Cours Mathématique

Bac Technique
Kadri Wassim
25 mars 2016
Sommaire

1 Probabilité sur un ensemble ni 3

I Langage de probabilité : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
II Rappel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
II.1 Activité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
II.2 Dénition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
II.3 Propriétés : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
II.4 Exemple : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
II.5 Retenons : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
II.6 Activité 3 page 313 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
II.7 Exercices : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
III Probabilité conditionnelle : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
III.1 Activité 1 page 314 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
III.2 Dénition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
III.3 Application : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
III.4 Activité 3 page 315 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
III.5 Propriété : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
III.6 Activité 4 page 316 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
III.7 Activité 1 page 316 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
III.8 Dénition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
III.9 Activité 3 page 316 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
IV Principe des probabilités composées : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
IV.1 Activité 1 page 317 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
IV.2 Retenons : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
V Principe des probabilités totales - Formule de Byes : . . . . . . . . . . . . . . . . . . . . . . . 11
V.1 Activité 1 page 321 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
V.2 Exercice 7 page 327 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

I Variable aléatoire 13
2 Variables aléatoires réelles 14
I Loi de probabilité d'une variable aléatoire : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
I.1 Activité 1 page 333 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
I.2 Dénition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
I.3 Exemple : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
II Espérance mathématique : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
II.1 Activité : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
II.2 Dénition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
II.3 Remarque : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
II.4 Exemple : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
II.5 Dénition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
II.6 Activité 2 page 339 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
II.7 Fonction de répartition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
III Loi Binomiale : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
III.1 Activité : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
III.2 Théorème et dénition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
III.3 Exercice 4 page 359 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

1
Cours Probabilité Bac Technique

IV Variables aléatoires continues : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

IV.1 Introduction et dénition : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
IV.2 Densité de probabilité d'une variable aléatoire continue : . . . . . . . . . . . . . . . . . 19
IV.3 Loi uniforme : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
IV.4 Loi exponentielle : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

Kadri Wassim 2 2015 * 2016

Chapitre 1

Probabilité sur un ensemble ni

I Langage de probabilité :

? On appelle univers (ou univers des possibles) , l'ensemble des résultats ( ou éventualités)possibles d'une
expériences aléatoire.Cet ensemble se note Ω .
? Toute partie A de Ω est appelée événement.
? Si A = ∅, on dit que A est l'événement impossible.
? Si A = Ω, on dit que A est l'événement certain.
? Si A est une partie contenant un seul élément de Ω , on dit que A est un événement élémentaire.
? L'événement A ∩ B est l'évènement "A etB " . Il est réalisé si les deux événements A et B sont réalisés
simultanément .
? L'événement A ∪ B est l'évènement " A ou B " . Il est réalisé si l'un au moins des deux événements A et
B est réalisé.
? L'ensemble C A , qu'on note A , est l'évènement contraire de A .Il est réalisé ssi A n'est pas réalisé.
? Deux évènements A et B sont dits incompatibles s'ils ne peuvent pas se réaliser en même temps .C-à-d
ssi A ∩ B = ∅ .
? Si A et B sont deux évènements de Ω tels que A ⊂ B alors B \ A désigne l'ensemble des éléments de B
qui n'appartiennent pas à A .

II Rappel

II.1 Activité
On lance une fois un dé cubique dont les faces sont numérotées de 1 à 6 et on observe le numéro de la
face supérieur.
 L'ensemble Ω = {1, 2, 3, 4, 5, 6} est appelé l'univers des cas possibles.
 Toute partie de Ω est appelé l'évènement de Ω.
1. Déterminer les evènements suivants :
A : " Obtenir un nombre strictement inférieur à 6 ".
B : " Obtenir un nombre multiple de 6 ".
C : " Obtenir un nombre divisible par 8 ".
D : " Obtenir un nombre inférieur à 8 ".
2. On suppose que tous les faces ont la même probabilité d'apparition, déterminer les probabilité de chacun
des évènement précédents.
Solution :

1. A = {1 , 2 , 3 , 4 ,5}.
B = {6}.
C = ∅ ⇒ appelé évènement impossible.
D=Ω

3
Cours Probabilité Bac Technique

2. p(A) = 5
6
1
p(B) = 6
p(C) = 0
p(D) = 66 = 1 = p(Ω).

II.2 Dénition :
Dénition

Soit Ω un univers ni. On appelle probabilité dénie sur l'ensemble P(Ω) des parties de Ω, toute
application p de P(Ω) dans [0, 1] vériant :
 p(Ω) = 1.
 Pour tous évènements A et B tel que A ∩ B = ∅ on a : p(A ∪ B) = p(A) + p(B).

II.3 Propriétés :
Propriétés

Soit Ω un univers ni.A et B deux évènements de Ω :

* 0 < p(A) < 1.
* p(Ā) = 1 − p(A).
* p(∅) = 0.
* p(A ∪ B) = p(A) + p(B) − p(A ∩ B).
* Si tous les évènements ont la même probabilité, on a alors :
1
p(a) = pour tout a élément de Ω
card(Ω)
card(A)
et p(A) = pour tout A évènement de Ω.
card(Ω)

II.4 Exemple :
Une urne contient 5 boules rouges, 4 boules noires et 3 boules vertes.
On tire simultanément et au hazard 3 boules de l'urne.
Calculer la probabilité de chacun des évènements suivants :
A : " Obtenir 3 boules rouges ".
B : " Obtenir 3 boules de même couleurs ".
C : " Obtenir au moins une boules rouges ".
Solution :
Cherchons card(Ω).
12! 12 × 11 × 10 × 9! 1320
3
card(Ω) = C12 = = = = 220.
3! × 9! 3 × 2 × 1 × 9! 6
5!
card(A) = C53 = = 10.
3! × 2!
card(A) 10 1
⇒ p(A) = = = .
card(Ω) 220 22
card(B) = C33 + C53 + C43 = 10 + 4 + 1 = 15.
card(B) 15 3
⇒ p(B) = = = .
card(Ω) 220 44

C : " Obtenir 3 boules dont aucune n'est rouge ".

