CHAPITRE 2:

INTRODUCTION AUX

PROBABILITES

I- EXPERIENCE ALEATOIRE
Certaines expériences entrainent des résultats aléatoires, c’est-à-dire qui dépendent directement
du hasard. Nous les appelons des « Expériences ou Epreuves Aléatoires » et on les désignent

généralement par le signe 𝜺. Une épreuve aléatoire c’est une épreuve dont l’issue n’est pas
connue par avance c’est-à-dire on ne connait pas quel va etre le résultat.

Exemple : « le lancé d’un Dé car on ne sait pas si on aura 1,2, 3, 4, 5 ou 6 »

II- MODELISER UNE EXPERIENCE ALEATOIRE

En théorie des probabilités, le terme « modéliser » désigne l’opération qui consiste à associer à

𝜺 trois objets mathématiques notés et appelés généralement 𝜴 l’univers, 𝑭 « l’ensemble des

évènements » et 𝒑 « la probabilité ».

a- L’univers

Nous appelons « univers » associé à 𝜺 l’ensemble de tous les résultats possibles de 𝜺

généralement noté 𝜴. En effet, à chaque épreuve aléatoire nous avons un ensemble de résultat
possible qu’on appelle 𝜴.

b- L’Evènement

Un évènement A est une partie de 𝜴, autrement dit, l’ensemble des élément de A doit etre pris
dans le référentiel qui est l’univers ?

c- Probabilité d’un événement

La probabilité d’un événement est égale à la somme des probabilités des points d’échantillon
qui constituent cet événement.

III- EXTENTION DE LA DEFINITION DE LA PROBABILITE

Trois approches les plus fréquemment utilisées sont la méthode classique, la méthode de la
fréquence relative et la méthode subjective. Quelle que soit la méthode utilisée, les
probabilités doivent satisfaire deux conditions de base.

Attachons-nous au cas où l’ensemble fondamental E comporte un nombre fini N d’éléments

équiprobables. Les éléments de E sont les diverses éventualités correspondantes aux résultats
qui peuvent apparaitre à la suite de l’épreuve considérée.

Ex : Soit E = { 1,2, 3, 4,5,6} l’ensemble référentiel des résultats possibles du lancement d’un
dé. Les six résultats possibles sont les événements élémentaires équiprobables.

Si 𝑬𝒊 est un sous-ensemble de E, la probabilité de l’évènement 𝑬𝒊 est par définition égale en

𝑵 𝑬𝒊
rapport du nombre 𝑵𝑨 d’évènement élémentaire équiprobables possibles : 𝑷𝒓 𝑬𝒊 =
𝑵

Cette définition appelle les remarques suivantes :

Condition 1 : La probabilité associée à chaque résultat possible de l’expérience doit

être comprise entre 0 et 1.
∀𝑬𝒊 ⊂ 𝑬 ; 𝟎 ≤ 𝑷𝒓{𝑬𝒊 } ≤ 𝟏
Condition 2 : La somme des probabilités de tous les résultats possibles de l’expérience
doit être égale à 1. Pour n résultats possibles, on a;

𝑷𝒓{𝑬} = 𝑷𝒓{𝑬𝟏 }+ 𝑷𝒓{𝑬𝟐 }+….+ 𝑷𝒓{𝑬𝒊 }+ ….+ 𝑷𝒓{𝑬𝒏 }= 1

A- LA METHODE CLASSIQUE

La méthode classique de détermination des probabilités est appropriée lorsque les résultats
possibles de l’expérience sont équiprobables. Si n résultats sont possibles, une probabilité de
𝟏⁄ est associée à chaque résultat. Cette approche respecte automatiquement les deux
𝒏
conditions de base des probabilités.
Par exemple,

 Considérons le lancer d’une pièce de monnaie équilibrée. Les deux résultats possibles
de l’expérience – pile ou face – sont équiprobables. Puisque l’un des deux résultats
équiprobables est face, la probabilité d’observer face est ½ ou 0,50. De même, la
probabilité d’observer pile est également ½ ou 0,50.

 Considérons l’exemple du lancer de dé. Il est raisonnable de penser que les six résultats
possibles sont équiprobables et donc à chaque résultat est associée une probabilité de
𝟏⁄ . Si P (1) correspond à la probabilité que le 1 apparaisse, alors P(1) = 𝟏⁄ . De
𝟔 𝟔
même, P (2) = 𝟏⁄𝟔, P (3) = 𝟏⁄𝟔, P (4) =𝟏⁄𝟔 , P (5) = 𝟏⁄𝟔 et P (6) = 𝟏⁄𝟔. Notez que les
conditions 1 et 2 sont satisfaites puisque chacune des probabilités est supérieure ou égale
à zéro et que leur somme est égale à 1.

B- LA METHODE DES FREQUENCE RELATIVE

La méthode de la fréquence relative de détermination des probabilités est appropriée lorsque

les données disponibles estiment le nombre de fois où le résultat se produira si l’expérience est
répétée un grand nombre de fois.

Exemple : Considérons d’une étude des temps d’attente dans le service de radiologie d’un
hôpital local. Le nombre de patients ayant rendez-vous à 9 heures a été collecté pendant 20
jours consécutifs. Les résultats suivants ont été obtenus :

Nombre de patients Nombre de jours au cours desquels le résultat se produit

0 2
1 5
2 6
3 4
4 3
Total 20

Ces données montrent que sur 2 des 20 jours, aucun patient n’avait rendez-vous ; sur 5 des 20
jours, un patient avait rendez-vous, etc. En utilisant la méthode de la fréquence relative, on peut
assigner la probabilité de 𝟐⁄𝟐𝟎 = 𝟎, 𝟏𝟎 au résultat « aucun patient n’a de rendez-vous », de 5
𝟓⁄ = 𝟎, 𝟐𝟓 au résultat « un patient a un rendez-vous », 𝟔⁄ = 𝟎, 𝟑𝟎 au résultat « deux
𝟐𝟎 𝟐𝟎
patients ont un rendez-vous », 𝟒⁄𝟐𝟎 = 𝟎, 𝟐𝟎 au résultat « trois patients ont un rendez-vous » et
𝟑⁄ = 𝟎, 𝟏𝟓 au résultat « quatre patients ont un rendez-vous ». Comme avec la méthode
𝟐𝟎
classique, les deux conditions de base (1) et (2) sont automatiquement satisfaites lorsque la
méthode de la fréquence relative est utilisée.

C- LA METHODE SUBJECTIVE

La méthode subjective de détermination des probabilités est appropriée lorsqu’il est irréaliste
de supposer que les résultats de l’expérience sont équiprobables et lorsque peu de données sont
disponibles.

Lorsque la méthode subjective est utilisée pour assigner des probabilités aux résultats d’une
expérience, nous devons utiliser toutes les informations disponibles, comme notre expérience
ou notre intuition. Après avoir pris en compte toutes les informations disponibles, nous
spécifions une probabilité qui traduit notre degré de croyance (sur une échelle allant de 0 à 1)
quant à la réalisation du résultat. Puisque les probabilités subjectives traduisent les croyances
d’une personne, elles sont personnelles. En utilisant la méthode subjective, il est vraisemblable
que différentes personnes associent des probabilités différentes à un même résultat de
l’expérience.

