R

A
K
T
A
N
I
E
L
M
E
H
LA PROBABILITEE R
D A
I K
T
A
N
Prof : RAKTANI ELMEHDI I
E
L
M
E
H
D
I
R
A
K
T PROGRAMME
A
N
I Ch I : Analyse combinatoire
E Arrangement
L Permutation
M
E
Combinaison
H
D
Ch II : Probabilités ( Les règles). R
A
I Ch III : Variable Aléatoire discrètes. K
T
Ch IV : Lois discrètes usuelles : A
N
Loi uniforme; Bernoulli; I
E
Binomiale Géométrique. L
M
Ch V : Lois de probabilité continue. E
H
D
I
R
A
K
T I. ANALYSE COMBINATOIRE
A
N
I Identifier le nombre de possibilités (ou dispositions) dans une expérience
E aléatoire.
L
M 1. Effectif.
E "n" : Effectif total = Les éléments d'un ensemble.
H R
D A
"p" : Le nombre de tirages ou d'éléments K
I
T
2. Ordre. A
Ordonnée (Ex : 12 ≠ 21) N
Non ordonnée (Ex : personne) I
E
L
3. La Remise. M
Avec remise(avec répétition)
E
Sans remise ( sans répétition).
H
D
I
R
A Exemple 1
K
T  une classe de 200 personnes, On choisit 4 personnes de cette classe .
A
N n = 200 p=4
I
E
L Exemple 2
M
la caisee comportee de 56 balles,
E
R
H on tire 4 ballon de cette caisse.
D A
I n = 56 K
T
p=4 A
N
I
E
L
M
E
H
D
I
R
A Analyse combinatoire :
K
T Dans un ensemble de “ n “ elements, on tire avec remise/ sans remise “p”
A elements, qui sont ordonnes.
N Conditions Avec Remise Sans Remise
I
E • Ordonnee p p
L
M
E
Arrangement

p<n
• P<n
• Successivement /
Distinct
A n = n A
P
n
(n
n!
p)!
H R
D A
p n! K
I Permutation
R p=n
• Ordonnee
• p=n
P=n (n i n k ) ! pn
p
n! T
A A
K P N
p P
T Kn = Cn + p - 1 P
An I
A Cn= E
• Non ordonnee
N Combinaison P! L
• simultanement n+p–1
I M
n! E
P! ( n – 1 ) ! (n–p)! p! H
D
I
R
A
K n ! = n * ( n-1 ) * ( n- 2 ) … * 1
T
A 5 ! = 5 * 4 * 3 * 2 * 1 = 120
R
N 1! = 1 A
I
E 0!=1 K
T
L 0 A
M n = 1 N
E I
H
D
n1 = n E
L
I M
E
H
AP = n P r D
n
I

A 38 = 8 P 3 = 336
R
A 1
P
K
C nCp C = n
T n
n
A
N R
I 2 n A
E C = 5 C 2 = 10 C =1 K
L 5 n T
M A
E N
H 0 I
E
D C = 1
L
I n
M
E