7!
card(C) = C73 = = 35.
3! × 4!
card(C) 35 7
⇒ p(C) = = = .
card(Ω) 220 44

Kadri Wassim 4 2015 * 2016

Cours Probabilité Bac Technique

7 37
Donc : p(C) = 1 − p(C) = 1 − = .
44 44
Ou bien d'autre manière :

card(C) = C51 × C72 + C52 × C71 + C53

= 5 × 21 + 10 × 7 + 10
= 105 + 70 + 10
= 185

card(C) 185 37
⇒ p(C) = = = .
card(Ω) 220 44

II.5 Retenons :
Tirage de p jetons d'un sac contenant n jetons p ≤ n.

Type de tirage Successifs et avec remise Successifs et avec remise Simultanément

Ordre L'ordre intervient L'ordre intervient L'ordre n'intervient pas
Un cas possible Un p-uplet avec possibilité Un p-uplet d'éléments Une partie de p éléments
de répétition deux à deux distincts
n! n!
card(Ω) np Apn = Cnp =
(n − p)! p! × (n − p)!

II.6 Activité 3 page 313 :

Soit Ω l'univers des cas possibles.
9!
card(Ω) = A39 = = 9 × 8 × 7 = 504
6!
4!
card(A) = A34 = = 4 × 3 × 2 × 1 = 24
1!
card(A) 24 1
⇒ p(A) = = = .
card(Ω) 504 21
4! 3!
card(B) = A34 + A33 = + = 24 + 6 = 30
1! 0!
card(B) 30 5
⇒ p(B) = = = .
card(Ω) 504 84
C : " Obtenir 3 boules dont aucune n'est rouge ".
5!
card(C) = A35 = = 60.
2!
card(C) 60 5
⇒ p(C) = = = .
card(Ω) 504 42
5 37
Donc : p(C) = 1 − p(C) = 1 − = .
42 42
2 2
card(D) = A2 × A7 × 3 = 42
card(D) 42 1
⇒ p(A) = = = .
card(Ω) 504 12

II.7 Exercices :
Exercice 1 page 326 :
p1 = p3 , p2 = p4 , p5 = p6 = 2p1 = 3p2

1. p1 + p2 + p3 + p4 + p5 + p6 = 1
2 2
⇐⇒ p1 + p1 + p1 + p1 + 2p1 + 2p1 = 1
3 3

Kadri Wassim 5 2015 * 2016

Cours Probabilité Bac Technique

3
⇐⇒ p1 = .
22
p1 p2 p3
p4 p5 p6
D'où 3 2 32 6 6
22 22 22
22 22 22
10 12
2. p(A) = p2 + p4 + p6 = et p(B) = p5 + p6 =
22 22

Exercice 3 page 326 :

1. Soit Ω l'univers des cas possibles.
6!
card(Ω) = C62 = = 15
4! × 2!
4!
card(A) = C42 = =6
2! × 2!
card(A) 6 2
⇒ p(A) = = = .
card(Ω) 15 5
2 2 2! 4!
card(B) = C2 + C4 = + =1+6=7
2! × 0! 2! × 2!
card(B) 7
⇒ p(B) = = .
card(Ω) 15
C = A ∩ B d'ou card(C) = card(A ∩ B) = C32 = 3.
card(C) 3 1
⇒ p(C) = = = .
card(Ω) 15 5
2 7 1 10
D =A∪B d'ou p(D) = p(A) + p(B) − p(A ∩ B) = + − = .
5 15 5 15

2. Soit Ω0 l'univers des cas possibles.

card(Ω0 ) = 62 = 36
card(E) 16 4
card(E) = 2 × 21 × 41 = 16 =⇒ p(E) = 0
= = .
card(Ω ) 36 9
F : " Aucune boule noire n'est tirée "
card(F ) = 22 = 4
card(F ) 4 1
p(F ) = = = .
card(Ω0 ) 36 9
1 8
p(F ) = 1 − p(F ) = 1 − =
9 9

III Probabilité conditionnelle :

III.1 Activité 1 page 314 :

30 3
1. p(A) = = = 0, 3.
100 10
60 6
p(B) = = = 0, 6.
100 10
10 1
p(C) = = . =⇒ est appelé probabilité de A sachant B . On le note p(A/B).
60 6
10
2. (a) p(A ∩ B) = = 0, 1.
100
p(A ∩ B) 10 × 10 1
(b) = = .
p(B) 100 × 6 6
p(A ∩ B)
D'où p(C) = .
p(B)

p(A ∩ B)
On a ainsi : p(A/B) =
p(B)


Kadri Wassim 6 2015 * 2016

Cours Probabilité Bac Technique

Arbres pondérés :
Lorsqu'on est en présence d'une situation de conditionnement, il est conseillé d'établir un arbre de pro-
babilité.

Règles de construction :
La somme des probabilités des branches issues d'un même noeud est 1.
La probabilité de l'événement correspondant à un trajet est le produit des probabilités des diérentes
branches composant ce trajet.
L'arbre de probabilités ci-après modélise la situation de l'activité précédente.

