Les probabilités appartiennent au domaine des mathématiques appliquées.

Leur
but est l’étude des expériences aléatoires. En théorie des probabilités,
une expérience aléatoire est toute expérience dont on ne peut prévoir le
résultat à l’avance1). Ce résultat est aussi appelé évènement aléatoire. Un
évènement aléatoire est donc un évènement incertain ; on ne peut le prévoir
avec certitude car sa réalisation dépend du hasard. Dans son acception la plus
répandue, une probabilité mesure les chances de réalisation d’un évènement
aléatoire.

En théorie des probabilités, un événement lié à une expérience aléatoire est

aussi bien un unique résultat possible qu’un sous-ensemble des résultats possibles
pour cette expérience.

Ex : Considérons l'expérience aléatoire consistant à lancer un dé à 6 faces.

L'ensemble des résultats possibles (ou univers) d'un lancer de dé est donc
l'ensemble {1, 2, 3, 4, 5, 6}. Au sens indiqué plus haut, l'ensemble {2, 4, 6}, qui
est un sous-ensemble des résultats possibles, constitue un événement. Cet
évènement, qui pourrait être formulé par la proposition « obtenir un résultat
pair », est aléatoire car sa probabilité de réalisation n’est pas de 100%.

Qu’elles soient utilisées pour établir la probabilité d’un évènement ou pour

prévoir le résultat d’une expérience aléatoire, les probabilités sont très utilisées
dans le domaine de la gestion (contrôle de qualité, évaluation des risques,
prévision des ventes…).

Les probabilités concernent des évènements (ou résultats) que l’on est
incapable d’annoncer avec certitude.

1
Le résultat est donc uniquement déterminé par le hasard. Par exemple lancer une pièce à deux
faces ou jeter un dé à six côtés sont des expériences aléatoires. Le tirage au hasard d’un
élément dans un ensemble en est une autre. En général, une « vraie » expérience aléatoire
suppose des résultats équiprobables. Cette notion d’équiprobabilité traduit l’idée intuitive qu’on
se fait du hasard. Ainsi lorsqu’on utilise une expression comme « tirer une carte au hasard d’un
jeu ordinaire », on veut exprimer le fait que tous les résultats sont équiprobables.

1
1. Notions sur le dénombrement

A. Principes fondamentaux

L’analyse combinatoire est la science du dénombrement, elle permet de

déterminer le nombre de réalisations possibles d’une expérience aléatoire. Par
exemple dans une course de 20 chevaux, combien y a-t-il de podiums possibles ?
Combien y a-t-il de « mains » différentes au poker ?

Deux principes de calcul jouent un rôle fondamental en combinatoire. Le principe

additif ou règle de la somme signifie que si deux opérations A et B sont
mutuellement exclusives, et s’il y a m façons de réaliser A et n façons de réaliser
B, alors il y a m + n façons de réaliser l’une ou l’autre de ces deux opérations. La
conséquence est que si les différents cas sont reliés par un "ou", on additionne.

Par exemple, j’ai dans ma bibliothèque 50 livres de mathématiques en français et

40 livres de mathématiques en anglais (et aucun dans une autre langue). Je peux
donc y choisir un livre de mathématiques de 50 + 40 = 90 façons différentes. Les
possibilités sont ajoutées quand un évènement (ici « choisir un livre de maths »)
peut survenir de plusieurs façons.

Le principe de la multiplication énonce que si une opération A peut être

effectuée de m façons, puis si, après que A a été effectuée, une deuxième
opération B peut être effectuée de n façons, alors les deux opérations
successives peuvent être effectuées de m × n façons.

Par exemple, une association de 20 membres souhaite élire : le président, le

secrétaire, et le trésorier. Combien y-a-t-il de possibilités d'avoir ces trois
responsables. Pas de cumul de fonction ? La première étape consiste à choisir le
poste de président (20 possibilités), la seconde étape consiste à choisir le poste
de secrétaire une fois le poste de président comblé (19 possibilités), et la
troisième étape consiste à choisir le poste de trésorier une fois les deux postes
précédents comblés (18 possibilités). Il y a donc 20 x 19 x 18 = 36 342
possibilités. Les possibilités sont multipliées lorsqu’un évènement survient en
plusieurs étapes.

C’est le principe de la multiplication qui va nous permettre d’évaluer le nombre de

permutations ou d’arrangements différents d’un ensemble d’ « objets » (ou
d’éléments).

2
B. Permutations

Cas sans répétition

Disposant d’un ensemble de n objets distincts, une permutation est une liste
ordonnée sans répétition de ces n objets. Les mots clés sont :

- l’ordre (ex : (a, b, c) ≠ (b, c, a)) ;

- l’absence de répétition (sans remise) ;
- tous les éléments de l’ensemble sont utilisés.

Le nombre total de permutations distinctes, noté n ! (se lit « factorielle » n), est
égal à :

Pn = n ! = n (n – 1) (n – 2) (n – 3) ×…× 2 × 1

Par convention, 0 ! = 1.

Ex : On choisit au hasard et sans remise trois lettres parmi l’ensemble {a, b, c}.
Le nombre de permutations de 3 éléments d’un ensemble E = {a ; b ; c} est égal à
3 ! = 3 × 2 × 1 = 6. Comme le montre l’arbre ci-dessous, l'ensemble des
permutations à trois éléments est {(a,b,c);(b,a,c);(b,c,a);(a,c,b);(c,a,b);(c,b,a)}2.

Question classique : Combien de « mots » différents peut-on former à partir des

lettres C, H, I, E, N ?

2
Par exemple bca est une permutation des lettres a,b,c. On notera que les ensembles sont
toujours représentés entre accolades et les listes entre parenthèses.

3
Il y a P5 = 5×4×3×2×1 = 5 ! = 120 « mots » (ou permutations) différents.

Cas avec répétition

Rappelons qu’une permutation simple est définie comme une suite ordonnée
d’objets qui proviennent d’un ensemble donné d’objets distincts. Mais lorsqu’on
constitue des listes ordonnées à partir d’un ensemble dont certains objets sont
semblables (n1 de type 1, n2 de type 2…), on parle de permutations avec
répétitions. De façon générale, le nombre de permutations de n éléments avec
répétition (dont n1 de type 1, n2 de type 2, …, nk de type k) s’écrit de la façon
suivante :

n!
n1 !n2 !...n k !

Question classique : Combien de mots de 3 lettres (ayant un sens ou non) peut-on

former en permutant les lettres suivantes : H, E, H ? Le nombre de mots est :

3!
=3
2!

Ces trois « mots » (permutations avec répétition) sont HHE, HEH, EHH.

C. Arrangements

Formule sans remise

Dans un ensemble de n objets distincts, un arrangement est une liste ordonnée

de k objets choisis parmi ces n objets. Les mots clés sont :

- l’ordre (ex : (a, b) ≠ (b, a)) ;

- sans remise (par exemple aa ou bb sont impossibles) ;
- une partie des éléments de l’ensemble sont utilisés.

La formule pour le nombre de permutations (sans répétition) de n objets pris k à

la fois est la suivante :

Akn = n (n-1) (n-2)…(n – (k - 1))

4
Dans cette expression, il y a k facteurs dont le premier est n, le second n-1, le
troisième est n-2 et le kième est [n-(k-1)]. Cette expression peut aussi s’écrire :

n ×(n-1)×(n-2)×… ×(n-k+1)×(n-k)×…×3 ×2 ×1
Akn =
(n-k)×…×3 ×2 ×1

D’où la formule générale sans remise :

n!
Akn =
(n-k)!

