PROBABILITÉ DE BASE

Dr. Tchalla Ayékotan Messan Joseph

Enseignant-chercheur à l’Université de Lomé
Cours de Proba 2/42 TCHALLA
CONTENTS CONTENTS

Contents

1 Dénombrement 5
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Parties d’un ensemble fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Complémentaire d’une partie . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Intersection- Réunion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3 Différence symétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Produit cartésien d’ensembles finis . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Éléménts de combinatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4.1 Principe de multilplication ou principe fondamental de dénombrement . . . . 8
1.4.2 Principe d’addition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4.3 Ensemble des p-listes ou des p-uplets d’un ensemble fini ou arrangement avec
répétition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4.4 Arrangements sans répétition et permutations sans répétition . . . . . . . . 10
1.4.5 Permutations avec répétition . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5 Combinaisons sans répétition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.6 Combinaisons avec répétition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2 Probabilités 17
2.1 Vocabulaire probabiliste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2 Probabilité d’un évènement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.1 Définition de la probabilité d’un évènement . . . . . . . . . . . . . . . . . . 18
2.2.2 Calcul de la probabilité dans le cas d’équiprobabilité . . . . . . . . . . . . . 20
2.3 Probabilité conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3 Variables aléatoires 29
3.1 Définition et propriété . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2 Loi de probabilité-Fonction de répartition . . . . . . . . . . . . . . . . . . . . . . . . 30
3.2.1 Loi de probabilité et fonction de répartition d’une variable discrète . . . . . 30
3.3 Espérance mathématique,Variance et Écart-type . . . . . . . . . . . . . . . . . . . . 32
3.4 Loi binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.5 Loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.6 Loi d’une variable aléatoire à densité ou variable continue . . . . . . . . . . . . . . . 35
3.6.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.6.2 Loi normale ou loi Gaussienne . . . . . . . . . . . . . . . . . . . . . . . . . . 36

Cours de Proba 3/42 TCHALLA

CONTENTS CONTENTS

Cours de Proba 4/42 TCHALLA

CHAPTER 1. DÉNOMBREMENT

Chapter 1

Dénombrement

1.1 Introduction
Le chapitre sur le dénombrement est une partie des mathématiques qui étudie les différentes méth-
odes qui permettent de connaître le nombre d’éléments d’un ensemble fini E.
Un ensemble fini est un ensemble qui contient un nombre limité d’éléments. Le nombre n
d’éléments d’un ensemble fini E est appełé le cardinal de l’ensemble E; on le note CardE.
Par convention, l’ensemble vide ∅ est fini et on a Card∅ = 0.

1.2 Parties d’un ensemble fini

Dans toute cette partie, E désigne un ensemble fini.
Activité 1.2.1
Soit E = {a, b, c} un ensemble.

1. Donner un sous-ensemble de E ayant un élément; deux éléments; puis trois éléments.

2. Quel est le sous-ensemble de E n’ayant aucun éléments?

3. Donner tous les sous-ensembles de E. Il y a en a combien?

Remarque 1. L’ensemble des parties (ou sous-ensembles) de E est noté P(E). Si Card(E) = n
alors CardP(E) = 2n .

1.2.1 Complémentaire d’une partie

Soit A une partie de E. On appelle complémentaire de A dans E, l’ensemble des éléments de E
qui n’appartiennent pas à A.

Cours de Proba 5/42 TCHALLA

 CHAPTER 1. DÉNOMBREMENT 1.2. PARTIES D’UN ENSEMBLE FINI

E
A

On le note A ou CEA . A est une partie fini de E.

 
Propriété 1.2.1
 
Card(A) = Card(E) − Card(A).

1.2.2 Intersection- Réunion

Soient A et B deux parties de E.
 
Définition 1.2.1
 

L’intersection de A et B est l’ensemble des éléments de E qui appartiennent à la fois à A et

B; on la note A ∩ B;
La réunion de A et B est l’ensemble des éléments de E qui appartiennent soit à A ou à B; on la
note A ∪ B.
A B

A B

A∩B

A ∪ B(en gris)

 
Propriété 1.2.2
 
Pour toutes parties A et B d’un ensemble fini E, on a : Card(A∪B) = Card(A)+Card(B)−
Card(A ∩ B).

Cours de Proba 6/42 TCHALLA

CHAPTER 1. DÉNOMBREMENT 1.2. PARTIES D’UN ENSEMBLE FINI

Remarque 2. Dans le cas particulier où l’on a A ∩ B = ∅, on dit que A et B sont disjoints et

l’égalité de la propriété précédante devient

Card(A ∪ B) = Card(A) + Card(B);

Card(E) = Card(A) + Card(A) car E = A ∪ A et A ∩ A = ∅.

1.2.3 Différence symétrique

Soit E un ensemble et A et B deux parties de E.
 
Définition 1.2.2
 

La différence de A et B, notée A \ B, est l’ensemble des éléments de A qui n’appartiennent pas à

B.
A \ B = {x ∈ E/x ∈ A et x ∈ / B} .
On appelle différence symétrique de A et B, notée A∆B (lire A delta B), l’ensemble constitué par
la réunion des éléments de A qui ne sont pas dans B, et des éléments de B qui ne sont pas dans
A.

A B

A\B B\A

A∆B = (A \ B) ∪ (B \ A) = (A ∩ CEB ) ∪ (B ∩ CEA ) = (A \ B) ∪ (B \ A)

Exercice d’application 1.2.1

1. A, B et C trois parties quelconques d’un ensemble fini E. Démontrer que

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

+ Card(A ∩ B ∩ C).

2. Dans un lycée, 115 élèves de terminale étudient au moins une des trois langues suivantes:
Anglais, Allemand et Espagnol. 8 d’entre eux étudient les trois langues; l’Espagnol ne peut
être choisi que comme second langue; 2 élèves étudient l’Allemand et l’Espagnol mais pas
l’Anglais; il y’a 101 élèves qui étudient l’Anglais, 52 qui étudient l’Allemand et 50 l’Espagnol.
Déterminer le nombre d’élèves étudiant

Cours de Proba 7/42 TCHALLA

 CHAPTER 1. DÉNOMBREMENT 1.3. PRODUIT CARTÉSIEN D’ENSEMBLES FINIS

(a) L’Anglais et l’Espagnol, mais pas l’Allemand.

(b) L’Anglais et l’Allemand , mais pas l’Espagnol.
(c) L’Anglais seul.
(d) L’Allemand seul.

1.3 Produit cartésien d’ensembles finis

 
Définition 1.3.3 Produit cartésien
 

Soit A et B deux ensembles. On appelle produit cartésien de A par B, l’ensemble des cou-
ples (a, b) tels que a ∈ A et b ∈ B.
Cet ensemble est noté A × B et se lit "A croix B".
On a Card(A × B) = Card(A) × Card(B).
Remarque 3. On peut généraliser la définition précédente à p ensembles :
pour tous ensembles finis E1 , E2 , · · · , Ep , on a Card(E1 ×E2 ×· · ·×Ep ) = Card(E1 )×Card(E2 )×
· · · × Card(Ep )

Exercice d’application 1.3.2

Soit A = {a, b, c} et B = {1, 2}.
1. Déterminer Card(A × B)

2. À l’aide d’un tableau, déterminer tous les éléments de A × B.

1.4 Éléménts de combinatoire

1.4.1 Principe de multilplication ou principe fondamental de dénombre-
ment
Principe fondamental du dénombrement
Ce principe permet de compter le nombre de résultats possibles d’une expérience pouvant se
décomposer en k étapes successives.
Soit une expérience E constituée de k étapes successives.
S’il y’a n1 choix possibles pour la première étape, puis n2 choix possibles pour la seconde étape et
ainsi de suite jusqu’à la k-ième étape pour lequel il y’a nk choix possibles, alors le nombre total de
résultats possibles pour l’expérience E est donné par le produit
k
Y
n= ni = n1 × n2 × n3 × . . . × nk
i=1

Exercice d’application 1. Une salle de classe veut élir son bureau composé d’un délégué, d’un
délégué adjoint et d’un secrétaire. Le cumul de poste étant interdit, combien de bureaux peut-on
former:

Cours de Proba 8/42 TCHALLA

CHAPTER 1. DÉNOMBREMENT 1.4. ÉLÉMÉNTS DE COMBINATOIRE

1. avec neuf candidats (en supposant que chaque candidat est éligible à tous les postes)?

2. Sachant que deux étudiants candidats se sont proposés pour le poste de délégué, cinq pour le
poste de délégué adjoint et deux pour le poste de secrétaire.

1.4.2 Principe d’addition

IL permet de compter le nombre de dispositions lorsque l’on raisonne par cas.

Théorème 1. Principe d’addition Soient n un entier naturel tel que n ⩾ 2 et A1 , A2 , . . . , An

des ensemblers finis deux à deux disjoints c’est-à-dire que pour tout i, j ∈ {1, . . . , n} , Ai ∩ Aj si
i ̸= j. Alors on a l’égalité

Card(A1 ∪ A2 ∪ . . . ∪ An ) = Card(A1 ) + Card(A2 ) + . . . + Card(An ).

De façon compacte, cette formule s’écrit

n
! n
[ X
Card Ai = Card(Ai ).
i=1 i=1

Exercice d’application 1.4.3

Soit Ω = {2, 3, 5, 7, 8}. Combien de nombres pairs ou impairs à trois chiffres peut-on former avec
les chiffres de l’ensemble Ω. ?

1.4.3 Ensemble des p-listes ou des p-uplets d’un ensemble fini ou ar-
rangement avec répétition
Soit E un ensemble fini et non vide tel que Card(E) = n.

 
Définition 1.4.4
 

Un p-uplet d’éléments de E ou un arrangement avec répétition de p éléments de E est une

suite ou une disposition ordonnée de p éléments de E non forcément distincts.

Exemple 1. Soit E = {a, b, c, d, e}.

• L’élément (b, d, b) est un 3-uplets d’éléments ou un arrangement avec répétition 3 éléments

de E

• L’élément (e, d, b) est un 3-uplets d’éléments de E

• L’élément (e, d, b, a, a, c) est un 6-uplets d’éléments de E

L’ensemble des arrangements avec répétition de p éléments de E est noté E p = E

| ×E×
{z· · · × E} .
p f ois

Théorème 2. Soit un ensemble fini de cardinal n. Alors Card(E p ) = np . Autrement dit le nombre
d’arrangements avec répétition de p éléments qu’on peut construire à partir des n éléments de E
est Card(E p ) = np .

