Académique Documents
Professionnel Documents
Culture Documents
1
Définitions, axiomes et propriétés
Avant de donner des définitions formelles, essayons
de comprendre la signification du mot probabilité.
Considérons les expériences suivantes :
3
Définitions, axiomes et propriétés
3) On lance un dé équilibré. On sait que la
probabilité d’obtenir 2 est 1/6.
4
Définitions
Expérience aléatoire:
Une expérience aléatoire est une expérience dont
on ne peut pas prédire les résultats avec certitude.
Espace échantillon:
L'ensemble des résultats possibles d'une expérience
aléatoire est appelé espace échantillon. Il sera
dénoté par Ω.
5
Définitions
Événement:
Un événement A est un sous-ensemble de l'espace
échantillon Ω.
Événement élémentaire:
Un événement élémentaire est un événement qui
ne peut être décomposé.
Remarque :
Les définitions d’événement et d’événement
élémentaire implique qu’un événement est une
union d’événements élémentaires.
6
Définitions
En jetant un dé :
- "obtenir un six " est un évènement
Les événements:
9
Exemple 2:
Expérience : Lancer deux pièces de monnaie.
Ω = {PP , PF , FP , FF}.
10
Exemple 2:
Expérience : Lancer un dé. Ω = {1,2,3,4,5,6}
11
Combinaisons d'événements
12
Combinaisons d'événements
13
Combinaisons d'événements
14
Combinaisons d'événements
Événement impossible et événement certain.
L'ensemble vide φ et l'ensemble Ω sont
respectivement, l’événement impossible et
l’événement certain.
Source: https://datascience.eu/fr/mathematiques-et-statistiques/evenement-mutuellement-exclusif-definition-exemples-syndicats 17
Source: http://webapps.fundp.ac.be/umdb/biostats2017/biostat/modules/module30/module.php# 18
Source: http://webapps.fundp.ac.be/umdb/biostats2017/biostat/modules/module30/module.php# 19
Combinaisons d'événements
Exemple:
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
21
Axiomes
Définition:
Une fonction P qui fait correspondre à chaque
événement A ⊂ Ω un nombre réel P(A) est appelée
une probabilité si elle satisfait les axiomes suivants:
A3. P(Ω) = 1 22
Propriétés
1. P( Ac ) =1− P(A)
2. P(φ) = 0 : la probabilité de l'événement
impossible est 0
3. P(A) = P(A∩B) + P(A∩Bc )
4. Si B ⊂ A, alors P(B) ≤ P(A)
5. P(A) ≤ 1 pour tout événement A ⊂ Ω
6. P(A - B) = P(A) - P(A∩B)
7. P(A∪B) = P(A) + P(B) - P(A∩B)
23
Probabilités conditionnelles - Indépendance
Une expérience aléatoire est une expérience dont le
résultat dépend du hasard.
• Chacun des résultats possibles s’appelle une
éventualité (ou une issue).
• L’ensemble Ω de tous les résultats possibles d’une
expérience aléatoire s’appelle l’univers de l’expérience.
• On définit une loi de probabilité sur Ω en associant, à
chaque éventualité xi , un réel pi compris entre 0 et 1 tel
que la somme de tous les pi soit égale à 1.
• Un événement est un sous-ensemble de Ω.
Soruce: https://www.maths-cours.fr/cours/evenements-probabilites/ 24
Probabilités conditionnelles - Indépendance
Le lancer d’un dé à six faces est une expérience
aléatoire d’univers comportant 6 éventualités : =
{1;2;3;4;5;6}
Soruce: https://www.maths-cours.fr/cours/evenements-probabilites/ 25
Probabilités conditionnelles - Indépendance
Ces événements peuvent être représentés par un
diagramme de Venn :
Soruce: https://www.maths-cours.fr/cours/evenements-probabilites/ 26
Probabilités conditionnelles - Indépendance
• l’événement contraire de A noté 𝐴ҧ est l’ensemble
des éventualités de qui n’appartiennent pas à A.
Soruce: https://www.maths-cours.fr/cours/evenements-probabilites/ 27
Probabilités conditionnelles - Indépendance
On reprend l’exemple précédent :
E1 = {2;4;6}, E2 = {1;2;3}
• 𝐸ത 1 = {1;3;5} : cet événement peut se traduire par « le
résultat est un nombre impair »
28
Probabilités conditionnelles - Indépendance
On reprend l’exemple précédent :
E1 = {2;4;6}, E2 = {1;2;3}
• E1∪E2 = {1;2;3;4;6} : cet événement peut se traduire
par « le résultat est pair ou strictement inférieur à 4 ».
29
Probabilités conditionnelles - Indépendance
On reprend l’exemple précédent :
E1 = {2;4;6}, E2 = {1;2;3}
• E1∩E2 = {2} : cet événement peut se traduire par
« le résultat est pair et strictement inférieur à 4 ».
