Probabilités

Pr. SADIK Khadija

IDSD1
Email: sadik92khadija@gmail.com

2021-2022
Chapitre 1:Analyse Combinatoire
 I. Notion préalable
 II. Permutations
 III. Arrangements
 IV. Combinaisons

Chapitre 2:Bases du calcul des

probabilités
 I. Vocabulaire de base
 II. Définition d’une probabilité
 III. Calcul de Probabilités
 Probabilités conditionnelles
ANALYSE COMBINATOIRE OU
DÉNOMBREMENT:

L'analyse combinatoire est une branche des mathématiques qui étudie

comment compter les objets. Elles fournit des méthodes de
dénombrements particulièrement utiles en théorie des probabilités.
I-Notions préalables
1-1. La notation factorielle

Exemple: Remarque
5!=1*2*3*4*5=120 n!=1*2*3*…...*(n-1)*n
7!=1*2*3*4*5*6*7=504 n!= (n-1) !*n
0!=1 (n+1)!= 1*2*…...*n*(n+1)
1-2. Coefficient binomial =n!*(n+1)

Exemple:
Quelques Propriétés de combinaison

1-3. Formule d’arrangements

La formule d’arrangement est défini par
1-4. Formule de Newton
1-4. Principe de multiplication
Lorsqu’on fait un choix Puis un autre choix indépendant, cela se traduira par une
multiplication

1-5. Principe d’addition

Lorsqu’on fait un choix OU un autre choix indépendant, cela se traduira par une
Addition
II. Permutations

Exemple1
De combien de façons pouvez-
vous ranger 5 livres sur une
étagère ?
Réponse : 5 ! = 120
Exemple2
De combien de façons peut-on
mélanger un jeu de 10 cartes ?
Réponse : 10 ! = 3628800
 II. Arrangements
1-Arrangements sans remise

Exemple1

Un coach de sport doit choisir les 3

joueurs parmi 6 avec l'ordre de
passage. Combien
de choix a-t-il ?
2-Arrangements avec remise

Exemple1

Combien de mots de 3 lettres peut-

on écrire avec les 26 lettres de
l’alphabet avec répétions des lettres?
 II. Combinaisons
1-Combinaisons sans remise

Exemple1
2-Combinaisons avec remise

Exemple1

on reçoit 2 cartes d'un jeu de 4 cartes.

Combien de mains différentes y a-t-il ?
 Résumé

Permutation Arrangements Combinaison

-Disposition ordonnée
-tous éléments utilisé
-sans remise

n!
Chapitre 2:Bases du calcul des
probabilités

 I. Vocabulaire de base
 II. Définition d’une probabilité
 III. Calcul de Probabilités
 Cas général
 Cas particulier équiprobabilité
 IV. Probabilités conditionnelles
 Définition
 Événements indépendants
 Loi de probabilité Totale
 Formule de BAYES
 I. Vocabulaire de base

1. Épreuve ou Expérience : C’est une action dont le

résultat est soumis au hasard,

2. Univers ou référentiel d’une expérience : C’est

l’ensemble des résultats possibles d’une expérience
donnée.
Notation : On note souvent l’univers d’une expérience par
:

3.Éventualité ou Événement élémentaire : C’est un
résultat parmi d’autres de l’expérience considérée.
Notation : On note souvent un événement élémentaire
par 
Remarque :dans le cas d’une expérience avec un
nombre fini n d’éventualités, on peut écrire :
  1 , 2 , 3 , 4 , ... , n1 , n 
4. Événement d’une expérience : C’est un sous
ensemble de l’univers associé à l’expérience considérée.

Exemple1 : on jette un dé et on note le chiffre obtenu.

Exemple : on jette un dé et on note le chiffre obtenu.
L’expérience est : on jette un dé et on note le chiffre obtenu.
L’univers Ω de l’expérience est :
Ω = { 1, 2, 3, 4, 5, 6 }
Les événements élémentaires sont :
ω1 = 1, ω2 = 2, ω3 = 3,
ω4 = 4, ω5 = 5, ω6 = 6.