Ex : La question « Combien d’arrangements de deux lettres peut-on obtenir avec

les lettres a, b, c ? » implique que ab est différent de ba. Les deux mêmes
lettres sont présentes, mais l’ordre d’apparition est différent.

D’après le diagramme en arbre, le nombre d’arrangements serait ab, ac, ba, bc,
ca, cb. En appliquant le principe de la multiplication, il y a donc 3 × 2
arrangements (trois choix pour la première lettre et deux choix pour la
seconde). Avec la formule :

3!
A32  =3×2=6
(3  2)!

On observera que la permutation de n objets distincts est un cas particulier

d’arrangement sans répétition de k éléments pris parmi n lorsque k=n. Dans ce
cas en effet on aura Ann = n ! = Pn.

5
Question classique : Quel nombre de tiercés peut-on former si une course
comporte 20 chevaux ?

20!
A320 = =20 × 19 × 18 = 6 840
(20-3)!

Le problème se résume à trouver le nombre d’arrangements de 3 (k=3) objets

choisis dans un ensemble de 20 (n=20) objets distincts. En utilisant le principe
de la multiplication, le premier cheval (pour le podium) peut être choisi de 20
façons différentes. Le premier cheval étant choisi, le second cheval peut être
choisi de 19 façons différentes. Une fois les deux premiers chevaux choisis, il
reste 18 chevaux disponibles pour occuper la troisième place dans l’arrangement.

Formule avec remise

Pour les arrangements, la formule avec remise est :

Nombre d’arrangements = nk

Où n est le nombre total d’éléments et k est le nombre d’éléments sélectionnés.

Ex : On choisit au hasard et avec remise deux lettres parmi l’ensemble {a, b, c}

et on s’intéresse au nombre d’arrangements possibles.

Nombre d’arrangements = 3 × 3 = 32

Les arrangements avec répétition possibles sont donc les suivants :

ab, ac, ba, bc, ca, cb, aa, bb, cc

On notera que contrairement aux arrangements sans répétition ou aux

combinaisons, la taille de la liste k peut être supérieure à la taille n de
l’ensemble.

Ex : On lance trois fois une pièce de monnaie. Á chaque lancer elle présente le
côté « pile » ou le côté « face ». De combien de façons différentes peut-on, a
priori, énoncer le résultat éventuel des trois lancers successifs ?

Le résultat de ces trois lancers est une succession de « Pile » ou de « Face ». Par
exemple, FFP est l’une des façons. La solution est donc 23 = 8 échantillons de
taille 3. Bien sûr, on tient compte de l’ordre puisque par exemple FFP  FPF. En

6
outre, en constatant que l’on a, par exemple, FFP, il y a bien répétition des
éléments d’une liste. Enfin ici k est supérieur à n puisque l’ensemble E = {F, P} ne
contient que deux éléments.

Il faut enfin remarquer que les arrangements avec répétitions ne désignent pas
le même phénomène que les permutations avec répétitions. Dans le premier cas
en effet, les n objets que nous considérons sont toujours distincts, mais on
pourra cette fois choisir plusieurs fois le même objet dans notre arrangement
(d'où le terme répétition).

D. Combinaisons

Combinaisons sans remise

Dans un ensemble de n objets distincts, une combinaison est une liste non
ordonnée de k objets choisis parmi les n. Contrairement à l’arrangement,
l’ordre des objets au sein d’un groupement n’est pas retenu dans les
combinaisons. Tout comme dans l’arrangement, les répétitions ne sont pas
permises. Au sens strict, une combinaison sera donc le résultat d’un tirage sans
ordre et sans répétition (on dit aussi sans remise). Par exemple à la question
« combien y a-t-il de tirages de 5 numéros au loto (50 cases de 1 à 50) ? », on
suppose un tirage sans ordre et sans remise. Par exemple le tirage 1 2 3 4 5 est
exactement le même que le tirage 5 4 3 2 1.

La formule générale donnant le nombre de combinaisons de n objets pris k à la

k
fois Cn est donc donnée par la formule suivante :

k n!
Cn =
k!(n-k)!

Le nombre de combinaisons de k individus parmi n est égal au nombre

d’arrangements de k individus parmi n divisé par k! (k! est le nombre de
permutations de k individus)3.

Ex : La question « Combien de combinaisons de deux lettres peut-on obtenir avec

les lettres a, b, c ? » implique que ab est identique à ba. Autrement dit, ce sont
deux arrangements (ou permutations) mais une même combinaison puisqu’on ne

k n
3
La notation Cn s’écrit aussi parfois (k). Cette dernière notation porte le nom de coefficient
n
binomial, en référence à la loi binomiale qui est définie à l’aide des coefficients ( ).
k
7
tient pas compte de l’ordre. Dans l’exemple, le nombre de combinaisons serait ab,
ac, et bc.

3! 6
C32  = =3
2! (3  2)! 2

On sait que a, b donnent deux permutations (ab, ba) mais une combinaison ab.
Ainsi deux lettres dans l’ensemble {a, b, c} donnent deux permutations, mais
seulement une combinaison. Ici il y a au total 6 permutations, donc pour trouver
le nombre de combinaisons, nous devons diviser A32 par P2 (c.-à-d. 2 !). De façon
générale, puisque toute combinaison de k objets parmi n engendre k !
permutations, on peut conclure que :

k
Akn = Cn k !

On observe que le processus d’arrangement sans répétition comporte deux

k
étapes : choisir (Cn ) et mettre en ordre (k !)4.

Un cas d’application concret de la formule des combinaisons concerne le nombre

de tirages possibles du Loto, les résultats possibles du loto étant aléatoires
(sinon la formule ne serait pas applicable).

Question classique : Au loto, il s’agit de sélectionner les 6 numéros gagnants

parmi tous les nombres de 1 à 49. Combien y a-t-il de grilles de loto possibles ?

6 49!
C49 = = 13 983 816
6!(49-6)!

Pour les combinaisons sans remise, on notera les propriétés suivantes :

(i) Cnn = Cn0 = 1

Il n’y a qu’une seule façon de prendre n objets parmi n : tous les prendre d’un
coup. De même il n’y a qu’une seule façon de prendre 0 objets parmi n : ne pas en
prendre du tout !

(ii) Cn1 = n

4
Un exemple pour illustrer ce principe qui consiste à d’abord choisir puis à placer dans des
ordres différents. Le nombre de mots possibles possédant 3 voyelles différentes et 4 consonnes
différentes se calculera par : C63 × C20
4
× 7!. L’opération a consisté à choisir les 3 voyelles et les 4
consonnes puis à fabriquer les mots.

8
Il y a n façons de choisir 1 objet parmi n : soit on prend le premier, soit on prend
le second, …, soit on prend le nième.

k n-k
(iii) Cn = Cn

Chaque fois qu’on choisit k objets parmi n, on désigne en même temps n-k objets
qu’on ne choisit pas. Ainsi le nombre de façons de choisir k objets parmi n est
égal au nombre de façons de choisir les n-k des n objets qu’on ne choisira pas !

Combinaisons avec remise

Encore une fois, on peut avoir la même situation où les répétitions sont permises.
On peut donc choisir plusieurs fois le même élément (mais l'ordre n'a toujours
pas d'importance). Le nombre de combinaisons avec répétitions de k éléments
parmi n est donné par la formule suivante :

k (n+k-1)!
Dn =
k!(n-1)!

Reprenons la question précédente (nombre de combinaisons de deux lettres que

l’on peut obtenir avec les lettres a, b, c) mais en supposant qu’il y a remise. Les
combinaisons possibles sont donc les suivantes :

ab, ac, bc, aa, bb, cc

Avec la formule :

2 (3+2-1)! 4!
D3 = = =6
2!(3-1)! 2!2!