Lorsqu’on utilise la méthode subjective de détermination des probabilités, une attention

particulière doit être apportée au respect des conditions de base (4.3) et (4.4). Quelles que soient
les croyances d’une personne, la probabilité associée à chaque résultat de l’expérience doit être
comprise entre 0 et 1, et la somme des probabilités de tous les résultats possibles de l’expérience
doit être égale à 1.

Exemple : Considérons une offre d’achat d’une maison, faite par Alain, Judith et Clara. Deux
résultats sont possibles : E1 = leur offre est acceptée, E2 = leur offre est refusée

Judith pense que la probabilité que leur offre soit acceptée est égale à 0,8 ; ainsi, pour
Judith, 𝑷𝒓{𝑬𝟏 } = 𝟎, 𝟖 et 𝑷𝒓{𝑬𝟐 } = 0,2 . Alain, cependant, croit que la probabilité que leur
offre soit acceptée est de 0,6 ; ainsi, pour Alain, 𝑷𝒓{𝑬𝟏 } = 𝟎, 𝟔 et 𝑷𝒓{𝑬𝟐 }= 0,4. Notez que
les croyances d’Alain reflètent le fait qu’il est plus pessimiste que Judith, quant à l’acceptation
de leur offre. À la fois Judith et Alain ont déterminé des probabilités qui satisfont les deux
conditions de base. Le fait que leurs croyances soient différentes illustre la nature personnelle
de la méthode subjective.

Nb : Même dans des situations commerciales, où les méthodes classique et de la fréquence

relative peuvent être appliquées, les responsables peuvent vouloir obtenir des estimations
subjectives des probabilités. Dans de tels cas, les meilleures estimations des probabilités sont
souvent obtenues en combinant méthode classique ou de la fréquence relative et approche
subjective.

Dans ce cadre, Le théorème de Bayes (à voir) est un moyen de combiner les probabilités a
priori, déterminées subjectivement, avec les probabilités obtenues par d’autres méthodes,
de manière à obtenir des probabilités révisées, dites probabilités a posteriori.

APPLICATION 1

1- De combien de façons peut-on sélectionner trois éléments parmi six ? Utiliser les lettres
A, B, C, D, E et F pour identifier les éléments et énumérer chaque combinaison possible
de trois éléments
2- Considérer l’expérience qui consiste à lancer trois fois une pièce de monnaie. a)
Construire le diagramme arborescent de l’expérience. b) Énumérer les résultats
possibles de l’expérience. c) Quelle est la probabilité de chaque résultat possible ?
3- Une expérience qui a trois résultats possibles, a été répétée 50 fois : E1 est apparu 20
fois, E2 13 fois et E3 17 fois. Déterminer la probabilité de chacun des résultats. Quelle
méthode avez-vous utilisée ?
4- Considérez l’expérience qui consiste à choisir une carte dans un jeu qui en compte 52.
Chaque carte correspond à un élément de l’échantillon avec une probabilité de 1/52. a)
Énumérer les éléments de l’échantillon qui constituent l’événement « un as a été tiré ».
b) Énumérer les éléments de l’échantillon qui constituent l’événement « un trèfle a été
tiré ». c) Énumérer les éléments de l’échantillon qui constituent l’événement « une
figure (valet, dame ou roi) a été tirée ». d) Trouver les probabilités associées à chacun
des événements cités dans les questions (a), (b) et (c).
5- Considérez l’expérience qui consiste à lancer une paire de dés. Supposez que nous nous
intéressions à la somme de la valeur des deux dés. a) Combien d’éléments de
l’échantillon sont possibles ? (Astuce : Utilisez la règle de comptage pour des
 expériences à plusieurs étapes). b) Énumérer les éléments de l’échantillon. c) Quelle est
la probabilité d’obtenir la valeur 7 ? d) Quelle est la probabilité d’obtenir une valeur
supérieure ou égale à 9 ? e) Puisque chaque lancer a six possibilités de donner une valeur
paire (2, 4, 6, 8, 10 et 12) et seulement cinq possibilités de donner une valeur impaire
(3, 5, 7, 9 et 11),

IV- QUELQUES RELATIONS PROBABILISTES FONDEMENTALES

Étant donné un événement A, le complément de A est défini comme l’événement

composé de tous les points d’échantillon qui ne constituent pas A. Dans toute
application probabiliste, soit l’événement A, soit son complément doit se produire. Par
̅}=𝟏
conséquent : 𝑷𝒓{𝑨} + 𝑷𝒓{𝑨
̅ désigne le complémentaire de A dans E alors :
Comme 𝑨
̅ } = 𝑵 −𝑵𝑨
𝑵𝑨̅ = 𝑵 − 𝑵𝑨 ⇒ 𝑷𝒓{𝑨 = 𝟏 − 𝑵𝑵𝑨
𝑵
̅ } = 𝟏 − 𝑷𝒓{𝑨 }
⇒ 𝑷𝒓{𝑨

Exemple :

Considérons un responsable des ventes qui, après avoir examiné les rapports de vente, a constaté
que 80 % des contacts établis avec de nouveaux clients ne se concluaient pas par une vente. En
̅ } l’événement « pas de vente », le responsable a établi
notant A l’événement « vente » et {𝑨
̅ } = 𝟎, 𝟖. Partant des relations ci-dessus, on s’aperçoit que :
que 𝑷𝒓{𝑨

̅ } = 𝟏 − 𝟎, 𝟖 = 𝟎, 𝟐
𝑷𝒓{𝑨 } = 𝟏 − 𝑷𝒓{𝑨

Nous pouvons en conclure qu’un contact établi avec un nouveau client a une probabilité de 0,20
d’aboutir à une vente.

La loi de la somme

La loi de la somme est utile lorsque l’on a deux événements et que l’on s’intéresse à la
probabilité qu’au moins un des deux événements se produise. C’est-à-dire, avec les événements
A et B, on s’intéresse à la probabilité que l’événement A ou l’événement B ou les deux se
produisent.
Partant de deux concepts liés à la combinaison d’événements : l’union d’événements et
l’intersection d’événements. La loi de la somme permet de calculer la probabilité de l’union
de deux événements, 𝑨 ∪ 𝑩 on a :

𝑷𝒓{𝑨 ∪ 𝑩} = 𝑷𝒓{𝑨} + 𝑷𝒓{𝑩} − 𝑷𝒓{𝑨 ∩ 𝑩}

Pour comprendre de manière intuitive la loi de la somme, notez que les deux premiers termes
de la loi de la somme, 𝑷𝒓{𝑨} + 𝑷𝒓{𝑩} , représentent l’ensemble des points d’échantillon
contenus dans 𝑨 ∪ 𝑩. Cependant, puisque les points d’échantillon contenus dans l’intersection
𝑨 ∩ 𝑩 sont à la fois dans A et dans B, lorsque l’on calcule 𝑷𝒓{𝑨} + 𝑷𝒓{𝑩} , on compte deux
fois chaque point d’échantillon contenu dans 𝑨 ∩ 𝑩. On corrige cela en soustrayant 𝑷𝒓{𝑨 ∩ 𝑩}.

