Académique Documents
Professionnel Documents
Culture Documents
COURS DE PROBABILITE
Année universitaire
2021-2022
-1-
Introduction
Dans la vie courante on est confronté à des situations d’incertitudes, comme par exemple, est ce qu’il va
pleuvoir demain ? La question va se ramener à comment mesurer numériquement cette incertitude, on parle
ainsi de calcul de probabilité. On attribue une valeur égale ou proche de 0 à tout événement dont on estime
qu’il n y a presque aucune chance pour qu’il se réalise, et on donne une valeur égale ou proche de 1 à tout
événement dont on estime qu’il est fort probable qu’il se réalise.
Dans ce chapitre on va définir la probabilité comme une fonction définie sur un espace dit des événements et à
valeurs dans [0, 1]. Le but étant de se familiariser avec le formalisme proposé par la théorie des probabilités et
pouvoir faire des calculs de probabilités.
Définition : on appelle expérience aléatoire, toute expérience E conduisant selon le hasard à plusieurs
résultats possibles.
Exemples :
On jette une pièce de monnaie, on a deux résultats possibles, Pile (P) ou Face (F).
On jette deux dés (un dé est un cube à six faces) en même temps, on a plusieurs réalisations possibles, la
réalisation (1, 2) signifie que le premier dé a donné 1 comme résultat et que le deuxième dé a donné 2
comme résultat.
Définition : on appelle univers associé à l’expérience aléatoire E, l’ensemble de tous les résultats possibles
de E. un élément 𝜔 ∈ est appelé événement élémentaire de E.
Exemples :
Si on jette une pièce de monnaie, = P, F
Si on jette deux dés, on a :
= 1, 1 ; 1, 2 ; ⋯ ; 1, 6 ; 2, 1 ; ⋯ ; 2, 6 ; ⋯ ; 6, 1 ; ⋯ ; 6, 6
= 𝑖, 𝑗 / 𝑖, 𝑗 ∈ 1, 2, ⋯ ,6
On peut s’intéresser dans cette expérience à la fréquence de l’apparition d’un nombre pair, on pose pour cela :
𝐴𝑘 = " Il y a 𝑘 fois où le résultat est pair "
Si 𝑛 = 2, = P, NP 2
= P, NP x P, NP = P, P ; P, NP ; NP, P ; NP, NP
𝐴0 = NP, NP ; 𝐴1 = P, NP ; NP, P ; 𝐴2 = P, P
Remarque : un univers , peut être dénombrable fini ou infini . = 1, 2, 3, 4, 5, 6 dans le cas du jet de dé.
= 0, 1, 2, ⋯ = ℕ dans le cas par exemple où on observe l’arrivée des clients devant un service.
-2-
L’univers peut être non dénombrable, c’est le cas où il contient un intervalle continu, de la forme par
exemple 𝑎, 𝑏 ; 𝑎 < 𝑏. Dans un jeu de tire à flèche, on veut atteindre un objectif dans un disque de rayon
𝑟 > 0 ; tous les résultats possibles sont dans l’intervalle 0, 𝑟 .
𝑟
Définition : un événement aléatoire, associé à E, est tout événement dont la réalisation dépend des résultats
de E. Un événement aléatoire s’identifie à une partie 𝐴 de .
Exemple : on joue avec un dé, = 1, 2, 3, 4, 5, 6 , toutes les parties de sont des événements aléatoires, en
particulier 𝐴 = "obtenir un résultat pair"= 2, 4, 6
Remarque :
est l’événement certain, on est sûr que l’un des événements élémentaires de va se réaliser.
On note ∅ l’événement impossible, c’est l’ensemble vide qui ne contient aucun événement élémentaire.
