Chapitre 3
Notion de probabilité
3.1 Rappel sur les ensembles
La théorie des probabilité est efficacement modélisée à l’aide des concepts
de la théorie des ensemble. Un ensemble est une ”collection” d’objets bien
définis appelées éléments de cet ensemble. Ces éléments peuvent être énumérés
entre accolades ou définis à l’aide d’une propriété qui les caractérise tous. Un
ensemble est généralement noté par une lettre majuscule de l’alphabet latin
et ses éléments en lettres miniscules. Si x est un élément de E, on note x ∈ E.
Sinon, on note x ∈ / E.
Dénombrer un ensemble E c’est compter ses éléments et en déterminer
éventuellement le nombre. Ce nombre est appelé le Cardinal de E et est noté
|E| ou Card(E).
Definition 55. Soit E un ensemble. On dit qu’un ensemble A est un sous-
ensemble (ou une partie) de E si tout élément de A est un élément de E.
Lorsque tel est le cas, on note A ⊆ E. On dit aussi que A est inclus dans E.
Si A n’est pas inclus dans E, on note A ̸⊆ E, et cela veut dire que même si
certains éléments de A peuvent appartenir à E, il existe au moins un élément
de A qui n’est pas dans E. Pour tout ensemble E, on a toujours ∅ ⊆ E et
E ⊆ E.
Definition 56. On définit l’ensemble P(E) lire (“P de E”) par P(E) =
{A|A ⊆ E} comme étant l’ensemble des parties de E.
Soit A et B deux ensembles, et A1 , A2 , ..., An , ... une famille d’ensembles.
On a :
22
Definition 57. (Intersection d’ensembles) A∩B se lit ”A inter B” et désigne
Tnéléments appartenant aussi bien à A qu’à B. A1 ∩ A2 ∩ ... ∩ An
l’ensemble des
noté encore i=1 Ai est l’ensemble des éléments appartenant à chaque Ai .
Deux ensembles A et B sont dits disjoints si leur intersection est vide,
i.e. ; si A ∩ B = ∅. Dans ce cas on a : |A ∩ B| = |A| + |B|.
Definition 58. (Réunion d’ensembles) A ∪ B se lit ”A inter B” et désigne
l’ensemble des éléments appartenant
Sn à moins un des ensembles A ou B. A1 ∪
A2 ∪ ... ∪ An noté encore i=1 Ai est l’ensemble des éléments appartenant à
au moins un des Ai .
Proposition 59. Soient A,B et C trois ensembles, on a :
1. |A ∪ B| = |A| + |B| − |A ∩ B|
2. A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
3. A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C)
Definition 60. (Partition d’un ensemble) On dit qu’une famille A1 , A2 ,...,An
de parties d’un ensemble E est une partition de E si on a :
— pour tout i = 1, ..., n, Ai ̸= ∅,
— pour tous i, j = 1, ..., n tels que i ̸= j, on a Ai ∩ Aj ̸= ∅,
— et ∪ni=1 Ai = E.
Proposition 61. Si A1 , A2 , ..., An forment une partition d’un ensemble fini
E, alors on a : |A1 | + |A2 | + ... + |An | = |E|
Definition 62. (Complémentaire et différence) . Si A et B sont deux par-
ties de E, on définit la différence de A et B, notée A − B comme étant
l’ensemble des éléments de A qui n’appartienent pas à B. E − A est appelé
complémentaire de A dans E est noté Ac ou A.
Proposition 63. Soit A et B deux parties de E, on a :
1. A ∩ Ac = ∅, A ∪ Ac = E, et (Ac )c = A.
2. (A ∪ B)c = Ac ∩ B c , (A ∩ B)c = Ac ∪ B c , et cela s’étend à une famille
A1 , A2 ,...,An d’ensembles de la même manière.