9
2. Les variables aléatoires

A. Notion d’espérance mathématique

Au terme statistique de « caractère » correspond le terme probabiliste de

« variable aléatoire ». Les variables aléatoires, comme les caractères, peuvent
être continues ou discrètes.

Étant donnée une épreuve, on appelle variable aléatoire toute grandeur

numérique dont la valeur dépend de l’issue de l’expérience.

Ex : Soit un jeu qui consiste à lancer un dé bien équilibré. Lancer le dé une fois
constitue une épreuve et le résultat de cette épreuve (par exemple obtenir un 2)
est un évènement (ou simplement résultat). On obtient donc l’ensemble des
résultats possibles (ou univers) Ω suivant :

Ω = {1, 2, 3, 4, 5, 6}

Si le résultat est 2, 3, 4 ou 5, on gagne 1.50€. Si le résultat est 1 ou 6, on doit

verser un montant égal au résultat sur le dé. Ainsi, on paye 1€ si le résultat est 1
et 6€ si le résultat est 6. Soit X le gain ou la perte du joueur, les valeurs
possibles de X sont +1.50, -1 ou -6. On a :

X (Ω) = {-1, -6, 1.50}

Ainsi X est une variable parce qu’elle peut prendre différentes valeurs. Et X est
aléatoire parce que la valeur qu’elle prend dépend du hasard.

On définit ensuite la loi (ou distribution) de probabilité de X dans le tableau

suivant :

xi -6 -1 1.50

p(xi) 1/6 1/6 4/6 1

Cette loi de probabilité est donc l’ensemble des valeurs possibles de X (les xi) et
leurs probabilités associées (pi). Dans tous les cas, le calcul des probabilités
s’effectue de la manière suivante :

nombre de cas favorables

Probabilité (X = xi) =
nombre de cas possibles Ω

10
Sur le tableau on peut par exemple lire :

nombre de cas favorables 4

p (X = 1.50) = =
nombre de cas possibles 6

Toute loi de probabilité satisfait les conditions :

n
(i) p(xi)  0 et (ii)  px   1
i 1
i

Soit X une variable aléatoire discrète qui possède une loi de probabilité.
L’espérance mathématique est la somme des valeurs prises par X, pondérée par
les probabilités qui leur sont associées :

n
E(X) = x1 p(x1) + x2 p(x2) +…+ xn p(xn) =  x px 
i 1
i i

L’espérance représente donc la valeur moyenne de X, celle qu’on peut espérer

obtenir en répétant un grand nombre de fois l’expérience.

Ex : Pour poursuivre l’exemple de l’introduction, l’espérance mathématique de

gain est :

E (X) = (-1)(1/6) + (1.50)(4/6) + (-6)(1/6) = -1/6€

On peut donc s’attendre à perdre en moyenne 1/6€ par coup, ce qui signifie que
le jeu est défavorable au joueur.

L’espérance mathématique obéit aux propriétés suivantes :

(i) E (aX + b) = a E(X) + b  a et b 

B. La variance et l’écart type

Si l’espérance mesure la valeur « moyenne » espérée de la variable aléatoire X, la

variance mesure la « dispersion » de X. Elle correspond à la moyenne des carrés
des écarts entre les valeurs de la variable et son espérance, autrement dit,
l’espérance du carré des écarts entre la variable et son espérance.

11
 V(X) = E[X – E(X)]2

Ainsi :
n 2

V(X) =  xi  EX .pxi 

i 1

Par ailleurs, en développant l’expression ci-dessus, il est possible d’avoir une

expression plus commode de la formule de la variance :

V(X) = E (X2) - [E (X)]2

La variance est définie comme la différence entre la moyenne (l’espérance) des

carrés et le carré de la moyenne. Ainsi :

2
n
n 
V (X) =  x px 
2
i i
-  xi pxi 
i 1  i 1 

La variance obéit à la propriété suivante :

(i) V (aX + b) = V(aX) + V (b) = a2V(x)

On notera que la variance d’une constante a est toujours nulle.

L’écart-type de X, que l’on écrit , est la racine carrée (positive ou nulle) de

V(X) :

σX  V X

L’écart-type permet de mesurer la dispersion des valeurs autour de la moyenne

espérée. S’il y a une grande dispersion (c.-à-d. si l’écart entre les valeurs et la
moyenne est important), alors l’écart-type est grand ; si au contraire la
dispersion est faible, alors l’écart-type est petit.

L’écart-type obéit aux propriétés suivantes :

(i) σ (a  X) = σ (X)

(ii) σ (aX  b)  a σ (X)

(iii) σ (aX - b)  a σ (X)

12
Ex : Nous allons calculer la variance puis l’écart-type en utilisant les deux
formules.

xi -6 -1 1.50
(xi)2 36 1 2.25

p(xi) 1/6 1/6 4/6 1

Avec la première formule :

n 2

V(X) =  x  EX .px 

i 1
i i = [-6- (-1/6)]2. 1/6 +…+ [1.50- (-1/6)]2. 4/6

V(X) = 7.68 ⇒ σX  7.68 = 2.77€

Avec la seconde formule :

Calculons d’abord la moyenne des carrés :

3
E(X²) =  x px 
i 1
2
i i

= 62 × 1/6 + (-1)2 × 1/6 + 1.502 × 4/6 = 7.67

Variance et écart-type :

V(X) = E (X2) - [E (X)]2 = 7.67 – (-1/6²) = 7.68 ⇒ σX  7.68 = 2.77€

C. Confusions fréquentes chez les étudiants

La première confusion concerne le terme probabiliste de « probabilité » et le

terme statistique de « fréquence ». Les deux concepts sont très proches, bien
que pas tout à fait identiques. En effet, lorsque l’on joue à pile ou face, la
probabilité d’obtenir pile est ½. Cela ne signifie pas que lorsqu’on lance deux fois
la pièce on obtiendra une fois pile et une fois face ! Mais si on lance la pièce un
très grand nombre de fois (par exemple 10 000 fois), la fréquence d’apparition
s’approchera de ½ : c’est la loi des grands nombres (ou loi de Bernoulli). Celle-ci
montre que plus le nombre d’épreuves augmente, plus il devient certain que
l’écart entre la fréquence et la probabilité sera inférieur à une valeur

13
quelconque, aussi petite soit-elle. Pour cette raison, la probabilité peut fournir
une valeur approchée de la fréquence, et inversement.

La loi des grands nombres, pilier de la théorie des probabilités, signifie que
les probabilités ne sont vraies ou ne sont observables que sur un nombre de
tirages ou d’expériences tendant vers l’infini5.

L’autre confusion courante chez les étudiants concerne la moyenne, le plus

souvent notée x , et l’espérance mathématique notée E(X). La moyenne est
empirique, l'espérance est théorique.

Ex : Imaginons un jeu de pile ou face où vous gagnez 1 euro s’il y a face et 0

euros s’il y a pile. La loi de probabilité est donc la suivante :

xi 1 0

pi 1/2 1/2 1

Quel est mon espérance de gain ?

2
E (X) =  x px  = (1)(1/2) + (0)(1/2) = 0.5€
i1
i i

C'est ce que vous pouvez espérer gagner avant de jouer. L’espérance de gain ne
dépend pas de votre expérience : elle vaut toujours 0.50 euros. Mais supposons
que vous jouez effectivement en faisant 4 lancers, et que vous avez 1 fois face,
alors votre gain moyen (ou moyenne des gains) est de 0.25 euros.

x i
1000
x= i1
= = 0.25€
N 4

La troisième confusion concerne les indicateurs de dispersion. Lorsqu’on se

projette dans le futur, qu’on raisonne en termes probabilistes, la variance se
calcule de la façon suivante :

V(X) = E (X2) - [E (X)]2

Lorsqu’on raisonne sur des données passées, on sollicite les formules suivantes6 :

5
Une probabilité représente donc la fréquence d’un évènement sur le « long terme ».

14
  x  x
2

σ 2

 x  x ou σ
2
i 2 2
 i

N N

Quel est le risque théorique du jeu précédent ?