= 𝐴 ∪ 𝐴 , soit c’est 𝐴 qui se réalise, soit c’est son contraire (𝐴 est le complémentaire de 𝐴 dans )
𝑩
𝑩∩𝑨
𝑨
L’intersection : on note 𝐴 ∩ 𝐵 = 𝑤 ∈ / 𝑤 ∈ 𝐴 et 𝑤 ∈ 𝐵
-3-
La réunion : 𝐴 ∪ 𝐵 se réalise ssi 𝐴 ou 𝐵 se réalise
𝐴 ∪ 𝐵 = 𝑤 ∈ / 𝑤 ∈ 𝐴 ou 𝑤 ∈ 𝐵
𝑨 𝑩
𝑨∩𝑩
Propriétés :
Commutativité :
𝐴 ∪ 𝐵 = 𝐵 ∪ 𝐴 et 𝐴 ∩ 𝐵 = 𝐵 ∩ 𝐴
Associativité :
𝐴 ∪ 𝐵 ∪ 𝐶) = (𝐴 ∪ 𝐵 ∪ 𝐶
𝐴 ∩ 𝐵 ∩ 𝐶) = (𝐴 ∩ 𝐵 ∩ 𝐶
Distributivité :
𝐴 ∪ 𝐵 ∩ 𝐶) = (𝐴 ∪ 𝐵 ∩ 𝐴 ∪ 𝐶
𝐴 ∩ 𝐵 ∪ 𝐶) = (𝐴 ∩ 𝐵 ∪ 𝐴 ∩ 𝐶
Lois de Morgan :
𝐴 ∪ 𝐵 = 𝐴 ∩ 𝐵 et 𝐴 ∩ 𝐵 = 𝐴 ∪ 𝐵
1. 𝐴∈𝒜 𝐴∈𝒜
𝐴𝑛 ∈ 𝒜
𝑛≥0
-4-
Remarque : si est fini, une tribu de est l’ensemble des parties de , noté P = 𝒜.
Si = 1, 2, 3, 4, 5, 6 alors P =
𝐴 peut se réaliser à travers les trois possibilités, comme 𝐴 = 1, 3, 5 ="obtenir un résultat impair" peut se
réaliser à travers les trois autres événements élémentaires. On peut attribuer à 𝐴 ou 𝐴 les 50% de chances de
se réaliser.
3 1
𝐴 → 𝑃 𝐴 = 50% = =
6 2
3 1
𝐴 → 𝑃 𝐴 = 50% = =
6 2
1 1
=𝐴∪𝐴 →𝑃 = + =1
2 2
∅==𝐴∩𝐴 →𝑃 ∅ =1−𝑃 =0
1. 𝑃() = 1
2. Pour toute suite 𝐴𝑛 𝑛≥0 d’événements aléatoires deux à deux incompatibles, alors on a la propriété de la
𝜎-additivité :
𝑃 𝐴𝑛 = 𝑃 𝐴𝑛
𝑛≥0 𝑛≥0
Exemples :
-5-
𝑃 P = 𝑃 P = 𝑃 𝑃𝑖𝑙𝑒 = 𝑝 ; 𝑝 ∈ 0, 1
𝑃 F = 𝑃 F = 𝑃 𝐹𝑎𝑐𝑒 = 𝑞 ; 𝑞 ∈ 0, 1
𝑃 ∅ = 0 et 𝑃 = 𝑃 P, F =𝑃 P +𝑃 F =1
On doit avoir 𝑞 = 1 − 𝑝.
= P, F 2
= P, F x P, F = P, P ; P, F ; F, P ; F, F
𝒜 =P contient 24 = 16 événements.
1
𝑃 P, P = 𝑃 P, F = 𝑃 F, P = 𝑃 F, F =
4
= 1, 2, 3, 4, 5, 6 ; 𝑃 𝑖 = 𝑃 𝑖 = 1 6 pour tout 𝑖 = 1, ⋯ ,6
Propriétés : soit 𝐴, 𝐵 ∈ 𝒜 ,
2. 0 ≤ 𝑃(𝐴) ≤ 1 et 𝑃 𝐴 = 1 − 𝑃(𝐴)
𝑃 𝐴 = 𝑃(𝑤)
𝑤∈𝐴
Exemple :
1
𝑃 𝑖, 𝑗 =
36
On veut calculer la probabilité d’avoir au moins une face qui correspond à 5. Cet événement est l’union des
deux événements
=𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵
6 6 1 11
= + − =
36 36 36 36
= 0.3055
= 30.55%
= w1 , w2 , ⋯ , wn et 𝑝𝑖 = 𝑃 wi ; 𝑖 = 1, ⋯ , 𝑛.
