HEMIP Année académique 2018-2019

Comptabilité et Gestion 2

Chapitre 1 : Algèbre des ensembles

1. Rappels
Cardinal d’un ensemble- Produit cartésien
a) Cardinal d’un ensemble
Soit E un ensemble. Le cardinal de E est le nombre d’éléments de E. On le note card (E).
Exemple : Soit A = {1, 2, 3 , 5 }, B = { } On a : card (A) = 4 et card(B) = 0.
b) Produit cartésien
Soient A et B deux ensembles. On appelle produit cartésien de A et B l’ensemble des couples
(a, b) tels a ∈ A et b ∈ B . On note A × B
A × B = { (a, b ) / a ∈ A, b ∈ B }
Plus généralement, soit A1 , A2 , ..., Ai , ..., An une suite d’ensembles.
A1 × A2 × ... × Ai × ... × An = { ( x1 , x 2 , ..., x i ,... x n ) / x i ∈ Ai , i = 1, 2, ...., n }
c) Propriétés
i) Soient A et B deux ensembles, on a :
card ( A ∪ B ) = card ( A ) + card ( B ) − card ( A ∩ B )
ii) Si A et B sont disjoints, on a : card ( A ∪ B ) = card ( A) + card ( B)

iii) Plus généralement, si A1 , A2 , ..., An est une suite d’ensembles deux à deux disjoints,
n
on a : card ( U A i ) = card ( A1 ) + card ( A 2 ) + L + card ( A n )
i =1

iv) Formule de Poincaré : Soient trois ensembles A, B et C, on a :

card ( A ∪ B ∪ C ) = card ( A ) + card ( B ) + card ( C ) − card ( A ∩ B )
− card ( A ∩ C ) − card ( B ∩ C ) + card ( A ∩ B ∩ C )
v) Soient A et B deux ensembles, on a :
card ( A × B ) = card ( A) × card ( B )
Plus généralement, si A1 , A2 , ..., An est une suite d’ensembles
card ( A1 × A2 × L × An ) = card ( A1 ) × card ( A2 ) × L × card ( An )

Factorielle d’un nombre entier

Soit n un entier non nul. On appelle factorielle n et on note n ! le produit de tous les nombres
entiers de 1 à n.
Exemple
5 ! = 1 × 2 × 3 × 4 × 5 = 120
Remarque : (n + 1) ! = (n + 1) × (n !)
Par convention 0 ! = 1. (Dans toute la suite p ∈ IN, n ∈ IN et p ≤ n .)
2. Analyse combinatoire

Cours de probabilité Page 1

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

L’analyse combinatoire est la branche des mathématiques qui s’occupe des questions de
dénombrement.
Arrangements
On appelle arrangement p à p des n éléments d’un ensemble E tout sous- ensemble
ordonné de E ayant p éléments.
p
Le nomb re total de ces arrangements est noté A n , on a :

A n = n (n − 1)(n − 2)L(n − p + 1) =
p n!
(n − p) !
C’est également le nombre d’injections d’un ensemble E à p éléments distincts dans un
ensemble F à n éléments.
Exemple 2 :
Dans une course de 18 chevaux, le nombre de tiercés possibles, dans l’ordre est :
3 18 !
A18 = = 18 × 17 × 16 = 4896
15 !
Permutations.

On appelle permutation de n éléments de l’ensemble E, toute suite ordonnée formée par ces n
éléments.
Le nombre total de ces permutations est noté Pn . Et on a : Pn = n !
Une permutation de n éléments différents est un arrangement de n éléments pris parmi les n
donnés, dans un ordre bien déterminé.
n
On désignera par Pn le nombre de permutations de n éléments pris n à n, qui est donné par :
Pnn = Ann = n ! .
Exemple
2
Le nombre de permutations des lettres a, b c prises deux à deux est P3 = 3 × 2 × 1 = 6 ; Ces
permutations sont ab, ba, ac, ca, bc, cb.
Remarque
Le nombre de permutations de n éléments dont n1 sont identiques, n 2 autres identiques, . . .
est :
n!
où n = n 1 + n 2 + L + n k
n 1 ! n 2 !L n k !
Exemple Le nombre de permutations des lettres du mot statistiques est :
12 !
= 6.652.800 puisqu’il y a 3 s, 3 t, 1 a, 2 i, 1 q, 1 u, 1 e.
3 ! 3 ! 1! 2 ! 1! 1! 1!
Combinaisons

Une combinaison de n éléments différents pris p à p est une sélection de p éléments parmi les
p
n donnés, sans ordre déterminé. On désignera par C n le nombre de combinaisons de n
éléments pris p à p. Ce nombre est donné par :

Cours de probabilité Page 2

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

Anp n(n − 1)(n − 2 )L (n − p + 1) n!