E (X2) = (12)(1/2) + (02)(1/2) = 0.5

⇒ V(X) = E (X2) - [E (X)]2 = 0.5 – 0.52 = 0.25 soit σ (X) = √0.25 = 0.5€

Quel est le risque constaté du jeu précédent ?

σ 2

 x  x = 0.25 – (0.25)2 = 0.25 – 0.0625 = 0.1875
2
i 2

⇒ σ (X) = √0.1875 = 0.43€

6
On notera que l’élévation au carré permet d’éviter les compensations entre écarts positifs et
négatifs (entre -2 et +2 par exemple).

15
3. Les probabilités conditionnelles

A. Propriétés fondamentales du calcul des probabilités

Propriété 1. Si A est le complémentaire d’un évènement A, alors :

P( A ) = 1 – P(A)

Chercher P (A) (ou P( A )), c’est évaluer les chances que A (ou A ) survienne
lorsqu’une certaine expérience est faite.

On dit que les deux évènements A et A s’excluent mutuellement soit :

A A =Ø

Ex : Si la probabilité qu’il pleuve aujourd’hui est de 0.40, alors la probabilité qu’il

ne pleuve pas est de (1 – 0.40) = 0.60.

Propriété 2. Si A et B sont deux évènements,

P(A  B) = P(A) + P(B) – P(A  B)

Si on additionne p(A) et p(B) quand A et B se recoupent, les éléments de la

région commune ont été additionnés deux fois, on doit donc soustraire une fois
ces éléments.

Ex : Si une carte est choisie au hasard d’un jeu de 32 cartes, quelle est la
probabilité que l’on pige un roi ou un cœur ?

Ici A serait l’évènement piger un roi et B l’évènement piger un cœur. Comme on

peut piger un roi de cœur, les deux évènements A et B ne s’excluent pas
mutuellement de sorte que A  B ≠ Ø.

p(roi) = 4/32 ; p(cœur) = 8/32

p(roi et cœur) = la probabilité que le roi de cœur soient tirés

= 1/32

p(roi ou cœur) = p(roi) + p(cœur) – p(roi et cœur)

= 4/32 + 8/32 – 1/32 = 11/32

16
On obtient 11 cas favorables (7 cœurs en excluant le roi de cœur et les quatre
rois dont le roi de cœur) pour 32 cas possibles.

Propriété 3. La probabilité que tous les évènements d’un ensemble d’évènements

indépendants se réalisent est le produit des probabilités de chacun.

P(A  B) = P(A) × P(B)

Deux évènements A et B sont indépendants si la réalisation de l’un n’affecte

pas la probabilité de réalisation de l’autre. Ainsi, si nous jetons deux dés, le
résultat montré sur la face supérieure de l’un n’affecte en rien le résultat
montré sur la face supérieure de l’autre.

Cependant, si nous pigeons sans remise deux cartes dans un jeu, la probabilité
que la seconde carte soit un cœur dépend du fait que la première carte pigée
soit ou ne soit pas un cœur. Ainsi la probabilité de piger un cœur au premier
essai est de 8/32 et de 7/31 au deuxième essai si on pige un cœur en premier, ou
de 8/31 si on n’a pas pigé un cœur en premier. De tels évènements sont dits
dépendants, car le résultat de la seconde pige n’est pas indépendant du résultat
obtenu lors de la première. Nous écrirons alors la formule des probabilités
composées suivante :

P(A  B) = P(A) × PA (B)

Dans le cas où A et B sont indépendants, alors PA(B) = P(B).

Ex : 85% d’une population est vaccinée contre une maladie. On a constaté que 2%
des individus vaccinés n’ont pas été immunisés contre cette maladie. Quelle est la
probabilité qu’un individu soit vacciné et malade ?

Soit V l’évènement : « Un individu est vacciné » et M l’évènement : « Un individu

est malade ». Nous avons p(V) = 0.85 et pV (M) = 0.02.

La probabilité que parmi cette population, une personne soit vaccinée et malade
est :

p (V ∩ M) = p (V) × pV (M) = 0.85 × 0.02 = 0.017

17
L’équation qui définit la probabilité conditionnelle avec deux évènements peut se
généraliser par induction au cas de plusieurs événements. Pour des évènements
quelconques A1, A2, …, An :

P (A1  A2  …  An)
=
P(A1).P(A2/A1).P(A3/A1  A2)…P(An/A1  A2  …  An-1)

Ex : Une urne contient deux boules noires, cinq boules rouges et trois boules
blanches. On tire successivement de l’urne trois boules, une boule tirée n’étant
pas remise dans l’urne et ne participant pas, en conséquence, aux tirages
suivants. Quelle est la probabilité d’obtenir, dans cet ordre, N, R, R ?

L’évènement N, R, R est dit composé car il est constitué de trois évènements

élémentaires N, puis R, puis R. La probabilité de sortie d’une boule noire au
premier tirage est 2/10. La probabilité de sortie d’une boule rouge au second
tirage sachant qu’une boule noire est sortie est 5/9. Enfin la probabilité de
sortie d’une boule rouge au troisième tirage sachant qu’une boule noire et une
boule rouge sont sorties est 4/8. En appliquant le principe des probabilités
composées, on écrira :

2 5 4 1
P (N, R, R) = × × =
10 9 8 18

Si nous reprenons l’exemple précédent, mais en supposant cette fois que chaque
boule est remise dans l’urne avant le tirage de la suivante, le résultat sera
forcément différent. En effet, la probabilité de chaque évènement n’est plus
influencée par la réalisation des précédents. Les évènements étant cette fois
indépendants, on a : P (R/N) = P (R). Dans ce cas :

2 5 5 1
P (N, R, R) = × × =
10 10 10 20

B. Notions sur les probabilités conditionnelles

On appelle probabilité conditionnelle la probabilité qu’un évènement B se

produise sachant que l’évènement A s’est déjà produit. On la note P(B/A) ou P A
(B) et on la lit « probabilité que B se réalise sachant que A s'est produit ».

La probabilité conditionnelle revient donc à retrouver la probabilité d'un second

événement alors que l'on sait qu'un premier événement s'est déjà produit

18
auparavant. La formule pour calculer la probabilité conditionnelle, aussi appelée
formule de Bayes, s’écrit de la façon suivante :

P A  B 
PA (B) 
P A

- P(A  B) est la probabilité que A et B aient tous les deux lieu,

- PA (B) se lit « probabilité d'observer B sachant que A s'est réalisé ».

Ex : On tire une carte au hasard dans un jeu de 32 cartes. Soit A l'événement

"Le résultat est un pique". Soit B l'événement "Le résultat est un roi".

Donc A ∩ B est l'événement "Le résultat est le roi de pique".

8 1 1
P(A) = = et P(A  B) =
32 4 32
1 1
PA (B)  32 =
1 8
4

On peut retrouver intuitivement ce résultat. En effet, sachant que le résultat

est un pique, on a une chance sur 8 d'obtenir le roi.

C. Arbre pondéré

De nombreuses expériences se déroulent en plusieurs étapes et peuvent être

perçues comme une suite de sous-expériences. On appelle processus
stochastique toute expérience constituée d’une suite de sous-expériences dont
chacune a un nombre fini de résultats possibles avec des probabilités données.
Par exemple, lancer 3 fois une pièce de monnaie est un exemple simple de
processus stochastique ; il y a l’idée d’un phénomène chronologique où intervient
le hasard. Un moyen commode de décrire un tel processus et de calculer la
probabilité d’un évènement quelconque est d’utiliser un diagramme en arbre (ou
arbre de probabilité).

