Powered 

by  w w w .educamer.o rg 

Cours  P ROBABI LI TÉS 

}  Leçon 1 :  CALCU LS DE P ROBABI LI TÉS 

Activités de mise en place de la leçon (pré­requis)  (..... min) 

Aperçu historique. 
Au XVIème siècle, à la cour des rois de France, les questions sur les jeux de hasard conduisent Pascal et Fermat 
à élaborer une approche quantitative du hasard. Ainsi, en 1654, Pascal adresse à l'Académie Parisienne des 
Sciences sa "nouvelle géométrie du hasard [...] joignant la rigueur des démonstrations de la science à 
l'incertitude du sort, et conciliant ces deux choses d'apparence contradictoire". 
(Déclic M aths P remi ère S, édi tion Hach ette Éducation 2001, p250) 

" De ratocinii in ludo aleae"  ou autrement dit : "la théorie du jeu de dés" est le titre du premier ouvrage 
consacré à la théorie des probabilités. Publié par Christiaan Huygens (1629­1695), il relate les réflexions 
qu’échangent par correspondance PASCAL et FERMAT sur les problèmes posés à Pascal par le Chevalier de 
MERÉ (double six ; parties interrompues ; pari de Pascal). 
Mais c'est en 1714 que paraît une œuvre capitale qui fera le lien entre statistique et probabilité : Ars 
Conjectandi du suisse Jacques Bernoulli. Celui­ci y énonce un théorème important : la probabilité de l'apparition 
d'un résultat dans une épreuve est "pratiquement égale" à la fréquence d'apparition de ce résultat quand on a 
répété un grand nombre de fois cette même épreuve. Ainsi fut fait le lien entre probabilité et statistique. 

Fastoche ! 
Ce théorème est connu aujourd’hui sous l’appellation "loi des grands nombres": 
« Quand on répète un grand nombre de fois une expérience aléatoire pouvant conduire à des résultats a1, a2, …, 
an, la fréquence de réalisation de chaque événement élémentaire {ai} se stabilise aux environs d’un nombre pi 
compris entre 0 et 1 » 
Ce nombre peut être considéré comme la probabilité de réalisation de l’événement {ai}. 
Pour rappel : on appelle fréquence d’apparition d’une éventualité donnée ai  le nombre 
nombre de fois où l’éventualité ai  apparaît 
fi  = 
nombre de fois où l’expérience est répétée

Le sens et la définition mathématique de probabilité fait l'objet de discussions acharnées : 
9  Nombre de mathématicien, comme d'Alembert, se méfiaient de cette branche, car ils considéraient ses 
concepts de base comme fumeux et ses méthodes comme beaucoup moins rigoureuses que celles de la 
géométrie. 
La science donnait la possibilité aux hommes de connaître les lois de l'Univers, rien ne pouvait être dû au 
hasard. 
9  Pour Laplace les phénomènes aléatoires ne l'étaient qu'en apparence. C'est leur complexité qui empêchait 
d'en trouver l'explication. 
Les probabilités sont une aide avant d'en savoir davantage sur le phénomène étudié 

Probabilités_ Tle S (C, D, E, F)  Page 1 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educ amer.o rg 

A ctivité 1 : Outils de dénombrement 

Bon à savoir 
Ê P rincipes de base du dénombrement 
Sauf  mention explicite, les ensembles considérés dans la suite seront des ensembles finis. 
} On rappelle que le cardinal d'un ensemble fini E, noté Card(E), représente son nombre 
d'éléments. 
On convient que Card Æ = 0 

} Langage des ensembles 
Intersection  Complémentaire  A et B sont 
Réunion de A et B 
de A et B  de A dans E  disjoints 
A U B  A I B 

A 
A 

A  B  A  B  A  B 

} P artition d’un ensemble 
A1  A2  A4 
Des parties A1, A2, . . . , Ak  d’un ensemble E  A3 
constituent un partition de E si : 
9 Elle sont deux à deux disjointes  A8 A5 
A7  A6 
9 Leur réunion est égale à E 

} P rincipe additif (ou principe de la somme) 
Si A1, A2, . . . , Ak  constituent une partition d’un ensemble fini E, alors : 
Card(E) = Card(A1) + Card(A2) + . . . + Card(Ak) 

Les propriétés suivantes découlent du principe ci­dessus: 
Soit A et B deux parties d’un ensemble fini E. On a : 
Card(A) + Card( A ) = Card(E) 
Card(A U B) = Card(A) + Card(B) – Card(A I B) 

} P rincipe multiplicatif (ou principe du produit) 
Si une situation comporte k étapes offrant respectivement n1, n2, ... , nk  possibilités, où chacun 
des nombres ni  ne dépend que de l’étape i, 
alors le nombre total d'issues est : n1  ×  n2  ×  ...  ×  nk 
C'est la règle utilisée lorsque nous dressons un arbre. 
Exemple 
Combien peut­on former de codes comportant trois lettres distinctes de l’alphabet autre que 
la lettre O suivie de quatre chiffre quelconques pris parmi 0, 1 et 2 ? (d’après BAC  2002 _ France) 
Réponse : 
Il y a 7 étapes pour constituer un code :  Oup’s ! 
9  1 ère  étape : le choix de la première lettre offre n1  = 25 possibilités  La lettre O étant exclue, on a au départ 
25 lettres. 
9  2 ème  étape : le choix de la deuxième lettre offre n2  = 24 possibilités  Les lettres étant distinctes, il reste 24 
9  3 ème  étape : le choix de la troisième lettre offre n3  = 23 possibilités  lettre après le choix de la première et 
9  4 ème  étape : le choix du premier chiffre offre n4  = 3 possibilités  23 après le choix de la deuxième 

9  5 ème  étape : le choix du deuxième chiffre offre n5  = 3 possibilités  Les chiffres n’étant pas distincts, on a 

ème 
9 6 ème  étape : le choix du troisième chiffre offre n6  = 3 possibilités  autant de possibilités de la 4  à la 
ème 
7  étape. 
9  7 ème  étape : le choix du quatrième chiffre offre n7  = 3 possibilités 
Probabilités_ Tle S (C, D, E, F)  Page 2 / 24 
http:/ / maths.educamer.o rg 
Powered by  w w w .educ amer.o rg 

Conclusion : le nombre total de codes possibles est 25 x  24 x  23 x  3 x  3 x  3 x  3 = 1 117 800 

Du principe multiplicatif, découle le cardinal du produit cartésien : 
Définition 
Étant donnés deux ensembles E et F, on appelle produit cartésien E x F (lire « E croix F »), 
l'ensemble des couples (a ; b)  avec  a Î E  et  b Î F. 
On peut généraliser le produit cartésien à plus de deux ensembles : 
E1  x E2  x ... x Ep  est l'ensemble des p­uplets  (a1  ; a2  ; ... ; ap)  avec ai Î Ei. 

card (E x F) = card(E) x card(F) 
card (E 1  x E 2  x ... x E p ) = card(E 1 ) x card(E 2 ) x ... x card(E p ) 

Ê Dénombrement de p­listes et de p­arrangements 

Soient n Î V* et E un ensemble de cardinal n. Soit p Î V*. 

Une p­liste (ou p­uplet) d’éléments de E est un élément du produit cartésien E P  = E x E x ... x E 
(p facteurs) 
Le nombre total de p­listes des éléments de E est n p 

Exemple : des 8­listes des éléments de l’ensemble {0 ; 1} sont : 01010101 ; 11110011 ; 
00110011. (Infos : en informatique, ces 8­listes sont appelées "octets") 
Le nombre total d’octets est alors : 2 8  = 256 

Si l’on impose à une p­liste d’éléments d’un ensemble E de cardinal n (n Î V*) de ne contenir 
que des éléments deux à deux distincts, on à nécessairement  1 ≤ p ≤ n. 
On parle dans ce cas de p­arrangement d’éléments de E. 
Un arrangement est donc une p­liste dans laquelle il n'y a pas de répétitions. 
p  n ! 
Le nombre total de p­arrangements des éléments de E est  An 
  = n(n­1)(n­2)…(n­p+1) = 
(n - p) ! 

Remarque : (P ermutations) 
Une permutation de E est un arrangement des n éléments de E. 
n 
Le nombre total de permutation des éléments de E est  A n = n ! 

Ê Dénombrement de p­combinaison 
Soit E un ensemble fini de cardinal n et p un entier vérifiant 0 ≤ p ≤ n 
On appelle combinaison de p éléments de E (ou p­combinaison d’éléments de E), toute partie de E 
ayant p éléments. 

  ou ç
Le nombre de combinaisons p à p des éléments de E est  noté  Cn 
p  æ n ö
÷
è p ø
p An  p  n ! 
On a :    = 
Cn  = 
p !  p !(n - p)! 