ET H
D
I

OU
R
A
K
T
A
Combien y a-t-il de dispositions possibles ?
N
R
I A
E K
T
L
M
A Ordre ‫ترتيب‬ Sans Ordre ‫دون ترتيب‬
N
E I
H Exemple R
D Exemple A
I K
On considère un échantillon de 100 T
Code Tel ou code Bq de 4 Personnes. A
chiffres: N
I
On doit former un comité de 5 personnesE
(1, 2, 3, 4) # (4, 3, 2, 1) ( Sans déterminés les tâches : directeur, L
secrétaire, prof …) M
E
Ordre important H
l’ordre non important D
I
R
 Exemple 1 :
A
K Un code se compose de 4 chiffres, combinen de codes peut on former ?
T
Solution 1 :
A
N n = 10
I
Effectif  = { 0,1,2,3,4,5,6,7,8,9 } = l’ensemble = effectif total
E
L p=4
M
E
H ordre = ordonne { 1234  4321 } R
D A
la remise = avec remise ( avec repetition )
I K
Puisque notre vtirage ordonne avec remise donc c’est une arrangement T
A
Car p < n et le tirage ordonne.
N
I
P p 4
Card () = A =n
n = 10 = 10 000
E
L
M
E
Le nombre des dispositions possibles est 10 000. H
D
I
R
A  Exemple 1.1
K Un code se compose de 4 chiffres distincts, combinen de codes peut on former ?
T
A Solutions
N n = 10
I
E Effectif  = { 0,1,2,3,4,5,6,7,8,9 } = l’ensemble = effectif total
L p=4
M
E
H ordre = ordonne { 1234  4321 } R
D A
la remise = sans remise ( sans repetition ) K
I
Puisque notre tirage ordonne avec remise donc c’est une arrangement T
A
Car p < n et le tirage ordonne. N
P n! 4 10 !
I
ARRANGEMENT = A n = A 10 (10 - 4)!
E
L
(n p)! M
E
= 10/ 6 = 10*9*8*7 = 5040
H
D
I
R
 EXEMPLE 2
A
K 15 ETUDIANTS SONT DANS UNE COMPETITION NATIONALE; le 1 ere gagnera 10 000 dh et le 2
T eme gagnera 5 000; le 3eme gagnera 2 000.
A
Combient y-a-t- il de dispositions possibles ?
N
I n = 10
E Effectif  = {15 ETUDIANTS } = l’ensemble = effectif total
L
M p=3
E
H R
D ordre = ordonne { 1ere,2eme,3eme  3eme,2eme,1ere } A
I K
la remise = sans remise ( sans repetition ) .
T
A
N
P n! 3 15 !
I