1 6 1
A −→ p(A ∩ B) = 6 × 10 = 10
1
6
B
5
6 6 5 6 1
A −→ p(A ∩ B) = 6 × 10 = 2
10

4 1 4 1
A −→ p(A ∩ B) = 2 × 10 = 5
10 1
2
B
1
2 1 4 1
A −→ p(A ∩ B) = 2 × 10 = 5

III.2 Dénition :
Dénition

Soit Ω un univers, p une probabilité dénie sur P(Ω) et A et B deux évènements tel que p(B) 6= 0.
On appelle probabilité conditionnelle de A sachant B qu'on lit : " Probabilité de A sachant B ", le
p(A ∩ B)
nombre réel : p(A/B) = . On note aussi PB (A).
p(B)

III.3 Application :
Une entreprise dispose de deux machines M1 et M2 pour fabriquer des pièces. Certains pièces sont dé-
2
fectueuses. Les de la production fourni par M1 . La machine M1 produise 90% des pièces sans défaut et la
3
machine M2 produise 5% des pièces sont défectueuses.
On choisit au hasard une pièce et on considère les évènements :
A : La pièce provient de M1 .
D : La pièce est défectueuse.
1. Construire l'arbre de probabilité.
2. Calculer p(D).
3. Calculer la probabilité pour que la pièce provienne de M1 sachant qu'elle est défectueuse.
Solution :

Kadri Wassim 7 2015 * 2016

Cours Probabilité Bac Technique

1. Arbre de probabilité
D −→ p(D ∩ A)
10
p(D/A) = 100

A
90
p(D/A) = 100

2
p(A) = 3 D −→ p(D ∩ A)

1
p(A) = 3 D −→ p(D ∩ A)
5
p(D/A) = 100

A
95
p(D/A) = 100

D −→ p(D ∩ A)

2. D = (D ∩ A) ∪ D ∩ A .


10 2 5 1 25 1
p(D) = p (D ∩ A) + p D ∩ A = p(D/A)p(A) + p(D/A)p(A). p(D) = .


. + . = =
100 3 100 3 300 12
10
p(A ∩ D) p(D/A)p(A) ×2 4
3. PD (A) = p(A/D) = = = 10025 3 =
p(D) p(D) 300
5

III.4 Activité 3 page 315 :

. 1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
30 5
1. p(A) = = .
36 6
6 1
A ∩ B = B donc on obtient p(A ∩ B) = p(B) = = .
36 6
2 1
A ∩ C = {(1, 3); (3, 1)} donc on obtient p(A ∩ C) = = .
36 18
A ∩ D = ∅ donc on obtient p(A ∩ D) = 0.
B ∩ C = ∅ donc on obtient p(B ∩ C) = 0.

p(Ω ∩ A)
2. p(Ω/A) = = 1.
p(A)
1
p(B ∩ A) 1
p(B/A) = = 65 = .
p(A) 6
5
1
p(C ∩ A) 1
p(C/A) = = 18
5 = .
p(A) 6
15
p(D ∩ A) 0
p(D/A) = = 5 = 0.
p(A) 6

Kadri Wassim 8 2015 * 2016

Cours Probabilité Bac Technique

3. B ∪ C = {(6, 1); (5, 2); (4, 3); (3, 4); (2, 5); (1, 7); (3, 1); (2, 2); (1, 3); }
(B ∪ C) ∩ A = {(6, 1); (5, 2); (4, 3); (3, 4); (2, 5); (1, 7); (3, 1); (1, 3); }
8
D'où p ((B ∪ C) ∩ A) = .
36
8
p ((B ∪ C) ∩ A) 8 4
p ((B ∪ C)/A) =
p(A)
= 36 5 = 30 = 15 .
6
1 1 4
p(B/A) + p(C/A) = + = = p ((B ∪ C)/A).
5 15 15
24
B∩A 12 4
4. p(B/A) = 5 = 15 = 5 .
= 36
p(A) 6
p(B ∩ A) 1 4
1 − p(B/A) = 1 − = 1 − = = p(B/A).
p(A) 5 5

III.5 Propriété :
Soit Ω un univers, p une probabilité dénie sur P(Ω) et B un évènements tel que p(B) 6= 0.
On a : p(Ω/B) = 1
Pour tout évènements incompatibles A1 et A2 on a :
 
p ((A1 ∪ A2 )/B) = p(A1 /B) + p(A2 /B)
 
.
 
Pour tout évènement A on a : p(A/B) = 1 − p(A/B).
 

III.6 Activité 4 page 316 :

1. Soit Ω l'univers des cas possibles.
3 10!
card(Ω) = C10 = = 120
3! × 7!
1 2
card(A) = C3 × C7 = 63
card(A) 63 21
⇒ p(A) = = = .
card(Ω) 120 40
B : ”Aucunebouleblanchen0 esttire”
card(B) = C33 = 1
card(B) 1
⇒ p(B) = = .
card(Ω) 120
D'ou on obtient : (B) = 1 − p(B) = 119
120 .

p(A ∩ B)
2. (a) p(A/B) = .
p(B)
A ∩ B : "Obtenir une boule rouge et deux blanches".
card(A ∩ B) 63
card(A ∩ B) = C31 × C72 = 63. D'où : p(A ∩ B) = = .
card(Ω) 120
63
63
119 = 119 .
⇒ p(A/B) = 120
120
63
card(A ∩ B)
⇒ p(B/A) =
card(A) 63 = 1.
= 120
120

(b) C : " Obtenir au moins deux boules blanche ".

card(C) = C73 + C72 × C31 = 98.
98
D'où p(C) = .
120
La probabilité d'obtenir une boule rouge sachant que q'au moins deux boules blanches sont tirées
est : p(A/C).
63
p(A ∩ C) 120 63
p(A/C) = = 98 =
p(C) 120
98
3. p(A/B) > p(A).
p(B/A) > p(B).

