SY01 - Éléments de probabilités

Chapitre 1 - Fondements des probabilités

Équipe de mathématiques appliquées

UTC

Automne 2010
5
 suivant I

Chapitre I
Fondements des probabilités

I.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
I.2 Ensembles, événements et probabilités . . . . . . . . . . . . . . . . . . . . 8
I.3 Equiprobabilité et probabilités géomètriques . . . . . . . . . . . . . . . . 14
I.4 Conditionnement et indépendance . . . . . . . . . . . . . . . . . . . . . 18
Sommaire
Concepts

Exemples
Exercices
Documents

2 II
 chapitre N section suivante I

I.1 Introduction

I.1.1 Naïvement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
I.1.2 Conception objectiviste . . . . . . . . . . . . . . . . . . . . . . . . . . 5
I.1.3 Conception subjectiviste . . . . . . . . . . . . . . . . . . . . . . . . . 8

Sommaire
Concepts

Exemples
Exercices
Documents

3
 section N suivant I

I.1.1 Naïvement

Pour aborder un cours de probabilité, il est normal de vouloir donner un sens au mot clé du
cours : probabilité. Aussi pouvons-nous commencer par une définition naïve de ce mot.

Définition I.1.1. Une probabilité est un nombre compris entre 0 et 1, associé à un événement et
indiquant les chances de réalisation de cet événement au cours d’une expérience aléatoire.

Cette définition laisse entrevoir que pour parler de probabilités il faut trois éléments essen-
tiels :
i- une expérience aléatoire ;
ii- des événements ;
iii- des nombres associés aux événements.
A ces trois éléments nous substituerons respectivement les notions mathématiques d’univers,
tribu et mesure de probabilité. Ces trois notions sont liées par des axiomes1 qui permettent
de mener des calculs.
Si l’on revient à la définition du mot probabilité on peut s’apercevoir que l’essentiel, c’est-à-
dire le sens intrinsèque du mot probabilité, est transféré sur le mot chances.
Dans ce cours, une probabilité sera toujours un nombre compris entre 0 et 1 non assujetti à Sommaire
notre conception du hasard. Il n’en reste pas moins intéressant de voir comment ont évolué les Concepts
opinions sur ce sujet d’ordre philosophique. Deux grands courants s’affrontent : les objectivistes
et les subjectivistes.
Exemples
Exercices
Documents
1 Propositions primitives que l’on renonce à démontrer et sur lesquelles est basée une science.

4
 J précédent section N suivant I

I.1.2 Conception objectiviste

Exercices :
Exercice A.1.1

Les objectivistes partent du postulat suivant : la probabilité d’un événement peut être déter-
minée de manière unique.
Vision classique. Héritage des jeux de hasard (Chevalier de Méré,. . .). En général l’ensemble
Ω des éventualités (résultat des jeux) est un ensemble fini et des raisons de symétrie conduisent
à donner la même probabilité à chaque éventualité ; donc 1/2 au jeu de pile ou face, 1/6 pour le
lancer d’un dé, etc.
Dans ce cas le calcul des probabilités n’est affaire que de dénombrement et si A est un évé-
nement, la probabilité P (A) de A est donnée par la célèbre formule :

nombre de cas favorables

P (A) = .
nombre de cas possibles

On parle alors d’équiprobabilité. Ainsi, la probabilité d’obtenir un nombre pair en lançant un dé

est 3/6=1/2.
Paradoxe de Bertrand. On considère un triangle équilatéral et son cercle circonscrit. On choi-
sit une corde au hasard. Quelle est la probabilité que sa longueur soit supérieure à celle du côté Sommaire
du triangle ? Concepts
Solution 1. Pour des raisons de symétrie on fixe un point A sur le cercle puis on choisit l’autre
extrémité B de la corde sur le cercle. Comme on peut le voir sur la figure I.1.1 le point B doit
être choisi sur l’arc de cercle qui apparaît en gras. La proportion de tels points sur le cercle étant Exemples
Exercices
de 1/3 on conclut que la probabilité cherchée est de 1/3 !
Documents
Solution 2. Cette fois-ci on considère que pour déterminer une corde il suffit de choisir son

5 II
 J précédent section N suivant I

B Conception
objectiviste

F IG. I.1.1 – en pointillé une corde d’extrémités A et B

centre A (il la détermine de manière unique). Encore une fois, pour des raisons de symétrie, on
considère fixée la direction dans laquelle on choisit le point A. Comme on peut le voir sur la
figure I.1.2 les points admissibles sont ceux qui apparaissent sur le segment en gras ; ceux-ci
représentent donc la moitié des points du diamètre et on conclut que la probabilité cherchée est
de 1/2 !
Les solutions ci-dessus sont exactes ! Et il en existe d’autres. . . le problème est simplement mal
posé dans le sens où l’on ne précise pas ce que l’on entend par "choisir une corde au hasard".
Vision fréquentiste. Elle repose sur la "loi des grands nombres". Une seule expérience ne suf-
fit pas à déterminer la probabilité d’un événement alors on répète l’expérience et on appelle Sommaire
probabilité de l’événement la fréquence limite de sa réalisation. Par exemple, si on note A l’évé- Concepts
nement "obtenir un 6" en lançant un dé et αn le nombre de 6 obtenus au cours de n lancés, on
a:
αn 1
P (A) = lim = . Exemples
n→+∞ n 6 Exercices
Cette méthode, bien que très intuitive (nous l’utiliserons d’ailleurs dans le cours), est très limi- Documents

JJ 6
 J précédent section N suivant I

Conception
objectiviste

F IG. I.1.2 – en pointillé une corde de centre A

tée en pratique puisqu’elle nécessite une infinité d’expériences. Nous verrons en fait que la loi
des grands nombres n’est qu’une conséquence de la définition des probabilités.

Sommaire
Concepts

Exemples
Exercices
Documents

JJ 7
 J précédent section N

I.1.3 Conception subjectiviste

Postulat : “les probabilité n’existent pas !” de Finetti.

Mesure d’incertitude. La probabilité objective n’existe pas, elle n’est donc pas une grandeur
mesurable analogue à la masse d’un corps, elle est seulement une mesure d’incertitude pouvant
varier avec les circonstances et l’observateur, donc subjective ! La seule exigence est qu’elle
satisfasse les axiomes du calcul des probabilités. Pour les subjectivistes, ce sont nos incertitudes
sur l’expérience du jet d’une pièce qui nous conduisent à évaluer à 1/2 la probabilité d’obtenir
pile ou face.
L’approche Bayésienne. Les Bayésiens vont plus loin ! Voici un bref exemple illustrant leur
démarche. Dans l’expérience aléatoire de pile ou face, les Bayésiens considère que la probabilité
p d’obtenir pile (donc 1 − p d’obtenir face) est elle-même aléatoire. Comme p ∈ [0, 1] ils donnent
une loi dite a priori à p et, après avoir réalisé des expériences, en déduisent une loi dite a
posteriori pour p tenant compte des résultats de l’expérience.

Sommaire
Concepts

Exemples
Exercices
Documents

8
 J section précédente chapitre N section suivante I

I.2 Ensembles, événements et probabilités

I.2.1 Ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
I.2.2 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
I.2.3 Univers et événements . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
I.2.4 Tribu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
I.2.5 Espace probabilisé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

Sommaire
Concepts

Exemples
Exercices
Documents

9
 section N suivant I

I.2.1 Ensembles

Exercices :
Exercice A.1.2

Dans ce paragraphe nous allons rappeler un certain nombre de notions et résultats élémen-
taires dont l’utilisation sera très souvent implicite.
Famille des parties. On appelle P(E) la famille (l’ensemble) des parties de l’ensemble E. On
a la caractérisation suivante :
A ∈ P(E) ⇔ A ⊂ E ⇔ (∀x ∈ A, x ∈ E).
Double inclusion. Soient E et F deux ensembles :
E = F ⇔ (E ⊂ F et F ⊂ E).
Opérations élémentaires. Soit E un ensemble et A et B deux parties de E.
Ā = {x ∈ E|x ∈
/ A} complémentaire de A dans E
A∪B = {x ∈ E|x ∈ A ou x ∈ B} réunion de A et B
A∩B = {x ∈ E|x ∈ A et x ∈ B} intersection A et B
A\B = {x ∈ E|x ∈ A et x ∈
/ B} différence de A et B
A∆B = {x ∈ E|x ∈ A\B ou x ∈ B\A} différence symétrique de A et B Sommaire
Concepts
Ā = E\A, le complémentaire de A, est aussi noté Ac ou encore CE A
pour bien spécifier qu’il s’agit
du complémentaire de A dans E.
Soit I un ensemble d’indices et (Ai )i∈I une famille d’éléments de P(E) alors : Exemples
S Exercices
Ti∈I Ai = {x ∈ E|∃i ∈ I; x ∈ Ai } (réunion des Ai ) Documents
i∈I Ai = {x ∈ E|∀i ∈ I; x ∈ Ai } (intersection des Ai )

10
 section N suivant I

Partition. Soit I un ensemble d’indices et (Ai )i∈I une famille d’éléments de P(E) alors (Ai )i∈I Ensembles
est une partition de E si les conditions suivantes sont satisfaites :
– les Ai sont deux à deux disjoints (Ai ∩ Aj = ∅ si i 6= j) ;
– la réunion des Ai est E (∪i∈I Ai = E) ;
Produit cartésien. Le produit cartésien de deux ensembles E et F , noté E × F , est défini
ainsi :
E × F = {(x, y)|x ∈ E et y ∈ F }.
Ensembles finis, dénombrables et non dénombrables. Si E est un ensemble comptant n
éléments (n ∈ N) alors E est dit fini (si n = 0 alors E = ∅) ; n est appelé cardinal de E et
plusieurs notations sont utilisées : n = Card(E) = #E = |E|. Soient E et F deux ensembles
finis :
|E| = |F | ⇔ il existe une bijection f de E dans F .
Un ensemble est dit dénombrable s’il peut être mis en bijection avec une partie de N. Tout
ensemble fini est donc dénombrable, N est infini dénombrable (N est en bijection avec lui-même
par l’application identité), Z est infini dénombrable : l’application ϕ de N sur Z définie par

−x/2 si x est pair,
ϕ(x) =
(x + 1)/2 si x est impair,

est bijective. En fait on peut montrer que toute réunion dénombrable d’ensembles dénombrables
est encore dénombrable. Par exemple Q est dénombrable, en effet :
Sommaire
[ 2 1 1 2
Q= Zi où Zi = {. . . , − , − , 0, , , . . .}, Concepts
∗
i i i i
i∈N

et les Zi sont dénombrables. Exemples

Enfin notons que tous les ensembles ne sont pas dénombrables ! R en est un exemple, il a la Exercices
puissance du continu. Il en est de même pour tout intervalle [a, b] (a < b) de R. Documents

JJ 11
 J précédent section N suivant I

I.2.2 Application

Exercices :
Exercice A.1.3

Soit E et F deux ensembles non vides, une application de E dans F associe à tout élément
x ∈ E un unique élément y = f (x) ∈ F (image de x). Si y ∈ F tout élément x ∈ E tel que
y = f (x) est appelé antécédent de y par f .
– Si tout élément de F possède au moins un antécédent par f , l’application f est dite surjec-
tive :
f surjective ⇔ f (E) = F
– Si tout élément de F possède au plus un antécédent par f , l’application f est dite injective :
f injective ⇔ (∀(x, x0 ) ∈ E 2 , x 6= x0 ⇒ f (x) 6= f (x0 )).
– Si tout élément de F possède un et un seul antécédent par f , l’application f est dite bijec-
tive :
f bijective ⇔ f injective et surjective
Image et image réciproque. Soit f une application de E dans F , A ⊂ E et B ⊂ F .
f (A) = {f (x)|x ∈ A} Sommaire
Concepts
est appelé image de A par f .
f −1 (B) = {x ∈ E|f (x) ∈ B}
est appelé image réciproque de B par f . Exemples
Exercices
Fonctions indicatrices. Soit E un ensemble et A une partie de E, on appelle fonction indi- Documents
catrice de A (parfois appelée fonction caractéristique), notée 1A , l’application de E dans {0, 1}

12
 J précédent section N suivant I

définie par :  Application

1 si x ∈ A,
1A (x) = ,
0 si x∈/ A.
Si A et B sont deux parties de E on a les propriétés élémentaires suivantes :

1A = 1B ⇔ A = B,
1A∩B = 1A 1B ,
1Ā = 1E − 1A ,
1A∪B = 1A + 1B − 1A∩B ,
1A∪B = 1A + 1B ⇔ A ∩ B = ∅.

