Académique Documents
Professionnel Documents
Culture Documents
1- Probabilité
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.
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.
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 :
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)
On a jeté un dé, un nombre pair est sorti. Quelle est la probabilité que ce soit un 2 ?
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 :
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.
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.
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)
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.
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.
+ -
M P(M et +) P(M et -) P(M)
S P( S et +) P(S et -) P(S)
P(+) P(-)