Cours d’analyse combinatoire et probabilités

élémentaires
Pr.Abdelaziz QAFFOU∗
6 décembre 2018

Table des matières

1 Dénombrement 2
1.1 Quel rapport entre dénombrement et probabilités . . . . . . . . . . . 2
1.2 Quelques définitions . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Quelques principes . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.1 Principe fondamental du dénombrement . . . . . . . . . . . . 2
1.3.2 Principe d’addition . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.3 Principe de multiplication . . . . . . . . . . . . . . . . . . . 3
1.3.4 Formule du crible (les ensembles ne sont pas disjoint) . . . . 3

2 Analyse combinatoire 3
2.1 p-combinaison sans répétition . . . . . . . . . . . . . . . . . . . . . 4
2.2 p-combinaison avec répétition . . . . . . . . . . . . . . . . . . . . . 4
2.3 p-arrangement sans répétition . . . . . . . . . . . . . . . . . . . . . . 4
2.4 permutation (n-arrangement) . . . . . . . . . . . . . . . . . . . . . . 4
2.5 p-liste (arrangement avec répétition) . . . . . . . . . . . . . . . . . . 5
2.6 Calcul du nombre d’anagrammes . . . . . . . . . . . . . . . . . . . . 5
2.7 Coefficient binomial . . . . . . . . . . . . . . . . . . . . . . . . . . 5

3 Probabilités élémentaires 5
3.1 Quelques définitions . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.2 Probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.2.1 Définition de tribu . . . . . . . . . . . . . . . . . . . . . . . 7
3.2.2 Définition de la probabilité . . . . . . . . . . . . . . . . . . . 7
3.2.3 Probabilités conditionnelles . . . . . . . . . . . . . . . . . . 8
3.2.4 Formule des probabilités totales . . . . . . . . . . . . . . . . 8
3.2.5 Formule de Bayes . . . . . . . . . . . . . . . . . . . . . . . 8
3.2.6 Notion d’équiprobabilité . . . . . . . . . . . . . . . . . . . . 8
∗ EST-Université Sultan Moulay Slimane-Beni Mellal

1
1 Dénombrement
1.1 Quel rapport entre dénombrement et probabilités
Card(A)
— En situation d’équiprobabilité, on a P(A) = Card(Ω) , donc il faut calculer le
Card(A), c’est à dire, le nombre d’éléments de A. D’où l’importance du dé-
nombrement !
— Il faut quelques prérequis sur les ensembles, les sous-ensembles et ensemble
vide.
— Le dénombrement : déterminer le nombre d’élémenrs d’un ensemble fini.
— L’analyse combinatoire : déterminer le nombre d’éléments d’une collection
(liste, arrangement, combinaison,...).

1.2 Quelques définitions

Cardinal : Dans un ensemble fini, le cardinal est égal au nombre d’éléments de cet
ensemble.
Equipotence : Certains ensembles sont infinis ! il nous faut donc un outil conceptuel
plus puissant que la simple notion de nombre d’éléments, c’est l’équipotence !.
On dit que deux ensembles E et F sont équipotents, s’il existe une bijection de E dans
F.
On dit qu’un ensemble E est fini s’il est vide ou s’il est équipotent à [|1, n|] avec n ∈ N ∗ .
n est appelé, cardinale de E.
On dit qu’un ensemble E est (infini) dénombrable, s’il est équipotent à N.
Notation : Card(E) = |E| = #E et Card(0)
/ = 0 (par convention).

1.3 Quelques principes

1.3.1 Principe fondamental du dénombrement
Supposons qu’il faille réaliser deux expériences. Si l’expérience 1 peut produire
l’un quelconque de m résultats et si pour chacun d’entre eux, il y a n résultats possible
pour l’expérience 2, alors il existe mn résultats possibles pour les deux expériences
prises ensemble.

1.3.2 Principe d’addition

1. Soit A et B deux ensembles finis et disjoints, alors A ∪ B est fini et :

Card(A ∪ B) = Card(A) +Card(B).

2. Soit (Ai )S
1≤i≤nSavec
S
n ≥ 2 une famille d’ensembles finis deux à deux disjoints,
alors A1 A2 ... An est fini et :
n
[ n
Card( Ai ) = ∑Card(Ai ).
i=1 i=1

2
 3. Soit (Ai )1≤i≤n avec n ≥ 2 une partition de E, alors :
n
Card(E) = ∑Card(Ai ).
i=1

1.3.3 Principe de multiplication

1. Soit A et B deux ensembles finis, alors A × B est fini et :

Card(A × B) = Card(A) ×Card(B).