Kadri Wassim 9 2015 * 2016

Cours Probabilité Bac Technique

III.7 Activité 1 page 316 :

3 1
a) p(A) = = .
6 2
3 1
p(B) = = .
6 2
1
p(A ∩ B) = .
4
Soit Ω l'univers des cas possibles.
card(Ω) = 6 = 36.
2

card(A ∩ B) = 32 = 9
9 1
d'où p(A ∩ B) = = .
36 4
1
b) p(A ∩ B) = .
4
1 1 1
p(A) × p(B) = × = .
2 2 4
=⇒ p(A ∩ B) = p(A) × p(B).
p(A ∩ B) p(A) × p(B)
c) p(A/B) = = = p(A).
p(B) p(B)

III.8 Dénition :
Dénition

Soient Ω un univers, p une probabilité dénie sur P(Ω) et A et B deux événements. A et B

sont dits indépendants si et seulement si
p(A ∩ B) = p(A) × p(B)

Ce qui équivaut à :
p(A/B) = p(A)
si p(B) 6= 0.

III.9 Activité 3 page 316 :

3
p(A) = .
6
1
p(B) = .
6
A ∩ B :" Obtenir une face portant un nombre paire de couleur rouge".
1
p(A ∩ B) = .
6
1 1 1
p(A) × p(B) = × = 6= p(A ∩ B).
2 6 12
D'où les événements A et B ne sont pas indépendant.

IV Principe des probabilités composées :

IV.1 Activité 1 page 317 :

1. On a : A ∩ B ⊂ A =⇒ 0 ≤ p(A ∩ B) < p(A) = 0 =⇒ p(A ∩ B) = 0.
p(A ∩ B)
2. p(B/A) = ⇐⇒ p(A ∩ B) = p(B/A) × p(A).
p(A)
p(A ∩ B)
3. On a : p(A/B) = ⇐⇒ p(A ∩ B) = p(A/B) × p(B).
p(B)
Donc on obtient : p(B/A) × p(A) = p(A/B) × p(B).

Kadri Wassim 10 2015 * 2016

Cours Probabilité Bac Technique

p(A ∩ B ∩ C)
4. On a : p (C/A ∩ B) = .
p(A ∩ B)
=⇒ p(A ∩ B ∩ C) = p (C/A ∩ B) × p(A ∩ B) = p (C/A ∩ B) × p(B/A) × p(A).

IV.2 Retenons :
Dénition

Soient Ω un univers, p une probabilité dénie sur P(Ω) et A , B et C trois événements tel
que p(A) 6= 0 et p(B) 6= 0. On a :

p(A ∩ B) = p(A/B) × p(B) = p(B/A) × p(A)

.
p(A ∩ B ∩ C) = p (C/A ∩ B) × p(B/A) × p(A)
.

V Principe des probabilités totales - Formule de Byes :

V.1 Activité 1 page 321 :

a) A ∩ Ω = A et B ∪ B = Ω.
=⇒A = A ∩ Ω = A ∩ (B ∪ B) = (A ∩ B) ∪ (A ∩ B)
b) (A ∩ B) ∩ (A ∩ B) = ∅.
D'où : p(A) = p (A ∩ B) ∪ (A ∩ B) = p(A ∩ B) + p(A ∩ B).

c) p(A) = p(A ∩ B) + p(A ∩ B) = p(A/B)p(B) + p(A/B)p(B). Car p(A) = p(B) .

p(A∩B)

 
p(A) = p(A/B)p(B) + p(A/B)p(B)
 
=⇒ C'est le principe des probabilités totale.
d) D'après ce qui précède :

p(A ∩ B) p(B/A)p(B)
p(B/A) = =
p(A) p(A/B)p(B) + p(A/B)p(B)

=⇒ C'est la loi de Bayes.

V.2 Exercice 7 page 327 :

1. Ω l'univers des cas possibles.
7! 7 × 6 × 5 × 4!
card(Ω) = C73 = = = 35.
3! × 4! 3 × 2 × 1 × 4!
4
card(R) = C43 = 4 =⇒ p(R) = .
35
1
p(A/R) = .
4
1 4 1
p(A ∩ R) = p(A/R) × p(R) = × = .
4 35 35
4 1 1
p(A) = p(A/R)p(R) + p(A/R) p(R) = p(A/R)p(R) = × = .
| {z } 35 4 35
0

2. (a) p(B) = p(B/R)p(R) + p(B/R)p(R).

C21 × C42 2×6 12
p(B/R) = = = .
C73 35 35
4 31
p(R) = 1 − p(R) = 1 − = .
35 35

Kadri Wassim 11 2015 * 2016

Cours Probabilité Bac Technique

2 1
p(B/R) = = .
4 2
p(B) = p(B/R)p(R) + p(B/R)p(R)
1 4 12 31
= × + ×
2 35 35 35
2 372
= +
35 1225
442
= .
1225

(b) H = R/B .
1 4
p(B ∩ R) p(B/R)p(R) × 35
p(H) = p(R/B) = = = 2
442
35
= .
p(B) p(B/R)p(R) + p(B/R)p(R) 1225
221

Kadri Wassim 12 2015 * 2016

 Première partie

Variable aléatoire

13
Chapitre 2

Variables aléatoires réelles

Dans tout ce chapitre, Ω est un univers, P(Ω) l'ensemble des parties de Ω et p une probabilité sur P(Ω).

I Loi de probabilité d'une variable aléatoire :

I.1 Activité 1 page 333 :

Rouge (+1) , Noire (+2) et blanche (−3).

a) Les valeurs prise par X sont −3, 1, 2. On note X(Ω) = {−3, 1, 2}.

