Probabilités

Filière: Sciences Economiques

Deuxième Semestre
Sections: 3 et 4

ABDELALI SABRI

Professeur Universitaire à la Faculté d’Economie et de Gestion,

Université Hassan 1er
Copyright © 2021-2022 ABDELALI SABRI

Copying

All rights reserved.

Art. No xxxxx
ISBN xxx–xx–xxxx–xx–x
Edition 0.0

Published by Professeur Universitaire à la Faculté d’Economie et de Gestion, Université

Hassan 1er
Table des matières

1 Analyse combinatoire et dénombrement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.1 Analyse combinatoire ............................................................................... 4
1.1.1 Principe de décomposition ................................................................ 6
1.1.2 Permutations simples (Sans répétition) .............................................. 7
1.1.3 Permutations avec répétition ............................................................. 8
1.1.4 Arrangements simples (Sans répétition) ............................................ 8
1.1.5 Arrangements avec répétition ........................................................... 9
1.1.6 Combinaisons simples (sans répétition) ........................................... 10
1.2 Théorie élémentaire des ensembles ......................................................... 11
1.2.1 Définitions et généralités ................................................................ 11
1.2.2 Opérations sur les ensembles ......................................................... 12

2 Calcul des probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

2.1 Introduction .......................................................................................... 16
2.2 Définitions et vocabulaire ....................................................................... 17
2.3 Calcul de probabilités ............................................................................. 18
2.4 Probabilités conditionnelles .................................................................... 19
2.5 Épreuves successives ............................................................................. 21

3 Variables aléatoires et Lois de probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

3.1 Variables aléatoires ............................................................................... 29
3.1.1 Variables aléatoires discrète ........................................................... 30
3.1.2 Variables aléatoires continues ........................................................ 34
3.2 Lois Variables aléatoires discrètes ........................................................... 37
3.2.1 Loi de Bernoulli .............................................................................. 37
3.2.2 Loi Binomiale ................................................................................. 38
3.2.3 Loi géométrique ............................................................................. 38
3.2.4 Loi de Poisson ................................................................................ 39
3.3 Loi de variables aléatoires continues (autre que la loi Normale) ................. 39
3.3.1 Loi uniforme .................................................................................. 39
3.3.2 Loi exponentielle ............................................................................ 40
3.4 Loi normale ........................................................................................... 40
3.4.1 Introduction : Loi normale ............................................................... 40
3.4.2 Loi normale générale ...................................................................... 41
3.4.3 Loi Normale centrée réduite ............................................................ 42

3
1. Analyse combinatoire et dénombrement

1.1 Analyse combinatoire ................................................ 4

1.2 Théorie élémentaire des ensembles ............................ 11

1.1 Analyse combinatoire

Pour une expérience aléatoire donnée, si on suppose que tous les cas possibles ont la
même probabilité (équiprobable) et que leur nombre est fini, On définit la probabilité d’un
événement par le rapport du nombre de tous les cas favorables à sa réalisation sur le nombre
de tous les cas possibles.
D’où, pour calculer les probabilités, dans une telle situation, on a besoin de deux outils :
L’analyse combinatoire et la théorie des ensembles.

Définition 1.1 (Analyse combinatoire).

L’Analyse combinatoire est la branche des mathématiques qui étudie les "configu-
rations", formées à partir d’"objets" pris dans un ensemble fini donné et disposés en
respectant certaines contraintes ou certaines structures fixées. Les deux problèmes
principaux de l’analyse combinatoire sont l’énumération des configurations, et leur
dénombrement.
Les dénombrements (arrangements, combinaisons, permutations) jouent un rôle
essentiel en probabilités combinatoires, où l’hypothèse d’équiprobabilité ramène
la détermination des probabilités à des comptes d’évènements élémentaires.

Exemple 1.1 Combien de nombres peut-on composer avec les chiffres 1, 2, 3 et 4 ?

Réponse : On peut lister les chiffres de cette manière, et on aboutit à composer avec
les chiffres 1, 2, 3 et 4 exactement 24 nombres.

4
Chapitre 1. Analyse combinatoire et dénombrement

Figure 1.1 – Exemple de dénombrement par liste

Les problèmes de cette liste sont :

1) Très long.