Ex : Un sac contient 50 boules, dont 20 boules rouges et 30 boules noires, où il

est marqué soit "Gagné" ou soit "Perdu". Sur 15 boules rouges, il est marqué
"Gagné". Sur 9 boules noires, il est marqué "Gagné". On tire au hasard une boule
dans le sac.

Soit R l'événement "On tire une boule rouge".

19
Soit G l'événement "On tire une boule marquée Gagné".

Donc R ∩ G est l'événement "On tire une boule rouge marquée Gagné". Alors :

20 2 15 3
P (R) = = = 0.40 et P(R  G) = = = 0.30
50 5 50 10

Donc la probabilité qu'on tire une boule marquée « Gagné » sachant qu'elle est
rouge est :

P R  G  0.30
PR (G)  = = 0.75
P R  0.40

On peut retrouver intuitivement ce résultat. En effet, sachant que le résultat

est une boule rouge, on a 15 chances sur 20 qu'il soit marqué « Gagné »7.
L'expérience aléatoire peut être schématisée par un arbre pondéré (ou arbre de
probabilité).

La lecture de cet arbre obéit à quelques règles :

Règle 1 : La somme des probabilités des branches issues d'un même nœud
est égale à 1.

7
Puisqu’on sait que la boule choisie n’est pas noire, elle ne peut donc qu’être rouge. L’univers (ou
espace échantillonnal) ne contient plus maintenant que 20 résultats possibles.

20
Ex :
- Á partir du nœud "On tire une boule", on a :

P(R) + P( R ) = 0.4 + 0.6 = 1

- Á partir du nœud "Boule rouge", on a :

PR ( G ) = 1− PR (G) = 1− 0.75 = 0.25

Règle 2 : La probabilité d'un chemin (son extrémité) est le produit des

probabilités figurant sur ses branches.

Ex : On considère l’extrémité R ∩ G. On a :

P(R ∩ G) = P(R) × PR (G) = 0.4 × 0.75 = 0.3

Règle 3 : (formule des probabilités totales8) La probabilité d'un événement

associé à plusieurs extrémités est égale à la somme des probabilités de
chacune de ces extrémités.

Ex : L'événement "On tire une boule marquée « Gagné »" est associé aux
extrémités R ∩ G et R ∩ G. On a :

9
P (R ∩ G) = 0.3 et P( R ∩ G) = = 0.18
50
Donc P(G) = P(R ∩ G) + P( R ∩ G) = 0.3 + 0.18 = 0.48

On dit que les deux sous-ensembles R ∩ G (ensemble des boules rouges

gagnantes) et R ∩ G (ensemble des boules noires gagnantes) forment une
partition de l’ensemble des boules gagnantes G (l’ensemble des résultats
possibles)9.

Ces deux sous-ensembles forment une partition de G car leur réunion forme G,
et, pris deux à deux, ils sont disjoints. Autrement dit :

8
Si un évènement peut être réalisé suivant plusieurs modalités (ici l’évènement boule gagnante
est réalisé suivant deux modalités : rouge gagnante ou noire gagnante) qui s’excluent
mutuellement, la probabilité de réalisation de cet évènement est la somme des probabilités
attachées à chacune de ces modalités.
9
On notera que les ensembles sont aussi des évènements. Par exemple l’ensemble G est aussi
l’évènement « tirer une boule gagnante ».

21
 (R ∩ G)  ( R ∩ G) = G et (R ∩ G) ∩ ( R ∩ G) = ∅

On aura alors (cf le diagramme en arbres) :

P(G) = P(R) × PR (G) + P( R ) × PR̅ (G)

22
4. Applications

● Soient les deux situations suivantes :

a) afin de choisir à qui le cadeau sera donné, l’enseignant place les noms des
élèves dans un chapeau et il en pige un en fermant les yeux ;
b) afin de choisir à qui le cadeau sera donné, l’enseignant choisi l’élève qui a eu la
meilleure note à la dernière évaluation.

Dans quelle situation peut-on parler d’expérience aléatoire ?

Rappelons qu’une expérience aléatoire est une expérience où on n’est pas sûr du
résultat. Dans la situation a) puisque le résultat est lié au hasard, on ne peut
prévoir quel nom va sortir du chapeau. Dans la situation b) les critères de
sélection étant préétablis on peut prédire le résultat avec certitude.

● On tire au hasard trois billes d'un sac contenant une bille rouge (R), une bille
bleue (B), une bille jaune (J) et une bille verte (V). Dénombrer le nombre de
résultats possibles a) tirage avec ordre sans remise ; b) tirage sans ordre sans
remise.

En tenant compte de l'ordre, il y a 24 arrangements possibles :

(R, B, J), (R, B, V), (R, J, B), (R, J, V), (R, V, B), (R, V, J), (B, R, J), (B, R, V), (B, J,
R), (B, J, V), (B, V, R), (B, V, J), (J, R, B), (J, R, V), (J, B, R), (J, B, V), (J, V, R),
(J, V, B), (V, R, B), (V, R, J), (V, B, R), (V, B, J), (V, J, R), (V, J, B).

À l'aide des couleurs, on constate qu'il y a 6 façons différentes de piger trois

billes de couleur si l'on tient compte de l'ordre. Ceci correspond au nombre de
permutations possibles. Le nombre de combinaisons possibles est donc de 4. Ces
combinaisons sont les suivantes :

(R, B, J), (R, B, V), (J, B, V), (J, V, R).

Avec la formule :

4! 4 32
C43  = =4
3!(4  3)! 3  2  1

23
● (i) Combien y-a-t-il de numéros de téléphone à 10 chiffres qui commencent par
06 ? (ii) On place dix points distincts sur un cercle. Dénombrer le nombre de
droites passant par deux de ces points.

(i) Le 0 et le 6 étant pris, nous avons un choix pour le 0 et un choix pour le 6 puis
10 choix (entre 0 et 9) pour chacun des huit numéros restant. Soit :

1 × 1 × 108 = 100 millions de numéros à 10 chiffres commençant par 06.

(ii) Contrairement au cas précédent, on ne tient pas compte de l’ordre puisque

par exemple la droite AB est la même que la droite BA. On cherche donc le
nombre de combinaisons de deux points parmi 10 (ni ordre, ni répétition). Le
2
résultat est donc C10 = 45 droites.

● (i) Après les prolongations d'un match de football, l'entraîneur doit choisir les
5 tireurs de penaltys parmi les onze joueurs et l'ordre de passage. Combien de
choix a-t-il ? (ii) Sachant que les personnes de même nationalité s’assoient les
unes à côté des autres, de combien de façons 3 américains, 4 français, 4 danois
et 2 italiens peuvent-ils prendre place sur un banc ?

(i) Nombre de choix

11!
A511 = = 55 440
(11-5)!

(ii) D’abord on permute les groupes puis on permute les individus au sein des
groupes. Il y a 4 ! façons de ranger les 4 nationalités sur un banc. Dans chaque
cas, les 3 américains peuvent se placer de 3 ! manières différentes, les 4
français de 4 ! façons, les 4 danois de 4 ! façons et les italiens de 2 ! façons. De
sorte qu’il y a en tout 4 ! 3 ! 4 ! 4 ! 2 ! = 165 888 arrangements possibles.