𝑛
On doit bien sûr vérifier que 0 ≤ 𝑝𝑖 ≤ 1 et 𝑖=1 𝑝𝑖 = 1.
Dans certaines expériences E on peut remarquer que tous les événements wi ont même chance de se réaliser
càd que 𝑝𝑖 = 𝑝 ∀ 𝑖 ∈ 1, ⋯ , 𝑛
Exemples :
1
Jet de pièce de monnaie parfaite 𝑝𝑖 = 2 ; 𝑖 = 1, 2
1
Jet de dé non truqué 𝑝𝑖 = 6 ; 𝑖 = 1, 2, ⋯ , 6
-7-
1
Choix au hasard d’un candidat pour gagner un voyage 𝑝𝑖 = 𝑝 = 𝑛 , 𝑖 = 1, 2, ⋯ , 𝑛
Définition : soit (, 𝒜, 𝑃) un espace de probabilité, est supposé fini, on dit que 𝑃 est la probabilité uniforme
sur si tous les événements élémentaires 𝑤 de sont équiprobables :
1
𝑃 𝑤 =𝑝=
𝑛
𝑛 = 𝑐𝑎𝑟𝑑() est le nombre d’éléments de l’ensemble .
Remarque : la probabilité uniforme est souvent utilisée en statistique pour modéliser la probabilité de choix
d’un Echantillon dit aléatoire Simple (ES).
Exemple : si on veut choisir au hasard un étudiant parmi 10 et si tous les étudiants ont la même chance d’être
sélectionnés, on dira qu’il y a une probabilité de
1
= 0.1 = 10%
10
Si 𝑃 est la probabilité uniforme, l’événement 𝐴 peut se réaliser à travers les événements élémentaires le
constituant.
1
𝑃 𝐴 =𝑃 𝑤 = 𝑃 𝑤 =
𝑐𝑎𝑟𝑑
𝑤∈𝐴 𝑤∈𝐴 𝑤∈𝐴
1 𝑐𝑎𝑟𝑑 𝐴
= 1=
𝑐𝑎𝑟𝑑() 𝑐𝑎𝑟𝑑()
𝑤 ∈𝐴
Ainsi le calcul des probabilités dans le cas d’un espace de probabilité uniforme se réduit au calcul de 𝑐𝑎𝑟𝑑()
et de 𝑐𝑎𝑟𝑑(A).
Exemple : parmi les 10 étudiants, il y a six filles. Si on tire au hasard un étudiant, quelle est la probabilité qu’il
soit une fille ?
On pose : 𝐴 ="l’étudiant est une fille" ;
On a : 𝑐𝑎𝑟𝑑 = 10 et 𝑐𝑎𝑟𝑑 𝐴 = 6 , on obtient ainsi la probabilité de 𝐴,
6
𝑃 𝐴 = = 0.6 = 60%
10
Maintenant si on veut tirer deux étudiants sans remise dans l’urne càd que les deux étudiants sélectionnés sont
différents, quelle est la probabilité qu’ils soient tous les deux des filles ? On note 𝐴 l’événement "Avoir deux
filles"
-8-
10 ∗ 9 6∗5
𝑐𝑎𝑟𝑑 = = 45 et 𝑐𝑎𝑟𝑑 A = = 15
2 2
15 1
𝑃 𝐴 = = = 0.33 = 33.33%
45 3
1 2
𝑃 𝐴 =1−𝑃 𝐴 =1− = = 0.66 = 66.66%
3 3
3/ Probabilité conditionnelle :
On donne l’exemple de tirage au sort de clients pour gagner un voyage. On a cinq clients convoqués pour le
tirage, le premier client sélectionné aura un voyage en Amérique, le deuxième en Europe. On a trois femmes et
deux hommes.
Si on pose l’événement aléatoire 𝐵1 = "le 1er client tiré est une femme" et supposons l’espace de probabilité
(, 𝒜, 𝑃).