Cours de Proba 9/42 TCHALLA

 CHAPTER 1. DÉNOMBREMENT 1.4. ÉLÉMÉNTS DE COMBINATOIRE

Exercice d’application 1.4.4

Une urne contient 5 boules numérotées de 1 à 5. On tire successivement 3 boules de l’urne en
remettant à chaque la boule tirée dans l’urne. Donner unrésultat de ce lancer. Combien y a-t-il de
résultats possibles?
Exercice d’application 1.4.5
Déterminer le nombre de mots à quatre lettres , ayant un sens ou non, que l’on peut former les
lettres du mot DIPLÔME.
Exercice d’application 1.4.6
On lance un dé rouge et un dé vert, chacun ayant ses faces numérotées de 1 à 6. Le résultat d’un
lancer est le couple de nombre apparaissant sur la face supérieure de chaque dé.
1. Combien y a-t-il de résultats possibles?

2. Combien y a-t-il de résultats pour lesquels la somme des deux nombres est supérieure à 9?

1.4.4 Arrangements sans répétition et permutations sans répétition

 
Définition 1.4.5
 

Soit E un ensemble fini à n éléments et p un entier naturel non nul inférieur ou égal à n.
• On appelle arrangement sans répétition ou simplement arrangement à p éléments de
E, toute disposition ordonnée de p éléments de E deux à deux distincts.

• Lorsque p = n un arrangement sans répétition est appelé permutation sans répétition

de E. En d’autre terme une permutation sans répétition de E est un arrangement sans
répétition des n éléments de E.
Théorème 3. Soit E un ensemble fini à n éléments et p un entier naturel non nul inférieur ou
égal à n.
• Le nombre d’arrangements sans répétition à p éléments de E, noté Apn est donné
par la formule
Apn = n × (n − 1) × · · · × (n − p + 1) .
| {z }
p f acteurs

• Le nombre de permutations sans répétition des n éléments de E est

Ann = n × (n − 1) × · · · × (2) × (1).

Ce nombre est encore noté n! et on lit “factorielle n.”

n! = n × (n − 1) × · · · × (2) × (1)

• Pour tout entier p tel que 1 ⩽ p ⩽ n on a:

n!
Apn = .
(n − p)!

Cours de Proba 10/42 TCHALLA

CHAPTER 1. DÉNOMBREMENT 1.5. COMBINAISONS SANS RÉPÉTITION

Remarque 4. Par convention A0n = 1 et 0! = 1.

Exercice d’application 1.4.7

1. Une urne contient 5 boules numérotées de 1 à 5. On tire successivement 3 boules de l’urne

sans remise. Combien y a-t-il de résultats possibles?

2. On dispose de 5 cartons portant chacun un des chiffres 0, 1, 2, 3, et 4. Combien de nombre

de 5 chiffres peut-on former avec les cartons ? (un nombre ne pouvant commencer par le
chiffre 0).

1.4.5 Permutations avec répétition

Soit E un ensemble constitué de n objets tels qu’il y’ait k types d’objets qui se répètent (les objets
de même type se répétant sont identiques) dans ces n objets. Alors une disposition ordonnée de
ces n objets de E est une permutation avec répétition de ces objets. Désignons respectivement par
n1 , n2 , . . . , nk le nombre d’objets identiques de chaque type dans les n objets. Alors le nombre de
permutations avec répétition ces n objets est donné par

n!
n1 !n2 ! . . . nk !

Exemple 2. Soit E = {a, a, b, c, c, c} un ensemble à six éléments.

• l’élément (b, a, c, a, c, c) est une permutation avec répétition des six objets de E.
6!
• Le nombre de permutations avec répétition des objets de E est alors N = 2!3!
= 60.

1.5 Combinaisons sans répétition

 
Définition 1.5.6
 

Soit E un ensemble à n éléments deux à deux distints; Soit p un entier naturel inférieur ou
égal à n. On appelle combinaison de p éléments de E, tout sous-ensemble (non ordonné) ayant p
éléments de E.

Théorème  4. Lenombre de combinaisons sans répétition de p éléments d’un ensemble à n (p ⩽ n),

n
noté Cnp ou , est donné par la formule
p

Apn
 
n n!
Cnp = = =
p p! p!(n − p)!
.

Cours de Proba 11/42 TCHALLA

 CHAPTER 1. DÉNOMBREMENT 1.6. COMBINAISONS AVEC RÉPÉTITION

 
Propriété 1.5.3 Propriétés des nombres Cnp
 
• Cn0 = 1; Cn1 = n; Cnn = 1

• À chaque sous ensemble de p éléments dans un ensemble à n éléments (p ⩽ n), corre-

spond un sous-ensemble à n − p éléments. Ainsi

Cnn−p = Cnp .

• Tous les sous-ensembles que l’on peut extraire d’un ensemble E à n éléments peuvent
contenir 0, 1, . . . , n éléments. D’où la relation
       
n n n n n
CardP(E) = 2 = + + + ... + .
0 1 2 n

De plus général, on a la formule du binôme de Newton suivante.

• Formule du Binôme de Newton

Soient a, b ∈ R et n ∈ N∗ , on a:
n
X
n
(a + b) = Cnp an−p bp = Cn0 an b0 + Cn1 an−1 b + · · · + Cnn−1 abn−1 + Cnn a0 bn .
p=0

     
n n−1 n−1
• = + .
p p−1 p

Exercice d’application 1.5.8

Une urne contient 5 boules numérotées de 1 à 5 dont deux bleues et trois rouges. On tire simul-
tanément 3 boules de l’urne.

1. Combien y a-t-il de résultats possibles?

2. Combien y a-t-il de résultats comportant une boule bleue et une boule rouge.

Remarque 5. • Dans une liste (ou p-uplet) et dans un p-arrangements les éléments sont
ordonnés alors que dans une combinaison les éléments ne sont pas ordonnés.

• Dans un p-uplet, les éléments ne sont pas forcément distincts.

• Dans un p-arrangement, les éléments sont deux à deux distincts.

1.6 Combinaisons avec répétition

 
Définition 1.6.7
 

Cours de Proba 12/42 TCHALLA

CHAPTER 1. DÉNOMBREMENT 1.6. COMBINAISONS AVEC RÉPÉTITION

Soit E = {e1 , e2 , . . . , en } un ensemble à n (n ∈ N∗ ). Soit p un entier naturel. On appelle combi-

naison de p éléments parmi les n éléménts de E avec possibilité de répétition une disposition de
la forme [y1 , . . . , yp ] non ordonnée où chaque yi (i = 1, . . . , p) est un élément de E. Elle peut être
représentée par un n-uplet de la forme (x1 , . . . , xn ) où xi (i = 1, . . . , n) est le nombre de fois que
l’élément ei apparaît dans la disposition [y1 , . . . , yp ] (xi ⩾ 0). Les entiers xi sont alors liés par la
relation x1 + x2 + . . . + xn = p. tout sous-ensemble (non ordonné) ayant p éléments de E.

Théorème 5. Le nombre de combinaisons avec répétition de p éléments d’un ensemble à n, noté

Knp , est donné par la formule
p
Knp = Cn+p−1
.

Exercice d’application 1.6.9

De combien de façons peut-on distribuer 5 chemises identiques dans 2 tiroirs?

Travaux dirigés

Exercice 1.1. Une fille a quatre jupes et six chemisiers. Combien de combinaisons différentes
"jupe et chemisier" peut-elle porter ?

Exercice 1.2. Un menu est constitué d’une entrée, d’un plat de résistance et d’un désert. Combien
de menus peut-on former avec 4 entrées, 8 plats de résistance et 5 déserts.

Exercice 1.3. Combien de nombres différents de 5 chiffres distincts peut-on former avec les chiffres
de 0 à 9.
a) si les nombres doivent être impairs ?
b) si les deux premiers chiffres de chaque nombre doivent être pairs ?

Exercice 1.4. Déterminer le nombre d’entiers positifs inférieurs à 10’000 qui peuvent être formés
avec les chiffres 1, 2, 3 et 4.
a) si les répétitions sont permises ?
b) si elles ne sont pas permises ?

Exercice 1.5. Le Sport-Toto était un jeu de pronostics sur 13 matchs de football. Il y a 3 résultats
possibles : gagné, perdu ou nul (1; 2; x). Combien de pronostics différents peut-on faire ?

Exercice 1.6. On veut asseoir 5 hommes et 4 femmes dans une rangée de 9 chaises de manière
à ce que les femmes occupent les places paires. Combien y a-t-il de possibilités ?

Exercice 1.7. On considère un jeu forain où 4 souris, numérotées de 1 à 4 peuvent se diriger vers
5 cases A, B, C ; D et E. Plusieurs souris pouvant choisir la même case. Sur un billet, le joueur
inscrit une répartition des souris et il gagne si son pronostic se réalise. Combien de pronostics
différents peut-il faire ?

Exercice 1.8. Dix chevaux sont au départ d’un grand prix à l’hippodrome de Vincennes. Combien
y a-t-il de quartés possibles ?

Exercice 1.9. Un palindrome numérique est un entier, tel 45654, que l’on peut lire aussi bien
depuis la gauche que depuis la droite. Combien de palindromes à cinq chiffres existe-t-il ?

Cours de Proba 13/42 TCHALLA

 CHAPTER 1. DÉNOMBREMENT 1.6. COMBINAISONS AVEC RÉPÉTITION

Exercice 1.10. Un concours de beauté, qui rassemble 12 concurrentes, attribue un premier prix,
un second prix et un troisième prix.
1. Quel est le nombre de résultats possibles, sachant qu’il n’y a pas d’ex aequo ?

2. Quel est le nombre de résultats possibles, sachant qu’il y a deux premières d’ex aequo ?
Exercice 1.11. Dans un centre de loisirs, on retrouve 2500 étudiants font le théâtre ou la nage,
700 qui le théâtre et la nage.
1. Déterminer le nombre d’étudiant faisant un seul loisir.