Sommaire
Concepts

Exemples
Exercices
Documents

JJ 13
 J précédent section N suivant I

I.2.3 Univers et événements

Exercices :
Exercice A.1.4

Nous allons voir dans ce qui suit que la notion d’événement est entièrement liée à la notion
d’ensemble ; seul le vocabulaire fait la différence entre les notions ensemblistes et probabilistes.
Univers. On appelle univers ou espace fondamental l’ensemble Ω des issues envisagées d’une
expérience aléatoire. Les éléments de Ω sont appelés issues ou encore événements élémentaires.
Evénement. On appelle événement tout sous-ensemble de Ω. L’ensemble vide ∅ désigne l’évé-
nement impossible alors que Ω désigne l’événement certain.
Exemple I.2.1. Nous décrivons 4 expériences et les univers associés.
(i) Jeu de pile ou face : Ω ={pile,face}.
(ii) Lancer de deux dés : Ω = {1, . . . , 6}2 .
(iii) Nombre d’utilisations d’une voiture avant panne : Ω = N.
(iv) Durée de bon fonctionnement d’un appareil : Ω = R+ .
Ci-dessous nous décrivons quelques événements.

Expérience événement description Sommaire

Concepts
(i) “obtenir pile” {pile}
(ii) “la somme est inférieure à 3” {(1, 1), (1, 2), (2, 1)}
(ii) “somme est égale à 5” {(4, 1), (1, 4), (2, 3), (3, 2)}
(iii) “panne après 3 utilisations” {4, 5, . . .} Exemples
Exercices
(iv) “l’appareil est tombé en ]8, +∞[ Documents
panne après 8h de marche”

14
 J précédent section N suivant I

On notera que dans ces expériences aléatoires, l’univers est fini pour (i) et (ii), infini dénom- Univers et
brable pour (iii) et infini non dénombrable pour (iv). événements

Sommaire
Concepts

Exemples
Exercices
Documents

JJ 15
 J précédent section N suivant I

I.2.4 Tribu

Exercices :
Exercice A.1.5

Pour une expérience aléatoire donnée, nous ne considérons pas toujours tous les événements
mais seulement ceux qui sont disponibles ou intéressants, d’où la notion de tribu.
Définition I.2.1. Soit Ω l’univers associé à une expérience aléatoire. On appelle tribu ou σ-
algèbre toute famille F de parties de Ω satisfaisant :
i- Ω ∈ F ;
ii- si A ∈ F alors Ā ∈ F (stabilité par passage au complémentaire) ;
iii- si (Ai )i∈I est une famille dénombrable d’événements alors :
[
Ai ∈ F (stabilité par réunion dénombrable)
i∈I

Remarque I.2.1. Attention ! F est une famille de parties de Ω. Il faut donc écrire A ∈ F et non
pas A ⊂ F.
Proposition I.2.1. Une tribu est stable par intersection dénombrable.
Sommaire
Démonstration. En exercice. Concepts

Proposition I.2.2. Soit C une famille de parties de Ω. Alors il existe une et une seule plus petite
tribu (au sens de l’inclusion) contenant C, on l’appelle la tribu engendrée par C et on la note F(C). Exemples
Exercices
Démonstration. Il suffit de montrer que l’intersection de toutes les tribus contenant C est Documents
encore une tribu ; elle est alors la plus petite au sens de l’inclusion.

16
 J précédent section N suivant I

Exemple I.2.2. P(Ω) est une tribu dite exhaustive (elle contient tous les événements). Tribu
Exemple I.2.3. La tribu engendrée par {Ω} est la tribu triviale {∅, Ω}
Exemple I.2.4. Pour le jeu de pile (p) ou face (f ) la tribu exhaustive est

{∅, {p}, {f }, {p, f }}.

Exemple I.2.5. Soit

C = {[a1 , b1 ] × · · · × [ap , bp ] ⊂ Rp | − ∞ < ai < bi < +∞, i = 1, . . . , p}.

La tribu F(C) engendrée par C est appelée tribu des Boréliens, elle est notée B. Cette tribu joue un
rôle particulier dans la définition des variables aléatoires réelles (chapitre 3).
Définition I.2.2. Soit Ω l’univers associé à une expérience aléatoire et F une tribu d’événements
de Ω. Alors le couple (Ω, F) est appelé espace probabilisable.

Sommaire
Concepts

Exemples
Exercices
Documents

JJ 17
 J précédent section N

I.2.5 Espace probabilisé

Exercices : Documents :
Exercice A.1.6 Document B.1.1

Définition I.2.3. Soit (Ω, F) un espace probabilisable. On appelle probabilité (ou mesure de
probabilité) l’application P , définie sur F à valeurs dans [0, 1] qui vérifie :
i- P (Ω) = 1.
ii- pour toute famille finie ou infinie dénombrable (Ai )i∈I d’événements deux à deux incompa-
tibles (i.e. Ai ∩ Aj = ∅ si i 6= j) :
!
[ X
P Ai = P (Ai ).
i∈I i∈I

Le triplet (Ω, F, P ) est alors appelé espace probabilisé.

Proposition I.2.3. Soit (Ω, F, P ) un espace probabilisé et A et B deux éléments de F, alors :
i- P (∅) = 0.
Sommaire
ii- P (Ā) = 1 − P (A). Concepts
iii- P (A ∪ B) = P (A) + P (B) − P (A ∩ B).
iv- P (A ∪ B) ≤ P (A) + P (B).
Exemples
v- (A ⊂ B) ⇒ (P (A) ≤ P (B)). Exercices
Documents

18
 J précédent section N

Evénement négligeable ou presque sûr. On dit que A ∈ F est négligeable (resp. presque Espace
sûr) si P (A) = 0 (resp. P (A) = 1). Attention ! un événement négligeable (resp. presque sûr) n’est probabilisé
pas nécessairement l’événement impossible (resp. certain).
Suite monotone d’événements. On dit d’une suite (Ai )i∈N∗ d’événements qu’elle est crois-
sante (resp. décroissante) si pour tout i ≥ 1 on a Ai ⊂ Ai+1 (resp. Ai+1 ⊂ Ai ).
Proposition I.2.4. Soit (Ai )i∈N∗ une suite croissante (resp. décroissante) d’événements, alors :

+∞
! +∞
! !
[ \
P Ai = lim P (An ) resp. P Ai = lim P (An ) .
n→+∞ n→+∞
i=1 i=1

Démonstration. Voir le document attaché B.1.1.

Sommaire
Concepts

Exemples
Exercices
Documents

JJ 19
 J section précédente chapitre N section suivante I

I.3 Equiprobabilité et probabilités géomètriques

I.3.1 Equiprobabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
I.3.2 Dénombrement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
I.3.3 Probabilités géomètriques . . . . . . . . . . . . . . . . . . . . . . . . . 24

Sommaire
Concepts

Exemples
Exercices
Documents

20
 section N suivant I

I.3.1 Equiprobabilité

Parmi les mesures de probabilité une se distingue particulièrement. Il s’agit de l’équipro-

babilité qui correspond au cas où Ω est fini non vide, F = P(Ω) et chaque issue a la même
probabilité p. Ainsi on a :
X 1
P (Ω) = 1 ⇔ p=1⇔p= ,
|Ω|
ω∈Ω

et pour tout A ⊂ Ω :
X |A|
P (A) = p= .
|Ω|
ω∈A

Par conséquent, en situation d’équiprobabilité le calcul d’une probabilité se ramène systémati-

quement au calcul du rapport :

nombre de cas favorables

nombre de cas possibles

ce qui conduit systématiquement à dénombrer les cas favorables et les cas possibles.
Exemple I.3.1. Lorsqu’on jette 1 dé, l’univers Ω est constitué des éléments {1, . . . , 6}. Si A est
l’événement “obtenir un nombre pair” alors A = {2, 4, 6}, par conséquent P (A) = 3/6 = 1/2.
Sommaire
Concepts

Exemples
Exercices
Documents

21
 J précédent section N suivant I

I.3.2 Dénombrement

Exercices :
Exercice A.1.7
Exercice A.1.8

p-liste. Soit E un ensemble à n éléments. On appelle p-liste d’éléments de E tout p-uplet

(x1 , . . . , xp ) composé d’éléments de E.
Exemple I.3.2. Lorsqu’on jette 3 dés l’univers Ω est constitué des 3-listes d’éléments de {1, . . . , 6}.
Proposition I.3.1. Le nombre de p-listes d’un ensemble à n éléments est np ; c’est aussi le nombre
d’applications allant d’un ensemble à p éléments vers un ensemble à n éléments.
Démonstration. np = n choix pour le premier élément de la liste ×n choix pour le second
× . . . × n choix pour le dernier.

Définition I.3.1. On appelle arrangement de p éléments parmi n toute p-liste d’éléments dis-
tincts ordonnés d’un ensemble à n éléments.
Proposition I.3.2. Le nombre d’arrangements de p éléments parmi n est noté Apn et vaut :
Sommaire
 n! Concepts
(n−p)! si 0 ≤ p ≤ n,
0 sinon.

Démonstration. n choix pour le premier élément de la liste ×(n − 1) choix pour le second Exemples
Exercices
× . . . × (n − (p − 1)) choix pour le dernier = n!/(n − p)!. Documents

22
 J précédent section N suivant I

Définition I.3.2. Un arrangement de n éléments parmi n est appelé une permutation d’un en- Dénombrement
semble à n éléments.
Remarque I.3.1. Les permutations d’un ensemble à n éléments correspondent aux différentes
façons d’ordonner les n éléments d’un ensemble.
Proposition I.3.3. Le nombre de permutations d’un ensemble à n éléments est n!.
Démonstration. Il y en a exactement Ann = n!.