C np = = =
p! p! p ! (n − p ) !
Exemple
Le nombre de combinaisons que l’on peut former avec les lettres a, b, c prises deux à deux est
3 × 2 ×1
C 32 = = 3 . Ces combinaisons sont ab, ac, bc. Remarquons que ab et ba représentent
2!
la même combinaison, mais pas la même permutation.
Exemple
Dans un jeu de 32 cartes, le nombre de mains de 5 cartes ne comportant aucun as est
C528 = 98280 . En effet, il s’agit du nombre de combinaisons de 5 cartes choisies parmi les
28 cartes du jeu autres que les 4 as.

Exercices
Exercice 1 : 17 chevaux sont au départ d’un grand prix. Combien y a-t-il de
tiercés possibles :
a) au total
b) dans lesquels les 3 chevaux de têtes sont dans l’ordre ?
c) dans lesquels ils sont dans l’ordre ou dans le désordre ?
d) dans le désordre.

Exercice 2
4 k n − k + 1 k −1
a) Calculer C85 b) Montrer que C n = Cn
k
.

Exercice 3 : Avec les lettres du mot SCIENCES, combien peut–on former de mots de huit
lettres ayant un sens ou non
a) au total ?
b) commençant et finissant par une consonne ?
c) commençant par une consonne et finissant par une voyelle ?

Exercice 4 : Dans une entreprise, six postes de travail présentant des caractéristiques
identiques sont à pourvoir et font l’objet d’une offre d’emploi. Dix candidats se présentent
dont six femmes et quatre hommes. Combien de sélections pourra opérer le chef du personnel
si pour ces six postes, il veut embaucher deux hommes.
a) exactement ?
b) au plus ?
c) au moins ?

Cours de probabilité Page 3

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

Exercice 5 : Une association, comprenant 20 membres dont 12 hommes et 8

femmes, dé sire former un comité de 5 personnes, dans lequel doivent se trouver au
moins 2 hommes et 2 femmes. Trouver de combien de façons l’on peut former ce
comité dans chacun des cas suivants :
a) Chaque membre de l’association accepte de faire partie du comité.
b) Deux des hommes refusent d’en faire partie.
c) Mr P et Mme Q refusent de siéger ensemble.

Corrigés des exercices

Exercice 1
L’ordre des chevaux à l’arrivée intervient bien entendu et on choisit 3 chevaux parmi 17,
donc :
3
a) A17 = 17 × 16 × 15 = 4080 tiercés possibles.
b) Un seul.
c) 3 ! = 6 autant que de permutations dans un ensemble de 3 chevaux.
d) 6 − 1 = 5

Exercice 2
4 85 × 84 × 83 × 82
a) C 85 = = 2024785
4 × 3 × 2 ×1
b)
Ank n(n − 1)(n − 2 )L (n − k + 1) (n − k + 1) n(n − 1)(n − 2 )L (n − k )
C nk = = =
p! 1× 2 × 3 × L× k k 1 × 2 × 3 × L × (k − 1)
n - k + 1 k −1
= Cn
k
Finalement le nombre cherché est :
3 × C 2 = 10 ! × 6 ! = 10 800
A 10 6 7 ! 2!4!
Exercice 3
On doit former des mots de huit lettres ayant un sens ou non avec le mot SCIENCES.
a) Il y a 8 ! mots formés avec les huit lettres du mot SCIENCES. Mais toute permutation des
deux S ne change pas le mot. Il en est de même pour les deux E et les deux C.
8!
On obtient donc au total = 5040 mots différents .
2!2!2!
2
b) Il y a cinq consonnes et donc A façons de choisir la première et la dernière lettre. Pour
5
les lettres du milieu , il reste 6 ! façons de les choisir.
Finalement, on trouve
A52 6 !
= 1800 mots différents .
2!2!2!

Cours de probabilité Page 4

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

c) Il y a A
1 façons de choisir la première et A1 façons de choisir la dernière lettre. Pour les
5 3
lettres du milieu , il reste 6 ! façons de les choisir.
Finalement, on trouve
A51 A31 6 !
= 1350 mots différents.
2!2!2!
Exercice 4
Le chef du personnel veut embaucher six personnes dont deux hommes.
a) S’il embauche deux hommes et quatre femmes :

C 2 C 4 = 90 sélections possibles.
4 6
b) S’il embauche au plus deux hommes :

C 0 C 6 + C1 C 5 + C 2 C 4 = 115 sélections possibles.

