Chapitre IV : Probabilités

1 Introduction

• En mathématiques la probabilité est la théorie utilisée pour décrire et quantifier l’incertain.

• L’incertitude peut provenir, par exemple, de la trop grande complexité des systèmes étudiés, du manque de
données ou de la variabilité (problèmes avec des décisions humaines).

• Historiquement la naissance du calcul de probabilités remonte vers 1654 quand Pascal et Fermat cherchaient
à résoudre le problème du Chevalier de Méré. . . .

2 Modélisation d’une expérience aléatoire

• Expérience aléatoire : toute expérience dont on ne peut pas prédire à priori le résultat.

• Evénement élémentaire : Un résultat possible d’une expérience aléatoire.

• Univers Ω: l’ensemble de tous les événements élémentaires.

• Exemple 1: expérience aléatoire : lancer une pièce de monnaie en l’air et observer sa face visible lorsqu’elle
retombe. à l’issue d’une épreuve on obtient l’un des événements élémentaires “face”, “pile”. univers Ω =
{pile, face}.
• Exemple 2: expérience aléatoire : lancer un dé et noter le nombre de points sur sa partie supérieure. à
l’issue d’une épreuve on obtient l’un des événements élémentaires : 1, 2, . . . 6. univers Ω = {1, 2, 3, 4, 5,
6}.
• Exercice : Décrire l’univers pour chacune des expériences aléatoires suivantes
• on lance simultanément deux pièces de monnaie une de 1Dh et l’autre de 2Dh.
• on lance simultanément deux pièces de monnaie de 1Dh sans marque distinctive.
• nombre de clients rejoignant une file d’attente.
• durée de vie d’une lampe.

• Remarque : Trouver l’univers est parfois assez subtil (exercice précédent, exemple de deux dès, . . . ).

3 Evénements

• On appelle événement associé à une expérience aléatoire toute propriété dont on sait dire si elle est vérifiée
ou non à l’issue de la réalisation d’une expérience aléatoire.

• Mathématiquement un événement 𝐴 correspond à une partie de l’univers Ω. 𝐴 ⊂ Ω ou 𝐴 ∈ P (Ω).

• Ω est appelé l’événement certain.

• L’ensemble vide ∅ ne contenant aucun événement élémentaire est appelé événement impossible.

1
 Terminologie probabiliste Terminologie ensembliste Notation
Événement certain Espace entier Ω
Événement impossible Ensemble vide ∅
Événement élémentaire singleton 𝜔∈Ω
Événement contraire Complémentaire ¯
𝐴 ou 𝐴𝐶
𝐴 et 𝐵 Intersection 𝐴∩𝐵
𝐴 ou 𝐵 (ou non exclusif) Réunion 𝐴∪𝐵
Événements incompatibles Parties disjointes 𝐴∩𝐵 = ∅
Système complet d’événements Partition de Ω ∪𝐴𝑖 = Ω et 𝐴𝑖 ∩ 𝐴 𝑗 = ∅
𝐴 implique 𝐵 inclusion 𝐴⊂𝐵

• Exemple: Si on lance un dé, un événement est un sous-ensemble de l’univers Ω = {1, 2, 3, 4, 5, 6} .

• l’événement “le résultat du lancer est plus petit que 3” correspond à 𝐴 = {1, 2} .
• l’événement “le résultat du lancer est un nombre paire" correspond à 𝐵 = {2, 4, 6} .
• l’événement élémentaire “le résultat du lancer est i" avec 𝑖 = 1 . . . 6 correspond à 𝜔𝑖 = {𝑖}
• l’événement “le résultat du lancer est un nombre pair et plus petit que 3" correspond à 𝐴 ∩ 𝐵 = {2} .
• l’événement “le résultat du lancer est un nombre pair ou plus petit que 3" correspond à 𝐴 ∪ 𝐵 =
{1, 2, 4, 6} .
• l’événement “le résultat du lancer est un nombre impair (non paire) correspond à 𝐵¯ = {1, 3, 5} .
• l’événement “le résultat du lancer est 2" implique l’événement 𝑤 2 =“le résultat du lancer est pair"

4 Notions de Probabilité

• Idée : attribuer une valeur entre 0 et 1 mesurant la vraisemblance (ou l’incertitude) qu’un événement se
produira.

• Comment attribuer des probabilités :

• Approche classique (équiprobabilité):

Probabilité(𝐴) = nombre de cas favorables/nombre de cas possibles.

• Approche empirique (ou fréquentiste): Si on appelle 𝑛𝐴 le nombre de fois qu’un événement donné 𝐴 se
produit lors d’une série comprenant 𝑛 expériences, la probabilité de 𝐴 est définie par

Probabilité(𝐴) = 𝑛𝐴 /𝑛.

Cette approche nécessite une capacité à répéter les expériences.

• Approche subjective: la probabilité subjective reflète l’avis d’une personne, basée sur ses connaissances,
concernant son appréciation personnelle face à la réalisation d’un événement.

Probabilité(A) := Degré de confiance que l’événement A se réalise

2
 Cette approche est souvent utilisée qu’on traite un événement incertain d’un processus qu’on ne peut
pas répéter dans des conditions similaires (comment on est convaincu que Monsieur X à commis une
crime).

