Mathématiques

Classe : Bac Économie

Série : Cours Probabilité
S
-------------------------
Nom du Prof : Zoghlami Nabil
 Probabilité
I. Rappels :
1) Types de tirages :
Soit un ensemble fini E contenant n éléments. On considère l’épreuve sui-
vante : « tirer p élément de E »
Types de tirages Ordre Répétition d’élé- Dénombrement
ments
Successifs avec re- On tient compte Un élément peut np
mise de l’ordre être tiré plusieurs
fois
Successifs sans re- On tient compte Un élément n’est A np =
n!
mise de l’ordre tiré qu’une seule (n − p )!

fois
simultanés L’ordre n’inter- Un élément n’est Ap
C np = n
vient pas tiré qu’une seule p!
fois
2) Vocabulaires :
➢ Une expérience est dite aléatoire lorsque son résultat est déterminé par le ha-
sard. Il ne peut donc pas être prévu à l'avance avec certitude.
➢ Un événement est un ensemble d'issues (ou de résultats). Un événement est réa-
lisé lorsque l'une des issues (ou résultats) qui le composent est réalisée.
➢ Un événement élémentaire est un événement composé d'une seule issue (ou
d'un seul résultat).
Exemple :
« Jeter un dé » est une expérience aléatoire. On ne peut savoir à l'avance le chiffre
qui va apparaître sur la face supérieur du dé.
On connaît toutes les issues possibles : 1 ; 2 ; 3 ; 4 ; 5 et 6.
On peut définir l'événement P: « obtenir un nombre pair ». L'événement P est
constitué des issues 2, 4 et 6.
L'évènement « obtenir 5 » est un événement élémentaire.

1
 ➢ L'événement contraire d'un événement A est celui qui se réalise lorsque A ne se
réalise pas. On le note 𝑨.
Exemple :
Soit M l'événement : « obtenir un multiple de 3 » dans un jeu de dé.
L'événement « ne pas obtenir un multiple de 3 » est l'événement contraire de M.
On le note « 𝑴 ».
➢ Deux événements sont dits incompatibles s'ils ne peuvent pas se réaliser en
même temps.  A  B = 
Exemple :
Soit P l'événement « obtenir un nombre pair » et soit T l'événement « obtenir 3 ».
Les événements P et T sont incompatibles : ils ne peuvent pas se réaliser en même
temps.
3) Définition :
Soit  l’univers d’une expérience aléatoire. On écrit  = 1 , 2 ..., n  où chaque i
est une des n issues de cette expérience aléatoire.
• Un événement est un sous-ensemble de  .
• Une probabilité p définie sur P (  ) est une application de P (  ) dans  0;1 vé-
rifiant les deux axiomes suivants :
➢ p ( ) = 1
➢Pour tous évènements A et B incompatibles (A  B = ) , on a :
p (A  B ) = p (A ) + p (B )
Remarques :
i. On note 𝑨 l'événement contraire de A et on a: (A  A = ) et (A  A = ) .
On dit que (A, 𝑨 ) est un système complet( ou répartition) de  .
ii.(A , B ,C ) est une répartition de  si et seulement si :
A  B = A  C = B  C =  et A  B  C = 
4) Propriétés :
Soit A et B deux événements.
i. p (A ) = 1 − p (A ) et p () = 0
ii. p (A \ B ) = p (A ) − p (A  B )
iii. p (A  B ) = p (A ) + p (B ) − p (A  B )

