Cours des probabilités 2022/2023

Si la théorie des probabilités a été originellement motivée par l’analyse des jeux de hasard,
elle a pris aujourd’hui une place centrale dans la plupart des sciences. Tout d’abord,
de par ses applications pratiques : en tant que base des statistiques, elle permet l’analyse
des données recueillies lors d’une expérience, lors d’un sondage, etc. ; elle a également
conduit au développement de puissants algorithmes stochastiques pour résoudre des
problèmes inabordables par une approche déterministe ; elle a aussi de nombreuses
applications directes, par exemple en fiabilité, ou dans les assurances et dans la finance.
D’un côté plus théorique, elle permet la modélisation de nombreux phénomènes, aussi bien
en sciences naturelles (physique, chimie, biologie, etc.) qu’en sciences humaines (économie,
sociologie, par exemple) et dans d’autres disciplines (médecine, climatologie, informatique,
réseaux de communication, traitement du signal, etc.). Elle s’est même révélée utile dans de
nombreux domaines de mathématiques pures (algèbre, théorie des nombres, combinatoire,
etc.) et appliquées (EDP, par exemple). Finalement, elle a acquis une place importante en
mathématiques de par son intérêt intrinsèque, et, de par sa versatilité, possède un des
spectres les plus larges en mathématiques, allant des problèmes les plus appliqués aux
questions les plus abstraites.

Le hasard intervient dans la vie quotidienne sous forme d’évènements dont on ne peut
pas prévoir s’ils vont ou ne vont pas se produire : la sortie d’un numéros se terminant par 42
à la loterie, la naissance d’une fille plutôt que d’un garçon, ou encore la victoire de l’équipe
de football d’Argentine sur celle d’Angleterre. Ces évènements sont imprévisibles dans la
mesure où l’on ne peut pas dire avec certitude s’ils auront lieu. Cependant, notre
ignorance du résultat à venir n’est pas totale. A chacun des évènements ci-dessus, on
attribue un nombre qui mesure notre attente, notre espoir ou notre pronostic : on dit que le
42 sortira avec la probabilité 0.01, qu’une petite fille naitra avec la probabilité 0.5, que
l’Argentine l’emportera sur l’Angleterre avec la probabilité 0.5.
Ces chiffres sont certes discutables (en particulier le dernier est tout à fait subjectif) mais ils
t´empoignent que la notion de probabilité est solidement ancrée dans notre mode de
pensée sous une forme quantifiable et ils suggèrent qu’une théorie mathématique en est
possible. Afin de rendre cette notion opérationnelle et de lui donner un intérêt pratique, il
faut l’établir dans un formalisme clair et sans ambiguïtés. C’est une chose simple, comme on
le verra bientôt, bien que la présentation axiomatique moderne ait mis quelques siècles à se
dégager ! Pendant ce temps, Pascal, Fermat, Huyghens, Bernoulli, Laplace et bien d’autres

SAHNOUN.A.Y Page 1
 Cours des probabilités 2022/2023

faisaient des probabilité´es et poussaient des calculs qui ´étaient souvent justes. Est-ce `a
dire que la formalisation de la notion de probabilitée est inutile ?

La théorie des probabilités est une branche des mathématiques qui traite des propriétés
de certaines structures modélisant des phénomènes où Je « hasard » intervient. En tant que
théorie mathématique abstraite, elle repose sur une axiomatique et se développe de façon
autonome par rapport à la réalité physique. Seuls les noms des concepts utilisés
(événements, variables ... ) renvoient à l'expérience.

La théorie des probabilités permet de modéliser efficacement certains phénomènes

aléatoires et d'en faire l'étude théorique.

Quels sont ses liens avec la statistique qui repose plutôt sur l'observation de phénomènes
concrets? On peut en voir schématiquement trois: tout d'abord les données observées
sont souvent imprécises, entachées d'erreur. Le modèle probabiliste permet alors
de représenter comme des variables aléatoires les déviations entre « vraies », valeurs et
valeurs observées.

Deuxièmement on constate souvent que la répartition statistique d'une variable au sein

d'une population est voisine de modèles mathématiques proposés par le calcul des
probabilités (lois de probabilité).

