Chapitres 1 Et 2

DEPARTEMENT DES SCIENCES ECONOMIQUES ET DE GESTION
FILIERE : SCIENCES ECONOMIQUES ET GESTION
SEMESTRE : 2
SECTION : D
MODULE : PROBABILITES
PROFESSEUR : MOHAMED BERAICH
Année Universitaire 2022 – 2023
1
COURS DE PROBABILITES Pr. MOHAMED BERAICH
INTRODUCTION GENERALE
La théorie des probabilités est constamment utilisée en analyse statistique. Elle permet
notamment de déterminer statistiquement la probabilité d'un événement qui ne peut pas être
testé directement.
Les probabilités mathématiques sont largement utilisées en physique, en biologie,

en sciencessociales ainsi que dans l'industrie et le commerce. Elles font l'objet d'applications
dans des domaines aussi variés que la génétique, la mécanique quantique ou les assurances.
Probabilités, ou théorie des probabilités, branche des mathématiques, qui s'attache

à mesurer ou à déterminer quantitativement la probabilité qu'a un événement ou une expérience
d'aboutir à un résultat donné. Cette théorie est fondée sur l'étude des permutations
et des combinaisons. Elle constitue la base de tous les travaux en statistiques.
La probabilité est une mesure qui quantifie l'incertitude associée à un événement.

Elle varie de 0 (l'événement ne se produira jamais) à 1 (l'événement se produira certainement).
Les économistes utilisent les probabilités pour modéliser des situations incertaines et prendre
des décisions éclairées.
Historique
On attribue en général, à Blaise Pascal et à Pierre de Fermat l'invention, au XVIIe siècle,

d'une première théorie des probabilités appliquée aux jeux de hasard, même si Jérôme Cardan
s'était déjà penché sur la question dès le XVIe siècle. Cinquante ans plus tard, dans son ouvrage
posthume Ars conjectandi (1713), Jacques Bernoulli systématisa le calcul des probabilités, en
énonçant des théorèmes prometteurs tels que l'additivité des probabilités.
Au même moment, en Angleterre, Abraham de Moivre introduisit la notion de loi normale dans
son œuvre « Doctrine of Chances ».
Le XIXe siècle fut marqué par la publication, en 1814, de la « Théorie analytique

des probabilités » de Laplace, dans lequel la théorie des probabilités est appliquée
à la mécanique et aux statistiques. Cet ouvrage eut une influence considérable sur tous
les mathématiciens de ce siècle. Avec les travaux de Darwin et du statisticien Quételet,
la vision probabiliste du monde s'affirma encore davantage, englobant tous les domaines
de la science.
2
Le calcul des probabilités est certainement l’une des branches les plus récentes des
mathématiques, bien qu’il ait en fait trois siècles et demi d’existence. Après s’être cantonné
dans l’étude des jeux de hasard, il s’est introduit dans presque toutes les branches de l’activité
scientifique, aussi bien dans l’analyse (théorie du potentiel), l’économie, la génétique (lois de
Mendel), la physique corpusculaire (toutes les théories statistiques) que dans la psychologie et
l’informatique, dont la source est l’étude de la quantité d’information, donnée probabilistes’il
en est. Il est rare de trouver un tel exemple de « recouvrement » dans le domaine scientifique.
On peut, sans paradoxe, soutenir que toutes les mathématiques anciennes sont un cas particulier
du calcul des probabilités, le certain étant de l’aléatoire dont la réalisationa une probabilité
égale à 1.
Le calcul des probabilités est né de l’étude des jeux de hasard. Ce dernier mot, transmis par
l’Espagne, vient d’Arabie. L’arabe az-zahr , « dé à jouer », s’est transformé en azar , « hasard »
(et souvent « revers ») en espagnol. La base philologique, si l’on peut dire, du calcul des
probabilités est donc le jeu (pile ou face, jeu de roulette, cartes). Pascal et le chevalier de Méré
ont certainement les premiers à avoir voulu introduire le quantitatif dans ces études et à les mathématiser.
On essaye aujourd’hui de réduire l’importance de ce point de départ en cherchantun fondement
axiomatique et en enseignant le calcul des probabilités sans parler de hasard (à peine ose-t-on
parler d’aléa). Il n’en est pas moins vrai que, sans l’activité des joueurs, le calculdes probabilités
n’aurait sûrement pas vu le jour. Depuis le XVIIe siècle, de nombreux mathématiciens ont apporté une
très importante contribution au développement de cette science : parmi les plus marquants, citons
Laplace, dont le tome VII des Œuvres complètes estconsacré au calcul des probabilités, et Denis
Poisson, Carl Friedrich Gauss, Henri Poincaré, Émile Borel, Maurice Fréchet, Paul Levy, A. N.
Kolmogorov et A. Khintchine.
3
Plan du cours :
Chapitre 1 : Analyse combinatoire
Chapitre 2 : Calcul de probabilités
Chapitre 3 : Variables aléatoires
Chapitre 4 : Lois de probabilité discrètes
Chapitre 5 : Lois de probabilité continues
4
CHAPITRE 1 :
ANALYSE COMBINATOIRE
5
Introduction
L'analyse combinatoire, fondée sur des formules de dénombrements, possèded'importantes
applications dans de nombreuses branches des mathématiques, comme par exemple dans la théorie
des probabilités et en statistiques, où elles peuvent servir à compter le nombre d'arrangements
possibles des éléments d'un système.
DISPOSITIONS :
Soient deux éléments a et b :
 Si (a , b)  (b , a) alors on parle de disposition ordonnée.
 Si (a , b)  (b , a) alors on parle de disposition non ordonnée.
C'est quoi le cardinal d'un ensemble ?