2. Soit (Ei )1≤i≤n une famille d’ensembles finis, alors :
n
Card(E1 × E2 × ... × En ) = ∏Card(Ei ).
i=1

3. En particulier CardE p = (CardE) p .

1.3.4 Formule du crible (les ensembles ne sont pas disjoint)

1. Soit A et B deux ensembles finis, alors :

Card(A ∪ B) = Card(A) +Card(B) −Card(A ∩ B).

2. Soit A, B et C trois ensembles finis, alors :
Card(A ∪ B ∪ C) = Card(A) + Card(B) + Card(C) − Card(A ∩ B) − Card(B ∩
C) −Card(C ∩ A) +Card(A ∪ B ∪C).
3. Le nombre de partie d’un ensemble E est noté P(E), si E est fini et Card(E) = n
alors P(E) est fini et on a CardP(E) = 2n .
Les ensembles, sont des collections d’objets non ordonnés et sans répétition : {1, 2, 3} =
{3, 2, 1}. Si on souhaite tenir compte de l’ordre ? si l’on veut répéter un élément ? C’est
là que va intervenir l’analyse combinatoire !

2 Analyse combinatoire
Partant d’un ensemble E à n éléments, nous allons fabriquer une collection de p
objets.
Nous allons distinguer cinq situations différentes :

Ordonnée Répétition Situation

Non Non p-combinaison (sans répétition)
Non Oui p-combinaison (avec répétition)
Oui Non p-arrangement (sans répétition)
Oui Non permutation (n-arrangement)
Oui Oui p-liste (p-arrangement avec répétition)

3
2.1 p-combinaison sans répétition
Exemple .1. Une main de Poker contenant 52 cartes : l’ordre ne compte pas et il ne
peut y avoir de répétition.
Définition .2. Soit E un ensemble fini de cardinal n, on appelle p-combinaisons toute
partie de E à p éléments.
Theorem .3.
Soit E un ensemble fini de cardinal n, le nombre de p-combinaisons de E
est égal à : np = Cnp = p!(n−p)!
n!

2.2 p-combinaison avec répétition

Si l’on veut qu’il ait des répétitions, on ne peut pas utiliser la notion d’ensemble.
Définition .4. Soit E un ensemble fini de cardinal n, on appelle p-combinaisons avec
répétition, toute collection non ordonnée d’éléments de E non nécessairement distincts
les uns des autres. Notation : [a, b, a, c].
Exemple .5. — On jette simultanément trois dés (l’ordre ne compte pas) [1, 1, 5] =
[1, 5, 1] = [5, 1, 1].
— Le jeu de domino, constitue un autre cas de p-combinaison avec répétition.
Theorem .6. Soit E un ensemble fini de cardinal n, le nombre de p-combinaisons avec
répétition de E est égal à : Knp = Cn+p−1
p
.

2.3 p-arrangement sans répétition

Si l’on veut tenir compte de l’ordre et pas de répétition, c’est le cas de tiercé E =
les chevaux de départ on a par exemple 8 − 2 − 1 6= 2 − 8 − 1.
Définition .7. Soit E un ensemble fini de cardinal n, on appelle p-arrangement sans
répétition, toute collection ordonnée de p-éléments de E distincts les uns des autres.
Notation : (a, b, c).
Exemple .8. On tire successivement trois boules sans remise numérotées de 1 à 9, on
obtient par exemple : (3, 2, 7) 6= (3, 7, 2)
Theorem .9. Soit E un ensemble fini de cardinal n, le nombre de p-arrangements sans
répétition (p ≤ n) de E est égal à : Anp = (n−p)!
n!

2.4 permutation (n-arrangement)

un n-arrangement est appelé permutation.
Exemple .10. Ranger des livres sur une étagère (n-arrangement), l’ordre compte, pas
de répétition, on prend tous les livres.
Définition .11. Soit E un ensemble fini de cardinal n, on appelle permutation tout n-
arrangement sur E. On peut voir une permutation de E comme une bijection de [| 1, n |].
Theorem .12. Soit E et F deux ensembles finis de même cardinal n, alors le nombre de
bijections de E dans F est donné par n!. Soit E un ensemble fini non vide de cardinal
n, alors le nombre de permutations de E est n!.

4
2.5 p-liste (arrangement avec répétition)
L’ordre compte, il peut y avoir des répétitions.
Exemple .13. la combinaison d’un cadenas, E = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}, on a
8776 6= 7876.
Définition .14. Soit E un ensemble fini de cardinal n, on appelle p-liste (arrangement
avec répétition) tout p-uplet de E, c’est à dire des objets de la forme : (x1 , x2 , ..., x p )
avec ∀i ∈ [| 1, p |], xi ∈ E.
Theorem .15. Soit E un ensemble de cardinal n, soit p un entier naturel non nul, alors
le nombre de p-listes que l’on peut former avec des éléments de E est égal à : n p .