Le calcul des probabilités est donc un des outils essentiels de la statistique pour pouvoir
extrapoler à la population les résultats constatés sur l’échantillon mais on ne peut y réduire
la statistique: à côté du calcul des probabilités

Le terme probabilité possède plusieurs sens : venu historiquement du latin probabilitas, il

désigne l'opposé du concept de certitude ; il est également une évaluation du
caractère probable d'un événement, c'est-à-dire qu'une valeur permet de représenter son
degré de certitude ; récemment, la probabilité est devenue une science mathématique et
est appelée théorie des probabilités ou plus simplement probabilités; enfin une doctrine
porte également le nom de probabilisme.
La probabilité d'un événement est un nombre réel compris entre 0 et 1. Plus ce nombre est
grand, plus le risque, ou la chance, que l'événement se produise est grand. L'étude

SAHNOUN.A.Y Page 2
 Cours des probabilités 2022/2023

scientifique des probabilités est relativement récente dans l'histoire des mathématiques.
L'étude des probabilités a connu de nombreux développements depuis le xviiie siècle grâce à
l'étude de l'aspect aléatoire et en partie imprévisible de certains phénomène

la probabilité d'un fait caractérise la possibilité que ce fait se produise,

Chap1 : Introduction au calcul de probabilités

1.1 l’analyse combinatoire:

L’analyse combinatoire s’emploie à étudier et à dénombrer divers types de

groupements que l’on peut faire à partir d’ensembles finis.
Elle est popularisée en Occident par Pascal2 et Fermat, dans l’étude des jeux
D’hasard (17_eme siècle). Elle était déjà utilisée avant dans le monde Arabe (al-
Karaji3, circa 1100) et en Chine (Shen Kua4, 1031-1095).
L’analyse combinatoire comprend un ensemble de méthodes qui permettent de
déterminer le nombre de tous les résultats possibles d’une expérience particulière.
(dénombrer les différentes dispositions que l’on peut former à partir d’un ensemble
D’éléments).

Ex. les éléments constituant la plaque minéralogique d’un véhicule.

Disposition non-ordonnée : l’ordre d’obtention d’un élément n’est pas important, on n’en
tient pas compte dans la caractérisation de la disposition.
Ex. Les numéros issus d’un tirage du loto.

Exemple 1 : On considère un ensemble à deux éléments fa; bg. Avec deux tirages sans
répétition, on peut obtenir { } ou { } ; Avec deux tirages avec répétition, on peut
obtenir { }{ }{ }{ }.
Cela correspond à un tirage avec remise.

Exemple 2 : Prenons un jeu de dé à 6 faces (éléments discernables) numérotées par

{ }
Après 3 jets, nous obtenons la réalisation A = (2; 5; 1) ; nous réitérons les jets et nous
obtenons B =(5; 1; 2). A et B sont équivalents si nous considérons que les dispositions sont
non-ordonnées.

SAHNOUN.A.Y Page 3
 Cours des probabilités 2022/2023

En revanche, ils ne sont pas équivalents si nous sommes dans le cadre d’une disposition
ordonnée.

La valeur Factorielle(n), notée n! est définie par Par

convention 0! = 1. Nous pouvons également utiliser une définition récursive

Les méthodes de dénombrement se classeront selon 3 catégories: • les permutations • les

arrangements • les combinaisons

1.1.1. Arrangement avec répétition :

Soit Ω un ensemble avec n d’élément. Si nous avons à choisir p éléments parmi n dans une
disposition ordonnée (les places sont distinctes) et avec répétition (on peut choisir le même
élément plusieurs fois), on dit qu’on a un arrangement de p éléments parmi n. Le nombre
d’arrangement avec répétition est np:

N.B. Dans ce cas, il est possible que p > n

Exemple : { } les arrangements avec répétitions de deux éléments de l’ensemble sont :

{ }{ }{ }{ }{ }{ }{ }{ }{ }
32=9

Example 1 : Une urne contient 1R, 1B, 1N et 1V. On effectue 2 tirages

successifs avec remise. Combien y a-t-il de résultats possibles ?

42=16

SAHNOUN.A.Y Page 4
 Cours des probabilités 2022/2023

1.1.2Arrangement sans répétition :

Soit Ω un ensemble avec card (Ω) = n . On constitue un échantillon de taille p (p < n), la
disposition est ordonnée et sans répétition. On dit qu’on a un arrangement sans répétition
de p éléments parmi n. Le nombre de p arrangements d’un ensemble à n éléments est :

Réaliser un arrangement sans répétition des éléments de Ω , c’est déterminer un p-uplet

(x1; …. ; xp) d’éléments de Ω deux à deux distincts , C’est aussi définir une application
injective d’un ensemble E à p éléments dans à n éléments.