Définition I.3.3. L’ensemble des p-listes non-ordonnées que l’on peut former avec un arrange-
ment de p éléments parmi n est appelé combinaison de p éléments parmi n.
Proposition I.3.4. Le nombre de combinaisons à p éléments d’un ensemble à n éléments est noté
Cnp et vaut :  n!
p!(n−p)! si 0 ≤ p ≤ n,
0 sinon.
Démonstration. Par définition on a : Cnp × p! = Apn .
Exemple I.3.3.
– Dans une course de 20 chevaux la probabilité de gagner le tiercé dans l’ordre est de 1/A320 .
6
– Au loto la probabilité d’avoir les 6 bons numéros est de 1/C49 .
– Le nombre de façons de disposer n convives autour d’une table qui compte n places est n!. Sommaire
Concepts

Exemples
Exercices
Documents

JJ 23
 J précédent section N

I.3.3 Probabilités géomètriques

Exercices :
Exercice A.1.9

Nous nous sommes jusque là essentiellement contentés d’exemples où l’univers est un en-
semble fini. La notion d’équiprobabilité est reservée aux univers finis, mais on peut toutefois
envisager une notion équivalente pour les parties mesurables de Rp de la manière suivante.
Soit Ω ⊂ Rp un ensemble tel que :
Z
0< dx1 . . . dxp = mes(Ω) < +∞.
Ω

Remarque I.3.2. Ici "mes" peut être une longueur, une surface, un volume, une intégrale curvi-
ligne, etc.
On appelle mesure de probabilité uniforme sur Ω ou encore probabilité géométrique, la me-
sure de probabilité définie par :

mes(B ∩ Ω)
∀B ∈ B(Rp ), P (B) = .
mes(Ω)
Sommaire
Concepts
Exemple I.3.4. Si Ω = [a, b] avec −∞ < a < b < +∞ alors la probabilité uniforme sur Ω est
définie par :
longueur(A ∩ [a, b]) longueur(A ∩ [a, b])
P (A) = = . Exemples
longueur([a, b]) b−a Exercices
Documents

24
 J précédent section N

Exemple I.3.5. Si Ω = C(O, R) (cercle de centre O et de rayon R > 0) et si P est la probabilité Probabilités
uniforme sur Ω alors par exemple , en notant A l’arc de cercle défini par les angles 0 ≤ θ1 < θ2 < géomètriques
2π, on a :
θ2 − θ1
P (A) = .
2π
Exemple I.3.6. Si Ω = D(O, R) (disque de centre O et de rayon R) et si P est la probabilité
uniforme sur Ω, on a par exemple :
 r2
R2 si r ∈ [0, R],
P (D(O, r)) =
1 si r > R.

Paradoxe de Bertrand. Le paradoxe de Bertrand évoqué dans l’introduction correspond à

deux choix distincts de probabilités uniformes pour traiter un même problème. . .

Sommaire
Concepts

Exemples
Exercices
Documents

JJ 25
 J section précédente chapitre N

I.4 Conditionnement et indépendance

I.4.1 Probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . 27

I.4.2 Formule de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
I.4.3 Indépendance stochastique . . . . . . . . . . . . . . . . . . . . . . . 32

Sommaire
Concepts

Exemples
Exercices
Documents

26
 section N suivant I

I.4.1 Probabilités conditionnelles

On a affaire à une population de n individus dont nB > 0 ont les yeux bleus, nM sont myopes
et nB∩M sont myopes aux yeux bleus. Posons-nous cette question : on choisit un individu au
hasard dans la population, l’individu choisi a les yeux bleus, quelle est la probabilité qu’il soit
myope ?

Formellement. Soit (Ω, F, P ) un espace probabilisé, B ∈ F un événement de probabilité non

nulle et M ∈ F un événement quelconque. Comment calculer la probabilité de M lorsque l’on
sait que B s’est réalisé ?

Approche fréquentiste. On réalise n (choix de n individus) expériences aléatoires. On note

nB le nombre de fois où un événement B (avoir les yeux bleus) de F se réalise au cours des n
expériences. Ce qui nous intéresse ici est le nombre de fois où M ∩ B (myopes aux yeux bleus)
se réalise relativement au nombre de fois où B se réalise puisque l’on tient pour certitude le fait
que B a lieu. Donc la probabilité qui nous intéresse est donnée par :
nM ∩B nM ∩B n P (M ∩ B)
= × ≈ .
nB n nB P (B)
Il apparaît donc naturel de définir la probabilité de M sachant B, notée P (M |B) ou
PB (M ), par P (M ∩ B)/P (B).
Sommaire
Concepts
Définition I.4.1. Soit (Ω, F, P ) un espace probabilisé et B un événement de probabilité non
nulle. Soit A ∈ F on appelle probabilité de A sachant B, notée P (A|B) ou PB (A), la probabilité
que A se réalise sachant que B s’est réalisé et on a :
Exemples
P (A ∩ B) Exercices
P (A|B) = . Documents
P (B)

27
 section N suivant I

Propriétés. Probabilités
– si A et B sont incompatibles alors P (A|B) = 0 ; condition-
– si A ⊂ B alors P (A|B) = P (A)/P (B) ; nelles
– si B ⊂ A alors P (A|B) = 1.
Exemple I.4.1. On lance un dé. Il retombe ! Alors les issues possibles de cette expérience sont
dans Ω = {1, . . . , 6} et P correspond à l’équiprobabilité. Soit B l’événement {obtenir un nombre
pair}. On a

P ({x} ∩ {2, 4, 6}) |{x} ∩ {2, 4, 6}| 1/3 si x est pair,
P ({x}|B) = = =
P ({2, 4, 6}) |{2, 4, 6}| 0 sinon.

Sommaire
Concepts

Exemples
Exercices
Documents

JJ 28
 J précédent section N suivant I

I.4.2 Formule de Bayes

Exercices :
Exercice A.1.10
Exercice A.1.11

Proposition I.4.1. Si (An )n∈N∗ est une suite d’événements deux à deux incompatibles et B non
négligeable alors :  
[ X
P An |B  = P (An |B).
∗ ∗
n∈N n∈N

Démonstration.     
[ [
P An |B  = P  An  ∩ B  /P (B)
∗ ∗
n∈N n∈N
 
[ X X
=P (An ∩ B) /P (B) = P (An ∩ B) /P (B) = P (An |B) .
∗ ∗ ∗
n∈N n∈N n∈N
La troisième égalité provient du fait que (An ∩ B)n∈N∗ est une suite d’événements deux à deux Sommaire
incompatibles. Concepts
Proposition I.4.2 (formule des probabilités totales). Soient (Ω, F, P ) un espace probabilisé
et (An )n∈I un système complet d’événements de probabilités strictement positives. Soit A ∈ F
alors Exemples
Exercices
X
P (A) = P (A|An )P (An ).
Documents
n∈I

29
 J précédent section N suivant I

Démonstration. Ω = ∪n∈I An et les An sont deux à deux disjoints, donc Formule de

!! Bayes
[
P (A) = P (A ∩ Ω) = P A ∩ An
n∈I
!
[ X
=P (A ∩ An ) = P (A ∩ An )
n∈I n∈I
X
= P (A|An )P (An ).
n∈I

Proposition I.4.3 (formule de Bayes). Soit (Ω, F, P ) un espace probabilisé, (An )n∈I un sys-
tème complet d’événements de probabilités strictement positives et A un événement non négli-
geable. Alors pour tout n ∈ I on a
P (A|An )P (An )
P (An |A) = P .
i∈I P (A|Ai )P (Ai )

Preuve. Par définition d’une probabilité conditionnelle on a

P (A ∩ An ) P (A|An )P (An )
P (An |A) = = .
P (A) P (A)
En appliquant la formule des probabilités totales à P (A) on obtient la formule de Bayes.
Sommaire
Proposition I.4.4 (formule des probabilités composées). Soit (Ω, F, P ) un espace probabi- Concepts
lisé et A1 , . . . , An n événements de F. On a
n
!
\
P Ak = P (A1 )P (A2 |A1 )P (A3 |A1 ∩ A2 ) . . . P (An |A1 ∩ . . . ∩ An−1 ), Exemples
k=1 Exercices
Documents
si A1 ∩ . . . ∩ An−1 est non négligeable.

JJ 30
 J précédent section N suivant I

Preuve. Par définition d’une probabilité conditionnelle la formule est vraie pour n = 2. Sup- Formule de
posons la formule vraie au rang n − 1, alors en notant A = ∩n−1 i=1 Ai on a par définition d’une Bayes
probabilité conditionnelle :
P (An ∩ A) = P (An |A)P (A).
L’hypothèse de récurrence conduit immédiatement au résultat.

Sommaire
Concepts

Exemples
Exercices
Documents

JJ 31
 J précédent section N

I.4.3 Indépendance stochastique

Exercices : Documents :
Exercice A.1.12 Document B.1.2
Exercice A.1.13
Exercice A.1.14
Exercice A.1.15

Définition I.4.2. Soit (Ω, F, P ) un espace probabilisé et A et B deux événements de F. A et B sont

dits indépendants en probabilité ou stochastiquement indépendants si P (A ∩ B) = P (A)P (B).

Remarque I.4.1. La définition ci-dessus prend tout son sens lorsqu’on la réécrit sous la forme
P (A|B) = P (A) ou P (B|A) = P (B) ; ce qui signifie que la réalisation d’un des deux événements
n’influence en rien la probabilité de réalisation de l’autre.
Exemple I.4.2. Monsieur et Madame X ont dix enfants et seulement des filles. Madame X attend
un autre enfant. Quelle est la probabilité que ce soit un garçon ? Bien sûr c’est 1/2 !
Définition I.4.3. Soit (Ω, F, P ) un espace probabilisé. Soit I ⊂ N et (An )n∈I une famille d’évé-
nements de F. Les événements de (An )n∈I sont stochastiquement indépendants si Sommaire
Concepts
 
\ Y
∀J ⊂ I P  Aj  = P (Aj ).
j∈J j∈J Exemples
Exercices
Documents
Exemple I.4.3. On jette deux fois un dé non pipé. On définit les événements

32
 J précédent section N

– A = {on obtient un nombre pair au premier coup} ; Indépendance

– B = {on obtient un nombre impair au second coup} ; stochastique
– C = {on obtient deux résultats de même parité}.
Ces événements sont indépendants deux à deux mais {A, B, C} n’est pas une famille d’événements
indépendants.
Proposition I.4.5 (formule de Poincaré). Soit (Ω, F, P ) un espace probabilisé et A1 , . . . , An n
événements de F. On a
n
! n
[ X X
P Ak = (−1)k+1 P (Ai1 ∩ . . . ∩ Aik ).
k=1 k=1 1≤i1 <...<ik ≤n

Démonstration. Voir le document attaché B.1.2.

Exemple I.4.4. Pour n = 3 la formule de Poincaré s’écrit :

P (A1 ∪ A2 ∪ A3 ) = P (A1 ) + P (A2 ) + P (A3 )

−P (A1 ∩ A2 ) − P (A1 ∩ A3 ) − P (A2 ∩ A3 ) + P (A1 ∩ A2 ∩ A3 ).