4 6 4 6 4 6
c) S’il embauche au moins deux hommes :
C 2 C 4 + C 3 C 3 + C 4 C 2 = 185 sélections possibles.
4 6 4 6 4 6
.

Exercice 5
a) On peut avoir 2 hommes et 3 femmes ou 2 femmes et 3 hommes :
2 x C 3 + C 3 x C 2 = 9856
C12 8 12 8
b) Il n’y a plus que 10 hommes disponibles. Les possibilités sont les mêmes qu’au a) :
2 x C 3 + C 3 x C 2 = 5880
C10 8 10 8
Le nombre de comités possibles est réduit à la moitié environ.
c) parmi les cas possibles du a), il y en a

C111 x C 72 + C11
2 x C1 = 616
7
où Mr P et Mme Q siègent ensemble (il ne reste à choisir que les 3 autres membres).
Il reste donc :
9856 − 616 = 9240 Comités possibles.

Cours de probabilité Page 5

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

Chapitre 2 : Espace probabilisé – Probabilités

1. Expérience aléatoire- Ensemble fondamental
• On appelle expérience aléatoire, une expérience ε dont on ne peut prévoir le résultat, et, si
répétée dans les mêmes conditions elle peut donner lieu à des résultats différents.

• On appelle ensemble fondamental ou univers associé à l’expérience aléatoire ε , l’ensemble

Ω de tous les résultats possibles de ε . Tout élément ω de Ω est appelé événement
élémentaire de ε .

Exemple : On l’expérience qui consiste à lancer deux fois une pièce de monnaie.
L’univers est : Ω = {PP , PF , FP , FF}

Remarque : L’univers peut être fini infini.

Exemple : On lance deux pièces de monnaie jusqu’à l’obtention d’un pile. L’univers est :
Ω = {P , FP , FFP , FFFP ,K}

Evénements aléatoires
• On appelle événement aléatoire, associé à l’expérience ε , tout phénomène susceptible de se
produire et dont la réalisation est liée à l’expérience ε . Un événement aléatoire s’identifie
donc à une partie A de Ω .

Exemple : A « Obtenir deux faces identiques » : A = {PP, FF}

• Ω est l’ événement certain : il est toujours réalisé
• ∅ est l’événement impossible : il n’est jamais réalisé.
• On appelle événement contraire de A, noté A , le complémentaire de A dans Ω :
A = {ω ∈ Ω : ω ∉ A}
- Si A est réalisé alors A n’est pas réalisé.

Soient A et B deux événements aléatoires.

Inclusion : A ⊂ B signifie que si A est réalisé alors B est réalisé.
Réunion : L’événement A ∪ B est réalisé si A ou B est réalisé. Il s’agit de l’événement :
A ∪ B = {w ∈ Ω : w ∈ A ou w ∈ B}
Intersection : L’événement A ∩ B est réalisé si A et B sont réalisés. Il s’agit de
l’événement :
A ∩ B = {w ∈ Ω : w ∈ A et w ∈ B}
Incompatibilité : On dit que A et B sont incompatibles (c’est -à-dire ne peuvent pas se
produire simultanément) si A ∩ B = ∅. Il est clair par exemple, que A et A sont
incompatibles car on a toujours A ∩ A = ∅.

− Propriétés des opérateurs logiques :

Commutativité :

Cours de probabilité Page 6

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

A∪B = B∪A
A∩B = B∩A
Associativité :
A ∪ (B ∪ C) = (A ∪ B) ∪ C = A ∪ B ∪ C
A ∩ (B ∩ C) = (A ∩ B) ∩ C = A ∩ B ∩ C
Distributivité :
A ∪ (B ∩ C ) = (A ∪ B) ∩ (A ∪ C )
A ∩ (B ∪ C ) = (A ∩ B) ∪ (A ∩ C )
Formule de Morgan :
______
A∪B = A∩B
______
A∩B = A∪B

Probabilité
3.1. Définition.

Une probabilité sur un espace probabilisable ( Ω , α ) est une application P de α dans [0 , 1 ]

qui vérifie les axiomes suivants :
i) P(Ω ) = 1
ii) Si A et B sont deux événements aléatoires incompatibles, alors

P(A ∪ B) = P(A ) + P(B) additivité simple.

iii) Pour toute suite (A i ) d’événements incompatibles deux à deux on a :

 +∞  +∞
P  U A i  = ∑ P (A i ) σ additivité.
 i=0  i=0
Le triplet ( Ω ,α , P) s’appelle un espace probabilisé.