Démonstration : 
Dénombrons les p­arrangements des éléments d'un ensemble fini E de cardinal n. 
Un arrangement est caractérisé par : 
p 
9 Le choix d'une partie de E à p éléments : soit Cn  choix de telles parties 
9  La façon d'ordonner les p éléments de la partie choisie : soit p! façons 
p  p 
Le principe multiplicatif donne alors  An 
  = p! Cn 

Probabilités_ Tle S (C, D, E, F)  Page 3 / 24 
http:/ / maths.educamer.o rg 
Powered by  w w w .educ amer.o rg 

P ropriétés 
p  n­ p 
} Pour tout entier n et tout entier p tel que  0 ≤ p ≤ n, on a :  C n  =  C  n 
0  n  1  n ­1
Conséquence :  Cn 
  =  Cn   =  1  et  C n  =  C  n  = n 
p  p  p ­ 1 
} Pour tout entier n et tout entier p tel que 1 ≤ p ≤ n ­ 1, on a :  C n  =  C n ­ 1  +  C n ­ 1 
(Relation de Pascal) 

p 
  avec  0 ≤ p ≤ n  sont donnés par le triangle de Pascal : 
Les nombres Cn 

p = 0  p = 1  p = 2  p = 3  p = 4  p = 5  p = 6  p = 7  …  p  p ­ 1 

C n ­ 1  +  C n ­ 1 
n = 0  1 
n = 1  1  1  p 
=  C n  . 
n = 2  1  2  1 
n = 3  1  3  3  1 
n = 4  1  4  6  4  1  Le tableau est appelé triangle de Pascal 
n = 5  1  5  10  10  5  1  en hommage à ce dernier qui écrivit en 
n = 6  1  6  15  20  15  6  1  1654 son "traité du triangle 
n = 7  1  7  21  35  35  21  7  1  arithmétique" dans lequel il expose 
…  …  …  …  …  …  …  …  …  …  d'innombrables applications du triangle 
déjà connu de Tartaglia (1556), Stiefel 
(1543) et des Chinois (1303). 
Ê M odèles de base 
Soit n et p deux entiers naturels. 
Les tirages de p boules dans une urne qui contient n, modélisent de nombreux problèmes de 
dénombrement. Le tableau ci­dessous dresse un bilan des types de tirage. 

Types de tirages  Ordre  Répétitions d'éléments  Dénombrement 

Successifs  Un élément peut être tiré 
Avec remise  On tient compte  plusieurs fois 
n p  (p­listes) 

Successifs  de l'ordre  p 
Un élément n'est tiré   
An  (arrangements) 
Avec remise 
qu'une seule fois  p 
Simultanés  L'ordre n'intervient pas   
Cn  (combinatoires) 

A ctivité 2 : Généralités sur les probabilités 

Vocabulaire des p robabilités 
Ê EXPÉRIENCE ALÉATOIRE 
Le lancer d’une pièce de monnaie, le lancer d’un dé … sont des expériences aléato ires, car avant de les effectuer, 
on ne peut pas prévoir avec certitude quel en sera le résultat, résultat qui dépend en effet du hasard. 
Remarque :  Une expérience aléatoire est encore appelée "épreu ve" 

Ê ÉVENTUALITÉ, UNIVERS, ÉVÉNEMENTS 
Considérons l’expérience aléatoire suivante :  «  On lance un dé non truqué à six faces numérotées de 1 à 6 et on  note le 
nombre figurant  sur la face supérieure du dé. » 
Les résultats possibles, encore appelés éventualités, à l’issue de cette épreuve sont : 1 ; 2 ; 3 ; 4 ; 5 ; 6. 
L’ensemble constitué de toutes les éventualités est appelé univers associé à l’expérience aléatoire. 
Notation : On désigne habituellement l’univers associé à une expérience aléatoire par la lettre W
Ainsi, pour l’exemple considéré, on a : W = {1 ; 2 ; 3 ; 4 ; 5 ; 6} 
9 Événements : On appelle ainsi les sous­ensembles de l’univers W.
9  Les événements formés d’un seul élément sont appelés événements é lémentaires. 
9  Étant donné un univers W, l’événement W est appelé événement ce rtain. 
9  L’ensemble vide est appelé événement impossible. 
9  L’événement formé des éventualités communes aux évènements A et B est noté  A I B . 
9  L’événement formé des éventualités qui sont dans A ou dans B est noté  A U B . 
9  Étant donné un univers W et un événement A, l’ensemble des éventualités qui ne sont pas dans A constitue un 
événement appelé événement contraire de A, noté  A  . 
9  Des évènements A et B sont incompatibles lorsque  A I B = Æ .

Probabilités_ Tle S (C, D, E, F)  Page 4 / 24 
http:/ / maths.educamer.o rg 
Powered by  w w w .educamer.o rg 

Exercice 1 
Un sac contient 10 jetons numérotés de 0 à 9. On tire au hasard un jeton de ce sac et on note le 
numéro marqué sur ce jeton. 
1.  Définir l'ensemble W des éventualités. Combien y a­t­il d'éventualités ? 
2.  Écrire sous forme de partie de W les événements : 
A : «obtenir un numéro inférieur ou égal à 5», 
B : «obtenir un numéro impair», 
C : «obtenir un numéro strictement supérieur à 4». 
3.  Écrire les événements  A U B ;  A I B ;  A U C ;  A I C ;  B U C ;  B I C ;  A 
A I C  ;  A U C  . 
Donner pour chacun d'eux une phrase qui les caractérise. 
4.  Parmi les événements utilisés précédemment, citer deux événements incompatibles qui ne 
sont pas contraires l'un de l'autre. 

Exercice 2 
Une urne contient trois boules blanches et deux boules noires. Les boules sont indiscernables au 
toucher. On tire simultanément deux boules de cette urne. 
1.  Définir l'ensemble W des éventualités. Combien y a­t­il d'éventualités ? 
2.  Écrire sous forme de partie de W les événements : 
A : «Les deux boules tirées sont de même couleur», 
B : «Les deux boules tirées sont de couleurs différentes», 
C : «Les deux boules tirées sont blanches». 
3.  Soit l’évènement D suivant : «Tirer au moins une boule blanche». 
Décrire par une phrase l’évènement D  puis déterminer, sous forme de partie de W,  D  et D

Probabilités_ Tle S (C, D, E, F)  Page 5 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educamer.o rg 

Le cours  (.... min) 

I . DÉFI N I TI ON  ET P ROP RI ÉTÉS 

1.  Définition 
On note W = {w1  ; w2  ;...; wn} l’ensemble des éventualités d’une expérience aléatoire. 
on définit une loi de probabilité sur W en associant à chaque éventualité wi  un nombre réel pi 
tels que : 
9  0 ≤ pi  ≤ 1 
9  p1 + p2  + … + pn  = 1 
pi  est la probabilité de l’événement élémentaire {wi} et on note pi  = p({wi}) ou parfois plus 
simplement pi  = p(wi). 
Le principe suivant permet de calculer la probabilité d'un événement quelconque : 
} pour tout événement E inclus dans W, on appelle probabilité de E (noté p(E)) la somme des 
probabilités des éventualités de E. 
} On pose d'autre part  p(Æ) = 0. 

2.  P ropriétés des probabilités : 

P arties de W Vocabulaire des événements  P ropriété 

A  A quelconque  0 ≤ p(A) ≤ 1
Æ Événement impossible  p(Æ) = 0
W Événement certain  p(W) = 1 
A Ç B = Æ A et B sont incompatibles  p( A U B ) = p(A) + p(B)
A A est l’événement contraire de A  p( A ) = 1 – p(A) 
A, B  A et B quelconques  p( A U B ) = p(A) + p(B) – p( A I B ) 

3.  Équiprobabilité : 
Lorsque tous les événements élémentaires d’un univers ont la même probabilité, on dit qu’il y a 
équiprobabilité. 
Dans ce cas, si l’univers W est composé de n éventualités wi  , on a : 
1 
pi  = P ({ wi }) =  = 1 
card (Ω)  n 
On a alors, pour tout événement A :  P (A) = card ( A ) 
card ( W ) 

Remarques : 
Les expressions suivantes  « dé équilibré, dé parfait  ou dé non pipé»,  « boule tirée de l’urne au 
hasard »,  « boules indiscernables au toucher », « cartes bien battues », « tirage au hasard »… 
indiquent que, pour les expériences réalisées, il y a équiprobabilité. 

Les éventualités de l’évènement A sont appelés cas favorable et celles de W cas possibles. 
On écrit alors P (A) =  nombre de cas favorables 
nombre de cas possibles 

Modéliser une expérience aléatoire, c’est associer à cette expérience une loi de probabilité sur 
l’ensemble W des résultats possibles. 
Les conditions de l’expérience conduisent le plus souvent au choix du modèle.

Probabilités_ Tle S (C, D, E, F)  Page 6 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educ amer.o rg 

4.  Exercices résolus : 
Exercice 1 
On lance au hasard un dé équilibré quatre fois de suite et on considère le nombre formé par les quatre numéros 
pris dans l'ordre de sortie. W désigne l'ensemble des issues possibles. 
Calculer les probabilités des évènements suivants : 
A : " Le nombre est 4211 " 
B : " Le nombre est formé de quatre chiffres distincts " 
C : " Le nombre est formé d'au moins deux chiffres identiques " 
D : " Le nombre est pair " 
E : " Le nombre est impair et est formé de quatre chiffres distincts " 
F : " Le nombre est pair ou est formé d'au moins deux chiffres identiques " (on note I : " Le nombre est impair ") 