Ce résultat est facile à admettre avec un dessin.
Sommaire
Concepts

Exemples
Exercices
Documents

JJ 33
J précédent suivant I

Annexe A
Exercices

A.1 Exercices de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

A.2 Exercices de travaux dirigés . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

Sommaire
Concepts

Exemples
Exercices
Documents

34
 chapitre N section suivante I

A.1 Exercices de cours

A.1.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
A.1.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
A.1.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
A.1.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
A.1.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
A.1.6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
A.1.7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
A.1.8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
A.1.9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
A.1.10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
A.1.11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
A.1.12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
A.1.13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
A.1.14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 Sommaire
A.1.15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 Concepts

Exemples
Exercices
Documents

35
 section N suivant I

Exercice A.1.1

Montrer que si le centre de la corde est choisi au hasard sur le disque, alors la probabilité
cherchée est de 1/4.
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

36
 J précédent section N suivant I

Exercice A.1.2

Donner une forme simplifiée des ensembles :

a- (A ∪ B) ∩ (A ∪ C) ;
b- (A ∪ B) ∩ (A ∪ B).
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

37
 J précédent section N suivant I

Exercice A.1.3

Représenter sur le plan l’application f : R2 → {0, 1} définie par f (x, y) = 1[0,1] (x)1[0,x] (y).
Montrer que f (x, y) = 1[0,1] (y)1[y,1] (x) = 1T (x, y) où T = {(x, y) ∈ R2 ; 0 ≤ y ≤ x ≤ 1}.
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

38
 J précédent section N suivant I

Exercice A.1.4

Exprimer les événements suivants à l’aide des événements A, B et C et des opérations in-
tersection, réunion et complémentaire.
a- les trois événements ont lieu ;
b- A et B ont lieu, mais pas C ;
c- au moins un des événements A, B et C a lieu ;
d- au plus un des événements A, B et C est réalisé ;
e- exactement un des événements A, B ou C est réalisé.
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

39
 J précédent section N suivant I

Exercice A.1.5

Soit (Ω, F) un espace probabilisable et (An )n≥1 une suite dénombrable d’événements de F.
Montrer que : \
An ∈ F.
n≥1

Aide : Noter Bn = Ān et considérer ∪n≥1 Bn .

Solution

Sommaire
Concepts

Exemples
Exercices
Documents

40
 J précédent section N suivant I

Exercice A.1.6

Y a-t-il une contradiction entre les probabilités : P (A) = 0, 8, P (B) = 0, 2 et P (A ∪ B) = 0, 7 ?

Solution

Sommaire
Concepts

Exemples
Exercices
Documents

41
 J précédent section N suivant I

Exercice A.1.7

A l’oral d’un examen, un étudiant doit répondre à 8 questions sur un total de 10.
a- Combien de choix possibles y a-t-il ?
b- Combien de choix y a-t-il s’il doit répondre aux trois premières questions ?
c- Combien de choix y a-t-il s’il doit répondre au moins à 4 des 5 premières questions ?
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

42
 J précédent section N suivant I

Exercice A.1.8

Combien y a-t-il de pièces dans un jeu de dominos sachant que sur chaque pièce figurent
deux symboles choisis parmi {blanc, 1, 2, 3, 4, 5, 6} ?
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

43
 J précédent section N suivant I

Exercice A.1.9

Dans un stand de tir à l’arc la cible est circulaire, située à 100 mètres du pas de tir, d’un
rayon de 50 cm. Sur cette cible sont dessinés des cercles concentriques de rayons 10, 20, 30 et
40 cm qui forment cinq couronnes. Un impact dans la plus petite couronne rapporte 50 points, 40
points pour la couronne immédiatement supérieure, etc. La probabilité qu’un tireur rate la cible
est 10 fois l’inverse de la distance qui sépare le tireur de la cible ; un tel résultat entraîne une
pénalité de 10 points. Chaque tireur tire une fois et, lorsque la cible est atteinte, la probabilité
qu’une zone donnée de la cible soit touchée est uniforme.
Quels scores peut réaliser un tireur et quelles sont les probabilités correspondantes ? Même
question lorsqu’un tireur tire deux fois.
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

44
 J précédent section N suivant I

Exercice A.1.10

On a décelé dans un élevage de moutons, une probabilité 0, 3 pour qu’un animal soit atteint
par une maladie M . La probabilité qu’un mouton qui n’est pas atteint par M ait une réaction
négative à un test T est 0, 9. S’il est atteint par M , la probabilité qu’il ait une réaction positive à
T est 0, 8. Quelle est la probabilité qu’un mouton pris au hasard et ayant une réaction positive
soit atteint par M ?
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

45
 J précédent section N suivant I

Exercice A.1.11

On cherche un parapluie qui, avec la probabilité p/7, se trouve dans l’un quelconque des 7
étages d’un immeuble. On a exploré en vain les 6 premiers étages. Quelle est la probabilité que
le parapluie se trouve au 7e étage ?
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

46
 J précédent section N suivant I

Exercice A.1.12

Soient deux événements A et B définis sur le même espace de probabilité.

a- Si A est négligeable, montrer que A et B sont indépendants ;
b- Même chose si A est presque sûr.
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

47
 J précédent section N suivant I

Exercice A.1.13

On lance 2 dés non pipés, un dé noir et un dé blanc. Soit A l’événement “le chiffre du dé
noir est pair”, B l’événement “le chiffre du dé blanc est impair”, C l’événement “les 2 chiffres
ont même parité”. Montrer que A et C, A et B, B et C sont indépendants, mais que les trois
événements A , B et C ne le sont pas.
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

48
 J précédent section N suivant I

Exercice A.1.14

Le pourcentage d’étudiants qui réussissent les u.v. A, B et C, sont : A : 50%, B : 40%, C : 30%,
A et B : 35%, B et C : 20%, C et A : 20% et 15% réussissent les trois u.v. Quel est le pourcentage
d’étudiants qui obtiennent au moins l’une des trois u.v ?
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

49
 J précédent section N

Exercice A.1.15

Soient A et B deux événements indépendants. Montrer que A et B, A et B, A et B sont

indépendants.
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

50
 J section précédente chapitre N

A.2 Exercices de travaux dirigés

A.2.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
A.2.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
A.2.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
A.2.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
A.2.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
A.2.6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
A.2.7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
A.2.8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
A.2.9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
A.2.10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
A.2.11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
A.2.12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
A.2.13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
A.2.14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
A.2.15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
A.2.16 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
A.2.17 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
A.2.18 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
A.2.19 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 Sommaire
Concepts
A.2.20 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
A.2.21 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
A.2.22 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
A.2.23 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 Exemples
Exercices
A.2.24 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 Documents
A.2.25 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

51
 J section précédente chapitre N

A.2.26 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
A.2.27 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
A.2.28 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
A.2.29 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
A.2.30 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
A.2.31 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
A.2.32 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
A.2.33 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
A.2.34 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
A.2.35 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
A.2.36 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
A.2.37 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
A.2.38 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
A.2.39 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
A.2.40 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
A.2.41 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
A.2.42 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
A.2.43 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
A.2.44 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
A.2.45 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
A.2.46 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98

Sommaire
Concepts

Exemples
Exercices
Documents

JJ 52
 section N suivant I

Exercice A.2.1

Soient A, B et C des parties d’un ensemble E.

a- simplifier : A ∩ (A ∪ B) ∩ (A ∪ B ∪ C) ;
b- simplifier : (A ∪ (A ∩ B)) ∪ (A ∩ B ∩ C) ;
c- montrer que : (A ∪ B ∪ C) ∩ (A ∪ B ∪ C) = (A∆B) ∪ C.

Sommaire
Concepts

Exemples
Exercices
Documents

53
 J précédent section N suivant I

Exercice A.2.2

Dire, en justifiant votre réponse, si les ensembles suivants sont dénombrables ou pas.
a- Les entiers relatifs pairs ;
b- Les nombres rationnels (Q) ;
c- Le segment [0, 1] de R.

Sommaire
Concepts

Exemples
Exercices
Documents

54
 J précédent section N suivant I

Exercice A.2.3

Soit F une σ-algèbre de sous-ensembles de Ω et soit B ∈ F. Montrer que R = {A∩B : A ∈ F}

est une σ-algèbre de sous-ensembles de B.

Sommaire
Concepts

Exemples
Exercices
Documents

55
 J précédent section N suivant I

Exercice A.2.4

Soient (Ω, F 1 ) et (Ω, F 2 ) deux espaces probabilisables.

a- Montrer que (Ω, F 1 ∩ F 2 ) est un espace probabilisable.
b- Montrer qu’en général, (Ω, F 1 ∪F 2 ) n’est pas un espace probabilisable (prendre Ω = {a, b, c}).

Sommaire
Concepts

Exemples
Exercices
Documents

56
 J précédent section N suivant I

Exercice A.2.5

On jette trois dés. Soient A l’événement “obtenir au moins un as”, B l’événement “2 faces
montrent le même résultat au moins”, C l’événement “la somme des faces est paire” et D l’évé-
nement B ∩ C.
a- Quel est l’espace fondamental ?
b- Donner l’expression d’un événement élémentaire et de sa probabilité.
c- Calculer les probabilités des événements A, B, C et D.

Sommaire
Concepts

Exemples
Exercices
Documents

57
 J précédent section N suivant I

Exercice A.2.6

Le programme d’une épreuve d’examen comporte 100 sujets. Trois d’entre eux, tirés au sort,
sont proposés à chaque candidat. Un candidat n’ayant étudié que le quart des sujets du pro-
gramme subit l’épreuve. Quelle est la probabilité que ce candidat ait étudié :
1. les trois sujets proposés ?
2. deux de ces sujets ?
3. aucun des trois ?
4. au moins l’un des trois ?

Sommaire
Concepts

Exemples
Exercices
Documents

58
 J précédent section N suivant I

Exercice A.2.7

Soit (a, b) ∈ N × N, avec a > b ≥ 0, les coordonnées d’un point M du plan. Soit O l’origine du
plan et D la droite d’équation y = x. On considère Ω l’ensemble des chemins monotones allant
de O à M . Soit Ω0 le sous-ensemble des chemins de Ω qui touchent ou traversent D. Soient I et
J les points de coordonnées respectives (1, 0) et (0, 1). On note par E et F les sous-ensembles de
chemins de Ω0 passant respectivement par I et J.
a- Montrer que |E| = |F | (en utilisant une symétrie).
b- Calculer |Ω|, |E| et |Ω0 |.
a a
c- En déduire qu’il y a exactement Ca+b − 2Ca+b−1 chemins monotones reliant O et M qui
restent strictement en-dessous de D.
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

59
 J précédent section N suivant I

Exercice A.2.8

A un examen se présentent 100 individus dont n sont des filles. On a observé que parmi les
filles il y a 10% de mentions et seulement 5% chez les garçons.
i- 7% des étudiants ont eu une mention. Quelle est le nombre de filles ayant passé l’examen ?
ii- Un étudiant a eu une mention. Quelle est la probabilité que ce soit un garçon ?

Sommaire
Concepts

Exemples
Exercices
Documents

60
 J précédent section N suivant I

Exercice A.2.9

Dans une entreprise pharmaceutique, la production d’une variété d’ampoules est assurée
par n machines, M1 , M2 , . . . , Mn n ≥ 2, dans des proportions respectives α1 , α2 , . . . , αn . On sait
d’autre part que les proportions respectives d’ampoules défectueuses fabriquées par ces ma-
chines sont respectivement p1 , p2 , . . . , pn . On choisit au hasard dans la production de ces n ma-
chines une ampoule et on constate qu’elle n’est pas défectueuse. Calculer la probabilité que cette
ampoule ait été fabriquée par la machine Mk (1 ≤ k ≤ n).