𝑐𝑎𝑟𝑑 𝐵1
𝑃 𝐵1 = ; 𝑐𝑎𝑟𝑑 = 5 ∗ 4 = 20 ; 𝑐𝑎𝑟𝑑 𝐵1 = 3 ∗ 4 = 12
𝑐𝑎𝑟𝑑
12 3
𝑃 𝐵1 = = = 0.6
20 5
Si on suppose que 𝐵1 se réalise, c'est-à-dire qu’on a tiré effectivement dans le premier tirage une femme,
l’univers va changer ainsi que les probabilités des événements aléatoires qui en découlent. L’univers devient
∩ 𝐵1 = 1 = 𝐵1 de cardinal 𝑐𝑎𝑟𝑑 1 = 12.
On s’intéresse par exemple à l’événement aléatoire 𝐴 = "le deuxième client est une femme"
Sur (1 , 𝒜1 , 𝑃1 ) on a
𝑐𝑎𝑟𝑑(𝐴 ∩ 𝐵1 ) 6
𝑃1 𝐴 = = = 0.5
𝑐𝑎𝑟𝑑(1 ) 12
-9-
Définition : Soit (, 𝒜, 𝑃) un espace de probabilité. Soit 𝐴 et 𝐵 deux événements aléatoires avec 𝑃(𝐵) ≠ 0
(𝐵 a une chance de se réaliser). On appelle probabilité conditionnelle de 𝐴 sachant 𝐵, le nombre réel,
noté 𝑃(𝐴/𝐵) :
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴/𝐵) =
𝑃(𝐵)
𝑃(𝐴 ∩ 𝐵)
𝐴∩𝐵𝐵 𝑃 𝐴∩𝐵 ≤𝑃 𝐵 ≤1
𝑃(𝐵)
De même
𝑃 ∩𝐵 𝑃(𝐵)
𝑃 𝐵 = = =1
𝑃 𝐵 𝑃(𝐵)
Soit 𝐴, 𝐵 ∈ 𝒜 alors on a :
𝑃 𝐴 ∗ 𝑃 𝐵/𝐴 si 𝑃 𝐴 ≠ 0
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵 ∗ 𝑃 𝐴/𝐵 si 𝑃 𝐵 ≠ 0
0 sinon
Si 𝑛 = 3 :
𝑃 𝐴1 ∩ 𝐴2 ∩ 𝐴3 = 𝑃 𝐴1 ∗ 𝑃 𝐴2 /𝐴1 ∗ 𝑃 𝐴3 /𝐴1 ∩ 𝐴2
Exemple : Une urne contient 9 boules répartit de la façon : quatre sont rouges, trois sont bleues et deux sont
jaunes. On veut calculer la probabilité de l’événement aléatoire : 𝐸 ="obtenir en respectant l’ordre une boule
rouge, puis bleue, puis jaune"
-10-
𝑅 ="La première boule est rouge"
On obtient 𝐸 = 𝑅 ∩ 𝐵 ∩ 𝐽
4 3 2 3 1
𝑃 𝐸 = 𝑃 𝑅 ∗ 𝑃 𝐵/𝑅 ∗ 𝑃 𝐽/𝑅 ∩ 𝐵 = ∗ ∗ = = = 0.0476 = 4.76%
9 8 7 63 21
On définit tout d’abord une partition de . Le couple 𝐴, 𝐴 avec 𝐴 ∈ 𝒜 est une partition de car
𝐴∪𝐴=
𝐴∩𝐴=∅
𝐴𝑛 =
𝑛≥0
𝐴𝑖 ∩ 𝐴𝑗 = ∅ pour 𝑖 ≠ 𝑗
𝑃 𝐵 = 𝑃 𝐴 ∗ 𝑃 𝐵/𝐴 + 𝑃 𝐴 ∗ 𝑃 𝐵/𝐴
Cette formule dite formule des probabilités totales peut se généraliser à toute partition 𝐴𝑛 𝑛≥0 de :
𝑃 𝐵 = 𝑃 𝐴𝑛 ∗ 𝑃 𝐵/𝐴𝑛
𝑛≥0
Pour tout 𝐵 ∈ 𝒜 on a :