9  Les éventualités ici sont des 4­listes de l’ensemble E  Les éventualités qui réalisent D sont des 4­listes 
= {1 ; 2 ; 3 ; 4 ; 5 ; 6}  finissants par 2 ou 4 ou 6 
Card(W) = 6 4  = 1296  (il revient donc de former des 3­listes) 
Les 1296 issues sont équiprobables.  Card(D) = 6 3  + 6 3  + 6 3  =  3×6 3  = 648 
648  1 
et  p(D) =  = 
9  Calcul de p(A) :  1296  2 
A : " Le nombre est 4211 " 
A est un évènement élémentaire  9  Calcul de p(E) : 
1  E : " Le nombre est impair et est formé de quatre 
(A = {(4, 2, 1, 1)}) :  p (A) = 
1296  chiffres distincts " 
Les éventualités qui réalisent E sont des 
9  Calcul de p(B) :  4­arrangements finissants par 1 ou 3 ou 5 
B : " Le nombre est formé de quatre chiffres  (il revient donc de former des 3­arrangements avec 
distincts "  à chaque fois 5 nombres) 
3  3  3  3 
Les éventualités qui réalisent B sont les 4­listes  Card(E) = A 5  + A 5  + A 5  =  3×A 6  = 180 
sans répétition de W (des 4­arrangements) 
4  180  5
Card(B) = A 6  = 6 ´ 5 ´ 4 ´ 3  = 360  et     p(E) =  = 
1296  36 
360  5
p (B) =  = 
1296  18  9  Calcul de p(F) : 
F : " Le nombre est pair ou est formé d'au moins 
9  Calcul de p(C) :  deux chiffres identiques" 
C : " Le nombre est formé d'au moins deux chiffres  on note I : " Le nombre est impair " 
identiques "  ¾ ¾ ¾
F = I U B  =  I  I  B = E 
C =  B  ¾
(Remarque : F = D U C = D U B  ;  d’où l’idée de 
¾ 13 
p (C) = p ( B  ) = 1 – p (B) =  considérer I tel que  I  = D  ) 
18 
31 
Ainsi , p (F) = p ( I  I  B ) = 1 –  p (E) = 
9  Calcul de p(D) :  36 
D : " Le nombre est pair " 

Exercice 2 
On dispose de cinq boules numérotées de 1 à 5. 
On les place au hasard dans six boites nommées A, B, C, D, E et F. Chaque boite peut recevoir jusqu’à 5 boules. 
On note ACCBE l’événement : «  la 1ere boule est dans la boite A, le 2e et la 3e dans la boite C, la 4e dans la boite 
B et la 5e dans la boite E » 

1.  Soit W l’univers associé à cette expérience aléatoire. Calculer son cardinal. 

2.  Calculer la probabilité que toutes les boules soient dans des boites différentes. 
3.  a. Calculer la probabilité qu’aucune boule ne soit dans la boite A 
b. Calculer la probabilité qu’il y ait au moins une boule dans la boite A 
4.  Calculer la probabilité pour que les boules numérotées 1 et 2 soient dans la même boite. 
5.  Calculer la probabilité pour que la somme des numéros des boules placées dans la boite A soit égale à 6. 

1.  Card(W) = 6 5  = 7 776 

(On peu remarquer qu’une éventualité correspond  3.  a.  Aucune boule n’étant dans la boite A, il revient 
à une application de l’ensemble des 5 boules vers  à placer 5 boules dans 5 boites ; chaque boite 
l’ensemble des 6 boites)  pouvant contenir toutes les 5 boules. 
5 5  3125 
La probabilité cherchée est donc :  5  = 
2.  On peut placer la 1 ère  boule dans n’importe quelle  6  7776 
boîte soit 6 possibilités.  b.  « il y a au moins une boule dans la boite A » 
il ne reste plus que 5 possibilités pour la 2 e  boule  est l’événement contraire de 
puis 4 pour la 3 e  boule, etc…  « in n’y a aucune boule dans la boite A » 
La probabilité cherchée est donc :  5 5 
6x5x4x3x2  5 La probabilité cherchée est donc de : 1­  5 
=  6 
6 5  54 
(Rem : En posant E l’évènement "toutes les boules  4.  Les boules 1 et 2 sont dans la même boite soit : 
sont dans des boites différentes", on a  6 possibilités.  Les 3 autres boules sont dispersées 
3 
Card(E) = A 6  au hasard dans les 6 boites soit : 6 3  possibilités 
les éventualités qui réalisent E correspondent à  6x6 3  1 
La probabilité cherchée est donc :  5  = 
des applications injectives)  6  6

Probabilités_ Tle S (C, D, E, F)  Page 7 / 24 
http:/ / maths.educamer.o rg 
Powered by  w w w .educ amer.o rg 

5.  La somme des numéros des boules placées dans la  9  on y a placé les boules numérotées 2 et 4. 

boite A est égale à 6 si :  Il reste 3 boules à placer dans 5 boites soit 5 3  = 125 
9  on y a placé les boules numérotées 1,2 et 3.  possibilités 
Il reste alors 2 boules à placer dans 5 boites  La probabilité cherchée est donc : 
soit 25 possibilités.  25 + 125 + 125  275 
=  5 
9  on y a placé les boules numérotées 1 et 5  6 5  6 
Il reste 3 boules à placer dans 5 boites soit 
5 3  = 125 possibilités. 

Exercice 3 
On donne  P ( A Ç B ) = 0,25, P(  A Ç B ) =0,42 et P(  A È B ) = 0,82. 
Calculer P(  A Ç B ) , P(A) et P(B).
Une représentation pourra être utile…. 

P(A Ç B) = 1­ P (  A Ç B  ) = 1 – P(  A È B  ) = 0,18 

P(A) = P(A Ç B  ) + P(A Ç B) = 0,6  (en effet  A = (A Ç B  ) È (A Ç B) ) 

P(B) = P(B Ç A  ) + P(A Ç B) = 0,43

Exercice 4 
Une urne contient 10 boules indiscernables, 5 rouges, 3 jaunes et 2 vertes. 
On tire au hasard et simultanément 3 boules de cette urne. 
Les réponses seront données sou forme de fractions irréductibles. 
1.  Soit W l’univers associé à cette expérience.  Montrer que Card(W) = 120 
2.  Soit les événements suivants : 
A : « les trois boules sont rouges » 
B : « les trois boules sont de la même couleur » 
C : « les trois boules sont chacune de couleur différente » 
1
a)  Montrer que p(A) = 
12 
b)  Calculer p(B) et p(C). 

3 
1.  On a ici un tirage simultané de 3 boules parmi 10 : le nombre total de tels tirages est C 10  = 120 

2.  Il y équiprobabilité. On a donc : 
Card(A)  3  10  1
a)  p(A) =  et   Card(A) = C 5  = 10.  Donc  p(A) =  = 
Card(W)  120  12 
3  3  11 
b)  Card(B) = C 5  + C 3  =  11.      Alors  p(B) = 
120 
1  1  1  30  1 
Card(C) = C 5  x C 3  x C 2  =  30.  Alors  p(C) =  = 
120  4 

Exercice 5 (B ac D 2004) 
Une urne contient douze boules numérotées de 1 à 12. On tire simultanément trois boules. On suppose que tous les 
résultats possibles d’un tel tirage sont équiprobables. On désigne par a, b et c les numéros de trois boules tirées. 
Déterminer la probabilité de chacun des événements suivants :  Autre variante de l’exercice : 
A : « a , b et c sont des termes consécutifs d’une suite arithmétique de raison 3 »  A : « a , b et c sont des termes 
B : «  a , b et c sont des termes consécutifs d’une suite géométrique de raison 2 »  consécutifs d’une suite arithmétique » 
C : « a , b et c sont des termes consécutifs d’une suite arithmétique de raison ­2 »  A : « a , b et c sont des termes 
N.B. : On donnera les résultats sous forme de fraction irréductibles.  consécutifs d’une suite géométrique »

3 
} On a ici un tirage simultané de 3 boules parmi 12 : le nombre total de tels tirages est C 12  = 440 
} Calcul de p(A) 
Card(A) 
Il y équiprobabilité. On a donc : p(A) = 
Card(W) 
a , b et c devant être les termes consécutifs d’une suite arithmétique de raison 3 : 
9  pour a=1, on a : b = 4 et c = 7    donc  {1 ; 4 ; 7} est une éventualité qui réalise A 
9  pour a=2, on a : b = 5 et c = 8    donc   {2 ; 5 ; 8} est une éventualité qui réalise A 
…
9  pour a=6, on a : b = 9 et c = 12    donc   {6 ; 9 ; 12} est une éventualité qui réalise A 
On ne peu avoir a = 7 
6  3 
On a donc Card(A) = 6  et par suite   p(A) =  = 
440  220 
} Calcul de p(C) 
Card(C)  8  1
Un raisonnement identique au précédent permet d’obtenir :  p(C) =  =  = 
Card(W)  440  55 

Probabilités_ Tle S (C, D, E, F)  Page 8 / 24 
http:/ / maths.educamer.o rg 
Powered by  w w w .educ amer.o rg 

} Calcul de p(B) 
Card(B) 
Il y équiprobabilité. On a donc : p(B) = 
Card(W) 
a , b et c devant être les termes consécutifs d’une suite géométrique de raison 2 : 
9  pour a=1, on a : b = 2 et c = 4    donc   {1 ; 2 ; 4} est une éventualité qui réalise B 
9  pour a=2, on a : b = 4 et c = 8    donc   {2 ; 4 ; 8} est une éventualité qui réalise B 
9  pour a=3, on a : b = 6 et c = 12    donc   {3 ; 6 ; 12} est une éventualité qui réalise B 
On ne peu avoir a = 4 
3 
On a donc Card(B) = 3  et par suite   p(B) = 
440 

Exercice 6 (B ac D 2003) 
n restaurant propose à ses clients le tableau suivant appelé menu du jour. 
Catégorie  Descrip tion 
Entrée  5 entrées au choix du client, 2 à 600 F chacune et 3 à 1200 F chacune 
Plat du jour  4 "plats du jours" au choix du client ; un à 1500 F , 2 à 2000 F Chacun et un 2500 F 
Dessert  3 dessert au choix du client ; 2 à 500 F et un à 1000 F. 