2) Risque d’oublier des éléments.

3) Risque de mettre les éléments plusieurs fois (redondance).

Comme une deuxième solution, on peut utiliser l’arbre de classement :

Figure 1.2 – Exemple de dénombrement par arbre de classement

Dans l’arbre de classement, il est plus sûr que la liste, car de par sa symétrie, on voit s’il y
a des doublons ou des éléments manquants. Ceci peut donner une naissance à la définition
d’un arbre de classement.

Définition 1.2 (Arbre de classement).

Un arbre de classement est un schéma permettant de décrire et de dénombrer tous

les résultats possibles d’une expérience donnée.

En considérant le même exemple, on remarque que le premier étage comporte 4 embranche-

ments, le deuxième 3, le troisième 2 et le dernier 1 seul. L’arbre comporte donc 4 * 3 * 2 * 1
= 24 chemins. On peut ainsi extrapoler et deviner que si l’on rajoute un chiffre à l’énoncé,

Probabilités 5 Abdelali SABRI

 1.1. Analyse combinatoire

(càd : Combien de nombres peut-on former avec les chiffres 1, 2, 3, 4 et 5 ?) on va trouver 5

* 4 * 3 * 2 * 1 = 120 possibilités. On a recours à la définition suivante :

Définition 1.3 (n Factorielle ).

Soit n un entier positif ou nul. On appelle n factorielle, noté n!, le produit des
nombres entiers de 1 à n.
(
1 si n = 0
n! =
n × (n − 1) × . . . × 3 × 2 × 1 si n > 0

Exemple 1.2
5! = 5 ∗ 4 ∗ 3 ∗ 2 ∗ 1 = 120
7! = 7 ∗ 6 ∗ 5 ∗ 4 ∗ 3 ∗ 2 ∗ 1 = 5040
0! = 1

Remarque 1.1.

Sur certaines calculatrices, la touche x! effectue ce type de calcul.

1.1.1 Principe de décomposition

Définition 1.4 (Principe de décomposition).

Si une expérience globale peut se décomposer en k épreuves élémentaires succes-

sives, ces dernières pouvant s’effectuer respectivement de n1 , n2 , . . . , nk manières,
alors l’expérience globale peut se faire de n1 ∗ n2 ∗ . . . ∗ nk manières différentes.

Exemple 1.3 On lance successivement trois dés à 6 faces (une expérience globale).
Combien y a-t-il d’issues possibles?
Réponse : D1: 6 chiffres distincts D2: 6 chiffres distincts D3: 6 chiffres distincts Selon
le principe de décomposition (3 épreuves), le nombre d’issues possibles est de 6∗6∗6 =
216 .

Exemple 1.4 On veut imprimer une plaque de voiture comportant de gauche

à droite, 2 lettres distinctes et 3 chiffres, le premier est différent de zéro
(une expérience globale). A combien s’élève le nombre de plaques de ce type?
(CH124), (DE665), . . . . . . . . . , . . . . . . .
Réponses : Lettre 1 = 26 (26 lettres possibles) Lettre 2 = 25 (pour avoir des lettres
distinctes) Chiffre 1 = 9 (sans le zéro) Chiffre 2 = 10 Chiffre 3 = 10 Selon le prin-
cipe de décomposition (5 épreuves), le nombre possible de plaques de ce type est de
26∗ 25∗ 9∗ 10∗ 10 = 585000

Probabilités 6 Abdelali SABRI

Chapitre 1. Analyse combinatoire et dénombrement

1.1.2 Permutations simples (Sans répétition)

Exemple 1.5 Combien de "mots" différents peut-on écrire avec toutes les lettres du
mot ECROU ?
Réponses : Selon le principe de décomposition (5 épreuves) :

Figure 1.3 – Exemple

Pour chaque niveau, on a: 1ère lettre : 5 possibilités

2ème lettre : 4 possibilités
3ème lettre : 3 possibilités
4ème lettre : 2 possibilités
5ème lettre : 1 possibilités
Au total : 5 ∗ 4 ∗ 3 ∗ 2 ∗ 1 = 5! = 120 possibilités.