Exemple : une urne contient trois pièces de monnaie, on veut tirer une pièce au hasard et jouer au jeu de Pile
ou Face, sauf qu’il y a des pièces truquées. Pour la première, elle est bien équilibrée, pour la deuxième, elle est
faite de telle façon qu’il y a deux chances sur trois d’avoir Pile et pour la troisième il y a trois chances sur quatre
d’avoir Pile. On veut calculer la probabilité d’avoir Pile :
-11-
𝑃 𝐵 = 𝑃 𝐴1 ∗ 𝑃 𝐵/𝐴1 + 𝑃 𝐴2 ∗ 𝑃 𝐵/𝐴2 + 𝑃 𝐴3 ∗ 𝑃 𝐵/𝐴3
1 1 1 2 1 3 23
𝑃 𝐵 = ∗ + ∗ + ∗ = = 0.6389 = 63.9%
3 2 3 3 3 4 36
Exercice : une urne contient six pièces de monnaie, on veut tirer une pièce au hasard et jouer au jeu de Pile ou
Face, sauf qu’il y a des pièces truquées. Deux sont bien équilibrées, une est faite de telle façon qu’il y a deux
chances sur trois d’avoir Pile et trois autres sont faites tel qu’il y a trois chances sur quatre d’avoir Pile. On veut
calculer la probabilité d’avoir Pile :
2 1 1 2 3 3 1 1 3 12 + 8 + 27 47
𝑃 𝐵 = ∗ + ∗ + ∗ = + + = =
6 2 6 3 6 4 6 9 8 72 72
= 0.6528 = 65.28%
c- Formule de Bayes :
𝑃 𝐴 ∗𝑃 𝐵 𝐴
𝑃 𝐴 𝐵 =
𝑃 𝐵
𝑃 𝐴 ∗ 𝑃 𝐵/𝐴
=
𝑃 𝐴 ∗ 𝑃 𝐵/𝐴 + 𝑃 𝐴 ∗ 𝑃 𝐵/𝐴
𝑃 𝐴𝑖 ∗ 𝑃 𝐵/𝐴𝑖
𝑃 𝐴𝑖 𝐵 =
𝑛≥0 𝑃 𝐴𝑛 ∗ 𝑃 𝐵/𝐴𝑛
Exemple : on reprend l’exemple précédent, si on tire au hasard une pièce et elle donne Pile, quelle est la
probabilité qu’il s’agisse de la troisième pièce ?
1 3
𝑃 𝐴3 ∗ 𝑃 𝐵 𝐴3 ∗ 1 36
𝑃 𝐴3 𝐵 = =3 4= ∗
𝑃 𝐵 23 4 23
36
9
𝑃 𝐴3 𝐵 = = 0.39 = 39.13%
23
-12-
4/ Indépendance stochastique
Exemple : on jette deux dés non truqués, les résultats possibles sont
= 𝑖, 𝑗 / 𝑖, 𝑗 ∈ 1, 2, ⋯ ,6 ; 𝑐𝑎𝑟𝑑 = 36.
𝑐𝑎𝑟𝑑(𝐴) 3 ∗ 3 + 3 ∗ 3 18 1
𝑃 𝐴 = = = =
36 36 36 2
1
𝑐𝑎𝑟𝑑 𝐶 = 3 ∗ 6 = 18 ; 𝑃 𝐶 =
2
𝑃 𝐴/𝐶 = 𝑃 𝐴
L’information contenue dans 𝐶 n’affecte pas le calcul de la probabilité que 𝐴 se réalise. En fait 𝐴 et 𝐶 sont
indépendants.
