Module : Statistiques et Biostatistiques - 2018

Chapitre 1 : Notions de probabilités

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.

Définition 2 : L'ensemble des résultats possibles d'une expérience aléatoire est

appelé espace échantillon. Il sera dénoté par Ω.

Définition 3: Un événement A est un sous-ensemble de l'espace échantillon Ω.

Exemples:

1. On tire une personne aléatoirement dans la population et on recueille son

groupe sanguin. On a Ω = {A, B, AB,O}. Les événements E1 = {A}, E2 = {B },
E3 = {AB} et E4 = {O} sont les événements élémentaires.
2. Lancer deux pièces de monnaie. Ω = {PP , PF , FP , FF}. Les quatre
événements élémentaires sont : E1 = {PP}, E2 = {PF}, E3 = {FP} et E4 = {FF}.
3. On lance un dé équilibré à six faces :
a. Obtenir un nombre pair est l’évènement: A={2,4,6}
b. Obtenir « 8 » pair est l’évènement : B=Ø (évènement impossible)
c. Obtenir un nombre inférieur à 8 est l’évènement : C= Ω (évènement
certain)

2. Opérations sur les événements

Soient A et B deux évènements quelconques, ils peuvent se combiner entre eux pour
former de nouveaux événements. On définit les évènements suivants à partir de A et
B:

 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).

Définition : Deux événements A et B sont dits disjoints ou mutuellement exclusifs,

ou incompatibles, s'ils ne peuvent pas se produire en même temps: A et B sont dits
incompatibles si A∩B = Ø.

Exemples :

1. On jette un dé et on observe le résultat obtenu. L’ensemble fondamental est

formé par les 6 résultats possibles : Ω = {1, 2, 3, 4, 5, 6}. Considérons les
événements suivants: A = {2, 4, 6}, B = {1, 2, 3, 5}, C = {3}.

• A⋃B: {1, 2, 3, 4, 5, 6} = apparition d’un nombre pair ou premier

• A∩B: {2} = apparition d’un nombre pair et premier

• ̅ : = {1, 2, 4, 5, 6} apparition d’un nombre autre que 3

• A∩C : Ø = A et C sont incompatibles.

2. On tire au hasard une personne au hasard dans une certaine population.

Considérons les événements suivants:
A : La personne choisie a les yeux bleus
B : La personne choisie a les cheveux blonds
C : La personne choisie a les yeux verts
Trouver le sens concret des événements : A⋃C, A∩B, A-B

3. Règles du calcul des probabilités

Soit Ω un ensemble fondamental lié à une expérience aléatoire. La fonction P() qui
fait correspondre à chaque événement A ⊂ Ω un nombre réel P(A)≥0 est appelée
une fonction de probabilité et P(A) est appelée probabilité de l’événement A, si les
conditions suivantes sont satisfaits :

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

Exemple 2 : Un étudiant prend un cours de biologie et un cours de statistique. La

probabilité qu’il réussisse le cours de biologie est 0,5 alors que la probabilité qu’il
réussisse celui de statistique est 0,7. La probabilité qu’il réussisse les deux cours est
0,3.
Déterminer :
1. La probabilité qu’il réussisse au moins un cours.
2. Il échoue les deux cours.
3. Il échoue le cours de statistique mais réussit le cours de biologie.

Réponse :

On a: P(B)=0,5, P(S)=0,7 et P(B∩S)= 0,3

1. P(BUS) =P(B)+P(S)-P(B∩S) =0,5+0,7-0,3=0.9

2. P(̅ ̅)= P(̅̅̅̅̅ ) = 1-P(BUS)=1-0.9=0.1
3. P(B) = P(B∩S)+ P(B∩ ̅ ) ⇒ P(B∩ ̅) = P(B)- P(B∩S)= 0.5-0.3=0.2

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

Si on tire une personne au hasard dans ce groupe, déterminer les probabilités

suivantes :
1. La personne tirée vote pour A.
2. La personne tirée vote pour A si on sait que c’est une femme.
3. La personne tirée est une femme si on sait qu’elle vote pour C.
4. Soit un homme, si on sait qu’elle ne vote pas pour le parti A.

Réponse :

1.

2.

3.
̅
4. ̅
̅

4.1. Formule de probabilités composées

L’égalité précédente s’emploie souvent sous la forme: P(A∩B) = P(A/B) P(B).

Cette équation peut se généraliser si A1, A2 ..., An sont des événements
quelconques on a :
⋂ ⋂ ⋂ ⋂ P( ).P( / )P( / ⋂ )…P( / ⋂ ⋂...⋂

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 :

On obtient la définition suivante: A et B sont indépendants si et seulement si :

P (A∩B) = P (A).P(B)

Exemple 1

On lance un dé deux fois. Quelle est la probabilité d'avoir un nombre inférieur à 3

suivis d'un nombre supérieur à 5?

Soit A = « le premier lancer donne un nombre inférieur à 3 » et B = « le deuxième

lancer donne un nombre supérieur à 5 ».

On cherche donc P(A∩B).

Les événements A et B sont indépendants car ils correspondent à deux épreuves qui
n'exercent pas d'influence l'une sur l'autre.

Donc : P(A∩B) = P(A).P(B)= 2/6 x 1/6 =1/18

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.

Il est évident que P(A) = 0,12 et P(B) = 0,88.

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.

Généralisation de la notion d’indépendance à plusieurs événements

On dit que des événements A1, A2,... , An sont mutuellement indépendants si
pour i = 1, 2, ... , n, on a :

P (A1 ∩ A2 ∩ A3 ∩ … ∩ An) = P (A1 ) x P(A2) x P(A2)x … x P(An)

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

Considérons une partition A1, A2, ..., An de l'ensemble des événements Ω

et A1⋃A2⋃...⋃An = Ω, Ai ∩ Aj = Ø pour i ≠ j (mutuellement indépendants).
Soit B un événement quelconque de Ω :
B = B∩Ω= B∩(A1⋃A2⋃...⋃An)
B= (B∩A1)⋃(B∩A2)…⋃(B ∩ An)
P(B)= P(B∩A1)+ P(B∩A2)+ …+P(B ∩ An)
En appliquant la formule des Probabilités conditionnelles:
P(B)= P(B/A1)P(A1)+P(B/A2)P(A2)+ …. P(B/An)P(An)

Formule de Bayes

D’où le théorème de Bayes :

Exemple 1: Dans une population de jeunes, il y a 40% de fumeurs et 30% atteints

par une maladie respiratoire. Parmi les fumeurs 60% sont atteints par la maladie.
Quelle est la probabilité pour que quelqu’un atteint par la maladie soit également
fumeur ?

Soit F = « Etre fumeur. ». P(F) = 0,4.

Soit M = « Etre malade. ». P(M) = 0,3.
Et P(M/F) = 0,6.
P(F/M) = P(M/F).P(F)/P(M)= (0.6 x 0.4) / 0.3 = 0.8

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) = avec P(D)= P(D/H)P(H)+P(D/F)P(F)

P(H/D)= =0.95

Page 6 sur 6