2
 iv. si (E 1 , E 2 , E 3 ) est un système complet alors pour tout événement B on a :
p (B ) = p (B  E 1 ) + p (B  E 2 ) + p (B  E 3 )
1
v. lorsque p i  = , on dit que p est la probabilité uniforme ou l’équiprobabilité
n
card (A ) card (A )
et dans ce cas là : p (A ) = =
card () n
Exercice:
Un sac contient 13 jetons indiscernables au toucher : 3 jetons noirs marqués A , B et C et
10 jetons blancs numérotés de 1 à 10 . On tire simultanément 5 jetons.
On considère les événements suivants :
R :" obtenir les 3 jetons noirs parmi les 5 jetons extraits "
S : " obtenir le jetons marqué C parmi les 5 jetons extraits "
T : " obtenir au moins un jeton noir parmi les 5 jetons extraits "
Calculer la probabilité de chacun des événements R , S et T .
Solution :
Un tirage correspond au choix de 5 jetons parmi les 13 jetons se trouvant dans le sac .
card () = C135 = 1287
C 33C 102 C 11C 124 495 C 105 1035
Donc : p (R ) = ; p (S ) = = et p (T ) = 1 − p (T ) = 1 − =
1287 1287 1287 1287 1287
II. Probabilité conditionnelle
1) Etude d’un exemple :
Une classe de 35 élèves est composée de 20 garçons et 15 filles. 15 garçons et 7
filles choisissent l’anglais. Les autres choisissent l’espagnol. (Chacun ne choisit
qu’une langue)
On note A l’événement : "Il a choisi l’Anglais"
On note B : "C’est un garçon"
On note AB : "C’est un garçon et il a choisi l’anglais"
Donc A : "Il a choisi l’espagnol" et B : "C’est une fille"
1°) Compléter le tableau suivant :
Anglais A Espagnol A Total
Fille B 15
Garçon B 20
total 35
2°) Soit l’événement A/B qui se lit A sachant B c’est à dire "Il a choisi l’anglais sa-
chant que c’est un garçon".
P (A/B) se note PB( A). C’est une probabilité conditionnelle.
3
a) Montrer que p B (A ) =
4

3
 p (A  B )
b) Vérifier que p B (A ) =
p (B )
Solution :

Anglais A Espagnol A Total 1°)

Fille B 7 8 15

Garçon B 15 5 20
total 22 13 35

2°) a) D’après le tableau il y a 15 élèves qui ont choisi l’anglais sachant que c’est un
garçon sur 20 garçon ;
15 3
Donc : p B (A ) = = .
20 4
15 3 20 4 p (A  B ) 3
b) p (A  B ) = = et p (B ) = = donc = = p B (A )
35 7 35 7 p (B ) 4
2) Définition :
B est un événement de probabilité non nulle
On appelle probabilité conditionnelle de A sachant B, le réel noté P (A/ B) ou
p (A  B )
p B (A ) et définie par : p (A / B ) = .
p (B )
Remarque : p ( A  B ) = p (A / B )  p (B ) C’est la formule des probabilités composées.
3) Arbre pondéré :
Les résultats de l’exemple précédant peuvent être représentés par l’arbre
pondérée suivant :
𝟐𝟎 𝟏𝟓 𝟏𝟓
A 𝒑(𝑨 ∩ 𝑩) = × =
𝟑𝟓 𝟐𝟎 𝟑𝟓
15/20
B
5/20
𝟐𝟎 𝟓 𝟓
20/35 A 𝒑(𝑨 ∩ 𝑩) = × =
𝟑𝟓 𝟐𝟎 𝟑𝟓

𝟏𝟓 𝟕 𝟕
15/35 A 𝒑(𝑨 ∩ 𝑩) = × =
7/15 𝟑𝟓 𝟏𝟓 𝟑𝟓
B
8/15
𝟏𝟓 𝟖 𝟖
A 𝒑(𝑨 ∩ 𝑩) = × =
𝟑𝟓 𝟏𝟓 𝟑𝟓