Sommaire
Concepts

Exemples
Exercices
Documents

61
 J précédent section N suivant I

Exercice A.2.10

Montrer que le nombre de façons de distribuer r balles identiques dans n cases est égal à
r
Cn+r−1 .

Sommaire
Concepts

Exemples
Exercices
Documents

62
 J précédent section N suivant I

Exercice A.2.11

Soit C le cercle circonscrit au carré K de côté de longueur R > 0. On choisit un point au

hasard uniformément dans C, montrer que la probabilité que ce point soit dans K est de 2/π.

Sommaire
Concepts

Exemples
Exercices
Documents

63
 J précédent section N suivant I

Exercice A.2.12

Combien faut-il mettre de raisins dans un kilogramme de pâte pour que, en mangeant une
part de gâteau de 50 g, on ait au moins 99 chances sur 100 de manger du raisin ?
Indication : négliger la masse des raisins !

Sommaire
Concepts

Exemples
Exercices
Documents

64
 J précédent section N suivant I

Exercice A.2.13

Des individus ne transmettent que deux informations (V et F ) dont l’une est vraie (V ) et
l’autre fausse (F ). Un individu I1 reçoit l’information correcte qu’il transmet à un individu I2 . I2
la transmet à son tour à un individu I3 qui la transmet alors à I4 et ainsi de suite. Un individu
quelconque a une probabilité p ∈]0, 1[ de transmettre correctement l’information qu’il a reçue.
On note pn la probabilité que In reçoive une information correcte.
a- Calculer p1 , p2 et p3 .
b- Soit (un )n≥1 la suite numérique définie par un+1 = aun +b où (a, b) ∈ (R\{1})×R. Démontrer
que pour n ≥ 1 on a :
1 − an
 
n
un+1 = a u1 + b .
1−a

c- Établir une relation entre pn+1 et pn pour n ≥ 1. En déduire pn+1 en fonction de n et p.

d- Calculer limn→+∞ pn . Que peut-on en conclure ?

Sommaire
Concepts

Exemples
Exercices
Documents

65
 J précédent section N suivant I

Exercice A.2.14

Un monsieur distrait écrit n lettres différentes à n personnes distinctes et ferme les enve-
loppes avant d’avoir écrit les adresses, qu’il inscrit ensuite au hasard. Quelle est la probabilité
qu’un destinataire au moins reçoive la lettre qui lui était destinée ?

Sommaire
Concepts

Exemples
Exercices
Documents

66
 J précédent section N suivant I

Exercice A.2.15

On effectue une expérimentation sur le comportement des rats, consistant à les faire choisir
entre deux portes A et B. Si le rat choisit la porte A, il reçoit une décharge électrique et la porte
reste fermée ; s’il choisit la porte B, elle s’ouvre et le rat sort.
On constate expérimentalement qu’il y a deux types de rats : la probabilité conditionnelle
pour qu’un rat sorte par la porte B au k e essai, sachant qu’il a échoué k − 1 fois à la porte A, est
pk = 1/2 pour les rats du type I (rats sans mémoire) et est qk = k/(k + 1) pour les rats de type
II (rats avec mémoire).
a- Calculer, pour le type I et le type II, les probabilités Pn et Qn qu’un rat sorte au ne essai.
b- On choisit au hasard un rat dans une population contenant 60% de rats du type I et 40% de
rats du type II. Calculer la probabilité conditionnelle que le rat soit du type II sachant qu’il
est sorti au ne essai, pour les valeurs suivantes n = 1, 2, 3 et 4.

Sommaire
Concepts

Exemples
Exercices
Documents

67
 J précédent section N suivant I

Exercice A.2.16

Une école d’ingénieurs a N élèves dont n1 élèves en première année, n2 élèves en deuxième
année et n3 élèves en troisième année. On tire au sort deux élèves parmis N . L’un dit qu’il est
plus ancien que l’autre dans l’école.
a- Quelle est la probabilité qu’il soit en deuxième année ?
b- Quelle est la probabilité qu’il soit en troisième année ?

Sommaire
Concepts

Exemples
Exercices
Documents

68
 J précédent section N suivant I

Exercice A.2.17

La mercière de Saint-Martin-sur-Yvette joue avec ses boutons. Dans une boîte à ouvrage,
elle a mélangé v boutons verts avec r boutons rouges. Elle en prend un au hasard, puis le remet
dans la boîte avec c boutons de la même couleur. Elle recommence n fois ce processus. Montrer
que la probabilité de saisir un bouton vert la n-ième fois est indépendante de n.

Sommaire
Concepts

Exemples
Exercices
Documents

69
 J précédent section N suivant I

Exercice A.2.18

Dans une bibliothèque n livres sont exposés sur une étagère rectiligne et répartis au hasard.
Parmi ces n livres, k sont du même auteur A, les autres étant d’auteurs tous différents. Calculer
la probabilité qu’au moins p livres de A se retrouvent côte-à-côte dans les cas suivants :
a- n = 20, k = 3, p = 3 ;
b- n = 20, k = 5, p = 2.

Sommaire
Concepts

Exemples
Exercices
Documents

70
 J précédent section N suivant I

Exercice A.2.19

Soit f une application de (Ω1 , F 1 ) dans (Ω2 , F 2 ) (deux espaces probabilisables). Soit C = {A ∈
F 2 : f −1 (A) ∈ F 1 }. Montrer que C est une σ-algèbre.

Sommaire
Concepts

Exemples
Exercices
Documents

71
 J précédent section N suivant I

Exercice A.2.20

Soit (Ω, F, P ) un espace probabilisé. On considère une suite (Bn )n≥1 d’événements de F qui
vérifie Bn+1 ⊂ Bn pour tout n ≥ 1 (suite décroissante d’événements) et ∩n≥1 Bn = ∅.
a- On pose An = Bn ∩ Bn+1 , n ≥ 1. Montrer que An ∩ Am = ∅ si n 6= m.
b- Montrer que Bm = ∪n≥m An pour tout m ≥ 1.
c- En déduire que limn→+∞ P (Bn ) = 0.
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

72
 J précédent section N suivant I

Exercice A.2.21

Une expérience aléatoire consiste à jeter un dé non truqué jusqu’à l’obtention d’un as. Définir
l’univers associé à cette expérience et calculer la probabilité que l’expérience se termine au n-
ième coup.

Sommaire
Concepts

Exemples
Exercices
Documents

73
 J précédent section N suivant I

Exercice A.2.22

Soit (Ω, F, P ) un espace probabilisé et (An )n≥1 une suite d’événements de F. On définit :

\ +∞
+∞ [
A = lim sup An = Am .
n→+∞
n=1 m=n
P+∞
I- On suppose que n=1 P (An ) < ∞.
a- Décrire en une phrase
S+∞les événements élémentaires qui constituent A. En déduire une
relation entre A et m=n Am pour n ≥ 1.
b- Montrer que P (A) = 0.
P+∞
II- On suppose que les événements de la suite (An )n≥1 sont indépendants et que n=1 P (An ) =
+∞.
(a) Exprimer A en fonction des événements de (An )n≥1 .
(b) Démontrer que pour x ∈ R, 1 − x ≤ exp(−x).
(c) Montrer que pour n ≥ 1 : P (∩+∞
m=n Am ) = 0.
(d) Déduire de ce qui précède que P (A) = 1.
Solution
Sommaire
Concepts

Exemples
Exercices
Documents

74
 J précédent section N suivant I

Exercice A.2.23

Un conducteur sobre a 1 chance sur 1000 d’avoir un accident de voiture au cours d’une
période. Un conducteur ivre a une chance sur 50 d’avoir un accident de voiture au cours de la
même période. On admet qu’un conducteur sur 100 conduit en état d’ivresse.
Quelle est la probabilité pour qu’il y ait un accident et que le conducteur soit ivre ?

Sommaire
Concepts

Exemples
Exercices
Documents

75
 J précédent section N suivant I

Exercice A.2.24

On note Snp le nombre d’applications surjectives d’un ensemble à n éléments dans un en-
semble à p éléments (p ≤ n).
a- Déterminer Sn1 et Sn2 .
Pp
b- Montrer que k=1 Cpk Snk = pn .
c- Application : au pays de Lilliput, il y a trois types de comportement devant les œufs. Une
personne sur trois les mange durs alors que deux sur trois les mangent à la coque. Parmi
les amateurs d’œufs à la coque, il y a autant de grosboutistes qui les mangent par le gros
bout, que de petitsboutistes qui les mangent par le petit bout. Considérons un échantillon
de n personnes, choisies indépendamment et avec remise. Calculer la taille minimale de
l’échantillon pour qu’il contienne au moins une personne de chaque type avec une probabilité
supérieure à 0,95.

Sommaire
Concepts

Exemples
Exercices
Documents

76
 J précédent section N suivant I

Exercice A.2.25

Un distributeur automatique de billes reçoit ses ordres sous forme d’une suite de “bits” 0 ou
1 qu’il lit de gauche à droite. Il est positionné au départ au-dessus du premier tiroir T1 d’une
suite de n tiroirs.
Tout 0 déclenche la chute d’une bille, tout 1 provoque le déplacement, sans chute de bille, de
l’automate au-dessus du tiroir suivant. Les billes sont indiscernables.
I- Quel nombre N de bits 0 ou 1 doit contenir le code donné à la machine pour qu’en fin
d’exécution elle soit positionnée sur le nème tiroir et ait distribué exactement p billes ?
II- En supposant que tous ces codes à N bits puissent être choisis avec la même probabilité,
calculer la probabilité des événements suivants :
a- Ak : “il y a k billes dans T1 et p − k billes dans Tn ” pour k ∈ {1, 2, · · · , p − 1},
b- B : “tous les tiroirs sont vides sauf T1 et Tn entre lesquels sont réparties les p billes”,
c- C : “tous les tiroirs sont vides sauf deux entre lesquels sont réparties les p billes”,
d- D : “il y a au moins une bille dans chacun des n tiroirs” (ceci pour p ≥ n).

Sommaire
Concepts

Exemples
Exercices
Documents

77
 J précédent section N suivant I

Exercice A.2.26

Soit (Ω, F, P ) un espace probabilisé. Soient A1 , . . . , An n événements de F, non négligeables,

deux à deux incompatibles et de réunion égale à Ω.
Pn
a- Redémontrer la formule des probabilités totales : pour tout A ∈ F, P (A) = k=1 P (A|Ak )P (Ak ).
b- Redémontrer la formule de Bayes : si A est non négligeable et si 1 ≤ j ≤ n alors

P (A|Aj )P (Aj )
P (Aj |A) = Pn .
k=1 P (A|Ak )P (Ak )

Sommaire
Concepts

Exemples
Exercices
Documents

78
 J précédent section N suivant I

Exercice A.2.27

N personnes dont a hommes attendent à l’entrée d’un dispensaire. Le médecin ne peut rece-
voir que n d’entre elles (on suppose n ≤ a et n ≤ N − a). Pour tout entier k de {0, 1, · · · , n} quelle
est la probabilité qu’il y ait exactement k hommes parmi les n personnes reçues. En déduire
n
X
n−k
Cak CN −a
k=0

en fonction de n et N .