2.6 Calcul du nombre d’anagrammes

Theorem .16. Le nombre d’anagrammes d’un mot de n lettres comportant pi fois (1 ≤
i ≤ m) la lettre Ai est donné par : p1 !p2n!!...pm ! .
Exemple .17. Le mot RADAR : le nombre d’anagrammes à partir des lettres qu’on
5!
peut former par le mot RADAR est 2!2! .

2.7 Coefficient binomial

— C’est le nombre de façons de choisir p objets (distincts) parmi un ensemble de n
éléments.
— On ne tient pas compte de l’ordre et il ne peut y avoir des répétitions.
— C’est donc le nombre de sous-ensembles de p éléments que l’on peut construire sur
un ensemble de n éléments.

Propriétés
— Cnp = Cnn−p ; Cnp = np Cn−1
p−1
.
— Formule du triangle de Pascal : Cnp = Cn−1
p−1 p
+Cn−1 .
n
— Formule de binôme : (a + b)n = ∑ Cnk ak bn−k .
i=1
n
n
— Formule de Vandermonde : ∀n ∈ [| 0, a + b |], Ca+b = ∑ CakCbn−k
i=1

3 Probabilités élémentaires
3.1 Quelques définitions
Expérience aléatoire On appelle une expérience ou épreuve aléatoire, toute expé-
rience entraînant des résultats qui dépendent du hasard.
Exemple .18. — Expérience 1 : On jette un dé à 6 faces et on lit le numéro de la face
supérieure.
— Expérience 2 : On jette deux fois le même dé et on note les deux numéros obtenus.

5
Univers On appelle univers, noté Ω, l’ensemble de tous les résultats possibles (on dit
aussi de toutes les éventualités possibles) de cette expérience.
Exemple .19. Dans le cas du lancé d’un dé : Ω = 1; 2; 3; 4; 5; 6.

Evénement On définit un événement comme un ensemble de résultats possibles de

l’expérience aléatoire.
Exemple .20. — Expérience 1 : A1 est l’événement "le numéro obtenu est impair" :
A1 = 1; 3; 5.
A2 est l’événement "le numéro obtenu est inférieur ou égal à 3" : A2 = 1; 2; 3.
— Expérience 2 : Soit B l’événement "La somme des deux numéros obtenus est 5" :
B = (2; 3), (1; 4), (3; 2), (4; 1).

Remarques
— Un événement est un sous-ensemble de Ω : A ⊂ Ω ⇒ A ∈ Ω.
— Ω est un élément de P(Ω). On l’appelle événement certain.
— 0/ est l’événement impossible.
— On appelle événement élémentaire tout élément ω de Ω : 1,2,5 et 6 sont des événe-
ments élémentaires de Ω = 1; 2; 3; 4; 5; 6.
— L’univers Ω dépend de l’expérience considérée et aussi du choix de celui construit
le modèle.
— Exemple : pour le lancé d’un dé, on peut choisir : Ω = impair; pair.
— Exemple : pour la durée de vie d’une ampoule, on peut choisir : Ω = [0; +∞[.

L’événement Ā
— On dit que l’événement contraire de A, "non A" est réalisé si et seulement si A n’est
pas réalisé : ω ∈ Ā ⇔ ω ∈
/ A.
— Exemple : Ω et 0/ sont contraires, c’est à dire Ω̄ = 0.
/

L’événement A ∩ B
— On dit que l’événement "A et B" est réalisé si et seulement si A et B sont réalisés au
cours de la même expérience :
ω ∈ ”A et B” ⇔ ω ∈ A et ω ∈ B ⇔ ω ∈ A ∩ B.
— On dit que A et B sont disjoints (incompatibles) s’ils ne peuvent se réalisés simul-
tanément : A ∩ B = 0.
/
— Exemple : Pour le jet d’un dé, les événements : A="avoir un nombre pair" et
B="avoir un nombre impair" sont disjoints.

L’événement A ∪ B On dit que l’événement "A ou B" est réalisé si et seulement si

l’un deux au moins est réalisé :
ω ∈ ”A ou B” ⇔ ω ∈ A ou ω ∈ B ⇔ ω ∈ A ∪ B.