3.2. Propriétés

i) P(Ω ) = 1
ii) 0 ≤ P(A ) ≤ 1 , A ∈ α
( )
iii) P A = 1 − P (A ) , A ∈ α
iv) Si A ⊂ B alors P(A ) ≤ P (B) , A et B ∈ α.
v) Formule de Poincaré : soient A et B deux événements aléatoires . On a :

P(A ∪ B) = P(A ) + P(B) − P(A ∩ B)

Cours de probabilité Page 7

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

En particulier, pour A, B et C trois événements aléatoires, on :

P(A ∪ B ∪ C) = P(A ) + P(B) + P(C ) − P(A ∩ B) − P(A ∩ C )

− P(B ∩ C ) + P(A ∩ B ∩ C )

3.3 Probabilité uniforme

On est en présence de la probabilité uniforme sur Ω si tous les événements élémentaires de

Ω possèdent la même probabilité. Dans ce cas, pour tout événement aléatoire A, on a donc :

Card ( A) nombre de cas favorables

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

Exemple : On titre deux cartes au hasard dans un jeu de 32 cartes. On cherche la probabilité
d’obtenir deux rois. On est bien dans le cadre de la probabilité uniforme avec
card (Ω ) = C 322
= 496 .
Soit A l’événement aléatoire A= « on obtient deux rois ». Puisque le jeu comporte 4 rois, le
nombre de cas favorables est card (A ) = C 24 = 6 . Finalement on trouve
6
P(A ) = = 0,012
496

Probabilités conditionnelles
4.1. Introduction

Un joueur lance successivement deux dés non pipés. On a bien sûr :

Ω = {(1 , 1) , (1 , 2 ) , (1 , 3) , K , (6 , 5) , (6 , 6 )}
et card (Ω ) = 36 . Tous les événements élémentaires de Ω sont équiprobables.

On considère l’événement :
A = « la somme des points est supérieure ou égale à 10 »
= {(4 , 6 ) , (5 , 5) , (5 , 6 ) , (6 , 4 ) , (6 , 5) , (6 , 6 )}

Il est clair que :

Card (A ) 6 1
P(A ) = = =
Card (Ω ) 36 6

On considère maintenant les événements :

B i = « le résultat du premier dé est égal à i »
avec i = 1 , K, 6 . Par exemple
B5 = {(5 , 1) , (5 , 2 ) , (5 , 3) , (5 , 4 ) , (5 , 5) , (5 , 6 )}

Cours de probabilité Page 8

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

Si B1 est réalisé, alors A est irréalisable car la somme des points ne peut pas excéder 7. On
dira que la « probabilité conditionnelle de A sachant B1 », notée P (A / B1 ) est nulle.

4.2. Définition

Soit ( Ω ,α, P) un espace probabilisé. Soient A et B deux événements aléatoires avec

P(B) ≠ 0 . On appelle probabilité conditionnelle se A sachant B, le nombre réel :
P(A ∩ B)
P(A / B) =
P(B)
Si P(B) = 0 alors la probabilité conditionnelle n’est pas définie.

Remarque : Il s’agit bien d’une probabilité.

1) Pour A dans α, on a (A ∩ B) ⊂ B donc P(A ∩ B) ≤ P(B)

P(A ∩ B)
et = P(A / B) ≤ 1
P(B)

Finalement 0 ≤ P(A / B) ≤ 1 .

P(Ω ∩ B) P(B)
2) P(Ω / B) = = =1
P(B) P(B)
3) Si A et C sont incompatibles alors :

P[(A ∪ C ) ∩ B]
P(A ∪ C / B) =
P(B)
P[(A ∩ B) ∪ (C ∩ B)]
=
P(B)
P(A ∩ B) + P(C ∩ B)
=
P(B)
= P(A / B) + P(C/B )

4) Si (A i ) i ≥ 0 est une famille d’événements deux à deux incompatibles alors

 +∞  +∞
P U A i / B  = ∑ P(A i / B)
 i=0  i =0

qui généralise la formule précédente. Par ailleurs :

Cours de probabilité Page 9

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

P(A / B) = 1 − P(A / B)

Exemple : Mon voisin a deux enfants dont une fille. Quelle est la probabilité que l’autre
enfant soit un garçon ?
L’univers est Ω = {FF , FG , GF , GG } .
Soit A = « mon voisin a deux enfants dont une fille » et B = « l’autre enfant est un garçon ».
On cherche à déterminer :

P(A ∩ B)
P(A / B) =
P(B)
il est clair que P(B) = et P(A ∩ B) =
3 1
4 2
donc :
2
P(A / B) = = 0,667
3
Les formules suivantes seront très utiles dans des calculs de probabilité d’événements.

