Probabilités et variables aléatoires

1- Probabilité

On ne donnera qu’une définition intuitive de la probabilité sans utiliser trop de

mathématiques.

Supposons qu’on jette un dé régulier ( non truqué) et qu’on s’intéresse à une face en
particulier ( ex : le 2). On sait qu’on a 1 chance sur 6 d’avoir le résultat voulu. De la même
manière si on jette une pièce de monnaie, on a une chance sur 2 d’avoir pile.

Un autre exemple : supposons une boite contenant 10 boules, 8 blanches et 2 noires. La

chance de sortir une noire est égale à 2 sur 10.

Tous ces exemples constituent ce qu’on appelle des épreuves aléatoires. Les résultats
voulus sont appelés événements et les différentes chances sont appelées probabilités, en
d’autres termes , la probabilité d’avoir 2 sur le dé est égale à 1/6, la probabilité d’avoir pile
est égale à ½ et enfin la probabilité d’avoir une boule noire est égale à 2/10.

Remarque : toutes ces probabilités auraient pu être données en pourcentage : 16.66666%

pour le dé, 50% pour la pièce et 20% pour la boule.

Une épreuve aléatoire est donc une expérience dont l’issue est inconnue à l’avance et
dépend du hasard.

Question : quelle est la probabilité pour que le virus covid 19 disparaisse avant l’été
prochain ? 10%, 30%, ……Personne ne le sait, même pas les plus grands spécialistes.

Question : vous jetez un dé régulier, 10 fois, et le 2 ne sort pas. La probabilité de 1/6 est-
elle fausse ?

Vous pouvez jeter une pièce, non truquée, 5 fois sans que pile ne sorte.

Ces 2 exemples montrent que la définition de la probabilité telle qu’elle a été donnée peut
prêter à confusion .

Pour une définition plus rigoureuse de la probabilité, il faut faire l’expérience une infinité de
fois, c’est-à-dire que si vous jetez un dé un très grand nombre de fois ( infinité ) et que le 2
ne sort pas avec une probabilité proche de 16.66 %, alors il est truqué.

2- Propriétés

D’après les exemples que nous avons vus, il apparait clairement que la probabilité est une
quantité comprise entre 0% et 100% ( 0 et 1). Plus la chance est grande et plus elle
approche les 100% sinon elle approche les 0%. On ne pourra jamais avoir une probabilité
négative ou supérieure a 100% et donc , résultat très important : 0≤p≤1
2.1 0≤p≤1

Quand p=0, on dit que l’événement est impossible et quand p=1 , on dit qu’il est certain.

Par la suite, on donnera des symboles pour les événements : A, B, C…. pour les
événements quelconques, Ω pour l’événement certain et ɸ pour l’événement impossible ,
et on écrira :

P(A)=0.5, P(B)=1/6, P(Ω)=1 et P(ɸ)=0

2.2 Evènements contradictoires

2 évènements, A et B, sont dits contradictoires, s’ils s’opposent.

Exemple : l’évènement A = { on obtient pile } et l’évènement B={ on obtient face } sont

contradictoires, parce que si on a pile on n’a pas face et vice versa.

Dans ce cas on note B=Ā., et il s’en suit P(Ā)=1-P(A) . Pourquoi ?

2.3 Evènements indépendants

2 évènements A et B sont dits indépendants si P( A et B) = P(A)P(B)

L’exemple suivant expliquera le principe

On jette une pièce de monnaie, elle tombe cote pile. On jette la même pièce une deuxième
fois. Parce que la première fois on a eu pile, est ce que on va avoir face ou bien pile ?

On voit bien que le premier résultat ne va pas influer sur le deuxième. Les 2 résultats sont
indépendants. De la même manière, si on jette un dé, on ne va pas obtenir 5 parce que le
premier jet a donné 2.

P(2 et 5)=P(2)P(5)=1/6*1/6=1/36

P(A ou B)=P(A)+P(B)

Ex : P(2 ou 5)= P(2)+P(5)=1/6+1/6=2/6=1/3

2.4 Probabilités conditionnelles

Soit la question suivante :

On a jeté un dé, un nombre pair est sorti. Quelle est la probabilité que ce soit un 2 ?

Si on a un nombre pair, alors 3 possibilités existent : 2, 4 ou 6. Le 2 est l’une de ces 3, donc

P(2)=1/3. Et on écrit : P(2 I pair)=1/3 ( P(2) sachant pair )

P( AB)
Loi : P ( A|B )=
P(B)
D’après la loi précédente, P(AB)= P(AIB)P(B)=P(BA)=P(BIA)P(A)

Cette loi est célèbre ( Théorème de Bayes ) et servira a résoudre beaucoup de problèmes.

Probabilités totales :

P ( A )=P ( A|B1 ) P ( B 1 )+ P ( A|B 2 ) P ( B2 ) … … . P ( A|B n ) P(Bn )

Avec tous les Bi mutuellement indépendants et l’union de tous les Bi=Ω, l’évènement
certain.

Ce fichier ne constitue pas un cours complet sur les probabilités, bien sur , mais il contient
l’essentiel de ce que nous avons besoin pour la suite du cours.

Le fichier qui va suivre, va contenir beaucoup d’exemples et d’exercices sur le sujet.

La probabilité conditionnelle est la probabilité qu’un évènement soit réalisé sachant qu’un
autre a été réalisé. On voit bien que si les 2 sont indépendants, la réalisation de l’un ne
change rien à la réalisation de l’autre.

Comprenez bien l’exemple suivant :

Une population comprend des personnes malades et des personnes saines ( non malades ).

On fait un test sur la maladie. Si le test est positif (+) la personne est declaree malade ( M),
si le test est négatif (-), la personne est déclarée saine (S)

Notez bien que M et S sont contradictoires, ainsi que + et –

P(M)=1-P(S) et P(+)=1-P(-)

M P(+IM) + M et +

P(M) P(-IM)

- M et -

P(S) S + S et +

- S et -

Lecture de l’arbre.

On part de toute la population . On a 2 possibilités M et S ( pas d’autres possibilités ) avec

probabilités P(M) et P(S) ( P(M)=1-P(S)).
En M on fait un test. Comme tous les tests, il peut être juste ou faux. On peut donc avoir
un résultat positif ou négatif.

La même chose pour la branche S. Les 2 flèches après M ( et S) sont lues de la manière
suivante : probabilité d’un résultat positif, sachant qu’on est malade ou bien probabilité
d’un résultat négatif alors qu’on est malade.

La fin des branches on a 4 évènement { Met +} , {M et -}, {S et +} et {S et -} . Il n’ y a pas un

autre cas

La somme des probabilités des 4 cas est égale à 1.

Le premier chemin donne : P(M)P(+IM)=P(M et +)

On peut aussi utiliser le tableau suivant

+ -
M P(M et +) P(M et -) P(M)
S P( S et +) P(S et -) P(S)
P(+) P(-)

P(M)= P(M et +) + P(M et -) = P(MI+)P(+)+P(MI-)P(-)

P(-)=P(- et M) + P(- et S)= P(-IM)P(M)+P(-IS)P(S)