En mathématiques, la cardinalité est une notion de taille pour les ensembles. Lorsqu'un
ensemble est fini, c'est-à-dire si ses éléments peuvent être listés par une suite finie, son cardinal est
la longueur de cette suite, autrement dit il s'agit du nombre d'éléments de l'ensemble.
Exemple : Soit l’ensemble E tel que E : {𝑎 ;𝑏; 𝑐; 𝑑}
L’ensemble E est composé de 4 éléments, donc le Cardinal de E est 4. On note Card E = 4.
Principe multiplicatif du dénombrement :

Le principe fondamental du dénombrement, parfois appelé principe multiplicatif, nous dit que le
nombre total d'issues pour deux événements ou plus est trouvé en multipliant le nombre total d'issues
pour chaque événement.
Exemple 1 :
Une personne dispose de 2 chemises C1 et C2 et 3 pantalons P1 , P2 𝑒𝑡 P3 . Elle doit choisir au
hasard une chemise et un pantalon. De combien de façons différentes peut-elle s’habiller ?
Pour porter une chemise, elle a 2 choix différents et pour prendre un pantalon, elle a 3 choix
différents, on a ainsi deux ensembles :
Ensemble de chemises C : {C1 ;C2 }
Ensemble de pantalons P : {P1 ;P2 ; P3}
Le nombre d’éléments de C est donné par : Card C =2
Le nombre d’éléments de P est donné par : Card P =3
On peut déterminer le nombre de façons dont cette personne peut s’habiller en multipliant les
nombre d’éléments des deux ensembles C et P : 𝐶𝑎𝑟𝑑 𝐶 × 𝐶𝑎𝑟𝑑 𝑃 = 2 × 3 = 6
Cette personne peut donc s’habiller de 6 façons différentes. Les six différentes tenues peuvent
être présentées comme suit : (C1 , P1 ) ; (C1 , P2 ) ; (C1 , P3 ) ; (C2 , P1 ) ; (C2 , P2 ) ; (C2 , P3 )
6
Exemple 2 :
Combien de menus différents peut-on composer si l’on a le choix entre 3 entrées, 4 plats et 2 desserts
Solution :
On peut composer 3 × 4 × 2 = 24 menus différents
Au cours de ce chapitre nous étudierons les différentes dispositions à savoir les permutations, les
arrangements et les combinaisons.
I. ARRANGEMENTS
Définition :
Etant donné un ensemble E de n objets, on appelle arrangements de p objets toutes suites

ordonnées de p objets pris parmi les n objets. Le nombre d’arrangements de p objets pris
𝒑
parmi n est noté : 𝑨𝒏 .
Autrement, un arrangement de p éléments choisis parmi n éléments est une disposition ordonnée
de p de ces n éléments. On distingue les arrangements sans répétitions et les arrangements avec répétitions.
Remarque : On a nécessairement 1 ≤ 𝑝 ≤ 𝑛 𝑒𝑡 𝑛, 𝑝 ∈ ℕ
1. Arrangements sans répétition

C’est le nombre d’arrangements que l’on peut faire avec p éléments choisis parmi n
éléments, chacun d’eux ne peut figurer qu’une seule fois dans le même arrangement.
Le nombre d’arrangements sans répétitions est :
𝒑𝒏!
𝑨𝒏 =
(𝒏 − 𝒑)!
Où : 1 ≤ 𝑝 ≤ 𝑛
𝑒𝑡 𝑛! = 𝑛 × (𝑛 − 1) × (𝑛 − 2) × … × 2 × 1
Exemple 1 :
Le nombre d’arrangements sans répétitions que l’on peut faire avec deux éléments choisis
parmitrois éléments a, b, c est :
3! 3×2×1
𝐴23 = = =6
(3 − 2)! 1
Ces 6 arrangements sont : (a,b), (b,a), (a,c), (c,a), (b,c), et (c,b).
Exemple 2 :
Sur un clavier de téléphone portable on veut composer un code de 4 chiffres différents.
Combien de codes différents peut-on composer ?
7
Le clavier du téléphone contient 10 chiffres différents : {0 ;1; 2; 3; 4; 5; 6; 7; 8; 9}
Important : chaque chiffre ne doit y apparaître qu'une seule fois (sans répétition).
Le nombre de codes différents qu’on peut composer est donné par :
4
10! 10 × 9 × 8 × 7 × 6!
𝐴10 = = = 𝟓𝟎𝟒𝟎 𝑐𝑜𝑑𝑒𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑠
(10 − 4)! 6!
2. Arrangements avec répétition
C’est le nombre d’arrangements que l’on peut faire avec p éléments choisis parmi n éléments,
chacun d’eux peut figurer plusieurs fois dans le même arrangement.
Le nombre d’arrangements avec répétitions est : 𝒏𝒑
Exemple 1:
Le nombre d’arrangements avec répétitions que l’on peut faire avec deux éléments choisis
parmi trois éléments a, b, c est : 32 = 9
Ces 9 arrangements sont : (a,a), (a,b), (b,a), (a,c), (c,a), (b,b), (b,c), (c,b) et (c,c).
Exemple 2 :
Sur un clavier de téléphone portable on veut composer un code de 4 chiffres.
Combien de codes différents peut-on composer ?
Le clavier du téléphone contient 10 chiffres différents :
{0 ;1; 2; 3; 4; 5; 6; 7; 8; 9}
Important : chaque chiffre peut y apparaître plus qu'une fois (avec répétition).
Le nombre de codes différents qu’on peut composer est donné par :
𝟏𝟎𝟒 = 10000 𝑐𝑜𝑑𝑒𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑠

II. PERMUTATIONS
Définition :
Etant donné un ensemble E de n objets, on appelle permutations de n objets distincts toutes
suites ordonnées de n objets.
1. Permutations sans répétition
Une permutation est une disposition ordonnée. Le nombre de permutations sans répétition que
l’on peut faire avec n éléments est :
𝑃𝑛 = 𝑛! = 𝑛 × (𝑛 − 1) × (𝑛 − 2) × … × 2 × 1
8
Avec n ∈ ℕ
Remarque :
La permutation sans répétition de n objets constitue un cas particulier d’arrangement sans
répétition de n objets pris parmi n (𝑙𝑜𝑟𝑠𝑞𝑢𝑒 𝑝 = 𝑛)
Ainsi le nombre de permutations de n objets est :
𝑛! 𝑛! 𝑛!
𝐴𝑛𝑛 = (𝑛−𝑛)! = (0)! = 1
= 𝑛! (𝑎𝑣𝑒𝑐 0! = 1)
Exemple 1:
Le nombre de permutations que l’on peut faire avec trois éléments a, b, c est :
P3 = 3 ! = 3  2  1 = 6
Ces 6 permutations sont : (a,b,c), (a,c,b), (b,a,c), (b,c,a), (c,a,b), et (c,b,a).