● (i) Combien y-a-t-il d’anagrammes pour le mot « sucre » ? (ii) Combien peut-on
former de mots différents de 4 lettres avec le mot « anon » ? (iii) Combien y-a-
t-il d’anagrammes pour le mot « attristées » ?

(i) Les anagrammes du mot sucre correspondent à toutes les permutations de E =

{s, u, c, r, e}. Il y a 5 ! = 120 anagrammes du mot « sucre ».

24
(ii) Considérons d’abord les deux « n » comme des lettres différentes et pour les
différencier donnons-leur un indice. On a maintenant 4 lettres différentes et le
nombre d’arrangements (permutations) possibles de ces lettres est :

A44 = 4 ! = 24

Parmi ces 24 arrangements, on retrouve les deux suivants : an1on2 et an2on1. Or

si on efface les indices, ces deux arrangements forment le même mot. Cela est
vrai pour chacun des emplacements de la lettre « n », par exemple n1n2oi et
n2n1oi. Dans l’ensemble des anagrammes on ne peut donc pas distinguer les
« mots » dont la seule différence est d'inverser les deux n entre eux. Ainsi, si on
considère les « n » identiques, chaque arrangement apparaît deux fois (2!) dans
l’énumération des 24 arrangements précédents (autrement dit si on numérote les
n, soit n1n2, on a 2 ! façons de permuter n1n2). On peut donc former 24/2 (ou
4 !/2 !)= 12 « mots » différents de 4 lettres à partir des lettres du mot anon. On
aura observé qu’il s’agit d’une permutation de quatre objets non tous distincts.

10!
(iii) La réponse est anagrammes pour le mot « attristées ».
3!2!

● Dans une classe de 20 élèves on a 12 garçons et 8 filles. (i) Combien peut-on

former d’équipes de 4 personnes différentes ? (ii) Combien peut-on former
d’équipes de 4 personnes différentes sachant que l’on ne veut que des garçons ?
(iii) Combien peut-on former d’équipes de 4 personnes différentes sachant que
l’on ne veut que des équipes de même sexe ? (iv) Combien peut-on former
d’équipes de 4 personnes différentes sachant que l’on ne veut que des équipes de
trois filles et un garçon ?

(i) On peut former C20

4
équipes différentes.

(ii) On peut former C12

4
équipes différentes composées que de garçons.

(iii) C12
4
+ C84

(iv) C12
1
× C83

25
● Soit un jeu de 32 cartes avec des mains de 5 cartes. (i) Combien peut-on
former de mains de 5 cartes ? (ii) Combien peut-on former de mains comportant
2 as ? (iii) Combien peut-on former de mains comportant 3 cœurs ? (iv) Combien
peut-on former de mains comportant un roi et un sept ? (v) Combien peut-on
former de mains comportant au moins un roi ? (vi) Quelle est la probabilité
d’obtenir au moins un cœur ?

(i) On peut former C32

5
mains différentes.

(ii) C42 × C28

3

On choisit 2 as parmi les 4 as et 3 autres cartes parmi les 28 restantes.

(iii) C83 × C24

2

On choisit 3 cœurs parmi les 8 cœurs et 2 autres cartes parmi les 24 restantes.
On notera que pour calculer la probabilité d’obtenir 3 cœurs, nous faisons le
rapport entre le nombre de cas favorables à l’évènement « 3 cœurs » et le
nombre de cas possibles.

3 2
C8 × C24 69
Probabilité recherchée : 5 =
C32 899

(iv) C41 × C41 × C24

3

On choisit 1 roi parmi les 4 rois et 1 sept parmi les 4 sept et 3 autres cartes
parmi les 24 restantes.

5 0 5
(v) C32 - (C4 × C28 )

Il faut observer que le contraire de « au moins un » est « zéro ». On soustrait

donc le nombre total de mains possibles avec le nombre de combinaisons « sans
roi », on obtient alors le nombre de combinaisons avec au moins un roi. Par la
manière longue, on prend soit un roi, soit deux rois, soit trois rois, soit quatre
rois. La réponse est donc :

1 4 2 3 3 2 4 1
C4 × C28 + C4 × C28 + C4 × C28 + C4 × C28

26
(vi) On peut calculer la probabilité d’obtenir au moins un cœur en faisant le
rapport entre le nombre de cas favorables à l’évènement « au moins un cœur » et
le nombre de cas possibles. Puisque les évènements « au moins un » et « zéro »
sont contraires, on peut écrire : P {au moins un « Cœur »} = 1 – P {zéro « Cœur »}.

0 5
C8 × C24 759
Probabilité de ne pas obtenir de « cœur » : 5 =
C32 3 596

759 2 837
Probabilité de tirer au moins un « cœur » = 1 - =
3 596 3 596

● Un groupe agroalimentaire fabrique des yaourts aux fruits de 10 parfums

différents. Un directeur des ventes propose de constituer des lots de quatre
pots de parfums différents. (i) Combien de lots peut-on former ? (ii) Combien de
lots peut-on former sachant qu’ils ne doivent pas contenir simultanément un pot
au citron et au pamplemousse ?

(i) C10
4
= 210

(ii) On fait la différence entre le nombre de lots que l’on peut former et le
nombre de lots où les deux parfums apparaissent simultanément.

1 1
C10
4
- [ C82 × C1 × C1 ] = 210 – 28 = 182

●On dispose de 8 boules dans une urne : 3 noires, 2 blanches et 3 rouges. On tire
successivement et sans remise 3 boules de l’urne.

a) De combien de façons différentes peut-on faire ce tirage ?

A38 = 8 × 7 × 6 = 336 tirages possibles de trois boules

Si on avait tiré successivement avec remise, le nombre de résultats possibles

aurait été : 83 = 512. Mais si on avait tiré les 3 boules simultanément et sans
3 A3
remise, le nombre de résultats possibles aurait été : C8 = 8⁄ = 56.
3!

b) Déterminez le nombre de tirages contenant 1 BB, 1 BN et 1 BR, dans cet

ordre.

27
Nous recherchons le nombre de tirages exclusivement pour la séquence BNR. Le
nombre de tirages est :

A12 × A13 × A13 = 2 × 3 × 3 = 18

Il y a donc 18 tirages contenant 1 boule blanche puis 1 boule noire puis 1 boule
rouge dans cet ordre.

c) De combien de façons peut-on tirer trois boules dont deux et deux seulement
sont noires ?

Contrairement au cas précédent, il n’y a pas une séquence exclusive à respecter.

Ici on peut avoir deux noires et une non-noire de trois façons différentes :
NNN ̅ (la boule du premier tirage est noire, la seconde boule est noire et la
troisième n’est pas noire) ou NN
̅ N ou N̅ NN. Il faut donc calculer le nombre de
tirages possibles pour chaque séquence puis on additionne les trois
nombres. Ainsi :

NNN ̅ : 3 × 2 × 5 = 30 (ou A23 × A15 = 6 × 5 = 30)

NN̅ N : 3 × 5 × 2 = 30
N
̅ NN : 5 × 3 × 2 = 30

On obtient finalement 90 tirages contenant trois boules avec deux noires.

D’abord on permute les boules au sein des groupes de couleur (A23 × A15 ) puis on
permute les groupes (trois permutations).

Autre solution possible :

3!
A23 × A15 × = 6 × 5 × 3 = 30 × 3 = 90
2!

On détermine le nombre de tirages pour une série de deux noires puis on

dénombre le nombre de séries contenant deux noires. Pour accomplir la seconde
tâche, on réalise une permutation (dans cette permutation avec répétition, il y a
3 façons de permuter deux N et un N ̅ ).

Autre solution possible, on détermine le nombre de tirages puis on calcule le

nombre de façons de placer 2 boules noires dans 3 cases sans tenir compte de
l’ordre (on s’intéresse juste au nombre de boules noires, pas à l’ordre de ces
boules noires).