4
Règles d'utilisation des arbres de probabilités
• Les probabilités portées sur les branches de niveau supérieur à 1 sont des proba-
bilités conditionnelles.
• La probabilité d'un événement correspondant à un chemin est égale au produit
des probabilités inscrites sur les différentes branches de ce chemin
(Exemple : l’événement qui correspond au chemin -B-A est 𝑨 ∩ 𝑩 ).
• La somme des probabilités des différentes branches issues d'un même nœud est
égale à 1.
Exemple :
Deux employés, Ali et Mohamed, ont une probabilité d’absences simultanées de
0,04. Ali s’absente avec une probabilité de 0,1. Quelle est la probabilité pour que
Mohamed s’absente, sachant qu’Ali est absent ?
Rép :
Désignons par A l’événement « Ali est absent » et par M l’événement « Mohamed
est absent». Les hypothèses deviennent : P(A∩M) = 0,04 ; P(A) = 0,1 et donc
p ( A  M ) 0, 04 4 2 C
PA (M ) = = = = ,,,
p (A ) 0,1 10 5 A
Exercice 1 : 0,1
0,3 D
Une situation de probabilités est représentée par l'arbre
ci-contre. Compléter cet arbre et donner les probabilités ,,, C
suivantes : ,,,
B
0,8
p(B) ; pA(C) ; p(A C) ; p(C) D

Exercice 2
A et C sont deux événements correspondant à une même épreuve aléatoire.tel que
p ( A ) = 0, 6 ; p (C ) = 0, 5 et p (A  C ) = 0,18 . Déterminer : p (A ) ; p A (C ) ; p A (C ) ;
p (A C ) ; pA (C ) ; p A (C ) ; pC (A ) C
0,3
(On pourra s’aider d’un arbre de probabilités) A
,,,
On sait que : p(A) = 0,6 ; p(C) = 0,5 ; p(AC) = 0,18 0,6 C
• On a : p(𝑨) = 1 - p(A) = 1 - 0,6 donc p(𝑨) = 0,4
p (A  C ) 0,18
• p A (C ) = = donc p A (C ) = 0,3 0,4 C
p (A ) 0, 6 ,,,
A
On peut alors considérer l'arbre de probabilités ci-contre ,,,
pour traduire la situation : C

5
• La somme des probabilités des différentes branches issues d'un même nœud est
égale à 1, donc
pA(𝑪) + pA(C) = 1 c'est-à-dire pA(𝑪) = 1 - pA(C) = 1 - 0,3 donc pA(𝑪) = 0,7.
• On a p (C ) = p (A C ) + p (A C ) donc p (A C ) = p (C ) - p (A  C ) =0,5 - 0,18
Donc p (A C ) =0.32
p(A C ) 0,32
• On sait que p A (C ) = = donc pA (C ) = 0,8
p (A ) 0, 4
La somme des probabilités des différentes branches issues d'un même nœud est
égale à 1 donc p A (C ) = 1 − p A (C ) = 1 − 0,8 = 0, 2 dire-à-c’est p A (C ) + p A (C ) = 1
On peut alors compléter l'arbre de probabilités :
p(C  A ) 0,32
• On sait que : pC (A ) = = Donc pC (A ) = 0, 64
p (C ) 0,5
III. Evénements Indépendants :
1) Définition
Étant donné un ensemble muni d'une loi de probabilité p, on dit que deux événe-
ments A et B sont indépendants lorsque :
p (A  B ) = p (A )  p (B ) et donc p B (A ) = p (A ) et p A (B ) = p (B )
Remarque
Pour des événements de probabilité non nulle, dire que A et B sont indépendants
revient à dire que le fait que B soit réalisé n'a pas d'influence sur la probabilité de
réalisation de A
et inversement
Exercice :
On jette un dé cubique et on considère les événements :
A : «tirer un numéro strictement inférieur à 4»
B : «tirer un numéro strictement supérieur à 4»
I : «tirer un numéro impair»
Les événements A et I sont-ils indépendants ? Les événements B et I sont-ils indé-
pendants ?
Les événements A et B sont-ils indépendants ?
Solution :
L’ensemble des éventualités (résultats possibles) est  = {1 ; 2 ; 3 ; 4 ; 5 ; 6}.
On suppose que le dé est équilibré et que les éventualités sont équiprobables. Pour tout
événement E on a donc :
card ( E ) card ( E )
p (E ) = =
card () 6
A étant l'événement «tirer un numéro strictement inférieur à 4», on a : A = {1 ; 2 ; 3}