Définition 1.5.

Si on classe dans un ordre particulier n éléments distincts, on forme une permuta-

tion simple (de ces n éléments).

Exemple 1.6 1) Combien de mots différents peut-on former à l’aide des 7 lettres
distinctes A, B, C, D, E, F, G? Réponse: Il y a P7 = 7×6×5×4×3×2×1 = 7! = 5040
mots différents.

2) De combien de façons différentes peut-on asseoir 5 personnes sur un banc? Ré-

ponse: P5 = 5 × 4 × 3 × 2 × 1 = 5! = 120 possibilités.

3) En généralisant et en utilisant le principe de décomposition, le nombre Pn de

permutations simples est: Pn = n!

Probabilités 7 Abdelali SABRI

 1.1. Analyse combinatoire

1.1.3 Permutations avec répétition

Exemple 1.7 Combien de mots différents peut-on écrire avec toutes les lettres du mot
ERRER? Correction : Partons des permutations simples du mot ERRER : on en trouve
P5 = 5 ∗ 4 ∗ 3 ∗ 2 ∗ 1 = 5! = 120. Mais parmi celles-ci, certaines sont indiscernables si l’on
emploie le même graphisme pour toutes les lettres : En partant du mot ERRER, on en
trouve 6 en permutant les trois r (3!), Puis, on peut multiplier par 2 ces possibilités
en permutant les deux e (2!) : Nous avons donc 5! = 120 permutations simples pour
5!
le mot ERRER; on en compte 12 fois trop. Ils sont donc au nombre de P = 3!∗2!

Définition 1.6 ( Permutations avec répétition ).

Si on classe dans un ordre particulier n éléments dont n1 sont identiques de type

1, n2 sont identiques de type 2, . . . .., nk sont identiques de type k, on forme une per-
mutation avec répétitions (de ces n éléments).
En généralisant et en utilisant le principe de décomposition, le nombre
P¯n (n1 , n2 , . . . , nk ) de permutations avec répétitions est:

n!
P¯n (n1 , n2 , . . . , nk ) =
n1 ! × n2 ! × . . . × nk !

Remarque 1.2.

1) P¯n (n1 , n2 , . . . , nk ) < Pn .

2) La barre sur le P signifie "avec répétitions".

1.1.4 Arrangements simples (Sans répétition)

Exemple 1.8 Dans une course de 10 chevaux, combien peut-il y avoir de podiums
différents (un podium comporte 3 places)?
Réponse : Selon le principe de décomposition (3 épreuves):

• 1ère place : 10 possibilités.

• 2ème place : 9 possibilités.

• 3ème place : 8 possibilités.

Au total : 10 × 9 × 8 = 720 possibilités.

Probabilités 8 Abdelali SABRI

Chapitre 1. Analyse combinatoire et dénombrement

Définition 1.7 (Arrangement simple).

Si, parmi n éléments distincts, on choisit r éléments distincts (r 6 n) en les classant

dans un ordre particulier, on forme un arrangement simple (de r éléments choisis
parmi n ).

Exemple 1.9 Après les prolongations d’un match de football le nombre de façons de
choisir les 5 tireurs de penalties parmi les onze joueurs et l’ordre de passage :

11! 11!
= = 11 × 10 × 9 × 8 × 7 = 55440
(11 − 5)! 6!

En généralisant et en utilisant le principe de décomposition, le nombre Anr d’arrangement

simple est:
n!
Anr = n × (n − 1) × . . . × (n − r + 1) =
(n − r)!

Remarque 1.3.

n!
• si r = n, Ann = (n−n)! = n! = Pn ; les permutations sont un cas particulier des
arrangements.

• Sur certaines calculatrices, la touche nPr effectue ce type de calcul.

1.1.5 Arrangements avec répétition

Exemple 1.10 Combien de mots différents de 4 lettres peux-t-on former à l’aide des 7
lettres A, B, C, D, E, F, G, si on peut répéter les lettres dans les mots?
Réponse : Selon le principe de décomposition ( 4 épreuves) : Il y a 7 × 7 × 7 × 7 = 74 =
2401 mots différents.

