Semestre 2 Encadré par: ABID FATIHA

CALCUL DES PROBABILITES

Année universitaire: 2018/2019

INTRODUCTION
GENERALE
" Comment oser parler des lois du hasard ?
Le hasard n'est-il pas l'antithèse
de toute loi ?"
(joseph Bertrand);
 Les premiers jeux de hasard marquent le début de l’histoire des
probabilités .
 C’est en France, avec Pascal(1623-1662):
 et Fermat(1601-1665):

que la théorie des probabilités va prendre forme

Théorie des probabilités
 Décrit le comportement de phénomènes dont le résultat est soumis
au hasard.
 permet de modéliser la fréquence de réalisation d’«évènements»
aléatoires.
Probabilités et statistique
 La statistique et les probabilités sont les deux aspects
complémentaires de l’étude des phénomènes aléatoires. Ils sont
cependant de natures bien différentes.
 Les probabilités peuvent être envisagées comme une branche des
mathématiques pures, basée sur la théorie de la mesure, abstraite
et complètement déconnectée de la réalité.
 Les probabilités appliquées proposent des modèles probabilistes du
comportement de phénomènes aléatoires concrets. On peut alors,
avant toute expérience , faire des prévisions sur ce qui va se
produire.
 Utilité des méthodes statistiques

La statistique est l’ensemble des méthodes et techniques utilisées dans

le but d’extraire de l’information de données. Ces données peuvent
être issues de l’observation de phénomènes naturels ou d’enquêtes
socio-économiques.

Dans la plupart des cas, les données sont entachées d’incertitudes et

présentent des variations pour plusieurs raisons :
 le résultat des expériences effectuées n’est pas prévisible à l’avance
avec certitude
 toute mesure est entachée d’erreur

 une enquête est faite sur quelques individus et on doit extrapoler

les conclusions de l’étude à toute une population. etc…
 Il y a donc intervention du hasard et des probabilités. L’objectif
essentiel de la statistique est de maîtriser au mieux cette
incertitude pour extraire des informations utiles des données, via
l’analyse des variations dans les observations.
Les méthodes statistiques sont utilisées dans de très nombreux
domaines. Citons quelques exemples :
 économie :prévisions économétriques, études quantitatives de
marchés
 politique: sondages d’opinion
 agriculture: rendement des cultures,…
 ingénierie: contrôle de qualité des procédés de fabrication, sûreté
de fonctionnement (fiabilité, sécurité,…)
 etc.
 Programme du cours

 Chapitre 1: Analyse combinatoire

 Chapitre 2:Théories des ensembles et calcul de probabilité

 Chapitre 3:Variables aléatoires à une dimension

 Chapitre 4:Variables aléatoires à deux dimensions

 Chapitre 5:Les lois de probabilité

Chapitre 1:

ANALYSE COMBINATOIRE
 Analyse combinatoire:
Branche des mathématiques qui étudie les « configurations », formées à
partir d’« objets » pris dans un ensemble fini donné et disposés en
respectant certaines contraintes ou certaines structures fixées. Les deux
problèmes principaux sont l’énumération des configurations, et leur
dénombrement. Les dénombrements (arrangements , combinaisons ,
permutations) jouent un rôle important en probabilités combinatoires, où
l’hypothèse d’équiprobabilité ramène la détermination des probabilités à
des comptes d’évènements élémentaires.
L’analyse combinatoire ou le dénombrement s'emploie à étudier et
à dénombrer divers types de groupements que l'on peut faire à
partir d'ensembles finis. Il est né de l'étude des jeux de hasard et
s'est fortement développé sous l'influence du calcul des
probabilités. Il est par ailleurs lié à la théorie des nombres et à la
théorie des graphes.
  

La probabilité d’un événement est définie comme suit :

P(A) = =

Exemple 1:
Par exemple si on jette un dé à 6 faces et on cherche à calculer la
probabilité d’avoir une face paire.
Image d’un dé:
  
Solution:
 Dans ce cas l’ensemble des cas possibles est :
m=
L’ensemble des cas favorables est :
k= = 3
 Soit A l’événement d’avoir un nombre pair. Donc la probabilité de
l’événement A est donné comme suit :
 P(A) = = 3/6 = 0,5
Ce résultat signifie, qu’en lançant un dé, on a une probabilité de 50%
d’avoir un nombre pair.
 Remarque :

Le problème qui se pose pour le calcul de la probabilité d’un

événement, c’est que dans la majeure partie des cas, il est difficile
de calculer directement le nombre de cas possibles m et le nombre
de cas favorables k.