2
A23 × A15 × C3 = 6 × 5 × 3 = 30 × 3 = 90
28
Enfin si on avait tiré les 3 boules simultanément et sans remise, le nombre de
résultats possibles aurait été différent. Il faut ici imaginer qu’on tire 2N et 1N
̅
sans tenir compte de l’ordre. Le résultat ser a :

2 1
C3 × C5 = 3 × 5 = 15 tirages

d) De combien de façons différentes peut-on tirer trois boules noires ?

La séquence souhaitée est ici : NNN.

A33 = 3 ! = 3 × 2 × 1 = 6 tirages avec 3 boules noires

Si on avait tiré successivement avec remise, le nombre de résultats possibles

aurait été : 33 = 27. Mais si on avait tiré les 3 boules simultanément et sans
3
remise, le nombre de résultats possibles aurait été : C3 = 1.

Attention à ne pas confondre avec la question « de combien de façons peut-on

obtenir trois boules avec la même couleur ? ». En effet, dans ce cas, on
obtiendrait : NNN ou RRR mais pas 3 boules blanches puisqu’il n’y en a que 2 et le
tirage est sans remise.

● Supposons que X prend les valeurs 1, 2 et 3 avec les probabilités 0.2, 0.3 et
évidemment 0.5. Dresser le tableau de probabilité de X puis calculer l’espérance
et la variance.

La loi de probabilité de X est donc :

xi 1 2 3
p(xi) 0.2 0.3 0.5

Espérance :

3
E(X) =  xi pxi  = 1 × 0.2 + 2 × 0.3 + 3 × 0.5 = 2.3
i 1

Pour la variance, nous allons calculer la moyenne des carrés moins le carré de la
moyenne. Calculons d’abord la moyenne des carrés :

29
 3
E(X²) =  x px  = 12 × 0.2 + 22 × 0.3 + 32 × 0.5 = 5.9
i 1
2
i i

Variance :

V(X) = 5.9 – 2.3² = 0.61

● La demande quotidienne X d’un bien fabriqué par une entreprise est une
variable aléatoire qui suit la loi suivante :

xi 0 1 2 3
p (X = xi) 0.2 0.2 0.5 0.1

La fonction de profit est égale à ∏ (X) = MX – C, où X sont les quantités

demandées sur le marché quotidiennement, M est la marge bénéficiaire unitaire
égale à 3 200€ et C le coût de revient global à 4 000€.

i) Quels sont l’espérance et l’écart-type de la demande ?

ii) Calculer l’espérance et l’écart-type du profit de l’entreprise.

i) Pour la demande X, nous obtenons :

Espérance :

4
E (X) =  x px  = 0 × 0.2 + 1 × 0.2 + 2 × 0.5 + 3 × 0.1 = 1.5 produit
i 1
i i

Variance et écart-type :

2
4 4

V (X) = E (X ) – E (X) =  x pxi  -  xi pxi 
2 2 2
i
i 1  i 1 
2 2
E (X) = 1.5

4
E (X2) =  x px  = 02 × 0.2 + 12 × 0.2 + 22 × 0.5 + 32 × 0.1 = 3.1
i 1
2
i i

V (X) = 3.1 – 1.52 =0.85 et σ (X)  0.85 = 0.92

ii) L’espérance de profit est égale à :

30
 E [∏ (X)] = E [3 200X – 4 000] = 3 200 × E (X) – 4 000 = 800€/jour

En moyenne, sur un grand nombre de jours, le profit journalier sera de 800€,

tandis que :

σ [∏ (X)] = σ [3 200X – 4 000] = 3 200 × σ (X) = 2 944€/jour

● Soit l'expérience aléatoire : "On tire une carte dans un jeu de 32 cartes." On
considère le jeu suivant :

- si on tire un cœur, on gagne 2€,

- si on tire un roi, on gagne 5€,
- si on tire une autre carte, on perd 1€.

On appelle X la variable aléatoire qui « à une carte tirée associe un gain ou une
perte ». a) Déterminer la loi de probabilité de X. b) Calculer l’espérance
mathématique de gain. Expliquez pourquoi l’espérance mathématique est une
moyenne. c) Calculer l’écart type.

a) La variable aléatoire X peut prendre les valeurs 2, 5, -1 mais aussi 7. En effet,

si on tire le roi de cœur, on gagne 5(roi) + 2(cœur) = 7€.

- Si la carte tirée est un cœur (autre que le roi de cœur), X = 2.

7
P(X = 2) =
32

- Si la carte tirée est un roi (autre que le roi de cœur), X = 5.

3
P(X = 5) =
32

- Si la carte tirée est le roi de cœur, X = 7.

1
P(X = 7) =
32

- Si la carte tirée n'est ni un cœur, ni un roi, X = -1.

31
 21
P(X = -1) =
32

La loi de probabilité de X est :

On constate que la somme des probabilités est égale à 1.

4
21 7 3 1 15
b) E(X) =  x px  = -1 ×
i 1
i i
32
+ 2×
32
+ 5×
32
+7×
32
=
32

On peut donc espérer gagner en moyenne 0.5€ en jouant.

En répétant un grand nombre de fois l’expérience, la loi des grands nombres nous
permet d’affirmer que les fréquences se rapprochent des probabilités
théoriques. La moyenne des résultats se rapproche donc de l’espérance de la loi
de probabilité. L’espérance est donc la moyenne que l’on peut espérer si l’on
répète l’expérience un grand nombre de fois.

c) Variance et écart type

4 2

V(X) =  x  EX .px 

i 1
i i

2 2 2 2
21  15  7  15  3  15  1  15 
=  1     2     5   +  7   = 5.19
32  32  32  32  32  32  32  32 

σ (X) = 5.19 = 2.28 euros

L'écart-type est environ égal à 2.28 signifie qu'avec une espérance proche de
0.50 le risque de perdre de l'argent est important.

● On jette un dé équilibré. Soit A l’évènement « obtenir un nombre pair » et B

l’évènement « obtenir un nombre supérieur à 2 ». Les évènements A et B sont-ils
indépendants ?

32
L’ensemble des résultats possibles (ou univers ou ensemble fondamental) Ω est
le suivant10 :

Ω = {1, 2, 3, 4, 5, 6}

Les évènements A et B correspondent ici à plusieurs résultats de l'univers des

possibles. Par ailleurs, ils ne sont pas incompatibles. On a :

A = {2, 4, 6} ; B = {3, 4, 5, 6} ; A ∩ B = {4, 6}

En diagrammes de Venn :

Calculons PA (B) :

P A  B  2/6
PA (B)  = = 2/3 = P (B)
P A 3/6

A et B sont statistiquement indépendants.

● La probabilité que A atteigne une cible est ¼ et la probabilité que B atteigne

cette même cible est 2/5. a) Quelle est la différence entre des évènements
indépendants et des évènements disjoints (ou mutuellement exclusifs) ? b)
Quelle est la probabilité pour que la cible soit atteinte, sachant que A et B tirent
chacun sur la cible11 ?

10
Se souvenir que les ensembles sont toujours représentés entre accolades, et que les
évènements sont aussi des ensembles.
11
Pour bien répondre à la question, il faut se rappeler que A ∪ B désigne tous les éléments d’au
moins un des deux ensembles, donc ceux qui sont soit dans A, soit dans B, soit dans A et B. Dans
l’énoncé, A ∪ B signifie « soit A a lieu, soit B, soit les deux en même temps ». Alors que A∩ B
signifie que les évènements A et B ont lieu en même temps.