A n A 15
E
L
(n - p)! (15 - 3)! M
15*14*13*12! E
= = 15*14*13 = 2730 H
12! D
I
R
A  Exemple 2.1
K A l’aide des ballons chiffres { 6 6 1 2 2 2 }
T
Combien de nombre peut-on former ?
A
N n=6
I
Effectif  = {6 ballons } = l’ensemble = effectif total
E
L p=6
M
E
H ordre = ordonne R
D A
la remise = Avec remise n = { 2 ballons 6 3 ballons 2 un ballon 1 }
I K
T
n! 6! A
n 6
P P P 6 3 ! * 2 !* 1!
N
I
ni ! * nk ! E
= 60 L
M
E
H
D
I
R
 Exemple 2.2
A
K Un etudiant dispose de 3 livre, 1 math, 1 eco, 1 physique, Il doit les places en range.
T
Combien y-a -t-il de dispositions possibles ?
A
N
I Solutions 2.2
E
L
M n=3
E
H Effectif  = {3 livres } = l’ensemble = effectif total R
D A
p=3 K
I
T
A
ordre = ordonne . N
I
la remise = SANS remise. ( avec repetition )
E
L
P 3 M
card () = Pn =n! = P3 = 3 ! = 3*2*1 = 6 E
H
D
I
R
A  Exercice 2.3
K On permute les lettres du mot “ ECONOMIE ‘’, combien de mot peut-on former ?
T
solutions 2.3
A
N n=8
I
Effectif  = {8 lettres } = l’ensemble = effectif total
E
L p=8
M
E
H ordre = ordonne . R
D A
la remise = avec remise ( avec repetition ) .
I K
T
P
n!
8 8! A
P n
=
ni! * nk!
=
P 8
=
N
2! * 2! *1!*1! * 1! *1! I
=
8! = 10 080. E
4 L
M
E
H
D
I
R
A  Exercice 3
K Combien de comite de 4 personnes peut-on former avec 20 etudiants ?.
T
Solutions 3.1
A
N
I
n = 20
E
L Effectif  = {20 etudiants } = l’ensemble = effectif total
M p=4
E
H R
D A
ordre = NON ordonne .
I K
la remise = SANS remise ( SANS repetition ) T
A
Puisque notre tirage NON ordonne donc c’est une COMBINAISON.
N
LE CAS COMBINAISON SANS REMISE. I
Ap A4 n! E
n 20 L
p 4
Cn = = C 20 = = M
P! 4! ( n-p) ! * p ! E
H
D
I
R
A
K 20 !
T
A  = 4845
N
( 20-4) ! * 4 !
I
E On peut former 4845 comites.
L
M
E
On veut former une equipe de 6 personnes, choisit parmi ; 4 0fficiers, 6 soldats. R
H
Combien d’equipe peut- on former si : A
D
1- il ne doit y’avoir aucun officier ? K
I
2 - il doit y’avoir 2 officiers ? T
3 - il doit y’avoir au moins 3 officiers ? A
1- ) il ne doit y’avoir aucun officier ? N
I
offociers soldats
E
n 4 6 L
p 0 6 M
E
ordre non ordonnee non ordonnee
H
remise Sans remise Sans remise D
I
R
A A p n!
K P n
 bbj Cn = =
T
A p! ( n-p) ! * p !
N
I P 0 6
E
 Cn = C4 * C6 =1*1=1
L
M
2) - il doit y’avoir 2 officiers ? ( avoir 2 et 4 soldats )
E
H R
D offociers soldats A
I K
n 4 6 T
P[ 2 4 A
2 N
P 4
Cn = C4 C6 = 6 15 = 90 I
E
L
4! 6! M
P 2 4 E
 C n = C4 = = 6 C6 = = 15 H
( 4-2) ! * 2 ! ( 6-4) ! * 4 ! D
I
  3 ) - il doit y’avoir au moins 3 officiers ?
R
A  SOLUTIONS ( ON DOIT FORMER UNE EQUIPRE COMPOSE AU MOINS DE 3 OFFICIERS )
K
T
A  LE TIRAGE PEUT ETRE FORMER DE ( 3 Officiers ET 3 Soldats OU 4 Officiers ET 2 Soldats ).
N Officiers Soldats
I n 4 6
E p 3 3 R
L A
Officiers Soldats
M K
n 4 6 T
E 
A
p 4 2
H N
D P 3 3 2 2
I
I = Cn = ( C4 C6 ) ( C4 C4 ) = E
L
M
= ( 4 * 20 ) + ( 1 * 15 ) E
H
= 95 D
I
R
A
K
T
A
N
MERCI POUR VOTRE ATTENTIONS
I
E
L

RAKTANI ELMEHDI
M
E
PROF ;
H
D WHATSAPP : 06 13 74 31 54
I
 Ch II : Probabilités ( Les règles).
R
A  1. Univers : espace fondamental (Ω)
K C'est l'ensemble des possibilités qu'on peut avoir dans une expérience aléatoire
T
A ( c’est une expérience qui donne des résultats incertains ).
Exemple :
N
I Ω = {1, 2, 3, 4, 5, 6} card (Ω) = 6
E
L 2. Événement
M
E C'est un sous-ensemble de Ω.
H Exemple
D X : avoir un chiffre pair A { 2.4.6 }
I
R
A  3. Probabilité de l'événement :
K
T Card (x ) les cas favorables
P(x) =
A Card (  ) les cas possibles
N
I
E
L  card(X) : nombre de cas favorables
M card(Ω) : nombre de cas possibles.
E
H
D 4. Événement complémentaire
I
0 P( X ) = 1 - P(X)
R  5. Événement élémentaire
A
K C'est l'événement qui ne se réalise que par un seul résultat (un seul cas).
T Un seul cas favorable parmi les cas possibles
A
N
I 1 Un seul cas favorable
P(x) =
E Card (  ) les cas possibles
L
M 6. Événement certain
E
H Événement qui se réalise toujours card (A) = card}(Ω)
D
card (A) tout les cas favorable
I P(x) =
1
 card}(Ω)} les cas possibles
R
A 7- Événement impossible (vide). ( )
K Un événement impossible est un événement qui ne se réalise jamais.
T
A Card ( X ) Aucun cas favorable 0
P( X ) = = = 0
N card (  ) cas possibles 6
I
RAKTANI

