Académique Documents
Professionnel Documents
Culture Documents
2020-2021
PLAN DU COURS
1. Avec l’expérience aléatoire du lancer d’un dé, on peut avoir les événements suivants:
o A: « le numéro obtenu est impair » ; A = {1, 3, 5}
o B: « le numéro obtenu est inférieur ou égal à 3 » ; B = {1, 2, 3}
2. Avec l’expérience aléatoire du lancer de deux dés, on peut avoir l’événement suivant:
o C : « la somme des deux numéros obtenus est 5 » ; C = {(2,3), (1,4), (3,2), (4,1)}
• Exemple:
o On lance un dé équilibré à 6 faces. On note les événements A B
A : « le numéro obtenu est impair »
B : « le numéro obtenu est inférieur ou égal à 4 »
Alors la réunion de A et B
A ou B = A U B={1, 2, 3, 4, 5}
• Exemple: 𝜴
o Soit une urne contenant des billes rouges unies et des billes vertes
unies et striées. Si l’on note A: « obtenir une bille striée » et
A B
B: « obtenir une bille verte »
la réalisation de A implique la réalisation de B car A est inclus dans B.
𝐴1 𝐴2 𝐴3 𝐴4
• Exemple:
o Soit une classe de 30 élèves: Ω
20 élèves étudient l’anglais
7 élèves étudient l’espagnol
E
A
3 élèves étudient les deux langues 17
Question1: combien d’élèves qui n’étudient aucune langue? 3 4
30 - (17+3+4)=6 élèves qui n’étudient aucune langues 6
• Exemple: E ഥ
𝑬
Question2: combien d’élèves qui étudient au moins une
langue? A∪ 𝐸 A 3 17 20
A∩E A∩ 𝐸ത A∩E ∪
Card (A∪ 𝐸)=Card A + Card E – Card (A∩ 𝐸) A∩ 𝐸ത
= 20+7-3=24
𝐴ҧ 4 6 10
𝐴ҧ ∩E 𝐴ҧ ∩ 𝐸ത 𝐴ҧ ∩E ∪
𝐴ҧ ∩ 𝐸ത
7 23 30
A∩E∪ A∩ 𝐸ത ∪
𝐴ҧ ∩ E 𝐴ҧ ∩ 𝐸ത
Définition de la probabilité
• ∀ A événement, on a : 0 ≤ P (A ) ≤ 1
ҧ 1−𝑃 (𝐴)
• Si A événement on a : 𝑃(𝐴)=
Démonstration:
On A U 𝐴ҧ = Ω => P(A U 𝐴ҧ ) = P(Ω)
Et puisque A∩B=∅ donc P(A U 𝐴ҧ ) = P(A) + P(𝐴)ҧ
Alors P(A) + P(𝐴)ҧ = P(Ω) = 1 d’où 𝑃(𝐴)=
ҧ 1−𝑃 (𝐴)
• P(Ø)=0
Démonstration:
On a Ø U Ω = Ω et Ø ∩ Ω = Ø donc P(Ø) = 1-P(Ω)
• Si AB, Alors P (A) < P(B)
Exercice 1:
• Admettons qu’on a une urne qui contient des boules rouges et des
boules blanches et je prélève une boule au hasard.
On donne P(R)=0,7 ; la probabilité que la boule soit rouge est 0,7
P(B)?
R et B constituent deux évènements contraires ou incompatibles (si la
boule n’est pas rouge, elle est blanche).
Alors: P(B)=1-P(R)=1-0,7=0,3
Exercice 2:
• On lance une pièce de monnaie qui n’est pas équilibrée (c à d les deux
faces n’ont pas la même chance de sortie).
On donne P(F)=0,4; la probabilité d’avoir face est de 0,4
P(P)?
P et F constituent deux évènements contraires ou incompatibles.
Alors: P(P)=1-P(F)=1-0,4=0,6
• Exemple2:
o Soit une roue que l’on fasse tourner puis elle s’arrête. Quel est la probabilité qu’elle s’arrête
sur 1?
1
La probabilité de chaque triangle est , et comme on a 1 deux fois, alors
6 1
2 1 2 2
𝑃1 = = 2
6 3 1
3
3 1
Et 𝑃2 = = ; la probabilité de s’arrêter sur 2
6 2
1
Et 𝑃3 = ; la probablilité de s’arrêter sur 3
6
• Exemple3:
o Soit l’expérience aléatoire suivante : « jet de deux pièces de monnaie distinguables »
Alors, les cas possibles sont :
Ω={(P,P) ; (P,F) ;(F,P) ; (F,F)} est équiprobable.
