PARTIE 2 : CALCUL

DES PROBABILITES

1ère année Licence Nationale Sciences de Gestion

Support de cours

Année Universitaire: 2022-2023

Chapitre 4 : Les
Probabilités
Avant de présenter la notion de probabilité, on doit
évoquer dans une première section, quelques concepts
d'analyse combinatoire indispensables aux calculs des
probabilités.
Dans la deuxième section on présentera la notion
d'expérience aléatoire et les événements. Dans la
troisième section, on étudiera les probabilités.
 1. Analyse Combinatoire
L'analyse combinatoire est le dénombrement des
combinaisons ordonnées ou non ordonnées qu'on peut
obtenir à partir des éléments d'un ensemble données.
Définition 1: Un arrangement avec répétition de 𝒑 éléments
d'un ensemble 𝑬 à 𝒏 éléments est une suite de 𝒑 éléments de E
non nécessairement distincts. Ainsi, un arrangement avec
répétition est une application de l'ensemble { 𝟏, 𝟐. . . 𝒑} dans
E:
Théorème 1: ), A et B sont deux ensembles finis.
Preuve: si et

Corollaire-1:

(Démonstration par récurrence)

Corollaire-2:
; 𝑜ù est l'ensemble des applications de A→B.
Preuve: On considère l'ensemble , une application 𝑓
de 𝐴 dans 𝐵 se définie par la donnée de la suite qui
est un élément de , alors le nombre d'applications est
égale au nombre des éléments de il est donc égal à
𝑐𝑎𝑟𝑑().
Théorème 2 : Le nombre d'arrangements avec
répétition de p éléments d'un ensemble E de n
éléments est égal à 𝒏𝒑
Preuve: Un arrangement avec répétition étant
une application de {1,2, . . 𝑝} dans 𝐸 donc le
nombre d’arrangements avec répétition est égal
au nombre d'application de {1,2, . . 𝑝} dans 𝐸
qui est égal à
Exemple 1 :
1. Combien de code de 4 chiffres peut-on construire ?
Réponse :
nous 𝑛=10(0 , 1, 2 , … 9) et𝑝=4
avons 𝑝 4
donc 𝑛 =¿10
2. Un étudiant doit répondre à 10 questions par Vrai ou faux,
combien il y a de façon pour répondre?
Réponse :
nous 𝑛=2(𝑉𝑟𝑎𝑖 𝑜𝑢 𝐹𝑎𝑢𝑥 ) et 𝑝=10
avons donc 𝑝 10
𝑛 =¿2
 1.1. Arrangement sans Répétition
Définition 2 : Un Arrangement sans répétition de p
éléments d'un ensemble E de n éléments p < n, est
une suite de p éléments distinctes de E.
Remarque: Un Arrangement sans répétition de p
éléments d'un ensemble E de n éléments est une
injection de {1,2, . . . 𝑝} dans 𝐸.
Théorème 3: Si on note le nombre d'arrangements
sans répétition de p éléments d'un ensemble de n
éléments alors:
Exemple 2 :
Cinq politiciens {a, b, c, d, e} présentent leurs
candidatures à un poste politique dans un pays donné;
déterminez le nombre de configurations possibles pour
les trois premiers rangs.
𝒑 𝒏!
Réponse : 𝑨 =𝒏
( 𝒏 −𝒑 ) !
𝟓! 𝟏𝟐𝟎
𝟑
𝑨 =¿ =¿ = ¿𝟔𝟎
𝟓
( 𝟓− 𝟑 ) ! 𝟐
Définition 3 : On appelle permutation, un
arrangement sans répétition de 𝒏 éléments d'un
ensemble 𝑬 de n éléments. On note 𝑷𝒏 le nombre de
permutations

C'est à dire qu'il existe façons de classer éléments.