6
 𝒄𝒂𝒓𝒅 (𝑨) 𝟑 𝟏
Donc 𝒑(𝑨) = =  𝒑(𝑨) =
𝟔 𝟔 𝟐
B étant l'événement «tirer un numéro strictement supérieur à 4», on a : B = {5 ; 6}
𝒄𝒂𝒓𝒅 (𝑩) 𝟐 𝟏
Donc 𝒑(𝑩) = =  𝒑(𝑩) =
𝟔 𝟔 𝟑
I étant l'événement «tirer un numéro impair», on a : I = {1 ; 3 ; 5}
𝒄𝒂𝒓𝒅 (𝑰) 𝟑 𝟏
Donc 𝒑(𝑰) = =  𝒑(𝑰) =
𝟔 𝟔 𝟐
2 1 1 1 1
• On a : A  I = 1,3 donc p (A  I ) = = et p (A )  p (I ) =  =
6 3 2 2 4
On a donc p (A  I )  p (A )  p (I ) , donc les évènements A et I ne sont pas indépendants.
1 1 1 1
• On a : B  I = 5 donc p ( B  I) = et p (B )  p (I ) =  =
6 3 2 6
On a p ( B  I) = p (B )  p (I ) , donc les évènements B et I sont indépendants.
1 1 1
• On a : A  B =  donc p( A  B )=0 et p (A )  p (B ) =  =
2 3 6
On a donc p (A  B )  p (A )  p (B ) , donc les évènements A et B ne sont pas indépen-
dants.
2) Formule des probabilités totales :
Théorème:
Soient A1 , A 2 , A3 ....A n ,n évènements de  de probabilité non nulle formant une par-
tition de  . Alors, pour tout événement B
p (B ) = p (A1  B ) + p ( A 2  B ) + p ( A3  B ) + ... + p ( A n  B )

= pA1 (B )  p (A1 ) + p A2 (B )  p (A2 ) + p A3 (B )  p (A3 ) + ...+ p An (B )  p (A n ) .

Exercice
1 1
Deux événements indépendants A et B sont tels que p (A ) = et p (B ) = .
5 4
Déterminer : p (A  B ) ; p A (B ) ; p (A  B )
Solution :
1 1 1
A et B étant indépendants on a : p (A  B ) = p (A )  p (B ) =  donc p (A  B ) =
5 4 20
1
A et B étant indépendants on a : p A (B ) = p (B ) donc p A (B ) =
4
D’après la formule des probabilités totales on a :
1 1 4
p (A  B ) + p (A  B ) = p (B ) donc p (A  B ) = p (B ) − p (A  B ) = − = donc
4 20 20
1
p (A  B ) =
5

7
 3) Formules de Bayes
Théorème :

Soient A et B deux évènements de probabilités non nulles.

p (A )  p (B / A )
p (A / B ) =
p (A )  p (B / A ) + p (A )  p (B / A )
B
0,1
A
0,9
0,2 B
Exemple1 :
0,8 B
0,3
A
Exemple2 : 0,7
B

