Chapitre 2:

Théories des ensembles et calcul des

probabilités
Les concepts d’événement et de probabilité d’un événement sont
deux notions intuitives.

L’objectif de la théorie des probabilités est d’essayer de formaliser

cette intuition dans un cadre mathématique, afin de comprendre les
situations dans lesquelles le hasard intervient.
 1. Définitions

Définition 1 : Ensemble

Toute collection d’individus, d’objets... deux à deux distincts est appelée un

ensemble.

Exemples :

N: Ensemble des nombres entiers naturels,

Z:Ensemble des nombres entiers relatifs,

B(0,1):Ensemble des chiffres binaires, etc.

Définition 2 : élément

Les individus ou objets x d'un ensemble E, pris isolément, sont des

éléments de E, et on note :

x∈E

Par exemple, le symbole 5 est un entier : 5 ∈ N .

Définition 3 : L'ensemble vide

L'ensemble vide est celui qui n'admet aucun élément. Il est noté ∅ .

Définition 4 : Partie d'un ensemble

Une partie A d'un ensemble E est un sous-ensemble de E.

Tous les éléments de A sont aussi des éléments de E. On dit que A est
inclus dans E , et on note A ⊂ E.
2. Operations sur les ensembles

Définition 1 : Intersection

Soient A et B deux ensembles et E un ensemble formé des éléments

en communs entre A et B. E est alors appelé l'intersection de A et B
est noté : E= 𝐀 ∩ 𝐁

Exemple:

E = {3, 4}
Définition 2 : Intersection

Soient E et F deux ensembles. On dit que E et F sont disjoints si leur

intersection est vide : E∩ 𝑭 = ∅

Exemple:

E F
23
 Définition 3 : Réunion

Soient A et B deux ensembles et E un ensemble

formé des éléments de A plus ceux de B et sans
répéter les éléments en communs entre A et B.
E est alors appelé réunion de A et B et est noté :
𝐸 =𝐴𝖴𝐵 E
Exemple
E = {1,2,3,4,5,6}
Définition 4 : Différence entre deux ensembles

La différence entre un sous-ensemble A et un autre sous-ensemble

B , notée A – B, contient tous les éléments de A qui n’appartiennent
pas à B : ഥ
A–B=A∩𝑩

Exemple: Soit A = {1, 2, 3, 4} et B = {3, 4, 5, 6}

Alors A – B = {1, 2}

B – A = {5, 6}
3 . Vocabulaire et opérations logiques sur les événements:

Dans une expérience aléatoire, l’univers Ω est l’ensemble des

résultats possibles.

Un événement est une partie de l’univers Ω .

Un événement élémentaire est un événement possédant un seul

élément.

L’événement contraire de A, notée Ᾱ est l’événement réalisé si et

seulement si A ne l’est pas.
 L’événement A et B est l’événement réalisé si et seulement si les
deux événements sont réalisés simultanément; il correspond à l’opération
logique intersection (A∩ 𝑩).

Des événements A at B sont disjoints, ou incompatibles, si et seulement si

il n’y a pas de réalisation simultanés des deux événements ; il correspond à
l’opération logique (A∩ 𝑩 = ∅).

L’événement A ou B est l’événement réalisé si et seulement si au moins

l’un des deux événements est réalisé; il correspond à l’opération logique
réunion (A∪ 𝑩).
Remarque:

On note P(Ω) l’ensemble des événements de l’univers Ω.

Exemple:
si on jette un dé, l’événement A={3,4} est un événement de Ω
puisque A⊂Ω , donc A⊂P(Ω).
4 . Propriétés des opérations sur les événements:

Supposons les trois ensembles A,B et C, tous inclus dans un

ensemble E appelé univers. On définit :