1.2. Combinaison sans Répétition

Définition 4 : On appelle combinaison sans répétition
de éléments tout partie à éléments distincts d'un
ensemble E à éléments.
Théorème 4: Si note le nombre de combinaison sans
répétition de 𝒑 d'un ensemble à 𝒏 éléments alors

Preuve : De chaque partie ou combinaison de p éléments

on peut tirer p! arrangements de p éléments. Donc:
𝒑
𝒑 𝒑 𝑨 𝒑 𝒏!𝒏
𝑨 =𝒑 ! 𝑪 ⟺ 𝑪 =
𝒏 𝒏 = 𝒏
𝒑 ! 𝒑 ! ( 𝒏− 𝒑 ) !
Remarque: Le nombre est appelé coefficient
binominal. Cette dénomination vient de la formule de
binôme de Newton suivante:
Propriétés du coefficient binominal

1)

2)

3)

4)
Propriétés du coefficient binominal

5)

6)

7)
 1.3. Permutation avec Répétition
On a supposé dans les paragraphes précédents que les
éléments de E sont tous distincts, si maintenant on
suppose que r éléments de E sont identiques, combien
de permutations ou séries de n éléments peut-on
obtenir des 𝑛 éléments de E?
Exemple 3: Si on considère un mot comme étant toute
une suite de lettres, un mot peut avoir un sens ou non,
combien de mot de 26 lettres peut-on former à partir
du mot :
INTERGOUVERNEMENTALISATION
 INTERGOUVERNEMENTALISATI
ON
La lettre I est répétée 3 () fois
La lettre N est répétée 4 ()
fois
La lettre T est répétée 3 () fois
La lettre E est répétée 4 ()
fois
 La lettre R est répétée 2 ()
fois
La lettre O est répétée 2 () fois
La lettre A est répétée 2 ()
La lettre G est répétée 1 ()
fois
La lettre U est répétée 1 () fois
La lettre V est répétée 1 () fois
La lettre M est répétée 1 ()
fois
 La lettre L est répétée 1 ()
fois
La lettre S est répétée 1 () fois

fois
Le nombre de mots possibles est donc :

𝑪𝟑
𝑪
𝟐𝟔 𝑪 𝑪
𝟐𝟒
𝟐𝟑
𝟐
𝑵 =¿𝑪 ×𝑪 × × × × 𝟏𝟎×𝑪𝟖×
𝟑
𝟏𝟗
𝟒
𝟏𝟔
𝟐
𝟏𝟐 ( 𝟖−𝟐 ) !
Exemple 4:
20 cyclistes participent dans un tournois de cyclisme,
ces cyclistes sont de différentes nationalités, 8
français, 5 allemands, 3 italiens et 4 autres nationalités
différentes. Déterminer le nombre N de classements
possibles en termes de nationalité :

𝑵 =¿𝑪 × 𝑪 × 𝑪 ×( 𝟕 −𝟑 ) !
𝟖
𝟐𝟎
𝟓
𝟏𝟐
𝟑
𝟕
De manière générale, si on considère n objets dont
certains sont identiques comme d’entre eux sont
identiques, d’entre eux sont identiques….. d’entre
eux sont identiques, avec , le nombre de permutation
de ces n objets est égale à :
Application 1 : Répondre aux problèmes suivants en
justifiant la réponse :
1. Combien de menus différents peut-on composer si
on a le choix entre 3 entrées, 2 plats et 4 desserts ?
Réponse:
1
𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒𝑚𝑒𝑛𝑢𝑠 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒𝑠=¿𝐶 ×𝐶 1
3 ×𝐶2
1
4

¿ 3 × 2× 4=24

C’est une combinaison parce que l’ordre des entrées,

plats et desserts choisis n’est pas important.
Application 1 : Répondre aux problèmes suivants en
justifiant la réponse :
2. A l’occasion d’une compétition sportive groupant
18 athlètes, on attribue une médaille d’or, une
d’argent, une de bronze. Combien y-a-t-il de
distributions possibles?
Réponse:

𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑜𝑛𝑠𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒𝑠=¿𝐴 3
18

¿ 4896
Il s’agit d’un arrangement sans répétition puisque
l’athlète ne peut pas avoir plus qu’une médaille (sans
répétition). C’est un arrangement parce qu’il s’agit
d’un classement de 3 parmi 18 (l’ordre est important).
Application 1 : Répondre aux problèmes suivants en
justifiant la réponse :
3. De combien de façons peut-on choisir 3 femmes et
2 hommes parmi 10 femmes et 5 hommes ?
Réponse:

𝐶 ×𝐶
3
10
2
5

¿ 120 ×10=1200
C’est une combinaison parce que l’ordre des femmes
et des hommes choisis n’est pas important.
Application 1 : Répondre aux problèmes suivants en
justifiant la réponse :
4. Dans une classe de 32 étudiants, on compte 19
garçons et 13 filles. On doit élire deux délégués.
a) Quel est le nombre de choix possibles ?
Réponse:

𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐h𝑜𝑖𝑥𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒𝑠=¿𝐶 ¿ 496

2
32

C’est une combinaison parce que l’ordre des étudiants

choisis n’intervient pas.
Application 1 : Répondre aux problèmes suivants en
justifiant la réponse :
4. Dans une classe de 32 étudiants, on compte 19
garçons et 13 filles. On doit élire deux délégués.
b) Quel est le nombre de choix si l’on impose un
garçon et une fille ?
Réponse:
1 1
𝐶×𝐶 19 13

¿ 19 ×13=247
C’est une combinaison parce que l’ordre des étudiants
choisis n’intervient pas.
Application 1 : Répondre aux problèmes suivants en
justifiant la réponse :
4. Dans une classe de 32 élèves, on compte 19 garçons
et 13 filles. On doit élire deux délégués.
c) Quel est le nombre de choix si l’on impose 2
garçons ?
Réponse:
2
𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐h𝑜𝑖𝑥 𝑑𝑒2𝑔𝑎𝑟 ç𝑜𝑛𝑠=¿𝐶¿ 17119

C’est une combinaison parce que l’ordre n’intervient

pas.
Application 1 : Répondre aux problèmes suivants en justifiant
la réponse : 5. On suppose que le numéro de série d’un
logiciel informatique est composé de 10 caractères (des
chiffres et des lettres). Déterminez : a) Le nombre de numéros
possibles
Réponse:
Il s’agit de déterminer le nombre de numéros de série
possibles d’un logiciel. Donc, l’ordre des caractères est
important. 𝒑 𝟏𝟎
𝑵𝒐𝒎𝒃𝒓𝒆 𝒅𝒆𝒏𝒖𝒎é 𝒓𝒐𝒔 𝒑𝒐𝒔𝒔𝒊𝒃𝒍𝒆𝒔=¿𝒏 ¿ 𝟑𝟔
avec nombre total des caractères = (Lettres : de A B C D …..
Z + Chiffres : 0 1 2 3 4 5 6 7 8 9) donc ; Nombre de
caractères formant le numéro de série du logiciel caractères

Il s’agit d’un arrangement avec répétition puisque n’importe quel

caractère peut figurer plus qu’une seule fois.
Application 1 : Répondre aux problèmes suivants en
justifiant la réponse : 5. On suppose que le
numéro de série d’un logiciel informatique est
composé de 10 caractères (des chiffres et des lettres).
Déterminez :
b) Le nombre de numéros composés de 10 caractères
différents
Réponse:

10
𝐴 36

Il s’agit d’un arrangement sans répétition de parmi .

Application 1 : Répondre aux problèmes suivants en
justifiant la réponse : 5. On suppose que le
numéro de série d’un logiciel informatique est
composé de 10 caractères (des chiffres et des lettres).
Déterminez :
c) Le nombre de numéros composés des caractères : 5,
6, A, F, V
Réponse:

𝑝 10
𝑛 ¿5
Il s’agit d’un arrangement avec répétition sachant que
et .
Application 1 : Répondre aux problèmes suivants en
justifiant la réponse : 5. On suppose que le
numéro de série d’un logiciel informatique est
composé de 10 caractères (des chiffres et des lettres).
Déterminez :
d) Le nombre de numéros composés des caractères : 5,
6, A F, V où A se répète 3 fois et F se répète 4 fois
Réponse:
10 !
𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒𝑛𝑢𝑚é 𝑟𝑜𝑠=¿4 ! 3 ! ¿ 25200

Il s’agit d’un arrangement avec répétition de .