Soit l’évènement A: «On obtient au moins une fois P »
Alors, les cas favorables sont: A ={(P,P) ; (P,F) ; (F,P) }.
𝑐𝑎𝑟𝑑(𝐴) 3
Donc : 𝑃(𝐴)= =
𝑐𝑎𝑟𝑑(Ω) 4
• Exemple4:
o On considère l'Expérience aleatoire suivante: « lancer de deux dés de 1 à 4 faces »
On considère que le dé est équilibré.
Soit B l’évènement ≪ la somme des deux numéros obtenus est 5 ≫, on aura :
B= {(1;4),(2;3),(4;1),(3;2)} Inventaire de résultats
Le nombre de résultats possibles est 4 x 4 = 16 1 2 3 4
4 1 1 2 3 4 5
P(B) = =
16 4
2 3 4 5 6
3 4 5 6 7
4 5 6 7 8
• Exemple5:
o Soit l’expérience aléatoire suivante : « lancer trois fois de suite une pièce de monnaie
équilibrée (c-à-d j’ai autant de chance d’avoir pile que de d’avoir face) »
J’utilise l’arbre pondéré pour définir les résultats possibles :
on a 2x2x2=8 résultat possibles
F FFF
F P FFP 1
F FPF A: « Obtenir 3 fois face » A={FFF} => P(A)=
F P P FPP 8
F F PFF 3
P B: « Obtenir 2 fois face » B={FFP, FPF, PFF} => P(B)=
P PFP 8
P F PPF
P PPP
• Exemple5:
o Autre méthode pour calculer P(B) par le biais de l’arbre pondéré.
la pièce de monnaie est équilibrée, donc P(F)=1/2
La probabilité de chaque ligne égal au produit des probabilités des branches de tout le chemin
(en partant de 1er lancer jusqu’au dernier lancer)
F FFF
P(B)=P(FFP)+P(FPF)+P(PFF)
1/2 F 1/2 P FFP P(FFP)= ½ x ½ x ½ =1/8
1/2 F FPF
1/2 F P P FPP P(FPF)= ½ x ½ x ½ =1/8
1/2 1/2 F PFF
P F P(PFF)= ½ x ½ x ½ =1/8
1/2 P PFP
P F PPF
P PPP D’où P(B)=3/8
1/2
• Exemple 1:
On considère une urne qui contient 5 boules numérotées de 1 à 3. on
effectue trois tirages successifs avec remise.
Question: combien y a-t-il de tirages possibles?
1 1
1 5 x 5 x 5= 53 tirages possibles de
2 2 3 boules avec remise
2
3 3
3
4 4
4
5 5 5
5 Choix 5 Choix 5 Choix
pour la 1ère pour la 2ème pour la 3ème
boule boule boule
Sara GOTTI SEG S2, 2020-2021 38
Chapitre 3: Analyse Combinatoire
• Exemple 2:
o Combien de codes formés de 4 chiffres possibles?
Ex: 0 8 5 7
10 x 10 x 10 x 10= 104 = 10000 codes possibles à 4 chiffres
o On considère la numérotation téléphonique à 10 chiffres. Combien de numéros de
téléphones possibles qui commencent par 06?
06 xx xx xx xx : il nous reste 8 chiffres avec 10 valeurs possibles pour chaque
chiffre. Alors 108 numéros possibles.
n (n−1)(n−2)(n−3) ….(n−(p−1))(n−p)! 𝑛! 𝑝
= = 𝐴𝑛
𝑛−𝑝 ! 𝑛−𝑝 !
4!
𝐴34 = = 4 × 3 × 2 = 24
4−3 !
(a, b, c) est un arrangement mais pas (a, b, b)
Permutation
Permutation
• Exemple 1:
Soit un ensemble de 3 éléments de E = {a, b, c}.
Les Permutations de ces 3 éléments de E sont :
𝐴33 = 3! = 3 × 2 × 1 =6
Permutation
• Exemple 2:
o On veut compter le nombre d’anagrammes possibles du mot AMIES (c-à-d le
nombre de permutations possibles des lettres de ce mot)
𝐴55 = 5! = 5 × 4 × 3 × 2 × 1 = 120 anagrammes du mot AMIES
o On veut compter le nombre d’anagrammes possibles du mot AMICALES:
On suppose que les lettres sont distinctes => 8!
Si on permute deux lettres identiques, on trouve le meme mot. On doit donc diviser
le nombre total de permutations
8!
par le nombre de permutations entre les lettres
identiques. On obtient
2!
o On veut compter le nombre d’anagrammes possibles du mot ATTRISTEES:
10!
2! × 2! × 3!