Exemple 2:
Si 5 athlètes participent à une course, combien existe-t-il de classements possibles ?

Le nombre de classements possibles est :
P5 = 5 ! = 5  2  1 = 120
Exemple 3 :
Combien existe-t-il d'anagrammes du mot : onad ?

Le nombre d'anagrammes est donné par : P4 = 4 ! =  2  1 = 24
2. Permutations avec répétition

Ici, l’on considère un certain nombre d’objets parmi lesquels certains sont identiques.
L'opération est ici plus compliquée. Il faut dans un premier temps faire abstraction du fait que certains
objets ne puissent pas être distingués. On fait comme si on parvenait à les différencier, puis on divise
par le nombre d'arrangements de ces objets qui sont identiques du fait que les différents objets ne se
distinguent pas les uns des autres.
Si on a n objets parmi lesquels on a k collections de termes semblables : 𝑛1 sont identiques et 𝑛2 autres

sont semblables et ainsi de suite jusqu'aux 𝑛𝑘 qui sont également semblables.
Alors la formule générale devient :

𝑛!
Avec 𝑛 = 𝑛1 + 𝑛2 + ⋯ + 𝑛𝑘
𝑛1 !𝑛2 !𝑛3 !……𝑛𝑘 !
Exemple 1 :
Pour donner une idée, commençons par imaginer qu'on a 5 objets dont deux ne sont pas
différentiables.
9
Si on distingue les deux qui ne sont pas différentiables, on a donc 5! =120 possibilités. Mais pour
chacune d'entre elles, on peut échanger les deux objets. On en a donc calculé deux fois trop. En fait,
on aura donc 120/2=60 dispositions différentes.
Exemple 2 :
Combien existe-t-il d'anagrammes du mot : ONNADDD ?

7!
Le nombre d'anagrammes est donné par :
2!3!1!1!
III. Combinaisons
Définition
Une combinaison de p éléments choisis parmi n éléments est une disposition non ordonnée de p de ces
n éléments. On distingue les combinaisons avec répétitions et les combinaisons sans répétitions.
1. Combinaisons sans répétition
C’est le nombre de combinaisons que l’on peut faire avec p éléments choisis parmi n éléments, chacun
d’eux ne peut figurer qu’une seule fois dans la même combinaison.
𝑝 𝑛!
Le nombre de combinaisons sans répétitions est : 𝐶𝑛 =
𝑝!(𝑛−𝑝)!
Exemple :
Le nombre de combinaisons sans répétitions que l’on peut faire avec deux éléments choisis
parmi trois éléments a, b, c est :
3!
𝐶32 = =3
2! (3 − 2)!
Ces 3 combinaisons sont : (a,b), (a,c), et (b,c).
2. Combinaisons avec répétition

C’est le nombre de combinaisons que l’on peut faire avec p éléments choisis parmi n éléments,
chacun d’eux peut figurer plusieurs fois dans la même combinaison.
Le nombre de combinaisons avec répétitions est :

(𝑛 + 𝑝 − 1)!
𝐾𝑛𝑝 = 𝐶𝑛+𝑝−1
𝑝
=
𝑝! (𝑛 − 1)!
Exemple :
Le nombre de combinaisons avec répétitions que l’on peut faire avec deux éléments choisis parmi trois
éléments a, b, c est :
(4)!
𝐾32 = 𝐶42 = =6
2! (2)!
Ces 6 combinaisons sont : (a,a), (a,b), (a,c), (b,b), (b,c), et (c,c).
10
EXERCICES :
ANALYSE COMBINATOIRE
11
EXERCICE 1
Combien de nombres de 4 chiffres peut-on former avec les 10 chiffres 0, 1, 2, …, 9 si :

1) les chiffres peuvent se répéter ;
2) les chiffres peuvent se répéter et le nombre est divisible par 5 ;
3) les chiffres ne peuvent se répéter et le nombre est divisible par 2 ;
4) les chiffres ne peuvent se répéter et le nombre est pair ;
5) les chiffres ne peuvent se répéter et le nombre ne contient que des chiffres impairs.
EXERCICE 2
Avec un alphabet de 26 lettres,
Combien peut-on écrire de mots différents de 3 lettres,?
N.B : une lettre ne pouvant figurer qu'une fois dans le même mot ? Les mots n'ont pas nécessairement un sens.
EXERCICE 3
Un championnat sportif groupe 20 équipes. Chaque match oppose deux équipes. Chaque équipe
doit, pendant la saison, rencontrer chacune des 19 autres équipes, une fois sur son propre terrain,
une fois sur le terrain de l'adversaire.
1) Combien de rencontres faut-il organiser au total ?
2) même question si le championnat est organisé sur un terrain neutre et les deux équipes rencontrées
vont jouer un seul match (Chaque équipe doit rencontrer toutes les autres une seule fois) ?
EXERCICE 4
On désire former un groupe de 3 filles et 4 garçons choisis parmi un groupe de 5 filles et 10
garçons. De combien de façons différentes peut-on former ce groupe sachant que :
1) n'importe quel garçon ou fille peut être choisi ?
2) une fille particulière doit obligatoirement faire partie du groupe à former ?
3) Deux garçons particuliers ne peuvent être choisis ?
EXERCICE 5
On constitue un groupe de 5 personnes choisies parmi 20 femmes et 30 hommes
1) De combien de façons peut-on constituer ce groupe de 6 personnes ?
2) Dans chacun des cas suivants, de combien de façons peut-on constituer ce groupe avec :
a) uniquement des hommes ;
b) des personnes de même sexe ;
c) au moins 2 femmes.
EXERCICE 6
Une urne contient 5 boules vertes (numérotés de 1 à 5) et 4 boules rouges (numérotés de 1 à 4).
1) On tire simultanément 3 boules de l’urne.
a) Combien y-a-t-il de tirages possibles ?
b) Combien y-a-t-il de possibilités de ne tirer que des boules vertes ?
c) Combien y-a-t-il de possibilités de ne tirer que des boules portant un nombre paire ?
d) Combien y-a-t-il de possibilités de ne tirer que des boules de même couleur ?
e) Combien y-a-t-il de possibilités de ne tirer que des boules portant un nombre paire ?
2) Reprendre aux questions précédentes si le tirage est effectué successivement et sans remise.
12
CHAPITRE 2 :
CALCUL DE PROBABILITES
13
I. INTRODUCTION
Au cours de ce chapitre nous définirons pour commencer la notion d'expérience aléatoire et
d'événement aléatoire. Ensuite nous étudierons la notion de probabilité : définition et propriétés.Nous
présenterons aussi la notion d'exclusivité, la probabilité conditionnelle et la notion d'indépendance.
Enfin, nous terminerons le chapitre par le théorème de bayes.
II. DEFINITIONS
2.1. Notion d’aléatoire
La définition de la probabilité est liée aux notions d’expérience aléatoire et d’événement aléatoire.
 Une expérience est dite aléatoire lorsqu’on ne peut en prévoir exactement le résultat, du fait que tous
les facteurs qui déterminent ce résultat ne sont pas maîtrisés.
 Un événement aléatoire est un événement qui peut se réaliser ou ne pas se réaliser au cours d’une
expérience aléatoire.
Exemples :
 Le jet d’un dé numéroté de 1 à 6 est une expérience aléatoire car le résultat du jet est imprévisible.
L’événement avoir une face paire du dé est un événement aléatoire car le résultatdu jet peut être impair
comme il peut être pair.
 Le choix d’une personne dans un groupe d’individus contenant des hommes et des femmes est
une expérience aléatoire car le résultat du choix est imprévisible. L’événement choisir une femme
est un événement aléatoire car la personne choisie peut être une femme comme elle peutêtre un homme.
2.2.Définition classique de la probabilité
Si au cours d’une expérience aléatoire on peut dénombrer tous les résultats possibles, et si parmi
ces résultats on peut dénombrer tous les résultats favorables à la réalisation d’un événement aléatoire
quelconque A, on définit classiquement la probabilité de l’événement A comme étant le rapport du nombre
de résultats favorables au nombre de résultats possibles.
𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠

𝑷(𝑨) =
𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑠 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒𝑠
Il faut noter que tous les résultats possibles doivent avoir la même chance de réalisation (équiprobables).
14
Cette définition montre que la probabilité p est toujours comprise entre 0 et 1.
0p1
La probabilité de tout événement qui doit nécessairement se réaliser au cours d’une expérience aléatoire
est égale à 1, il s’agit d’un événement certain.
𝑷 (é𝒗é𝒏𝒆𝒎𝒆𝒏𝒕 𝒄𝒆𝒓𝒕𝒂𝒊𝒏) = 𝟏
La probabilité de tout événement qui ne peut pas se réaliser au cours d’une expérience
aléatoire est nulle, il s’agit d’un événement impossible.
𝑷 (é𝒗é𝒏𝒆𝒎𝒆𝒏𝒕 𝒊𝒎𝒑𝒐𝒔𝒔𝒊𝒃𝒍𝒆) = 𝟎
Exemple 1:
On lance un dé équilibré numéroté de 1 à 6.

Il s’agit ici d’une expérience aléatoire car le résultat du jet est imprévisible.
L’événement A : « avoir un multiplicateur de 3 » : est un événement aléatoire qui se réalise
quand le dé affiche 3 ou 6 et ne se réalise pas autrement. L’univers probabiliste associé à cette
expérience aléatoire est donné par : 𝛺 = {1; 2; 3; 4; 5; 6}
Le nombre de cas possibles est 6 car le dé contient au total 6 résultats (𝑪𝒂𝒓𝒅 𝜴 = 𝟔).
Le nombre de cas favorables à l’événement A est 2 (𝐶𝑎𝑟𝑑 𝐴 = 2).
La probabilité de réalisation de l’évènement A est donc :
𝒄𝒂𝒓𝒅𝑨 𝟐 𝟏
𝑷(𝑨) = = =
𝒄𝒂𝒓𝒅 𝜴 𝟔 𝟑
Exemple 2:
Dans une urne contenant 20 boules blanches, 15 boules noires, 15 boules rouges et 10 boules vertes.
On choisit de façon aléatoire une boule.
Le tirage de la boule est une expérience aléatoire, car le résultat du tirage est imprévisible.
L’événement choisir une boule verte est un événement aléatoire car la boule tirée peut être verte
comme elle peut être d’une autre couleur.
Le nombre de boules pouvant être choisies est 60 car l’urne contient au total 60 boules.
Le nombre de boules favorables à l’événement « boule verte » est 10 car l’urne contient 10 boules vertes.
10 1
La probabilité de tirer une boule verte est donc : 𝑃 = =
60 6
15
III. NOTION D’EXCLUSIVITE

3.1. Événements exclusifs
Deux événements aléatoires associés à une même expérience aléatoire sont dits exclusifs
ou incompatibles s’ils ne peuvent pas se réaliser simultanément.
Si deux événements aléatoires A et B sont exclusifs alors :
𝑷(𝑨 ∩ 𝑩) = 𝟎 ⟹ 𝑷(𝑨 ∪ 𝑩) = 𝑷(𝑨) + 𝑷(𝑩)
Si deux événements aléatoires A et B ne sont pas exclusifs alors :
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
3.2. Événements mutuellement exclusifs
Plusieurs événements aléatoires associés à une même expérience aléatoire sont dits mutuellement
exclusifs ou mutuellement incompatibles s’ils sont exclusifs deux à deux.
Si k événements 𝐴1 , 𝐴2 , … … … . . , 𝐴𝑘 sont mutuellement exclusifs alors :
𝑝(𝐴1 ∪ 𝐴2 ∪ … … … . .∪ 𝐴𝑘 ) = 𝑝(𝐴1 ) + 𝑝(𝐴2 ) + ⋯ … … + 𝑝(𝐴𝑘 )
Si trois événements aléatoires A, B, et C sont mutuellement exclusifs alors :
𝑃(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶))
Si trois événements aléatoires A, B, et C ne sont pas mutuellement exclusifs alors :