2.Expériences Aléatoires et Evénements
2.1. Vocabulaire

1.Une expérience aléatoire, ou épreuve, est une opération décrite de

façon précise et dont le résultat ne peut être prévu avec certitude.
2.L'ensemble de tous les résultats possibles d'une expérience
aléatoire est appelé espace fondamental ou univers et on le note 𝛺.
3.On appelle événement tout sous ensemble de 𝛺. Un événement est
caractérisé par l'ensemble des éléments de 𝛺 qui le réalisent.
4.Un événement élémentaire est un événement composé d'un seul
élément de 𝛺.
5.L'événement 𝛺 est toujours réalisé, on dit que c'est un événement
certain.
6.L'événement ∅ n'est jamais réalisé, on dit que c'est un événement
impossible.
 Exemple 5: Expérience aléatoire: Jet d'un Dé
𝛺 = {1,2,3,4,5,6}
Evénement 𝐴 = {2,4,3}, ... toute partie de Ω.
Les événements élémentaires {1},{2},...{6}
 2.2. Opérations sur les Evénements
Si on considère une expérience aléatoire dont l’espace
fondamentale est Ω, on peut effectuer les opérations
ensemblistes suivantes :
1. = non A = Evénement contraire à A = Evénement
complémentaire de A, c'est l'événement qui est réalisé
si et seulement si A n'est pas réalisé,
2. A ∩ B = l’événement A et B = l'événement qui est
réalisé si et seulement si A et B sont tous les deux
réalisés.
3. 𝐴 𝐵 = l'événement A ou B = l'événement qui est
réalisé si A et/ou B réalisé.
4. Relations de Morgan: toute suite d’événements de
Ω vérifie les deux propriétés suivantes:
 2.3. Relations entre les Evénements
1. Deux événements 𝐴 et 𝐵 sont dits incompatibles, s'ils
ne sont jamais réalisés simultanément, c'est à dire 𝐴 ∩ 𝐵 =
∅
2. Si 𝐴 ∪ 𝐵 = 𝛺 alors pour chaque expérience, au moins
un des événements 𝐴 et 𝐵 sera réalisé.
3. On dit que l'événement 𝐴 implique 𝐵 (𝐴 ⇒ 𝐵) si la
réalisation de 𝐴 implique nécessairement la réalisation
de 𝐵, ce qui signifie que 𝐴 ⊂ 𝐵.
4. Une suite d’événements est un système complet
d'événements si les deux conditions suivantes sont
vérifiées :
Exemple 6: Une expérience aléatoire consiste à jeter un Dé non
truqué. On définit: L’événement A: Obtenir un nombre pair de
l’expérience aléatoire
L’événement B: Obtenir le numéro 2 de l’expérience aléatoire
L’événement C: Obtenir un nombre pair > à 3 de l’expérience
aléatoire
Déterminez : Ω, , 𝐴 ⋂ 𝐵, ∪ 𝐵, 𝐴 ⋂ 𝐶, ∪ 𝐵 ∪ 𝐶, B ⋂ 𝐶, ⋂ B, ⋂
𝐶.
Réponse : Ω = {1, 2, 3, 4, 5, A= {2, 4, = {1, 3, B ={2}
6}; 6}; 5}; ;
{2} ∪ 𝐵 = { 1, 2, 3, C = {4, 6}; 𝐴 ⋂ 𝐶 ={4, 6};
𝐴⋂𝐵=
; 5};
𝑨 ∪ 𝐵 ∪ 𝐶 \{1,
= 2, 3, 4, 5, 6\} = Ω
B ⋂ 𝐶 =∅
𝑨 ⋂ B =∅ Un système complet d’é vénement
𝑨 ⋂ 𝐶 =∅
 3. Expériences Aléatoires et Evénements
 3.1. Loi Empirique des Grands Nombres
Considérons 𝑛 répétitions d'une expérience aléatoire et soit 𝑛A
le nombre de réalisation d’un événement A aux cours de ces 𝑛
répétitions, on constate empiriquement que le rapport 𝒏𝑨 ⁄ 𝒏
fluctue de moins en moins lorsque 𝑛 devient de plus en plus
grand.
Ce résultat expérimental est ce qu'on appelle loi empirique des
grands nombres. On est donc amené à penser que le rapport 𝑛A
⁄ 𝑛 admet une limite lorsque 𝑛 devient grand et on définit la
probabilité d'un événement 𝐴 par:
Ainsi, dire qu'un événement A a la probabilité 𝑃A de se
réaliser, signifie qu'il se produit en moyenne 𝑛 × 𝑃A
fois sur 𝑛 épreuves. Autrement la probabilité d'un
événement 𝐴 est la chance de réalisation de A
lorsqu'on effectue une épreuve.
Par conséquent
 3.2. Définitions
 3.2.1. Espace probabilisable :
Si 𝛺 est l'espace fondamental associé à une expérience
aléatoire donnée, le couple (𝛺, P(𝛺)) est appelé espace
probabilisable, où P(𝛺) est l'ensemble des parties de
𝛺.
 3.2.2. Définition axiomatique de la
probabilité :
Soit (𝛺, P(𝛺)) un espace probabilisable, on appelle
probabilité ou loi de probabilité toute application 𝑃:
P(𝛺) → [0,1] qui vérifie les trois axiomes suivants:
i. P(𝛺) = 1
ii. ∀ 𝐴 𝑒𝑡 𝐵 ∈ 𝒫(𝛺) 𝑠𝑖 𝐴 ∩ 𝐵 = ∅ ⇒ 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴)
+ 𝑃(𝐵)
iii.Si 𝐴1, 𝐴2, 𝐴3.…. est une suite d'événements deux à
deux incompatibles alors .
Cette troisième propriété prend le nom de la propriété
d'additivité. Si 𝛺 est fini le troisième axiome est une
 3.2.3. Espace Probabilisé :
Le couple (𝛺, 𝑃) est appelé espace probabilisé, c'est
un modèle mathématique susceptible de décrire le
caractère aléatoire d'une expérience dont l'ensemble
des résultats possibles est 𝛺.
 3.2.4. Probabilité Uniforme
Si 𝛺 est fini, 𝛺 = {𝜔1, 𝜔2. . . . 𝜔n}; Une loi de
probabilité sur 𝛺 est dite uniforme
si ∀ 𝑖 = 1,2. . . 𝑛