Exemple :

- Considérons une petite usine d’assemblage employant 50 salariés. Chaque salarié est
supposé terminer son travail en un temps donné et de façon à ce que le produit assemblé
passe avec succès le test d’inspection finale. Parfois, certains travailleurs ne finissent
pas leur travail à temps et/ou assemblent des pièces défectueuses. À la fin d’une période
d’évaluation des performances, le responsable de la production a trouvé que 5 des 50
salariés n’avaient pas fini leur travail dans les temps, 6 avaient assemblé des pièces
défectueuses et 2 n’avaient pas fini leur travail à temps et avaient assemblé des pièces
défectueuses.
TAF : Quelle est la probabilité que le responsable de la production attribue une
mauvaise évaluation à un employé ?
- une étude récente menée par le responsable du personnel d’une grande société de
logiciels. Il est apparu que 30 % des employés qui ont quitté l’entreprise au cours des
deux années précédentes, l’ont fait parce qu’ils n’étaient pas satisfaits de leur salaire, 20
% parce qu’ils n’étaient pas satisfaits de leur fonction et 12 % parce qu’ils n’étaient
satisfaits ni de leur salaire, ni de leur fonction.
TAF : Quelle est la probabilité qu’un employé parti au cours des deux années
précédentes, l’ait fait parce qu’il n’était pas satisfait de son salaire, de sa fonction ou des
deux ?

𝑵𝑨 +𝑵𝑩
𝑷𝒓{𝑨 + 𝑩} = 𝑵
C’est-à-dire que 𝑷𝒓{𝑨 + 𝑩} = 𝑷𝒓{𝑨} + 𝑷𝒓{𝑩}
 Si 𝑩 ⊂ 𝑨 on peut écrire 𝑨 = 𝑩 + (𝑨 − 𝑩)
Soit 𝑷𝒓{𝑨} = 𝑷𝒓{𝑩} + 𝑷𝒓{𝑨 − 𝑩} ou 𝑷𝒓{𝑨 − 𝑩} = 𝑷𝒓{𝑨} − 𝑷𝒓{𝑩}
Evènements mutuellement exclusifs

Deux événements sont dits mutuellement exclusifs si les événements n’ont aucun point d’échantillon
en commun. Les événements A et B sont mutuellement exclusifs si, lorsqu’un événement se produit,
l’autre ne peut pas se produire. Ainsi, une condition pour que A et B soient mutuellement exclusifs
est que leur intersection soit vide.

𝑷𝒓{𝑨 ∪ 𝑩} = 𝑷𝒓{𝑨} + 𝑷𝒓{𝑩}

APPLICATION 2 :

- L’université de Douala a effectué une enquête d’opinion auprès de ses anciens élèves.
En particulier, il était demandé aux anciens élèves d’indiquer si leur passage dans cette
université avait répondu à leurs attentes, les avait surpassées ou ne les avait pas
satisfaites. Les résultats de l’enquête ont montré que 4 % des anciens élèves n’ont pas
répondu, 26 % considéraient que leurs attentes n’avaient pas été satisfaites et 65 % ont
répondu que leur expérience à UDouala correspondait à leurs attentes.
a) Quelle est la probabilité qu’un ancien élève sélectionné aléatoirement réponde que
son expérience a surpassé ses attentes ?
b) Quelle est la probabilité qu’un ancien élève sélectionné aléatoirement réponde que
son expérience a répondu ou surpassé ses attentes ?

V- AXIOMES DES PROBABILITES TOTALES

Soit E un ensemble fondamental composé d’un nombre fini d’événements élémentaires

équiprobables. Soient 𝑨𝟏 , 𝑨𝟐 , … . . , 𝑨𝒊 les évènements possibles c’est-à-dire les parties de E.
Désignons par F l’ensemble des sous-ensembles ou parties de E.

 Axiome 1 : les évènements 𝑨𝒊 sont les sous-ensembles de E . Ce sont les éléments de F.

Dans ce sens, l’évènement impossible 𝝓 et l’évènement certain E appartiennent à F.
 Axiome 2 : la probabilité de chaque évènement 𝑨𝒊 est positive ou nulle

∀𝑨𝒊 ⊂ 𝑭 ; 𝑷𝒓{𝑨𝒊 } ≥ 𝟎
 Axiome 3 : la probabilité de l’ensemble fondamental est l’unité soit 𝑷𝒓{𝑬} = 𝟏
 Axiome 4 : la probabilité d’un nombre fini ou infini dénombrable de parties de E disjointes
appartenant à F est égale à la somme des probabilités.
𝑷𝒓{𝑨𝟏 + 𝑨𝟐 + ⋯ + 𝑨𝒏 } = ∑𝒏𝒊=𝟏 𝑷𝒓 𝑨𝒊 avec 𝑨𝒊 ∩ 𝑨𝒋 = 𝝓 (𝒊 ≠ 𝒋 )

 Axiome 5 : si B est inclus dans A alors :

𝑨 + 𝑩 = 𝑨 + (𝑩 − 𝑨𝑩)
𝑷𝒓{𝑨} = 𝑷𝒓{𝑩} + 𝑷𝒓{𝑨 − 𝑩} ou 𝑷𝒓{𝑨 − 𝑩} ≥ 𝟎 et donc 𝑷𝒓{𝑨} ≥ 𝑷𝒓{𝑩}

 Axiome 6 : tout ensemble 𝑨𝒊 appartenant à F est inclus dans l’ensemble fondemental E,

dont la probabilité est égale à 1. Donc en vertu des 5 et 2on a :
𝟎 ≤ 𝑷𝒓{𝑨𝒊 } ≤ 𝟏
 Axiome 7 : Axiome des probabilités totales dans le cas deux ensembles non disjoints :
Soient A et B deux ensembles appartenant à F, considérons 𝑨 ∪ 𝑩 on aura :
𝑨 + 𝑩 = 𝑨 + (𝑩 − 𝑨𝑩)
Donc 𝑷𝒓{𝑨 + 𝑩} = 𝑷𝒓{𝑨} + 𝑷𝒓{𝑩 − 𝑨𝑩}
En vertu de l’axiome 5 on a :
𝑷𝒓{𝑩 − 𝑨𝑩} = 𝑷𝒓{𝑩} − 𝑷𝒓{𝑨𝑩}
Par conséquent :
𝑷𝒓{𝑨 + 𝑩} = 𝑷𝒓{𝑨} + 𝑷𝒓{𝑩} − 𝑷𝒓{𝑨𝑩}

Ainsi, la probabilité d’une réunion est égale à la somme des probabilités diminuée de la
probabilité de l’intersection.