𝑝(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑝(𝐴) + 𝑝(𝐵) + 𝑝(𝐶) − 𝑝(𝐴 ∩ 𝐵) − 𝑝(𝐴 ∩ 𝐶) − 𝑝(𝐵 ∩ 𝐶) + 𝑝(𝐴 ∩ 𝐵 ∩ 𝐶)
Cette formule peut être généralisée à plusieurs événements non exclusifs, on l'appelle
égalitéde Poincaré :
𝑛 𝑛 𝑛 𝑛 𝑛 𝑛
𝑝(𝐴1 ∪ 𝐴2 ∪ … .∪ 𝐴𝑛 ) = ∑ 𝑝(𝐴𝑖 ) − ∑ ∑ 𝑝(𝐴𝑖 ∩ 𝐴𝑗 ) + ∑ ∑ ∑ 𝑝(𝐴𝑖 ∩ 𝐴𝑗 ∩ 𝐴𝑘 )

𝑖=1 𝑖=1 𝑗=1 𝑖=1 𝑗=1 𝑘=1
𝐴𝑣𝑒𝑐 𝑖 ≠ 𝑗 ≠ 𝑘
Dans cette égalité les différents S qui figurent portent sur toutes les combinaisons possibles des
indices différant les uns des autres.
16
3.3. Evénements complémentaires

Plusieurs événements aléatoires associés à une même expérience aléatoire sont dits
totalementexclusifs ou complémentaires s’ils sont exclusifs deux à deux et si l’un d’eux doit
nécessairement se réaliser.
Si k événements 𝐴1 , 𝐴2 , … … … . . , 𝐴𝑘 sont complémentaires alors :
𝑝(𝐴1 ∪ 𝐴2 ∪ … … … . .∪ 𝐴𝑘 ) = 𝑝(𝐴1 ) + 𝑝(𝐴2 ) + ⋯ … … + 𝑝(𝐴𝑘 ) = 𝟏
IV. NOTION D’INDEPENDANCE
4.1.Probabilité conditionnelle
Considérons le cas de plusieurs expériences aléatoires simultanées ou successives. Soient deux

événements aléatoires A et B non nécessairement exclusifs.
La probabilité conditionnelle de l’événement A sous la condition B, est la probabilité de réalisation
de l’événement A sachant que l’événement B est déjà réalisé.
𝒑(𝑨∩𝑩)
Elle est désignée par : 𝒑(𝑨/𝑩) =
𝒑(𝑩)
Soient deux événements aléatoires A et B non nécessairement exclusifs.

La probabilité conditionnelle de l’événement B sous la condition A, est la probabilité de réalisation
de l’événement B sachant que l’événement A est déjà réalisé.
𝒑(𝑨∩𝑩)
Elle est désignée par : 𝒑 (𝑩/𝑨) = 𝒑(𝑨)
Cette définition conduit à la formule de probabilité composée :
𝒑(𝑨 ∩ 𝑩) = 𝒑(𝑨/𝑩) × 𝒑(𝑩) = 𝒑(𝑩/𝑨) × 𝒑(𝑨)

Exemple :
Dans une urne contenant 20 boules blanches, 15 boules noires, 15 boules rouges et 10 boules vertes
on choisit de façon aléatoire deux boules successives. Quelle est la probabilité que les deux boules tirées
soient blanches ?
Soient A l’événement « Première boule tirée est blanche » et B l’événement « deuxième boule tirée
20 1
est blanche ». 𝑝(𝐴) est la probabilité de tirer au premier tirage une boule blanche : 𝑝(𝐴) = 60 = 3
𝑝(𝐵/𝐴) est la probabilité de tirer au deuxième tirage une boule blanche sachant que la première boule
tirée est blanche.
Au deuxième tirage l’urne contient donc 59 boules dont 19 sont blanches car on a déjà tiré une
19
boule blanche. On a donc : 𝑝(𝐵/𝐴) =
59
1 19
𝑝(𝐴 ∩ 𝐵) = 𝑝(𝐵/𝐴) × 𝑝(𝐴) = × = 0.1056
3 59
17
4.2. Evénements indépendants

Deux événements A et B sont indépendants si la probabilité de voir se réaliser l’événement A ne
dépend pas de la réalisation ou de la non réalisation de l’événement B. La probabilité de voirse réaliser
l’événement B ne dépend pas de la réalisation ou de la non réalisation de l’événementA.
𝑝(𝐴) = 𝑝(𝐴/𝐵) = 𝑝(𝐴/𝑛𝑜𝑛 𝐵) et 𝑝(𝐵) = 𝑝(𝐵/𝐴) = 𝑝(𝐵/𝑛𝑜𝑛 𝐴)
Deux événements A et B sont donc indépendants si :
𝑝(𝐴 ∩ 𝐵) = 𝑝(𝐴) × 𝑝(𝐵)
Plusieurs événements𝐴1 , 𝐴2 , … … … . . , 𝐴𝑘 sont indépendants si :
𝑝(𝐴1 ∩ 𝐴2 ∩ … … … . .∩ 𝐴𝑘 ) = 𝑝(𝐴1 ) × 𝑝(𝐴2 ) × … … … × 𝑝(𝐴𝑘 )
Remarque : L'indépendance de plusieurs événements deux à deux n'entraîne pas nécessairement

l'indépendance de l'ensemble des événements.
V. THEOREME DE BAYES
Soient 𝐴1 , 𝐴2 , … … … . . , 𝐴𝑘 une série de k événements aléatoires totalement exclusifs.
À chacun de ces événements correspond une information initiale qui permet d’évaluer à
priori les probabilités 𝑝(𝐴1 ), 𝑝(𝐴2 ), … … … . . 𝑒𝑡 𝑝(𝐴𝑘 )
𝒑(𝑨𝟏 ) + 𝒑(𝑨𝟐 ) + ⋯ … … + 𝒑(𝑨𝒌 ) = 𝟏
Soit E un événement quelconque pour lequel on connaît à priori les probabilités conditionnelles
𝑝(𝐸/𝐴1 ), 𝑝(𝐸/𝐴2 ), … . , 𝑝(𝐸/𝐴𝑘 )
Les événements 𝐴1 , 𝐴2 , … … … . . , 𝐴𝑘 étant complémentaires, l’événement E doit se réaliser