Définition 1.8.

Si, parmi n éléments distincts, on choisit r éléments distincts ou non (on peut choi-
sir plusieurs fois le même) en les classant dans un ordre particulier, on forme un
arrangement avec répétitions (de r éléments choisis parmi n ).

Exemple 1.11 Combien de séquences différentes peut-on lire sur un compteur kilo-
métrique de voiture à 6 chiffres?
Réponse : Selon le principe de décomposition (6 épreuves), Il y a 10×10×10×10×10×
10 = 106 = 1.000.000 choix.

Probabilités 9 Abdelali SABRI

 1.1. Analyse combinatoire

En généralisant et en utilisant le principe de décomposition, le nombre Ānr d’arrangement

avec répétitions est:
Ānr = nr

Remarque 1.4.

La barre sur le A signifie "avec répétitions".

1.1.6 Combinaisons simples (sans répétition)

Exemple 1.12 Combien de sous-ensembles de 3 lettres, sans tenir compte de l’ordre,

peut-on former à l’aide des 4 lettres distinctes {A, B, C, D}?
n!
Réponse : Si l’on tient compte de l’ordre, voici le nombre de possibilités : A43 = (4−3)! =
24

Figure 1.4 – Exemple

Or, chacune des colonnes donne les mêmes lettres, qui est alors compté 6 fois (les 3! per-
mutations du trio). Par conséquent, si l’on ne tient pas compte de l’ordre, comme c’est le
cas pour les combinaisons, il faut diviser le nombre d’arrangements simples par 3!, Soit :
A43 4!
C34 = 3! = (4−3)!3!
=4

Définition 1.9 ( Combinaisons simples (sans répétition)).

Si, parmi n éléments distincts, on choisit r éléments distincts (r 6 n) sans les classer
dans un ordre particulier, on forme une combinaison simple (de r éléments choisis
parmi n ).

Autrement dit : une combinaison est un arrangement dans lequel l’ordre ne compte pas.

Exemple 1.13 De combien de façons différentes peut-on asseoir 5 personnes sur un

5!
banc de 3 places si la place sur le banc est indifférente? Réponse : C35 = (5−3)!3! = 10
façons. En généralisant et en utilisant le principe de décomposition, le nombre Crn de

Probabilités 10 Abdelali SABRI

Chapitre 1. Analyse combinatoire et dénombrement

combinaisons simples est :

n!
Crn =
(n − r)!r!

Remarque 1.5.

Nous pouvons remarquer que:

Anr
• Crn = Pr ⇔ Anr = Pr × Crn .

• Anr > Crn .

!
n
• Autre notation Crn = coefficients binomiaux".
r

• Sur certaines calculatrices, la touche nCr effectue ce type de calcul.

1.2 Théorie élémentaire des ensembles

1.2.1 Définitions et généralités
Définition 1.10 ( Vocabulaire et notations ).

• Un ensemble est un groupe d’individus, appelés éléments.

• Le résultat d’une expérience aléatoire s’appelle événement.

• On note par : e ∈ E, l’élément e appartient à E ou e est un élément de l’en-

semble E.

• On note E = {e1 , e2 , . . . , en }, un ensemble de n éléments e1 , e2 , . . . , en .

• On note E = ∅, un ensemble vide.

• Un ensemble A est un sous-ensemble (ou une partie) de E, si tous les éléments

de A appartiennent à E. On note A ⊂ E, et on dit que A est inclus dans E.

• Pour un ensemble E non vide, on note P (E) l’ensembles de toutes les parties
de E,

• Si A est un sous ensemble de E, on écrit A ⊂ E ou A ∈ P (E)

Exemple 1.14 1) Si E = {a, b, c}, alors :

P (E) = {∅, {a}, {b}, {c}, {a, b}, {a, c}, {b, c}, E}

2) Si A = {a, c}, alors : On a A ⊂ E et A ∈ P (E).

Probabilités 11 Abdelali SABRI

 1.2. Théorie élémentaire des ensembles

1.2.2 Opérations sur les ensembles

Définition 1.11 ( L’Union).

L’ensemble de tous les éléments qui appartiennent à A ou B ou aux deux est appelé
union de A et B, noté : A ∪ B.