2. Sachant que les étudiants qui font uniquement le théâtre est le double de ceux qui font unique-
ment la nage, déterminer le des étudiants faisant unique le théâtre et le nombre de ceux faisant
uniquement la nage.
Exercice 1.12. Soit E un ensemble fini à n éléments et A une partie de E ayant p éléments
(p ⩽ n). Déterminer le nombre de partie de E contenant exactement un seul élément de A.
Exercice 1.13.
Déterminer le nombre d’anagrammes du mot MORGES.
Déterminer le nombre d’anagrammes du mot MISSISSIPPI. Parmi ces anagrammes, combien com-
mencent et se terminent par la lettre S ?
Exercice 1.14. .

1. Le client d’une banque se rappelle que 2, 4, 7 et 9 sont les chiffres d’un code d’accès à quatre
chiffres pour le distributeur automatique de billets. Malheureusement, il a oublié le code.
Calculer le plus grand nombre possible d’essais nécessaires pour obtenir le code secret.

2. Refaire la question précédente avec les chiffres 2, 4 et 7, en sachant que l’un de ces chiffres
se trouve deux fois dans le code d’accès à quatre chiffres.
Exercice 1.15. Avec les 26 lettres de l’alphabet, a) combien de mots de 5 lettres peut-on former ?
(les mots n’ont pas nécessairement de signification !) b) Même question, mais en se limitant aux
mots formés de 5 lettres différentes.
Exercice 1.16. Un immeuble est composé d’un rez-de-chaussée et de 8 étages. Un ascenseur part
du rez-de-chaussée avec 5 occupants.
a) De combien de manières différentes ces 5 occupants peuvent-ils choisir les étages auxquels ils
vont se rendre ?
b) Même question dans le cas où à chaque étage un occupant au plus quitte l’ascenseur.
Exercice 1.17. a) Huit personnes désirent s’asseoir dans un compartiment de cinq places. Com-
bien y a-t-il de possibilités ?
b) Cinq personnes désirent s’asseoir dans un compartiment de huit places. Combien y a-t-il de
possibilités ?
c) Comment expliquez-vous l’analogie entre ces deux situations ?
Exercice 1.18. 12 personnes se rencontrent et se serrent la main. Combien y a-t-il de poignées
de main ?

Cours de Proba 14/42 TCHALLA

CHAPTER 1. DÉNOMBREMENT 1.6. COMBINAISONS AVEC RÉPÉTITION

Exercice 1.19. Vous devez organiser un tournoi de tennis dans le cadre de votre club. Il y a 9
personnes inscrites qui devront toutes jouer une fois contre leur adversaire. Combien de matchs
vont devoir se dérouler ?

Exercice 1.20. De combien de façons le photographe d’un mariage peut-il organiser une seule
rangée de 6 personnes choisies parmi un groupe de 10 personnes, en considérant que les mariés
font partie de ce groupe de 10 personnes et que :
a) La mariée doit être sur la photographie, mais pas le marié ?
b) La mariée et le marié doivent tous les deux être sur la photographie ?
c) La mariée et le marié doivent être côte à côte sur la photographie ?

Exercice 1.21. On considère les mains de 5 cartes que l’on peut extraire d’un jeu de 52 cartes.

1. Combien y’a-t-il de mains différents?

2. Combien y’a-t-il de mains comprenant exactement un valet?

3. Combien y’a-t-il de mains comprenant au moins un valet?

4. Combien y’a-t-il de mains comprenant à la fois au moins un roi et au moins une dame?

Cours de Proba 15/42 TCHALLA

CHAPTER 1. DÉNOMBREMENT 1.6. COMBINAISONS AVEC RÉPÉTITION

Cours de Proba 16/42 TCHALLA

CHAPTER 2. PROBABILITÉS

Chapter 2

Probabilités

2.1 Vocabulaire probabiliste

Activité 2.1.2
Un jeu consiste à lancer trois fois de suite une pièce de monnaie ayant deux côtés: le côté Pile
"P" et le côté Face "F". À chaque lancer on note le côté qui apparaît à la partie supérieure de la
monnaie.
1. Donner un résultat de ce jeu.
2. Ce résultat était-il prévisible?
3. Quel est l’ensemble des résultats possibles de ce jeu ?

 
Définition 2.1.8
 

• Dans l’activité précédente, nous avons vu qu’il n’est pas possible de prévoir a priori un résul-
tat quelconque du jeu. Ainsi Une expérience (ou une épreuve) dont l’obtention d’un résultat
dépend du hasard est dite expérience aléatoire.
• Chacun des résultats possibles d’une expérience aléatoire est appelé éventualité de l’expérience.
Dans l’activité, les résultats possibles du jeu sont: FFF, FFP, FPF, FPP, PPP, PPF, PFP, PFF.
Chacun de ces résultats est une éventualité de ce jeu. L’ensemble des éventualités d’une expérience
aléatoire c’est-à-dire l’ensemble des résultats possibles est appelé l’univers des éventualités de
l’expérience aléatoire. Il est souvent noté Ω ou U. L’univers du jeu de l’activité est
U = {F F F, F F P, F P F, F P P, P P P, P P F, P F P, P F F } .

• Un évènement dans une expérience aléatoire est un sous-ensemble ou une partie de l’univers U.
Il peut être défini littéralement.
Exemple 3. Tirons un exemple du jeu de l’activité introductive. A = {P P P, F P P, P P F, P F P } .
Littéralement, cet évènement peut être défini de la façon suivante: A:" face apparaît au plus une
fois"

Cours de Proba 17/42 TCHALLA

 CHAPTER 2. PROBABILITÉS 2.2. PROBABILITÉ D’UN ÉVÈNEMENT

On dit qu’une éventualité réalise un évènement si cette éventualité appartient cet évènement. Un
évènement est réalisé lorsqu’on obtient une éventualité qui appartient à cet évènement. Par exemple
le résultat F P P de l’expérience aléatoire de l’activité réalise l’évènement A = {P P P, F P P, P P F, P F P } .
Un évènement élémentaire est un évènement qui est constitué d’une seule éventualité. E = {P F P }
est un évènement élémentaire.
Si un évènement A = ∅, alors A est appelé événement impossible.
Si un évènement A = U, alors A est appelé événement certain.
• Soit A et B deux événements.
- L’événement A ∩ B est l’évènement réalisé lorsque les évènements A et B sont réalisés
simultanément.

- L’événement A ∪ B est l’évènement réalisé lorsque A ou B est réalisé.

- L’événement contraire de A est le complémentaire A de A dans U. C’est l’événement qui

se réalise lorsque A ne se réalise pas.

- Si A ∩ B = ∅ alors on dit que A et B sont incompatibles. Autrement dit les évènements A

et B sont incompatibles si l’évènement A ∩ B est impossible.
Remarque 6. Soit U l’univers des éventualités d’une expérience aléatoire. L’ensemble des parties
ou des sous-ensembles ou encore des évènements de l’expérience aléatoire est noté P(U).

Exercice d’application 2.1.10

Lors d’un jet de deux dés cubiques, on s’intéresse aux évènements suivants:
A:"La somme des numéros obtenus est au moins égale à 5",
B:"La somme obtenue est au plus égale à 5",
C:"La somme obtenue est strictement inférieure à 3".
1. A et B sont-ils contraires?

2. B et C sont-ils incompatibles?

3. Traduire littéralement C.

4. A et C sont-ils incompatibles?

2.2 Probabilité d’un évènement

2.2.1 Définition de la probabilité d’un évènement

 
Définition 2.2.9
 

Soit U l’univers des éventualités d’une épreuve aléatoire.

Une probabilité sur U est une application de P(U) dans [0; 1] qui à toute partie A de U associe le
réel P (A) vérifiant les conditions suivantes:
• P (U) = 1.

Cours de Proba 18/42 TCHALLA

CHAPTER 2. PROBABILITÉS 2.2. PROBABILITÉ D’UN ÉVÈNEMENT

• P (∅) = 0.
• P (A) est la somme des probabilités des évènements élémentaires qui composent c’est-à-dire
que si A = {e1 , e2 , . . . , ep } alors P (A) = P ({e1 }) + P ({e2 }) + . . . + P ({ep }).
Remarque 7. ∀A ⊂ U, 0 ≤ P (A) ≤ 1.

 
Propriété 2.2.4
 
Soit U l’univers des éventualités d’une épreuve aléatoire, A et B deux événements inclus dans
U.
• P (A ∪ B) = P (A) + P (B) − P (A ∩ B) et P (A) = 1 − P (A).
Si A et B sont incompatibles alors P (A ∪ B) = P (A) + P (B).

Exercice d’application 2.2.11

On lance un dé pipé, dont les faces sont numérotés de 1 à 6 et on note le numéro sur la face
supérieur. La probabilité d’apparition d’un nombre pair est le double de la probabilité d’apparition
d’un nombre impair et les probabilités d’apparition de deux nombres de même parité sont égales.
1. Donner l’univers des éventualités.
2. Calculer la probabilité d’apparition de chaque chiffre.
3. Calculer la probabilité d’apparition de chacun des événements suivants: A: le chiffre obtenu
est pair ; B: le chiffre obtenu est impair ; C: le chiffre obtenu est inférieur strictement à 4
4. calculer la probabilité des événements suivants en utilisant les résultats déjà obtenus. D: le
chiffre obtenu est inférieur strictement à 4 ou impair , E: le chiffre obtenu est supérieur ou
égal à 4 .
Solution:

1. U = {1; 2; 3; 4; 5; 6}.
2. Soit p la probabilité d’apparition d’un nombre pair et q la probabilité d’apparition d’un nombre
impair. P (U) = P (1) + P (2) + P (3) + P (4) + P (5) + P (6) = 3p + 3q = 3(2q) + 3q = 9q = 1
donc q = 91 et p = 29 .
3. P (A) = 3p, P (B) = 3q et P (C) = 2q + p.
4. P (D) = P (A ∪ B) et P (E) = P (C).

Exercice d’application 2.2.12

Soit U l’univers des éventualités a, b, c, d et e d’une expérience aléatoire. Déterminer la probabilité
sur telle que : P ({a}) = 2P ({b}) = 2P ({c}) = 4P ({d}) = 4P ({e}).
1. Calculer P (A), P (B), P (C) où A = {a, b}, B = {c, e}, C = {b, c, d}.
2. Calculer P (A ∪ B) et P (A ∪ C).