nécessairement avec 𝐴1 ou 𝐴2 ou ... ou 𝐴𝑘 .
𝒑(𝑬) = 𝒑(𝑬 ∩ 𝑨𝟏 ) + 𝒑(𝑬 ∩ 𝑨𝟐 ) + ⋯ … + 𝒑(𝑬 ∩ 𝑨𝒌 )
Par définition de la probabilité conditionnelle :
𝒑(𝑬 ∩ 𝑨𝒊 ) = 𝒑(𝑬/𝑨𝒊 ) × 𝒑(𝑨𝒊 ) (i = 1,2,3,,,,k)
La probabilité de l’événement E est donc :
𝒑(𝑬) = 𝒑(𝑬/𝑨𝟏 ) × 𝒑(𝑨𝟏 ) + 𝒑(𝑬/𝑨𝟐 ) × 𝒑(𝑨𝟐 ) + ⋯ + 𝒑(𝑬/𝑨𝒌 ) × 𝒑(𝑨𝒌 )

𝑘
𝑝(𝐸 ) = ∑ 𝑝(𝐸/𝐴𝑖 ) × 𝑝(𝐴𝑖 )

𝑖=1
Le théorème de bayes permet de calculer les probabilités conditionnelles à postériori 𝑝(𝐴1 /𝐸),
𝑝(𝐴2 /𝐸),, …, 𝑝(𝐴𝑘 /𝐸),.
18
Par définition de la probabilité conditionnelle :

𝑝(𝐴𝑖 ∩ 𝐸)
𝑝(𝐴𝑖/𝐸) =
𝑝(𝐸)
Alors
𝑝(𝐸/𝐴𝑖 ) × 𝑝(𝐴𝑖 )
𝑝(𝐴𝑖/𝐸) =
∑𝑘𝑖=1 𝑝(𝐸/𝐴𝑖 ) × 𝑝(𝐴𝑖 )
Exemple : Le tableau suivant donne la description de 400 étudiants d’une école selon le niveau d’études
et l’option étudiée.
Gestion Economie Total

1ère Année 80 60 140
2ème Année 75 40 100
Total 250 150 400
On a choisi au hasard un étudiant de l’école, il est inscrit en gestion, quelle est la probabilité qu’il soit
inscrit en 1ère année, en 2ème année, en 3ème année, en 4ème année ?
Désignons par 𝑁1 , 𝑁2 , 𝑁3 , et 𝑁4 les événements « niveau 1ère année », « niveau 2ème année »,
« niveau 3ème année », et « niveau 4ème année ». Ces 4 événements sont complémentaires :
140
𝒑(𝑵𝟐 ) = = 0.35 ;
400
100
𝒑(𝑵𝟐 ) = = 0.25 ;
400
90
𝒑(𝑵𝟑 ) = = 0.225 ;
400
70
𝒑(𝟒) = = 0.17
400
19
Désignons par G l’événement « étudiant inscrit en gestion ».
 Probabilité qu’un étudiant de la première année soit inscrit en gestion :

80
𝑝(𝐺 /𝑁1 ) =
250
 Probabilité qu’un étudiant de la deuxième année soit inscrit en gestion :
75
𝑝(𝐺 /𝑁2 ) =
250
 Probabilité qu’un étudiant de la troisième année soit inscrit en gestion :

50
𝑝(𝐺 /𝑁3 ) =
250
 Probabilité qu’un étudiant de la quatrième année soit inscrit en gestion :

45
𝑝(𝐺 /𝑁4 ) =
250
La probabilité à postériori qu’un étudiant inscrit en gestion soit inscrit en 1ère année est :
𝑝(𝑁1 ∩ 𝐺)
𝑝(𝑁1 /𝐺) =
𝑝(𝐺)
𝑝(𝐺/𝑁1 ) × 𝑝(𝑁1 )
𝑝(𝑁1 /𝐺) =
∑4𝑖=1 𝑝(𝐺/𝑁𝑖 ) ×
𝑝(𝑁𝑖 )
𝑝(𝐺/𝑁1 ) × 𝑝(𝑁1 )
=
𝑝(𝐺/𝑁1 ) × 𝑝(𝑁1 ) + 𝑝(𝐺/𝑁2 ) × 𝑝(𝑁2 ) + 𝑝(𝐺/𝑁3 ) × 𝑝(𝑁3 ) + 𝑝(𝐺/𝑁4 ) × 𝑝(𝑁4 )
80 140
×
250 400
A.N : 𝑝(𝑁1 /𝐺) = 80 140 75 100 50 90 45 70
× + × + × + ×
250 400 250 400 250 400 250 400
20
EXERCICES CHAPITRE II
CALCUL DE PROBABILITES
21
EXERCICE 1
Un portefeuille comprend 3 actions et 2 obligations.

