UNIVERSITE MOHAMED PREMIER

FACULTE DES SCIENCES JURIDIQUES,

ÉCONOMIQUES ET SOCIALES D’OUJDA

COURS DE PROBABILITE

CHAPITRE 1 : Calcul des probabilités

Professeur Moustapha Faizi

Première année sciences économiques et gestion, semestre 2

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.

1. Expérience aléatoire et événement :

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.

 On jette le même dé 𝑛 fois et on s’intéresse à l’événement « avoir un résultat pair »

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

 Si on jette le même dé, 𝑛 fois,  = P, NP 𝑛

P pour la réalisation de l’événement « avoir un résultat pair »

NP pour la réalisation du contraire

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.

Quelques opérations sur les événements :

On note 𝐴 l’événement contraire de 𝐴 :
𝐴 = 𝑤 ∈ / 𝑤A

 = 𝐴 ∪ 𝐴 , soit c’est 𝐴 qui se réalise, soit c’est son contraire (𝐴 est le complémentaire de 𝐴 dans )

Soient 𝐴 et 𝐵 deux événements aléatoires, on définit :

 L’inclusion : 𝐴  𝐵 signifie que si 𝐴 se réalise alors 𝐵 se réalise.

𝐵 =𝐴∪ 𝐵∩𝐴
𝐵 peut se réaliser à travers les éléments de 𝐴 ou des éléments de 𝐵 qui ne sont pas dans 𝐴.

𝑩
𝑩∩𝑨
𝑨

 L’intersection : on note 𝐴 ∩ 𝐵 = 𝑤 ∈  / 𝑤 ∈ 𝐴 et 𝑤 ∈ 𝐵

𝐴 ∩ 𝐵 se réalise ssi A et B se réalisent en même temps.

-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 ∪ 𝐵∩𝐴 ∪ 𝐴∩𝐵

𝑨 𝑩

𝑨∩𝑩

 L’incompatibilité : 𝐴 et 𝐵 sont dits incompatibles ssi 𝐴 ∩ 𝐵 = ∅

Les deux événements ne peuvent pas se réaliser en même temps, en particulier 𝐴 et 𝐴 sont incompatibles.

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

Définition d’une tribu (ensemble des événements) :

Posons 𝒜 l’ensemble des événements aléatoires qui nous intéresse dans l’expérience aléatoire E.
𝒜 est dit tribu de  si on vérifie que :

1. 𝐴∈𝒜  𝐴∈𝒜

2. Pour toute famille dénombrable d’événements aléatoires

𝐴𝑛 𝑛≥0 ∈𝒜
on a :

𝐴𝑛 ∈ 𝒜
𝑛≥0

Le couple (, 𝒜) est dit l’espace probabilisable.

-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  =

∅; 1 ; ⋯ ; 6 ; 1,2 ; ⋯ ; 5,6 ; 1,2,3 ; ⋯ ; 4,5,6 ; ⋯ ; 

On peut compter 26 = 64 éléments.

Définition d’une probabilité :

Si on s’intéresse à l’expérience aléatoire, jet de dé non truqué, on dit que les six faces 1, 2, 3, 4, 5 et 6 ont
même chance de paraitre,

si on pose 𝐴 l’événement aléatoire "obtenir un résultat pair" ; 𝐴 = 2, 4, 6 ;

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

Soit (, 𝒜) un espace probabilisable.

Définition : on appelle probabilité sur (, 𝒜), toute application 𝑃 de 𝒜 dans 0, 1 pour laquelle on vérifie :

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

Le triplet (, 𝒜, 𝑃) est dit espace de probabilité.

Exemples :

1/ Pour l’expérience du jet de pièce de monnaie, on a :  = P, F ; 𝒜 =P  = ∅; P ; F ; 

On définit la probabilité sur 𝒜 par :

-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.

Cas particulier où la pièce de monnaie n’est pas truquée alors 𝑝 = 𝑞 = 1 2 .

2/ Si la pièce non truquée est jouée deux fois successivement alors on a :

 = P, F 2
= P, F x P, F = P, P ; P, F ; F, P ; F, F

𝒜 =P  contient 24 = 16 événements.