L’événement A1 = « Obtenir un chiffre pair » est :

A1 = { 2, 4 , 6 }
 II.Définition d’une probabilité
Définition : Étant donnée une expérience d’univers Ω, on appelle probabilité
toute application P permettant d’associer à tout événement A un réel P(A) et
vérifiant les axiomes suivant :
1. Pour tout événement A, on a : 0 ≤ P(A) ≤ 1;
2. P(Ω) = 1;
3. Pour tout événement A et B disjoints, on a : P(AUB) = P(A) + P(B).

L’ensemble des parties de Ω

P : P (Ω) [ 0 ,1 ] La probabilité pour
que l’événement A
Événement A A P(A) soit réalisé.

A B

P(AUB) = P(A) + P(B)

Événements incompatibles (disjoints)

Conséquences : Soit P une probabilité sur un univers Ω. Alors on a les
assertions suivantes :
1. P(Ø) = 0.
2. P(Ā) = 1 – P(A).
3. P(AUB) = P(A) + P(B) – P(A∩B).
4. Si A  B alors P(A) ≤ P(B).

Ā
P(Ā) = 1 – P(A)
Ω A

A B P(AUB) = P(A) + P(B) – P(A∩B)

A∩B

B P(A) ≤ P(B)
A

On remarque que toutes les opérations sur les probabilités sont analogues à celle de surfaces.
 III. Calcul de probabilité classique
1.Cas générale
Exemple : Soient Ω = {1, 2, 3, 4, 5, 6} et P définie par :

P1  0,1; P2   0,4; P3  0,05;

P4   0,15; P5  0,2; P6   0,1.

Calculer la probabilité d’obtenir un nombre pair

Alors P est une probabilité sur Ω et la probabilité d’obtenir un nombre pair par
exemple est alors :

P2, 4, 6  0,4  0,15  0,1  0,65

Pour calculer la probabilité d’un événement A={ω1, ω2,…., ωn}, on fait la somme des
probabilités de ces Événements élémentaires

P( A)= P(ω1)+ P(ω2)+….... P(ωn) avec A= {ω1, ω2,…., ωn}

Soit Ω un univers qui contient n éléments :

  1 , 2 , 3 , 4 , ... , n1 , n 

Alors, toute application P définie par la donnée des n nombre positifs ou nuls
P(ω1), P(ω2), …, P(ωn) tels que :
n

 P   1
i 1
i

Détermine d’une manière unique une probabilité sur Ω.

Pour l’exemple précédent, on a Ω = {1, 2, 3, 4, 5, 6},

Donc P(1)+P(2)+P(3)+P(4)+P(5)+P(6)
=0,1+0,4+0,05+0,15+0,2+0,1=1
 2.Cas particulier:équiprobabilité

Définition : Soit Ω un univers qui contient n éléments :

  1 , 2 , 3 , 4 , ... , n1 , n 

On dit qu’on a une équiprobabilité sur l’univers Ω, si et seulement si, tous les
événements élémentaires ont la même probabilité de se réaliser :

Pi   pour i  1, 2, ... , n

1
n
Exemple: Pour le même univers Ω = {1, 2, 3, 4, 5, 6} , si P est définie par :

P1  ; P2   ; P3  ; P4   ; P5  ; P6   .

1 1 1 1 1 1
6 6 6 6 6 6

Alors P est la probabilité d’obtenir un nombre pair:

1 1 1 3 Card 2, 4, 6 Nombre de cas favorables

P2, 4, 6      
6 6 6 6 Card   Nombre de cas possibles
 Résultat: Dans le cas d’une équiprobabilité sur un univers fini, pour tout
événement A la probabilité pour qu’il soit réalisé est :
Card  A
P  A 
nombre de cas favorables de A

Card   nombres de cas possibles de l ' exp érience

Exemple1 : L’entreprise DUBEAU emploie 36 personnes dont 12 femmes. Un

salarié de cette entreprise est tiré au sort pour répondre à un sondage. On
note par :
H : L’événement « l’individu tiré est un homme ».
F : L’événement « l’individu tiré est une femme ».