1. (A ∪ B)=(B ∪ A) et (A ∩ B) = (B ∩ A) ( commutativité)
2. A ∪ B ∪ C = A ∪ B ∪ C = A ∪B ∪C (associativité)
3. A∩ ( B ∩ C) = (A ∩ B) ∩ C = A ∩B ∩ C (associativité)
4. A ∩ B ∪ C = (A ∩ B) ∪ (A ∩ C) (distributivité)
5. A ∪ B ∩ C = A ∪ B ∩ A ∪ C (distributivité)
6. A - B = A ∩ 𝐵ത
7. Si ( A∈ 𝐵 ) alors ( 𝐵ത ∈ 𝐴)ҧ
8. ( A ∪ ∅) = A et ( A ∩ ∅) = ∅. ( identité )
9. ( A ∪ 𝐸) = E et ( A∩ E) = A. ( identité )
10. (A ∪ 𝐴 ) = A et (A∩ 𝐴 ) =A . (idempotence)
11. (𝐴 ∪ 𝐵)=𝐴ҧ ∩ 𝐵ത
et (𝐴 ∩ 𝐵)=𝐴ҧ ∪ ഥ
𝐵 .Théorème de Morgan
12. A=(A ∩ B) ∪ (A ∩ 𝐵)ത . Théorème de Morgan
13. B =(A ∩ B) ∪ (𝐴ҧ ∩ B) . Théorème de morgan
14. A= (A ∪ B)- (𝐴ҧ ∩ B)
ത
15. B = (A ∪ B)- (A ∩ 𝐵)
Exemple :

Soient A, B et C trois événements, exprimez les événements suivants :

1- A seul se produit.

2- A et B se produisent et pas C.

3- A, B et C se produisent simultanément.

4- Au moins deux événements se produisent.

5- Un est un seul se produit.

6- Deux seulement se produisent.

7- Aucun ne se produit.
Solution :

1- A ∩ 𝐵ത ∩ 𝐶.ҧ

2- A ∩ B∩ 𝐶.ҧ

3- A ∩ B ∩ C.

4- (A ∩ B∩ 𝐶ഥ ) ∪(A ∩ 𝐵ത ∩ 𝐶) ∪ (𝐴∩
ҧ B∩ 𝐶) ∪(A ∩ B∩C).

5- (A ∩ 𝐵ഥ ∩ 𝐶)ҧ ∪(𝐴ҧ ∩ 𝐵∩𝐶)ҧ ∪ (𝐴ҧ ∩ 𝐵∩𝐶).

ത

6- (A ∩ 𝐵 ∩ 𝐶)ҧ ∪(A∩ 𝐵∩C)

ത ∪ (𝐴ҧ ∩ B∩𝐶).

7- (𝐴ҧ ∩ 𝐵∩ ҧ
ത 𝐶).
 1.Experiences aléatoire et événements

Définition d’une expérience: Un expérience est une action qui se réalise avec
l’intention de recueillir certaines observations sur les résultats. Observations
sur les résultats.

Définition d’une expérience aléatoire

On dit qu’ une expérience est aléatoire si les résultats obtenus sont
imprédictibles. Ça veut dire que même si on répète l’expérience sous les
mêmes conditions le résultat peut changer(il s’agit d’un phénomène
aléatoire).
On appelle une expérience ou épreuve aléatoire, toute expérience
entraînant des résultats qui dépendent du hasard.

Exemple:

Expérience 1:

On jette un dé à 6 faces et on lit le numéro de la face supérieure.

Expérience 2:

On jette deux fois le dé et on note les deux numéros obtenus.

Autres exemples:

-le prix d’ une action sur un marche financier

-Résultat du lancement d’ un dé ou d’ une pièce de monnaie

- etc.
 Définition d’ un événement

On définit un événement comme un ensemble de résultats possibles de

l’expérience aléatoire.

Exemples:

Expérience 1: A1 est l’événement « le numéro obtenu est impair » :

{1;2;3}.

A2 l’événement « le numéro obtenu est inférieur ou égal à 3» : {1;2;3}

Expérience 2: Soit B l’événement « la somme des deux numéros

obtenus est 5 »: B = {(2;3),(1;4),(3;2),(4;1)}.
Définition d’ un Univers:

On appelle univers, noté Ω l’ensemble de tous les résultats

possibles (on dit aussi de toutes les éventualités possibles) de cette
expérience.

Dans le cas du lancement d’un dé :

Ω= {1;2;3;4;5;6}
 A et B deux événements possible de Ω:

Langage Probabiliste Langage ensembliste

•Evénement certain:Ω Ensemble universel:Ω

•Evénement impossible:ᴓ Ensemble vide:ᴓ

•Evénement contraire: Complémentaire de A

•Evénement A ou B : A∪B

•Evénement A et B : A∩B

•Evénements incompatibles : A∩B =∅

•L’événement A entraine B : A⊂B

 Remarque :

Quand on réalise une expérience chaque événement a un degré de

possibilité de réalisation. La mesure de degré de possibilité s’appelle
Probabilité de réalisation(chance de réalisation).
 Définition :

Généralement la probabilité d’un événement d’un univers finit de

Ω est définie comme suit :

𝒄𝒂𝒔 𝒇𝒂𝒗𝒐𝒓𝒂𝒃𝒍𝒆𝒔 𝒌
P(A) = =
𝒄𝒂𝒔 𝒑𝒐𝒔𝒔𝒊𝒃𝒍𝒆𝒔 𝒎
2 - Définition axiomatique de la probabilité :

Soit Ω un univers fini.