Mme IKS se rend dans ce restaurant et commande un menu en choisissant au hasard une entrée, un "plat du jour" 
et un dessert. 
Calculer la probabilité de chacun des évènements A, B et C suivants : 
a)  A " le menu de Mme IKS " coûte 3100 F ; 
b)  B " le menu de Mme IKS " coûte au plus 4000 F ; 
c)  C " le menu de Mme IKS " coûte au moins 3500 F 

On peut représenter cette expérience par l'arbre pondéré ci­dessous : 
Règles de construction d’un 
Menu à 2600  arbre pondéré 
Dessert  2 
1  à 500 
3  }  La somme des probabilités 
4  des branches issues d'un 
même nœud est 1. 
Dessert  Menu à 3100 
Plat du jour  1  }  La probabilité de 
à 1000 
à 1500  3  l'événement correspondant 
à un trajet est le produit 
Dessert 
2  Menu à 3100  des probabilités des 
à 500 
différentes branches 
Plat du jour  2  3 
2  composant ce trajet. 
à 2000  4 
5 
Dessert  1  Menu à 3600 
à 1000  3 
Plat du jour 
à 2500  Dessert  2  Menu à 3100 
entrée à 600  à 500  3 
1 
4 
1  Menu à 4100 
Dessert 
à 1000 
3

Dessert  2 
à 500  Menu à 3200 
3 
1 
Plat du jour  4  1 
entrée à 1200  à 1500  Dessert  Menu à 3700 
à 1000 
3 

Dessert  2  Menu à 3700 
à 500 
3 
3  Plat du jour  2 
5  à 2000  4 
1  Menu à 4200 
Dessert 
à 1000 
3 

Plat du jour  Dessert  2  Menu à 4200 

à 2500  à 500  3 
1 
4  1 
Dessert  3 Menu à 4700
à 1000 

Probabilités_ Tle S (C, D, E, F)  Page 9 / 24 
http:/ / maths.educamer.o rg 
Powered by  w w w .educ amer.o rg 

Une fois l’arbre pondéré réalisé, il est aisé de déterminer les probabilités des différents évènements. 
2  1  1  2  2  2  2  1  2  14 7 
9  p(A) =  x  x  +  x  x  +  x  x  =  = 
5  4  3  5  4  3  5  4  3  60  30 
2  1  1  3  2  1  3  1  2  3  1  1 
9  p(B) = 1 – p(  B  )  =  1  ­  (  x  x  +  x  x  +  x  x  +  x  x  )  =  … 
5  4  3  5  4  3  5  4  3  5  4  3 
9  p(C) = 1 – p(  C  )  =  … 

Exercice 7 (B ac C 2005) 
1.  Soit n un entier naturel supérieur ou égal à 1  et  x  un réel positif. 
n 
Montrer par récurrence que :  (1 + nx) ≤ (1 + x)  . 
2.  On dispose de n boules numérotées de 1 à n. On les place toutes 
au hasard dans n boites numérotées de 1 à n,  chaque boite pouvant 
contenir de zéro à  n boules. 
Calculer la probabilité  Pn  pour que chaque boite contienne exactement une boule. 
n!
3.  On pose  Pn  =  n  ,  où  n! désigne  « factoriel n » 
n 
P
a)  Montrer que, pour tout entier naturel n supérieur ou égal à 1, on a :  n  ³ 2 
Pn­1
1 
b)  En déduire l’inégalité : Pn £ n­1  pour tout entier naturel n supérieur ou égal à 1. 
2 
c)  Calculer la limite de la suite  (Pn) quand  n  tend vers + ¥

1.  Pour n = 1, on a : 
| (1 + (1)x ) = 1 + x 
1 
(1 + x)  = 1 + x 
n 
et on bien  (1 + nx) ≤ (1 + x) 
Soit k Î IN,   k ³ 1 
k 
Supposons la proposition vraie au rang k  (c’est­à­dire  (1 + kx) ≤ (1 + x)  ) 
Pour n = k + 1, on a : 
k+1  k  k 
(1 + x)  = (1 + x)  (1 + x) 
Et puisque  (1 + kx) £ k 
(1 + x)  ,  on a :  (1 + kx)(1 + x) £ k 
(1 + x)  (1 + x) 
k+1 
autrement dit                                         1 + kx + x + kx² £ (1 + x) 
Or     1 + kx + x £ 1 + kx + x + kx²            (car  kx² ³ 0) 
k+1 
alors   1 + kx + x £ (1 + x) 
k+1 
autrement dit     1 + (k + 1)x £ (1 + x) 

la proposition est donc héréditaire 
n 
Conclusion : "n Î IN,  (1 + nx) ≤ (1 + x) 
une éventualité correspond à une application de 
2.  Soit W l’univers associé à cette épreuve.  l’ensemble des boules vers l’ensemble des boites
Card W = n n 
n 
Soit A l’évènement « chaque boite contient exactement une boules » :  Card A = A n  = n! 
card A  n! 
alors  p(A)  = Pn  =  =  n 
card W n 

P
3.  a)  Montrer que, pour tout entier naturel n supérieur ou égal à 1, on a :  n  ³ 2 
Pn+1
(n+1)  n  n 
n+1 
Soit  n Î IN* : 
Pn 
Pn+1 
n! (n+1) 
=  n  x 
n  (n+1)! 
= 
n! 
(n+1)n! 
x 
(n+1)(n+1) 
n 
n 
=  n  (  ) 
n  n 
n+1  1 
Pn 
Pn+1 
=  n (  )  (  ) 
=  1 + 
n 
n n
1  1  1 
Et d’après la question 1°) : 
(  ) 
1 + 
n  ( ) 
³ 1 + n  n  c'est­à­dire  1 + 
(  ) 
n  ³ 2 

P
Il vient alors que  n  ³ 2 
Pn+1

£ 1 
b)  En déduire l’inégalité : Pn pour tout entier naturel n supérieur ou égal à 1. 
2 n­2 
Pn 
Soit  n Î IN*.  On a :  ³ 2    alors     Pn ³ 2Pn+1  (car P n+1  >  0) 
Pn+1
1 
il vient que   Pn+1 £ Pn  pour tout n Î IN* 
2 
1 
Prouvons, par récurrence  que  Pn £ n­2  pour tout n Î IN* 
2 

Probabilités_ Tle S (C, D, E, F)  Page 10 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educ amer.o rg 

ï 1 P1  = 1  1 
o  pour n = 1 ï 1­2  =  2  P1 £
2 1­2 
la proposition est vraie pour   n = 1 
ï 2 
£ 1 
o  Soit  k Î IN* .  Supposons que la proposition soit vraie pour  n = k ( c­à­d Pk ) 
2 k­2 
1 
o  pour  n = k+1, on a   Pk+1 £ Pk  (conséquence de la question 3.b))
2 
ïPk+1 £ 1  Pk 
ï 2  1  1 
ï Pk £ 1 
ï 2 k­2 
alors   Pk+1  x Pk £
(  ) (  ) 
2 
Pk 
2 k­2 

1 
1 
il vient donc que    Pk+1 £
2  2 
k­2 
(  )  1 
c'est­à­dire     Pk+1 £ k­1 
2 
La proposition est donc héréditaire. 
1 
Conclusion :  Pn £ n­2  pour tout entier naturel n supérieur ou égal à 1 
2 

c)  Calculer la limite de la suite  (Pn) quand  n  tend vers + ¥

£ 1 
On a :  0 < Pn pour tout entier naturel n supérieur ou égal à 1 
2 n­2 
1 
or  lim  n­2  =  0.   alors,  lim Pn  =  0 
n ® +¥ 2  n ® +¥

Exercice 8 (B ac C 2002) 
P désigne un entier naturel supérieur ou égal à 2. 
p 
j  p+1 
1.  a)  Démontrer par récurrence que : åj.2  = (p ­ 1).2  + 2 
j=1 
b)  On a mis dans une boite N jetons numérotés de 1 à p indiscernables au toucher. 
Le tableau ci­contre donne la répartition des jetons suivant leurs numéros. 
Numéro de 
1  2  3  …  j  …  p 
jeton 
Nombre de  j  p 
2  2²  2 3  …  2  …  2 
jetons 
Calculer N. 
2.  On extrait au hasard un jeton de la boîte ; les tirages sont supposés équiprobables. 
Pour tout j de l’intervalle [1,p], 
on note Aj  l’événement « tirer un jeton portant le numéro j » et Pj  la probabilité de Aj. 

a)  Calculer pj en fonction de j et de p. 
p 
b)  On pose E= åjpj . En utilisant le résultat de 1 a), calculer E en fonction de p. 
j=1 

1.  a) 
p  j  p+1 
9  Pour p = 2, on a : åj.2  = 1x2 1  + 2x2 2  =  10  et  (p ­ 1).2  + 2  = 2 3  + 2 = 10 
j=1 
la proposition est vraie pour p = 1 
m  j 
m+1 
9  Soit un entier m tel que m ≥ 1,  supposons la proposition vraie pour p = m, c'est­à­dire : åj.2  = (m ­ 1).2  + 2 
j=1 
Pour p = m+1, on a :
m+1  m 
j  j  m+1 
åj.2  = åj.2  + (m+1)2 (m+1)  =  [(m ­ 1).2  + 2] + (m+1)2 (m+1)  =  2 (m+1)  [(m­1) + (m+1)] + 2
j=1  j=1 
m+1  j 
åj.2  = 2m x 2 (m+1)  + 2  =  m2 (m+2)  + 2 
j=1 
la proposition est donc héréditaire 
p  j 
p+1 
Il vient donc que åj.2  = (p ­ 1).2  + 2  pour tout entier p ≥ 2 
j=1 
p 
1.  b)  N = 2 + 2² + 2 3 + . . . 2 
p+1 
p  1­ 2  p+1 
donc   N + 1 = 1 + 2 + 2² + 2 3 + . . . 2  =  =  2  – 1 
1 ­ 2 
p+1 
donc  N  = 2  – 2