• Définition: On appelle probabilité une fonction 𝑃 qui à tout événement 𝐴 ∈ P (𝐴) associe un réel 𝑃 (𝐴) dans
l’intervalle [0, 1] telle que (axiomes de Kolomogrov)

1. 0 ≤ 𝑃 (𝐴) ≤ 1 pour tout 𝐴 ∈ P (𝐴).

2. 𝑃 (Ω) = 1.
3. Pour toute suite finie ou infinie d’événements (𝐴𝑖 )𝑖 ∈𝐼 ⊆N deux à deux disjoints (incompatibles)
Õ
𝑃 (∪𝑖 ∈𝐼 𝐴𝑖 ) = 𝑃 (𝐴𝑖 ).
𝑖 ∈𝐼

Le nombre 𝑃 (𝐴) est appelé la probabilité que 𝐴 se réalise.

• Propriétés: A partir de ces axiomes, on peut déduire les propriétés suivantes:

• 𝑃 (∅) = 0.
• 𝑃 (𝐶𝐴 ) = 1 − 𝑃 (𝐴).
• si 𝐴 ⊆ 𝐵 alors 𝑃 (𝐴) ≤ 𝑃 (𝐵).
• 𝑃 (𝐴 ∪ 𝐵) = 𝑃 (𝐴) + 𝑃 (𝐵) − 𝑃 (𝐴 ∩ 𝐵) en particulier 𝑃 (𝐴 ∪ 𝐵) ≤ 𝑃 (𝐴) + 𝑃 (𝐵).
• Si 𝐴 et 𝐵 sont incompatibles on a l’égalité 𝑃 (𝐴 ∪ 𝐵) = 𝑃 (𝐴) + 𝑃 (𝐵).
• 𝑃 (𝐵\𝐴) = 𝑃 (𝐵) − 𝑃 (𝐴 ∩ 𝐵).
• 𝑃 (𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃 (𝐴) + 𝑃 (𝐵) + 𝑃 (𝐶) + 𝑃 (𝐴 ∩ 𝐵 ∩ 𝐶) − 𝑃 (𝐴 ∩ 𝐵) − 𝑃 (𝐵 ∩ 𝐶) − 𝑃 (𝐴 ∩ 𝐶).

• Probabilité conditionnelle: Soit 𝐴 et 𝐵 deux événements. On appelle probabilité conditionnelle de 𝐵 sachant

𝐴, notée 𝑃 (𝐵|𝐴), le quotient
𝑃 (𝐴 ∩ 𝐵)
𝑃 (𝐵|𝐴) = .
𝑃 (𝐴)
𝑃 (𝐵|𝐴) mesure la probabilité que 𝐵 se réalise sachant que 𝐴 s’est réalisé.

• Exemple: Si on jette un dé, et que l’on considère les deux événements suivants: 𝐴 = “avoir un nombre
pair” et 𝐵 =”avoir un nombre supérieur ou égal à 4”. On a
3 1
𝑃 (𝐴) = 𝑃 ({2, 4, 6}) = = .
6 2
3 1
𝑃 (𝐵) = 𝑃 ({4, 5, 6}) = = .
6 2
2 1
𝑃 (𝐴 ∩ 𝐵) = 𝑃 ({4, , 6}) = = .
6 3
Donc la probabilité d’avoir un nombre supérieur ou égale à 4 sachant qu’on a un nombre paire est

𝑃 (𝐴 ∩ 𝐵) 1/3 2
𝑃 (𝐵|𝐴) = = = .
𝑃 (𝐴) 1/2 3

• Evénements indépendants: deux événements 𝐴 et 𝐵 sont dits indépendants si la réalisation ou la non-

réalisation de l’un ne modifie en rien la probabilité de la réalisation de l’autre.

• Les points suivants sont équivalents :

• 𝐴 et 𝐵 sont indépendants
•
𝑃 (𝐵|𝐴) = 𝑃 (𝐵).

3
 •
𝑃 (𝐴|𝐵) = 𝑃 (𝐴).

•
𝑃 (𝐴 ∩ 𝐵) = 𝑃 (𝐴)𝑃 (𝐵).

• Exemple: On jette une pièce de monnaie 2 fois et on considère l’univers Ω = (𝑃, 𝑃), (𝑃, 𝐹 ), (𝐹, 𝑃), (𝐹, 𝐹 ) .


Soient 𝐴 = l’événement “avoir face en premier” et 𝐵 = l’événement “avoir pile en deuxième”. On a

2 1
• 𝑃 (𝐴) = 𝑃 ({(𝐹, 𝑃), (𝐹, 𝐹 )}) = = .
4 2
2 1
• 𝑃 (𝐵) = 𝑃 ({(𝑃, 𝑃), (𝐹, 𝑃)}) = = .
4 2
1
• 𝑃 (𝐴 ∩ 𝐵) = 𝑃 ({(𝐹, 𝑃)}) = .
4
• Donc la probabilité d’avoir pile en deuxième sachant qu’on a eu face en premier est

𝑃 (𝐴 ∩ 𝐵) 1/4 2 1
𝑃 (𝐵|𝐴) = = = = = 𝑃 (𝐵).
𝑃 (𝐴) 1/2 4 2

Les deux événement 𝐴 et 𝐵 sont alors indépendants (le fait de savoir qu’on obtient face en pre-
mier n’augmente pas les chances pour avoir pile en deuxième. Une pièce de monnaie n’a pas de
mémoire!!)