 Axiome 8 : Axiome de probabilité totales dans le cas de plusieurs ensembles non disjoints :
Soient 𝑨𝟏 , 𝑨𝟐 , 𝑨𝟑 trois éléments quelconques de F :
𝑨𝟏 + 𝑨𝟐 + 𝑨𝟑 = (𝑨𝟏 + 𝑨𝟐 ) + 𝑨𝟑
𝑷𝒓{𝑨𝟏 + 𝑨𝟐 + 𝑨𝟑 } = 𝑷𝒓{𝑨𝟏 + 𝑨𝟐 } + 𝑷𝒓 {𝑨𝟑 } − 𝑷𝒓{(𝑨𝟏 + 𝑨𝟐 )𝑨𝟑 }
𝑷𝒓{𝑨𝟏 + 𝑨𝟐 } = 𝑷𝒓{𝑨𝟏 } + 𝑷𝒓 {𝑨𝟐 } − 𝑷𝒓{𝑨𝟏 𝑨𝟐 }
𝒐𝒓 (𝑨𝟏 + 𝑨𝟐 )𝑨𝟑 = 𝑨𝟏 𝑨𝟑 + 𝑨𝟐 𝑨𝟑
𝑷𝒓{(𝑨𝟏 + 𝑨𝟐 )𝑨𝟑 } = 𝑷𝒓{𝑨𝟏 𝑨𝟑 } + 𝑷𝒓{𝑨𝟐 𝑨𝟑 } − 𝑷𝒓{𝑨𝟏 + 𝑨𝟐 + 𝑨𝟑 }
En conséquence, il vient que :
 𝑷𝒓{𝑨𝟏 + 𝑨𝟐 + 𝑨𝟑 }
= 𝑷𝒓{𝑨𝟏 } + 𝑷𝒓 {𝑨𝟐 } + 𝑷𝒓 {𝑨𝟑 } − 𝑷𝒓{𝑨𝟏 𝑨𝟐 } − 𝑷𝒓{𝑨𝟏 𝑨𝟑 }
− 𝑷𝒓{𝑨𝟐 𝑨𝟑 } + 𝑷𝒓{𝑨𝟏 𝑨𝟐 𝑨𝟑 }

VI- AXIOMES DES PROBABILITES COMPOSEES

A- DEFINITION DES PROBABILITES CONDITIONNELLES ET COMPOSEES

Partons d’un exemple : on lance trois dés, de deux choses l’une :

- Ou bien parmi les 3 points amenés figure au moins un 6

- Ou bien parmi les 3 points amenés ne figure aucun 6

Dans la seconde éventualité, on décide de jeter à nouveau les trois dés : si, à nouveau, on
n’obtient pas le 6, on recommence, et ainsi de suite jusqu’à ce que le jet conduise à l’apparition
d’au moins un « six ».

Quelle est la probabilité qu’au jet où l’apparition d’au moins un « six » est réalisée, les
trois points amenés soient différents ?

Solution

L’ensemble fondamental est constitué de 𝑨𝟑𝟔 =216 évènements élémentaires

équiprobables (Arrangement avec répétition de 3 symboles choisi parmi les 6).

Soient X et Y les évènements suivants :

- X= au moins une face présente le six

- Les trois faces sont différentes

Ces évènements X et Y correspondent à :

- X : 𝑨𝟑𝟔 − 𝑨𝟑𝟓 = 𝟗𝟏 é𝒗è𝒏𝒆𝒎𝒆𝒏𝒕𝒔 é𝒍é𝒎𝒆𝒏𝒕𝒂𝒊𝒓𝒆𝒔 é𝒒𝒖𝒊𝒑𝒓𝒐𝒃𝒂𝒃𝒍𝒆𝒔

- Y : 𝑨𝟑𝟔 … . = 𝟏𝟐𝟎 é𝒗é𝒏𝒆𝒎𝒆𝒏𝒕𝒔 é𝒒𝒖𝒊𝒑𝒓𝒐𝒃𝒂𝒃𝒍𝒆𝒔 (arrangement sans répétition)

L’événement fondamental correspond à :

E : 𝑨𝟑𝟔 = 𝟐𝟏𝟔 é𝒗è𝒏𝒆𝒎𝒆𝒏𝒕𝒔 é𝒍é𝒎𝒆𝒏𝒕𝒂𝒊𝒓𝒆𝒔 é𝒒𝒖𝒊𝒑𝒓𝒐𝒃𝒂𝒃𝒍𝒆𝒔 (arrangement avec
répétition)

En termes d’évènements X et Y la question posée est : quelle est la probabilité que

l’évènement Y soit réalisé lorsqu’on sait que l’évènement X est réalisé ? « Si l’évènement
X est réalisé, c’est que l’un des évènements élémentaires correspond à X a été obtenu (l’un des
91 arrangements avec répétition de trois symboles parmi les six tel qu’une face au moins soit
six ». De deux chose l’une :

- Ou bien l’évènement élémentaire qui a été obtenu appartient à l’intersection XY et alors Y

est réalisé.
- Ou bien l’évènement élémentaire qui a été obtenu appartient à l’intersection ̅̅̅̅
𝑿𝒀et alors Y
n’est pas réalisé.

Il faut définir en réalité une nouvelle sorte de probabilité, car les définitions présentées plus
haut ne permettent pas d’attacher à ces deux évènements une probabilité.

Comme nous le montrerons plus loin, la probabilité d’un évènement peut etre appréhendée par
la fréquence de réalisation de l’évènement considéré sur une longue série d’épreuves identiques.
Or on sait définir la fréquence relative d’un évènement B parmi les épreuves dont le résultat
correspond à la réalisation d’un évènement A non compatible avec B.

La fréquence relative de réalisation de B parmi les épreuves où A est réalisé est :

𝐍𝐨𝐦𝐛𝐫𝐞 𝐝𝐞 𝐫é𝐚𝐥𝐢𝐬𝐚𝐭𝐢𝐨𝐧𝐬 𝐝𝐞 𝐀𝐁 𝐩𝐚𝐫𝐦𝐢 𝐥′ 𝐞𝐧𝐬𝐞𝐦𝐛𝐥𝐞𝐝𝐞𝐬 é𝐩𝐫𝐞𝐮𝐯𝐞𝐬

𝐟=
𝐍𝐨𝐦𝐛𝐫𝐞 𝐝𝐞 𝐫é𝐚𝐥𝐢𝐬𝐚𝐭𝐢𝐨𝐧 𝐝𝐞 𝐀 𝐩𝐚𝐫𝐦𝐢 𝐥′ 𝐞𝐧𝐬𝐞𝐦𝐛𝐥𝐞𝐝𝐞𝐬 é𝐩𝐫𝐞𝐮𝐯𝐞𝐬

Dans l’exemple qui nous intéresse, la probabilité de réalisation de Y si X est réalisé est égale
au rapport du nombre d’évènements correspondants à XY au nombre d’évènements
équiprobables correspondants à X :

60
216 60
Pr{𝑿/𝒀} =
91 91
216

𝐏𝐫{𝑿𝒀}
𝐏𝐫{𝑿/𝒀}= S’appelle Probabilité conditionnelle de Y liée par X et on lit
𝐏𝐫{𝑿}

« Probabilité de Y si X. Si on considère 2 évènements X et Y de probabilité non nulle l’un et

l’autre, on a la relation symétrique suivante
𝐏𝐫{𝑿/𝒀}= 𝐏𝐫{𝑿} . 𝐏𝐫{𝑿/𝒀} = 𝐏𝐫{𝒀}. 𝐏𝐫{𝑿/𝒀} cette égalité qui résulte de la définition
de la probabilité conditionnelle , porte le nom « d’axiome des probabilités

composées ».