Probabilités_ Tle S (C, D, E, F)  Page 11 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educ amer.o rg 

j  j 
2  2 
2.  a)  pj  =  =  p+1 
N  2  – 2 
p  j  p  j 
2  1 
2.  b)  On a :  E = å j 
p+1  =  p+1  å j2 
j=1 2  – 2  2  – 2 j=1 
p 
1  p+1  (p ­ 1).2  + 1 
De la question 1.a), on a :    E =  p+1  [(p ­ 1).2  + 2]  =  p 
2  – 2  2  ­ 1 

Exercice 9 ( D’ap rès BA C) 

Dans une loterie à 6 numéros, on désigne par p(k) la probabilité de tirer le numéro k (1 ≤ k ≤ 6). On suppose que 
p(1) = p(3) = p(5) = a  et  p(2) = p(4) = p(6) = b. 
On pratique un seul tirage et on note A l’évènement :« le numéro tiré est supérieur ou égal à 4 ». 
p(A) est la probabilité de A. 
5
1.  Déterminer a et b pour que p(A) = 
12 
2.  Quelles sont les valeurs du réel a pour lesquelles on peut déterminer  p(k) de sorte que p(A) = a
Déterminer alors p(k) 

5 5
1.  p(A) =  Û p(4) + p(5) + p(6) = 
12 12
5
Û a + 2b = 
12 
On sait par ailleurs que :   p(1) + p(2) + p(3) +  p(4) + p(5) + p(6) = 1   c'est­à­dire   3a + 3b = 1 
ì 5 1  1
il vient donc que :  ï a + b  = et par suite :  a =  et  b = 
í 12  4  12 
ïî3 a + 3 b = 1 
2.  On a :  p(A) = a Û a + 2b = a
1 
Et puisque  3a + 3b = 1,  p(A) = a Û b +  = a
3 
1 
Or  0 ≤ b ≤  (en effet,   p(2) +  p(4) + p(6) = 3b ≤ 1) 
3 
1  1  2  1  2 
On a donc :  ≤ b +  ≤  c'est­à­dire  ≤ a ≤ 
3  3  3  3  3 
2  1 
On a dans ce cas  p(1) = p(3) = p(5) = a =  ­ a et       p(2) = p(4) = p(6) = b = a ­ 
3  3

Probabilités_ Tle S (C, D, E, F)  Page 12 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educ amer.o rg 

I I . P ROBA BI LI TÉS CONDI TI ONN ELLES 

A ctivité 
En fin de 3 ème , chaque élève d’un lycée de la ville de Douala choisit une et une seule spécialité 
en seconde suivant les répartitions ci –dessous : 
} Par série 
série C (ou S)  série A (ou L)  série B (ou ES) 
40%  25%  35% 

} Sexe de l’élève selon la spécialité 
Série 
C (ou S)  A (ou L)  B (ou ES) 
Sexe 
Fille  45%  24%  60% 
Garçon  55%  76%  40% 

On choisit un élève au hasard. 
1.  Construire l’arbre pondéré de cette expérience aléatoire. 
2.  a)  Quelle est la probabilité de chacun des événements suivants ? 
F : « l’élève est une fille »  ;  C : « l’élève est en série C ». 
b)  Quelle est la probabilité que ce soit une fille ayant choisi série C ? 
c)  Sachant que cet élève a choisi série C, quelle est la probabilité que ce 
soit une fille ?
On appelle probabilité de F sachant M cette probabilité (conditionnelle)et on la note pC(F). 
Quelle égalité faisant intervenir p(F Ç C), p(F) et pC(F) peut­on écrire ? 
Comparer p(F) et pC(F) et en donner une interprétation. 
d)  Sachant que cet élève a choisi la série B, quelle est la probabilité que ce soit une fille ? 
e)  Comparer pB(F) et p(F) , et en donner une interprétation. 

Définition : 
Soit W un ensemble muni d'une loi de probabilité p et soit A un événement de probabilité 
non nulle. 
Pour tout événement B, on appelle probabilité de B sachant que A est réalisé le réel noté PA(B) 
P(A I B) 
tel que PA(B) =  . 
p(A) 
PA(B) est parfois notée p(B / A) et se lit aussi "probabilité de A sachant B". 

Remarque : 
Si A et B sont tous deux de probabilité non nulle, alors les probabilités conditionnelles p(A/B) et 
p(B/A) sont toutes les deux définies et on a :  p(A I B) = p(A/B)p(B) = p(B/A)p(A). 

I I I .  I NDÉP EN DAN CE 

Définition : 
A et B sont 2 événements de probabilité non nulle. 
A et B sont indépendants lorsque p(A/B) = p(A)  ou  p(B/A) = p(A). 
(la réalisation de l’un ne change pas la réalisation de l’autre) 

Théorème : 
Deux événements A et B de probabilité non nulle sont indépendants si et seulement si 
ils vérifient une des trois conditions : 
p(A/B) = p(A)  ou  p(B/A) = p(B)  ou  p( A Ç B) = p(A)p(B). 

Démonstration : 
9  Par définition, les deux premières sont équivalentes 
9  si p(A/B) = p(A) comme p(A Ç B) = p(A/B)p(B) alors p(A Ç B) = p(A) p(B)

Probabilités_ Tle S (C, D, E, F)  Page 13 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educ amer.o rg 

9  si p(A ÇB) = p(A)p(B), comme p(B) ¹ 0,
(
p AIB ) = p(A)  c’est­à­dire  pB(A) = p(A) 
p B ( )
Exercices résolus 
Exercice 1 
Deux évènements A et B vérifient : 
P(A) = 0,4   ;   P(B) = 0,5   ;    P(A∪B) = 0,7. 
Sont­ils indépendants ? Sont­ils incompatibles ? 

On a :  p( A U B ) = p(A) + p(B) – p( A I B ) 

donc :  p( A I B ) = p(A) + p(B) – p( A U B )  =  0,4 + 0,5 – 0,7 = 0,2 
D’autre part :  p(A) x p(B) = 0,4 x 0,5 = 0,2 
Conclusion :  p( A I B ) = p(A) x p(B)  et  p( A I B ) ≠ 0 
Autrement dit, A et B sont indépendants et ne sont pas incompatibles 

Exercice 2 
Deux évènements A et B indépendants vérifient : 
P(A) = 0,2     et     P(B) = 0,4. 
Calculer : P(A∪B) , P(A∪ B  ) , P(  A ∪B)  et  P(  A ∪ B  ). 

On a : 
9  p( A U B )  =  p(A) + p(B) – p( A I B )  =  p(A) + p(B) – p(A) x p(B)  =  0,2 + 0,4 – (0,2 x 0,4)  =  0,52 
9  A∪ B  =  B ∪ ( A I B )  et  B Ç ( A I B ) = Æ

Donc :  p(A∪ B  )  =  [1 ­ p(B)]  + p(A) x p(B)  =  1 – 0,4 + 0,08  =  0,68 

9  A ∪ B  =  A ∪ ( A I B )  et  A Ç ( A I B ) = Æ

Donc :  p(  A ∪ B)  =  [1 ­ p(A)]  + p(A) x p(B)  =  1 – 0,2 + 0,08  =  0,88 

9  A ∪ B  =  A Ç B 

Donc :  p(  A ∪ B  )  =  p(  A Ç B  )  =  1 ­  p( A I B )  =  1 ­  p(A) x p(B)  =  1 – 0,08  =  0.92 

Exercice 3 
On tire une carte au hasard d’un jeu de 52 cartes bien battu. 
1.  Les deux évènements « la carte tirée est un cœur » et « la carte tirée est un roi » sont­ils indépendants ? 
2.  Même question pour « la carte tirée est un cœur » et la carte tirée n’est pas un roi ». 

1.  Posons A l’évènement : « la carte tirée est un cœur »  et B l’évènement : « la carte tirée est un roi » 

13  4 1
On a :  p(A) =  ;    p(B) =  ;   p( A I B ) = 
52  52  52 
p(A) x p(B) = p( A I B ) 
Les évènements A et B  sont donc  indépendants 
2.  On travaille ici avec A et  B  ( A et B étant les évènements de la question 1) 
13  48  12 
p(A) =  ;    p(  B  ) = 1 – p(B) =  ;   p(AÇ B  ) = 
52  52  52 
p(A) x p(  B  ) ≠ p(AÇ B  ) 

Les évènements A et  B  ne sont donc  pas indépendants.