Cours de Proba 19/42 TCHALLA

 CHAPTER 2. PROBABILITÉS 2.3. PROBABILITÉ CONDITIONNELLE

2.2.2 Calcul de la probabilité dans le cas d’équiprobabilité

Soient U = {e1 , e2 , . . . , en } l’univers des éventualités d’une épreuve aléatoire et P une probabilité
sur U.
• On dit qu’il y’a équiprobabilité sur l’univers U si tous les événements élémentaires ont la même
probabilité de se réaliser. Ainsi dans ce cas on a

1 1
P ({e1 }) = P ({e2 }) = . . . = P ({en }) = = .
n card(U)

• Par conséquent, dans le cas d’équiprobabilité, la probabilité de réalisation de tout événement A

est donnée par la formule

Card(A) Nombre de résultats favorbles à A

P (A) = =
Card(U) Nombre de résultats possibles
.

Exercice d’application 2.2.13

Une urne contient six boules indiscernables au toucher, numérotés de 1 à 6. On tire une une boule
de cette urne et on note son numéro. Quelle est la probabilité d’avoir un chiffre pair, un chiffre
inférieur strictement à 4.

2.3 Probabilité conditionnelle

 
Définition 2.3.10
 

Soit U l’univers d’une expérience aléatoire. Soit P une probabilité sur U. Soit A un événement
relative à l’expérience telle que P (A) ̸= 0. On appelle probabilité conditionnelle d’un évènement B
sachant que A est réalisé, noté PA (B) ou P (B/A), le nombre défini par le quotient

P (A ∩ B)
PA (B) = .
P (A)

PA (B) se lit "probabilité de B sachant A."

Remarque 8. Dans le cas d’équiprobabilité sur U, la probabilité de B sachant que A est réalisé
devient alors
P (A ∩ B) nombre d’éléments de A ∩ B card(A ∩ B)
PA (B) = = = .
P (A) nombre d’éléments de A card(A)

Remarque 9. .

P (A∩B)
➢ PA (B) = P (A)
⇒ P (A ∩ B) = PA (B) × P (A)

Cours de Proba 20/42 TCHALLA

CHAPTER 2. PROBABILITÉS 2.3. PROBABILITÉ CONDITIONNELLE

P (A∩B)
➢ Si P (B) ̸= 0 alors PB (A) = P (B)
donc P (A ∩ B) = PB (A) × P (B).

➢ On en déduit que PB (A) × P (B) = PA (B) × P (A).

 
Définition 2.3.11 Evènements indépendants
 

Deux évènements A et B sont indépendants lorsque la réalisation de l’un n’est pas modifiée
par la réalisation de l’autre et vise versa. Autrement dit PB (A) = P (A) ou PA (B) = P (B).
 
Propriété 2.3.5
 
Les évènements A et B sont indépendants ⇔ P (A ∩ B) = P (A) × P (B)

 
Définition 2.3.12 Partition de l’Univers
 

On dit que des événements A1 , A2 , . . . , An forment une partition de U si les trois conditions suiv-
antes sont vérifiées:
• ∀i ∈ {1, . . . , n}, Ai ̸= ∅;

• ∀i, j ∈ {1, . . . , n} si i ̸= j, alors Ai ∩ Aj = ∅;

• ∪ni=1 Ai = A1 ∪ A2 ∪ . . . ∪ An = U.
Exemple 4. Soit U l’univers des éventualités d’une expérience. Soit A un évènement associé à
cette expérience (i.e A ⊂ U) tel que A ̸= ∅ et A ̸= U. Alors A et son évènement contraire A
forment une partition de U.

 
Propriété 2.3.6
 
Soit U d’une expérience aléatoire. Soit P une probabilité sur U. Si les événements
A1 , A2 , · · · , An forment une partition de U, alors on a:

P (U) = P (A1 ∪ A2 ∪ . . . ∪ An ) = P (A1 ) + P (A2 ) + · · · + P (An ) = 1

 
Propriété 2.3.7 Formule des Probabilités totales
 
Si les événements A1 , A2 , · · · , An forment une partition de U, alors pour tout évènement B
on a:

P (B) = P (B ∩ A1 ) + P (B ∩ A2 ) + · · · + P (B ∩ An ) (2.1)
= P (A1 )PA1 (B) + P (A2 )PA2 (B) + . . . + P (An )PAn (B) (2.2)

Cours de Proba 21/42 TCHALLA

 CHAPTER 2. PROBABILITÉS 2.3. PROBABILITÉ CONDITIONNELLE

Remarque 10. Soient A1 , A2 , · · · , An des évènements formant une partition de l’univers U d’une
expérience aléatoire. Soient P une probabilité sur l’univers U et B un évènement de l’expérience.
Alors on peut retrouver la formule des probabilités totales à l’aide d’un arbre pondéré.
Exemple 5. Soient A1 , A2 , A3 trois évènements formant une partition de l’univers U d’une ex-
périence aléatoire. Soient P une probabilité sur l’univers U et B un évènement de l’expérience.

B
PA1 (B)
A1

PA1 (B) B

P (A1 )

B
PA2 (B)
P (A2 )
A2

PA2 (B) B
P (A3 )

B
PA3 (B)
A3

PA3 (B) B

On a les relations suivantes:



 P (A1 ) + P (A2 ) + P (A3 ) = 1;



 ∀j, P (Aj ∩ B) = P (Aj ) × PAj (B);
∀j, P (Aj ∩ B) = P (Aj ) × PAj (B);


 ∀j, PAj (B) + PAj (B) = 1;
∀j, P (Aj ) = P (Aj ∩ B) + P (Aj ∩ B) = 1;




P (B) = P (B ∩ A1 ) + P (B ∩ A2 ) + P (B ∩ A3 ) = P (A1 )PA1 (B) + P (A2 )PA2 (B) + P (A3 )PA3 (B);


Théorème 6 (Théorème de Bayes). Soient U d’une expérience aléatoire et P une probabilité

sur U. Soient A1 , A2 , · · · , An une suite d’évènements constituant une partition de U de probabilité
non nulle. Alors pour tout évènement B, on a:
PAj (B)P (Aj ) P (Aj ∩ B)
PB (Aj ) = = .
P (A1 )PA1 (B) + P (A2 )PA2 (B) + . . . + P (An )PAn (B) P (B)

Exercice d’application 2.3.14

1. On lance successivement deux dés cubiques parfaits dont les faces sont numérotées de 1 à 6.

Cours de Proba 22/42 TCHALLA

CHAPTER 2. PROBABILITÉS 2.3. PROBABILITÉ CONDITIONNELLE

(a) Quelle est la probabilité pour que le chiffre lu sur le premier dé soit 3?
(b) Quelle est la probabilité pour que la somme des chiffres soit égale à 4?
(c) En déduire la probabilité pour que la somme des chiffres soit égale à 4 sachant que le
chiffre lu sur le premier dé est 3?

2. Un sondage effectué dans une région montagneuse à propos de la construction d’un barrage
donne les résultats suivants:
- 65% des personnes interrogées sont contre la construction de ce barrage;
- parmi les personnes sont contre la construction du barrage, 70% sont des écologistes;
- parmi les personnes favorables à la construction du barrage, 30% sont des écologistes;
On note C l’événement “la personne interrogée est contre la construction du barrage” et
C l’événement contraire puis E l’événement “la personne interrogée est écologiste?”.

(a) Donner P (C), P (E/C).

(b) Calculer P (E) et P (C/E).
(c) Les événements C et E sont-ils indépendants?

TRAVAUX DIRIGÉS

Exercice 2.1. Un sondage est effectué dans un centre de formation sportive où l’on pratique
l’athlétisme et le football . 75 % des élèves sont des athlètes (A), 35% sont des joueurs de football
(F) et 10% des élèves sont pratiquent l’athlétisme et le football . On choisit au hasard un élève du
centre.

1. Quelle est la probabilité de l’évènement "cet élève pratiquent l’athlétisme ou le football ".

2. Quelle est la probabilité de l’évènement "cet élève pratique une et une seule discipline parmi
l’athlétisme et le football ".

Exercice 2.2. On lance deux fois de suite un dé cubique parfait dont les faces sont numérotés
de 1 à 6 de façon à former un nombre de deux chiffres: le résultats du premier lancer donne le
chiffre des dizaines et celui du deuxième lancer le chiffre des unités. Calculer la probabilité des
événements suivants:
A: le nombre obtenu est pair B: les deux chiffres du nombre obtenu sont identiques

Exercice 2.3. Décrire l’univers ainsi que le nombre d’issues possibles de chacune des expériences
aléatoires suivantes:

1. Lancer trois fois de suite une pièce de monnaie.

2. Jeter deux fois de suite le même dé.

3. Tirer successivement et sans remise 2 boules d’un sac contenant quatre boules numérotés de
1 à 4.

4. Choisir deux étudiants parmi les quatre étudiants dont les initiaux des noms sont K, A, L et
R.

Exercice 2.4. On lance trois fois de suite une pièce de monnaie. Déterminer:

Cours de Proba 23/42 TCHALLA

 CHAPTER 2. PROBABILITÉS 2.3. PROBABILITÉ CONDITIONNELLE

1. l’univers U de cette expérience aléatoire.

2. l’événement A:"pile sort en premier".
3. l’événement B: "face ne sort pas au deuxième lancer".
4. l’événement A.
5. l’événement A ∩ B.
6. l’événement C: "obtenir au moins deux fois face".
Exercice 2.5. Soit U l’ensemble des élèves du gymnase, A celui des élèves de première année, B
celui des élèves de deuxième , C celui des élèves de troisième, F l’ensemble des filles du gymnase
et S l’ensemble des élèves de nationalité suisse. Décrire par des phrases les ensembles suivants :
(A ∪ B) ∩ F , F ∩ S, (A ∪ C) ∩ F ∩ S.
Exercice 2.6. On lance trois fois de suite un dé numéroté de 1 à 6. Soit les événements: A:"
obtenir au moins un 6" et B: "obtenir au plus un 1".
1. Quelle est la nature des résultats des possibles.
2. Décrire littéralement chacun des évènements suivants: A, B, A ∪ B, A ∪ B, A ∩ B, A ∩ B
3. Parmi les évènements A, B, A, B, A ∪ B, A ∪ B, A ∩ B, A ∩ B lesquels contiennent le
résultat (1 ; 1 ; 3) ?
Exercice 2.7. Un sac contient une boule rouge et une boule verte indiscernables au toucher. On
tire successivement avec remise trois boules de l’urne. À chaque tirage on note la couleur de la
boule tirée.
1. Déterminer les résultats possibles de cette expérience.
2. On considère les évènements suivants:
A:"La boule rouge est tirée en première position”, B:"La boule verte n’est pas tirée à la deux-
ième position”
C:"La boule rouge est tirée une seule fois”, D:” La boule rouge est tirée en deuxième position"
E:”La boule rouge est tirée au moins deux fois”.
(a) Les évènements A et D sont-ils contraires?
(b) C et E sont-ils contraires?
(c) D et B sont-ils incompatibles?
(d) Déterminer l’évènement D.
(e) D et B sont-ils incompatibles?
(f ) Déterminer les évènements A ∩ C et B ∩ C? Préciser la nature de ces deux évènements.
(g) Exprimer E à l’aide d’une phrase.
Exercice 2.8. On dispose de deux urnes U1 et U2 contenant chacune des boules. U1 contient
trois boules numérotés respectivement 1, 2, 4 indiscernables au toucher. U2 contient deux boules
numérotés 1, 2 indiscernables au toucher. Un jeu consiste à faire un tirage successif de deux boules:
la première boule est tirée de l’urne U1 et la seconde de l’urne U2 . À l’issue des deux tirages on
note le couple de numéros obtenus.