Remarque :
𝑃 𝐴∩𝐵
𝑃 𝐴 𝐵 = =0
𝑃 𝐵
-13-
Propriétés : soit 𝐴 et 𝐵 dans 𝒜 avec 𝑃(𝐴) ≠ 0 et 𝑃(𝐵) ≠ 0. Si 𝐴 et 𝐵 sont indépendants alors
1. 𝑃 𝐴/𝐵 = 𝑃 𝐴 et 𝑃 𝐵/𝐴 = 𝑃 𝐵
𝑃 𝐴 ∩ 𝐵 = 𝑃(𝐴 ) ∗ 𝑃(𝐵)
𝑃 𝐴 ∩ 𝐵 = 𝑃(𝐴 ) ∗ 𝑃(𝐵)
𝑃 𝐴 ∩ 𝐵 = 𝑃(𝐴 ) ∗ 𝑃(𝐵)
Soit deux événements aléatoires indépendants 𝐴 et 𝐵 tel que 𝑃 𝐴 = 0,9 et 𝑃(𝐵) = 0,8. Calculer les
probabilités suivantes : 𝑃(𝐴 ∩ 𝐵); 𝑃(𝐴 ∪ 𝐵) et 𝑃(𝐴 / 𝐵).
Dans une urne on a 4 boules numérotées de 1 à 4 ; on sélectionne au hasard une première boule sans la
remettre puis on sélectionne une deuxième boule.
d. Quelle est la probabilité que la somme des deux boules sélectionnées soit égale à 5 ?
Une entreprise d'assurance doit gérer les trois catégories d’assurés : conducteur à faible risque, conducteur à
risque moyen et conducteur à haut risque. Selon les statistiques relevées par l’entreprise, la probabilité
d'accident sur une période d’un an est de 0.04, 0.16 et 0.32 selon la catégorie. Par ailleurs, la répartition des
assurés est la suivante : 30% sont à faible risque, 50% à risque moyen et 20% à haut risque. Définissant les
événements suivants
𝐴 : le conducteur a eu un accident
𝐹 (respectivement 𝑀, 𝐻) : " le conducteur est à Faible (respectivement Moyen, Haut) risque "
-14-
5/ Analyse combinatoire
Dans ce paragraphe on considère un univers à 𝑛 éléments distincts. Tous les événements élémentaires de
ont même probabilité, on définit ainsi la probabilité uniforme sur l’espace probabilisable , 𝒜 = 𝒫() :
1
𝑃 𝜔 = pour tout 𝜔 ∈
𝑛
𝑐𝑎𝑟𝑑(𝐴)
𝑃 𝐴 =
𝑛
Définition : On appelle arrangement avec remise ou liste de 𝑘 éléments de , toute suite ordonnée de 𝑘
éléments pris avec remise dans .
Exemple : dans une urne on a trois boules numérotées 1, 2, 3 ; on veut tirer deux boules au hasard, on tire la
première puis on la remet dans l’urne et ensuite on tire la deuxième boule ; les résultats possibles seront : 11,
12, 13, 21, 22, 23, 31, 32, 33
Le nombre de listes (ou d’arrangements avec remise) de 𝒌 éléments parmi n éléments est égal à 𝒏𝒌
Exemple : un code de sécurité d’une carte bancaire se compose de 4 chiffres ; donc il y a 104 = 10000 codes
possibles pour sécuriser votre compte ; il s’agit de listes de 4 chiffres parmi les 10 chiffres {0, 1, …, 9}.
Définition : On appelle arrangement ou arrangement sans remise de 𝑘 éléments de , toute suite ordonnée de
𝑘 éléments pris sans remise dans .
Exemple : on reprend l’exemple de l’urne contenant 3 boules, si on sélectionne 2 boules sans remettre la
première boule, on aura les possibilités suivantes : 12, 13, 21, 23, 31, 32 ; il ya donc 6 possibilités.
𝒏!
𝑨𝒌𝒏 = = 𝒏 (𝒏 − 𝟏) (𝒏 − 𝟐) … (𝒏 − 𝒌 + 𝟏)
𝒏−𝒌 !
Remarque : dans le calcul de 𝐴𝑘𝑛 le nombre 𝑘 est plus petit que 𝑛, si 𝑘 > 𝑛 on pose 𝐴𝑘𝑛 = 0.