4.3. Formule des probabilités composées.

Soient A et B deux événements aléatoires. Alors on a :

P(A ∩ B) = P(A )P(B / A ) si P(A ) ≠ 0

P(A ∩ B) = P(B)P(A / B) si P(B) ≠ 0

Plus généralement, si A1 , K , A n sont des événements tels que :

P(A1 ∩ A 2 K A k ) > 0, k = 1, K , n − 1

la formule des probabilité composées s’écrit :

P(A1 ∩ A 2 ∩ K ∩ A n ) = P(A1 )P(A 2 / A1 )P(A 3 / A1 ∩ A 2 )

K P(A n / A1 ∩ A 2 ∩ K ∩ A n −1 )

Par exemple pour trois événements A, B et C, on a :

P(A ∩ B ∩ C ) = P(A ) P(B / A ) P(C / A ∩ B)

Preuve :
P(A ∩ B)
P(B / A ) =
P(A )
d’où

Cours de probabilité Page 10

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

P(A ∩ B) = P(A ) P(B / A )

P(A ∩ B ∩ C )
Puisque P(C / A ∩ B) = , on a :
P(A ∩ B)

P(A ∩ B ∩ C ) = P(A ∩ B) P(C / A ∩ B)

= P(A ) P(B/A ) P(C / A ∩ B)

Exemple : Une urne contient 10 boules dont 5 rouges, 3 bleues et 2 blanches. On tire sans
remise 3 boules de l’urne. Calculer la probabilité d’obtenir dans l’ordre une boule rouge, une
boule bleue et une boule blanche.
Soit :
A = " la première boule est rouge "
B = " la seconde boule est bleue "
C = " la troisième boule est blanche "

On cherche P(A ∩ B ∩ C ) . En utilisant la formule des probabilités composées,

on obtient :
P(A ∩ B ∩ C ) = P(A ) P(B / A ) P(C / A ∩ B)
5 1 3 1 2 1
avec P(A ) = = , P(B / A ) = = et P(C / A ∩ B) = = , finalement on
10 2 9 3 8 4
a P(A ∩ B ∩ C ) =
1
= 0,0416
24
4.4 Formule des probabilités totales.

On appelle système complet d’événements toute famille {A1 , K , A n } d’événements deux à

deux incompatibles tels que :
• P (A i ) > 0 , i = 1,2, K , n
n
• ∑ P(A i ) = 1
i =1
On dit aussi que les événements A i forment une partition de Ω :
• Ω = U Ai
i
• Ai ∩ A j = ∅ pour i ≠ j
Si on décompose un événement quelconque sur cette partition de Ω , on a :
n
B = U (A i ∩ B)
i =1

Cours de probabilité Page 11

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

D’où on obtient la formule des probabilités totales :

n
∀ B ∈ α, P(B) = ∑ P(A i ∩ B)
i =1
n
= ∑ P (A i ) P (B / A i )
i =1

Exemple : Une usine dispose de 3 machines qui fabriquent respectivement 20, 30 et 50 % de

la production. Sachant que la probabilité qu’une ampoule défectueuse ait été fabriquée par A,
B, C est :
P(D / A ) = 0,05 ; P(D / B) = 0,04 ; P(D / C ) = 0,01 .
Calculer :
1) La probabilité qu’une ampoule soit défectueuse ;
2) La probabilité pour qu’une ampoule défectueuse provienne de A ;
3) La probabilité pour qu’une ampoule non défectueuse provienne de C.

Corrigé :

1) Probabilité pour qu’une ampoule soit défectueuse :

Appelons A, B, C les événements l’ampoule a été fabriquée par A, B, C.

P(A ) = 0,20 ; P(B) = 0,30 ; P(C ) = 0,50
Les événements A, B et C forment un système complet. On veut calculer P(D).