Cours de Proba 24/42 TCHALLA

CHAPTER 2. PROBABILITÉS 2.3. PROBABILITÉ CONDITIONNELLE

1. Déterminer l’univers des éventualités liées au jeu.

2. On suppose que toutes les éventualités dont le numéro de la première boule est égal à celui
de la deuxième boule ont la même probabilité p et les éventualités dont les numéros sont
différents ont la même probabilité q. De plus on suppose que p = 2q.

(a) Déterminer alors p et q

(b) Calculer la probabilité des évènements suivants:
A:"les boules tirées portent le même numéro"
B:"les boules tirées ont des numéros différents"
C:"la somme des numéros des boules tirées est paire".
D:"la somme des boules tirées est strictement inférieur à 4"

3. Calculer les probabilités P (C), P (B ∪ C), P (A ∪ C).

4. Exprimer littéralement D et calculer P (D).

5. Exprimer littéralement A ∪ D et calculer la probabilité P (A ∪ D).

Exercice 2.9. Au cours d’un voyage touristique vers le nord du Togo, une enquête révèle que 20%
des touristes ont une fois séjourné à Kara, 38% à Sokodé et 30% à Niamtougou. 8% des touristes
ont une fois séjourné à Kara et Niamtougou, 6% à Kara et Sokodé, 14% à Sokodé et Niamtougou
et 2% dans les trois villes. On choisit au hasard un touriste. Déterminer:
1. la probabilité qu’il ait séjourné exactement dans deux villes.

2. la probabilité qu’il ait séjourné exactement dans une seule ville.

3. la probabilité qu’il n’ait jamais séjourné ni à Kara, ni à Sokodé, ni à Niamtougou.

Exercice 2.10. Dans une classe de 25 élèves, on a constaté que 10 élèves portent une casquette,
5 élèves portent une montre et 12 élèves portent des lunettes. De plus, tous ceux qui portent une
montre ont une casquette. Il y a 3 élèves qui portent une montre, mais pas de lunettes. Enfin, 6
élèves sont sans casquette et ont des lunettes. On choisit au hasard trois élèves de cette classe.
1. Combien y a-t-il de possibilités de faire ce choix ?

2. Quelle est la probabilité qu’ils portent tous les trois des lunettes?

3. Quelle est la probabilité qu’au moins un des trois porte une montre ?
On choisit au hasard un élève de cette classe.

4. Quelle est la probabilité qu’il ne porte ni montre, ni casquette, ni lunettes ?

5. Quelle est la probabilité qu’il porte une montre ou une cas- quette ?
Exercice 2.11. On jette 3 fois un dé cubique parfait dont les faces sont numérotées de 1 à 6. On
note a, b, c les numéros obtenus. Soit Q(x) = ax2 + bx + c. Déterminer la probabilité pour que le
polynôme Q(x):
1. ait 2 racines réelles distinctes;

2. ait une racine réelle double;

Cours de Proba 25/42 TCHALLA

 CHAPTER 2. PROBABILITÉS 2.3. PROBABILITÉ CONDITIONNELLE

3. n’ait pas de racine réelle.

Exercice 2.12. On range au hasard 10 livres sur une étagère. Quelle est la probabilité p pour que
trois livres donnés soient rangés côte à côte.

Exercice 2.13. On compose au hasard un numéro de téléphone à 8 chiffres. Quelle est la proba-
bilité pour que:

1. tous les chiffres du numéro soient distincts?

2. le produit des chiffres soient divisible par 2?

3. les chiffres forment une suite strictement croissante?

Exercice 2.14. Pour se rendre à l’université, un étudiant a le choix entre quatre itinéraires: A,
B, C et D. La probabilité qu’il a de choisir l’itinéraire A (resp. B, C) est 13 (resp 14 , 12
1
). La
1 1 1
probabilité d’arriver en retard en empruntant A (resp. B, C) est 20 (resp 10 , 5 ). En empruntant
D il n’est jamais en retard. Calculer la probabilité pour que:

1. l’étudiant choisisse l’itinéraire D.

2. l’étudiant arrive en retard.

3. l’étudiant arrive en retard. Quelle est la probabilité pour qu’il emprunte l’itinéraire C.

Exercice 2.15. Le quart d’une population a été vacciné contre une maladie contagieuse. Au cours
d’une épidémie, on constate qu’il y a parmi les malades un vacciné pour quatre non vaccinés. On
sait de plus qu’au cours de cette épidémie, il y avait un malade sur douze parmi les vaccinés.
5
1. Démontrer que la probabilité de tomber malade est égale à 48
.

2. Quelle était la probabilité de tomber malade pour un individu non-vacciné ?

3. Le vaccin est-il efficace ?

Exercice 2.16. Un sondage est effectué dans une société comprenant 40% de cadres et 60%
d’employés. On sait que 20% des cadres et 10% des employés de cette société savent parler l’anglais.
On interroge un individu au hasard. Quelle est la probabilité pour que ce soit:
a) un cadre sachant parler l’anglais ?
b) un employé sachant parler l’anglais ?
c) une personne sachant parler l’anglais?
On interroge alors individuellement d’autres employés
d) Sachant que l’individu interrogé sait parler l’anglais, quelle est la probabilité pour que ce soit un
employé?
e) Sachant qu’il s’agit d’un cadre, quelle est la probabilité qu’il sache parler l’anglais ?

Exercice 2.17. La société SuissTrans reçoit 60% de ses stocks de Genève (G) et 40% de Berne
(B). Les livraisons en provenance de Genève sont en retard dans 20% des cas tandis que celles en
provenance de Berne sont en retard dans seulement 5% des cas. Les livraisons arrivent à l’entrepôt
de la société d’une façon aléatoire.
Sachant qu’une livraison est arrivée en retard, quelle est la probabilité qu’elle provienne de Berne?

Cours de Proba 26/42 TCHALLA

CHAPTER 2. PROBABILITÉS 2.3. PROBABILITÉ CONDITIONNELLE

Exercice 2.18. On jette une pièce de monnaie trois fois. On considère les événements suivants :
A:"le premier jet donne face" ; B:"le second jet donne face".
a) Déterminer l’Univers de cette expérience aléatoire.
b) Calculer P (B), P (B|A), P (A), et P (A ∩ B).
c)Les 2 événements A et B sont-ils indépendants?

Exercice 2.19. Le tableau suivant donne la répartition de 150 stagiaires en fonction de la langue
choisie et de l’activité sportive choisie.

Tennis nage Volet

Anglais 45 18 27
Allemand 33 9 18

On choisit un élève au hasard.

a) Les événements "étudier l’allemand" et "pratiquer le tennis" sont-ils indépendants?
b) Les événements "étudier l’anglais" et " pratiquer le volet " sont-ils indépendants ?

Exercice 2.20. Une entreprise est spécialisée dans la vente de ballon de cuire. Elle a trois four-
nisseurs A1 , A2 et A3 qui alimentent respectivement le stock dans les proportions 25%, 40% et
35%. Le service qualité connaît bien ses fournisseurs: une étude statistique, effectuée depuis les
dernières livraisons, montre que la probabilité pour qu’un ballon ait un défaut sachant qu’il provient
du premier fournisseur est de 0, 04, du deuxième de 0, 03 et du troisième de 0, 02. On considère
les évènements: Ai :"le ballon provient du fournisseur Ai " et B:"le ballon a un défaut."

1. Reporter les informations de l’énoncée sur un arbre pondéré.

2. Déterminer la probabilité qu’un ballon pris au hasard dans le stock ait un défaut.

3. Le ballon a un défaut. Quelle est la probabilité qu’il provienne du fournisseur A1 .

Exercice 2.21. Trois machines automatiques produisent des pièces de voiture. La machine M1
produit 40% du total des pièces, la machine M2 produit 25% et la machine M3 produit 35%. En
moyenne, les pourcentages des pièces non conformes aux critères imposés sont 10% pour la machine
M1 , de 5% pour la machine M2 et de 1% pour la machine M3 . Une pièce est choisie au hasard
dans la production totale des trois machines. On constate qu’elle n’est pas conforme aux critères
imposés. Quelle est la probabilité qu’elle ait été produite par la machine M1 ?

Cours de Proba 27/42 TCHALLA

CHAPTER 2. PROBABILITÉS 2.3. PROBABILITÉ CONDITIONNELLE

Cours de Proba 28/42 TCHALLA

CHAPTER 3. VARIABLES ALÉATOIRES

Chapter 3

Variables aléatoires

3.1 Définition et propriété

Activité 3.1.3
On lance un dé cubique parfait dont les faces sont numérotés de 1 à 6 et on note le numéro apparu
sur la face supérieure. Si le chiffre apparu est plus petit que 3 le joueur perd 200 F. Si le chiffre
apparu est 3 le joueur ne perd ni ne gagne rien. Si le chiffre apparu est 4 ou 5 le joueur gagne 300
F. Et si le chiffre apparu est 6 le joueur gagne 500 F.
Ce jeu peut être scindé en deux expériences aléatoires: lancer de dé et détermination du gain du
joueur.
1) Déterminer l’univers des éventualités pour chacune de ces expériences. On note U celui du
lancer de dé et U ′ celui de la détermination du gain.
2) Soit X l’application qui à chaque chiffre apparu sur le dé associe le gain du joueur. Déterminer
X(U) = {X(ei )/ ei ∈ U}.
3) Quelle est la probabilité pour que le joueur gagne 300 F?
Solution:
1) U = {1; 2; 3; 4; 5; 6} et U ′ = {−200; 0; 300; 500}.
2) X(U) = U ′ .
3) “ Le joueur gagne 300 F ” est un événement lié au jeu. On le note “ X = 300 ”. Il équivaut à
l’événement {4; 5}. Alors P (X = 300) = P ({4; 5}) = 13

 
Définition 3.1.13
 

Soit U l’univers d’une expérience aléatoire.