L’événement A − B On dit que l’événement "A − B" est réalisé si et seulement si A

est réalisé et B ne l’est pas :
ω ∈ ”A − B” ⇔ ω ∈ A et ω ∈ / B ⇔ ω ∈ A ∩ B̄.

6
L’événement A 4 B On dit que l’événement "A 4 B" est réalisé si et seulement si
l’un deux seulement est réalisé :
ω ∈ ”A 4 B” ⇔ ω ∈ (A − B) ∪ (B − A) ⇔ ω ∈ (A ∪ B) − (A ∩ B).

3.2 Probabilité
3.2.1 Définition de tribu
On dit que A est une tribu sur Ω si c’est un ensemble de parties de Ω stable par
intersection et par union et dénombrable.
Le couple (Ω; A) est appelé espace probabilisable.
Exemple .21. P(Ω) l’ensemble des parties de Ω, est une tribu sur Ω.
(Ω; P(Ω)) est un espace probabilisable.

Remarques
— Tout élément de A est appelé événement.
— Tout singleton ω de Ω est appelé événement élémentaire.
— Dorénavant, on considérera la tribu P(Ω).

3.2.2 Définition de la probabilité

Soit (Ω; P(Ω)) un espace probabilisable, on appelle probabilité sur Ω, toute ap-
plication P de P(Ω) dans [0; 1] vérifiant :
— P(Ω) = 1.
— Pour tout A et B de P(Ω) disjoint, on a : P(A ∪ B) = P(A) + P(B).
Le triplet (Ω; P(Ω); P) est appelé espace probabilisé.
P(A) est appelé probabilité de l’événement A.

Propriétés
— Pour tout événement A, on a 0 ≤ P(A) ≤ 1.
/ = 0.
— P(0)
— Pour tout événement A, on a P(Ā) = 1 − P(A).
— Si A ⊂ B alors P(A) ≤ P(B).
— Pour toute famille d’événements disjoints 2 à 2 (Ai )1≤i≤n :
n
P(A1 ∪ A2 ∪ ... ∪ An ) = ∑ P(Ai ).
i=1
— Si A et B sont deux événements quelconque, alors :

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

.
— Une famille (Ai )1≤i est dite système complet d’événements si :
n
∀i 6= j, Ai ∩ A j = 0/ et
S
Ai = Ω.
i=1

7
— Pour tout système complet d’événements (Ai )1≤i et pour tout événement B, on a :

P(B) = P(A1 ∩ B) + P(A2 ∩ B) + ... + P(An ∩ B)

.

3.2.3 Probabilités conditionnelles

Soient A et B deux événements telque P(B) 6= 0, on note probabilité conditionnelle
de A sachant B par P(A/B) = P(A∩B)
P(B) .

Remarque On dit que deux événements A et B sont indépendants si :

P(A ∩ B) = P(A) × P(B)

.

3.2.4 Formule des probabilités totales

Soit (Ai )1≤i un système complet d’événements non impossibles. Pour tout événe-
ment B, on a :
n n
P(B) = ∑ P(Ai ∩ B) = ∑ P(Ai ) × P(B/Ai )
i=1 i=1
.

3.2.5 Formule de Bayes

Soit (Ai )1≤i un système complet d’événements non impossibles. Pour tout événe-
ment B non impossible. Pour tout j tel que 1 ≤ j ≤ n, on a :
P(A j ) × P(B/A j )
P(A j /B) = n
∑ P(Ai ) × P(B/Ai )
i=1
.

3.2.6 Notion d’équiprobabilité

Soit l’univers Ω = {ω1 , ω2 , ..., ωn }, on dit qu’il y a équiprobabilité si :
1 1
∀i ∈ 1, 2, ..., n, P(ωi ) = =
n Card(Ω)
.
Autrement dit, les probabilités de tous les événements élémentaires sont égales.
Theorem .22. Lorsque tous les événements élémentaires sont équiprobables, alors :

Card(A) nombre de cas favorables

P(A) = =
Card(Ω) nombre de cas possibles
.

8
Exemple .23. On considère l’expérience 2 : Ω = {; 2; 3; 4; 5; 6}2.
On considère que le dé est équilibré. Soit B l’événement"la somme des deux numéros
obtenus est 5", on aura : B = (2; 3), (3; 2), (1; 4), (4; 1),
Card(B)
donc ∀(i; j) ∈ Ω2 , P((i; j)) = 612 et P(B) = Card(Ω) = 364
= 19 .

Références
[1] Walter Apple, Probabilités pour les non probabiliste, HK, édition, (2013)
[2] Clément Rau, http ://www.math.univ-toulouse.fr/rau/ Communication privée,
(2015)