𝐏𝐫{𝒀}
Remarque : Si Y ⊂ X on a 𝐏𝐫{𝑿/𝒀}= =1
𝐏𝐫{𝑿}

GENERALITES

Souvent, la probabilité d’un événement est influencée par le fait qu’un événement, lié au
premier, se soit produit. Considérons un événement A avec une probabilité P(A). Si nous
apprenons qu’un événement B, lié à A, s’est déjà produit, nous pouvons tirer parti de cette
information pour calculer une nouvelle probabilité de l’événement A. Cette nouvelle probabilité
de l’événement A, appelée probabilité conditionnelle, est notée P(A|B) . La notation | est
utilisée pour souligner le fait que nous considérons la probabilité de l’événement A sachant que
l’événement B s’est produit. Par conséquent, la notation P(A|B) se lit « probabilité de A
sachant B ».

Exemple :

Considérons les possibilités de promotion professionnelle des policiers, hommes et femmes,

dans la ville de Yaoundé. Les forces de police de cette ville comptent 1 200 officiers, 960
hommes et 240 femmes. Au cours des deux dernières années, 324 policiers ont été promus. La
répartition de ces promotions entre hommes et femmes est détaillée dans le tableau 1 :

Hommes Femme TOTAUX

Promu 288 36 324
Non promu 672 204 876
TOTAUX 960 240 1200

Après avoir examiné ces chiffres, un comité de femmes policiers a entamé une procédure
judiciaire pour discrimination, en se basant sur le fait que 288 hommes policiers avaient été
promus contre seulement 36 femmes. L’administration policière a rétorqué que le nombre
relativement bas de femmes policiers promues n’était pas dû à un comportement discriminatoire
mais au fait que peu de femmes font partie des forces de police. Montrons comment utiliser les
probabilités conditionnelles pour analyser l’accusation de discrimination.
Soient les événements :

H = « le policier est un homme »

F = « le policier est une femme »

A = « le policier est promu »

𝐴̅ = « le policier n’est pas promu »

Diviser les données du tableau par le nombre total de policiers (1 200) nous permet de résumer
les informations disponibles par les probabilités suivantes :

P(H∩A) = 288 /1200 = 0,24 = probabilité qu’un policier choisi aléatoirement soit un homme
et ait été promu.

̅ )= 672/1200 = 0,56 = probabilité qu’un policier choisi aléatoirement soit un homme

P (H∩ 𝑨
et n’ait pas été promu

P(F∩A) = 36/1200 = 0,03 = probabilité qu’un policier choisi aléatoirement soit une femme et
ait été promu

̅ )= 204/1200 = 0,17 = probabilité qu’un policier choisi aléatoirement soit une femme
P (F∩ 𝑨
et n’ait pas été promu

Puisque ces valeurs correspondent à la probabilité d’intersection de deux événements, ces

probabilités sont appelées probabilités jointes. Le tableau 2 ci-dessous, qui fournit un résumé
des informations, en termes de probabilités, sur les promotions au sein de la police, est dit
tableau des probabilités jointes.

Probabilités jointes Hommes Femme TOTAUX

apparaissent à Probabilité
l’intérieur du marginale
tableau (marge)
Promu 0,24 0,03 0,27
Non promu 0,56 0,17 0,73
TOTAUX 0,80 0,20 1
Probabilité
Marginale
(marge)
Les valeurs inscrites dans les marges du tableau des probabilités jointes fournissent les
probabilités de chaque événement séparément. C’est-à-dire, P (H) = 0,80, P (F) = 0,20, P (A) =
̅ ) = 0,73. Ces probabilités sont dites marginales, du fait de leur localisation dans
0,27 et P (𝑨
les marges du tableau des probabilités jointes. Les probabilités marginales sont obtenues en
additionnant les probabilités jointes, associées à l’événement, dans les lignes ou les colonnes
du tableau des probabilités jointes. Par exemple, la probabilité marginale d’être promu est égale
à P (A) = P(H∩A) + P(F∩A) = 0,24 + 0,03 = 0,27. D’après les probabilités marginales, 80 %
des policiers sont des hommes, 20 % sont des femmes, 27 % des officiers (hommes et femmes
confondus) ont été promus et 73 % ne l’ont pas été.

Commençons l’analyse des probabilités conditionnelles en calculant la probabilité qu’un

policier soit promu, sachant qu’il s’agit d’un homme. Nous cherchons donc à déterminer
P(A|H). Cette notation signifie simplement que nous nous intéressons à la probabilité de
l’événement A (promotion) sachant que la condition décrite par l’événement H (le policier est
un homme) est satisfaite. Ainsi, nous nous intéressons maintenant seulement aux possibilités
de promotion des 960 hommes policiers. Puisque 288 des 960 hommes policiers ont reçu une
promotion, la probabilité d’être promu sachant que le policier est un homme est égale à 288/960,
soit 0,30. En d’autres termes, sachant que le policier est un homme, ce policier avait 30 %
de chances de recevoir une promotion au cours des deux dernières années.

Cette procédure est facile à mettre en œuvre, car le tableau 1 fournit le nombre de policiers dans
chaque catégorie. Nous allons maintenant montrer comment des probabilités conditionnelles,
comme P(A|H)., peuvent être directement calculées à partir des probabilités des événements,
plutôt qu’à partir des fréquences du tableau . Nous avons montré que P(A|H). = 288/960 = 0,30.
Divisons à la fois le numérateur et le dénominateur de cette fraction par 1 200, le nombre
total de policiers :

𝟐𝟖𝟖 𝟐𝟖𝟖/𝟏𝟐𝟎𝟎 𝟎,𝟐𝟒

P(A|H) = 𝟗𝟔𝟎 = = = 𝟎, 𝟑𝟎
𝟗𝟔𝟎/𝟏𝟐𝟎𝟎 𝟎,𝟖𝟎

Nous voyons maintenant que la probabilité conditionnelle P(A|H).est égale à 0,24/0,80. En

vous référant au tableau des probabilités jointes (tableau 2), notez en particulier que 0,24 est la
probabilité jointe de A et de H ; c’est-à-dire, P (A∩H)= 0,24. Notez également que 0,80 est la
probabilité marginale qu’un policier sélectionné aléatoirement soit un homme ; c’est-à-dire,
P(H) = 0,80. Ainsi, la probabilité conditionnelle P(A|H) est égale au ratio entre la probabilité
jointe P (A∩H)et la probabilité marginale P(H) :
 𝐏 (𝐀∩𝐇) 𝟎,𝟐𝟒
P(A|H) = = = 𝟎, 𝟑𝟎
𝐏(𝐇) 𝟎,𝟖𝟎

Le fait que les probabilités conditionnelles correspondent au ratio entre une probabilité jointe et une
probabilité marginale, fournit la formule générale pour calculer la probabilité conditionnelle de deux
événements A et B :

𝐏 (𝐀∩𝐁)
P(A|B) =
𝐏(𝐁)

𝐏 (𝐀∩𝐁)
P(B|A) =
𝐏(𝐁)

APPLICATION/ Faire la meme analyse pour les femmes dans l’exemple ci-dessus.