Probabilités_ Tle S (C, D, E, F)  Page 14 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educ amer.o rg 

Exercice 4 (B ac D 2001) 
Un collège bilingue de 930 élèves comporte une section anglophone et une section francophone. 
30% des élèves sont en section anglophone ; 
40% des élèves du collège sont des garçons ; 
25% des élèves garçons du collège sont en section anglophone. 
1.  Recopier et compléter le tableau suivant : 
Catégorie d’élèves  Nombre 
Élève en section anglophone 
Élève en section francophone 
Élève garçon en section anglophone 
Élève fille du collège 
2.  On choisit au hasard un élève du collège, on suppose que tous les choix d’un élève sont 
équiprobable. Calculer la probabilité de chacun des évènements suivants : 
a)  A « choisir un élève de la section anglophone » 
b)  B « Choisir un garçon sachant qu’il est un élève de la section anglophone » 
c)  C « choisir un élève de la section anglophone sachant qu’il est un garçon » 

1.  On a : 
} 30% des élèves sont en section anglophone,  soit 279 élèves. 
} 40% des élèves du collège sont des garçons,  soit 372 élèves. 
} 25% des élèves garçons du collège sont en section anglophone, soit 93 élèves. 
Réalisons un tableau de contingence : 
élèves de la section  élèves de la section non 
Total 
anglophone  anglophone (francophone)
Élève fille du 
186  372  558 
collège 
Élève garçon 
93  279  372 
du collège 

Total  279  651  930 

On peut alors compléter le tableau donné : 
Catégorie d’élèves  Nombre 
Élève en section anglophone  279 
Élève en section francophone  651 
Élève garçon en section anglophone  93 
Élève fille du collège  558 

279 
2.  a)  p(A) =  =  0,3  (30%) 
930 
b)  On pose I et J les évènements suivants : 
G : « choisir un élève garçon »   ;   A :  « choisir un élève de la section anglophone » 
P(G I A)  93 
p(B) = PA (G) =  ;  p( G I A ) =  = 0,1  (10 %) 
p(A)  930 
0,1  1  93 
On a donc : p(B) =  =  (=  ) 
0,3  3  279 
93 
P(G I A)  930  93  1 
c)  p(C) = PG (A) =  =  =  = 0,25 = 
p(G)  372  372  4
930 

Probabilités_ Tle S (C, D, E, F)  Page 15 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educamer.o rg 

}  Leçon 2 :  VAR I ABLES ALÉATOI R ES 

Activités de mise en place de la leçon (pré­requis)  (..... min) 

A ctivité 1. 
On lance trois fois de suite une pièce de monnaie équilibrée. On gagne 200 F pour chaque résultat 
« pile » et on perd 100 F pour chaque résultat « face ». 
1.  Quel est l’ensemble W des issues possibles ? 
2.  Soit X l’application de W dans Y qui, à chaque issue, associe le gain (algébrique) correspondant. 
a)  Quelles sont les valeurs prises par X ? 
b)  On notera [X = 600] pour dire : « obtenir un gain de 600 F » ; il est clair qu’il s’agit ici de 
l’évènement «obtenir 3 fois pile à l’issue des trois lancés » 
Décrire par une phrase les évènements [X = 300] ; [X > 0] ; [X ≤ 250] 
c)  Calculer la probabilité de ces évènements. 
d)  Compléter le tableau suivant appelé "loi de probabilité de X". 

Valeurs prise par X (xi)  ……………. 
Probabilité  ……………. 
pi  = p([X = xi]) 
3.  L'espérance mathématique de X (ou moyenne) est le nombre réel 
i = n 
E(X) = x1.p(X=x1) + L +  xn.p(X=xn)    c'est­à­dire  E(X)  =  å x .p( X
i  = 1 
i = xi ) . 

Calculer E(X) 
4.  La variance  de X est le nombre réel (positif) 
i = n 
V(X) = (x 1 - E(X)) 2 .p(X=x 1 ) + L + (x n - E(X)) 2 .p(X=x n ) =  å (x i - E(X)) 2 .p(X=x i ) 
i = 1
i = n 
2 
On a aussi  V(X) = å ( x i )  . p ( X  = x i  ) - [E ( X ) ] 
2 

i 
= 1 

L'écart type de X est le nombre réel (positif) s(X) =  V ( X )  . 

Calculer la variance et l’écart type de X 
5.  La fonction de répartition de X, est définie pour tout réel x par F(x) = p(X £ x). 
Représenter graphiquement la fonction de répartition de X 

A ctivité 2. 
Un questionnaire à choix multiples consiste à répondre successivement à quatre questions 
indépendantes. Pour chaque question trois réponses sont proposées, dont une seule est correcte. 
Un candidat répond au hasard à chaque question. 
1.  On appelle X le nombre de bonnes réponses. 
Étudier X (loi de probabilité, espérance, écart­type). 
2.  On appelle Z le score du candidat, sachant que chaque bonne réponse rapporte deux points et 
chaque mauvaise réponse enlève un point. 
Étudier Z.

Probabilités_ Tle S (C, D, E, F)  Page 16 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educamer.o rg 

Le cours  (.... min) 

1.  DÉFI N I TI ON , VOCA BULA I RE ET NOTATI ONS 

Étant donné un ensemble fini W muni d'une loi de probabilité p, on appelle variable aléatoire 
réelle sur W, toute application X de W dans IR. 
L’ensemble de toutes les valeurs prisent par X est noté X(W) et est appelé univers image de W
par X 
L’événement de W noté [X = k ] est l’ensemble des éléments w Î W tels que X(w) = k 
L’événement de W noté [X ≤ k ] est l’ensemble des éléments w Î W tels que X(w) ≤ k 

Si on note X(W) = {x1  ; x2  ; L ; xn}, on appelle loi de probabilité de la variable aléatoire X 

l'application qui à tout élément xi  fait correspondre p([X=xi]). 
il est commode de représenter une loi de probabilité par un tableau. 
Valeurs prise par X (xi)  x1  x2  …………….  xn 
Probabilité  ……………. 
p1  p2  pn 
pi  = p([X = xi]) 
Remarque : la somme de ces probabilités est égale à 1 

2.  ESP ERAN CE, VA RI AN CE, ÉCA RT­TY P E 

On considère un ensemble fini W muni d'une loi de probabilité p et X une variable aléatoire 
numérique. On note X(W) = {x 1  ; x 2  ; L ; x n }. 

}  On appelle espérance mathématique de X (ou moyenne) le nombre réel : 
Fastoche ! 
E(X) = x 1 .p(X=x 1 ) +  x 2 .p(X=x 2 ) + L +  x n .p(X=x n )  Le terme « espérance » vient du langage des jeux : lorsque X 
désigne le gain, E(X) est le gain moyen que peut espérer un 
i = n 
joueur sur un grand nombre de parties. 
c'est­à­dire :  E(X) =  å x i .p(X = x i ). 
Lorsque E(X) = 0, on dit que le jeu est équitable 
i=1
On dit que le jeu est favorable au joueur si et seulement si 
l'espérance mathématique est strictement positive.
}  On appelle variance de X le nombre réel (positif) : 
2  2  2 
V(X) = (x 1  ­ E(X)) .p(X=x 1 ) +  (x 2  ­ E(X)) .p(X=x 2 ) + L + (x n  ­ E(X)) .p(X=x n ) 
i = n 
c'est­à­dire   V(X) =  å (x i  ­ E(X)) 2 .p(X = x i ) . 
i=1
i = n 
On a aussi  V(X) =  å (x i ) 2 .p(X = x i ) ­  E(X) 2 
i=1

}  On appelle écart­type de X le nombre réel (positif) : s(X) =  V(X)  . 

3.  FON CTI ON  DE RÉP A RTI TI ON  

Soit X une variable aléatoire définie sur un univers W muni d’une probabilité p. 
La fonction de répartition de X, est l’application F de IR vers [0 ; 1] définie par F(x) = p(X £ x). 
La fonction de répartition de X est une fonction en escalier, croissante, dont la valeur minimale 
est 0 et la valeur maximale 1. 

Probabilités_ Tle S (C, D, E, F)  Page 17 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educ amer.o rg 

4.  SCHÉMA  DE BERNOULLI  

Définition 
} On appelle épreuve de Bernoulli une épreuve ayant deux éventualités : 
l'éventualité S avec la probabilité p  et  l'éventualité  S  avec la probabilité 1 ­ p. 

Remarque :  ¾
L'éventualité S correspondra souvent au "succès" d'une expérience, S  étant alors l'échec. 

} On appelle schéma de Bernoulli , la répétition n fois, de manière indépendante, d'une épreuve 

de Bernoulli. 

P ropriété 
On considère un schéma de Bernoulli consistant en la répétition n fois d'une épreuve de Bernoulli 
pour laquelle la probabilité du succès S est p (celle de l’échec est 1 – p). 
La probabilité d’obtenir exactement k succès (0 ≤ k ≤ n) au cours de ces n épreuves est : 
k 
pk  = C n  p k (1 ­ p) n­k 

Loi Binomiale 
On considère un schéma de Bernoulli consistant en la répétition n fois d'une épreuve de Bernoulli 
pour laquelle la probabilité du succès S est p (celle de l’échec est 1 – p). 
Si on note X la variable aléatoire égale au nombre de succès obtenus sur les n répétitions, 
la loi de probabilité de X est donnée par : 
k 
pour tout k Î IN  tel que  0 ≤ k ≤ n ,    p(X = k) = C n  p k (1 ­ p) n­k 
On dit que X a pour loi de probabilité la loi binomiale de paramètres n et p. 
Cette loi est parfois notée B(n ; p) 

P ropriété 
La loi binomiale de paramètres n et p a pour espérance mathématique  E(X) = np  et pour 
variance  V(X) = np(1 ­ p) 
Démonstration : (voir CIAM Tle SM, page 187) 

Exercices résolus 

Exercice 1 (Ex  3a page 187 CI A M tle SM) 

Une variable aléatoire X à pour univers image {1 ; 2 ; 3 ; 4 ; 5 ; 6}. 
1.  Déterminer la loi de X sachant que : 
1
p(5 < X) =  ;    p(X < 2) = 2p(X = 6) = 2p(X = 2)   ;    p(X = 1) = p(X = 5)     et    p(X ≤ 3) = p(4 ≤ X) 
12 
2.  Définir la fonction de répartition de X et tracer sa courbe représentative 
3.  Calculer l’espérance mathématique et l’écart type de X. 