Autrement dit Comment peut-on dénombrer m et k ?

 La réponse à cette question nous mène impérativement par la
voie de l’analyse combinatoire.
 Le but de l’analyse combinatoire est le dénombrement des
différents cas possibles et favorables que l’on peut former à laide
des éléments d’un ensemble fini.
L’analyse combinatoire se base sur les deux critères suivants :
 1- Critère de L’ordre :

pour chaque cas traité, il faut bien faire la différence entre une
disposition ordonnée et une disposition non ordonnée. Autrement
dit, il faut bien vérifier si le principe de l’ordre intervient, s’il a de
l’importance lors du calcul des différents cas possibles et
favorables.
Par exemple, si la disposition (a ; b) est différente à la disposition (b ; a),
dans ce cas il s’agit d’une disposition ordonnée et il faut bien prendre en
considération l’ordre lors du dénombrement des différents cas possibles
et favorables .

Dans le cas contraire, si (a ; b)=(b ; a) ,autrement dit, l’emplacement des

deux éléments(a ; b) ne joue aucun rôle dans les dispositions formées, il
s’agit d’une disposition non ordonnée.
Remarque:

Disposition ordonnée:

On désigne par disposition ordonnée toute disposition pour laquelle

même si on garde les mêmes éléments, il suffit de changer l’ordre d’un
seul élément pour que toute la disposition change.

Disposition non ordonnée:

C’est une disposition qui ne change pas même si qu’on change l’ordre
de ses éléments.
 2- Critère de répétition :

si dans une disposition, un élément ne peut apparaitre qu’une seule

fois il ne faut pas prendre en considération la répétition. Il s’agit
d’une disposition sans répétition. Dans le cas contraire si la
répétition dans la formation des dispositions n’a aucun sens, il
s’agit d’une disposition sans répétition.
1 .  Factorielle.


On appelle n factorielle : le nombre obtenu par le produit de

tous les nombre de 1 à n avec ( n entier positif ) ; on note n!
avec :
n! = (1x2x3x……x n) =
De même (n+1)! = (n+1)
Si m => =
Par convention 0! =1 pour toute la suite de p
2. Permutations :

On appelle permutation de n éléments de l’ensemble E, toute

disposition ordonnées (a ; b) formée par ces n éléments, Par
ailleurs , il faut bien distinguer entre une permutation avec ou
sans répétition.
  

 2.1. Permutations avec répétition :

Soit E un ensemble de n éléments, une permutation avec répétition

est définie dans le cas d’une disposition ordonnée, où chaque
élément de l’ensemble E figure plusieurs fois ( par exemple, le
premier élément figure fois , le deuxième élément figure fois, le
troisième élément figure fois ,….. , le k élément fois.
  
Le nombre total de ces permutations avec répétition est noté
avec :
=

Exemple 2 :
Combien y a-t-il d’arrangements possibles du mots
STATISTIQUE ?
 Solution :

Dans cette exemple, il s’agit d’une disposition ordonnée. Puisqu’on

cherche à constituer un mot et puisque n=p= 11,( les 11 lettres qui
composent le mot STATISTIQUE). Il s’agit d’une permutation avec
répétition ( étant donné que la lettre S se répète deux fois, la lettre T
trois fois ; la lettre I deux fois et les autres lettres (A,Q,U,E ) une
seule fois.
  
Donc le nombre de cas possibles est calculé à partir de la
formule générale de la permutation avec répétition comme
suit:
 =
 Avec : =2 ; =3 ; ; =1 ; =1 ; et n=11
 = = 1663200 mots possibles
 2.2. Permutations sans répétition :

On appelle permutation sans répétition de n éléments de

l’ensemble E , tout ensemble ordonné formé par ces n éléments,
où chaque élément de l’ensemble ne peut figurer qu’une seule fois
et occupe un rang déterminé dans chaque disposition formée par
ces n éléments.
  