VII- INDEPENDANCE EN PROBABILITE

Dans l’exemple précédent, P (A) = 0,27, P(A|H) = 0,30 et P(A|F)= 0,15. Nous avons vu que la
probabilité de recevoir une promotion (événement A) était affectée ou influencée par le sexe du
policier. En particulier, puisque P(A|H) ≠ P (A), les événements A et H sont dépendants. C’est-
à-dire que la probabilité de l’événement A (promotion) est affectée ou altérée par le fait que
l’événement H (le policier est un homme) se produise avec certitude.

De manière similaire, puisque P(A|F) ≠ P (A), les événements A et F sont dépendants.

Cependant, si la probabilité de l’événement A n’était pas affectée par l’existence de
l’événement H – c’est-à-dire, si P(A|H) = P (A), alors, les événements A et H seraient dits
indépendants. Ceci conduit à la définition suivante d’indépendance de deux événements :

Deux événements A et B sont indépendants si :

𝐏 (𝐀 ∩ 𝐁) = 𝑷(𝑩)𝑷(𝑨|𝑩)

𝐏 (𝐀 ∩ 𝐁) = 𝑷(𝑨)𝑷(𝑩|𝑨)
Sinon, les événements sont dépendants.
Notes : On dit que l’évènement X est indépendant de Y en probabilité ou stochastiquement si
la probabilité de X liée par Y est égale à la probabilité de X

𝐏𝐫{𝑿/𝒀}= 𝐏𝐫{𝑿} cela signifie que la réalisation de Y n’affecte pas la probabilité de la

réalisation de X.
Exemple : deux dés sont lancés successivement. Le résultat obtenu avec le 2ème dé est
indépendant du résultat obtenu avec le premier.
- Si X est indépendant de Y cela implique : 𝐏𝐫{𝑿/𝒀}= 𝐏𝐫{𝑿}. 𝐏𝐫{𝒀}
𝐏𝐫{𝑿}. 𝐏𝐫{𝒀}
- Si X est de probabilité non nulle cela implique que : 𝐏𝐫{𝑿/𝒀}= = 𝐏𝐫{𝒀}
𝐏𝐫{𝑿}

Ainsi, l’indépendance est une relation symétrique : si Y est indépendant de X, X est

indépendant d’Y. on dira donc simplement que X et Y sont indépendant.

APPLICATION

Une entreprise possède actuellement 2 usines de production, l’une pour les drones à deux
hélices et l’autre pour des drones à 4 hélices. Il arrive que les batteries des drones fabriquées
aient un défaut et dans ce cas, on dira que les drones sont déffectueux. On souhaite avoir une
idée du pourcentage de drones défectueux sur l’ensemble de la production ;

On prélève 500 drones dans la production de l’entreprise et on obtient les résultats suivants :

- 300 drones possèdes 2 hélices

- Parmi les drones à 2 hélices 2% sont défectueux
- Parmi les drones à 4 hélices, 96% ne présentent aucun défaut
- Un drone est choisi au hasard parmi les 500 drones prélevés, on considère les évènements
suivants :
 A : le drone possède 2 hélices
 B : le drone est défectueux

̅)
TAF : 1- donner la valeur des probabilité P(A), 𝑃𝐴 (𝐷), P(𝑫

2- représenter la situation par un arbre pondéré de probabilité

3- Calculer la probabilité que le drone possède deux hélices et soit défectueux

4- Montrer que la probabilité qu’un drone pris au hasard soit défectueux est égale à 0,028
 6- Sachant que le drone est défectueux quelle est la probabilité qu’il possède quatre
hélices ?

SECTION 2 : LES SCHEMAS DE TIRAGES PROBABILISTES

Les schémas de tirage représentent une gamme de situations probabilistes extrêmement variée.
Dans cette partie, nous allons examiner le cas des tirages sans remises (ou tirages exhaustifs) et
avec remise (tirages bernoulliens) et dans chaque cas nous allons établir la probabilité attachée
à chaque type d’échantillons possibles. D nombreuses applications pratiques du calcul des
probabilités utilisent ces résultats (théorie des sondage).

Position du problème

Considérons une urne contenant N boules dont :

- 𝑁1 Sont de couleur 1
- 𝑁2 sont de couleur 2
- … … ….
- 𝑁𝑘 sont de couleur k.

Soit 𝑷𝒌 la proportion des boules de couleur k on note :

𝑵𝒌
𝑷𝒌 = 𝒂𝒗𝒆𝒄 𝑷𝟏 + 𝑷𝟐 + 𝑷𝟑 + ⋯ + 𝑷𝟒 = 𝟏
𝑵

On prélève au hasard n boules dans cette urne. On distingue par 𝒏𝒌 le nombre de boules de la
couleur k figurant dans l’échantillon et par (𝒏𝟏 , 𝒏𝟐 , … . . , 𝒏𝒌 ) la composition de l’échantillon
dans son ensemble. On recherche la probabilité d’obtenir une répartition donnée
(𝒏𝟏 , 𝒏𝟐 , … . . , 𝒏𝒌 ). De deux choses l’une, le tirage des boules dans l’urne peut etre effectué de
deux facons :

- Tirage bernoullien ou avec remise : les boules sont tirées une à une et remises dans l’urne
avant le tirage de la boule suivantes ;
- Tirage exhaustif ou tirage sans remise : les boules sont tirées une à une mais ne sont pas
remise avant le tirage de la boule suivante ou encore sont tirées d’un seul coup.
 VIII- TIRAGE EXHAUSTIF

Comme nous venons de le dire un tirage de n boules sera dit exhaustif si les n boules sont
prélevés l’une après l’autre et sans remise dans l’urne ou encore si les n boules sont prélevées
simultanément.

Supposons que les N boules soient numérotées de 1 à N. Si elles sont prélevées au hasard,
l’échantillon des n boules obtenues est l’une des 𝑪𝒏𝑵 combinaisons sans répétition que l’on peut
obtenir en choisissant n numéros parmi N. Supposons également que l’échantillon obtenu soit
du type (𝒏𝟏 , 𝒏𝟐 , … . . , 𝒏𝒌 ).