33
a) Il est important de ne pas confondre entre deux évènements indépendants et
deux évènements disjoints. Si A et B sont disjoints, alors A  B = Ø et P(A  B) =
0. Par contre, si A et B sont indépendants, dans ce cas, P(A  B) = P(A) × P(B).
L’occurrence de l’évènement A n’affecte en rien la probabilité que l’évènement B
se réalise.

b) Par hypothèse, P(A) = ¼ et P(B) = 2/5. On cherche P(A  B). D’autre part, la
probabilité pour que A ou B atteigne la cible n’est pas influencée par ce que l’un
ou l’autre réussit ; cela veut dire que l’évènement « A atteigne la cible » est
indépendant de l’évènement « B atteint la cible » :

P(A  B) = P(A) × P(B)

Ainsi,

P(A  B) = P(A) + P(B) – P(A  B) = P(A) + P(B) – P(A) × P(B)

= ¼ + 2/5 – (1/4)(2/5) = 11/20

● Un lot contient 12 articles dont 4 sont défectueux. On tire au hasard trois

articles du lot, l’un après l’autre. Calculer la probabilité p pour que les trois
articles ne soient pas défectueux.

La probabilité pour que le premier article ne soit pas défectueux est 8/12
puisque 8 articles sur 12 ne sont pas défectueux. Si le premier article n’est pas
défectueux, la probabilité pour que l’article suivant ne soit pas défectueux est
7/11 puisque 7 articles seulement des 11 restant ne sont pas défectueux. Si les
deux premiers articles ne sont pas défectueux, alors la probabilité pour que le
dernier article ne soit pas défectueux est 6/10 puisque 6 articles seulement des
10 qui restent ne sont pas défectueux. En appliquant la formule des probabilités
composées, on trouve le résultat suivant :

8 7 6 14
p=   =
12 11 10 55

● Une classe contient 12 garçons et 4 filles. Si l’on choisit trois élèves de la

classe au hasard, quelle est la probabilité p pour que tous soient des garçons ?

34
La probabilité pour que le premier élève choisi soit un garçon est 12/16 puisqu’il y
a 12 garçons sur 16 élèves. Si le premier élève est un garçon, la probabilité pour
que le second soit un garçon est 11/15 puisqu’il reste 11 garçons sur 15 élèves.
Enfin, si les deux premiers élèves choisis sont des garçons, la probabilité que le
troisième élève soit aussi un garçon est 10/14 puisqu’il reste 10 garçons sur 14
élèves. Par conséquent, d’après la formule des probabilités composées, la
probabilité pour que les trois élèves soient des garçons est :

12 11 10 11
p=   
16 15 14 28

Autre méthode. Il y a C16

3
= 360 combinaisons de 3 élèves parmi les 16 de la
classe, et C12
3
= 220 combinaisons permettant de choisir 3 garçons sur les 12 de
11
la classe. En conclusion, p = .
28

● En utilisant la formule des probabilités conditionnelles, calculez P (A ∩ B) de

deux manières différentes.

P(A∩B)
PB (A)= ⇒P (A ∩B)= PB (A) × P(B)
P(B)

P(A∩B)
PA (B)= ⇒P (A ∩B)= PA (B) × P(A)
P(A)

● Dans un lycée, 25% des élèves échouent en mathématiques, 15% échouent en

chimie, et 10% échouent à la fois en mathématiques et en chimie. On choisit un
élève au hasard.

(i) Si l’élève a échoué en chimie, quelle est la probabilité pour qu’il ait aussi
échoué en mathématiques ?
(ii) Si l’élève a échoué en mathématiques, quelle est la probabilité pour qu’il ait
aussi échoué en chimie ?
(iii) Quelle est la probabilité pour qu’il ait échoué en mathématiques ou en
chimie ?

Soit M = {élèves ayant échoué en mathématiques} et

C = {élèves ayant échoué en chimie} ;

35
Il vient P(M) = 0.25, P(C) = 0.15, P(M  C) = 0.10

(i) La probabilité pour qu’un élève échoue en mathématiques, après avoir échoué
en chimie est :

P M  C  0.10 2
PC(M) = = =
P C  0.15 3

(ii) La probabilité pour qu’un élève échoue en chimie après avoir échoué en
mathématiques est :

P C  M  0.10 2
PM(C) = = =
P M  0.25 5

(iii) P(M  C) = P(M) + P(C) – P(M  C) = 0.25 + 0.15 – 0.10 = 0.30

● Calculer PA(B) sachant que (i) A est un sous-ensemble de B, (ii) A et B

s’excluent mutuellement.

(i) Si A est un sous-ensemble de B, alors chaque fois que A se produit, B doit

aussi se produire ; d’où P(B/A) = 1. On pourrait aussi dire que si A est un sous-
ensemble de B, alors A  B = A ; d’où

P B  A P A
PA(B) = = =1
P A P A

(ii) Si A et B s’excluent mutuellement, c.-à-d. sont disjoints, alors chaque fois

que A se produit, B ne peut pas se produire ; d’où P(B/A) = 0. Ou encore, si A et B
sont s’excluent mutuellement, alors A  B = Ø et

P A  B  P Ø 
P(B/A) = = =0
P A P A

● Une entreprise reçoit 60% de ses stocks de Montréal (M) et 40% de Québec
(Q). Les livraisons en provenance de Montréal sont en retard dans 20% des cas
tandis que celles en provenance de Québec sont en retard dans seulement 5%
des cas. Les livraisons arrivent à l’entrepôt de l’entreprise de façon aléatoire.
Une livraison arrive en retard. Quelle est la probabilité qu’elle provienne de
Québec ?

36
Construisons d’abord un diagramme en arbre pour décrire cette expérience et
indiquer dans l’arbre les différentes probabilités conditionnelles.

On utilise ici la notation M  R pour représenter le chemin passant par M et R.

On constate que la probabilité accordée au résultat M  R est de 0.12. De plus, le
résultat Q  R a une probabilité de 0.02. Donc, la probabilité de l’évènement « la
livraison est en retard » est de 0.14. La probabilité qu’une livraison ne soit pas en
retard est de 0.86.

On est maintenant en mesure de résoudre le problème. En effet,

P Q  R  0.02 1
PR(Q)  = =
P R  0.14 7

● Lors d’une épidémie chez des bovins, on s’est aperçu que si la maladie est
diagnostiquée suffisamment tôt chez un animal, on peut le guérir ; sinon la
maladie est mortelle. Un test est mis au point et essayé sur un échantillon
d’animaux dont 2% est porteur de la maladie. On obtient les résultats suivants :
- si un animal est porteur de la maladie, le test est positif dans 85% des cas ;
- si un animal est sain, le test est négatif dans 95% des cas.

On choisit de prendre ces fréquences observées comme probabilités pour toute

la population et d’utiliser le test pour un dépistage préventif de la maladie. On
note respectivement M et T les événements « Être porteur de la maladie » et «
Avoir un test positif ».

37
a) Un animal est choisi au hasard. Quelle est la probabilité que son test soit
positif ? b) Si le test du bovin est positif, quelle est la probabilité qu’il soit
malade ?

a)

La probabilité que le test soit positif est associé aux deux extrémités
(évènements) M  T et M  T. On a alors : T = (M  T)  ( M  T). Comme ces
deux évènements sont incompatibles, on utilise la formule des probabilités
totales suivante :

P(T) = P(M ∩ T) + P( M ∩ T) = 0.02 × 0.85 + 0.98 × 0.05 = 0.066

La probabilité que le test soit positif est de 6.6%.

P T  M  0.02 0.85
b) PT (M)  = = 0.26
P T  0.066

La probabilité que le bovin soit malade sachant que le test est positif est
d’environ 26%.

38