E
Aucun cas favorable = 0
L
M 8- Intersection de 2 événements (  )
E
H L'intersection (  ) de A et B signifie que l’evenement A et B se réalisent en même temps.
D
I Card ( A  B )
P(A B ) = ∪ 𝐼𝑁𝑇𝐸𝑅𝑆𝐸𝐶𝑇𝐼𝑂𝑁 𝐸𝑇
card (  ) ∩ UNION ( ou )
 𝐸𝑁𝑆𝐸𝑀𝐵𝐿𝐸 𝑉𝐼𝐷𝐸
R  9- Événement Union de 2 événements
∪ 𝐼𝑁𝑇𝐸𝑅𝑆𝐸𝐶𝑇𝐼𝑂𝑁 𝐸𝑇
∩ UNION ( ou )
A   𝐸𝑁𝑆𝐸𝑀𝐵𝐿𝐸 𝑉𝐼𝐷𝐸
K L'union (U) est l'événement qui se réalise si A ou B se réalise.
T
P(A U B) = P(A) + P(B) - P(A  B).
A
N
I
RAKTANI

E 10- Système complet

L
M On dit que les événements A et B et Z forment un système complet si :
E
A B = 
H
AU BU Z = 
D
I Cela signifie que ces événements forment une partition de l'ensemble donné.
R 11- Événements incompatibles

A
Soient A et B deux événements incompatibles si :
K
A B =  AVEC P(A ∩ B) = 0 .
T
A
N CARD (A ∩ B).
I
RAKTANI

P(A ∩ B) = = 0
E CARD (  )
L
M 12- LES EVENEMENTS INDEPENDENTS ( A ET B SONT INDEPRNDENT ) .
E La realisation de A n’effectue pas sur la realisation de l’evenement B.
H
P(A  B) = P(A ) * p ( B )
D
13 - LES EVENEMENTS INDEPENDENTS DEUX A DEUX. ( A, B C ).
I
P(A  B) = P(A ) * p ( B ) ∪ 𝐼𝑁𝑇𝐸𝑅𝑆𝐸𝐶𝑇𝐼𝑂𝑁 𝐸𝑇
∩ UNION ( ou )
P(A  C) = P(A ) * p ( )
 𝐸𝑁𝑆𝐸𝑀𝐵𝐿𝐸 𝑉𝐼𝐷𝐸
P(B  C) = P(B ) * p ( C )
R  14- 3 EVENEMENTS MUTUELLEMENT INDEPENDENT ( A,B ,C )
A  3 EVENEMENTS MUTUELLEMENT INDEPENDENT sont directement deux a deux.
K  Pas de tout chaque 3 EVENEMENTS INDEPENDENT deux a deux sont mutuellement
T independent
A  Car il faut realiser 4 conditions :
N
I
RAKTANI

P(A  B) = P(A ) * p ( B )
E P(A  C) = P(A ) * p ( )
L P(B  C) = P(B ) * p ( C )
M
P(A  B  C ) = P(A ) * p ( B ) * P ( C )
E
H ∪ 𝐼𝑁𝑇𝐸𝑅𝑆𝐸𝐶𝑇𝐼𝑂𝑁 𝐸𝑇
∩ UNION ( ou )
D  𝐸𝑁𝑆𝐸𝑀𝐵𝐿𝐸 𝑉𝐼𝐷𝐸
I
R
A
K Probabilites conditionnelles
T Soient A et B deux evenements de avec P ( B ) ≠ 0.
A La probabilitee que l’evenement A se realise sachant que l’evenement B est realise.
N
I P(A∩ B )
RAKTANI

E P(A/B)= P (A)=
L P(B)
M
E
H SACHANT
D LA PROBABILITE
I
 Ch III : Variable Aléatoire discrètes.