2
 p(X = −3) =
 6
b) La loi de probabilité de X est : p(X = 1) = 3
6
1

p(X = 2) =

6

c) p(X = xi ) = 26 + 36 + 16 = 1.
X

xi ∈X(Ω)

I.2 Dénition :
Dénition

Soit Ω un univers ni :

∗ On appelle variable aléatoire réelle (ou aléa numérique) dénie sur l'univers Ω , toute
application X : Ω −→ R.
∗ On appelle loi de probabilité de X ou distribution des probabilités de , l'application :

f : Ω → [0 ; 1]

xi 7→ p(X = xi )

I.3 Exemple :
On lance trois fois de suite un jeton qui porte 1 sur l'une des faces et 0 sur l'autre face. Soit X la variable
aléatoire qui à chaque expérience associe la somme des trois numéros obtenus.
1. Déterminer l'ensembles des valeurs prise par X .
2. Déterminer la loi de probabilité de X .
Solution :

1. Soit Ω l'univers des cas possibles.

X(Ω) = {0, 1, 2, 3}.

14
Cours Probabilité Bac Technique

2. Loi de probabilité
(X = 0) (X = 1) (X = 2) (X = 3)
{(0, 0, 0)} {(1, 0, 0), (0, 1, 0), (0, 0, 1)} {(1, 1, 0), (0, 1, 1), (1, 0, 1)} {(1, 1, 1)}
 3  3  3  3
1 1 1 3 1 3 1 1
p(X = 0) = = p(X = 1) = ×3= p(X = 2) = ×3= p(X = 3) = =
2 8 2 8 2 8 2 8

II Espérance mathématique :

II.1 Activité :
Un joueur lance un dé équilibré :
? Si le nombre de la face supérieur est impair, il gagne en dinars la somme égale à ce nombre.
? Si le nombre de la face supérieur est pair, il perd en dinars la somme égale à ce nombre.
On désigne par X la variable aléatoire qui prend la valeur du gain algébrique.
1. Déterminer la loi de probabilité de X .
6
2. Calculer l'expression xi p(X = xi ).
X

i=1
Solution :

1. Soit Ω l'univers des cas possibles.

X(Ω) = {−6, −4, −2, 1, 3, 5}.
xi -6 -4 -2 1 3 5
1 1 1
1 1 1
p(X = xi )
6 6 6
6 6 6
6   
        
1 1 1 1 1 1
2. .
X
xi p(X = xi ) = −6 × + −4 × + −2 × + 1× + 3× + 5×
i=1
6 6 6 6 6 6
1 1 1
= × (−6 − 4 − 2 + 1 + 3 + 5) = × (−3) = − .
6 6 2
=⇒ ce réel est appelé espérance mathématique de X notée E(X).

II.2 Dénition :
Dénition

Soit X une variable discrète prenant les valeurs xi avec les probabilités respectives pi ,
pour :i ∈ {1, 2, 3, ......, n}.
On appelle espérance mathématique de X , ou valeur moyenne de X que l'on note E(X) ou
X , le réel dénie par :
n
X
E(X) = pk xk = p1 x1 + p2 x2 + ............. + pn xn
k=1

II.3 Remarque :
Si X indique le gain algébrique (positif ou négatif) réalisé dans un jeu, alors on dit que :
∗ Le jeu est favorable ou gagnant si et seulement si E(X) > 0 .
∗ Le jeu est défavorable ou perdant si et seulement si E(X) < 0 .
∗ Le jeu est équitable si et seulement E(X) = 0 .

Kadri Wassim 15 2015 * 2016

Cours Probabilité Bac Technique

II.4 Exemple :
On désigne par X l'aléa numérique qui indique le gain algébrique en dinars réalisé dans un jeu. La loi de
probabilité de X est donné par le tableau suivant :
xi −0, 25 1 2 2, 5 b
p(X = xi ) 0, 4 0 0, 05 0, 15 a
Déterminer a et b pour que le jeu soit équitable.
Solution :
On a :
5
X
p(X = xi ) = 1 ⇐⇒ 0, 4 + 0 + 0, 05 + 0, 15 + a = 1
i=1

Donc 0, 60 + a = 1 ⇐⇒ a = 0, 4.
5
x − ip(X = xi ) = −0, 25 × 0, 4 + 1 × 0 + 2 × 0, 05 + 2, 5 × 0, 15 + 0, 4 × b = 0, 375 + 0, 4b.
X
E(X) =
i=1
Le jeu est équitable E(X) = 0 ⇐⇒ 0, 375 + 0, 4b = 0 ⇐⇒ b = −9, 375.

II.5 Dénition :
Dénition

Soit X une variable aléatoire dénie sur un univers Ω.

~ On appelle variance de , le réel V (X) = E(X 2 )−(E(X))2 ou encore : V (X) = E((X −E(X))2 )
.
~ On appelle écart-type de X le réel σ(X) = V (X).
p

II.6 Activité 2 page 339 :

Soit Ω l'univers des cas possibles.
R(Ω) = {1, 2, 3, 4}
2
p(R = 1) = .
5
3 2 3
p(R = 2) = × = .
5 4 10
3 2 2 1
p(R = 3) = × × = .
5 4 3 5
3 2 1 1
p(R = 4) = × × × 1 = .
5 4 3 10
D'où on a :
ri 1 2 3 4
p(R = ri ) 25 3
10
1
5
1
10
4
2 3 1 1
= 2.
X
E(X) = ri p(R = ri ) = 1 × + 2 × +3× +4×
i=1
5 10 5 10
V(R) = E(R2 ) − (E(R))2
r
ri2 p(R = ri ) − (E(R))2 .
X
=
i=1
2 3 1 1
= 12 × + 22 × + 32 × + 42 × − 22 .
5 10 5 10
2 12 9 16
= + + + − 4.
5 10 5 10
50
= − 4.
10
= 1.