Exemple : { } les arrangements sans répétitions de deux éléments de l’ensemble sont :

{ }{ }{ }{ }{ }{ }

1.1.3.Permutation sans répétition :

C’est un arrangement sans répétition de n éléments parmi n

Exemple : { } les arrangements sans répétitions de deux éléments de l’ensemble sont :

{ }{ }{ }{ }{ }{ }

Réaliser une permutation des éléments de Ω, c’est réaliser un tirage exhaustif sans remise
des éléments de Ω en tenant compte de l’ordre du tirage.

Exemple :

SAHNOUN.A.Y Page 5
 Cours des probabilités 2022/2023

Supposons que trois équipes participent à un tournoi dans lequel sont déterminées une
première, une deuxième et une troisième place. Pour faciliter l’identification des équipes,
nous allons les désigner par les lettres A, B, C.
Cherchons le nombre de manières différentes permettant d’attribuer le classement de ces 3
équipes. On peut illustrer ce raisonnement par un diagramme en arbre.

1.1.4.Permutation avec répétition :

On appelle permutation avec répétition de p éléments où n sont distincts (n < p),
une disposition ordonnée de l’ensemble de ces p éléments où le premier figure p1 fois, le
second p2 fois, etc., tel que p1 + p2 + …. + pn = p. Le nombre de permutation avec répétitions
est

Exemple 1 :*Nombre d’anagrammes du mot MATHÉMATIQUE+ : nous voyons qu’en

échangeant les deux lettres A, le mot reste identique, et par contre en transposant les
lettres É et E nous obtenons un mot différent. (M :2 ;A :2 ;T :2 ;H :1 ;É :1 ;I :1 ;Q :1 ;U :1 ;E :1)
:

Anagrammes =

Example 6 : Le numéro de série d’un certain type de téléviseur est un nombre à

5,5, 5,2, 2, 8 et les lettres C, C, K, combien de numéros de série différents peut-on
former ?

SAHNOUN.A.Y Page 6
 Cours des probabilités 2022/2023

1.1.5 Combinaison sans répétition :(Ensemble)

On considère un ensemble Ω constitué de n éléments tous discernables. On forme un
échantillon de taille p. Si la disposition est non-ordonnée et sans répétition, on dit que l’on a
une combinaison sans répétition de p éléments parmi n. Le nombre de ces combinaisons se
note

Exemple :
La combinaison sans répétition de P=2 éléments parmis n éléments de l’ensemble {1,2,3}
sont

{1,2}, {1,3} , {2,3}

Propriétés :

Formule du binôme :

SAHNOUN.A.Y Page 7
 Cours des probabilités 2022/2023

1
1 1
1 2 1
1 3 3 1
1 4 6 4 1

Triangle de Pascal

1.1.6.Combinaison avec répétition :

C’est une disposition non-ordonnée de p éléments, à choisir parmi n éléments
discernables, avec répétition. Le nombre de combinaisons avec répétitions de n objets
pris p à p est :

Exemple :
La combinaison avec répétition de P =2 éléments parmis n éléments de l’ensemble
{1,2,3} sont :

{ }{ }{ }{ }{ }{ }

SAHNOUN.A.Y Page 8
 Cours des probabilités 2022/2023

II .Notion de la théorie des ensembles

Sous ensemble :
Soit A et B deux ensembles telque : ,
1 On dit que A est inclus dans B, on note si chaque élément de

2 on dit que A et B sont égaux qu’on note A=B si et

3 si donc

Système complet d’évènements : Soient A1 , A2 , ... , An n événements. On dit que (A1 ,

A2 , ... , An) constitue un système complet d'événements si ils forment une partition de
:

si leur réunion est l'événement certain 

Union et intersection :

SAHNOUN.A.Y Page 9
 Cours des probabilités 2022/2023

On interprète l'événement AUB comme étant ( A ou B se réalisent ), et comme

étant ( A et B se réalisent ),

On dit que deux événements A et B sont disjoints s'ils n'ont aucun élément en commun,
c'est-à-dire si , où est l'ensemble vide.

