) =
pB̄ (A) · p(B) + pB̄ ( A) · p(B̄)
Indépendance de B et C :
1
1. P (B) = .
4
2 1
2. P (C) = = .
32 16
1
3. P (B ∩ C) = ̸= P (B) × P (C), les événements B et C ne sont donc pas
32
indépendants.
6
1.5 Loi de probabilité d’une variable aléatoire
1.5.1 Variable aléatoire discrète
Définition 26 Une variable aléatoire réelle est une application de Ω vers R
Une variable aléatoire discrète est une grandeur numérique X prenant, lors
d’une expérience aléatoire, des valeurs x1 , x2 , . . . . . . .xn avec des probabilités
p1 , p2 , . . . . . . , pn est une variable aléatoire discrète.
Exemple 27 On lance une pièce de monnaie bien équilibrée en air une seule
fois, Ω = {F, P } On a p(Ω) = 1 alors p({F}) = p({P}) = 1/2. On suppose un
succès si j’obtiens la face «Face $ et la variable aléatoire X « Réussir l’expérience
n, on a alors X(F ) = 1 (succès) et X(P) = 0 (échec) et donc X(Ω) = {0, 1}.
F (x) = P (X ≤ x)
7
Exemple 31 X est le nombre de Face quand on lance trois fois une pièce. On
a vu que la loi de X est
P [X = 0] = 1/8, P [X = 1] = P [X = 2] = 3/8, P [X = 3] = 1/8
D’où,
0 si x<0
1/8 si 0≤x<1
F (x) = 4/8 si 1≤x<2
7/8 si 2≤x<3
1 si x≥3
Propriétés 32 Soit F une fonction de répartition. Alors
1) ∀x ∈ R, F (x) ≥ 0;
2) F est croissante;
3) limx→−∞ F (x) = 0, limx→+∞ F (x) = 1
[ ] ∑
3
Var(X) = E X 2 − E[X]2 = k 2 P [X = k] − E[X]2
k=0
( )2
1 3 3 1 3
= 3 · + 22 · + 12 · + 02 · −
2
8 8 8 8 2
3
=
4
8
Remarque 37 L’espérance d’une v.a. est la moyenne des valeurs que peut
prendre X, pondérée par les probabilités de ces valeurs. Elle correspond à une
valeur moyenne autour de laquelle sont réparties les valeurs que peut prendre
X. L’écart-type (ou la variance) mesure la dispersion de la v.a. X autour de sa
valeur moyenne E[X].
9
1.6.2 Loi de Bernoulli
X Une expérience de Bernoulli est une expérience qui n’a que deux cas possibles,
l’une appelé «succès” qui a pour probabilité p et l’autre appelé «échec ”qui a
pour probabilité q = 1 − p.
X Définir une loi de Bernoulli de paramètre c’est associer une loi de probabilité
discrète à cette expérience aléatoire faisant correspondre 1 l’apparition du succès
xi 1 0
et 0 celle d’un échec
P(X = xi) p 1 − p
E(x) = p
V(X) = p(1 − p)
√
σx = p(1 − p)
X(Ω) = {0, . . .} = N
Cet univers image indique qu’un nombre quelconque de réclamations peut être
reçu par le magasin.
k
La probabilité d’obtenir k réclamations un jour donné est P (X = k) = e−3 3k!
k ∈ {0, 1, . . .}
10
Remarque 43 On admettra que si N ≥ 30, p ≤ 0, 1 et N p ≤ 10 alors on pourra
approcher la loi B(n; p) par la loi de P (λ).
11