II.7 Fonction de répartition :

Soit un aléa numérique X déni sur un univers Ω muni d'une probabilité p.
La fonction de répartition F de X est la fonction de R vers [0; 1] qui, à tout réel x, associe la probabilité que

Kadri Wassim 16 2015 * 2016

Cours Probabilité Bac Technique

X soit inférieure ou égale à x : F (x) = p(X ≤ x).

La fonction de répartition est constante par intervalles.

Exemple :
Dans l'activité précédente on a :
xi 1 2 3 4
4 3 2 1
p(X = xi ) 10 10 10 10

D'ou on obtient :
Intervalle Valeurs de F (X) c'est à dire p(X ≤ x) vaut :
des valeurs X vériant
de x X≤x
] − ∞, 1[ Aucune 0
[1; 2[ 1 p(X 4
= 1) = 10
[2; 3[ 1 et 2 p(X 7
= 1) + p(X = 2) = 10
[3; 4[ 1 , 2 et 3 p(X 9
= 1) + p(X = 2) + p(X = 3) = 10
[4; +∞[ 1 , 2 , 3 et 4 p(X = 1) + p(X = 2) + p(X = 3) + p(X = 4) = 1
Représentation graphique de F :

III Loi Binomiale :

III.1 Activité :
La probabilité qu'un joueur de échette atteigne sa cible est égale à 0, 9.
1. On suppose que le joueur eectue deux tirs et on note X la variable aléatoire associant à cette épreuve
le nombre de succès réalisés.
(a) Déterminer la loi de probabilité de X .
(b) Déterminer la probabilité de l'évènement : A  le joueur atteint au moins une fois sa cible .
2. On suppose que le joueur eectue 6 tirs et on note Y la variable aléatoire associant à cette épreuve le
nombre de succès réalisés.
(a) Déterminer les probabilités des évènements suivants :
B  Le joueur réalise 5 succès .
C  Le joueur réalise au moins un succès .
(b) Déterminer la loi de probabilité de Y .

Kadri Wassim 17 2015 * 2016

Cours Probabilité Bac Technique

Solution :

1. Soit Ω l'univers des cas possibles.

(a) X(Ω) = {0, 1, 2}.
p(X = 0) = 0, 1 × 0, 1 = 0, 01.
p(X = 1) = 0, 1 × 0, 9 × 2 = 0, 18. (echec + réussite) ou (réussite + echec)
p(X = 2) = 0, 9 × 0, 9 = 0, 81.

xi 0 1 2
p(X = xi ) 0, 01 0, 18 0, 81
(b) p(A) = 0, 18 × 0, 81 = 0, 99.
2. (a) p(B) = C65 (0, 9)5 × 0, 1 = 6 × (0, 9)5 × 0, 1 ' 0, 36.
p(C) = (0, 1)6 = 0, 000001 Donc p(C) = 0, 999999.
(b) p(Y = 0) = (0, 1)6 = 0, 000001.
p(Y = 1) = C61 × (0, 9) × (0, 1)5 = 0, 000054.
p(Y = 2) = C62 × (0, 9)2 × (0, 1)4 = 0, 0012.
p(Y = 3) = C63 × (0, 9)3 × (0, 1)3 = 0.0145.
p(Y = 4) = C64 × (0, 9)4 × (0, 1)2 = 0.0984.
p(Y = 5) = C65 × (0, 9)5 × (0, 1) = 0.3542.
p(Y = 6) = C66 × (0, 9)6 = 0.5314.

III.2 Théorème et dénition :

Théorème et dénition

Soit une expérience aléatoire de n épreuves identiques, indépendantes et n'ayant que deux
issues
(succès ou échec), dont p la probabilité de l'évènement succès. On considère la variable
aléatoire X associant à cette expérience le nombre de succès réalises des n épreuves alors la
loi de probabilité de X est donné par :
  ♣
p(X = k) = Cnk pk q n−k
 
Avec p = p(succs) et q = 1 − p et k ∈ {0, 1, 2, ........, n}
On dit que X suit la loi binomiale de paramètres (n, p) et on a :
 
E(X) = n × p......et.......V (X) = n × p × q
 

III.3 Exercice 4 page 359 :

r = rouge.


b = bleu.


20
 v = verte.
j = jaune.


On a : r + b + v + j = 20 d'après la proportionnalité r = 1k , b = 2k , v = 3k et j = 4k.
D'où : k + 2k + 3k + 4k = 20 ⇐⇒ k = 2.
Ainsi r = 2, b = 4, v = 6 et j = 8.
Couleur r b v j
1. 2 4 6 8
p
20 20 20 20
2. Ω l'univers des cas possibles.
(a) X(Ω) = {0, 1, 2, 3}.

Kadri Wassim 18 2015 * 2016

Cours Probabilité Bac Technique

4 1
(b) X suit une loi Binomiale de paramètre n = 3 et p = = .
 k  n−k 20 5
1 4
D'où p(X = k) = Cnk avec n = 3 et k ∈ {0, 1, 2, 3}.
5 5
 0  3
1 4 64
p(X = 0) = C30 = .
5 5 125
 1  2
1 4 48
p(X = 1) = C31 = .
5 5 125
 2  1
1 4 12
p(X = 2) = C32 = .
5 5 125
 3  0
1 4 1
p(X = 3) = C33 = .
5 5 125
(c) Fonction de répartition (à voir plus tard)
1 3
(d) E(X) = np = 3 × = .
5 5
1 4 12
V (X) = np(1 − p) = 3 × × = .
5 5 25

IV Variables aléatoires continues :

IV.1 Introduction et dénition :

F Les variables aléatoires qu'on a étudiées précédemment sont dénies sur un ensemble ni et prennent un
nombre ni de valeurs. Ce sont des variables aléatoires discrètes.
F Cependant certaines variables aléatoires peuvent prendre n'importe quelle valeur dans un intervalle donne.
On les appelle variables aléatoires continues.