Une probabilité sur Ω est une application p de l’ensemble P(Ω) des

événements dans l’intervalle 0,1 telle que :

Axiome 1 : P(Ω) =1

Axiome 2 : pour tous les événement A et B si A ∩ B = ∅ ( A et B

sont des évènements incompatibles).

alors:

p (A ∪ B)= p(A) + p(B)

propriétés :

Pour tout événement A , P(𝐴)ҧ = 1 − p A ;

Dans le cas particulier où A= Ω nous obtenons p(∅) =0;

Pour tous les événements A et B, si (A∩ B)#∅ ( A et B sont des

événement compatibles) alors :

P(A ou B) = p (A ∪ B) = p(A) +p(B) - ( A∩ B)

- Si A ⊂ B p(A) ≤p(B).

Et si B= A ∪ B ∩ 𝐴ҧ p(B) = p(A) + p B ∩ 𝐴ҧ
Pour tout événement A :

0 ≤ p(A)≤1.

Pour toute suite finie 𝐴1 ,𝐴2 ….. 𝐴𝑛 d’événements incompatibles

Deux à deux, on a :

p ( 𝑨𝟏 ∪ 𝑨𝟐 ∪ ⋯ ,∪ 𝑨𝒏 ) = σ𝒏𝒊=𝟏 𝒑(𝑨𝒊 )
Cas particulier important : l’équiprobabilité

L’équiprobabilité correspond au cas où tous les événements

élémentaires ont la même probabilités ;

Si les n événements élémentaires sont équiprobables, chacun à

une probabilité de 1/n;
Dans le cas où tous les événements élémentaires ont la même
probabilité, la probabilité d’un événement A , est :

𝒏𝒐𝒎𝒃𝒓𝒆 𝒅′ é𝒍é𝒎𝒆𝒏𝒕𝒔 𝒅𝒆 𝑨 𝒏𝒐𝒎𝒃𝒓𝒆 𝒅𝒆 𝒄𝒂𝒔 𝒇𝒂𝒗𝒐𝒓𝒂𝒃𝒍𝒆𝒔

P(A) = =
𝒏𝒐𝒎𝒃𝒓𝒆 𝒅′ é𝒍é𝒎𝒆𝒏𝒕𝒔 𝒅𝒆Ω 𝒏𝒐𝒎𝒃𝒓𝒆 𝒅𝒆 𝒄𝒂𝒔 𝒑𝒐𝒔𝒔𝒊𝒃𝒍𝒆𝒔
3 - Probabilités composées et conditionnelles

▪ Arbres pondérés
Règles de construction: La somme des probabilités des branches
issues d'un même nœud est 1.

La probabilité de l'événement correspondant à un trajet est le

produit des probabilités des différentes branches composant ce
trajet.
Exemple:
On jette une pièce.
▪ Si on obtient pile, on tire une boule dans l’urne P contenant 1
boule blanche et 2 boules noires.
▪ Si on obtient face, on tire une boule dans l’urne F contenant 3
boules blanches et 2 boules noires.
On peut représenter cette expérience par l'arbre pondéré ci-
dessous :
Dans ce cas il y a deux scénarios différents qui aboutissent à l'obtention des
chacune des boules blanche ou noire.
Dans le premier:
- la probabilité d'obtenir B (boule blanche) sachant qu'on a obtenu P (pile) est
1/3.
- la probabilité d'obtenir N (boule noire) sachant qu'on a obtenu P (pile) est 2/3.
Dans le deuxième:
- la probabilité d'obtenir B (boule blanche) sachant qu'on a obtenu F(face) est
3/5.
- la probabilité d'obtenir N (boule noire) sachant qu'on a obtenu F (face) est 2/5.
Définition d’une probabilité conditionnelle