Sommaire
Concepts

Exemples
Exercices
Documents

79
 J précédent section N suivant I

Exercice A.2.28

La Française des Jeux s’interroge sur les probabilités d’obtenir k bons numéros plus
le complémentaire au jeu du loto (pour k = 3, 4 ou 5). Deux personnes X et Y sont chargées
d’effectuer les calculs. Afin d’éviter les erreurs on décide que X et Y adopteront des points de
vue différents :
a- X adopte le point de vue de la Française des Jeux, c’est-à-dire que 6 numéros sont fixés sur
la grille et elle tire 6+1 boules sans remise dans une urne qui en contient 49.
b- Y adopte le point de vue du joueur, c’est-à-dire qu’elle considère les 7 numéros choisis par la
Française des Jeux fixés et elle en choisit 6 au hasard sur la grille ;
Mener les calculs de X et Y et comparer les résultats obtenus.

Solution

Sommaire
Concepts

Exemples
Exercices
Documents

80
 J précédent section N suivant I

Exercice A.2.29

On dispose de six boîtes dont les compositions respectives sont : Bi contient i boules rouges
et 6 − i boules noires pour i = 1, . . . , 6. On note R l’événement : {la boule tirée est rouge}, Bi
l’événement {on tire dans Bi } (pour le deuxième tirage on les notera R2 et Bi,2 ).
I- On lance un dé non pipé puis on tire une boule dans la boîte dont l’indice est le numéro de
la face obtenue.
a- Calculer la probabilité que la boule tirée soit rouge.
b- Si on a tiré une boule rouge quelle est la probabilité que ce soit dans la boîte B6 ?
II- On remet en place la première boule tirée. Si elle était rouge on tire une boule dans B6 ,
sinon, on choisit au hasard l’une des cinq autres boîtes, et on y tire une boule. Calculer
P (R2 |R̄) puis P (R2 ).

Sommaire
Concepts

Exemples
Exercices
Documents

81
 J précédent section N suivant I

Exercice A.2.30

Une puce se déplace entre trois points A, B et C. Au départ elle est en A. À chaque étape,
elle quitte sa position et gagne indifféremment l’un des deux autres points. On note αn , βn et γn
les probabilités qu’elle se trouve respectivement en A, B et C à l’issue de la ne étape (on pose
α0 = 1, β0 = γ0 = 0).
a- Calculer α1 , β1 , γ1 et α2 , β2 , γ2 .
b- Exprimer αn+1 , βn+1 et γn+1 en fonction de αn , βn et γn .
c- Calculer αn , βn et γn en fonction de n.
Aide. On a D = P −1 AP où :
       
0 1 1 −1 −1 1 −1 2 −1 −1 0 0
1
A =  1 0 1 , P =  1 0 1  , P −1 =  −1 −1 2  et D =  0 −1 0  .
3
1 1 0 0 1 1 1 1 1 0 0 2

Solution

Sommaire
Concepts

Exemples
Exercices
Documents

82
 J précédent section N suivant I

Exercice A.2.31

Une urne contient initialement b boules blanches et r boules rouges. On effectue des tirages
successifs d’une boule de cette urne selon le protocole suivant : si à un rang quelconque on
obtient une boule rouge, celle-ci est remise dans l’urne avant le tirage suivant et si à un rang
quelconque on obtient une boule blanche, on la mange !
a- Quelle est la probabilité de tirer une boule blanche au cours des n premiers tirages ?
b- Quelle est la probabilité de manger au moins une boule blanche au cours des n premiers
tirages ?
c- Sachant qu’au cours des n premiers tirages on a tiré exactement une boule blanche, quelle
est la probabilité qu’elle ait été tirée en dernier ?

Sommaire
Concepts

Exemples
Exercices
Documents

83
 J précédent section N suivant I

Exercice A.2.32

Soit Xn un ensemble de cardinal n. On note πn le nombre de partitions de Xn , ce nombre

s’appelle le nombre de Bell d’indice n. On conviendra que π0 = 1.
a- Caculer π1 , π2 et π3 .
b- Soit Xn un ensemble de cardinal n (n ≥ 1) et soit a un élément fixé de Xn . Soit P =
{A1 , . . . , Ak } une partition quelconque de Xn , on suppose que A1 est l’unique terme de P
contenant a. En raisonnant sur le cardinal de A1 , démontrer la relation :
n
X n−1
X
∀n ∈ N∗ , πn = p−1
Cn−1 πn−p = k
Cn−1 πk .
p=1 k=0

c- Vérifier les résultats de la question a- et calculer π6 .

Sommaire
Concepts

Exemples
Exercices
Documents

84
 J précédent section N suivant I

Exercice A.2.33

Soient (Ω, F, P ) un espace probabilisé, A et B deux événements réalisables non indépendants

tels que A ∩ B et A ∩ B sont non négligeables.
I- On pose α = P (A|B)/P (A|B). Montrer que

P (B)
P (B|A) = .
α + (1 − α)P (B)

En déduire que P (B|A) est une fonction strictement croissante de P (B).

II- Application : un test est destiné à déceler la présence d’une maladie dans une population.
a- Lorsque la maladie est présente, le test la révèle dans 99% des cas.
b- Lorsque la maladie est absente, le test révèle cette absence dans 99% des cas.
On convient de dire que le test est efficace si, révélant la présence de la maladie chez une
personne choisie au hasard dans la population, il y a une probabilité au moins égale à 0,95
que cette personne soit effectivement atteinte de la maladie.
Déterminer à partir de quel pourcentage de personnes atteintes de la maladie dans la
population le test est efficace.

Sommaire
Concepts

Exemples
Exercices
Documents

85
 J précédent section N suivant I

Exercice A.2.34

Démontrer que pour deux événements A et B de (Ω, F, P ), on a l’équivalence entre A et B

sont indépendants et P (A ∩ B)P (A ∩ B) = P (A ∩ B)P (A ∩ B).

Sommaire
Concepts

Exemples
Exercices
Documents

86
 J précédent section N suivant I

Exercice A.2.35

Dans le repère orthonormé xOy on considère le triangle T de sommets A, B et C de coor-

données respectives (0, 0), (1, 1) et (2, 0). Un point P est choisi de manière uniforme dans T ,
puis il est projeté en Q appartenant au segment [A, B] suivant la direction Oy. Soit D le point de
coordonnées (x, 0), calculer la probabilité que Q appartienne au segment [A, D]. Faire un dessin.

Sommaire
Concepts

Exemples
Exercices
Documents

87
 J précédent section N suivant I

Exercice A.2.36
Pn
On rappelle que (x + y)n = k=0 Cnk xk y n−k . Soit Ω un ensemble fini. Soit P(Ω) la famille
des sous-ensembles de Ω et Pk (Ω) la famille des sous-ensembles de Ω à k éléments (0 ≤ k ≤
Card(Ω)).
a- Calculer Card(Pk (Ω)).
b- Quelle relation lie P(Ω) aux Pk (Ω) ?
c- En déduire Card(P(Ω)) = 2Card(Ω) .

Sommaire
Concepts

Exemples
Exercices
Documents

88
 J précédent section N suivant I

Exercice A.2.37

On considère l’épreuve : jet d’une pièce de monnaie jusqu’à ce que face apparaisse. On définit
par wi l’événement "Face apparaît au i-ème jet". On suppose que P (wi ) = 1/2i .
1. L’espace fondamental est-il fini ? infini ? dénombrable ? Justifier la réponse et donner ex-
plicitemment l’espace fondamental.
2. Montrer que Σi P (wi ) = 1.

Sommaire
Concepts

Exemples
Exercices
Documents

89
 J précédent section N suivant I

Exercice A.2.38

Sur n boîtes de conserves deux sont avariées. On ouvre successivement ces n boîtes au ha-
sard. Soit k un entier naturel non nul inférieur ou égal à n. On note : Ak l’événement "aucune
des k premières boîtes ouvertes n’est avariée".
1. Evaluer (en justifiant la réponse) : pn−1 = P (An−1 ) et pn = P (An ).
2. Quelle relation satisfont entre eux les événements Ak−1 et Ak ?
3. Quelle est la probabilité qu’aucune des k premières boîtes ouvertes ne soit avariée ?

Sommaire
Concepts

Exemples
Exercices
Documents

90
 J précédent section N suivant I

Exercice A.2.39

a- Déterminer Ω dans les cas suivants :

i- tirer une pièce trois fois.
ii- deux balles sont tirées sans remise d’une urne contenant deux balles rouges et deux
balles bleues.
iii- lancer une pièce jusqu’à l’obtention de pile.
b- Montrer que si A et B sont deux événements d’une même tribu alors A ∩ B, A ∩ B̄ et A∆B
sont aussi dans la tribu.
c- Soit A un événement, montrer que si P (A)=0 ou 1 alors A est indépendant de tous les autres
événements.

Sommaire
Concepts

Exemples
Exercices
Documents

91
 J précédent section N suivant I

Exercice A.2.40

Un voyageur arrive à un carrefour. Il sait qu’à cet endroit il va trouver deux routes : un cul
de sac et la bonne route.
Il y a trois frères à ce carrefour : F1 , F2 et F3 .
F1 dit une fois sur dix la vérité, F2 dit cinq fois sur dix la vérité et F3 dit neuf fois sur dix la
vérité.
Le voyageur s’adresse "au hasard" à un et à un seul des trois frères. Il demande son chemin, et
s’aperçoit par la suite que ce chemin est le bon. Quelle est la probabilité qu’il se soit adressé à
F1 ?

Solution

Sommaire
Concepts

Exemples
Exercices
Documents

92
 J précédent section N suivant I

Exercice A.2.41

Dans un champ contenant n fleurs, un papillon vole au hasard de l’une à l’autre. On suppose
que lorsqu’il quitte une fleur, il choisit de façon équiprobable la suivante parmi les autres.
a- Quelle est la probabilité pour qu’il revienne pour la première fois au point de départ après
r ≤ n − 1 changements de fleur exactement ?
b- Quelle est la probabilité pour qu’après r changements de fleur, il ne se soit jamais posé deux
fois sur la même ?
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

93
 J précédent section N suivant I

Exercice A.2.42

Soit un dé à six faces dont deux sont peintes en rouge, deux en jaune et deux en bleu.
a- L’expérience consiste à "lancer deux fois le dé" (ou de façon équivalente "on lance deux dés
qui sont identiques"). Décrire l’ensemble fondamental associé à cette expérience et donner
la probabilité associée aux issues de cette expérience ?
b- On lance ce dé jusqu’à l’obtention d’une face rouge. Décrire un ensemble fondamental asso-
cié à cette expérience.
Quelle distribution (loi) de probabilités lui attribuez-vous ?
On posera R̄ = { face non rouge}.

c- Deux personnes A et B jouent dans cet ordre avec la règle précédente (cf b). Le premier qui
obtient une face rouge a gagné.
Quelles sont les probabilités de gain pour chacun des joueurs (le jeu peut durer indéfini-
ment) ?
Solution

Sommaire
Concepts

Exemples
Exercices
Documents

94
 J précédent section N suivant I

Exercice A.2.43

Un voyageur traversant une frontière passe en général successivement les contrôles sui-
vants :
police du pays qu’il quitte - douane du pays où il entre - police du pays où il entre. Considèrons
les événements suivants :
A : "le voyageur est contrôlé au premier poste de police"
B : "le voyageur est contrôlé à la douane "
C : "le voyageur est contrôlé au deuxième poste de police"
On suppose connues les probabilités de A, B, C, A ∩ B, A ∩ C, B ∩ C et A ∩ B ∩ C. Quelle est la
probabilité que le voyageur soit contrôlé au moins une fois ?