c'est à dire que les événements élémentaires sont

équiprobables.
 Propriétés d’une Probabilité:

1) Condition de Normalisation:

2) P (𝜙) = 0

3) Une probabilité est croissante : 𝐴 ⊂ 𝐵

⇒ P(𝐴) ≤ 𝑃(𝐵)

4) P (𝐴 ∪ 𝐵) = P(𝐴) + P(𝐵) − P(𝐴 ∩ 𝐵)

Propriétés d’une Probabilité:

5)

6) Si 𝛺 est finie, une probabilité 𝑃

sur 𝛺 est entièrement définie par la
donnée des probabilités des
événements élémentaires 𝜔i.
Application 2 :
Une enquête effectuée auprès des étudiants donne les résultats
suivants: 50% possèdent un smartphone (A), 40% possèdent
un Ordinateur Portable (B), 30% possèdent une Smart Watch
(C), 20% A et B, 10% A et C, 10% B et C et 5% A, B et C.
Déterminez la probabilité qu’un étudiant choisis au hasard:
1) Possède un Smartphone ou un PC 𝑨𝒐𝒖 𝑩

A B

𝑷 ( 𝑨 ∪ 𝑩 )=𝑷 ( 𝑨)+ 𝑷 ( 𝑩 )− 𝑷 ( 𝑨 ∩ 𝑩)
𝑷 ( 𝑨∪ 𝑩) =¿𝟎,𝟓+¿𝟎,𝟒−𝟎,𝟐¿ 𝟎,𝟕=𝟕𝟎%
 Application 2
Une enquête effectuée auprès des étudiants donne les résultats
suivants: 50% possèdent un smartphone (A), 40% possèdent
un Ordinateur Portable (B), 30% possèdent une SmartWatch
(C), 20% A et B, 10% A et C, 10% B et C et 5% A, B et C.
Déterminez la probabilité qu’un étudiant choisis au hasard:
2) Possède un Smartphone, un PC et une Smartwatch𝑨𝒆𝒕 𝑩𝒆𝒕 𝑪