Lorsque à chaque éventualité ei ∈ U on associe un nombre réel xi , on dit qu’on a défini une vari-
able aléatoire numérique X sur l’univers U .
Une variable aléatoire X sur l’univers U est donc une application de U dans R qui, à chaque
éventualité associe un nombre réel:
X : U → R.

Une variable aléatoire permet donc d’associer une grandeur réelle à chaque éventualité d’une ex-
périence aléatoire.
Lorsque la variable aléatoire X ne prend que des valeurs discrètes, c’est-à-dire si X(U) ⊂ N, alors

Cours de Proba 29/42 TCHALLA

 CHAPTER 3. VARIABLES ALÉATOIRES 3.2. LOI DE PROBABILITÉ-FONCTION DE RÉPARTITION

on dit que X est une variable aléatoire discrète . Dans le cas contraire, on dit qu’elle est une
variable aléatoire continue.

3.2 Loi de probabilité-Fonction de répartition

La loi de probabilité d’une variable aléatoire permet de connaître les différentes probabilités
d’obtention des différentes valeurs prises par cette variable aléatoire.

3.2.1 Loi de probabilité et fonction de répartition d’une variable discrète

 
Définition 3.2.14
 

Soit P une probabilité définie sur l’univers U d’une expérience aléatoire. Soit X une variable
aléatoire discrète sur U dont l’ensemble des valeurs prises par X est {x1 , x2 , . . . , xi , . . . , xn , . . .}.
Rappelons que l’ensemble des valeurs prises par X peut être fini ou non. La loi de probabilité de
X est définie par la donnée de toutes les probabilités P (X = xi ).

Remarque 11. X = xi est un évènement associé à l’expérience qui se lit ”X prend la valeur xi ”,
où xi ∈ R. Cet évènement est en fait l’ensemble des éventualités ei appartenant à U telles que
X(ei ) = xi .

La loi de probabilité dans le cas discret (X(U) est dénombrable et fini) peut être résumée dans
un tableau.

Valeur de X: xi x1 x2 ··· xn Total

n
P
P (X = xi ) = pi p1 p2 ··· pn pi = 1
i=1

La Fonction de répartition de la variable aléatoire X (X discret ou continue) est l’application

notée FX et définie par
FX : R → [0; 1]
x 7→ P (X ≤ x)
.

Remarque 12. L’événement {X ≤ x} désigne l’ensemble des éventualités ei de U pour lesquelles

X(ei ) est inférieure ou égale à x ( x ∈ R):

{X ≤ x} = {ei ∈ U : X(ei ) ≤ x} = {ei ∈ U : X(ei ) ∈] − ∞, x]} .

L’événement {X ≤ x} se note aussi {X ∈] − ∞, x]}. Cet évènement se lit aussi “ X prend des
valeurs inférieures ou égales à x ”.

Pour tout, x ∈ R, FX (x) = P (X ≤ x) = P (X ∈] − ∞, x]).

Remarque 13. On a P (X ∈ R) = P ({u ∈ U/X(u) ∈ R}) = P (U) = 1.

Cours de Proba 30/42 TCHALLA

CHAPTER 3. VARIABLES ALÉATOIRES 3.2. LOI DE PROBABILITÉ-FONCTION DE RÉPARTITION

 
Propriété 3.2.8
 
La fonction de répartition est une fonction croissante à valeurs dans [0, 1] telle que
lim FX (x) = 0 et lim FX (x) = 1, mais elle n’est pas forcément continue.
x→−∞ x→+∞

Remarque 14. Soient a et b deux réels tels que a ⩽ b. On P (a ⩽ X ⩽ b) = P (X ⩽ b)−P (X ⩽ a)

Expression explicite de la fonction de répartition dans le cas discret

La fonction de répartition d’une variable discrète est constante par morceaux. Si X est une variable
discrète à valeurs dans {x1 , x2 , . . . , xi , . . . , xn } avec x1 < x2 < . . . < xn , alors pour x ∈ R


 0 si x < x1
 k
P
FX (x) = P (X = xi ) si xk ⩽ x < xk+1 , pour k ∈ {1, . . . , n − 1}

 i=1
1 si x ⩾ xn


De même si X est une variable discrète à valeurs dans {x1 , x2 , . . . , xn , . . .} avec x1 < x2 <
. . . < xn < . . ., alors pour x ∈ R

 0 si x < x1
FX (x) = k
P
 P (X = xi ) si xk ⩽ x < xk+1 pour k ⩾ 1.
i=1

Exercice d’application 3.2.15

1. Déterminer la loi de probabilité de la variable aléatoire definie dans l’activité.

2. Déterminer la fonction de répartition de cette variable aléatoire.

3. Représenter graphiquement la fonction répartition dans le plan muni d’un repère orthonormé
(O,⃗i, ⃗j).

Solution:

xi -200 0 300 500

1 1 1 1
pi 3 6 3 6

Pn
Remarque 15. i=1 pi = 1

Cours de Proba 31/42 TCHALLA

 CHAPTER 3. VARIABLES ALÉATOIRES 3.3. ESPÉRANCE MATHÉMATIQUE,VARIANCE ET ÉCART-TYPE

3.3 Espérance mathématique,Variance et Écart-type

 
Définition 3.3.15
 

Soit X une variable aléatoire prenant les valeurs x1 , x2 , · · · , xn avec les probabilités p1 , p2 , · · · , pn
respectivement.
• On appelle espérance mathématique de X, le nombre réel noté
E(X) défini par E(X) = x1 p1 + x2 p2 + · · · + xn pn = ni=1 xi pi .
P
• En posant E(X) = m on appelle variance de X le nombre réel noté
V (X) défini par V (X) = (x1 − m)2 p1 + (x2 − m)2 p2 + · · · + (xn − m)2 pn = ni=1 2
P
p (xi − m) pi .
• On appelle écart type de X noté σX la racine carrée de la variance: σX = V (X).

Remarque 16. ➢ On a (xi − m)2 = x2i − 2mxi + m2 .

donc
n
X
V (X) = (xi − m)2 pi
i=1
Xn n
X n
X
= x2i pi − 2m xi pi + m2 pi
i=1 i=1 i=1
2 2
= E(X ) − 2mE(X) + m
= E(X 2 ) − [E(X)]2

Exercice d’application 3.3.16

Un dé cubique pipé dont les faces sont numérotées de 1 à 6 est telle que P (1) = P (2) = P (3) =
P (4) = 0, 175, P (5) = 0, 2 et P (6) = 0, 1. On lance le dé deux fois de suite et on note à chaque
lancer le numéro de la face supérieure. On désigne par X la variable aléatoire qui donne la somme
des deux chiffres obtenus.
1) Déterminer la loi de probabilité de X et construire son diagramme en bâton.
2) Calculer E(X), V (X) et σX .
3) Déterminer la fonction de répartition de X et construire sa représentation graphique. Solution:

1) On a Ω = {1; 2; 3; 4; 5; 6}2 et X(Ω) = {2; 3; 4; 5; 6; 7; 8; 9; 10; 11; 12}

xi 2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 5 4 3 2 1
pi 36 36 36 36 36 36 36 36 36 36 36
Diagramme en bâton de la loi de X

3.4 Loi binomiale

Activité 3.4.4
On lance un dé cubique parfait dont les faces sont numérotées de 1 à 6. On convient d’appeler “
SUCCèS ” et on note S l’événement “ le 6 apparaît ” puis “ éCHEC ” et on note E l’événement “

Cours de Proba 32/42 TCHALLA

CHAPTER 3. VARIABLES ALÉATOIRES 3.4. LOI BINOMIALE

le 6 n’apparaît pas ”.
1) Déterminer l’univers des éventualités et déterminer la probabilité sur cet univers.
2) On lance 5 fois de suite le dé et on note dans l’ordre d’apparition S ou E selon que E sort ou
non. Soit A l’événement “ obtenir exactement deux succès ”.
a) Préciser l’univers des éventualités de cette épreuve.
b) Expliciter A puis montrer que tous les événements élémentaires de A ont la même probabil-
ité.
c) Exprimer cardA à l’aide d’une combinaison. Calculer la probabilité de A.
Solution:
1) L’univers est Ω = {S, E}. P (S) = P (6) = 16 et P (E) = P ({1, 2, 3, 4, 5}) = 56
2) a) L’univers est Ω′ = Ω5 = {S, E}5 .
b) A = {SSEEE, SESEE, SEESE, SEEES, ESEES, EESES, EEESS, EESSE, ESSEE, EESSE}.
Soit p = P (S) et q = P (E). On a ∀ei ∈ A, P (ei ) = p2 × q 3 .
c) Tout élément de A représente le choix simultané de deux places sur cinq. On en déduit que
cardA = C52 . D’où P (A) = C52 p2 × q 3

 
Définition 3.4.16 Dans l’activité:
 

La première épreuve conduit à deux éventualités: S “ SUCCèS ” ou “ ÉCHEC ” de probabil-

ités respectives p et q = 1 − p. On dit que c’est une épreuve de Bernoulli de paramètre p.
La seconde épreuve est une suite de n épreuves (n=5) de Bernoulli identiques et indépendantes:
on dit que c’est un schéma de Bernoulli de paramètres n et p.
 
Propriété 3.4.9
 
Soit E une épreuve de Bernoulli, suite de n épreuves; p la probabilité du SUCCèS et q la
probabilité de l’ éCHEC. On désigne par X la variable aléatoire qui à chaque éventualité de
E associe le nombre k de SUCCèS obtenus (0 ≤ k ≤ n).
• La loi de probabilité de X est appelée loi binomiale de paramètre n et p. Elle est
donnée par P (X = k) = Cnk pk q n−k .
• L’espérance mathématique et la variance de X sont données par E(X) = np et V (X) =
npq.