- 𝒏𝟏 désigne le nombre de boules ayant la couleur 1

- … ….
- 𝒏𝒌 désigne le nombre de boules ayant la couleur k

𝒏 𝒏
Or il y’a 𝑪𝑵𝟏𝟏 facons de choisir les 𝒏𝟏 numéros parmi 𝑵𝟏 soit 𝑪𝑵𝒌𝒌 façons de choisir 𝒏𝒌 numéros
parmi les 𝑵𝒌 . Par conséquent, le nombre de combinaisons correspondant à un échantillon du
𝒏 𝒏 𝒏
type 𝒏𝟏 , 𝒏𝟐 , … . . , 𝒏𝒌 est égale à 𝑪𝑵𝟏𝟏 , 𝑪𝑵𝟐𝟐 , … . . , 𝑪𝑵𝒌𝒌 . La probabilité d’obtenir l’échantillon de ce
type est donc :
𝒏 𝒏 𝒏
𝑪𝑵𝟏 𝑪𝑵𝟐 …..𝑪𝑵𝒌
𝟏 𝟐 𝒌
𝑃(𝒏𝟏 , 𝒏𝟐 , … . . , 𝒏𝒌 ) = 𝒂𝒗𝒆𝒄 𝒏𝟏 + 𝒏𝟐 + … . . + 𝒏𝒌 = 𝒏 𝒆𝒕 𝟎 ≤ 𝒏𝒌 ≤ 𝑵𝒌
𝑪𝒏
𝑵

APPLICATION
- Une urne contient 4 boules rouges, 3 boules noires et 2 boules jaunes. On prélève sans
remise 3 boules dans cette urne. Quelle est la probabilité d’obtenir 2 boules rouges, 1 boule
noire et 0 boule jaune.

IX- TIRAGE BERNOULLIEN

Il consiste à remettre dans l’urne la boule précédemment tirée avant de procéder à un nouveau
tirage. Dans ce schéma de tirage, la probabilité de tirer une boule de couleur k à un rang de
𝑵𝒌
tirage donné est 𝑷𝒌 = et les couleurs amenées aux divers rangs de tirage sont indépendantes.
𝑵

En effet, la probabilité de tirer une boule de couleur k à un rang de tirage donné connaissant les
couleurs amenées à la suite des tirages précédents est 𝑷𝒌 , quelles que soient ces couleurs
amenées et quel que soit le rang de tirage spécifié.
Par conséquent, considérons n boules avec n=5, déterminons la probabilité d’apparition du
résultat {𝟐, 𝟒, 𝟑, 𝟐, 𝟑}, qui correspond au tirage d’une boule de couleur 2 suivie d’une boule de
couleur 4,….., est égale au produit des probabilités :

𝑷 = 𝑷𝟐𝟐 𝑷𝟐𝟑 𝑷𝟒 = 𝑷𝟐 𝑷𝟒 𝑷𝟑 𝑷𝟐 𝑷𝟑

Plus généralement, la probabilité d’obtenir la répartition (𝒏𝟏 , 𝒏𝟐 , … . . , 𝒏𝒌 ) dans un ordre

𝒏 𝒏 𝒏
spécifié est égale à :𝑷 = 𝑷𝟏 𝟏 . 𝑷𝟐 𝟐 … … . 𝑷𝒌𝒌 . Cette probabilité est la meme quel que soit l’ordre.
Or le nombre d’ordres correspondant à la répartition (𝒏𝟏 , 𝒏𝟐 , … . . , 𝒏𝒌 ) est égal au nombre des
permutations avec répétitions de n symboles dont 𝒏𝟏 sont des 1, 𝒏𝟐 sont des 2, ….., 𝒏𝒌 sont
𝒏!
des k, c’est-à-dire : 𝒏 d’où la probabilité de répartition (𝒏𝟏 , 𝒏𝟐 , … . . , 𝒏𝒌 ) est :
𝟏 !𝒏𝟐 ! …..𝒏𝒌 !

𝒏! 𝒏 𝒏 𝒏
𝑃(𝒏𝟏 , 𝒏𝟐 , … . . , 𝒏𝒌 ) = 𝑷 = 𝑷𝟏 𝟏 . 𝑷𝟐 𝟐 … … . 𝑷𝒌𝒌
𝒏𝟏 ! 𝒏𝟐 ! … . . 𝒏𝒌 !

𝒂𝒗𝒆𝒄 𝒏𝟏 + 𝒏𝟐 + … . . + 𝒏𝒌 = 𝒏 𝒆𝒕 ∀𝒌, 𝟎 ≤ 𝒏𝒌 ≤ 𝒏

Exemple : une urne contient 3 boules noires, 2 boules rouges et 5 boules oranges. Quelle est la
probabilité d’obtenir par un tirage bernoullien de 3 boules : 2 boules noires, 1 boule rouge, 0
boule orange.

X- TIRAGE BAYESIEN : PROBABILITES DE BAYES

Les probabilités de Bayes encore appelées « probabilités de causes » résultent d’un schéma
probabiliste à deux niveaux.

a- Position du problème

Considérons deux urnes (𝑼𝟏 ) et (𝑼𝟐 ) contenant respectivement les propositions 𝑷𝟏 𝒆𝒕 𝑷𝟐 de

boules blanches (et 1 − 𝑷𝟏 𝒆𝒕 𝟏 − 𝑷𝟐 de boules noires). On effectue un tirage en deux stades :

1- On choisit au hasard une des urnes :

- L’urne 𝑼𝟏 avec la probabilité 𝒒𝟏
- L’urne 𝑼𝟐 avec la probabilité 𝒒𝟐
 2- Dans l’urne choisie au 1er niveau, et qui demeure inconnue, on prélève au hasard une
boule. Supposons que la boule tirée dans l’urne soit blanche. On se propose de calculer
la probabilité pour que la boule ait été tirée dans l’urne 𝑼𝟏 (ou dans l’urne 𝑼𝟐 ).

Considérons les évènements 𝑬𝟏 , 𝑬𝟐 𝒆𝒕 𝑩 suivants :

𝑬𝟏 = 𝑼𝟏 ∩ 𝑩 = on a tiré dans l’urne 𝑼𝟏 et obtenu 1 boule blanche.

𝑬𝟐 = 𝑼𝟐 ∩ 𝑩 = on a tiré dans l’urne 𝑼𝟐 et obtenu 1 boule blanche.

𝑩 = on a tiré une boule blanche.

Il existe entre ces trois évènements la relation suivante : 𝑩 = 𝑬𝟏 ∪ 𝑬𝟐 . En effet, si l’on a tiré
une boule blanche ou bien elle provient de 𝑼𝟏 ou bien elle provient de 𝑼𝟐 . D’après l’axiome
des probabilités composées :

𝑷(𝑬𝟏 ) = 𝑷(𝑼𝟏 ∩ 𝑩) = 𝑷𝟏 𝒒𝟏

𝑷(𝑬𝟐 ) = 𝑷(𝑼𝟐 ∩ 𝑩) = 𝑷𝟐 𝒒𝟐

D’autre part, les évènements 𝑬𝟏 et 𝑬𝟐 sont incompatibles. Par suite (axiome des probabilités
totales) : 𝑷(𝑩) = 𝑷(𝑬𝟏 ∪ 𝑬𝟐 ) = 𝑷(𝑬𝟏 ) + 𝑷(𝑬𝟐 ) d’où 𝑷(𝑩) = 𝑷𝟏 𝒒𝟏 + 𝑷𝟐 𝒒𝟐

D’autre part, nous pouvons écrire :

𝑷(𝑼𝟏 ∩ 𝑩) = 𝑷(𝑩) × 𝑷(𝑼𝟏 /𝑩)