Ex : forme un système complet d’évènements.

Notion :

Proposition :

 Card(AUB)=card(A) + card (B) – card (A B)

SAHNOUN.A.Y Page 10
 Cours des probabilités 2022/2023

 L’intersection et la reunion sont des lois de composition internes

 Commutativité

 Associativité :

 Evènement neutre :

(⋃ ) ⋃

En particulier

(⋂ ) ⋂

En particulier

4 Ensemble complémentaire :
def : soit Ω un ensemble et A un sous ensemble de Ω, on appelle ensemble
complémentaire de A dans Ω qu’on note ou ou encore Ac , l’ensemble
{ | }

SAHNOUN.A.Y Page 11
 Cours des probabilités 2022/2023

5 Soustraction des ensembles :

Définition :
Soit A,B deux ensembles de Ω, on appelle différence des ensembles A et B qu’on not A\B
On note A\B { }

La différence symétrique :
La différence symétrique de deux ensembles A et B est l’ensemble dont les éléments
appartiennent soit à A, soit à B mais non a .

Exemple

SAHNOUN.A.Y Page 12
 Cours des probabilités 2022/2023

Introduction à la notion de probabilité

2.1. Expérience aléatoire- évènement

Définition 01
Une expérience est qualifiée d’aléatoire si l’on ne peut pas prévoir complètement le
résultat.
On note L’ensemble de tous les valeurs possibles que peut prendre les résultats
de cette expérience qu’on appelle « univers ».
Exemple :
1° / Lancer une pièce de monnaie : { }
2° / jet d’un dé cubique : { }
3° / Durée de vie :

Définition 02
On appelle évènement l’ensemble des issus de l’expérience qui vérifient une
propriété donnée. C’est donc une partie A de ( )
Exemple :
1° / Obtenir pile en jetant une pièce de monnaie.
2° / Obtenir une somme ≥ 7 en jetant simultanément deux dés.
* L’ensemble est un évènement appelé : évènement certain.
* L’ensemble est un évènement appelé : évènement impossible.
* Deux évènement A et B sont dit incompatible si

Définition 03
On appelle évènement élémentaire (simple) une partie de réduite à un seul
élément { }

Définition 04
On appelle système complet d’événements tout ( )
d’évènements ou suite d’évènements deux à deux incompatible distinct de
tels que :

SAHNOUN.A.Y Page 13
 Cours des probabilités 2022/2023

Axiome 01 :

Axiome 02 :

2.1.1. La probabilité :
Soit un ensemble probabilisé, A est un sous ensemble de
( ) [ ]

On peut écrire

2.1.2. L’équiprobabilité :
Si tous les évènements élémentaires ont la même probabilité on dit qu’ il y a
équiprobabilité.
Exemple :
Dans le lancé du dé

2.1.3. Tribu
Soit un ensemble fondamental et est un autre ensemble, B un sous ensemble.
On dit que est une tribu (on dit encore Algèbre ) si satisfait aux axiomes :
1° /
2° /
3° / Si . est une suite d’éléments appartenant à alors

Exemple
{{ } { } { }}
{ { } { } { }} n’est pas une tribu
{ { }{ }{ }{ }{ }{ }{ }} est une tribu

SAHNOUN.A.Y Page 14
 Cours des probabilités 2022/2023

2.2. Espace probabilisé

2.2.1. Axiomatique de Kolmogrov
Soit un ensemble. tribu sur On appelle probabilité sur toute application
[ ]

vérifiant.
1° /
2° est une famille d’éléments de deux à deux distincts( c.a.d.

(⋃ ) ∑

Définition : On appelle espace probabilisé le triplet

Définition : On appelle le cardinal d’un ensemble noté card représente son

nombre d’éléments par exemple { } card

2.2.2. Probabilité élémentaire

1° /
2° ̅
3° /
4°

Définition (Probabilité (cas fini)) Une probabilité P est une fonction de P(Ω)
dans [0; 1] telle que :

 P(Ω) = 1;
 P(A U B) = P(A) + P(B) si A et B sont disjoints
 ̿ , ̅ = Ω, ̅ =
 ̅ , AU ̅= Ω
 ̅̅̅̅̅̅̅̅̅̅ ̅ ̅

 ̅̅̅̅̅̅̅̅̅̅ ̅ ̅
 ̅ ̅
 card( ̅)=card(Ω) – card (A)

SAHNOUN.A.Y Page 15
 Cours des probabilités 2022/2023

Probabilités des événements.