Le nombre total de ces permutations sans répétition est noté
avec :
 = n x(n-1)x(n-2)x(n-3)x………..x3x2x1= n!
Donc = n!
 Remarque :
Lorsque n est grand, on peut approcher n! par la formule de
Stirling mentionnée ci-dessous :
n!
Exemple 2 :

Un étudiant se propose de ranger ses 6 livres de statistiques sur une

étagère. Combien de possibilités ( rangements) lui sont offertes ?
  
Solution :

Il s’agit d’une disposition ordonnée avec p=n=6 et chaque livre doit

être rangé dans une seule case. Donc le nombre de possibilités
offertes à cet étudiant est dénombré dans le cadre d’une permutation
sans répétition comme suit :

= 6x5x4x3x2x1= 6! =720
 3. Arrangements :

On appelle arrangement p à p des n éléments d’un ensemble E :

tout sous ensemble ordonné de E ayant p éléments. De même pour
les arrangement il faut bien prendre en considération la présence ou
non de la répétition.
  

 3.1. Arrangements avec répétition:

Soit un ensemble E de n éléments discernables, on choisit p

éléments parmi les n. on appelle arrangement avec répétition le
choix ordonné et avec répétition de p éléments parmi les n éléments.

Le nombre total de ces arrangements avec répétition est noté :

= ( p fois )
 Exemple 3 :
on dispose de 6 premières lettres de l’alphabet.
Combien de sigles de 4 lettres peut-on former?
 Solution :

il s’agit dans le cadre de cet exemple d’une disposition ordonnée

( puisqu’on cherche à former des sigles ) et avec n=6 ( les 6
premier lettres de l’alphabet ) et p=4, il s’agit d’un arrangement
avec répétition ( puisque un sigle peut être formé d’une même
lettre ( par exemple AAAA ou BBBB…) ou bien deux lettres
(AABB ou BBAA…)
  

 Donc le nombre de sigles qu’on peut former est donné comme

suit :
= 6 = 1296 sigles possibles.
Remarque :
Dans cet exemple nous avons exclu le cas de la permutation
puisque p<n.
  

 3.2. Arrangements sans répétition

Soit un ensemble E de n éléments discernables: on choisit P éléments

parmi les n éléments. On appelle arrangement sans répétition le choix
ordonnée et sans répétition de P éléments parmi n:

Le nombre total de ces arrangements sans répétition est noté avec :

=n
  
Remarque :
= n! = il s’agit d’une permutation sans répétition
Si p>n , =0
Exemple 4:

Combien de mot de passe peut on former de 4 lettres entier

distinctes de l’alphabet ?
  
Solution

dans cet exemple il s’agit d’une disposition ordonnée puisqu’il

s’agit de former des mot de passes avec des lettres différentes. En
effet selon l’ énoncé de l’exercice « 4 lettres distinctes » veut dire
qu’il n’y a pas de répétition et puisque n=26 et p=4 , donc il s’agit
d’un arrangement sans répétition.

= = =26x25x24x23 = 358800 mots de passe possibles

 4. Combinaisons :

Dans le cadre des combinaisons, à la différence des permutations et

des arrangements, l’ordre n’intervient pas. Autrement dit une
combinaisons est une disposition non ordonnée de p éléments
parmi n éléments. On distingue entre une combinaison avec
répétition et une combinaison sans répétition.
  
 4.1. combinaisons avec répétition :

On appelle combinaisons avec répétition p à p des n éléments d’un

ensemble E tout sous ensemble non ordonné de E sans répétition de
p éléments choisis parmi les n éléments.