Dans les classes terminales d’un lycée ; 50% des élèves sont en section scientifiques,
30% en section économique et 20% en section lettres. Les statistiques du lycée
3
montrent que des élèves scientifiques, la moitié des élèves de la section écono-
4
1
mique et des élèves de la section lettres choisissent l’informatique comme ma-
4
tière optionnelle.
On choisit un élève au hasard et on constante qu’il a choisi l’informatique.
Quelle est la probabilité qu’il soit dans une section scientifique ?
Solution :
On considère les évènements suivants :
E : »l’élève a choisi l’informatique »
A 1 : « l’élève est en section scientifiques «
A 2 : » l’élève est en section économique »
A 3 : » l’élève est en section lettres »
50 30 20
P ( A1 )= , P ( A 2 )= et P ( A 3 )=
100 100 100
3 1 1
P(E/ A1 )= , P(E/ A 2 )= et P(E/ A 3 )=
4 2 4
La probabilité cherchée est p ( A1 /E). d’après la formule de Bayes on a :
3 50
.
P (E / A1 )  p (A1 ) 4 100
p (A1 / E ) = =
P (E / A1 )  p (A1 ) + P (E / A 2 )  p (A 2 ) + P (E / A 3 )  p (A 3 ) 3 . 50 + 1 . 30 + 1 . 20
4 100 2 100 4 100
15
Donc p (A1 / E ) = 0, 65
23

8
IV. Variable aléatoire :
1) Exemple :
Une urne contient 6 boules blanches et 4 boules noires indiscernables au toucher.
On tire simultanément 3 boules. On appelle X le nombre de boules blanches restant
dans l'urne.
Quelles sont les valeurs possibles pour X ? Avec quelles probabilités ?
X peut prendre les valeurs 3, 4, 5 ou 6 et on note : X(  ) = {3 , 4, 5, 6}
(X = 3) : est l’événement " tirer 3 boules blanches ",
(X = 4) : est l’événement " tirer une boule noire et 2 boules blanches "
(X = 5) : est l’événement " tirer deux boules noires et une boule blanche ".
(X = 6) : est l’événement " tirer trois boules noires ".
Les événements (X = 3), (X = 4), (X = 5) et (X = 6) sont incompatibles deux à deux
et leur réunion est l'univers  .
C 63 20 1 C 62 C 41 1 C 61 C 42 3
p (X = 3) = 3 = = ; p (X = 4) = = ; p (X = 5) = = et
C 10 120 6 C 103 2 C 103 10
C 43 1
p (X = 6) = 3
=
C 10 30
Les résultats peuvent se présenter dans le tableau :
xi 3 4 5 xm Somme
5 15 9 1
p i = p (X = x i ) 1
30 30 30 30
Ce tableau définit la loi de probabilité de X.
2) Définition :
Un aléa numérique X défini sur  est une application qui à chaque élément de 
fait correspondre un nombre réel.
Désignons par X ( ) = x 1 , x 2 ,..., x m  l'ensemble des valeurs prises par X où m  n .
La loi de probabilité de X est l'application qui à tout élément x i de X ( ) associe la
probabilité pi = p (X = x i ) que X prenne cette valeur xi .
Il est commode de présenter cette loi de probabilité sous forme d'un tableau :
xi x1 x2 ….. xm somme
p i = p (X = x i ) p1 p2 ….. pm 1
3) Espérance mathématique, variance et écart-type
a) Espérance mathématique :
• Définition :
m
On appelle espérance mathématique de X le réel E (X ) =  x i p i = x 1 p1 + x 2 p 2 + .....x m p m
i =1

9
 5 15 9 1 21
Retour à l'exemple : E (Y ) = 3  + 4 + 5 + 6 = = 4, 2
30 30 30 30 5

• Propriétés :
1. Si E(X) > 0, alors on dit que l'épreuve est gagnante (ou favorable)
2. Si E(X) = 0, alors on dit l'épreuve est équitable.
3. Si E(X) < 0, alors on dit que l'épreuve est défavorable ;
b) Variance et écart-type :
• Définition :
m
On appelle variance de X le réel positif : V (X ) = E (X ²) − ( E (X ) ) ² =  x i 2 pi − ( E (X ) ) ²
i =1

On appelle écart-type de X le réel positif :  (X ) = V (X )