-15-
Exemple : si je veux constituer un code de sécurité pour ma carte bancaire comportant des chiffres tous
différents, j’aurais à choisir entre 10 ∗ 9 ∗ 8 ∗ 7 = 5040 codes possibles. Dans cet exemple je peux répondre à
la question : quelle est la probabilité qu’un code de sécurité comporte des chiffres tous différents :
5040
𝑃 𝐴 = = 0,504 = 50,4%
10000
De même je peux dire qu’il y a une probabilité de 0,496 que le code contient au moins deux chiffres identiques.
c. Permutations
Exemple : on joue au hasard avec les trois boules numérotées, un seul nombre de trois chiffres est gagnant, on
tire dans l’ordre la 1ère boule puis la 2ème boule puis la 3ème boule, en respectant un tirage sans remise ; les
numéros possibles sont : 123, 132, 213, 231, 321, 312.
Exemple : je veux utiliser les chiffres de l’année 2019 pour constituer mon code de sécurité, j’ai ainsi
4! = 4 ∗ 3 ∗ 2 ∗ 1 = 24 codes possibles {0129, 0192, 0219, …., 9210}.
d. Combinaisons
Définition : on appelle combinaison de 𝑘 éléments de , toute suite non ordonnée (ou sous-ensemble) de 𝑘
éléments pris sans remise dans .
Exemple : une urne contient 5 boules numérotées de 1 à 5, chaque numéro représente un client, on veut faire
gagner 2 clients, les résultats possibles seront : 12, 13, 14, 15, 23, 24, 25, 34, 35, 45.
Tout résultat est considéré comme un sous-ensemble (ou partie) de , ainsi le résultat 12 peut s’écrire
{1, 2} ⊂ . On compte 10 résultats possibles.
𝑨𝒌𝒏 𝒏!
𝑪𝒌𝒏 = =
𝒌! 𝒌! (𝒏 − 𝒌)!
Exemple :
5! 5∗4
Il y a 𝐶52 = 2!3! = 2
= 10 combinaisons trouvées dans l’exemple précédent.
On veut former un groupe de 10 étudiants parmi 100 étudiants, il y a
10
100!
𝐶100 = = 1,73 ∗ 1013
10! 90!
On sélectionne au hasard dans une liste de 50 clients un nombre de 8 clients à contacter par téléphone, on
8 50!
a 𝐶50 = 8! 42! = 536 878 650 combinaisons possibles.
-16-
e. Formule du binôme de Newton
Propriétés :
On peut montrer que, pour 𝑛 ∈ ℕ∗ et 𝑘 ∈ ℕ avec 𝑘 ≤ 𝑛, on a :
𝒫() = ∅, 𝜔1 , … , 𝜔𝑛 , 𝜔1 , 𝜔2 , … , 𝜔𝑛−1 , 𝜔𝑛 , … ,
𝑛
𝐶𝑎𝑟𝑑 𝒫 = 𝐶𝑛𝑘 = 2𝑛
𝑘=0
𝒫 = {∅, 𝑎 , 𝑏 , 𝑐 , 𝑎, 𝑏 , 𝑎, 𝑐 , 𝑏, 𝑐 , 𝐸}
Définition : une combinaison avec répétitions de 𝑘 éléments de est toute suite non ordonnée (ou sous-
ensemble) de 𝑘 éléments pris avec remise dans . Les 𝑘 éléments obtenus sont non nécessairement distincts.
Exemple : on choisit un ensemble de trois lettres avec répétitions parmi cinq lettres de l’alphabet. Quel serait
le nombre de cas à envisager ?
Répétition de deux lettres, la troisième sera différente, par exemple pour les lettres a b, la répétition sera
sur a ou sur b, càd on aura soit abb ou aab ; le nombre totale sera : C52 + C52 = 2C52 = 20
Répétition de trois lettres ce qui est équivalent à choisir une seule lettre parmi cinq lettres : 𝐶51 = 5
-17-
Le nombre de combinaisons avec répétitions de 𝒌 éléments de est égal au nombre noté 𝑪𝒌𝒏+𝒌−𝟏 :
𝒏+𝒌−𝟏 !
𝑪𝒌𝒏+𝒌−𝟏 =
𝒌! (𝒏 − 𝟏)!
3
7! 7∗6∗5
C5+3−1 = C73 = = = 35
3! 4! 3∗2
Fin chapitre 1
-18-