Definition 64. (Produit cartésien d’ensembles) On définit le produit cartésien
de A et B, noté A × B (lire “A croix B”), l’ensemble des couples (x, y) avec
x dans A et y dans B respectivement. A1 × A2 × ... × An noté encore Πni=1 Ai
est l’ensemble des n-listes (x1 , x2 , ..., xn ) où les éléments xi appartenant res-
pectivement à Ai .
23
Proposition 65. Si A1 , A2 , ..., An une famille d’ensembles finis, alors on
a:
|A1 × A2 × ... × An | = |A1 ||A2 |...|An |
3.2 Rappels sur le dénombrement
Une partie importante du calcul des probabilités repose sur le dénombrement
d’ensembles. Cette section présente les principes de base du dénombrement.
3.2.1 Principe fondamentale
Si E1 , E2 , ...,Ek sont des ensembles finis non vides ayant chacun m1 , m2 ,
...,mk objets respectivement, alors il y a m1 × m2 × × mk manières de choisir,
d’abord un objet dans E1 , ensuite un objet dans E2 , puis un objet dans E3 ,
...,et finalement un objet dans Ek .
3.2.2 Arrangements
Arrangements avec répétition
Definition 66. Soit E un ensemble non vide à n objets, et p un entier naturel
quelconque. On appelle arrangement avec répétition de p objets de E, toute
liste de p objets choisis dans l’ordre avec répétition éventuellement parmi les
n.
Proposition 67. Le nombre d’arrangements avec répétition de p objets choi-
sis parmi n objets est np .
Arrangements sans répétition
Definition 68. Soit E un ensemble non vide à n objets, et p un entier
naturel quelconque. On appelle arrangement sans répétition de p objets de E
ou simplement arrangement, toute liste de p objets choisis dans l’ordre sans
répétition parmi les n. Ici il faut que p ≤ n.
Proposition 69. Le nombre d’arrangements sans répétition de p objets choi-
sis parmi n objets est
Apn = n × (n − 1) × (n − 2) × ... × (n − p + 1)
Pour entier naturel n, Ann est le nombre de permutations de n objets, il
est noté n! (lire factoriel n). Par convention 0! = 1 et on vérifie facilement
n!
que Apn = (n−p)! .
24
Permutations avec répétition
Definition 70. Une permutation avec répétition (anagramme) de p objets
distincts est une liste de longueur n constitué des p objets dans un ordre
donnée, avec éventuellement des répétions.
Proposition 71. En supposant que l’objet 1 apparaı̂t k1 , l’objet 2 k2 fois,...,
et l’objet p kp fois, le nombre de permutations avec répétition n objets est
n!
k1 !k2 !...kp !
3.2.3 Combinaisons
Combinaisons sans remise
Definition 72. Soit E un ensemble non vide à n objets, et p un entier
naturel quelconque. On appelle combinaison sans répétition de p objets de E
ou simplement combinaison, tout sous-ensemble de p éléments choisis parmi
les n sans remise. On suppose alors que p ≤ n.
Proposition 73. Le nombre de combinaisons sans remise de p objets choisis
parmi n objets est
Ap
Cnp = n
p!
Combinaisons avec remise
Definition 74. Soit E un ensemble à n objets. On appelle combinaison avec
remise de p objets de E, tout groupement non-ordonné de p objets de E,
chaque objet pouvant y figurer plusieurs fois.
Proposition 75. Le nombre de combinaisons avec remise de p objets choisis
parmi n objets est
p
Cn+p−1
3.2.4 Tableau récapitulatif
Tirage de p boules dans n ordoné/ dissernable non ordonné / non dissernable
p
avec remise ou repétition np Cn+p−1
sans remise ou repétition Apn Cnp
Remark 76. Tirer simultanément p objets d’un ensemble contenant n objets
est équivalent à tirer successivement sans remise p objets parmi les n objets
de l’ensemble.
25
3.3 Concepts de base des probabilités
3.3.1 Expérience aléatoire
Faire une expérience consiste à réaliser un ensemble donné de conditions
et à observer le résultat qui se produit comme conséquence de la réalisation
de ces conditions. Cette conséquence peut être simple ou complexe. Dans tous
les cas, elle doit être décrite avec précision. Il existe deux types d’expérience :
Les expériences déterministes et les expériences aléatoires.