• Formule de probabilité composée:

• Soient Soit {𝐴𝑖 }𝑖=1

𝑛 une famille d’événements telle que 𝑃 (∩𝑛 𝐴 ) > 0, alors
𝑖=1 𝑖

𝑃 (∩𝑛𝑖=1𝐴𝑖 ) = 𝑃 (𝐴1 ) × 𝑃 (𝐴2 |𝐴1 ) × 𝑃 (𝐴2 |𝐴1 ∩ 𝐴2 ) . . . 𝑃 (𝐴𝑛 | ∩𝑛−1

𝑖=1 𝐴𝑖 )

• Exemple: Une urne contient 10 boules indiscernables au toucher dont 5 sont noirs 3 sont rouges et 2
sont blanches. Quatre boules sont tirées l’une après l’autre sans remise. Trouver la probabilité que la
première boule tirée est noir la deuxième est rouge, la troisième est blanche et la quatrième est noir.
Soient 𝑁 1 l’événement "la première boule tirée est noir". Similairement pour 𝑅2 , 𝐵 3 et 𝑁 4 . La probabilité
cherché est

𝑃 (𝑁 1 ∩ 𝑅2 ∩ 𝐵 3 ∩ 𝑁 4 ) = 𝑃 (𝑁 1 )𝑃 (𝑅2 |𝑁 1 )𝑃 (𝐵 3 |𝑁 1 ∩ 𝑅2 )𝑃 (𝑁 4 |𝑁 1 ∩ 𝑅2 ∩ 𝐵 3 )

𝑃 (𝑁 1 ∩ 𝑅2 ∩ 𝐵 3 ∩ 𝑁 4 ) = 5/10 × 3/9 × 2/8 × 2/7

• Formule des probabilités totales:

• Soient {𝐴𝑖 }𝑖=1

𝑛 un système complets d’événements:

Ω = ∪𝑛𝑖=1𝐴𝑖 et 𝐴𝑖 ∩ 𝐴 𝑗 = ∅, 𝑖 ≠ 𝑗.

Soit 𝐵 un événement donné. Alors

𝑛
Õ
𝑃 (𝐵) = 𝑃 (𝐵|𝐴𝑖 )𝑃 (𝐴𝑖 ).
𝑖=1

• Exemple: On considère deux urnes: l’urne 1 contient 3 boules blanches et 2 boules noirs et l’urne 2
contient 2 boules blanches et 3 boules noirs. On choisie au hasard l’une des deux urnes puis on tire sans
remise 2 boules de l’urne choisie. Quelle est la probabilité que l’on tire ainsi 2 boules blanches ? Soient

4
 • 𝐴1 : l’événement qu’on choisit urne 1
• 𝐴2 : l’événement qu’on choisit urne 2
• 𝐵 : l’événement que l’on tire 2 boules blanches
On a 𝑃 (𝐴1 ) = 𝑃 (𝐴2 ) = 1/2. Or

𝑃 (𝐵|𝐴1 ) = 𝑃 ( Choisir 2 boules blanches de l’urne 1)

3 2
= × = 3/10.
5 4
𝑃 (𝐵|𝐴2 ) = 𝑃 ( Choisir 2 boules blanches de l’urne 2)
2 1
= × = 1/10.
5 4

Ainsi, la probabilité que l’on tire 2 boules blanches est

3 1
𝑃 (𝐵) = 𝑃 (𝐵|𝐴1 )𝑃 (𝐴1 ) + 𝑃 (𝐵|𝐴2 )𝑃 (𝐴2 ) = 1/2( + ) = 1/5.
10 10

• Formule de Bayes:

• Pour tout système complet d’événements {𝐴𝑖 }𝑖=1

𝑛 de probabilités non nulles et pour tout événement 𝐵

de probabilité non nulle, nous avons:

𝑃 (𝐴𝑖 )𝑃 (𝐵|𝐴𝑖 )
𝑃 (𝐴𝑖 |𝐵) = Í𝑛 .
𝑖=1 𝑃 (𝐵|𝐴 𝑗 )𝑃 (𝐴 𝑗 )

• Exemple: On reprend l’exemple précédent mais maintenant on veut savoir si on choisit une urne au
hasard et l’on tire 2 boules blanches, quelle est la probabilité qu’elles proviennent de l’urne 1.

𝑃 (𝐴1 |𝐵) = 𝑃 (l’urne choisit est la première sachant que les 2 boules tirées sont blanches)
𝑃 (𝐴1 )𝑃 (𝐵|𝐴1 )
=
𝑃 (𝐵|𝐴1 )𝑃 (𝐴1 ) + 𝑃 (𝐵|𝐴2 )𝑃 (𝐴2 )
1/2 × 3/10
= = 3/4.
1/5