DANS UNE EXPERIENCE ALEATOIRE, SI ON S’INTERESSE A L’APPARITION D’UN CERTAIN

CARACTERE X DENOMBRABLE, ON DIT QU’ON ETUDIE UNE Variable Aléatoire
discrètes.
ET ON NOTE PAR  x les valeurs prises par X.

x = { x1, x2, x3,x4,…….. Xn }.

2- la loi de probabilitee.
x
soit X UNE Variable Aléatoire discrètes avec  = { x1, x2, x3,x4,…….. Xn }.

X = xi x1 x2 X3 xn

P ( X = xi ) P ( X = x1 ) P ( X = x2 ) P ( X = x3 ) P ( X = xn )
 3- caracteristiques d’une V.A.D..

ESPERENCE MATHEMATIQUE ( LA MOYENNE ).

𝒏

E (X) = 𝒙𝒊 ∗ P ( X = xi )
𝟏

LA VARIANCE .
2 2
V(X)= E(X) + E ( X ).

ECART TYPE
 = √V(X)
 Loi uniforme discrete
Une V.A uniforme discrete signifie que n valeurs discretes x1.x2.x3…..xn de la V.a X
ont chacune la meme probabilitee d’apparition .

Soit E = { 1…n } les n entiers de 1 a n, La loi uniforme sur E est la loi de V.A
X telle que  x = E et telle que pour tout k dans E.

X   (n ) X suivant la loi uniforme sur E

1
P ( X = xi ) = n
On lance le de une seule fois equiprobable ( equilibre ).
Soit X VAD qui corespondant au chiffre obtenus lors du lance,
1) Quelles sont les valeurs prises par x.
x = { 1.2.3.4.5.6 }
2) Loi probabilite

P (X =1) = 1/6 P (X =2) = 1/6 P (X =3) = 1/6

P (X =4) = 1/6 P (X = 5) = 1/6 P (X =6) = 1/6

P (X = 1) = P ( X = 2 ) = P (X = 3) = P ( X = 4 ) = P (X = 5) = P ( X = 6) = 1/6

X   (n ). P (X = xi) = 1/ n

X = xi 1 2 3 4 5 6 £xi * p(xi)
P ( X = xi ) 1/6 1/6 1/6 1/6 1/6 1/6 1
E(X) = (n+1)/2

V(X) =

E(X) = 𝒙𝒊 ∗ P ( X = xi )
𝟏
= ( 1+2+3+4+5+6) *1/6 = 21/6 = 3.6

2 2
V(X)= E(X ) + E ( X ) = 2.92.

 = √ V ( X ) = √ 2.92 .
 Loi bernoulli
On dit qu’une variable aleatoire discrete X suit la loi de Bernoulli de
parameter p, si X ne prend que deux valeurs 1 et 0, la valeur 1 represente le
succes et la valeur 0 represente l’echec.

Donc p ( x = 1 ) = p et p ( x = 0 ) = q = 1 – p

cette loi est note X  β (p )

X  β(p) X suivant la loi bernoulli

E(X)=P

V ( X) = p * q

 = √V(X)
 Comment savoir avec quelle loi je vais travailler ?

epreuve variable

succes echec discrete

S=p S= q

x = { 0. 1 }
si X est realise si X est realise
On note que On note que
X=1 X=0 X  β(p)
 Loi binomiale
On consedire une experienxe suivant un schema de Bernoulli de parametres n et p.
Soit k un entire naturel telque 0 ≤ k ≤ n …..
X = variable aleatire discrete qui donne le nombre total de succes.

X  β (n, p ) X suivant la loi binomiale .

( on repete ou succession d’preuve de Bernoulli n fois de maniere identique et

independante ( avec remise) ).

Comment savoir avec quelle loi je vais travailler ?

epreuve variable

succes echec discrete

S S
La loi binomial de parametre n et p on note X  β (n, p ) c’est
la loi de probabilite de nombre de succes avec la repetition
de l’experience Bernoulli n fois
Par maniere identique et independante

x : { 1.2……….. n }
K k n-k
P ( X = xi ) = Cn * P * q

E(X)=n*p
V(x)=n*p*q
 Loi geometrique
On renouvelle l’epreuve de type Bernoulli de maniere independante ( avec remise )
jusqu’a l’obtention de premier success.