La probabilité d'un événement est une valeur numérique qui représente la proportion
de fois ou l'évènement va se réaliser, quand on répète l'expérience dans des
conditions identiques. On peut déduire de cette définition qu'une probabilité doit être
entre 0 et 1 et que la probabilité d'un événement est la somme des probabilités de
chacun des événements élémentaires qui le constituent. Enfin, la somme des
probabilités de tous les éléments de Ω est 1.

Espace des observables :

Dans chaque situation, l'espace des observables (ou des issues) est donc noté Ω,
alors que les éléments de Ω, appelés observations, seront notés ω. Voyons sur des
exemples comment on modélise une expérience aléatoire.

Définition : On appelle espace de probabilité fini un ensemble quelconque de

cardinal fini (on l'appelle également espace d'état, ou univers Ω).
Un événement est un ensemble de résultats (un sous-ensemble de l’univers) d’une
expérience aléatoire. Comme l’événement est une affirmation concernant le résultat
d’une expérience, nous devons pouvoir dire, pour tout résultat de l’univers, si
l’événement se réalise ou non.

Exemple 01 :
On considère un dé à 6 faces, numérotées de 1 à 6. On appelle - l'ensemble des
résultats possibles d'un lancer, Ω = {1; 2; 3; 4; 5; 6}. Si on suppose que le dé est
équilibré, on associe
à chaque résultat la probabilité 1/6. On pense donc à une probabilité comme à une
fonction P sur Ω telle que :
P(1) + P(2) + P(3) + P(4) + P(5) + P(6) = 1:
Exemple 02:
On considère le même dé, sauf que sur la sixième face le nombre 6 est remplacé par
le 5. Il y a donc deux faces où 5 est inscrit. L'ensemble des résultats est différent : A
= {1; 2; 3; 4; 5}.
Comme le dé est équilibré, les faces 1,2,3 et 4 ont chacune la probabilité 1/6 de
sortir,
alors que P(5) = 2/6.

SAHNOUN.A.Y Page 16
 Cours des probabilités 2022/2023

Par exemple, si Ω = {1; 2; 3},

Alors P(Ω) = {Ø; {1} ; {2} ; {3} ; {1; 2} ; {1; 3} ; {2; 3} ; {1; 2; 3}}

2.4. Probabilité conditionnelle indépendante :

Soit un espace probabilisé, l’intersection de deux évènements noté où
seulement si les deux évènements A et B sont réalisés. Cependant on peut
s’intéresser à la réalisation de l’évènement A sachant que l’évènement B est déjà
réalisé, si cet évènement est de probabilité non nulle c.a.d. on s’intéresse à la
probabilité conditionnelle sachant B.
La probabilité conditionnelle sachant B est l’application de [ ] définie par :

Evènement incompatible :
A et B sont deux évènements incompatibles si et seulement si

Exemple :
Un candidat passe un concours
A :succès
B :échec
C :absence
A et C sont incompatible.
 Les évènements incompatible A et B :
L’évènement A ne se réalisera pas si l’évènement B est réalisé :

Exemple 1 :
On lance deux dés et on considère les deux évènements :
- A : obtenir un chiffre impair sur les deux dés ;
- B : la somme des points obtenus sur les deux dés est un nombre impair.
{ }{ }{ }{ }{ }{ }
{ }{ }{ }{ }{ }{ }{ }{ }{ }

2.5. Indépendance des évènements :

2.5.1. Définition
L’évènement A est indépendant de l’évènement B si la probabilité de réalisation de
l’évènement A n’est pas modifié par une information concernant la réalisation de
l’évènement B.

SAHNOUN.A.Y Page 17
 Cours des probabilités 2022/2023

c.a.d.

Alors on dit que A est indépendant de B

Le principe des probabilités composées entraine :

Théorie des probabilités composées

Ce principe se traduit par la formule de poincarré

Exemple 01 : (examen)
Il y a 6 machines dans une boite, 4 d’entre elles sont en état de marche et 2 sont
défectueuse. Trois machines sont choisies au hasard, l’une après l’autre.
Trouver la probabilité que la 1ère et la 3ème soient en état de marche et la 2ème soit
défectueuse.
Solution :
Bi : « la ième machine tirée est en bon état »
Nous cherchons la probabilité ̅̅̅
̅̅̅ ̅̅̅ ̅̅̅

Exemple 2: On a 7 boules, 4 blanche et 3 noir.