Combinaison (1)
• Soit Ω un ensemble composé de n éléments : card(Ω) = n. Si nous avons à choisir p
éléments parmi n. Si la disposition est non-ordonnée et sans répétition, on dit que l’on a
une combinaison
𝑝 sans répétition de p éléments parmi n. Le nombre de ces combinaisons
se note 𝐶𝑛 .
𝑝
• Le nombre de combinaison de p éléments parmi n, noté 𝐶𝑛 est égal à :
𝑝
𝑝 𝑛× 𝑛−1 × 𝑛−2 …(𝑛−𝑝+1) 𝐴𝑛
𝐶𝑛 = =
𝑝! 𝑝!
Exemple :
Soit E={0,2,5} ,on peut alors constituer :
Une seule combinaison de 3 éléments : {0,2,5}
Six arrangements de 3 éléments : (0,2,5);(0,5,2);(2,0,5);(2,5,0);(5,2,0);(5,0,2)
Trois combinaisons de 2 éléments parmi 3 éléments de E est : 𝐶32 =3
Soit : (0,2);(0,5);(2,5)
Combinaison (1)
Démonstration:
J’ai une urne avec 5 boules numérotées et j’effectue 3 tirages successifs sans remise:
Alors 𝐴35 tirages possibles sans répétition
je peux avoir
(1, 2, 3) (1, 3, 4) (2, 4, 5) ….
(1, 3, 2) …
(3, 2, 1) …
(3, 1, 2) …
(2, 1, 3) …
(2, 3, 1) ….
C’est comme si j’ai pour chaque combinaison 3! Permutations possibles
Alors le nombre des arrangements égal au nombre de combinaisons plus le nombre des permutations
possibles pour chaque combinaison. On peut déduire que:
𝐴35 = 3! 𝐶53
𝑝 𝑝
En général 𝐴𝑛 = 𝑝! 𝐶𝑛
Combinaison (2)
𝑛−𝑝
• 𝐶𝑛𝑃 = 𝐶𝑛 ; 𝑜ù 0 ≤ 𝑝 ≤ 𝑛
• 𝐶𝑛1 = 𝑛 ; 𝑜ù 𝑛 > 0
𝑛!
𝐶𝑛1 = =n
1!(𝑛−1)!
• 𝐶𝑛𝑛 = 1; 𝑜ù 𝑛 > 0
𝑛!
𝐶𝑛𝑛 = 0!𝑛! = 1
Démonstration:
𝑛−𝑝
𝐶𝑛𝑃 = 𝐶𝑛 ; 𝑜ù 0 ≤ 𝑝 ≤ 𝑛
𝑛−𝑝 𝑛!
On a 𝐶𝑛 =
(𝑛−𝑝)! 𝑛−𝑛+𝑝 !
𝑛!
=
(𝑛−𝑝)! 𝑝 !
= 𝐶𝑛𝑃
• Exemple d’étude:
Soit un lot de 100 articles qui représentent deux types de défauts; le défaut A et le défaut B.
On suppose que 12 articles ont le défaut A, 8 article ont le défaut B et 5 articles ont les deux
défauts.
On note A∩B les articles qui présentent les deux défauts A et B.
𝐶𝑎𝑟𝑑 𝐴 𝐶𝑎𝑟𝑑 𝐴∩𝐵
On a bien sur : P(A) = =0,12 et P(A∩B) = =0,05
𝐶𝑎𝑟𝑑 Ω 𝐶𝑎𝑟𝑑 Ω
Quelle est la probabilité qu’un article qui a le défaut Inventaire des articles
A choisi au hasard aie le défaut B? (*) B 𝑩ഥ σ
On dispose ici d’une information supplémentaire : A 5 7 12
on sait que l’article choisi a le défaut A. 𝐴ҧ 3 85 88
La probabilité cherchée est clairement: σ 8 92 100
𝑃(𝐴∩𝐵)
(par le biais de l’arbre) :
P(A)
P.-S. la probabilité qu’un article aie le défaut A et le défaut B est (*) B A∩B
A 𝐵ത A∩ 𝐵ത
différente de la probabilité qu’un article aie le défaut B sachant
B 𝐴ҧ ∩ 𝐵
qu’il a défaut A. 𝐴ҧ
𝐵ത 𝐴ҧ ∩ 𝐵ത
𝑃(𝐵)=𝑃(𝐵∩𝐴 )+𝑃(𝐵∩𝐴)ҧ
Alors ҧ
𝑃(𝐵)=𝑃(𝐴).𝑃(𝐵/ 𝐴)+𝑃(𝐴).𝑃( 𝐵/ 𝐴)ҧ
• Exemple:
• On considère une urne contenant 4 boules blanches et 3 boules noires.