1) On tire au hasard et simultanément 2 titres.
a- Quelle est la probabilité d'avoir 2 actions ?
b- Quelle est la probabilité d'avoir une action et une obligation ?
2) Répondre aux questions précédentes si le tirage est successivement et sans remise ?
EXERCICE 2 :
Soient A et B deux événements, tels que P(A) = 0.5 ; P(B) = 0.6 et 𝑃(𝐴 ∩ 𝐵) = 0.4.
1) Calculer 𝑃(𝐴/𝐵).
2) Calculer𝑃(𝐵/𝐴).
3) Les événements A et B sont-ils exclusifs ? indépendants ? (justifier).
EXERCICE 3 :
1) Soient A et B deux événements 𝐢𝐧𝐜𝐨𝐦𝐩𝐚𝐭𝐢𝐛𝐥𝐞𝐬 de 𝛺 tel que : P(A) = 0.35 et 𝑃(𝐵) = 0.55.
𝑪𝒂𝒍𝒄𝒖𝒍𝒆𝒓 𝑷(𝑨 ∪ 𝑩)
2) Soient A et B deux événements 𝐢𝐧𝐝é𝐩𝐞𝐧𝐝𝐚𝐧𝐭𝐬 de 𝛺 tel que : P(A) = 0.22 et 𝑃(𝐴 ∪ 𝐵) = 0.45.
𝑪𝒂𝒍𝒄𝒖𝒍𝒆𝒓 𝑷(𝑩)
3) Soient A et B deux événements de 𝛺 tel que : P(A) = 0.6 ; 𝑃(𝐵) = 0.2 𝑒𝑡 𝑃(𝐴/𝐵) = 0.7.
𝑪𝒂𝒍𝒄𝒖𝒍𝒆𝒓 𝑷(𝑨 ∪ 𝑩).
EXERCICE 4 :
Soient A et B deux événements associés à une expérience aléatoire tels que :
𝑃(𝐴) = 0.5 ; 𝑃(𝐵) = 0.3 𝑒𝑡 𝑃(𝐴 ∩ 𝐵) = 0.2
1) Calculer les probabilités suivantes :
a. 𝑃(𝐴̅)
b. 𝑃(𝐴 ∪ 𝐵)
c. 𝑃(𝐴̅ ∩ 𝐵)
d. 𝑃(𝐴̅ ∩ 𝐵̅)
e. 𝑃(𝐴̅ ∪ 𝐵)
f. 𝑃(𝐴/𝐵)
g. 𝑃(𝐵/𝐴)
h. 𝑃(𝐴̅/𝐵)
i. 𝑃(𝐴̅/𝐵̅)
2) 𝐴̅ 𝑒𝑡 𝐵 sont-ils incompatibles ? indépendants ? justifier votre réponse.
EXERCICE 5 :
Soient A et B deux événements de 𝛺 tel que : P(A) = 0.3 ; 𝑃(𝐵) = 0.2 𝑒𝑡 𝑃(𝐴 ∩ 𝐵) = 0.1
Déterminer les probabilités des événements suivants :
1) Au moins un des événements se réalise.
2) Seulement A se réalise.
3) Seulement B se réalise.
4) Aucun des deux événements ne se réalise.
22
EXERCICE 6:
Un magasin de vente de vêtements propose de solder un lot de chemises. Parmi l'ensemble de ces chemises,
60% présentent un défaut de couleur, 40% présentent un défaut de taille et 30% présentent les deux types de défaut.
Soient C l'événement (la chemise présente un défaut de couleur) et T l'événement (la chemise présente un défaut de
taille).
1. En utilisant les événements C et T, calculer les probabilités relatives aux évènements suivants :
(a) "Une chemise soldée présente au moins un des deux types de défaut"
(b) "Une chemise soldée ne présente aucun des deux types de défaut"
(c) "Une chemise soldée ne présente qu'un seul type de défaut
2. On considère une chemise soldée qui présente un défaut de taille. Quelle est la probabilité qu’elle
présente aussi un défaut de couleur ?
EXERCICE 7:
Dans un groupe d’étudiants de sciences économiques, on estime après enquête que la probabilité qu’un étudiant
aime les mathématiques est de 0,5, la probabilité qu’un étudiant aime la Comptabilité est de 0,7 et la probabilité
qu’un étudiant aime à la fois les mathématiques et la comptabilité est de 0,3.
Déterminer la probabilité qu’un étudiant :
1) Aime les mathématiques mais pas la Comptabilité.
2) Aime les mathématiques ou la statistique descriptive (au moins une des deux).
3) N’aime ni les mathématiques, ni la Comptabilité.
EXERCICE 8:
Une usine s'adresse à deux fournisseurs A et B pour l'approvisionnement d'un composant électronique.
Le contrôle de conformité effectué sur un échantillon aléatoire de composants électroniques a donné la répartition
suivante du nombre de défauts :
Répartition du nombre de défauts
Fournisseur
0 défaut 1 défaut 2 défauts Total
A 60 % 35 % 5% 100 %
B 65 % 25 % 10 % 100 %
Sachant que 70 % des composants sont achetés à A et 30 % à B :
a) Calculer la probabilité pour qu'un composant ne présente aucun défaut.
b) Un composant tiré aléatoirement et ne présentant aucundéfaut, Quelle est la
probabilité qu’il provienne de B ?
EXERCICE 9:
Un chercheur en marketing doit évaluer l'efficacité de l'utilisation et de la connaissance du nomd'un

produit. Une étude de marché a montré que le produit occupe 10 % du marché et que 95 % des personnes
ayant déjà achetés ce produit se rappellent le nom du produit, alors queseulement 20 % des non
acheteurs le reconnaissent.
Une personne est choisie d'une manière aléatoire parmi le groupe des consommateurs.
1) Quelle est la probabilité à priori acceptable que la personne choisie soit un acheteur duproduit ?
2) Sachant que la personne reconnaît le nom du produit, quelle est la probabilité à posterioriqu'elle
fasse partie des acheteurs du produit ?
3) Sachant que la personne ne reconnaît pas le nom du produit, quelle est la probabilité à
posteriori qu'elle fasse partie des acheteurs du produit ?
23
EXERCICE 10:
Une usine de production d’ampoules. La chaine de production se compose de trois machines A, B et C.
ces machines fabriquent respectivement 30%, 45% et 25% des pièces.
La probabilité qu’une ampoule fabriquée respectivement par la machine A, B et C soit défectueuse est
de 0.05, 0.04 et 0.01. Calculer :
1) La probabilité qu’une ampoule soit défectueuse.
2) La probabilité qu’une ampoule défectueuse provienne de la machine A.
3) La probabilité qu’une ampoule non défectueuse provienne de la machine C.
EXERCICE 11:
Dans une classe du Baccalauréat, on s’intéresse aux résultats d’examen national de deux branches,
scientifique et technique. On sait que 60 % des élèves sont scientifiques. Le taux de réussite de la branche
technique est de 75% alors qu’il est de 65% chez les scientifiques.
On choisit au hasard un élève du Baccalauréat qui a réussi. Déterminer la probabilité qu’il provient de la
branche technique.
EXERCICE 12:
Une étude statistique menée dans une firme industrielle a révélé que 60% des personnes sont des
hommes. De plus, selon la même étude, 30% des hommes disposent d'un diplôme universitaire, alors que 20%
des femmes disposent de ces mêmes diplômes.
Si on choisit au hasard un membre du personnel, déterminer la probabilité que cette personne soit une
femme sachant qu'elle dispose d'un diplôme universitaire.
EXERCICE 13 :
Les étudiants d'une école sont répartis en trois groupes de 30 %; 34 %; et 36 %. Le taux d'absence
est respectivement de 4 %; 2 %; et 7 %.
Un étudiant choisi au hasard s'est révélé de bonne assiduité. Calculer la probabilité que cet
étudiant appartienne au groupe 3.
EXERCICE 14 :
Dans une ville donnée, 20 personnes parmi 1000 sont atteintes du virus Covid-19. Pour combattre cette
pandémie, les autorités sanitaires de cette ville ont engagé une opération de dépistage massif afin de déceler la
présence de ce virus.
Dans 85% des cas, le test donne un résultat positif alors que la personne est vraiment atteinte du virus.
Dans 90% des cas, le test donne un résultat négatif alors que la personne n’est pas atteinte du virus.
1) On essaie le test sur une personne choisie au hasard dans la population de la ville considérée. On
Constate que le résultat est positif. Quelle est la probabilité qu’elle soit atteinte de ce virus ?
2) Calculer la probabilité que la personne soit malade sachant que le test donne un résultat négatif.
3) Donner la probabilité que la personne n’est pas atteinte du virus sachant que le test est positif.
24