A ∪ B = {x ∈ E/ x ∈ A ou x ∈ B}

Figure 1.5 – Union

Définition 1.12 ( L’Intersection).

L’ensemble de tous les éléments qui appartiennent à la fois à A et B est appelé

intersection de A et B, noté : A ∩ B.

A ∩ B = {x ∈ E/ x ∈ A et x ∈ B}

Figure 1.6 – Intersection

Probabilités 12 Abdelali SABRI

Chapitre 1. Analyse combinatoire et dénombrement

Définition 1.13 ( La différence).

L’ensemble de tous les éléments de A qui n’appartiennent pas à B est appelé diffé-
rence de A et B, noté A − B ou A\B.

A\B = {x ∈ E/x ∈ Aet x < B}

Figure 1.7 – Différence de A et B

Définition 1.14 ( Deux ensembles incompatibles).

Deux ensembles A et B sont disjoints ou incompatibles s’ils n’ont aucun élément en

commun.
A∩B = ∅

Figure 1.8 – Deux ensembles incompatibles

Définition 1.15 ( Le complémentaire).

L’ensemble de tous les éléments de E qui n’appartiennent pas à A est le complé-

mentaire de A dans E noté Ā, alors A ∩ Ā = ∅ et A ∪ Ā = E.

Figure 1.9 – Le complémentaire

Le tableau qui suit résume les opérations essentielles:

Probabilités 13 Abdelali SABRI

 1.2. Théorie élémentaire des ensembles

Définition 1.16 ( Cardinale).

Le nombre d’éléments d’un ensemble E est noté card(E).

Proposition 1.1.

Soient E1 et E2 deux ensembles finis.

1) Card (E1 ∪ E2 ) = Card (E1 ) + Card (E2 ) − Card (E1 ∩ E2 ).

2) Card (E1 × E2 ) = Card (E1 ) × Card (E2 ).

Probabilités 14 Abdelali SABRI

Chapitre 1. Analyse combinatoire et dénombrement

TD1 Analyse combinatoire

Exercice 1 :
1) Combien de mots différents peut-on former avec les lettres des mots suivants: (Atten-
tion, les mots formés ne doivent pas forcément avoir un sens)
a) eux b) utile c) parmi

2) Combien de mots différents peut-on écrire avec les lettres du mot:

a) arranger b) rire ?

3) a) Combien de mots différents peut-on écrire avec les lettres du mot: ELEVES.
b) Combien de ces mots commencent et finissent par E?
c) Combien sont ceux où les trois E sont adjacents?
d) Combien commencent par E et se terminent par S ?
Exercice 2 :
1) Il y a 8 balles numérotées de 1 à 8 dans une urne. Combien de nombres de 3 chiffres
peut-on former :

a) avec replacement des balles dans l’urne ?

b) sans replacement des balles dans l’urne ?

2) Combien de comités de 3 personnes peut-on former avec 8 personnes ?

3) Combien de comités de 3 hommes et 2 femmes peut-on former avec 7 hommes et 5

femmes ?

4) Une classe compte 24 élèves. De combien de façons peut-on former :

a) 3 groupes de 8 élèves ?
b) 8 groupes de 3 élèves ?

Exercice 3 :
1) Lorsqu’on jette 20 fois de suite une piéce de monnaie, combien de séquences différentes
sont possibles ? Parmi celles-ci, combien contiennent exactement 1 fois pile ? 2 fois pile
? 4 fois pile ? 10 fois pile ? 20 fois pile ?

2) Combien de nombres de 4 chiffres supérieurs 3000 pouvons-nous former avec les

chiffres 2, 3, 4, 5 si la répétition des chiffres :

a) n’est pas permise ?

b) est permise ?

3) Une urne contient 5 boules blanches et 3 boules rouges.

a) Combien y a-t-il de possibilités d’extraire de l’urne 3 boules dont deux sont blanches
et l’autre rouge ?
b) Combien y a-t-il de possibilités d’extraire successivement de l’urne : une boule
blanche, une boule rouge et une boule blanche ?

Probabilités 15 Abdelali SABRI