1.  On a : 
1 1
}  p(5 < X) =  Û p(X = 6) = 
12 12 
}  p(X < 2) = 2p(X = 6) = 2p(X = 2) Û p(X = 1) = 2p(X = 6)    et    p(X = 6) = p(X = 2) 
1 1 1 
Puisque p(X = 6) =  , on a alors  p(X = 2) =  et   p(X = 1) = 
12  12  6 
1 
}  p(X = 1) = p(X = 5)    donc   p(X = 5) = 
6 
}  p(X ≤ 3) = p(4 ≤ X) Û p(X = 1) + p(X = 2) + p(X = 3)  =  p(X = 4) + p(X = 5) + p(X = 6)
1  1 1  1
Û +  + p(X = 3)  =  p(X = 4) +  + 
6  12  6  12
Û p(X = 3)  =  p(X = 4) 
1  1 1  1
}  p(X = 1) + p(X = 2) + . . . + p(X = 6) = 1     donc  +  + p(X = 3) + p(X = 4) +  +  = 1
6  12  6  12 

Probabilités_ Tle S (C, D, E, F)  Page 18 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educamer.o rg 

1  1 
c­à­d  2p(X = 3) =  et donc  p(X = 3) =  = p(X = 4) 
2  4 

On peut alors dresser le tableau de la loi de X. 
Compte tenue des questions suivantes, on complète ce tableau en vu du calcul de la moyenne et de l’écart type. 
xi  1  2  3  4  5  6 
2 1 3 3 2 1
pi = p([X = k])  12  12  12  12  12  12 
2 2 9 12  10  6 41 
xi  pi  12  12  12  12  12  12  12 
2 4 27  48  50  36  167 
xi 2  pi  12  12  12  12  12  12  12 

41 
3.  E(X) =  » 3,41 
12
2 
i = n  æ 41 ö 2004 - 1681 323 
167 
V(X) = V(X) =  åxi 2 .pi­  E(X) 2  = 
12 
­  ç ÷ =  =  » 2,24
i = 1 è 12 ø 144 144

323 
s(X) =  V(X)  =  » 1,50 
144
2.  Soit  F la fonction de répartition de X. On a : 
F : IR ¾¾¾
® [0 ; 1]
a a F(a) = p([X ≤ a] 
il vient alors que :   pour a Î ]­¥ ; 1[,  F(a) = 0 
1 
pour a Î [1 ; 2[,   F(a) =  p([X ≤ a] = p(X = 1) = 
6 
1  1 3
pour a Î [2 ; 3[,   F(a) =  p([X ≤ a] = p(X = 1) + p(X = 2) =  +  = 
6  12  12 
3 1  6
pour a Î [3 ; 4[,   F(a) =  p([X ≤ a] = p(X = 1) + p(X = 2) + p(X = 3) =  +  = 
12  4  12 
6 3 9
pour a Î [4 ; 5[,   F(a) =  p([X ≤ a] = p(X = 1) + … + p(X = 4) =  +  = 
12  12  12 
9 2 11 
pour a Î [5 ; 6[,   F(a) =  p([X ≤ a] = p(X = 1) + … + p(X = 5) =  +  = 
12  12  12 
11  1
pour a Î [6 ; +¥[,   F(a) =  p([X ≤ a] = p(X = 1) + … + p(X = 6) =  +  =  1 
12  12 

1 
11/ 12

9/ 12 

6/ 12 

3/ 12 

1/ 12 

O  1  2  3  4  5  6 

Probabilités_ Tle S (C, D, E, F)  Page 19 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educ amer.o rg 

Exercice 2 (B ac G 2006) 
On a représenté ci­contre la fonction de 
répartition d'une variable aléatoire X. 
1 
1.  Déterminer l'ensemble des valeurs 
prises par X. 
0,75 
2.  Déterminer la loi de probabilité 
de X. 

3.  Calculer la moyenne E(x), la  0,5 
variance V(X) et l'écart type 
TX  de la variable aléatoire X. 
0,25 

O 1  2  3  4  5  6 

1.  L’ensemble des valeurs prises par X est  X(W) = {0 , 1 , 2 , 3 , 4} 
(W étant l’univers associé à l’expérience aléatoire) 

2.  Par lecture du graphique représentant la fonction de répartition F, on a : 
3 lecture 
0,15 =  graphique  3
}  p(X < 1) =  20  alors  p([X = 0]) = 
Connaissance  20 
p([X = 0])  du cours 

11 
0,55 =  lecture graphique  11  3 8
}  p(X < 2) =  20  alors    p([X = 1]) =  ­  = 
20  20  20 
Connaissance du 
p([X = 0]) + p([X = 1])  cours

De même : 
17 
}  p(X < 3) = p([X = 0]) + p([X = 1]) + p([X = 2])  =  (= 0,85) 
20 
17  æ 3 +  8 ö 6
alors    p([X = 2]) =  ­ = 
20  è20  20 ø 20 
19 
}  p(X < 4) = p([X = 0]) + p([X = 1]) + p([X = 2]) + p([X = 3])  =  (= 0,95) 
20 
19  æ 3 +  8 +  6 ö 2
alors    p([X = 3]) =  ­ = 
20  è20  20  20 ø 20 
On sait par ailleurs que : p([X = 0]) + p([X = 1]) + p([X = 2]) + p([X = 3]) + p([X = 4]) = 1 
3 8 6 2ö 1
alors  p([X = 4]) =  1 ­ æè20 + 20 + 20 + 20 ø =  20 
Conclusion : 
On résume la loi de probabilité de X à l’aide du tableau suivant : 
[X = k]  0  1  2  3  4 
3 8 6 2 1
p([X = k]) 
20  20  20  20  20 

3.  La valeur moyenne (ou espérance mathématique) de X et le nombre E(x) tel que : 
3 8 6 2 1
E(X) = å k x  p(X = k)  =  (0) x  +  (1) x  +  (2) x  +  (3) x  +  (4) x 
20  20  20  20  20 
0 + 8 + 12 + 6 + 4  30 
E(X) =  =  = 1,5 
20  20 
Conclusion : La valeur moyenne de X est E(X) = 1,5 

2  2 
La variance de X et le nombre V(x) tel que :  V(X) = å k  p(X = k) –[ E(X) ] 
2  3 2  8 2  6 2  2 2  1 2 
V(X) = é(0)  x  +  (1)  x  +  (2)  x  +  (3)  x  +  (4)  x  ù ­ (1,5) 
ë 20  20  20  20  20 û
Probabilités_ Tle S (C, D, E, F)  Page 20 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educ amer.o rg 

0 + 8 + 24 + 18 + 16 
V(X) =  ­  2,25   =    3,3 – 2,25  =  1,05 
20 
Conclusion : La variance de X et le nombre V(x) = 1,05 

L’écart­type de X et le nombre TX  tel que :  TX  =  V(X) =  1,05  =  1,024695... 

Exercice 3 
On dispose de deux urnes U1  et U2  contenant des boules indiscernables au toucher. 
U1  contient n boules blanches et 3 boules noires (n est un nombre entier supérieur ou égal à 1). U2 contient deux boules 
blanches et une boule noire. 
On tire une boule au hasard de U1  et on la met dans U2, puis on tire au hasard une boule de U2  et on la met dans U1  ; 
l'ensemble des ces opérations constitue une épreuve. 
1. Construire l'arbre pondéré de cette expérience aléatoire. 
2. On considère l'événement A : "Après l'épreuve, les urnes se retrouvent chacune dans leur configuration de départ". 
3 æ n + 2 ö
2.  a.  Démontrer que la probabilité p(A) de l'événement A peut s'écrire :  p(A)  = ç ÷
4 èn + 3ø
b.  Déterminer la limite de p(A) lorsque n tend vers +µ. 
3.  On considère l'événement B : "Après l'épreuve, l'urne U2  contient une seule boule blanche". 
Calculer p(B). 
4.  Un joueur mise 20 francs et effectue une épreuve. 
A l'issue de cette épreuve, on compte les boules blanches dans U2. 
­ Si U2  contient 1 seule boule blanche, le joueur reçoit 2n francs ; 
­ Si U2  contient 2 boules blanches, le joueur reçoit n francs ; 
­ Si U2  contient 3 boules blanches, le joueur ne reçoit rien. 
a.  Expliquer pourquoi le joueur n'a aucun intérêt à jouer tant que n ne dépasse pas 10. 
Dans la suite, on considère n > 10, et on introduit la variable aléatoire X qui prend pour valeur les gains 
algébriques du joueur (par exemple, si, après l'épreuve, l'urne U2  contient une seule boule blanche,  X = 2n – 20). 
b.  Déterminer la loi de probabilité de X. 
c.  Calculer l'espérance mathématique de X. 
d.  On dit que le jeu est favorable au joueur si et seulement si l'espérance mathématique est strictement positive. 
Montrer qu'il en est ainsi dès que l'urne U1  contient au moins 25 boules blanches. 

