Académique Documents
Professionnel Documents
Culture Documents
Le but de la théorie des probabilités est de fournir des modèles mathématiques qui
permettent de modéliser des phénomènes aléatoires, ou non déterministes.
1. Définitions et propriétés
Définition 1 : une expérience est aléatoire si on ne peut pas prédire les résultats
avec certitude et si elle est répétée dans des conditions identiques, elle peut donner
des résultats différents.
Exemples:
A⋃B est l’événement qui se produit si A ou B (ou les deux) est réalisé. Il est
parfois noté A+B ou (A ou B).
Page 1 sur 6
A∩B est l’événement qui se produit si A et B sont réalisés tous les deux. Il est
parfois noté ou A et B.
̅ est l’événement qui se produit quand A n’est pas réalisé. On l’appelle aussi
négation de A.
A-B équivaut à l’énoncé «A s’est produit mais pas B». Il est parfois noté A \ B
ou A ∩ ̅ .
̅̅̅̅̅̅̅̅ = ̅ ∪ ̅ et̅̅̅̅̅̅̅̅ = ̅ ̅ (Lois de Morgan).
Exemples :
1. P(A)≥0
2. P(Ω) = 1
3. Soit une suite d’évènements 2 à 2 incompatibles (Ai ∩ Aj = Ø pour i ≠ j) alors
⋃ ∑ . Par exemple, si et sont deux événements
incompatibles, alors : P( ∪ )= P( )+P( ).
Page 2 sur 6
Propriétés déduites des conditions précédentes :
1. P(Ø) = 0
2. P(A) ≤ 1
3. P(̅) = 1-P(A)
4. Si B ⊂ A, alors P(B) ≤ P(A)
5. P(A)= P(A ∩ B)+ P(A ∩ ̅)
6. P(A∪B) = P(A) + P(B) - P(A∩B)
Exemple 1 : Soit A et B deux événements tels que: P(A)= 0,3, P(B)= 0,5 et P(A ∪
B)=0,7 Déterminer : P (A∩B), P (B∩̅) et P(̅U̅).
Réponse :
P(A∩B) ?
On sait que : P(A⋃B)= P(A) + P(B) - P(A∩B)
Donc : P(A∩B) = P(A) + P(B) - P(A⋃B)
P(A∩B) = 0,3+0,5-0,7=0,1
P (B∩ ̅ ) ?
On sait que : P(B)= P(B∩A)+P(B∩ ̅)
Donc : P(B∩̅)= P(B)-P(B∩A)
P(B∩̅ )=0,5-0,1=0,4
P( ̅ U ̅ )?
On sait que : P(̅U̅) =P( ̅̅̅̅̅̅̅ ) (Lois de Morgan).
P(̅U̅)=1- P(A∩B)=1-0,1=0,9
Réponse :
Page 3 sur 6
4. Probabilités conditionnelles
Soit A et B deux événements tels que P(B)>0, la probabilité de A sachant que B est
déjà réalisé est définie par :
Exemple:
Afin de déterminer les intentions de vote de la population, 100 personnes ont été
interviewées et on leur a demandé pour quel parti politique A, B, C, elles allaient
voter. Les données sont exhibées dans le tableau ci-dessous.
A B C
Hommes 13 21 19
Femmes 20 8 19
Réponse :
1.
2.
3.
̅
4. ̅
̅
5. Indépendance d'événements
Deux événements A et B sont indépendants si la réalisation de l’un n’a aucun effet
sur la réalisation de l’autre, on peut traduit cela par P(A/B)=P(A).
Page 4 sur 6
On utilisant la formule d’une probabilité conditionnelle :
P (A∩B) = P (A).P(B)
Exemple 1
Les événements A et B sont indépendants car ils correspondent à deux épreuves qui
n'exercent pas d'influence l'une sur l'autre.
Exemple 2
D'une population qui contient 100 pièces fabriquées dont 12 sont défectueuses on
tire successivement deux pièces. Soit A = « la première pièce est défectueuse » et B
= « la deuxième pièce n'est pas défectueuse ». Déterminer P(A∩B) en supposant
que les tirages se font a) avec remise, b) sans remise.
a) Les événements A et B sont indépendants puisque les tirages se font avec remise
et donc P(A∩B) = P(A).P(B)= 0,12 × 0,88 = 0,1056;
b) P(A∩B) = P(A).P(B/A) = (12/100) (88/99) = 0,1067.
6. Théorème de Bayes
Le théorème de Bayes est une conséquence immédiate des probabilités
conditionnelles et des probabilités totales.
Page 5 sur 6
Probabilités totales
Formule de Bayes
Exemple 2: On sait que dans la population 5 hommes sur 100 sont daltoniens,
contre 25 femmes sur 10 000. Un daltonien est choisi au hasard dans la population ;
quelle est la probabilité que ce soit un homme ? (on admettra qu’il y a autant
d’hommes que de femmes dans la population).
H = « Homme». P(H) = ½
F = « Femme». P(F) = ½
D= « Daltonien »
P(H/D)= =0.95
Page 6 sur 6