A B

𝑷 ( 𝑨∩ 𝑩∩ 𝑪 ) =¿𝟎,𝟎𝟓=𝟓%
 Application 2
Une enquête effectuée auprès des étudiants donne les résultats
suivants: 50% possèdent un smartphone (A), 40% possèdent
un Ordinateur Portable (B), 30% possèdent une SmartWatch
(C), 20% A et B, 10% A et C, 10% B et C et 5% A, B et C.
Déterminez la probabilité qu’un étudiant choisis au hasard:
3) Ne possède aucun gadget
𝑷 ( 𝑨 ∩ 𝑩∩ 𝑪 )= 𝑷 ( 𝑨∪ 𝑩∪ 𝑪 )=𝟏 − 𝑷 ( 𝑨 ∪ 𝑩∪ 𝑪)
Or 𝑷 ( 𝑨∪ 𝑩∪ 𝑪¿) 𝑷 ( 𝑨 ) + 𝑷 ( 𝑩 ) + 𝑷 ( 𝑪 ) −
𝑷 ( 𝑨 ∩ 𝑩 ) − 𝑷 ( 𝑨 ∩ 𝑪 ) − 𝑷 ( 𝑩 ∩ 𝑪 ) + 𝑷 ( 𝑨 ∩ 𝑩∩ 𝑪)
𝑷 ( 𝑨∪𝑩∪𝑪 ) =𝟎,𝟓+𝟎,𝟒+𝟎,𝟑−𝟎,𝟐−𝟎,𝟏−𝟎,𝟏+𝟎,𝟎𝟓=𝟎,𝟖𝟓
Donc
 Application 2
Une enquête effectuée auprès des étudiants donne les résultats
suivants: 50% possèdent un smartphone (A), 40% possèdent
un Ordinateur Portable (B), 30% possèdent une SmartWatch
(C), 20% A et B, 10% A et C, 10% B et C et 5% A, B et C.
Déterminez la probabilité qu’un étudiant choisis au hasard:
4) Possède uniquement un gadget
𝑷 ( 𝑨 ∩ 𝑩∩ 𝑪 ) + 𝑷 ( 𝑨 ∩ 𝑩∩ 𝑪 ) + 𝑷 ( 𝑨 ∩ 𝑩∩ 𝑪 ) =?
𝑷 ( 𝑨∩𝑩∩𝑪 )= 𝑷 ( 𝑨) −𝑷 ( 𝑨∩𝑩) −𝑷 ( 𝑨∩𝑪)+ 𝑷 ( 𝑨∩𝑩∩𝑪 )=𝟎,𝟓−𝟎,𝟐−𝟎,𝟏+𝟎,𝟎𝟓=𝟎,𝟐𝟓
𝑷 ( 𝑨∩𝑩∩𝑪 )= 𝑷 ( 𝑩 )− 𝑷 ( 𝑩∩𝑨 )− 𝑷 ( 𝑩∩𝑪 )+ 𝑷 ( 𝑩∩𝑨∩𝑪)=𝟎,𝟒−𝟎,𝟐−𝟎,𝟏+𝟎,𝟎𝟓=𝟎,𝟏𝟓
𝑷 ( 𝑨∩𝑩∩𝑪 )= 𝑷 (𝑪 )− 𝑷 ( 𝑪 ∩𝑨) − 𝑷 (𝑪 ∩𝑩)+ 𝑷 (𝑪 ∩𝑨∩𝑩 )=𝟎,𝟑−𝟎,𝟏−𝟎,𝟏+𝟎,𝟎𝟓=𝟎,𝟏𝟓
Donc
 Application 2
Une enquête effectuée auprès des étudiants donne les résultats
suivants: 50% possèdent un smartphone (A), 40% possèdent
un Ordinateur Portable (B), 30% possèdent une Smart Watch
(C), 20% A et B, 10% A et C, 10% B et C et 5% A, B et C.
Déterminez la probabilité qu’un étudiant choisis au hasard:
5) Possède deux gadgets uniquement
𝑷 ( 𝑨 ∩ 𝑩∩ 𝑪 ) +𝑷 ( 𝑨∩ 𝑩∩ 𝑪 ) + 𝑷 ( 𝑨∩ 𝑩∩ 𝑪 ) =?
𝑷 ( 𝑨 ∩ 𝑩∩ 𝑪 )= 𝑷 ( 𝑨∩ 𝑩 ) − 𝑷 ( 𝑨∩ 𝑩 ∩𝑪 )=𝟎,𝟐− 𝟎,𝟎𝟓=𝟎,𝟏𝟓
𝑷 ( 𝑨 ∩ 𝑩∩ 𝑪 )= 𝑷 ( 𝑩∩ 𝑪 ) − 𝑷 ( 𝑨∩ 𝑩∩ 𝑪 )=𝟎,𝟏−𝟎,𝟎𝟓=𝟎,𝟎𝟓
𝑷 ( 𝑨 ∩ 𝑩∩ 𝑪 )= 𝑷 ( 𝑨∩ 𝑪 ) − 𝑷 ( 𝑨∩ 𝑩∩ 𝑪 ) =𝟎,𝟏− 𝟎,𝟎𝟓=𝟎,𝟎𝟓
Donc
 4. Conditionnement et Indépendance
 4.1. Probabilité Conditionnelle
La notion de probabilité conditionnelle, on dit aussi
probabilité composée, s'introduit chaque fois qu'on
dispose d'une information à priori sur les résultats de
l'expérience aléatoire. Si on considère une expérience
aléatoire E dont l'espace fondamental est 𝛺 et soit B
l’événement, tel que P(B) > 0, conditionner
l’expérience aléatoire E par B, c’est se limiter aux
éléments de 𝛺 qui réalisent 𝐵. Ceci définit une
nouvelle expérience qu'on note 𝐸 \ 𝐵 (E sachant B) .
Définition 5 : Soit 𝜴 l'espace fondamentale lié à une
expérience aléatoire 𝑬 et deux événements 𝑨 et 𝑩 tel que , la
probabilité conditionnelle de 𝑨 sachant 𝑩 ou encore
probabilité 𝑨 𝒔𝒊 𝑩 est défini par :