1.  a.  Arbre pondéré : 

boule N  boule B 
de U1  de U1 

n 3
n+3  n+3 
boule N  boule B  boule N  boule B 
de U2  de U2  de U2  de U2 

2  2  1  3 
4  4  4  4

2.  a.  La probabilité p(A) se calcule, en parcourant l'arbre (voir partie coloriée) :

n  3  3  1  3 æ n  + 2 ö
p(A)  =  ´ + ´ ;  soit  p(A)  = ç ÷
n  + 3  4  n  + 3  2  4 è n  + 3 ø
3 
b.  lim p(A)  =
n ® +¥ 4 
3  1  3 
3.  La probabilité p(B) se calcule, en parcourant l'arbre :  p(B) = ´ ;  soit  p(B)  =
n  + 3  2  2(n + 3) 

4.  a.  Le joueur doit être certain de pouvoir, dans le meilleur des cas, récupérer au moins sa mise ; 

d'où 2n > 20  :  n > 10. 
b.  Le dernier événement non encore considéré (C) est : "Après l'épreuve, l'urne U2  ne contient 3 boules blanches". 
n  1  n 
La probabilité p(C) se calcule, en parcourant l'arbre :  p(C) =  ´ ;  soit  p(C)  =
n  + 3  4  4(n + 3) 
Probabilités_ Tle S (C, D, E, F)  Page 21 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educ amer.o rg 

La variable aléatoire X peut prendre 3 valeurs : 
2n – 20 (événement A)  ;  n – 20 (événement B)  ;  ­20 (événement C) 
Loi de probabilité de la variable aléatoire X : 
xi  2n ­ 20  n ­ 20  ­20 
3 3 æ n  +  2 ö n
p ( X = xi )  ç ÷
2(n + 3)  4 è n  + 3 ø 4(n + 3) 

4.  c.  Espérance mathématique : 

(2n ­ 20) ´ 3  3 æ n  +  2 ö 20 n 
E(x) =  + ( n – 20). ç ÷ ­ 
2(n  + 3)  4 è n  + 3 ø 4(n + 3) 
2
3n  - 62n - 240 
Soit  E(X) = 
4(n + 3) 

d.  E(X) > 0 Û 3n 2  – 62n – 240 > 0

Û (3n + 10)(n – 24) > 0
10 
Û n Î ]­µ ; ­  [ È ] 24 ; +µ[ 
3 
n étant un entier naturel   :   n ³ 25 

Exercice 4 (Ex. 41 page  190 CI A M T le SM) 

Un tireur vise une cible. La probabilité pour qu’il touche la cible est 0,7. Il tire 3 fois de suite. 
On note X le nombre de fois où il a atteint la cible. 
Déterminer la loi de probabilité de X 

On reconnait ici une loi binomiale de paramètre n et p  avec  n=3  et  p=0,7 
9  Les valeurs possibles de X sont 0 ; 1 ; 2 ; 3 
k 
9  p(X = k) = C n  p k (1 ­ p) n­k  avec  k Î {0 ; 1 ; 2 ; 3}    (à vous de jouer) 
Loi de probabilité de X : 
k  0  1  2  3 

p ( X = k ) 

Exercice 5 ( D’ap rès I nterro.) 

On vise une cible en lançant de manière indépendante n projectiles. Chaque projectile 
a la probabilité p d'atteindre la cible. (0 < p < 1). On considère les évènements suivants : 
A : « Aucun projectile n'atteint la cible » 
B : « Au moins un projectile atteint la cible ». 
On note P(A) et P(B) les probabilités de ces évènements. 
1.  Exprimer P(A) en fonction de n et p. Puis en déduire P(B). 
2.  On souhaite avoir P(B) < 0,999 .On s'intéresse au nombre minimal m de projectiles 
à lancer pour réaliser cette condition. 
2.1.  On suppose p = 0,87. Que vaut m ? 
2.2.  On suppose m = 3. Dans quel intervalle doit se trouver p ? 

1.  Nous avons ici un schéma de Bernoulli où la probabilité du succès (atteindre la cible) est p 
p(A) est la probabilité d’obtenir exactement k = 0 succès au cours des  n épreuves 
(l’épreuve consistant à lancer un projectile sur une cible) 
0 
On a : p(A) = C n  p 0 (1 ­ p) n  = (1 ­ p) n 

B =  A  et donc    p(B) = 1 ­ (1 ­ p) n 
2.  1)  P(B) < 0,999 Û 1 ­ (1 ­ p) n  < 0,999
Û (1 ­ p) n  < 0,001
Û n ln(1 ­ p)  < ­3ln10            (puisque  0 < 1 – p < 1, on a :  ln(1 – p) < 0)
­3ln10 
Û n  >  (p = 0,87)
ln(1 – p) 
­3ln10 
Û n  >  Û n  >  3,385788039… 
ln(0,13)
il vient que  m = 4 

2)  P(B) < 0,999 Û 3 ln(1 ­ p)  < ­3ln10            (n = m = 3)

1 1 1
Û ln(1 ­ p)  <  ln  Û 1 – p <  Û p > 1 ­  c'est­à­dire  p > 0,9 
10 10 10 
On doit donc avoir  0,9 < p < 1   c'est­à­dire    pÎ ]0,9 ; 1[
Probabilités_ Tle S (C, D, E, F)  Page 22 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educ amer.o rg 

P robabilités dans la vie 

P roblème 1 
Le problème des taxis 
(D’après A. Engel, "Les certitudes du hasard, Paris, Aléas Éditeur, 1990) 
Dans une ville, les taxis sont numérotés 1, 2, …, n. 
Dans la rue, un promeneur observe les quatre premiers taxis qui passent, et note leurs numéros : 
93 ; 205 ; 77 ; 191. 
Un chauffeur de taxi interrogé prétend que n = 650. 
Quel crédit peut­on donner à cette affirmation ? 

Modélisation du problème 
9  On Suppose que le chauffeur à dit vrai : n = 650 
9  On considère l’expérience aléatoire qui consiste à noter les quatre premiers numéros qui passent. 
Cette épreuve revient à effectuer 4 tirages successifs avec remise dans une urne contenant 650 boules 
numérotées de 1 à  650. Les éventualités sont donc des 4­listes 
9  On considère l’évènement A en lien avec l’observation du promeneur : « les 4 boules tirées ont un numéro 
inférieur ou égal à 205 » 
205 4 
On a : p(A) =  » 0,0099  (réaliser A revient à tirer, successivement et avec remise, 4 boules parmi 205) 
650 4
Analyse : 
Le calcul de p(A) apporte un certain crédit à l’affirmation du chauffeur lorsque p(A) est au­delà d’un certain 
seuil fixé. 0,05 ou 0,005 sont des seuils classiques. 
Dans le cas présent, le calcul de p(A) (» 0,0099) discrédite l’affirmation du chauffeur si on considère 0,05 
comme seuil. 

P roblème 2 
Le problème des anniversaires 
Dans une classe de 34 élèves, est­il raisonnable de parier que deux élèves au moins fêtent leur anniversaire 
le même jour de l’année ? 

Modélisation du problème 
9  On Suppose que toutes les années ont 365 jours (on néglige les années bissextiles) et que chaque élève 
peut être né, au hasard, l’un des 365 jours de l’année 
9  La donnée des 34 jours anniversaires peut être assimilée à un tirage successif avec remise de 34 boules 
dans une urne contenant 365 boules numérotées de 1 à 365. Les éventualités sont donc des 34­listes 
9  On considère l’évènement A suivant : « tirer au moins 2 numéros identiques » 
Le problème revient donc à calculer p(A) 
L’évènement contraire  A  est plus facile à décrire. 

A  : « tirages où les numéros sont deux à deux distincts»  (Les éventualités sont donc des 34­arrangements) 
34 
34  A 
Card( A ) = A 365  et par suite  p( A ) =  365  » 0,2046831354 
365 32
34 
A 
On alors p(A) = 1 ­  365  » 0,7953168646 
365 32
Conclusion : il y a près de 80 % de chance de gagner le pari. 
Remarque : 
On peut faire varier l’effectif n des élèves et observer la probabilité de l’évènement A. le tableau ci­dessous 
illustre quelques cas. 
n  15  20  23  30  50  57 
p(A)  25 %  41 %  50 %  70 %  97 %  99 %

Probabilités_ Tle S (C, D, E, F)  Page 23 / 24 
http:/ / maths .educamer.o rg 
Powered by  w w w .educ amer.o rg 

P roblème 3 
Le problème du chevalier de M éré
En 1654, le chevalier de Méré, philosophe et écrivain de la cour de Louis XIV demanda à Pascal : « Qu’est ce 
qui est plus probable : sortir au moins un 6 en lançant 4 fois un dé ou sortir au moins un double 6 en lançant 
24 fois deux dés ? » 

Ê  Si on lance un dé parfait, la probabilité d’obtenir un 6 est 1 
6 
k 4 - k 
k  æ 1 ö æ 5 ö
Si on lance 4 fois le dé, la probabilité d’obtenir k fois 6 est : pk  =  C
4  ç 6 ÷ ç 6 ÷
è ø è ø
4 
æ 5 ö
La probabilité d’obtenir au moins un 6 est : 1 – p0  =  1 ­  ç ÷ » 0,518 
è6ø
Ê  Si on lance deux dé parfait, la probabilité d’obtenir un (6 , 6) est  1
36 
k 24 - k 
k æ 1 ö æ 35 ö
Si on lance 24 fois les deux dé, la probabilité d’obtenir k fois (6 , 6) est : pk  =  C
24 ç 36 ÷ ç 36 ÷
è ø è ø
24 
æ 35 ö
La probabilité d’obtenir au moins un 6 est : 1 – p0  =  1 ­  ç ÷ » 0,491 
è 36 ø
Conclusion : Il y a donc plus de chance de sortir au moins un 6 en lançant 4 fois un dé, que de sortir au moins un double 6 
en lançant 24 fois deux dés. 

Pour finir, quelques réflexions sur les probabilités 

Ê  Le hasard est le pseudonyme de Dieu quand il ne voulait pas signer. 
A natole  France 

Ê  Celui qui a entendu la même chose de 12 000 témoins oculaires a seulement 12 000 probabilités, 
ce qui équivaut à une forte probabilité, ce qui est loin d'être certain 
Voltaire ( 1694­1778) 

Ê  Il y a tellement de gens qui trouvent à travers le monde la seule femme qu'il puisse aimer. Que l'énorme 
fréquence de ces rencontres me rend sceptique, moi qui ai un certain respect du calcul des probabilités. 
Tristan Be rnard 

Ê  Les statistiques du Ministère de la santé révèlent que les maladies mentales affectent, à des degrés divers, 
un quart de la population. 
Pensez alors à vos trois meilleurs amis. Si vous n'avez rien à leur reprocher, alors c'est vous. 
Rita Mae  B row n

Probabilités_ Tle S (C, D, E, F)  Page 24 / 24 
http:/ / maths .educamer.o rg