• On tire une à une et sans remise 3 boules de l'urne. Quelle est la probabilité pour que la première
boule tirée soit blanche, la seconde blanche et la troisième noire? B
On note: 3
N --- B∩N∩N
4 6 B 3/5 B
𝐵:𝑙𝑎 𝐵𝑜𝑢𝑙𝑒 𝑡𝑖𝑟é𝑒 𝑒𝑠𝑡 𝑏𝑙𝑎𝑛𝑐ℎ𝑒
7 B N N
𝑁:𝑙𝑎 𝐵𝑜𝑢𝑙𝑒 𝑡𝑖𝑟é𝑒 𝑒𝑠𝑡 𝑁𝑜𝑖𝑟𝑒 B B
Alors on cherche à calculer la probabilité suivante: N N
N B
𝑃(𝐵∩𝐵∩𝑁) N
Ce qui fait : 𝑃(𝐵∩𝐵∩𝑁)=P(𝐵 )×𝑃(𝐵/ 𝐵 ) × 𝑃( 𝑁 / (𝐵∩𝐵))
𝑜𝑛 𝑎,
La première boule tirée soit blanche: 𝑃(𝐵)=4/7
"la seconde blanche" 𝑠𝑎𝑐ℎ𝑎𝑛𝑡 𝑞𝑢𝑒 𝑙𝑎 𝑝𝑟𝑒𝑚𝑖è𝑟𝑒 𝑒𝑠𝑡 𝑏𝑙𝑎𝑛𝑐ℎ𝑒 : 𝑃(𝐵 / 𝐵)=3/6
la troisième noire 𝑠𝑎𝑐ℎ𝑎𝑛𝑡 𝑞𝑢𝑒 𝑙𝑎 𝑝𝑟𝑒𝑚𝑖è𝑟𝑒 𝑒𝑠𝑡 𝑏𝑙𝑎𝑛𝑐ℎ𝑒" et la seconde blanche"
𝑃(𝑁/ 𝐵∩𝐵)=3/5
Alors, 𝑃(𝐵∩𝐵∩𝑁)=P(𝐵 )×𝑃(𝐵/ 𝐵 ) × 𝑃( 𝑁 / (𝐵∩𝐵)) = 4/7×3/6×3/5=6/35
Situation 1 Situation 2
0,8 B A∩B 0,8 B A∩B
0,4 A 0,2 𝐵ത A∩ 𝐵ത 0,4 A 0,2 𝐵ത A∩ 𝐵ത
0,3 B 𝐴ҧ ∩ 𝐵 0,8 B 𝐴ҧ ∩ 𝐵
0,6 𝐴ҧ 0,6 𝐴ҧ
0,7 𝐵ത 𝐴ҧ ∩ 𝐵ത 0,2 𝐵ത 𝐴ҧ ∩ 𝐵ത
Formule de Bayes
• Soit A et B deux évènements tels que 0 < P(A) <1 et P(B) > 0.
Alors,
P(B/A)P(A)
P(A/B) =
𝑃 B
• preuve :
P(A ∩ B)
P(A/B) = (1)
P(B)
P(A ∩ B)
P(B/A)= => P(A ∩ B)=P(B/A) ×P(A) (2)
P(A)
on remplace dans (1) P(A ∩ B) par son expression donnée par (2)
P(B/A)P(A)
On obtient P(A/B) =
𝑃 B
On peut conclure en remplaçant P(B) par son expression donnée par la formule des
probabilités totales; on obtient:
P(B/A)P(A)
P(A/B) =
P(B/A)P(A) + P(B/𝐴ҧ)P(𝐴ҧ)
Sara GOTTI SEG S2, 2020-2021 64
Chapitre 4: Probabilités Conditionnelles
Formule de Bayes
• Exemple:
Soient deux urnes remplies de boules. La première contient 20 boules noires et 30
blanches. la seconde contient 25 boules noires et 25 blanches.
On tire une des urnes au hasard et dans cette urne, on tire une boule au hasard.
Soit B: l’évènement la boule tirée est blanche.
Quelle est la probabilité qu'on ait tiré cette boule dans la première urne
sachant qu'elle est blanche ?
Et soient les deux évènements suivants:
𝑬𝟏 :« On tire dans la première urne. »
𝑬𝟐 :« On tire dans la seconde urne. ».
Comme on tire sans préférence particulière, Alors P(𝑬𝟏 ) = P(𝑬𝟐 ) ;
comme on a certainement tiré dans une des deux urnes, 𝐴𝑙𝑜𝑟𝑠 𝑃(𝑬𝟏 ) + 𝑃(𝑬𝟐 )=1
D’où: 𝑃(𝑬𝟏 ) = 𝑃(𝑬𝟐 ) = ½=0,5 .