30
Probabilités conditionnelles - Indépendance
On dit que A et B sont incompatibles si et seulement
si A∩B = ∅
Exemple:
«Obtenir un chiffre inférieur à 2 » et « obtenir un
chiffre supérieur à 4 » sont deux événements
incompatibles.
31
Probabilités conditionnelles - Indépendance
Propriétés:
• p(∅) = 0
• p(Ω) = 1
• p(𝐴) = 1 − p(A)
• p(A∪B) = p(A) + p(B) − p(A∩B).
Si A et B sont incompatibles, la dernière égalité
devient :
• p(A∪B) = p(A) + p(B).
32
Arbre
Lorsqu’une expérience aléatoire comporte plusieurs
étapes, on utilise souvent un arbre pondéré pour la
représenter.
Exemple:
Dans une classe de Terminale, 52% de garçons et 48%
de filles étaient candidats au baccalauréat. 80% des
garçons et 85% des filles ont obtenu leur diplôme.
On choisit un élève au hasard et on note :
G : l’événement « l’élève choisi est un garçon » ;
F : l’événement « l’élève choisie est une fille » ;
B : l’événement « l’élève choisi(e) a obtenu son
baccalauréat ». 33
Arbre
On peut représenter la situation à l’aide de l’arbre
pondéré ci-dessous :
On choisit un élève au hasard et on note :
G : l’événement « l’élève choisi est un garçon » ;
F : l’événement « l’élève choisie est une fille » ;
B : l’événement « l’élève choisi(e) a obtenu son
baccalauréat ».
35
Probabilités Conditionnelles
Soit A et B deux événements tels que p(A) ≠ 0, la
probabilité de B sachant A est le nombre :
36
Probabilités Conditionnelles
Exemple:
On reprend l’exemple du lancer d’un dé. La
probabilité d’obtenir un chiffre pair sachant que
le chiffre obtenu est strictement inférieur à 4 est
(en cas d’équiprobabilité) :
E1 = {2;4;6}, E2 = {1;2;3}
37
Probabilités Conditionnelles
Remarques:
L’égalité précédente s’emploie souvent sous la forme :
38
Probabilités Conditionnelles
Remarques:
Avec un arbre pondéré, les probabilités conditionnelles
figurent sur les branches du second niveau et des
niveaux supérieurs (s’il y en a).
39
Probabilités Conditionnelles
Remarques:
40
Probabilités Conditionnelles
Remarques:
La formule p(A∩B) = p(A)×pA(B) s’interprète alors de la
façon suivante :
41
Probabilités Conditionnelles
Remarques:
42
Evénements Indépendants
Remarques:
Deux événements A et B sont indépendants si et
seulement si :
43
Evénements Indépendants
Exemple 1:
On rappelle qu’un jeu de 32 cartes est composé des
cartes 7, 8, 9, 10, valet, dame, roi et as, déclinées en
quatre couleurs : trèfle, pique, coeur et carreau.
Source: http://aiguerande.fr/blogs/maths/en-autonomie/notions/probabilites-et-
statistiques/probabilites/exercice-2-avec-un-jeu-de-32-cartes/ 44
Evénements Indépendants
Exemple 1:
Source: http://aiguerande.fr/blogs/maths/en-autonomie/notions/probabilites-et-
statistiques/probabilites/exercice-2-avec-un-jeu-de-32-cartes/ 45
Evénements Indépendants
Exemple 1:
Source: http://aiguerande.fr/blogs/maths/en-autonomie/notions/probabilites-et-
statistiques/probabilites/exercice-2-avec-un-jeu-de-32-cartes/ 46
Evénements Indépendants
Exemple 1:
47
Evénements Indépendants
Exemple 1:
48
Evénements Indépendants
Exemple 1:
49
Evénements Indépendants
Exemple 2:
Source: http://mathematiques.daval.free.fr/IMG/pdf/BTS_Cours_1_Probabilites.pdf 50
Evénements Indépendants
Exemple 2:
Source: http://mathematiques.daval.free.fr/IMG/pdf/BTS_Cours_1_Probabilites.pdf 51
Probabilités
Univers, issues et événements
Source: http://www.apprendre-en-ligne.net/MADIMU2/PROBA/PROBA2.PDF 52
Probabilités
Univers, issues et événements
53
Probabilités
Univers, issues et événements
54
Probabilités
Univers, issues et événements
55
Probabilités
Exemple
56
Probabilités
Exemple
*Un nombre premier est un entier naturel qui admet exactement deux diviseurs
distincts entiers et positifs.
57
Probabilités
Exemple
58
Probabilités
Exemple
59
Vocabulaire propre aux évènements
60
Probabilité
61