X = VAD donnant le rang du 1 ere success ( avant il n’y avait que des echec ).

X  G(P) X suivant la loi GEOMETRIQUE.

x : { 1.2………..  } = N*

LA REGLE
LA PROBABILITE D’AVOIR LE SUCCES DANS LE K EME RANG.

K-1
P(P(XX==KK) )==pp* * qq
2
E (X) = 1/P V ( X) = q / ( p )
Exercice :

dans une urne d’eau 60 pieces, il y a 10 sont de type A.

On choisit avec remise.
1- quelle est la probabilite d’avoir une piece de type A pour le premiere fois apres le 5
eme tirage ?

la probabilite d’avoir une piece de type A

P = 10 / 60 = 1 / 6 p = 1/6 .q = 5/6

q = 1 – p = 1 – 10 / 60 = 60/60 - 10/60 = 50 / 60 = 5 /6.

P (P(
X =X
K )= K-1 5-1
= K)=p* q P( X = 5 ) = (1/6) * ( 5/6 ) = 0.8

E (X) = 1/P = 1 / ( 1/6) = 6

2 2
V ( X) = q / ( p ) = (5/6) / ( 1/6) = 5* 36 / 6 = 30
 Variable aleatoire discrete et continue
Experience aleatoire : exprime ou on n’est pas sure de resultats
Univers : ensemble de tous les resultats ( les cas ) possibles.

Exemple 1 :
on lance un de une seule fois

 = { 1.2.3.4.5.6 }

1 et 2 et 3 et 4 . 5. 6 sont des nombre fini de valeurs

donc on dit que X : variable aleatoire discrete ( separe ).

Exemple 2 :
ELMEHDI arrive n’importe quand entre 16 h et 17 h.

 = [16.17].
X : variable aleatoire qui indique l’heure d’arrive elmehdi ( on peut prendre toutes les
valeurs d’un intervalle ).
On dit que X : variable aleatoire continue
 Variable

continue discrete

intervalle fini

Ex : [ 0, 20 ]
Ex : 0.1.2.3. 11. 12…. 
Ex : [1. [
 Variable aleatoire continue
On ditque X EST UNE V.A.C puisque X prise des valeurs qui sont donnees par
intervalle 𝑹 .

[ born inferieur ; born superieur ]

LA FONCTION DE DENSITEE

𝒇 𝒙 ≥𝟎

−
𝒇 𝒙 𝒅𝒙 = 𝟏
+
 LA FONCTION DE REPARTITION

 Etape 1 :

+
SI x ≤ 𝑭 𝑿 = −
𝒇 𝒕 𝒅𝒕 = 𝟎

 Etape 2 :

𝒂 𝒙
Si a≤x≤b 𝑭 𝑿 = −
𝒇 𝒕 𝒅𝒕 + 𝒂
𝒇 𝒕 𝒅𝒕 = 𝟎

 Etape 3
𝒂 𝒃 𝒙
Si x≥b 𝑭 𝑿 = −
𝒇 𝒕 𝒅𝒕 + 𝒂
𝒇 𝒕 𝒅𝒕 + 𝒃
𝒇 𝒕 𝒅𝒕 = 𝟏
 On note que :
+
𝒇 𝒕 𝒅𝒕 = 𝟎
−

𝒂
𝒇 𝒕 𝒅𝒕 = 𝟎
−

𝒙
𝒇 𝒕 𝒅𝒕 = 𝟎
𝒃

On indique comme exemple :

2
F (X )= x
2 2 2
b
[ x ] a = F (b ) - F (a ) = b - a
 2 2
[ x 2] = F (b ) - F ( ) = a - 𝒍𝒊𝒎( 𝒙)
X 

2 b 2
[x ] = F (b ) - F ( ) = 𝒍𝒊𝒎( 𝒙) - b
- X 
Merci pour votre attention