On définit la loi sur (, 𝒜) par l’application 𝑃 ∶ 𝒜 → 0, 1 tel que

1
𝑃 P, P = 𝑃 P, F = 𝑃 F, P = 𝑃 F, F =
4

 Calculons quelques probabilités,

𝑃("Avoir une seule fois Pile") = 2 4

𝑃("Avoir au moins un Pile") = 𝑃 𝐵 = 3 4

𝑃("Avoir deux Faces") = 𝑃 𝐵 = 1 4

3/ Pour le jeu de dé non truqué,

 = 1, 2, 3, 4, 5, 6 ; 𝑃 𝑖 = 𝑃 𝑖 = 1 6 pour tout 𝑖 = 1, ⋯ ,6

𝑃("Obtenir un résultat pair") = 𝑃 2, 4, 6 =3 6

𝑃("Obtenir un résultat ≥ 5") = 𝑃 5, 6 =2 6

𝑃("Obtenir un résultat différent de 3 et 5") = 𝑃 1, 2, 4, 6 =4 6

Propriétés : soit 𝐴, 𝐵 ∈ 𝒜 ,

1. Si 𝐴 et 𝐵 sont incompatibles alors

𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 (Additivité simple)

2. 0 ≤ 𝑃(𝐴) ≤ 1 et 𝑃 𝐴 = 1 − 𝑃(𝐴)

3. Si 𝐴  𝐵 alors 𝑃(𝐵) ≥ 𝑃(𝐴)

-6-
4. Si  est dénombrable (fini ou infini) alors

𝑃 𝐴 = 𝑃(𝑤)
𝑤∈𝐴

5. 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵) (Formule de Poincaré)

Exemple :

On jette deux fois successivement un dé bien équilibré, 𝑃 𝑖 = 1 6 ; 𝑖 = 1, ⋯ ,6

= 𝑖, 𝑗 / 𝑖, 𝑗 ∈ 1, 2, ⋯ ,6 ; le nombre d’éléments de  est 36.

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

𝐴 ="Avoir un 5 au premier jet" et 𝐵 ="Avoir un 5 au deuxième jet"

𝑃 Avoir au moins une face qui correspond à 5 = 𝑃 𝐴 ∪ 𝐵

=𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵

6 6 1 11
= + − =
36 36 36 36

= 0.3055

= 30.55%

Cas de la probabilité uniforme

On considère ici un univers fini :

 = 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

𝑛 est le nombre de candidats qui peuvent gagner.

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

d’être sélectionné et la sélection se fera par tirage à l’urne.

Calcul de la probabilité d’un événement 𝑨 ∈ 𝓐

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

Quelle est la probabilité d’avoir au moins un garçon ?

L’événement contraire de 𝐴 est d’avoir au moins un garçon :

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

On peut réécrire 𝑃1 𝐴 par

𝑐𝑎𝑟𝑑(𝐴 ∩ 𝐵1 ) 𝑐𝑎𝑟𝑑() 𝑃(𝐴 ∩ 𝐵1 )

𝑃1 𝐴 = ∗ =
𝑐𝑎𝑟𝑑() 𝑐𝑎𝑟𝑑(1 ) 𝑃(𝐵1 )

-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)

Remarque : on vérifie bien que l’application 𝐴 ∈ 𝒜 ↦ 𝑃(𝐴/𝐵) est une probabilité. On a :

𝑃(𝐴 ∩ 𝐵)
𝐴∩𝐵𝐵 𝑃 𝐴∩𝐵 ≤𝑃 𝐵  ≤1
𝑃(𝐵)
De même
𝑃 ∩𝐵 𝑃(𝐵)
𝑃  𝐵 = = =1
𝑃 𝐵 𝑃(𝐵)

Si 𝐴 et 𝐶 sont incompatibles (𝐴 ∩ 𝐶 = ∅) alors on a :

𝑃 𝐴∪𝐶 ∩𝐵 𝑃 𝐴∩𝐵 ∪ 𝐶∩𝐵 𝑃 𝐴∩𝐵 𝑃 𝐶∩𝐵

𝑃 𝐴∪𝐶 𝐵 = = = + = 𝑃 𝐴/𝐵 + 𝑃 𝐶 𝐵
𝑃 𝐵 𝑃 𝐵 𝑃 𝐵 𝑃 𝐵

Et cela se généralise à la 𝜎-additivité.

De même on a retrouve la propriété suivante :

𝑃 𝐴/𝐵 = 1 − 𝑃 𝐴/𝐵

Trois formules fondamentales :

a- Formule des probabilités composées :

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

Plus généralement, on a pour une suite de 𝑛 événements aléatoires de 𝒜, 𝐴1 , 𝐴2 , ⋯ , 𝐴𝑛 avec 𝑃 𝐴𝑖 ≠ 0 :

𝑃 𝐴1 ∩ 𝐴2 ∩ ⋯ ∩ 𝐴𝑛 = 𝑃 𝐴1 ∗ 𝑃 𝐴2 /𝐴1 ∗ 𝑃 𝐴3 /𝐴1 ∩ 𝐴2 ∗ ⋯ ∗ 𝑃 𝐴𝑛 /𝐴1 ∩ 𝐴2 ∩ ⋯ ∩ 𝐴𝑛−1

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"

Soit les événements suivants :

-10-
 𝑅 ="La première boule est rouge"

𝐵 ="La deuxième boule est bleue"