Parmi les variables aléatoires suivantes, indiquer celles qui sont continues :
 Le temps que met un coureur pour parcourir 800 mètres.
 La température d'une personne en bonne santé.
 Le nombre d'absents dans une classe.
 Le poids d'un nouveau ne.
 Le montant de la facture d'électricité.
 Le nombre de repas servis dans un restaurant.

IV.2 Densité de probabilité d'une variable aléatoire continue :

Activité :
Calculer les intégrales suivantes :
1 π
Z 2
Z 2 Z 2
a) 2dx b) √ xdx c) cos(x)dx.
0 2 0
Solution :
Z 1
a)
1
2dx = [2x]02 = 1.
0
Z 2  2
1 2
b) √ xdx = x √
= 2 − 1 = 1.
2 2 2
Z π
2
c)
π
cos(x)dx = [sin(x)]02 = 1 − 0 = 1.
0

Kadri Wassim 19 2015 * 2016

Cours Probabilité Bac Technique

Dénition :
Dénition

Soit a et b deux réels tel que a < b. On appelle densité de probabilité sur l'intervalle [a, b] toute
Z b
fonction dénie, continue, et positive sur [a, b] et vériant : f (x)dx = 1.
a

IV.3 Loi uniforme :

Activité :
1
Soit la fonction f dénie sur [a, b] par f (x) = .
b−a
1. Montrer que f est une densité sur [a, b].
Z d
2. Montrer que pour tout intervalle[c, d] ⊂ [a, b] on a : 0 ≤ f (x)dx ≤ 1.
c
Solution :
Z b Z b  b
1 1 1
1. f (x)dx = dx = = (b − a) = 1.
a a b−a b−a a b−a
D'où f est une densité sur [a, b].
Z d
2. On a : f est positif sur [a, b] d'où : f (x)dx ≥ 0.
Z d Z d  cd
1 1 1
f (x)dx = dx = = (d − c) ≤ 1.
c b−a b−a c b−a
Z dc
Donc : 0 ≤ f (x)dx ≤ 1.
c

Dénition :
Dénition

♣ On appelle loi uniforme sur I = [a, b] la loi de probabilité p dont la densité f est la fonction dénie
sur I par
:
0
 si x<a
1
f (x) = b−a si a ≤ x≤b

0 si x>b

Z d
d−c
♣ Pour tout intervalle [c, d] ⊂ [a, b] on a : f (x)dx = .
c b−a

Exemple :
Soit D une droite graduée. On désigne par A et B les points de d'abscisses respectives 2 et 6. On choisit
au hasard un point du segment [AB] et on note x son abscisse.
1. Quel est la probabilité pour que x ∈ [2; 4].
2. Quel est la probabilité pour que x ∈ [5; 6].
3. Quel est la probabilité pour que M soit le milieu du segment [AB].

Kadri Wassim 20 2015 * 2016

Cours Probabilité Bac Technique

Solution :

d−c 4−2 2 1
1. p ([2; 4]) = = = = .
b−a 6−2 4 2
6−5 1
2. p ([5; 6]) = = .
6−2 4
4−4
3. la probabilité pour que M soit le milieu du segment [AB] est p ([4; 4]) = = 0.
6−2

Dénition :
Dénition

On dit que X la variable aléatoire à valeur dans un intervalle [a; b] suit la loi de probabilité
uniforme p si :
d−c
p (c ≤ X ≤ d) =
b−a

Exemple :
On suppose que la durée en (minute) du trajet qui sépare un élève de son école est une variable aléatoire
X à valeur dans [20; 25] qui suit la loi de probabilité uniforme p.
1. Calculer p (20 ≤ X ≤ 22) et p (22 ≤ X ≤ 25).
2. On considère l'application f : R → [0 ; 1] dénie par :
x <20


 0 si
F (x) = p (20 ≤ X ≤ x) si x∈ [20; 25]
x > 25

1 si

Déterminer l'expression de F et tracer sa courbe.
Solution :

22 − 20 2
1. p (20 ≤ X ≤ 22) = = .
25 − 20 5
25 − 22 3
p (22 ≤ X ≤ 25) = = .
25 − 20 5

2. f : R → [0 ; 1].
• Si x ∈] − ∞, 20[ alors F (x) = 0.
• Si x ∈ [20, 25] alors F (x) = 25−20
x−20
= 15 x − 4.
• Si x ∈]25, +∞[ alors F (x) = 1.