Dans une expérience déterministe, si on réalise un ensemble donné de
conditions, on observe un résultat et chaque fois que les mêmes conditions
sont réalisées, c’est toujours le même résultat qui est observé.
A la différence d’une expérience déterministe, les résultats d’une expérience
aléatoire sont imprévisibles. Elles varient sans que l’on détermine la nature
et la cause. La seule chose sûr à l’issue d’une expérience est que le résultat
est l’élement d’un ensemble appélé ensemble fondamendal généralement noté
Ω ou Univers
3.3.2 Evénements
On appelle événement aléatoire ou simplement évènement toute situation
qui peut être réalisée par une ou plusieurs expériences aléatoires. Le résultat
est une partie de l’ensemble fondamental. Généralement les événéments sont
representés par des lettres majuscules. Dans le langage probabiliste, les évenements
sont traduits sous forme d’ensembles.
On considère deux types d’évenements :
— Un évenement élémentaire correspond à une seule éventualité, l’en-
semble des évenements élementaires constitue l’ensemble Ω.
— Un évenement composé correspond à une réunion d’ensemble élémentaire.
Ainsi il est possible de combiner les événements entre eux pour former de
nouveaux événements. Soient E1 et E2 deux évenements :
C = E1 ∪ E2 est la réunion de deux évenements. C est réalisé si E1 ou
E2 ou bien les deux événements E1 et E2 sont réalisés.
D = E1 ∩ E2 est l’intersection de deux événements. D est réalisé si les
deux événements E1 et E2 sont réalisés tous les deux à la fois.
F =non E1 est l’évènement contraire (complementaire) de E1 .F est
réalisé si seulement si E1 n’est pas réalisé.
On distingue deux évènements particuliers :
- L’évènement certain est l’évènement qui se réalise toujours.
26
- L’évènement impossible est l’évènment qui ne se réalise jamais
Comme nous l’avons dit à l’entame de ce chapitre, la théorie des pro-
babilités utilise le vocabulaire ensembliste pour modéliser les expériences
aléatoires. Ainsi, les opérations logiques sur les événements, à sa voir ≪et≫,
≪ou≫, ≪non≫, se traduisent respectivement par les opérations ensemblistes
d’intersection, de réunion, de passage au complémentaire. Voici un tableau
de correspondance entre ces deux langages.
Notations Vocabulaire ensembliste Vocabulaire probabiliste
∅ ensemble vide évènement impossible
Ω ensemble plein évènement certain
ω élément de Ω issue possible
{ω} singleton de Ω évènement élémentaire
A⊂Ω A est une partie de Ω A est un évènement
ω∈A ω appartient à A ω est une réalisation de A
A⊂B A inclus dans B A implique B
A∪B réunion de A et B A ou B
A∩B intersection de A et B A et B
Ac Complémentaire de A dans Ω évènement contraire de A
A∩B =∅ A et B sont disjoints A et B sont incompatibles
3.4 Probabilité
3.4.1 Espace probabilisable
Soit Ω l’ensemble fondamental, on appelle espace d’évènement sur Ω,
un ensemble non vide A ⊆ P (Ω) et tel que
1. Ω ∈ A
2. A ∈ A ⇒Ac ∈ A
3. A, B ∈ A ⇒A ∪ B ∈ A
Si Ω est un ensemble fini, alors A s’appelle une algèbre sur Ω. Le couple
(Ω, A) est appélé espace probabilisable. Dans le cadre de ce cours, nous
prendrons A = P (Ω) .
3.4.2 Définition d’une probabilité
On appelle probabilité sur l’espace probabilisable finie (Ω, A) , toute
application p : A → [0, 1] satisfaisant les conditions suivantes :
1. ∀A ∈ A, p (A) ≥ 0;
27
2. ∀A, B ∈ A, A ∩ B = ∅ ⇒ p (A ∪ B) = p (A) + p (B) ;
3. p (Ω) = 1.