Où 𝑷(𝑼𝟏 /𝑩) est la probabilité conditionnelle de 𝑼𝟏 par B, c’est-à-dire la probabilité d’avoir

tiré dans 𝑼𝟏 si l’on a obtenu une boule blanche, quantité que nous cherchons justement à
calculer. D’où en tenant compte des relations ci-dessus on a :

𝑷 𝟏 𝒒𝟏
- 𝑷(𝑼𝟏 /𝑩) = 𝑷
𝟏 𝒒𝟏 +𝑷𝟐 𝒒𝟐

𝑷 𝟐 𝒒𝟐
- 𝑷(𝑼𝟐 /𝑩) = 𝑷
𝟏 𝒒𝟏 +𝑷𝟐 𝒒𝟐

Avant le tirage de la boule, les probabilités de choisir l’urne 𝑼𝟏 ou 𝑼𝟐 étaient 𝒒𝟏 𝒆𝒕 𝒒𝟐 . Après

le tirage et connaissant son résultat, ces probabilités sont modifiées. Les Probabilités 𝒒𝟏 𝒆𝒕 𝒒𝟐
sont appelées « probabilités à priori », mais les probabilités déterminées par les formules de
bayes ci-dessus sont des « probabilités à postériori ».

APPLICATION
Soient deux urnes 𝑼𝟏 et 𝑼𝟐 contenant respectivement les proportions suivantes de boules
1 1
blanches. 𝑃1 = 4 et 𝑃2 = 2, on suppose que les probabilités à priori de chaque urne sont
1 2
respectivement de 𝑞1 = 3 et 𝑞2 = 3. Taf : Calculer la probabilité de tirer une boule blanche.

b- Généralisation du théorème de BAYES

Le calcul précédent effectué dans le cas de n boules 𝑼𝟏 , 𝑼𝟐 , … . . , 𝑼𝒏 contenant les
proportions de boules blanches 𝑷𝟏 , 𝑷𝟐 , … . . , 𝑷𝒏 , les urnes étant choisies avec les
probabilités de tirage à priori 𝒒𝟏 , 𝒒𝟐 , … . . , 𝒒𝒏 (avec ∑𝒏𝒊=𝟏 𝒒𝒊 = 𝟏.
𝑷𝒊 𝒒𝒊
𝑷(𝑼𝒊 /𝑩) = 𝒏
∑𝒊=𝟏 𝑷𝒊 𝒒𝒊

Le théorème de Bayes a été démontré dans un cas très simple : « Choix entre deux urnes
et tirage d’une seule boule dont le résultat modifie la probabilité à priori des urnes ».
Considérons maintenant un résultat R pouvant provenir des causes 𝑪𝟏 , 𝑪𝟐 , … . . , 𝑪𝒏 si on
pose :
𝑷(𝑪𝒊 ) = 𝒒𝒊 = 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒕é à 𝒑𝒓𝒊𝒐𝒓𝒊 𝒅𝒆 𝑪𝒊
𝑷(𝑹/𝑪𝒊 )= 𝑷𝒊 = 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒕é 𝒒𝒖𝒆 𝒍𝒆 𝒓é𝒔𝒖𝒍𝒕𝒂𝒕 𝑹 𝒂𝒑𝒑𝒂𝒓𝒂𝒊𝒔𝒔𝒆, 𝒍𝒂 𝒄𝒂𝒖𝒔𝒆 𝑪𝒊 é𝒕𝒂𝒏𝒕 𝒔𝒖𝒑𝒑𝒐𝒔é𝒆 𝒓é𝒂𝒍𝒊𝒔é𝒆

la probabilité a postériori pour que le résultat R provienne de la cause 𝑪𝒊 est , en utilisant

exactement le meme raisonnement :

𝑷𝒊 𝒒𝒊
𝑷(𝑪𝒊 /𝑩) = 𝒏
∑𝒊=𝟏 𝑷𝒊 𝒒𝒊

APPLICATIONs

1- Les œufs pondus par une poule peuvent éclore indépendamment les uns des autres avec la
meme probabilités 9/10. Quelle est la probabilité pour que sur 20 pontes il y’ait exactement
18 eclosions ?
2- On tire 6 cartes d’un jeu de 52. Quelle est la probabilité d’obtenir 3 cœurs, 2 trèfles et 1
carreau ?
3- Une urne contient 5 boules vertes (V), 3 boules rouges ® et 2 boules jaunes (J). On tire
successivement et avec remise 5 boules de cette urne.
- Quelle est la probabilité d’apparition du résultat (V, V, R, R,J) dans cet ordre ?
- Quelle est la probabilité d’apparition de 2 boules vertes, 2 boules rouges et une boule jaune ?
4- L’on veut former un comité de 9 personnes choisies parmi 15femmes et 10 hommes.
Calculer les probabilités pour que ce comité soit formé :
a- De 4 femmes et 5 hommes
b- De 4 femmes et 5 hommes sachant qu’un couple refuse de siéger ensemble

5- On lance une pièce de monnaie parfaitement équilibrée. On note P l’évènement

« pile apparait », F l’évènement « Face apparait ».
a- A l’aide d’un diagramme arborescent, dénombrer tous les cas possibles qui peuvent se
présenter
b- Exprimer les évènements ci-après : Face apparait 3 fois, Face apparait 2 fois, Pile
apparait au plus une fois.
c- Calculer les probabilités attachées à chacun de ces évènements en termes de rapport du
nombre de cas favorable au nombre de cas possible.
d- Reprendre ces calculs en utilisant l’axiome des probabilités totales
e- Montrer que chacun des évènements de (b) peut etre traduit en termes de tirage
bernoullien
f- Reprendre le calcul de leur probabilité en utilisant les résultats du mode de tirage
bernoullien
6- 1000 étudiants sont réunis dans un amphithéâtre. 500 sont en première année, 300 en deuxième
année et 200 en troisième année. Les proportions des deux sexes (masculin et féminin) dans chaque
classe sont les suivantes :
Classe %masculin %féminin
Première année 56 44
Deuxième année 60 40
Troisième année 75 25
On choisit parmi eux un étudiant :

a- Quelle est la probabilité qu’il soit de sexe masculin ?

b- L’étudiant choisi est de sexe masculin. Quelle est la probabilité qu’il soit en deuxième année ?

7- Deux usines fabriquent les memes pièces. La première en prosuit 70% de bonne, et la seconde 90%.
Les deux usines fabriquent la meme quantité de pièces.
a- Quel est le pourcentage de bonnes pièces sur le marché (alimenté par les deux usines) ?
b- On achète une pièce ; elle est bonne. Quelle est la probabilité qu’elle provienne de la seconde
usine ?
c- Reprendre les questions a et b dans le cas où l’usine 1 occupe les ¾ du marché.
8- Dans un hôpital donné, 20% des garçons et 25% des filles souffrent de paludisme. On sait de plus
que 55% de patients sont des filles. On choisit un patient au hasard et on constate qu’il souffre de
paludisme. Quelle est la probabilité qu’il soit un garçon ?