Formule de Bayes
• Exemple: (suite)
Comme on tire une boule au hasard dans une des urnes, la probabilité
de B sachant que l’évènement 𝑬𝟏 est réalisé est :
30
𝑃(𝐵 / 𝑬𝟏 )= =0,6
50
De même la probabilité de B sachant l’évènement 𝑬𝟐 réalisé est :
25
𝑃(𝐵 / 𝑬𝟐 )= =0,5
50
Formule de Bayes
• Exemple: (suite)
La formule de Bayes dans le cas discret nous donne donc :
𝑃(𝑬𝟏 )×𝑃(𝐵⁄ 𝑬𝟏 )
𝑃(𝑬𝟏 ⁄𝐵)=
𝑃(𝐵)
𝑃(𝑬𝟏 )×𝑃(𝐵⁄ 𝑬𝟏 )
=
𝑃(𝑬𝟏 )×𝑃(𝐵⁄ 𝑬𝟏 )+𝑃(𝑬𝟐 )×𝑃(𝐵⁄ 𝑬𝟐 )
0,5×0,6
𝑃(𝑬𝟏 ⁄𝐵)= =0,545
0,5×0,6+0,5×0,5
la probabilité qu'on ait tiré cette boule dans la première urne sachant
qu'elle est blanche est 0,545
• Exemple d’étude:
Soit une urne contenant 2 boules vertes et 8 boules rouges. On effectue
3 tirages successifs avec remise d’une boule.
La boule verte fait gagner 3 points et la boule rouge fait perdre 2 points.
Notons G le gain du joueur.
On représente les différents gains possibles.
RRR -6
RRV RVR VRR -1
RVV VRV VVR 4
VVV 9
Ω G
• Exemple d’étude:
• Avec le même exemple d’étude. On aimerait connaître la probabilité que le gain du joueur prenne une valeur
donnée, soit P(G = k) pour k entier fixe ∈{-6, -1, 4, 9}. On obtient le tableau des probabilités suivant :
K -6 -1 4 9
P(G=k) 0,512 0,384 0,096 0,008
P(G=-6)=P(RRR)
P(G=-6)=P(R)×P(R)×P(R) (les évènements sont indépendants)
P(G=-6)=(0,8)3 =0,512 0,2
V
P(G=-1)=P(RRV)+P(RVR)+P(VRR) 0,2 V 0,8
R
V
P(G=-1)=P(R)×P(R)×P(V)+P(R)×P(V)×P(R)+P(V)×P(R)×P(R) 0,2 V R R
0,8
P(G=-1)=(0,8)2 × 0,2+(0,8)2 × 0,2+(0,8)2 × 0,2= 0,384 0,2 V V
0,8 R R
P(G=9)=P(VVV)=P(V)×P(V)×P(V)= (0,2)2 =0,008 0,8 R V
P(G=4)=P(RVV)+P(VVR)+P(VRV) 0,8 R --- RRR
P(G=4)= (0,2)2 × 0,8+(0,2)2 × 0,8+(0,2)2 × 0,8= 0,096
• On a muni l’ensemble X(Ω)={-6, -1, 4, 9}de la probabilité PS définie par le tableau des P(G = k).
Cette nouvelle probabilité s’appelle la loi de la variable aléatoire G.
E(X)=-3
Le gain moyen est négatif. On peut dire que ce jeu là n’est pas profitable.
Sara GOTTI SEG S2, 2020-2021 76
Chapitre 5: Variable Aléatoire
On voit clairement que la fonction f est continue sur [60, 80] et positive. x x x x x
Quelle est la probabilité que la durée du vol est comprise entre 60 et 80 min? 60 65 70 75 80
P(60≤X≤80)=1 on est sûr que la durée est entre 60 et 80
• On s’intéresse à l’aire totale sur la courbe (délimitée par la courbe et l’axe des X)
L’aire pour X≤60 et pout X≥80 est bien égale à 0
1 1
Entre 60 et 80 on a un rectangle de longueur (80-60=20) et de largeur 20, alors l’aire est égale à 20× 20=1
Par conséquent, cette fonction f s’appelle une densité. Elle est continue, positive et l’aire totale sur sa
courbe est égale à 1.
Sara GOTTI SEG S2, 2020-2021 87
Chapitre 5: Variable Aléatoire
x x x x x
a c d b
𝑎+𝑏
E(X) =
2
(𝑏−𝑎)2
V(X) =
12
𝜎(X) = 𝑉(𝑋)