Remarque: La formule de définition de la probabilité

conditionnelle est équivalent à:
Théorème 5 : Une probabilité conditionnelle est une
probabilité.

vérifie les trois axiomes de la définition d'une probabilité:

i.
ii. Soient 𝐴1 et 𝐴2 ∈ P( 𝛺) 𝑡𝑞 𝐴1 ∩ 𝐴2 = ∅:

iii. Suite d’événements 2 à 2 disjoints :

Théorème 6 : Si est 𝜴 l'espace fondamentale lié à une
expérience aléatoire et 𝑨𝟏, 𝑨𝟐, 𝑨𝟑, 3 événements de 𝜴
on a:

Preuve:
Théorème 7 : Toute suite d'événements 𝑨𝟏, 𝑨𝟐, … . 𝑨𝒏 vérifie:

 4.2. Indépendance
Définition 6 : Deux événements A et B sont indépendants si et
seulement si:

En d'autres termes, deux événements sont indépendants, si la

réalisation de l'un n'affecte pas la probabilité de réalisation de
Théorème 8: A et B indépendants
Preuve: A et B indépendants
Théorème 9 : A et B indépendants A et indépendants
Preuve:
Définition 7 : Les événements 𝑨𝟏, 𝑨𝟐, … 𝑨𝒏, sont
indépendants dans leur ensemble (ou sont mutuellement
indépendants) si et seulement si pour toute partie 𝑱 de
l'ensemble {𝟏, . . . , 𝒏} la relation suivante est vérifiée :

 4.3. Théorèmes Fondamentaux

Théorème 10 : Formule des probabilités totales : Soit (𝜴, 𝑷)
un espace de probabilité, 𝑩 ⊂ 𝜴 et 𝑨𝟏, 𝑨𝟐, … . 𝑨𝒏 un système
complet d'événements tous de probabilité non nul alors :
Théorème 11 : Formule de Bayes ou la probabilité des causes :
soit (𝜴, 𝑷) un espace de probabilité, 𝑩 ⊂ 𝜴, et 𝑨𝟏, 𝑨𝟐, … . 𝑨𝒏 un
système complet d'événements tous de probabilité non nul alors

Cette formule permet de déterminer la probabilité pour qu'un

événement qui est supposé réaliser, soit dû une certaine cause.
Preuve:
Application 3 : Une urne contient 5 boules rouges et 3 boules
vertes. On choisit au hasard et sans remise 2 boules une après
l’autre.
Soient : A : l’évènement « la première boule tirée est rouge »
B : l’évènement « Au moins une boule tirée est rouge »
Calculez :, , , , ,
Réponse:
On doit tout d’abord calculer et
1 1
𝐶𝑎𝑟𝑑 ( 𝐴 ) = 𝐴 × 𝐴 =5 × 7 =35
5 7
Il s’agit d’un arrangement sans répétitions d’une 1 boule
ère