Kadri Wassim 21 2015 * 2016

Cours Probabilité Bac Technique

Dénition :
On appelle loi uniforme sur [a, b] la loi de probabilité dont la densité f est la fonction constante égale à
1
sur [a, b].
b−a

Conséquence :
∗ x1 et x2 étant deux réels de l'intervalle [a, b] et X une variable aléatoire qui suit une loi uniforme sur [a, b]
on a :
x2 − x1
p ([x1 , x2 ]) = p (x1 ≤ X ≤ x2 ) =
b−a
.
∗ La fonction
de répartition de X est dénie sur R par :

 0 si x <a
 x−a
F (x) = si a ≤ x < b
 b−a
si x ≥ b

1


∗ Si X une variable aléatoire qui suit la loi uniforme sur un intervalle [a, b] alors on a :

a+b (b − a)2
E(X) = V (X) =
2 2

IV.4 Loi exponentielle :

Activité :
Soit λ un réel strictement positif et f la fonction dénie sur [0, +∞[ par : f (x) = λe−λx .
Z x Z x
1. Calculer f (t)dt et lim f (t)dt.
0 x→+∞ 0
Z d
2. Montrer que pour tout intervalle [c, d] ⊂ [a, b] on a : 0 ≤ f (x)dx ≤ 1.
c
Solution :
Z x Z x
x
1. λe−λt dt = −e−λt 0 = −e−λx + 1 = 1 − e−λx .

f (t)dt =
0 Z x 0

f (t)dt = lim 1 − e−λx = 1.

lim
x→+∞ 0 x→+∞

Kadri Wassim 22 2015 * 2016

Cours Probabilité Bac Technique

Z x Z d Z x
2. On a : f (t)dt = 1 − e−λx ≤ 1 =⇒ f (t)dt ≤ f (t)dt ≤ 1.
0 c 0 Z d
On a f (x) = λe −λx
est strictement positif sur [0, +∞[ alors f (x) > 0 ainsi on obtient : 0 ≤ f (x)dx.
c
Z d
Enn : 0 ≤ f (x)dx ≤ 1.
c

Dénition :
Dénition

Soit λ un réel strictement positif, la fonction f dénie sur [0, +∞[ par : f (t) = λe−λt est appelée
desité de loi exponentielle.
On appelle loi de probabilité eponentielle de paramètre λ, l'application p qui :
Z d
* à tout intervalle [c, d] inclus dans [0, +∞[ associe le réel p ([c, d]) = λe−λx dx.
c
* à tout intervalle [c, +∞[ inclus dans [0, +∞[ associe le réel p ([c, +∞]) = e−λc .

Conséquence :
Z c
1. Pour tout réel c > 0 , p({c}) = λe−λx dx = 0.
c
Z c
2. Pour tout réel c > 0 , p ([0, c]) = λe−λx dx = 1 − e−λc .
0
3. p ([c, +∞]) = 1 − p ([0, c]) = e−λc .

Exemple :
Soit t la durée de vie (en semaines) d'un appareil électronique. On suppose que la probabilité que l'appareil
soit encore fonctionnel au bout d'un temps t suit la loi de probabilité exponentielle de paramètre λ = 0.5
1. Quelle est la probabilité que la durée de vie soit entre 100 et 200 semaines.
2. Quelle est la probabilité que la durée de vie soit plus que 200 semaines.
Solution :
Z 200
1. On a : p ([100, 200]) = λe−λt dt
100
Z 200
−0.5t
= 0.5e dt
 100−0.5t 200
= −e 100
= −e100 + e−50
1 1
= 50 − 100
e e
1
2. p ([200, +∞[) = e−0.5×200 = e−100 = .
e100

Dénitions :
Dénition

On dit qu'une variable aléatoire X suit la loi exponentielle de paramètre λ, si :

Z d
p (c ≤ X ≤ d) = λe−λx dx = e−λc − e−λd
c

p (X ≥ c) = e−λc

Kadri Wassim 23 2015 * 2016

Cours Probabilité Bac Technique

Exemple :
Le temps X en minute pour trouver la cause d'une erreur dans un programme d'ordinateur suit la loi
exponentielle de paramètre 0,02.
1. Calculer la probabilité pour que la durée de recherche soit :
(a) Inférieur à quart d'heure.
(b) Dépasse une heure.
si x < 0

F (x) = 0
2. On considère la fonction F : R −→ [0, 1] dénie par :
F (x) = p (0 ≤ X ≤ x) si x > 0
(a) Déterminer l'expression de F .
(b) Calculer lim F (x).
x→+∞
(c) Représenter F .
Solution :
Z 15 15
1. (a) p ([0, 15]) = 0.02e−0.02t dt = −e−0.02t 0 = 1 − e−0.3 .

0
(b) p ([60, +∞[) = e−0.02×60 = e−1.2 .
Z x Z x
2. (a) p (0 ≤ X ≤ x) = λe−λt dt = 0.02e−0.02t dt = e−0.02×0 − e−0.02×x = 1 − e−0.02x .
0 0
si x < 0

F (x) = 0
Donc
F (x) = 1 − e−0.02x si x > 0
lim F (x) = lim (1 − e−0.02x ) = 1
x→+∞ x→+∞
(b) courbe

Dénition :
Dénition

Soit X une variable aléatoire qui suit la loi de probabilité exponentielle p de paramètre λ.
On appelle
( fonction de répartition de X , l'application F : R −→ [0, 1] dénie par :
0 si x <0
F (x) =
p (0 ≤ X ≤ x) si x ≥ 0

Kadri Wassim 24 2015 * 2016

Cours Probabilité Bac Technique

Propriété :
Si X est une variable aléatoire qui suit la loi exponentielle de paramètre λ alors on a :
1 1
E(X) = V (X) =
λ λ2

Execice 21 page 263 :

1 −1t
f (t) = e 4
4

(a) f (t) est de la forme λe−λt avec λ > 0. Donc f est une densité de probabilité d'une variable aléatoire
positif qui suit une loi exponentielle de paramètre λ = 41 .
1 1
E(X) = = 4 et V (X) = 2 = 16
λ λ
(b) p(0 ≤ X ≤ 6) = 1 − p ([6, +∞[) = 1 − e−λ×6 = 1 − e− 2 .
3

Kadri Wassim 25 2015 * 2016