Exercice d’application 3.4.17

On considère le schéma de Bernoulli de l’activité.
1) Déterminer la loi binomiale correspondante.
2) Quelle est la probabilité de ne pas avoir de SUCCÈS? d’avoir au moins un SUCCÈS?

Exercice 3.1. On suppose que dans une famille, une fille a autant de chance de naître qu’un
garçon.
1) Quelle est la probabilité d’avoir exactement une fille dans une famille de 3 enfants?
2) a) Quelle est la probabilité pour que les filles soit plus nombreuses que les garçons dans une
famille de 3 enfants?
b) Même question dans une famille de 5 enfants puis dans une famille de 6 enfants.

Exercice 3.2. Une pièce truquée est telle que la probabilité d’obtenir PILE est égale à 23 .
1) On lance cette pièce cinq fois de suite. Calculer la probabilité d’obtenir au moins deux fois

Cours de Proba 33/42 TCHALLA

 CHAPTER 3. VARIABLES ALÉATOIRES 3.5. LOI DE POISSON

PILE.
2) Combien de fois faut-il la lancer pour que la probabilité d’obtenir trois PILE soit supérieure à
0,9?

3.5 Loi de Poisson

La loi de Poisson est une loi de probabilité qui s’applique aux évènements rares. Elle décrit le
comportement du nombre d’événements se produisant dans un intervalle de temps fixé [0; T ] (
dans une unité de temps), s’il y’ a un nombre moyen λ d’événements qui se produisent dans cette
unité de temps, et si la production d’un évènement se fait indépendamment du temps écoulé depuis
l’événement précédent. Ce nombre moyen λ est appelé le paramètre de la loi de Poisson.
Si X est la variable aléatoire qui donne le nombre d’évènements qui se produit dans une unité
temps T et λ nombre moyen d’événements se produisant dans l’unité de temps T , alors X suit
la loi de Poisson de paramètre λ et on note X ⇝ P (λ). La variable aléatoire X est une variable
discrète qui prend des valeurs dans N (X(U) = N). Pour tout entier k ∈ N, la probabilité pour
qu’il y ait k évènements qui se produisent dans l’unité de temps T est
λk
P (X = k) = e−λ .
k!
On rappelle que e ≃ 2, 71828.
IL est clair que cette probabilité définie la loi de probabilité de la variable X.
L’espérance mathématique de la variable X est E(X) = λ.
La variance de X est V (X) = λ.
Exercice 3.3. Dans le ciel , au mois d’août, il y a en moyenne 1000 étoiles filantes dans l’espace
d’une heure.
1. Calculer la probabilité pour qu’il y’ait exactement 5 étoiles filantes en 1 minute ?

2. Quelle est la probabilité d’en voir plus de 5 étoiles en 1 minute ?

Solution :
1. Soit X la variable aléatoire qui donne le nombre d’étoiles filantes en 1 min. X suit alors la
loi de Poisson de paramètre λ, où λ est le nombre moyen d’étoiles filantes en 1 min. D’après
l’énoncé, il y’ a en en moyenne 1000 étoiles filantes dans une durée d’une heure. Ainsi
1000
λ= = 16, 667
60
La probabilité pour qu’il y’ ait exactement 5 étoiles filantes en 1 minute est P (X = 5).

2. La probabilité pour qu’il y’ ait plus de 5 étoiles en 1 minute est P (X > 5).

P (X > 5) = 1 − P (X ⩽ 5)
5
X
=1− P (X = k)
k=0
λ2 λ3 λ4 λ5
 
−λ λ
=1−e 1+ + + + +
1! 2! 3! 4! 5!

Cours de Proba 34/42 TCHALLA

CHAPTER 3. VARIABLES ALÉATOIRES
3.6. LOI D’UNE VARIABLE ALÉATOIRE À DENSITÉ OU VARIABLE CONTINUE

Exercice 3.4. Dans une banque les clients arrivent à une fréquence moyenne de 10 par heure.
1. Quelle est la probabilité qu’il y ait plus de 2 clients en 10 min ?
2. Quelle est la probabilité qu’il n’y ait aucun client dans une période de 5 min?
Solution :
1. Si on suppose que les clients arrivent indépendamment les uns des autres et que la moyenne
est constante, la variable aléatoire X qui donne le nombre de clients en 10 min. X suit la
loi de Poisson de paramètre λ , où λ est le nombre moyen de clients qui arrivent à la banque
en 10 min. λ = 1060
× 10 = 10
6
. On demande P (X > 2).
2. Posons Y la variable aléatoire qui donne le nombre de clients pour 5 min. Y ⇝ P (λ) où λ
est le nombre moyen de clients qui arrivent à la banque en 5 min. On a λ = 10
60
× 5 = 56 .
On cherche P (Y = 0).
Remarque 17. La loi de Poisson permet aussi de décrire le comportement du nombre d’événements
survenant par unité de longueur, de surface, de volume, etc. Par exemple si on connaît le nombre
moyen λ d’évènements survenant sur une unité de surface, on peut définir la variable aléatoire X
qui donne le nombre k d’évènements survenant sur cette unité de surface. X suit la loi de Poisson
de paramètre λ.

3.6 Loi d’une variable aléatoire à densité ou variable continue

3.6.1 Généralités
Soit X une variable aléatoire définie sur l’univers U d’une expérience aléatoire. P une probabilité
définie sur U.
 
Définition 3.6.17
 

La variable aléatoire X est à densité ou continue, s’il existe une fonction fX définie sur R telle
que la fonction de répartition de X s’écrit
Z x
∀x ∈ R, F (x) = P (X ⩽ x) = P (X ∈] − ∞, x]) = fX (t)dt
−∞

où fX est une fonction intégrable sur R satisfaisant les conditions suivantes:

1. fX (t) ⩾ 0 pour tout t ∈ R,
Z +∞
2. fX (t)dt = 1.
−∞

La fonction fX vérifiant les conditions 1. et 2. est appelée la densité de probabilité de la variable

aléatoire X.
Remarque 18. Si X est une variable aléatoire de densité fX , alors pour tout partie A de R on a
Z
P (X ∈ A) = fX (t)dt.
A

Nous rappelons que P (X ∈ A) est la probabilité pour que les valeurs de X soient dans A.

Cours de Proba 35/42 TCHALLA

 CHAPTER 3. VARIABLES ALÉATOIRES
3.6. LOI D’UNE VARIABLE ALÉATOIRE À DENSITÉ OU VARIABLE CONTINUE

 
Propriété 3.6.10
 
Soit X une variable aléatoire continue. Alors pour tout x ∈ R, P (X = x) = 0.

Remarque 19. Soit X une variable aléatoire de densité fX .

Z b
1. La probabilité P [X ∈ [a, b]] = P (a ⩽ X ⩽ b) = fX (t)dt correspond à l’aire de la surface
a
comprise entre la courbe de f et l’axe des abscisses sur l’intervalle [a, b].

2. La fonction de répartition d’une variable à densité est continue.

Théorème 7. Soit X une variable aléatoire de fonction de répartition FX . Si FX est continue

sur R et dérivable sur R (sauf peut-être en un nombre fini de points), alors X est une variable à
densité f donnée par f (x) = FX′ (x), ∀x ∈ R.

3.6.2 Loi normale ou loi Gaussienne

 
Définition 3.6.18
 

Une variable aléatoire continue X suit la loi normale de moyenne µ et de variance σ 2 (l’écart-
type est σ) et on note X ⇝ N (µ, σ 2 ) si sa densité de probabilité est donnée par

−(x − µ)2
 
1 1 −(x−µ)2
fX (x) = √ exp =√ e 2σ2 .
2πσ 2σ 2 2πσ

 2
Dans le cas où X ⇝ N (0, 1) c’est-dire lorsque la densité de probabilité est fX (x) = √12π exp −x2 ,
on dit que X suit la loi normale standard ou la loi normale centrée. L’allure de la représentation
graphique de la fonction de répartition de la loi normale centrée et réduite est donnée par

Cours de Proba 36/42 TCHALLA

CHAPTER 3. VARIABLES ALÉATOIRES
3.6. LOI D’UNE VARIABLE ALÉATOIRE À DENSITÉ OU VARIABLE CONTINUE

√1
2π

Ainsi lorsque X ⇝ N (0, 1), sa fonction de répartition est

x
−t2
Z  
1
F (x) = P (X ⩽ x) = √ exp dt.
2π −∞ 2

Il n’est pas possible de calculer ”analytiquement” la probabilité des évènements définis par une
variable aléatoire qui suit une loi normale car la forme analytique de l’intégrale définissant les
probabilités d’une loi normale n’existe pas.
Pour ce faire, une table a été établie pour Z
donner une
 évaluation numérique approchée de la fonction
z
−t2

1
de répartition F (z) = P (Z ⩽ z) = √ exp dt pour quelques valeurs de z > 0 (avec
2π −∞ 2
une précision sur z de deux décimales) lorsque Z suit la loi normale centrée et réduite.

Dans cette table les lignes donnent les deux premiers chiffres significatifs du point z et les
colonnes le dernier chiffre significatif (la deuxième décimale) de z. L’intersection de la ligne qui
donne les deux premiers chiffres significatifs de z et de la colonne qui donne le deuxième chiffre
décimal de z fournie alors la valeur de F (z).

z
−t2
Z  
1
F (z) = P (Z ⩽ z) = √ exp dt
2π −∞ 2

Cours de Proba 37/42 TCHALLA

 CHAPTER 3. VARIABLES ALÉATOIRES
3.6. LOI D’UNE VARIABLE ALÉATOIRE À DENSITÉ OU VARIABLE CONTINUE

z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
3.6 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999

Exemple 6. 1. P (Z ⩽ z) si z > 0: il faut directement lire la proabilité dans la table. Si

z = 1, 13, il faut se rendre à la ligne 1.1 puis à la colonne 0.03 pour obtenir

P (Z ⩽ 1.13) = 0.8708.

2. P (Z > z) si z > 0: on utilise l’évènement contraire de {Z > z} pour obtenir

P (Z > z) = 1 − P (Z ⩽ z).

Cours de Proba 38/42 TCHALLA

CHAPTER 3. VARIABLES ALÉATOIRES
3.6. LOI D’UNE VARIABLE ALÉATOIRE À DENSITÉ OU VARIABLE CONTINUE

Ainsi
P (Z > 0.68) = 1 − P (Z ⩽ 0.68) = 1 − 0.7517.