rouge. La 1ère boule doit être rouge et c’est un arrangement

sans répétition de 1 parmi 5 et la 2 ème boule est quelconque
donc un autre arrangement de 1 parmi 7 (tirage successif sans
remise)
 Application 3
Une urne contient 5 boules rouges et 3 boules vertes. On choisit au
hasard et sans remise 2 boules une après l’autre.
Soient : A : l’évènement « la première boule tirée est rouge »
B : l’évènement « Au moins une boule tirée est rouge »
Calculez :, , , , ,
Réponse:
Ω : Nombre de tirages possibles (Arrangement sans répétition de 2
parmi 8 boules) 2
Donc 𝐶𝑎𝑟𝑑 ( Ω )= 𝐴 8=56
Donc
Pour l’événement B : on va avoir soit une boule rouge et une boule
verte ou bien 2 boules rouges
1 1 2
𝐶𝑎𝑟𝑑 ( 𝐵 ) = 𝐴 5 × 𝐴3 + 𝐴5 =( 5 ×3 ) +20=35
Donc
 Application 3
Une urne contient 5 boules rouges et 3 boules vertes. On choisit au
hasard et sans remise 2 boules une après l’autre.
Soient : A : l’évènement « la première boule tirée est rouge »
B : l’évènement « Au moins une boule tirée est rouge »
Calculez :, , , , ,
Réponse:
: La 1ère boule tirée est rouge et au moins une boule tirée est rouge
Donc 𝐴∩ 𝐵= 𝐴
Donc
: La 1ère boule tirée est rouge et aucune boule tirée n’est rouge
Donc 𝐴∩ 𝐵= ∅
Donc
 Application 3
Une urne contient 5 boules rouges et 3 boules vertes. On choisit au
hasard et sans remise 2 boules une après l’autre.
Soient : A : l’évènement « la première boule tirée est rouge »
B : l’évènement « Au moins une boule tirée est rouge »
Calculez :, , , , ,
Réponse:
: La 1ère boule tirée est verte et au moins une boule tirée est rouge
Donc 𝐶𝑎𝑟𝑑 ( 𝐴 ∩ 𝐵 )= 𝐴13 × 𝐴15 =3 ×5=15
Donc
: La 1ère boule tirée est verte et aucune boule tirée n’est rouge donc
les 2 boules tirées sont vertes
2
Donc 𝐶𝑎𝑟𝑑 ( 𝐴 ∩ 𝐵 )= 𝐴 3=6
Donc
 Application 3
Une urne contient 5 boules rouges et 3 boules vertes. On choisit au
hasard et sans remise 2 boules une après l’autre.
Soient : A : l’évènement « la première boule tirée est rouge »
B : l’évènement « Au moins une boule tirée est rouge »
Calculez :, , , , ,
Réponse:

𝑃 ( 𝐴 ∩ 𝐵) 0,625
𝑃 ( 𝐴 ∖ 𝐵 )= = =1
𝑃( 𝐵) 0,625

𝑃 ( 𝐴 ∩ 𝐵)
𝑃 ( 𝐴∖ 𝐵)= =0
𝑃 ( 𝐵)
Application 4 : Dans une entreprise, deux ateliers fabriquent
les mêmes pièces électroniques. L'atelier 1 fabrique en une
journée deux fois plus de pièces que l'atelier 2. Le
pourcentage de pièces défectueuses est 3% pour l'atelier 1 et
4% pour l'atelier 2. On prélève une pièce au hasard dans
l'ensemble de la production d'une journée.
Soient A l'événement « La pièce prélevée provient de
l'atelier 1 »,
B l'événement « La pièce prélevée provient de l'atelier 2 »,
D l'événement « La pièce prélevée est défectueuse ».

Calculez la probabilité que la pièce prélevée provienne de

l'atelier 1 sachant qu'elle est défectueuse.
 Application 4
Réponse: Il faut présenter l’arbre pour bien répondre à la question
La probabilité que la pièce
0 ,03 D prélevée provienne de
l'atelier 1 sachant qu'elle est
2 défectueuse:
A
3
𝑫
0 ,97
𝟐
E 0 ,04 D 𝟎,𝟎𝟑×
1 B 𝑷(𝑨∩𝑫) 𝑷(𝑫∖𝑨)𝑷(𝑨) 𝑷(𝑫∖𝑨)𝑷(𝑨) 𝟑 𝟎,𝟎𝟐
3
0 ,96 𝑫 𝑷 ( 𝑨 ∖ 𝑫 ) = = = = = =𝟎 , 𝟔
( )( )
𝑷(𝑫) 𝑷(𝑫) 𝑷(𝑫∖𝑨)𝑷(𝑨)+𝑷(𝑫∖𝑩)𝑷(𝑩) 𝟐 𝟏 𝟎,𝟎𝟐+𝟎,𝟎𝟏𝟑
𝟎,𝟎𝟑× + 𝟎,𝟎𝟒×
𝟑 𝟑