Le nombre total de ces combinaisons avec répétition est noté

Dans le cas d’une combinaison avec répétition, on peut avoir p>n

Exemple 5

On range 4 boules identiques dans 5 tiroirs numéroté de 1 à 5;

chaque tiroir peut contenir 4 boules. Quel est le nombre des
répartitions possibles?
Solution :

Dans cet exemple on a une disposition non ordonné puisque les

boules sont identiques( non discernables) et on a la répétition ( on
peut choisir un tiroir plusieurs fois où rangement de plusieurs
boules parmi les 4 dans plusieurs tiroir parmi les 5) avec p =5 et
n=4
  
Donc le nombre de répartition possible est dénombré à partir
d’une combinaison avec répétition comme suit :

= = 56 répartition possibles
  
4.2. combinaisons sans répétition :

On appelle combinaisons sans répétition p à p des n éléments d’un

ensemble E, tout sous ensemble non ordonné de E sans répétition de
p éléments choisis parmi les n éléments

Le nombre total de ces combinaisons sans répétition est noté avec :

  
Remarque :
Si p>n alors
Valeurs particulières :
= =1
= =n
Propriétés :
=
= +
=2n
Exemple 6 :

Lors d’un recrutement pour 4 postes de travail identiques, se

présentent 8 hommes et 6 femmes. Combien de recrutements
distincts sont possibles?
  
Solution:

On a une disposition non ordonnée ( puisque les postes de travail

sont identiques ou non discernables) sans répétition( puisqu’on
cherche le nombre de recrutements distincts) avec n= 14 la somme
des 8 hommes et 6 femmes qui se représentent pour p=4 postes de
recrutements distincts possible est calculé dans le cadre d’une
combinaison sans répétition comme suit :

= = 1001 recrutements distincts possible

 5. Formule du binôme de newton :

La formule du binôme de Newton ou « développement binomial »

nous permet de traduire par une somme de terme l’expression ( a+ b)n

avec a et b deux éléments d’un anneau cumulatif A et n un entier

positif.

Avant de donner la formule générale du binôme de Newton nous

allons prendre un exemple pour n allant de 1 à 3.
  
Pour n=0 on aura: (a + b)0 = 1
Pour n=1 on aura :
 (a + b)1 = a + b = a1+b1= a1b0+a0b1= a1b0+ a0b1
puisque b0=a0 =1 et que = =1
Pour n=2 on aura :
 (a + b)2= a2 +2ab + b2 = a2b0+ a1b1 + a0b2
car =
Pour n=3 on aura :
 (a + b)3= a3+b3 + 3 a2b + 3ab2 = a3b0+ a2b + a0b2 + a0b3
car =
  
Partant de là, on peut généraliser la formule du binôme de Newton
comme suit :

(a+b)n = anb0+ an-1b1 + an-2b2 + apbn-p+ a1bn-1 + a0bn

(a+b)n =
  

Exemple :
Le développement binomial de (1+x)n est formulé comme suit :
(1+x)n = 1nx0+ 1n-1x1 + …+ 1pxn-p+ 11xn-1 + 10xn
Donc : (1+x)n = 1+nx+…..+nxn-1 +xn
  
Sur ce triangle de pascal donné plus haut, on lit facilement:
 Sur la première ligne, les coefficients numériques du développement
(a+b)0 =1 ;
 Sur la deuxième ligne, les coefficients numériques du développement
(a+b)1 à savoir =1 et = 1
 Sur la dixième ligne ; les coefficients binomiaux du développement de
(a+b)10 ; à savoir
 =1 ; =10 ; =45 ; = 120 ; = 210 ; = 252 ; =210 ; =120 ; =45 ; =10 ; =1
Triangle de pascal
Par ailleurs; il convient de noter que la valeur 2 donnée dans la
troisième ligne est obtenu en faisant la somme des deux valeurs de 1
donnée dans la deuxième ligne, comme le montre clairement les
flèches ; le même raisonnement peut être appliqué à la valeur 6
donnée dans la ligne 5 (6=3+3) comme le montre les flèches,
  
De plus les valeurs numériques données dans ce triangle de pascal est
le résultat de l’application de la relation :

Par exemple : on peut vérifier que la valeurs 6 donnée dans la ligne 5

peut être exprimée comme suit :

=
  

Exemple:

1.Monter que: =2n

2. Montrer que : = +
Résumé : quelques modèles usuels

 Pour le dénombrement des différents cas possibles et

favorable, on utilise généralement les deux modèles
donnés ci après, selon les deux cas suivants :
Cas n°1 : tirages de p éléments parmi n