Tirer dans l’ordre et sans remise 3 boules.
Calculer la probabilité pour que les trois boules soient blanches.
Solution :
On considère
B1 : avoir une boule blanche au 1er tirage.
B2 : avoir une boule blanche au 2ème tirage.
B3 : avoir une boule blanche au 3ème tirage.

⁄ ⁄ ⁄ ⁄
2.5.2. Indépendance deux à deux
Pour juger sont deux à deux indépendant, il faut que

SAHNOUN.A.Y Page 18
 Cours des probabilités 2022/2023

2.5.3. Indépendance mutuelle

Les évènements sont mutuellement indépendants si pour toute
partie I de l’ensemble des indices on a :

(⋂ ) ∏

Exemple :
On lance deux dés et on considère les évènements :
A : Le premier dé donne une face paire ;
B : Le deuxième dé donne une face impaire ;
C : La somme des points apparaissant sur les deux faces est paire.
{ }
{ }
+ 1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12

violet
bleu

Les évènements A, B et C ne sont pas mutuellement indépendants :

2.5.5. Théorie de Bayes

Définition
On dit que les sous ensembles de l’ensemble forment une partition de
si
1°/

SAHNOUN.A.Y Page 19
 Cours des probabilités 2022/2023

2°/
Théorème : Soit un espace probabilisé une partition de alors on a la
réalisation suivante
1°/ Formule des probabilités totale :

∑ ∑

2°/ Formule de Bayes :

Exercice n°2 :
Une série d’urnes comporte les boules suivantes :

| | | | | |

On a tiré une boule blanche de U quelle est la probabilité qu’elle soit tirée de

⁄ ⁄
( ⁄ ⁄ ) ( ⁄ ⁄ ) ( ⁄ ⁄ )

SAHNOUN.A.Y Page 20
 Cours des probabilités 2022/2023

Chapitre II
1. Variable aléatoire
Définition
On suppose une expérience dont l’univers est muni d’une tribu d’évènement et
d’une probabilité espace probabilisé. Une variable réelle X est un caractère
quantitatif discret ou continu dont la valeur est fonction du résultat de l’expérience.

E est l’ensemble des valeurs possibles de X qui est mesurable, c.a.d. tel que l’image
réciproque
Exemple
Lancer deux fois de suite une pièce de monnaie { }

Soit X le nombre de face qui apparait à chaque fois qu’on effectue deux lancers.
{ }

PP PF FP FF

0 1 1 2

1/4 1/4 1/4 1/4

Lois de X

Alors, on a

SAHNOUN.A.Y Page 21
 Cours des probabilités 2022/2023

1.1 Loi de probabilité :

La mesurabilité de X assure que l’image réciproque de tout éléments
possède une probabilité, on peut ainsi définir sur une
mesure de probabilité appelé loi de X et notée par
( )

1.2 fonction de répartition :

F est dite fonction de répartition si
1) F est croissante ;
2) F Continue à droite ;
3)

Théorème :
1) Soit P une probabilité sur alors ] ] est
une fonction de répartition.
2) Si F est une fonction de répartition sur R alors :
[ ]
] ] ] ]
Et

Propriétés :

1) { }
2) [ [
3) ] [
4) [ ]

Exemple :

SAHNOUN.A.Y Page 22
 Cours des probabilités 2022/2023

Soit F une fonction de répartition définie comme suit :

Calculer
Solution :
1)
2)
3) ( ) ( )
4)
1.3. Variable aléatoire discrète :
Définition :
Une variable aléatoire X est dite discrète si a un nombre fini (ou infini
dénombrable) d‘éléments.
Soient x1, x2, …, xn les réalisations de X. on note pour tous i=1,2,…,n
{ } { }

Les évènements forment un système complet et ∑

Représentation graphique :
Pour le lancement d’une pièce de monnaie, on a la loi de xi 0 1 ∑
probabilité de X (apparition de Face) est résumé dans le
tableau : 1/2 1/2 1