Soit p une probabilité sur Ω soit A un événement de probabilité

non nulle. La probabilité sachant que A est réalisé est l’application
𝑝𝐴 qui à tout événement B associe le nombre :

𝒑(𝑨∩𝑩)
𝑷𝑨 𝐁 𝐨𝐮 𝐩 𝑩/𝑨 =
𝒑(𝑨)

𝑃𝐴 B ou 𝐩 𝑩/𝑨 se lit « probabilité de B sachant que A est

réalisé ».
propriétés :

La P(B/A) est une probabilité sur Ω

En effet on démontre que P(B/A)est une application de p(Ω) dans

l’intervalle 0,1 telle que :

1. 𝑃𝐴 Ω =1

2. Pour tous les événements B et C incompatibles :

P(𝑩 ∪ 𝑪/𝑨) = 𝒑(𝑩/𝑨) + 𝒑(𝑪/𝑨)

Soient A et B deux événements de probabilités non nulles, on
définit :

𝑨∩𝑩
𝒑 𝑩/𝑨 = P( ) = 𝒑 𝑨 ∩ 𝑩 = 𝒑(B/A) × p(A)
𝑨
 𝒑 𝑨/𝑩 = P(
𝑨∩𝑩
) = 𝒑 𝑨 ∩ 𝑩 = 𝒑(𝑨/𝑩) × p(B)
𝑩
=> 𝒑 𝑨 ∩ 𝑩 = 𝒑(B/A) × p(A) = 𝒑(𝑨/𝑩) × p(B)
Exemple:
Dans une urne contenant 20 boules blanches, 15 boules noires, 15
boules rouges et 10 boules vertes.

On choisi de façon aléatoire deux boules successives :

1: Quelle est la probabilité que les deux boules tirées soient

blanches?
Solution:
1) :Soit
A l'événement: " première boule tirée est blanche" et
B l'événement "deuxième boule tirée est blanche".
➢ P(A) est la probabilité de tirer au premier tirage une boule blanche:
P(A)= 20/60 = 0,33
➢ P(B/A) est la probabilité de tirer au deuxième tirage une boule blanche
sachant que la première boule tirée est blanche.
Au deuxième tirage l'urne contient donc 59 boules dont 19 sont blanches car on
a déjà tiré une boule blanche. On donc:
P(B/A)= 19/59= 0,32
Par conséquent, le fait de tirer deux boules blanches revient à calculer
P(A et B) c à d P(A∩B)
P(A∩B)= P(A) * P(B/A)= 0,33 * 0,32 = 0,1056
Exercice 1:
𝟏
p(A) =
𝟐
𝟏
p B =
𝟑
𝟏
p(A ∩ B ) =
𝟏𝟎
Calculer:
1. 𝒑 𝑩/𝑨
2. 𝒆𝒕 𝒑 𝑨/𝑩
Exercice 2 :
Voici un tableau relevé lors d’une enquête dans un amphi. L’événement A désigne les étudiants
qui vont au moins une fois par semaine à la fac, B l’événement qui représente l’ensemble des
filles.

A ഥ
𝑨 Total
B 7 3
ഥ
𝑩 5 10
Total

1. Donner la probabilité de p(A).

2. Calculer la probabilité p(A ∩ B ).

3. Calculer la probabilité 𝑃𝐴 B .
Solution:

𝟏𝟐
1. p(A) =
𝟐𝟓

𝟕
2. p(A ∩ B ) =
𝟐𝟓

𝟕
3. 𝑃𝐵 𝐴 =
𝟏𝟎
Exercice 3:
Un sondage est effectué dans une entreprise comprenant 20% des cadres et 80%
d’employés. On sait que 40% des cadres et 15% des employés parlent l’anglais.
On choisit au hasard une personne de l’entreprise. On appelle C l’événement
« être cadre » , E l’événement « d’ être employé » , et A l ’événement « parler
l’anglais ».
1.Calculer la probabilité des événements C ∩ A et E ∩ A
2.Déduisez- P(A).
3. Calculer P(C/A).
Solution:
Pour simplifier les choses on peut construire l’arbre pondéré de cette expérience.
1. Le chemin: 0.2 C 0.4 A
Représente l’événement « la personne choisie est un cadre qui parle l’anglais ».
Autrement dit, c’est l’événement:
C ∩ A = 0.2× 0.4 = 0.08.
Le chemin: 0.8 E 0.15 A
Représente l’événement « la personne choisie est un cadre qui parle l’anglais ».
Autrement dit, c’est l’événement:
E ∩ A = 0.8× 0.15 = 0.12.
2. P(A) = 0.2
3. P(C/A) = 0.4.
4 - Théorème de Bayes