Tirages Disposition
Ordonnées Non ordonnées

Sans remise Arrangement Combinaison

sans répétition sans répétition

Avec remise Arrangement Combinaison

avec répétition avec répétition
 Cas n°2 : Rangement ou placement de p objet dans n cases :
Rangement objets
Discernables Non discernables
(avec ordre) (sans ordre)
Un seul objet dans une case (sans Arrangement sans Combinaison sans
répétition)
Un seul objet dans une case (sans répétition répétition
répétition)
Eventuellement plusieurs objets Arrangement avec Combinaison avec
dans une case (avec répétition) répétition répétition
Eventuellement plusieurs objets
dans une case (avec répétition)
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.
I. Notions sur les ensembles et opérations
sur les événements:
 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 :
  
Définition 2 : Intersection

Soient A et B deux ensembles. On dit que A et B sont disjoints si

leur intersection est vide :
  

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 : AB

  
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 :

A– B =A
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
 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.
 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.
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. (AB)=(B ( commutativité)
2. A B C (associativité)
3. A B (associativité)
4. A = (distributivité)
5. A = (distributivité)
6.   A - B = A


7. Si ( Aalors (
8. ( A et ( A ( identité )
9. ( A E et ( A A. ( identité )
10. (A) = A et (A) =A . (idempotence)
11. (=
et (=Théorème de Morgan
12. A= . Théorème de Morgan
13. B =
14. A= (AB)-
15. B = (AB)-
II. Calcul de probabilité
 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:

a)Expérience 1: On jette un dé à 6 faces et on lit le numéro de la

face supérieure.

b)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

-le taux d’ intérêt dans le secteurs bancaire

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

-Taux d’intérêt dans les secteurs bancaires. …..

- etc.
 Définition d’ un événement

On définit un événement comme un ensemble de résultats possibles de

l’expérience aléatoire.
 Exemples:

Expérience 1: A1est 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 : AB

•Evénement A et B :

•Evénements incompatibles :

•L’événement A entraine B : A⊂B

 Remarque :

Qu’ ont en 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 :

P(A) = =
  
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 telle que :

Axiome 1 : P(Ω) =1

Axiome 2 : pour tous les événement A et B si ( A et B sont des

évènements incompatibles).

alors:

p (AB)= p(A) + p(B)

  
propriétés :

Pour tout événement A , P(

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

Pour tous les événements A et B, si (A ( A et B sont des événement

compatibles) alors :

P(A ou B) = p (AB) = p(A) +p(B) - ( A

- Si A ⊂ B p(A) p(B).

Et si B= A p(B) = p(A) + p
  

Pour tout événement A :

0 p(A) 1.

Pour toute suite finie ,….. d’événements incompatibles

Deux à deux, on a :

p( )=)
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 :

 P(A) = =
  
3 - Probabilités composées et conditionnelles
 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
qui à tout événement B associe le nombre :

ou se lit « probabilité de B sachant que A est réalisé ».

  
 Exemple:

On jette un dé: si on sait que le nombre obtenu est pair,

On cherche la probabilité d’avoir 2.

Soit A=‘le chiffre obtenu est pair’

Soit B=‘le chiffre obtenu est égal à 2’

  
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 telle que :

1. =1

2. Pour tous les événements B et C incompatibles :

P()
  
Soient A et B deux événements de probabilités non nulles, on
définit :
  
4 - Théorème de Bayes

Les condition d’application du théorème de Bayes :

Soit un univers Ω avec:

- n événements ( les causes) :

- Disjoints = ;;
 Opérant une partition de Ω

(Ω = ) ou bien couvrent l’univers Ω,

- Et un événement B (conséquence des causes

  
Le théorème de Bayes est donnés comme suit:
  
Explication:

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

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

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

que B soit le résultat de la cause

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

  
p() p(B/)
p(/B)

Probabilité à priori
Probabilité des causes
probabilité postériori(bayes)
probabilité que la conséquence
B étant réalisée est due à la cause

probabilité que la conséquence

B soit le résultat de la cause
  
6 - Evénements indépendants :

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

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 et B sont indépendants si et seulement si :

Exercice d’application :

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∩.
 2- A ∩ B.
 3- A ∩ B ∩ C.
 4- (A ∩ B ) ∪(A ∩ ) ∪ (∩ B) ∪(A ∩ B∩C).

 5- (A ) ∪() ∪ ().

 6- (A ) ∪(A) ∪ ().

 7- ().