On utilise la formule des probabilités totales :

P(D ) = P(A )P(D / A ) + P(B)P(D / B) + P(C )P(D / C )

= 0,01 + 0,012 + 0,05 = 0,027
2) Probabilité pour qu’une ampoule défectueuse provienne de A

P(A ∩ B) P(A )P(D / A )

P(A / D ) = =
P(D ) P(D )
0,20 × 0,05
= = 0,37
0,027

(
3) On veut calculer P C / D )
P(C ∩ D ) P(C )P(D / C )
P(C / D ) = =
P(D ) 1 − P(D )
P(D / C ) = 1 − P(D / C ) = 1 − 0,01 = 0,99

Cours de probabilité Page 12

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

D’où
0,50 × 0,99
P(C / D ) = = 0,51
1 − 0,027

4.5. Formule de Bayes

Si B est un événement tel que P(B) > 0 et {A1 , K , A n } un système complet

d’événements, la formule de Bayes s’écrit :

P(A i )P(B / A i )
P(A i / B) =
n
∑ P(A i )P(B / A i )
i =1

La formule de Bayes donne l’expression des probabilités conditionnelles d’un événement A i

du système complet par rapport à un événement B. Elle donne ainsi la « probabilité des
causes ». P (A i / B ) est la probabilité que B étant réalisé, il soit dû à la cause A i , la formule
de Bayes (ou théorème de Bayes) suppose la connaissance a priori des probabilités des causes
Ai .

Exemple : Trois usines A1 , A 2 , A 3 fournissent respectivement 25 %, 35 %, 40 % des

carreaux nécessaires à une entreprise de construction. Dans leurs livraisons, il y a une
moyenne 5 , 4 et 2 % de carreaux inutilisables. Un carreau est choisi au hasard dans un stock
important, ce carreau est défectueux. Quelles sont les probabilités P(A1 / D ) , P(A 2 / D ) ,
P(A 3 / D ) qu’il provienne des usines A1 , A 2 ou A 3 ?

Les hypothèses se traduisent par :

P(A1 ) = 0,25 , P(A 2 ) = 0,35 , P(A 3 ) = 0,40

P(D / A1 ) = 0,05 , P(D / A 2 ) = 0,04 , P(D / A 3 ) = 0,02

Les probabilités cherchées sont :

P(A1 / D ) , P(A 2 / D ) et P(A 3 / D )

Elles peuvent être calculées en appliquant le théorème de Bayes.

P(A1 )P(D / A1 )
P(A1 / D ) =
P(A1 )P(D / A1 ) + P(A 2 )P(D / A 2 ) + P(A 3 )P(D / A 3 )
125
= = 0,36
345

Cours de probabilité Page 13

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

P(A 2 )P(D / A 2 ) 140

P(A 2 / D ) = = = 0,41
P(D ) 345
P(A 3 )P(D / A 3 ) 80
P(A 3 / D ) = = = 0,23
P(D ) 345
on vérifie bien que :
3
∑ P(A i / D ) = 1
i =1

5. Indépendance

Soit ( Ω , α, P) un espace probabilisé. Soient A et B deux événements aléatoires. On dit que A

et B sont indépendants si :
P(A ∩ B) = P(A ) P(B)

• Si A et B sont indépendants avec P(A ) ≠ 0 . Alors on a :

P(A ∩ B) P(A ) P(B)

P(B / A ) = = = P(B)
P(A ) P(A )

• Si A et B sont indépendants, alors A et B, A et B , A et B sont également indépendants.

Chapitre 3 : Variables aléatoires – Lois de probabilités

1. Variables aléatoires discrètes
1.1. Variables aléatoires discrètes.
Exemples introductifs :
Exemple 1
On lance n fois un dé cubique dont les faces sont numérotées de 1 à 6. Soit A l’événement
« obtenir la face numérotée 6 ». Soit X le nombre de fois que l’événement A est réalisé.
X est une variable aléatoire.
L’ensemble des valeurs prises par X est :
X (Ω ) = { 0, 1, 2 , L , n }
Exemple 2
On lance autant de fois qu’il est nécessaire un dé cubique jusqu’à l’obtention exactement une
fois de la face numérotée « 6 ». Soit X le nombre de lancers nécessaires.
X est une variable aléatoire. L’ensemble des valeurs prises par X est :
X (Ω) = {1, 2 , L , n, LL }

Cours de probabilité Page 14

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

Exemple 3
On jette deux fois un dé. L’univers Ω est l’ensemble des couples (a, b) tels que :
a , b ∈ {1 , 2 , 3 , 4 , 5 , 6 } :
= { (1 ,1) , (1 , 2) , K , (5 , 6) , (6 , 6) }
A chaque événement élémentaire ω = (a , b ) , on peut faire correspondre la somme a + b des
chiffres portés par le dé. On définit ainsi une application :
X : Ω → R
ω → X (w ) = a + b
Cette application définie sur Ω est appelée «variable aléatoire ».
Définition :
Soit ( Ω , @, P) un espace probabilisé. On appelle variable aléatoire réelle (v.a.r), toute
application X définie sur Ω , à valeurs dans R telle que, pour tout intervalle
I ⊂ R, l’ensemble réciproque :
X (I ) = {ω ∈ Ω : X(ω) ∈ I}
−1

est un événement de @. On parle de l’événement {X ∈ I} .