Les condition d’application du théorème de Bayes :

Soit un univers Ω avec:

- n événements 𝐴𝑖 ( les causes) :

- Disjoints ∀𝑖, ∀𝑗, 𝐴𝑖 ∩ 𝐴𝑗 = ∅ ;;

- Opérant une partition de Ω

(Ω = 𝐴1 ∪ 𝐴2 ∪ 𝐴𝑛 ) ou bien couvrent l’univers Ω,

- Et un événement B ≠ ∅ conséquence des causes 𝐴𝑖 .

Le théorème de Bayes est donnés comme suit:

𝒑(𝑨𝒊 ) × 𝒑(𝑩/𝑨𝒊 )
𝒑(𝑨𝒊 /𝑩) = 𝒏
σ𝒊=𝟏 𝒑(𝑨𝒊 ) × 𝒑(𝑩/𝑨𝒊 )
Explication:

 Le théorème de Bayes donne la probabilité des causes comme suit :

On considère les événements 𝑨𝒊 comme des causes dont une et une seule
est réalisée à la fois.

L’événement B est une conséquence des causes 𝑨𝒊 et p(B/𝑨𝒊 ) est la

probabilité que B soit le résultat de la cause 𝐴𝑖 ,

par contre p(𝑨𝒊 /B) est la probabilité que B étant réalisée, il doit être du à
la cause 𝑨𝒊 .
 5 -Probabilités a priori et probabilités à posteriori.

p(𝐴𝑖 ) p(B/𝐴𝑖 )
p(𝑨𝒊 /B)

Probabilité à priori
Probabilité des causes
probabilité postériori(Bayes)
probabilité que la conséquence
B étant réalisée est due à la cause
𝐴𝑖
probabilité que la conséquence
B soit le résultat de la cause 𝐴𝑖
Exercice d’application:

Dans une usine, 3 machines fabriquent des pièces mécaniques dans les
proportions respectives suivantes: p1=25%, p2=35% et p3=40%.

On sait que le les taux de production de pièces défectueuses par les 3

machines sont respectivement de 10%, 5% et 1%.

On choisit au hasard une pièce dans un lot de pièces fabriquées par l’usine
et on constate qu’elle est défectueuse. Quelle est probabilité qu’elle soit
fabriquée par la 3ème machine?
Solution:
Si on note les événements,
D =« la pièce est défectueuse».
Mi =« la pièce est fabriquée par la i ème machine ».
On a:
i) P(M1 )=0,25; P(M2 )=0,35 et P(M3 )=0,4.
ii) P(D/M1 )=0,1; P(D/M2 )=0,05 et P(D/M3 )=0,01.
Donc par le théorème de Bayes on calcule la probabilité a posteriori P(M3 /D):

𝐷
𝑀3 𝑝 𝑀3 × 𝑝 0,004
𝑀3
𝑝 = 3 = = 0,086
𝐷 σ𝑖=1 𝑝(𝑀𝑖 ) × 𝑝(𝐷/𝑀𝑖 ) 0,0465
 6 - Evénements indépendants :

Deux événements indépendants : la réalisation de l’un n’a pas d’influence

sur la réalisation de l’autre.

Les évènements A et B sont indépendants si et seulement si :

𝒑 𝑨∩𝑩 =𝒑 𝑨 ×𝒑 𝑩
Remarques :

Il arrive que p(B) ne change pas, que A soit ou non, autrement dit:

p(B/A) = p(B/Ᾱ)= p(B) , on dit alors que les événements A et B sont

indépendants.
 Dans le cas où A et B ont des probabilités non nulles , A et B sont indépendants
si et seulement :
p( B/A)=p(B) ou p(A/B)=p(A).
Cela signifie que : la réalisation d’un des deux événements n’a pas d’influence
sur celle de l’autre.
Ne pas confondre pour des événements A,B :
- A et B sont incompatibles si et le seulement si :
𝑨∩𝑩 =∅
- A et B sont indépendants si et seulement si :
𝒑 𝑨∩𝑩 =𝒑 𝑨 ×𝒑 𝑩