Retour à l’exemple :
xi 3 4 5 6 V (X ) = 18, 2 − (4, 2)² = 0,56
pi 5 15 9 1 1  (X ) = V (X ) = 0,56
30 30 30 30
x i pi 15 60 45 6 4,2
30 30 30 30
x i ² pi 45 240 225 36 18,2
30 30 30 30
V. Schéma de Bernoulli :
1) Exemple :
On dispose d'une pièce de monnaie pipée telle que la probabilité d'obtenir "pile" soit le
double d'obtenir "face". On déclare qu'il y a succès, noté S, si le résultat est pile, si non il y
a échec noté E.
𝟐 𝟏
Comme 𝑷(𝑺) + 𝑷(𝑬) = 𝟏 𝒆𝒕 𝑷(𝑺) = 𝟐𝑷(𝑬) 𝒂𝒍𝒐𝒓𝒔 𝑷(𝑺) = 𝒆𝒕 𝑷(𝑬) = .
𝟑 𝟑
Lançons deux fois de suite la pièce ; on peut supposer que le résultat du second lancer est
indépendant de celui du premier lancer. Soit A :" obtenir exactement un seul succès " alors
𝟐 𝟏
𝑨 = {(𝑺, 𝑬), (𝑬, 𝑺) } et donc 𝑷(𝑨) = 𝟐. 𝑷(𝑺). 𝑷(𝑬) = 𝟐 × ×
𝟑 𝟑
Lançons à présent trois fois de suite la pièce ; on peut supposer que les résultats des
Différents lancers sont indépendants. Soit A' :" obtenir exactement un seul succès "
𝟐
alors 𝑨′ = {(𝑺 , 𝑬 , 𝑬) , (𝑬 , 𝑺 , 𝑬) , (𝑬 , 𝑬 , 𝑺) } et donc 𝑷(𝑨′ ) = 𝟑. 𝑷(𝑺). ( 𝑷(𝑬)) = 𝟑 ×
𝟐 𝟏 𝟐 𝟐
×( ) = .
𝟑 𝟑 𝟗
2) Définition
On appelle épreuve de Bernoulli une épreuve ayant deux éventualités :
Une éventualité S (succès) et une éventualité 𝑺 (échec).
La loi de Bernoulli de paramètre p associe à l'éventualité S la probabilité p
et à l'éventualité 𝑺 la probabilité (1 – p) .

10
Définition
On appelle schéma de Bernoulli l'expérience qui consiste à répéter n fois de suite
une épreuve à deux issues possibles sous l'hypothèse suivante : les résultats de
deux épreuves sont indépendants.
Retenons : ( Loi binomiale)
Soit un série de n épreuves de Bernoulli avec, pour chaque épreuve, la probabilité
d'un succès est p.
Le nombre k de succès réalisés au cours d'une série de n épreuves est une variable
aléatoire X telle que sa loi de probabilité suit la loi binomiale de paramètres n et p
,notée B(n, p) définie par : P (X = k ) = C nk p k (1- p )n -k où k 0 ,1, 2 , .....n 
Et dans ce cas : E (X ) = n . p et V (X ) = n . p .(1 - p ) ,et  (X ) = np (1 − p )
Exercice
Un appareil électronique envoie à une imprimante un code qui est un nombre de
quatre chiffres, chaque chiffre ne pouvant prendre que les valeurs 0 ou 1 (par
exemple : 1011).
1. Combien l’appareil peut-il fabriquer de codes distincts ?
On supposera dans ce qui suit que tous ces codes ont la même probabilité d’être
produits.
2. Soit X la variable aléatoire représentant le nombre de 1 figurant dans le code.
Donner la loi de probabilité de X et calculer son espérance mathématique
Correction :
1. Il y a deux possibilités pour chaque chiffre, soit 24=16
2. X peut prendre les valeurs 0 ;1 ;2 ;3 ou 4.La loi de X est une loi binomiale de
k 4−k

paramètre n = 4 et p = . La loi de X est p (X = k ) = C 4k    

1 1 1
;0  k  4 et son
2 2 2
1
espérance est E (X ) = n . p = 4  = 2
2

11