3. P (Z ⩽ z) si z < 0: on utilise le fait que la loi est symétrique par rapport à 0 (la densité de
probabilité est paire) et ainsi
P (Z ⩽ z) = P (Z ⩾ −z).
Si z = −2.15, P (Z ⩽ −2.15) = P (Z ⩾ 2.15) = 1 − P (Z < 2.15) = 1 − 0.9842.

4. P (Z > z) si z < 0: on a
P (Z > z) = P (Z < −z).

5. P (a < Z < b) pour a < b.

P (a < Z < b) = P (Z < b) − P (Z ⩽ a).

Quelques propriétés utiles pour pouvoir calculer la probabilité d’une variable qui suit une loi
normale.
 
Propriété 3.6.11
 
• Si X ⇝ N (µ, σ 2 ), alors pour toute constante a, la variable aléatoire Y = aX ⇝
N (aµ, a2 σ 2 )
X−µ
• Si X ⇝ N (µ, σ 2 ), alors la variable aléatoire Z = σ
⇝ N (0, 1)

• Si X1 ⇝ N (µ1 , σ12 ) et X2 ⇝ N (µ2 , σ22 ) , alors la variable aléatoire X1 + X2 suit la loi

normale de moyenne µ = µ1 + µ2 . Si de plus X1 et X2 sont des variables aléatoires
indépendantes, alors la variance de X1 + X2 est donnée par σ 2 = σ12 + σ22 .

Remarque 20. La deuxième propriété est en fait une application de la première mais on en fait
un cas particulier parce qu’elle est la base pour effectuer des calculs de probabilité pour une variable
aléatoire normale qui n’est pas centrée et réduite.

Pour ramener un calcul général sur une X ⇝ N (0, 1) il faut en plus de modifier la variable
aléatoire modifier les événements. Ainsi si a et b sont des valeurs réelles positives et X une variable
aléatoire, on a les équivalences suivantes:
aX ax
• X=x⇔ b
= b
aX ax
• X<x⇔ b
< b

• X < x ⇔ − aX
b
> − ax
b
ac aX ad
• c⩽X<d⇔ b
⩽ b
< b

• c ⩽ X < d ⇔ − acb ⩾ aX
b
> − ad
b
.

Exercice 3.5. 1. Soit Z une variable aléatoire qui suit la loi normale centrée et réduite. Donner
les valeurs des probabilités suivantes: P (−0, 2 ⩽ Z ⩽ 2, 5) et P (Z < −2, 5).

Cours de Proba 39/42 TCHALLA

 CHAPTER 3. VARIABLES ALÉATOIRES
3.6. LOI D’UNE VARIABLE ALÉATOIRE À DENSITÉ OU VARIABLE CONTINUE

2. Un chercheur veut étudier le Quotient Intellectuel (QI) d’une population. L’expérience mon-
tre que la variable aléatoire X qui donne le QI d’un individu de la population suit une loi
normale de moyenne 100 et de variance 100.
2.1 Déterminer la probabilité d’observer un individu ayant un QI compris entre 98 et 125.
2.2 Déterminer la probabilité d’observer un individu ayant un QI de plus de 125.
2.3 On choisit au hasard 10 individus de cette population. On définit par Y la variable
aléatoire qui donne le nombre d’individus ayant un QI de plus de 125 parmi les 10
individus.
a) Quelle loi suit la variable aléatoire Y ? Préciser les paramètres de Y .
b) Déterminer la probabilité d’avoir plus de trois personnes ayant un QI de plus de
125 parmi les 10 individus.

TRAVAUX DIRIGÉS: Variables aléatoires

Exercice 3.6. Dans un rayon de magasin, il y’a deux produits a et b (par exemple une table et
une chaise). La probabilité pour qu’un client achète le produit a est 0,3. La probabilité pour qu’il
achète le produit b quand il a acheté le produit a est 0,8 et la probabilité qu’il achète le produit b
quand il n’a pas acheté a est 0,1. Le produit a est vendu 10.000F, le produit b est vendu 4000F.
La dépense du client C dans le rayon est une variable aléatoire X.
1. Déterminer la loi de X.
2. Calculer la dépense moyenne du client C et la variance de X.
Exercice 3.7. On tire deux boules simultanément et au hasard d’une urne contenant deux boules
portant le chiffre 0, deux boules portant le chiffre 1 et une boule portant le chiffre 2. On sup-
pose l’équiprobabilité des tirages. Tous les résultats seront donnés sous la forme de fractions irré-
ductibles.
1. X est la variable aléatoire qui est égale à la somme des chiffres des boules tirées.
(a) Donner les valeurs prises par X.
(b) Déterminer la loi de probabilité de X.
(c) Calculer l’espérance mathématique et la variance de X.
2. Pour avoir un gain dans ce jeu sans avoir triché, il faut que la somme des boules tirées soit
impaire. Mais on estime qu’un joueur sur 5 est un tricheur et qu’ un tricheur obtient son
gain avec une probabilité égale à 21 . On note T l’évènement "Être un tricheur", T l’évènement
contraire, G l’évènement "Gagner au jeu".
(a) Quelle est la probabilité de gagner pour un joueur non tricheur. En déduire la probabilité
de l’évènement G ∩ T .
(b) Calculer la probabilité de l’évènement G.
(c) Calculer la probabilité qu’une personne qui a gagné soit un tricheur.
Exercice 3.8. On jette 10 pièces de monnaies de telle sorte que pour chacune d’elles, la probabilité
d’obtenir pile soit 0,3. Soit X la variable aléatoire qui est égale au nombre de piles obtenus au
cours de ce lancer.

Cours de Proba 40/42 TCHALLA

CHAPTER 3. VARIABLES ALÉATOIRES
3.6. LOI D’UNE VARIABLE ALÉATOIRE À DENSITÉ OU VARIABLE CONTINUE

1. Déterminer la loi de X, E(X) et V ar(X).

2. Calculer:
(a) la probabilité d’obtenir exactement 3 piles
(b) la probabilité d’obtenir au moins 3 piles.
(c) la probabilité que l’on ait obtenu plus de 3 piles sachant que l’on en a obtenu au plus 5?
Exercice 3.9. Dans une banque, il y’a en moyenne 5 clients qui arrivent à un guichet en l’espace
d’une heure. On suppose que les clients arrivent indépendamment les uns des autres. On désigne
par V la variable aléatoire qui est égale au nombre de clients qui arrivent à un guichet en 3 minutes.
1. Déterminer la loi que suit la variable V . Préciser son paramètre.
2. Déterminer la probabilité pour qu’il y’ait exactement deux clients qui arrivent au guichet en
3 minutes.
3. Déterminer la probabilité pour qu’il y’ait plus de deux clients qui arrivent au guichet en 3
minutes.
4. On considère 10 séquences 3 minutes en une journée de travail de la banque. On désigne par
Y la variable aléatoire qui donne le nombre de fois, parmi ces dix séquences, que l’effectif des
clients qui arrivent à un guichet en 3 minutes dépasse deux.
(a) Préciser la loi que suit Y et donner ses paramètres.
(b) Calculer la probabilité pour qu’il y’ ait au plus une fois (parmi les 10 séquences) que
l’effectif des clients qui arrivent à un guichet en 3 minutes dépasse deux.
Exercice 3.10. Dans un port les bateaux accostent à une fréquence moyenne de 12 par heure.
On suppose que les bateaux accostent indépendamment les uns des autres. On désigne par V la
variable aléatoire qui donne le nombre de bateaux arrivant au port en 10 minutes.
1. Déterminer la loi que suit la variable V .
2. Déterminer la probabilité qu’il y’ait exactement deux bateaux qui accostent en 10 minutes.
3. Déterminer la probabilité qu’il y’ait plus de deux bateaux qui accostent en 10 minutes.

 0 si |x| > 1
Exercice 3.11. Soit f : R → R définie par f (x) = x + 1 si x ∈ [−1; 0] ;
−x + 1 si x ∈ [0; 1]


1. Montrer que f est une densité de probabilité. Soit X une v.a.r de densité f .
2. Déterminer la fonction de répartition de X.
3. Calculer E(X) et V ar(X)
1
4. Déterminer P (|X| > a). Trouver les valeurs de a pour lesquelles P (|X| > a) < 6a2

Exercice 3.12. 1. Soit Z une variable aléatoire qui suit la loi normale centrée et réduite. Don-
ner les valeurs des probabilités suivantes: P (−0, 2 ⩽ Z ⩽ 2, 5) et P (Z < −2, 5). (Voir la
table de la loi centrée et réduite à la page 2).

Cours de Proba 41/42 TCHALLA

 CHAPTER 3. VARIABLES ALÉATOIRES
3.6. LOI D’UNE VARIABLE ALÉATOIRE À DENSITÉ OU VARIABLE CONTINUE

2. Un chercheur veut étudier le Quotient Intellectuel (QI) d’une population. L’expérience mon-
tre que la variable aléatoire X qui donne le QI d’un individu de la population suit une loi
normale de moyenne 100 et de variance 100.

2.1 Déterminer la probabilité d’observer un individu ayant un QI compris entre 98 et 125.

2.2 Déterminer la probabilité d’observer un individu ayant un QI de plus de 125.
2.3 On choisit au hasard 10 individus de cette population. On définit par Y la variable
aléatoire qui donne le nombre d’individus ayant un QI de plus de 125 parmi les 10
individus.
a) Quelle loi suit la variable aléatoire Y ? Préciser les paramètres de Y .
b) Déterminer la probabilité d’avoir plus de trois personnes ayant un QI de plus de
125 parmi les 10 individus.

Exercice 3.13. Un économiste prédit que au mois de juillet le prix de l’essence suivra une loi
normale de moyenne 550 et de variance 625. On désigne par X la variable aléatoire qui est égale
au prix de l’essence en juillet.

1. Déterminer la probabilité pour que le prix de l’essence au mois de juillet soit moins de 553
francs.

2. Calculer la probabilité pour que le prix de l’essence au mois de juillet soit compris entre 562
francs et 570 francs.

3. Calculer la probabilité pour que le prix de l’essence au mois de juillet dépasse 610 francs.

4. Déterminer le prix limite C d’essence qu’il faut en juillet pour que la probabilité d’avoir un
prix d’essence plus petit que cette limite soit égale à 93, 45%.

Cours de Proba 42/42 TCHALLA