𝐽 ="La troisième boule est jaune"

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

b- Formule des probabilités totales :

On définit tout d’abord une partition de . Le couple 𝐴, 𝐴 avec 𝐴 ∈ 𝒜 est une partition de  car

𝐴∪𝐴=
𝐴∩𝐴=∅

Plus généralement une famille 𝐴𝑛 𝑛≥0 , avec 𝐴𝑛 ∈ 𝒜 est une partition de  si

𝐴𝑛 = 
𝑛≥0
𝐴𝑖 ∩ 𝐴𝑗 = ∅ pour 𝑖 ≠ 𝑗

Théorème : soit 𝐴, 𝐵 ∈ 𝒜 avec 𝑃 𝐴 ≠ 0 et 𝑃 𝐴 ≠ 1, alors on a :

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

Si par exemple on a deux événements incompatibles 𝐴1 et 𝐴2 (𝐴1 ∩ 𝐴2 = ∅) et si 𝐴1 ∪ 𝐴2 ≠  on peut

poser 𝐴3 = 𝐴1 ∪ 𝐴2 = 𝐴1 ∩ 𝐴2 et on aura une partition de  : 𝐴1 , 𝐴2 , 𝐴3

Pour tout 𝐵 ∈ 𝒜 on a :

𝑃 𝐵 = 𝑃 𝐴1 ∗ 𝑃 𝐵/𝐴1 + 𝑃 𝐴2 ∗ 𝑃 𝐵/𝐴2 + 𝑃 𝐴1 ∩ 𝐴2 ∗ 𝑃 𝐵/𝐴1 ∩ 𝐴2

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 :

Soit 𝐴𝑖 = "on tire la 𝑖 ème pièce de monnaie"; 𝑖 = 1,2,3 et 𝐵 = "obtenir 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 :

On considère qu’il y a trois types de pièces de monnaies ; soit

𝐴𝑖 = "on tire le 𝑖 ème type de pièce de monnaie"; 𝑖 = 1,2,3 et 𝐵 = "obtenir Pile"

𝑃 𝐵 = 𝑃 𝐴1 ∗ 𝑃 𝐵/𝐴1 + 𝑃 𝐴2 ∗ 𝑃 𝐵/𝐴2 + 𝑃 𝐴3 ∗ 𝑃 𝐵/𝐴3

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 :

Théorème : soit 𝐴, 𝐵 ∈ 𝒜 tel que 𝑃 𝐴 ≠ 0 , 𝑃 𝐴 ≠ 1 et 𝑃 𝐵 ≠ 0, alors :

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

Plus généralement : si 𝐴𝑛 𝑛≥0 est une partition de  on 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

On veut introduire l’indépendance entre deux événements aléatoires 𝐴 et 𝐵 non nécessairement

incompatibles (𝐴 et 𝐵 peuvent se réaliser en même temps). Si 𝐴 est indépendant de 𝐵 (𝑃 𝐵 ≠ 0) alors même
si 𝐵 se réalise, rien ne change pour la probabilité que 𝐴 se réalise, c'est-à-dire qu’on doit avoir 𝑃 𝐴 𝐵 = 𝑃 𝐴
ce qui est équivalent à 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 ∗ 𝑃 𝐵 .

Définition : soit (, 𝒜, 𝑃) un espace de probabilité et 𝐴, 𝐵 ∈ 𝒜. Les événements 𝐴 et 𝐵 sont dits

indépendants ssi
𝑃 𝐴∩𝐵 =𝑃 𝐴 ∗𝑃 𝐵 .

Exemple : on jette deux dés non truqués, les résultats possibles sont

= 𝑖, 𝑗 / 𝑖, 𝑗 ∈ 1, 2, ⋯ ,6 ; 𝑐𝑎𝑟𝑑  = 36.

On s’intéresse à l’événement aléatoire

𝐴 = "avoir une somme paire"

𝑐𝑎𝑟𝑑(𝐴) 3 ∗ 3 + 3 ∗ 3 18 1
𝑃 𝐴 = = = =
36 36 36 2

Soit 𝐶 = "le 1er dé donne un résultat impair"

1
𝑐𝑎𝑟𝑑 𝐶 = 3 ∗ 6 = 18 ; 𝑃 𝐶 =
2

Est-ce que 𝐴 dépend de 𝐶 ?

𝑃 𝐴∩𝐶 𝑐𝑎𝑟𝑑 𝐴 ∩ 𝐶 3∗3 1

𝑃 𝐴/𝐶 = = = =
𝑃 𝐶 𝑐𝑎𝑟𝑑 𝐶 18 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 :

Si 𝐴 et 𝐵 sont incompatibles (𝐴 ∩ 𝐵 = ∅ et 𝑃 𝐴 ∩ 𝐵 = 0) alors si 𝑃 𝐵 ≠ 0 (𝐵 a une chance de se réaliser) on

a:

𝑃 𝐴∩𝐵
𝑃 𝐴 𝐵 = =0
𝑃 𝐵

Si 𝐵 se réalise, 𝐴 ne peut pas se réaliser car il est incompatible avec 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

2. 𝐴 et 𝐵 sont indépendants, de même pour 𝐴 et 𝐵, 𝐴 et 𝐵.