Sa fonction de répartition sera : {

SAHNOUN.A.Y Page 23
 Cours des probabilités 2022/2023

Figure : Représentation graphique d’une fonction de répartition

Exemple :
xi 1 2 3 4 5 6 7 8 9 10 11 12
P(xi) 1/36 3/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

La représentation graphique sera comme suit :

0,18 0,17
0,16
0,14 0,14
0,14
0,12 0,11 0,11

0,10
0,08 0,08
F(x)

0,08
0,06 0,06
0,06
0,04 0,03 0,03
0,02
0,00
1 2 3 4 5 6 7 8 9 10 11
Xi

Exemple :
Pour l’expérience du lancement d’un dé, l’ensemble fondamental est
{ }
et soit la tribu
{ { }{ }{ }{ }{ }{ } }

SAHNOUN.A.Y Page 24
 Cours des probabilités 2022/2023

Soit X l’application de dans telque soit le reste de de la division de w

sur 3.

Solution :
On a { }

{ } { }

{ } { }

{ } { }

X est une v. a. r discrète

Et

On a

1.3.1.Distribution d’une fonction de v.a.d

Soit une v.a.d X telque { } et g une fonction de dans
l’ensemble

{ }
Alors est une v.a.d telque

⋃ { }

D’où ∑
Exemple :
Soit la v.a.d X de loi de probabilité, xi -2 -1 0 1 2
on cherche la loi de la v.a. Pi 0,1 0,1 0,3 0,2 0,3
a)
b) | |
Solution :
a) Y prend les valeur 1,2,5 avec les probabilités

SAHNOUN.A.Y Page 25
 Cours des probabilités 2022/2023

yi 1 2 5
P(Y=yi) 0,3 0,3 0,4

b)

zi 0 1 2
P(Z=zi) 0,3 0,3 0,4

1.4.Variable aléatoire continu :

Une v.a.r X est dite continue si est un ensemble infini non dénombrable.
Une v.a.r X est dite continue si est un intervalle ou réunion d’intervalles de R
Les valeurs que prend X sont infinie dénombrable, alors la probabilité de ces
valeurs est une fonction continue f appelée fonction de densité de probabilité

Propriétés :
1- La fonction f est à valeurs positif sur R.
2- La fonction f est continue sur R
L’intégrale de f sur R converge et est égale à 1

∫ ∫

Loi de probabilité :
On appelle que la loi d’une v.a.r X sur un espace probabilisé est une
probabilité sur défini par
Si X est une v.a.continue de fonction de densité f, alors sa loi de probabilité est
donnée par

La probabilité de tout intervalle ] [ est égale à

SAHNOUN.A.Y Page 26
 Cours des probabilités 2022/2023

Exemple :
| |
[ ]

Est-ce que f(x) est une densité de probabilité ?

Solution
Pour que f(x) soit une densité de probabilité il faut que

| |
∫

| |
∫ ( ∫ ∫ )

Alors f(x) est une densité de probabilités

Fonction de répartition :
∫ aire sous la courbe de densité

SAHNOUN.A.Y Page 27
 Cours des probabilités 2022/2023

1.41.Distribution d’une fonction de v.a.c

Soit une v.a. continue X de densité de probabilité f et soit Y=(g(x) dérivable pout tout
x et telle que g’(x)>0,
Alors Y=g(x) est une v.a. continue dont la densité de probabilité est donnée par
( )
( )| |

Exemple :

Soit X une v.a. de densité de probabilité {

Déterminer la loi de
Solution :
avec y > 0 pour tous x

Nous avons | |

1.5. Moments d’une variable aléatoire discrète :

Espérance mathématique :

∑ [ ] (( ) )

Exemple :
Soit X la v.a prenant trois valeurs 0,1, avec les probabilités

SAHNOUN.A.Y Page 28
 Cours des probabilités 2022/2023

Espérance mathématique

Variance

( )

Espérance de Y=g(x)

Propriété :

Variance

si

Cas continue
Définition :
Soit X une v.a.continue et continu

( ) ∫

En particulier ∫

La variance de x est définit par

Exemple :
Soit x la v.a.continue de densité

Calculer E(x) et V(x)

Solution :

SAHNOUN.A.Y Page 29
 Cours des probabilités 2022/2023

∫ ∫ ∫

∫ [ ]

∫ ∫ [ ]

SAHNOUN.A.Y Page 30