Chapitres 1 Et 2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitres 1 Et 2

Transféré par

Droits d'auteur :

Formats disponibles

DEPARTEMENT DES SCIENCES ECONOMIQUES ET DE GESTION

FILIERE : SCIENCES ECONOMIQUES ET GESTION

PROFESSEUR : MOHAMED BERAICH

Année Universitaire 2022 – 2023

Les probabilités mathématiques sont largement utilisées en physique, en biologie,

Probabilités, ou théorie des probabilités, branche des mathématiques, qui s'attache

La probabilité est une mesure qui quantifie l'incertitude associée à un événement.

On attribue en général, à Blaise Pascal et à Pierre de Fermat l'invention, au XVIIe siècle,

Le XIXe siècle fut marqué par la publication, en 1814, de la « Théorie analytique

Chapitre 1 : Analyse combinatoire

Chapitre 2 : Calcul de probabilités

Chapitre 3 : Variables aléatoires

Chapitre 4 : Lois de probabilité discrètes

Chapitre 5 : Lois de probabilité continues

C'est quoi le cardinal d'un ensemble ?

Principe multiplicatif du dénombrement :

Etant donné un ensemble E de n objets, on appelle arrangements de p objets toutes suites

1. Arrangements sans répétition

Ces 6 arrangements sont : (a,b), (b,a), (a,c), (c,a), (b,c), et (c,b).

Sur un clavier de téléphone portable on veut composer un code de 4 chiffres différents.

Combien de codes différents peut-on composer ?

Le clavier du téléphone contient 10 chiffres différents : {0 ;1; 2; 3; 4; 5; 6; 7; 8; 9}

Le nombre de codes différents qu’on peut composer est donné par :

Combien de codes différents peut-on composer ?

Le clavier du téléphone contient 10 chiffres différents :

Le nombre de codes différents qu’on peut composer est donné par :

𝟏𝟎𝟒 = 10000 𝑐𝑜𝑑𝑒𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑠

1. Permutations sans répétition

Ces 6 permutations sont : (a,b,c), (a,c,b), (b,a,c), (b,c,a), (c,a,b), et (c,b,a).

Si 5 athlètes participent à une course, combien existe-t-il de classements possibles ?

Combien existe-t-il d'anagrammes du mot : onad ?

2. Permutations avec répétition

Si on a n objets parmi lesquels on a k collections de termes semblables : 𝑛1 sont identiques et 𝑛2 autres

Alors la formule générale devient :

Combien existe-t-il d'anagrammes du mot : ONNADDD ?

Ces 3 combinaisons sont : (a,b), (a,c), et (b,c).

2. Combinaisons avec répétition

Le nombre de combinaisons avec répétitions est :

Combien de nombres de 4 chiffres peut-on former avec les 10 chiffres 0, 1, 2, …, 9 si :

2.2.Définition classique de la probabilité

𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠

Cette définition montre que la probabilité p est toujours comprise entre 0 et 1.

On lance un dé équilibré numéroté de 1 à 6.

III. NOTION D’EXCLUSIVITE

Si deux événements aléatoires A et B ne sont pas exclusifs alors :

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

3.2. Événements mutuellement exclusifs

Si k événements 𝐴1 , 𝐴2 , … … … . . , 𝐴𝑘 sont mutuellement exclusifs alors :

𝑝(𝐴1 ∪ 𝐴2 ∪ … … … . .∪ 𝐴𝑘 ) = 𝑝(𝐴1 ) + 𝑝(𝐴2 ) + ⋯ … … + 𝑝(𝐴𝑘 )

Si trois événements aléatoires A, B, et C sont mutuellement exclusifs alors :

𝑃(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶))

Si trois événements aléatoires A, B, et C ne sont pas mutuellement exclusifs alors :

𝑝(𝐴1 ∪ 𝐴2 ∪ … .∪ 𝐴𝑛 ) = ∑ 𝑝(𝐴𝑖 ) − ∑ ∑ 𝑝(𝐴𝑖 ∩ 𝐴𝑗 ) + ∑ ∑ ∑ 𝑝(𝐴𝑖 ∩ 𝐴𝑗 ∩ 𝐴𝑘 )

3.3. Evénements complémentaires

IV. NOTION D’INDEPENDANCE

Considérons le cas de plusieurs expériences aléatoires simultanées ou successives. Soient deux

Soient deux événements aléatoires A et B non nécessairement exclusifs.

Cette définition conduit à la formule de probabilité composée :

𝒑(𝑨 ∩ 𝑩) = 𝒑(𝑨/𝑩) × 𝒑(𝑩) = 𝒑(𝑩/𝑨) × 𝒑(𝑨)

4.2. Evénements indépendants

𝑝(𝐴 ∩ 𝐵) = 𝑝(𝐴) × 𝑝(𝐵)

Plusieurs événements𝐴1 , 𝐴2 , … … … . . , 𝐴𝑘 sont indépendants si :

𝑝(𝐴1 ∩ 𝐴2 ∩ … … … . .∩ 𝐴𝑘 ) = 𝑝(𝐴1 ) × 𝑝(𝐴2 ) × … … … × 𝑝(𝐴𝑘 )