Ces trois propriétés sont appélées les trois axiomes de définitions de la
probabilité.
Si p est une probabilité sur l’espace probabilisable (Ω, A) finie, le triplet
(Ω, A, p) est appélé espace probabilisé finie.
si Ω = {w1 , w2 , ..., wn } et A = {w1 , w2 , ..., wk } k ≤ n,alors p(A) = p (w1 )+
p (w2 ) + ... + p (wk ) . Lorsque p (w1 ) = p (w2 ) = ... = p (wn ) ont dit qu’il y’a
équiprobabilité et p (A) = card(A)
card(Ω)
3.4.3 Propriété
1. ∀A ∈ A, p (Ac ) = 1 − p (A)
2. p (∅) = 0;
3. ∀A, B ∈ A, B ⊆ A ⇒ p (B) ≤ p (A) ;
4. ∀A ∈ A, 0 ≤ p (A) ≤ 1;
5. p (A ∪ B) = p (A) + p (B) − p (A ∩ B) ;
6. p (A\B) = p (A) − p (A ∩ B) et si B ⊆ A, p (A\B) = p (A) − p (B) .
3.5 Probabilités conditionnelles
Soient A un ensemble d’évènements défini sur l’ensemble fondamental
Ω, p une probabilité sur A , A et B deux évènements appartenant à A avec
p (B) > 0. La probabilité conditionnelle de A par rapport à B (Probabilité
de A sachant B ) est définie par p (A/B) = p(A∩B)p(B)
= PB (A). La probabilité
conditionnelle est une probabilité car elle vérifie les 3 axiomes de définitions
de probabilité.
Exercise 77. Dans une population donnée, chaque individu est soit porteur
d’une maladie M ou soit non porteur de M. Il existe un test permettant
d’établir le diagnostic de M. Ce test est positif dans 13.5% des cas. Par
ailleurs, la probabilité d’être porteur de la maladie et d’avoir un test positif
est de 4%. Si le test est positif, quel est la probabilité d’être porteur de M.
28
3.6 Événements indépendants
Deux évènements A et B sont indépendants si la réalisation de B ne
change pas la probabilité de A. Formellement deux évènements A et B sont
indépendants si p (A ∩ B) = p (A) p (B).
Remark 78. Si A et B sont indépendants avec p (A) > 0 et p (B) > 0,
alors p (A/B) = p(A∩B)
p(B)
= p(A)p(B)
p(B)
= p (A) . De même p (B/A) = p(A∩B)
p(A)
=
p(A)p(B)
p(A)
= p (B).
3.7 Theorème de Bayes
Un ensemble d’évènement A1 , A2 , ..., An de A forme une partition si les 3
conditions suivantes sont vérifiées :
— ∀i = 1, 2, ..., n, Ai ̸= ∅
— ∀i, j ∈ {1, 2, ..., n}2 , Ai ∩ Aj = ∅, pour i ̸= j
Sn
— Ai = Ω.
i=1
Soient A un ensemble d’évènement, p une probabilité définié sur A,
considérons les évènements A1 , A2 , ..., An formant une partition et B ap-
partenant à A, on définit la formule de probabilité totale par p(B) =
p(B ∩ A1 ) + p(B ∩ A2 ) + ... + p(B ∩ An ).
Soient A un ensemble d’évènements, p une probabilité définie sur A, le
théorème de Bayes donne
p(Ai ∩ B) p (B/Ai ) p (Ai )
p (Ai /B) = =
p(B) p (B/A1 ) p (A1 ) + p (B/A2 ) p (A2 ) + ... + p (B/An ) p (An )
Classiquement, on appelle Ai les causes, p(Ai ) les probabilités à priori,
p (Ai /B) les probabilité à postériori et p (B/Ai ) les probabilités condition-
nelles.
29