Sommaire
Concepts

Exemples
Exercices
Documents

95
 J précédent section N suivant I

Exercice A.2.44

Il y a un concours de pronostics sur la finale d’un tournoi d’escrime qui oppose un français
et un américain. Parmi les participants la moitié sont des anglais, un tiers de français et un
sixième des suisses.
Parmi les anglais, 60% prévoient l’américain comme gagnant de la finale et 40% prévoient le
français. Chez les français, 30% prévoient l’américain et 70% prévoient le français, enfin chez
les suisses 90% prévoient l’américain et 10% prévoient le français. On tire une personne au
hasard parmi les participants. Elle prévoit le français gagnant. Quelle est la probabilité qu’il
s’agisse d’un citoyen anglais ?

Sommaire
Concepts

Exemples
Exercices
Documents

96
 J précédent section N suivant I

Exercice A.2.45

Soient A, B, C trois événements de P(Ω). On suppose que chacun d’eux est non négligeable1
et non certain2 .
i- Montrer que si A est indépendant de B ∩ C et de B ∩ C̄ alors A est indépendant de B.
ii- Montrer que A et B ne peuvent pas être simultanément incompatibles et indépendants.
iii- Si Ω = A ∪ B, A et B peuvent -ils être indépendants ?

Sommaire
Concepts

Exemples
Exercices
1 un événement est négligeable si sa probabilité est nulle. Documents
2 un événement est certain si sa probabilité est égale à un.

97
 J précédent section N

Exercice A.2.46

Dans une urne il y a dix boules numérotées de 0 à 9.

On tire deux boules au hasard en même temps.
a- Décrire Ω l’espace fondamental associé à cette expérience aléatoire.
b- Soit X la variable aléatoire donnant le plus petit des nombres portés par les deux boules.
Donner E = X(Ω). Soit x ∈ E, donner X −1 (x).

Sommaire
Concepts

Exemples
Exercices
Documents

98
J précédent

Annexe B
Documents

B.1 Démonstrations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

Sommaire
Concepts

Exemples
Exercices
Documents

99
 chapitre N

B.1 Démonstrations

B.1.1 Démonstration de la proposition 1.2.4 . . . . . . . . . . . . . . . . . . 101

B.1.2 Démonstration de la proposition 1.4.5 . . . . . . . . . . . . . . . . . . 103

Sommaire
Concepts

Exemples
Exercices
Documents

100
 section N suivant I

Document B.1.1 Démonstration de la proposition 1.2.4

Espace probabilisé Soit (Ai )i∈N∗ une suite croissante d’événements, la suite (Bi )i∈N∗ définie
par : 
B1 = A1 ,
Bn = An \An−1 pour n ≥ 2,
est une suite d’événements deux à deux incompatibles telle que
[ [
An = Bn .
∗ ∗
n∈N n∈N

Par conséquent    
[ [ +∞
X
p An  = P  Bn  = P (Bn ).
∗ ∗ n=1
n∈N n∈N
Or, P (B1 ) = P (A1 ) et pour tout n ≥ 1, P (Bn ) = P (An ) − P (An−1 ) donc
n
X
P (An ) = P (Bk ),
k=1
+∞
X n
X
P (Bn ) = lim P (Bk ) = lim P (An ).
n→+∞ n→+∞
n=1 k=1
Sommaire
Ainsi P (∪+∞
n=1 An ) = limn→+∞ P (An ). Concepts
Si (Ai )i∈N∗ une suite décroissante d’événements, alors la suite (Ai )i∈N∗ est une suite crois-
sante d’événements donc P (∪+∞n=1 An ) = limn→+∞ P (An ). Or,
!   ! Exemples
+∞ +∞ +∞
\ [ [ Exercices
P An = P  An  = 1 − P An , Documents
n=1 n=1 n=1

101
 section N suivant I

d’où : ! Document
+∞
\ B.1.1
P An = 1 − lim P (An ) = lim (1 − P (An )) = lim P (An ).
n→+∞ n→+∞ n→+∞ Démonstration
n=1
de la
proposition
1.2.4

Sommaire
Concepts

Exemples
Exercices
Documents

JJ 102
 J précédent section N

Document B.1.2 Démonstration de la proposition 1.4.5

Indépendance stochastique En vertu de la proposition I.2.3 la proposition est vraie pour
n = 2. Faisons l’hypothèse de récurrence qu’elle est vraie au rang n − 1 et posons A = ∪n−1
k=1 Ak .
En appliquant à nouveau la proposition I.2.3 on a
P (A ∪ An ) = P (A) + P (An ) − P (A ∩ An )
n−1
! n−1
!
[ [
=P Ak − P (Ak ∩ An ) + P (An ).
k=1 k=1
L’hypothèse de récurrence nous permet d’appliquer la formule de Poincaré au rang n − 1 aux
deux premières probabilités, ce qui donne
P (A ∪ An ) = P (An )+
 
n−1
X X
(−1)k+1  (P (Ai1 ∩ . . . ∩ Aik ) − P (Ai1 ∩ . . . ∩ Aik ∩ An ))
k=1 1≤i1 <...<ik ≤n−1
n
X X
= (−1)k+1 P (Ai1 ∩ . . . ∩ Aik ),
k=1 1≤i1 <...<ik ≤n

il suffit de remarquer que Sommaire

{(i1 , . . . , ik ) ; 1 ≤ i1 < . . . < ik ≤ n} Concepts

est réunion disjointe de

{(i1 , . . . , ik ) ; 1 ≤ i1 < . . . < ik < n}
Exemples
et Exercices
{(i1 , . . . , ik−1 , n) ; 1 ≤ i1 < . . . < ik−1 < n}. Documents

103
 Index des concepts

Le gras indique un grain où le concept est dé- N

fini ; l’italique indique un renvoi à un exercice ou un Naïvement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
exemple, le gras italique à un document, et le ro-
main à un grain où le concept est mentionné.
O
A Objectivisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

D P
Probabilité suite monotone . . . . . . . . . . . . . . . . . 13
Dombrement, arrangements, permutations,
Probabilités conditionnelle . . . . . . . . . . . . . . . . . 18
combinaisons . . . . . . . . . . . . . . . . . . . . . . 15
Probabilités géomètriques ou uniformes . . . . 17
Probabilit totales, formule de Bayes, proba- Sommaire
E bilit composs. . . . . . . . . . . . . . . . . .19 Concepts
Ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Equiprobabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
S Exemples
Subjectivisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
I Exercices
Documents
Indépendance, formule de Poincaré . . . . . . . . . 21

104
T
Tribu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

U
Univers, événements . . . . . . . . . . . . . . . . . . . . . . . 11

Sommaire
Concepts

Exemples
Exercices
Documents

JJ 105
 Solution de l’exercice A.1.1

La corde est de longueur supérieure à la longueur du côté du triangle si son centre appartient au disque inscrit dans
le triangle. Le disque inscrit ayant pour rayon r/2 (r est le rayon du cercle circonscrit) la proportion de tels points est
égale à : π(r/2)2 /πr2 = 1/4.

Retour à l’exercice N
 Solution de l’exercice A.1.2

a- A ∪ (B ∩ C) ;
b- B.

Retour à l’exercice N
 Solution de l’exercice A.1.3

Le graphe de l’application vaut 1 sur le triangle de sommets (0, 0), (1, 0) et (1, 1) (frontière comprise) et 0 ailleurs.
f (x, y) = 1 ⇔ 0 ≤ y ≤ 1 et y ≤ x ≤ 1 ⇔ 0 ≤ y ≤ x ≤ 1 ⇔ (x, y) ∈ T ⇔ 1T (x, y) = 1.

Retour à l’exercice N
 Solution de l’exercice A.1.4

a- A ∩ B ∩ C ;
b- A ∩ B ∩ C̄ ;
c- A ∪ B ∪ C ;
d- (A ∩ B̄ ∩ C̄) ∪ (Ā ∩ B ∩ C̄) ∪ (Ā ∩ B̄ ∩ C) ∪ (Ā ∩ B̄ ∩ C̄) ;
e- (A ∩ B̄ ∩ C̄) ∪ (Ā ∩ B ∩ C̄) ∪ (Ā ∩ B̄ ∩ C).

Retour à l’exercice N
 Solution de l’exercice A.1.5

Comme Bn = Ān ∈ F et
\ [
Ān = Bn ,
n≥1 n≥1

le membre de droite de l’égalité ci-dessus est dans F, par conséquent son complémentaire aussi, ce qui démontre le
résultat.

Retour à l’exercice N
 Solution de l’exercice A.1.6

A ⊂ A ∪ B ⇒ P (A) ≤ P (A ∪ B) ce qui est impossible.

Retour à l’exercice N
 Solution de l’exercice A.1.7

8
a- 45 = C10 ;
b- 21 = C75 ;
c- 35 = C54 × C54 + C55 × C53 .

Retour à l’exercice N
 Solution de l’exercice A.1.8

7 (doubles)+ C72 = 28.

Retour à l’exercice N
 Solution de l’exercice A.1.9

Soit A l’événement atteindre la cible. P (Ā) = 10/100 = 1/10, donc P (A) = 9/10. Les scores possibles sont -10, 10, 20, 30,
40 et 50 pour un tir. On a P (−10) = P (Ā) = 1/10, P (10) = P (10|A)×P (A) = (Aire(D(0; 50))−Aire(D(0; 40)))/Aire(D(0; 50))×
9/10 = 81/250, etc. Finalement, les probabilités respectives de 1/10, 81/250, 63/250, 45/250, 27/250 et 9/250.
Pour deux tirs les scores possibles sont -20, 0, 20, 30, etc. Par exemple on a : P (30) = P ((10, 20)ou(20, 10)) = P (10, 20) +
P (20, 10) = P (10)P (20) + P (20)P (10) = 2 × 81 × 63/2502 .

Retour à l’exercice N
 Solution de l’exercice A.1.10

Soit P l’événement “être positif”. Formule de Bayes :

P (P |M )P (M )
P (M |P ) = = 24/31.
P (P |M )P (M ) + P (P |M̄ )P (M̄ )

Retour à l’exercice N
 Solution de l’exercice A.1.11

Soit E l’événement “le parapluie est dans l’immeuble” et Ei (i = 1, . . . , 7) l’événement “le parapluie est au i-ème étage”.

P (E7 |Ē1 ∩ . . . ∩ Ē6 ) = 1 − P (Ē7 |Ē1 ∩ . . . ∩ Ē6 )

P (Ē)
= 1 − P (Ē7 ∩ Ē1 ∩ . . . ∩ Ē6 )/P (Ē1 ∩ . . . ∩ Ē6 ) = 1 − = p/(7 − 6p)
P (E7 ∪ Ē)
(on tient compte du fait que le parapluie peut être en dehors de l’immeuble !).

Retour à l’exercice N
 Solution de l’exercice A.1.12

a- A négligeable ⇒ P (A) = 0 or A ∩ B ⊂ A ⇒ P (A ∩ B) ≤ P (A) = 0 donc P (A ∩ B) = 0 = 0 × P (B) = P (A) × P (B) d’où

le résultat ;
b- A presque sûr ⇒ P (A) = 1 et Ā est négligeable. Donc P (A) × P (B) = P (B) = P (Ā ∩ B) + P (A ∩ B) = P (A ∩ B).