Calculer P(H), P(F)

    F1 , F2 , ..., F12 , H1 , ... , H 23 , H 24 
F  F1, F2 , ... , F12 H  H1, H 2 , ... , H 24

Card F  12 1 Card H  24 2
P F     P H    
Card  36 3 Card   36 3
Exemple2 : Une urne contient 3 boules noires et 4 boules rouges. On
envisage le scénario d’expérience:
Expérience 1 : on tire 2 boules simultanément sans remise;

N1 N2 N3 R1 R2 R3 R4

On note par :
 A : l’événement «Les deux boules tirées sont rouges»
 B : l’événement «Les deux boules tirées sont noires»
 C : l’événement «Les deux boules tirées de même couleur»
 D : l’événement «Les deux boules tirées sont de couleurs différentes»

Calculer P(A), P(B), P(C), P(D)

Exemple3 : Une urne contient 3 boules noires et 4 boules rouges. On
envisage le scénario d’expériences :
Expérience 2 : on tire 2 boules successivement sans remise;

N1 N2 N3 R1 R2 R3 R4

On note par :
 A : l’événement «Les deux boules tirées sont rouges»
 B : l’événement «Les deux boules tirées sont noires»
 C : l’événement «Les deux boules tirées de même couleur»
 D : l’événement «Les deux boules tirées sont de couleurs différentes»

Calculer P(A), P(B), P(C), P(D)

Exemple4: Une urne contient 3 boules noires et 4 boules rouges. On
envisage le scénario d’expériences :
Expérience 3 : on tire 2 boules successivement avec remise.

N1 N2 N3 R1 R2 R3 R4

On note par :
 A : l’événement «Les deux boules tirées sont rouges»
 B : l’événement «Les deux boules tirées sont noires»
 C : l’événement «Les deux boules tirées de même couleur»
 D : l’événement «Les deux boules tirées sont de couleurs différentes»

Calculer P(A), P(B), P(C), P(D)

 IV-Probabilité conditionnelle
1-DÉFINITION
Définition : Soient A et B deux événements de probabilité non nul. On
appelle probabilité conditionnelle de A sachant B, le nombre noté par P(A/B)
défini par :
P A  B 
PB  A  P A / B  
P B 
Exemple : Reprenons la chaîne de fabrication de boulons. On suppose qu’à la
suite d’un incident technique on a :
 50 % des boulons présentent le défaut a
 30 % des boulons présentent le défaut b
 10 % des boulons présentent les défauts a et b

P A  B  0,1 1
PB  A  P A / B    
P B  0,3 3
 Probabilité conditionnelle
Remarque : Dans le cas d’une équiprobabilité sur l’univers Ω, on peut aussi
écrire la probabilité conditionnelle de A sachant B comme suite :

Card  A  B  nombre de cas favorables de A dans B

PB  A  P A / B   
Card B  nombres de cas favorables de B

Exemple : Reprenons l’exemple de l’urne qui contient 3 boules noires et 4

boules rouges. On tire 2 boules successivement sans remise.
Calculons alors :
1. La probabilité P1 pour que le deuxième tirage soit rouge sachant que le
premier tirage est noir.
2. La probabilité P2 pour que le deuxième tirage soit noir sachant que le
premier tirage est rouge.
Pour cela, on pose
 R1 : l’événement «Le premier tirage est rouge»
 N1 : l’événement «Le premier tirage est noir»
 R2: l’événement «Le deuxième tirage est rouge»
 N2: l’événement «Le deuxième tirage est noir»

Calculer P1 et P2
 2-Événements indépendants

Définition : On dit que deux événements A et B sont indépendants si la

réalisation de l’un n’a pas d’influence sur la réalisation de l’autre.

P A / B  P A P A  B  P A PB
3-Loi de probabilité totale
 4-Formule de Bayes
Remarque : Il découle directement de la définition des probabilités
conditionnelles que :

P A  B  PBP A / B P A  B  P APB / A

P B 
P  B / A  P  A / B 
P  A
Formule de BAYES

Généralisation : Étant donnés k événements E1, E2, E3, … , Ek . Alors on a la

formule de Bayes suivante :

PB / A1  P A1 
P A1 / B  
PB / A1  P A1   PB / A2  P A2   ...  PB / An  P An 
 A
0.05

R1
P(A)=0.4*0.05+0.6*0.3=0.02+0.18=0.2 0.95
40% A

0.30

R2
60% 0.70