On note par X(Ω ) l’ensemble des valeurs prises par X :
X (Ω ) = {X (ω) pour ω ∈ Ω}
Définition :
On dit qu’une v.a.r est discrète si l’ensemble X(Ω ) est fini ou infini dénombrable.
Remarque :
X(Ω ) peut être fini, X (Ω ) = {x 1 , K , x n } mais également infini dénombrable :
X (Ω ) = {x 1 , x 2 , K , x n , K}
1.2 Loi de Probabilité.
Définition :
Soit x une v.a.r discrète. On appelle loi de probabilité ou distribution de X,
l’application p de X(Ω ) dans [0 , 1] définie par :
∀ x ∈ X(Ω ) p(x ) = P(X = x )
Propriété :
Soit X une v.a.r discrète de loi de probabilité p. Alors on a :
∑ p (x ) = 1
x ∈ X (Ω )
Remarque : Si X (Ω ) = {x 1 , x 2 , K , x n , K} alors
+∞
∑ p (x ) = 1
i =1
1.3 Fonction de répartition.
Définition :
On appelle fonction de répartition d’une v.a.r X, l’application F de ℜ dans [0 , 1] définie par :
∀ x ∈ ℜ F(x ) = P(X ≤ x )

Cours de probabilité Page 15

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

Remarque :
Si les valeurs de X sont ordonnées, X (Ω ) = {x 1 , K < x n < K } alors, pour tout
x n ≤ a < x n +1
n
F (a ) = ∑ p (x i )
i =1
A partir de la définition précédente, on a la propriété suivante.

Propriété :

Soit X une v.a.r discrète de fonction de répartition F. Alors on a les propriétés suivantes :
i) F est une fonction en escaliers ;
ii) F est une fonction croissante ;
iii) ∀ a, b ∈R, si a < b alors : P(a < X ≤ b ) = F(b ) − F(a )
iv) lim F(a ) = 0 et lim F(a ) = 1
a → −∞ a → +∞

1.4. Espérance et Variance

1.4.1. Espérance :

Soit X une v.a.r discrète. On appelle espérance de X, notée E(X), le nombre réel, s’il existe,
défini par :
E( X ) = ∑ xp(x)
x∈X (Ω)
+∞
Remarque : Si X (Ω ) = {x 1 , x 2 , K , x n , K} , alors : E(X ) = ∑ x i p(xi )
i =1
- Il peut arriver que la série ci-dessus soit divergente. Dans ce cas, on dit que X n’a pas
d’espérance.
- On dit qu’une variable X est centrée si E(X)=0
Théorème :
Soit X une v.a.r discrète et f une fonction définie sur X(Ω ) , à valeurs réelles. Alors
l’espérance de f(X), si elle existe, est donnée par : E[ f ( X )] = ∑ f(x) p(x)
x∈X (Ω)

Remarque : En particulier on a : E( X 2 ) = ∑ x 2 p(x)

x∈X ( Ω )
Propriété :
Soit X une v.a.r discrète, a et b deux nombres réels. Alors on a :
E (a X + b) = a E(X) + b
Preuve : On a :

Cours de probabilité Page 16

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

E (a X + b) = ∑ ( a x + b) p(x)
x
= a ∑ x p(x) + b ∑ p(x)
x x
= a E(X) + b
Définition : On dit qu’une variable aléatoire réelle X est centrée si E(X) = 0.
Remarque : Pour toute v.a.r X, la v.a.r Y = X − E ( X) est centrée.
En effet
E (Y ) = E[X − E ( X )] = E ( X ) − E ( X ) = 0
Nous allons nous intéresser à l’espérance de fonctions particulières de X.
1.4.2 Moments
k
Soit k ∈ IN . On appelle moment d’ordre k de X, l’espérance de la v.a.r X , si elle existe,
donnée par :
k k
E(X ) = ∑ x p(x)
x
On appelle moment centré d’ordre k de X la quantité :
E[X − E(X)] = ∑ [x − E (X)]k p(x)
k
x
1.4.3 Variance
Soit X une v.a.r discrète. On appelle variance de X, notée Var (X), l’espérance si elle existe,
de [X − E( X)]
2

Var (X ) = E[X − E (X)] 2

= ∑ [x − E (X)]2 p( x )
x
Remarque : (Théorème de Koenig)
On démontre que la variance d’une variable X est aussi égale à :
Var (X ) = E[X − E (X)] = E (X ) − E (X )
2 2 2

2
2  
= ∑ x p( x ) − ∑ x p(x)
x x 

Remarque :
- Une variance est toujours positive car il s’agit de l’espérance d’une v.a.r positive. Elle
mesure la dispersion de X autour de son espérance mathématique.