Retour à l’exercice N
 Solution de l’exercice A.1.13

P (A) = P (B) = P (C) = 1/2, P (A ∩ B) = P (B ∩ A) = P (C ∩ B) = 1/4 et P (A ∩ B ∩ C) = 0.

Retour à l’exercice N
 Solution de l’exercice A.1.14

P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B) − P (A ∩ C) − P (B ∩ C) + P (A ∩ B ∩ C) = 0, 6 ; soit 60%.

Retour à l’exercice N
 Solution de l’exercice A.1.15

On a P (A ∩ B) = P (A)P (B) et P (Ā ∩ B) = P (B) − P (A ∩ B) = P (B) − P (B)P (A) = P (B)(1 − P (A)) = P (B)P (Ā)
donc B et Ā sont indépendants. Maintenant, en appliquant le même raisonnement à B et Ā on obtient (en passant au
complémentaire sur B) que Ā et B̄ sont indépendants.

Retour à l’exercice N
 Solution de l’exercice A.2.7

a- On note C une chemin de E, c’est-à-dire un chemin reliant 0 et M , passant par I et coupant nécessairement D.
On note P le dernier point de C coupant D (c’est-à-dire le point d’ordonnée maximale parmi les points de C ∩ D).
Maintenant on note f (C) le chemin obtenu à partir de C de la manière suivante. f (C) relie O et M en passant par
P ; la partie qui relie O et P est obtenue par symétrie de la partie OP de C par rapport à D et la partie qui relie P
et M coïncide avec celle de C (cf. FIG. 1).
f (C) ∈ F et il est clair qu’une telle application f est une bijection de E sur F d’où : |E| = |F |.

f (C)

b P M

O I a
 FIG. 1.
b- Soit C un chemin monotone reliant O et M . Pour parcourir un tel chemin on doit se déplacer successivement d’une
unité à droite (d) ou d’une unité vers le haut (h). Pour aller de O à M on doit nécessairement aller a fois à droite
et b fois vers le haut. Un chemin monotone reliant O et M est donc une succession de (a + b) instructions dont
exactement a instructions d et b instructions h (sur la FIG. 1 : a = 9, b = 6 et C est décrit par : dhhdddhdhdhhddd).
Par conséquent il y a autant de chemins qu’il y a de façons de placer a éléments identiques parmi (a + b) places
a
distinctes ; il s’agit des combinaisons à a éléments d’un ensemble à (a + b) éléments. Donc on a |Ω| = Ca+b .
D’après le a on a |E| = |F | donc le nombre de chemins allant de I à M est le même que le nombre de chemins allant
de J à M . Comme tous les chemins de F coupent D, le nombre de chemins de F est le nombre de chemins allant
a
de J à M , soit, par un raisonnement analogue à celui ci-dessus, Ca+b−1 .
0 a
Enfin on a |Ω | = |E| + |F | = 2Ca+b−1 .
c- Les chemins monotones reliant O et M restant strictement en dessous de D sont ceux de Ω\Ω0 . Le nombre cherché
est donc :
|Ω\Ω0 | = |Ω| − |Ω0 | = |Ω| − 2|E| = Ca+b
a a
− 2Ca+b−1 .

Retour à l’exercice N
 Solution de l’exercice A.2.20

Voir la preuve de la proposition I.2.4 en document B.1.1.

Retour à l’exercice N
 Solution de l’exercice A.2.22

Cet exercice (difficile) est résolu dans le chapitre 4. Ce résultat est appelé Lemme de Borel-Cantelli.

Retour à l’exercice N
 Solution de l’exercice A.2.28

a- On tire 7 numéros distincts dans {1, 2, . . . , 49}. Pour tenir compte du fait que le dernier numéro a une place par-
ticulière (il s’agit du complémentaire) on tient compte de l’ordre. Par conséquent l’univers Ω est l’ensemble des
7-listes d’éléments distincts et ordonnés de {1, 2, . . . , 49}. Nous somme dans une situation d’équiprobabilité, par
conséquent, pour tout A ⊂ Ω on a :
|A|
P (A) = où |Ω| = A749 .
|Ω|
Soit Ak (k = 3, 4, 5) l’événement “obtenir k bons numéros plus le complémentaire”. Pour trouver la probabilité P (Ak )
il suffit de calculer |Ak |. On a :

|Ak | = C6k (k no. tirés dans l’urne ont été choisis par X)
× Ak6 (placement des k bons no. dans les 6 premières places de la 7-liste)
6−k
× C43 (6 − k no. sont tirés parmi les 43 non choisis par X)
× A6−k
6−k (placement des 6 − k no. parmi les 6 − k places restantes
des 6 premières places de la 7-liste)
1
× C6−k (le complémentaire est choisi parmi les 6 − k no. de X non encore choisis)
× A11 (on met le complémentaire à la 7-ième place de la 7-liste).

On trouve alors :
(6!)2 42!43!
P (Ak ) = .
k!(5 − k)!(6 − k)!(37 + k)!49!
b- Dans la situation de Y on tire 6 numéros parmi 49 ; dans ce cas l’univers Ω est composé des 6-listes d’éléments de
{1, . . . , 49} non ordonnées c’est-à-dire des combinaisons de 6 éléments parmi 49. On a donc toujours équiprobabilité
6
avec |Ω| = C49 . Pour trouver la probabilité P (Ak ) il suffit de calculer |Ak |. On a :

|Ak | = C6k (k no. choisis parmi les 6 bons no. de la Française des Jeux (F.J.))
5−k
× C42 (6 − (k + 1) mauvais no. choisis parmi ceux non selectionnés par la F.J.)
× C11 (le no. complémentaire pour lequel il n’y a qu’un choix)
On trouve alors :
(6!)2 42!43!
P (Ak ) = .
k!(5 − k)!(6 − k)!(37 + k)!49!

Retour à l’exercice N
 Solution de l’exercice A.2.30

a- La puce est au point A, c’est-à-dire, α0 = 1, β0 = 0 et γ0 = 0. À la 1ère étape elle quitte le point A et elle part vers le
point B ou C avec la même probabilité 1/2. Considérons les événements :
Ai : {“la puce est au point A à la ie étape”},
Bi : {“la puce est au point B à la ie étape”},
Ci : {“la puce est au point C à la ie étape”}.

F IG. B.1.1 – Les deux premiers sauts

D’après la figure ?? on voit que :

1 1
α1 = P (A1 ) = 0, β1 = P (B1 ) = et γ1 = P (C1 ) = ,
2 2
et
1
α2 = P (A2 ) = P (A2 |B1 )P (B1 ) + P (A2 |C1 )P (C1 ) = ,
2
1
β2 = P (B2 ) = P (B2 |A1 )P (A1 ) + P (B2 |C1 )P (C1 ) = ,
4
1
γ2 = P (C2 ) = P (C2 |A1 )P (A1 ) + P (C2 |B1 )P (B1 ) = .
2

b- À la ne étape on remarque sur la figure ?? que :


 αn+1 = βn /2 + γn /2,
βn+1 = αn /2 + γn /2,
γn+1 = αn /2 + βn /2.

 Bn+1
1/2
An
1/2
αn Cn+1

An+1
1/2
βn
Bn
1/2
Cn+1

γn An+1
1/2
Cn
1/2
Bn+1

F IG. B.1.2 – L’étape n

c- Alors si on pose :    
0 1 1 αn
A=  1 0 1  et Xn =  βn 
0 0 1 γn
on a :
1
Xn+1 = AXn ,
2
soit encore :
 n  n
1 1
Xn = n
A X0 = P Dn P −1 X0 .
2 2

Or
(−1)n
 
0 0
n
D =  0 (−1)n 0 
0 0 2n
on trouve donc que :
 αn = 31 1 + (−1)n 2−n+1



βn = 13 1 + (−1)n−1 2−n

γn = 13 1 + (−1)n−1 2−n


Remarque. On constate que limn→+∞ αn = limn→+∞ βn = limn→+∞ γn = 1/3.

Retour à l’exercice N
 Solution de l’exercice A.2.40

Soit V l’ événement "dire la vérité" et Fi l’ événement "le voyageur s’est adressé à Fi .

Si le voyageur a pris le bon chemin, c’est que le frère auquel il s’est adressé lui a dit la vérité, or
1 5 9
P (V |F1 ) = , P (V |F2 ) = , P (V |F3 ) = .
10 10 10
D’autre part le voyageur a choisi au hasard son informateur, donc :
1
P (F1 ) = P (F2 ) = P (F3 ) =
3
on peut donc utiliser le Théorème de Bayes :

P (V |F1 )P (F1 ) 1
P (F1 /V ) = =
P (V |F1 )P (F1 ) + P (V |F2 )P (F2 ) + P (V |F3 )P (F3 ) 15

Retour à l’exercice N
 Solution de l’exercice A.2.41

a- A chaque changement de fleur, le papillon a n−1 choix possibles. Les choix successifs sont des événements indépen-
dants. : soit Ai l’événement "au i-ème changement de fleur, le papillon passe d’une fleur différente de la première
à celle ci".
n−2
P (Āi ) = (i > 1)
n−1
La probabilité cherchée est :

n−2n−2 n−2 1 (n − 2)r−2

P (Ā2 · · · Ār−1 Ar ) = P (Ā2 ) · · · P (Ār−1 )P (Ar ) = ... =
n−1n−1 n−1n−1 (n − 1)r−1

b- nombre de cas possibles : (n − 1)r

Nombre de cas favorables : après s’ étre posé sur la i-ème fleur, le papillon doit choisir la suivante parmi les (n − i)
fleurs qu’il n’a pas encore visitées. Il y a donc :

(n − 1)!
(n − 1)(n − 2) . . . (n − r) =
(n − r − 1)!

cas favorables. C’est évidemment le nombre d’arrangements de r objets pris parmi n − 1. D’où la probabilité cher-
chée :
(n − 1)!
.
(n − 1)r (n − r − 1)!

Retour à l’exercice N
 Solution de l’exercice A.2.42

a- Pour un dé Ω = {R, J, B} avec P (R) = P (J) = P (B) = 1/3.

Pour deux dés Ω = {(R, R), (R, J), (R, B), (J, R), (J, J), (J, B), (B, R), (B, J), (B, B)}. La probabilité de chaque couple
étant 1/9.
b- Désignons par R̄ l’événement "non rouge" : R̄ = J ∪ B. Ω = {R, R̄R, R̄R̄R, R̄R̄R̄R, . . .}.
P (R̄R̄R̄ . . . R̄R) = ( 23 )n−1 13 , où n est le nombre de lancers pour obtenir la première face rouge.
c-
P (Agagne) = P (R) + P (R̄R̄R) + P (R̄R̄R̄R̄R) + . . .
1 2 1 2 1
= + ( )2 + ( )4 + . . .
3 3 3 3 3
∞
X 2 1 1 1
= ( )2k = .
3 3 3 1 − (2/3)2
k=0
P∞ 2 2k+1 1 2 1
P (Bgagne) = k=0 ( 3 ) 3 = 9 1−(2/3)2 .

Retour à l’exercice N