Pour 2. On doit montrer que :

 𝑃 𝐴 ∩ 𝐵 = 𝑃(𝐴 ) ∗ 𝑃(𝐵)

 𝑃 𝐴 ∩ 𝐵 = 𝑃(𝐴 ) ∗ 𝑃(𝐵)

 𝑃 𝐴 ∩ 𝐵 = 𝑃(𝐴 ) ∗ 𝑃(𝐵)

Exercice1 : (session du 18/06/2019)

 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.

a. Combien de possibilités sont offertes pour ce jeu de hasard ?

b. Quelle est la probabilité d’obtenir le 1 puis le 2, l’ordre étant respecté ?

c. Quelle est la probabilité d’obtenir le 1 et le 2 ?

d. Quelle est la probabilité que la somme des deux boules sélectionnées soit égale à 5 ?

Exercice2 : (session du 23/07/2019)

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 "

On choisi au hasard un assuré.

1. Quelle est la probabilité qu'il ait un accident au cours de l'année ?

2. Sachant que l'assuré n'a pas eu d'accident lors de l'année écoulée, quelle est la probabilité qu'il soit à faible
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

On aura la probabilité pour tout événement aléatoire 𝐴 ∈ 

𝑐𝑎𝑟𝑑(𝐴)
𝑃 𝐴 =
𝑛

a. Arrangements avec remise ou listes

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

On a ainsi 9 arrangements avec remise de 2 éléments parmi 3 éléments.

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}.

b. Arrangements sans remise

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.

Le nombre d’arrangements sans remise est égal au nombre noté 𝑨𝒌𝒏 :

𝒏!
𝑨𝒌𝒏 = = 𝒏 (𝒏 − 𝟏) (𝒏 − 𝟐) … (𝒏 − 𝒌 + 𝟏)
𝒏−𝒌 !

On rappelle que 𝑛! = 𝑛 ∗ 𝑛 − 1 ∗ … ∗ 2 ∗ 1 et par convention on pose 0! = 1.

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

Définition : on appelle permutation de , tout arrangement sans remise des 𝑛 éléments de .

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.

Le nombre de permutations de n éléments est égal à : 𝒏!

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.

Le nombre de combinaisons de 𝒌 éléments de  est égal au nombre noté 𝑪𝒌𝒏 :

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 :

 𝐶𝑛0 = 𝐶𝑛𝑛 = 1  𝐶𝑛1 = 𝐶𝑛𝑛−1 = 𝑛

 𝐶𝑛𝑘 = 𝐶𝑛𝑛−𝑘  𝑘+1
𝐶𝑛+1 = 𝐶𝑛𝑘+1 + 𝐶𝑛𝑘

Théorème : (Formule du binôme de Newton)

Pour tout 𝑎, 𝑏 ∈ ℝ et 𝑛 ∈ ℕ, on a :
𝑛
𝑛
𝑎+𝑏 = 𝐶𝑛𝑘 𝑎𝑘 𝑏 𝑛−𝑘
𝑘=0

Application : déterminons le nombre de parties d’un ensemble fini.

Soit 𝒫() l’ensemble des parties de  = {𝜔1 , 𝜔2 , … , 𝜔𝑛 } alors

𝒫() = ∅, 𝜔1 , … , 𝜔𝑛 , 𝜔1 , 𝜔2 , … , 𝜔𝑛−1 , 𝜔𝑛 , … , 
𝑛

𝐶𝑎𝑟𝑑 𝒫  = 𝐶𝑛𝑘 = 2𝑛
𝑘=0

Exemple : soit  = {𝑎, 𝑏, 𝑐} alors 𝐶𝑎𝑟𝑑 𝒫  = 23 = 8. En effet,

𝒫  = {∅, 𝑎 , 𝑏 , 𝑐 , 𝑎, 𝑏 , 𝑎, 𝑐 , 𝑏, 𝑐 , 𝐸}

f. Combinaisons avec répétitions :

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 ?

On distingue trois cas possibles :

 Choix de lettres sans répétitions : 𝐶53 = 10

Pour la répétition on distingue les deux cas :

 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

Le nombre total sera : 10 + 20 + 5 = 35 cas.

-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)!

Dans l’exemple précédent on aura :

3
7! 7∗6∗5
C5+3−1 = C73 = = = 35
3! 4! 3∗2

Fin chapitre 1

-18-