Définition :
On appelle écart-type de X, noté σ( X ) , la racine carrée de sa variance :
σ(X) = Var (X)
Définition :
On dit qu’une v.a.r est réduite si Var (X) = 1.

Cours de probabilité Page 17

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

Propriété : Soit X une v.a.r discrète et soit a, b deux nombres réels. Alors on a :
2
Var (a X + b) = a Var (X)
Remarque : Pour toute v.a.r X possédant une variance, la variable aléatoire :
X − E(X)
Y=
σ( X )
est centrée et réduite.
En effet :
E [X − E ( X ) ] = 0 , Y est centrée
1
• E(Y) =
σ (X)

V [X − E ( X ) ] =
1 1
• Var(Y) = x V (X )
σ 2 (X) σ 2 (X )
V(X)
= = 1, Y est réduite
V(X)
Exemple :
Un grossiste estime que la demande en tonnes de denrées périssables est une variable aléatoire
X de loi :
X 0 1 2 3 4 5
p(x) 0,05 0,15 0,20 0,35 0,15 0,10

1) Calculer la demande moyenne et l’écart- type de X.

2) Calculer la probabilité que la demande soit :
a) inférieure à 2 tonnes ;
b) comprise entre 1 et 3 tonnes ;
c) supérieure à 2 tonnes.
3) Le stock du grossiste est de 3 tonnes. Il gagne 5000 F par tonne vendue et perd 2000 F par
tonne invendue. Calculer son bénéfice moyen et l’écart- type associé.

Corrigé :

1) a) Demande moyenne = E (X)

5
E (X) = ∑ x p(x)
x =0
= [0 × 0,05] + [1 × 0,15] + K + [5 × 0,10]
= 2,7
b) Variance de X
5
Var (X) = ∑ x 2 p(x) − E 2 (X )
x =0
[ ][ ] [ ]
= 0 × 0,05 + 12 × 0,15 + K + 5 2 × 0,10 − (2,7) 2
2

= (1,308) 2 = 1,71

Cours de probabilité Page 18

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

D’où
σ(X) = 1,308
a)
2
P(X ≤ 2) = ∑ p( x ) = p(0) + p(1) + p(2)
x =0
= 0,05 + 0,15 + 0,20
= 0,40
b)
3
P(1 ≤ X ≤ 3) = ∑ p( x ) = p(1) + p(2) + p(3)
x =1
= 0,15 + 0,20 + 0,35
= 0,70

P(X > 2) = 1 − P(X ≤ 2)

= 1 − 0,40 = 0,60

2) Soit Y la variable aléatoire représentant le nombre de tonnes vendues. Le stock initial

étant de 3 tonnes, il est clair que :
Y (Ω ) = { 0 , 1 , 2 , 3 }
Le bénéfice est alors la variable aléatoire Z donnée par :
Z = 5000 Y − 2000 (3 − Y)
= 7000 Y − 6000
Pour linéarité de l’espérance, on a :
E ( Z) = 7000 E(Y) − 6000
σ(Z) = 7000 σ (Y)
Il nous faut déterminer la loi de Y :

P ( Y = 0 ) = P ( X = 0 ) = 0 ,05
P ( Y = 1) = P ( X = 1) = 0 ,15
P ( Y = 2 ) = P ( X = 2 ) = 0 , 20
P ( Y = 3) = P ( X ≥ 3) = 0 ,60
D’où
E ( Y ) = 0 ,15 + 0 , 40 + 1,8 = 2 ,35
V ( Y ) = 0 ,15 + 4 × 0 , 20 + 9 × 0 , 60 − ( 2 , 35 ) 2
= 6 , 35 − ( 2 , 35 ) 2 = 0 ,8275
Il en découle que :
• E(Z) = 7000 × 2,35 − 6000 = 10450 F
• σ(Z) = 7000 × 0,8275 = 6367,692

Cours de probabilité Page 19

HEMIP Année académique 2018-2019
Comptabilité et Gestion 2

Cours de probabilité Page 20