CHAPTER 1

Analyse combinatoire

Principe de multiplication: Permet de compter le nombre de résultats d’expériences

qui peuvent se décomposer en une succession de sous-expériences.

Principe: Suppose qu’une expérience est la succession de m sous-expériences.

Si la i-ème expérience a ni résultats possibles pour i=1,...,m alors le nombre total de
résultats possibles de l’expérience globale est

n = n1 n2 :::nm (1.1)

1.1 Arrangement
1.1.1 Arrangement avec répétition
Dé…nition 1.1 Étant donné un ensemble …ni de n objets, on appelle arrangement avec
répétition de ces n objets p à p, tout groupement ordonné de p objets choisis parmi les n
objets avec répétition.

Le nombre d’arrangements de n objets p à p est égal à

np : (1.2)

Exemple 1.1 Les arrangements avec répétition de 2 éléments pris dans f1; 2; 3; 4g sont

f1; 1g ; f1; 2g ; f1; 3g ; f1; 4g ; f2; 1g ; f2; 2g ; f2; 3g ; f2; 4g ; f3; 1g

f3; 2g ; f3; 3g ; f3; 4g ; f4; 1g ; f4; 2g ; f4; 3g ; f4; 4g :

4
Chapter 1. Analyse combinatoire 5

Il y en a 16.

1.1.2 Arrangement sans répétition

Dé…nition 1.2 Étant donné un ensemble …ni de n objets, on appelle arrangement sans
répétition de ces n objets p à p, tout groupement ordonné de p objets choisis parmi les n
objets sans répétition.

Le nombre d’arrangements de n objets p à p est égal à n(n-1)...(n-p+1) sera noté

Apn .

n!
Apn = : (1.3)
(n p)!
Exemple 1.2 les arrangements sans répétition de 2 éléments pris dans f1; 2; 3; 4g sont

f1; 2g ; f1; 3g ; f1; 4g ; f2; 1g ; f2; 3g ; f2; 4g ; f3; 1g

f3; 2g ; f3; 4g ; f4; 1g ; f4; 2g ; f4; 3g :

Il y en a 12.

1.2 Permutation
1.2.1 Permutation sans répétition
Dé…nition 1.3 Étant donné un ensemble …ni de n objets, on appelle permutation sans
répétition de ces n objets tout groupement ordonné de n objets choisis parmi les n objets.

Le nombre de permutation de n objets est égal à

n! (1.4)

Une permutation est un arrangement sans répétition de ces n objets n à n, par con-
séquent on est dans le cadre du paragraphe précédent.
On peut noter que n! est le nombre de façons d’ordonner n objets.
Remarque :
Pn = n! = n(n 1)(n 2) : : : 2:1 (1.5)

1.2. Permutation
Chapter 1. Analyse combinatoire 6

1.2.2 Permutation avec répétition

Les n objets sont non tous distincts et on suppose qu’ils sont réparties en K groupes
X
k
distincts d’e¤ectif respectif n1 , n2 , . . . .,nk , tel que ni = n:
1

Dé…nition 1.4 Étant donné un ensemble …ni de n objets, on appelle permutation avec
répétition de ces n objets tout groupement ordonné de n objets choisis parmi les n objets.

Le nombre de permutation avec répétition de n éléments reparties en K groupes

d’e¤ectif respectif n1 , n2 , . . . .,nk est donnée par :

n!
Pn = : (1.6)
n1 !n2 ! : : : nk !
Exemple 1.3 Les nombres des mots qui peut construire à partir du mot " Canada"
6!
contient 6 lettres est: P 6 = 1!1!1!3!
= 120:

1.3 Combinaison
1.3.1 Combinaison sans répétition
Dé…nition 1.5 Étant donné un ensemble …ni de n objets, on appelle combinaison sans
répétition de ces n objets p à p, tout groupement non ordonné de p objets choisis parmi
les n objets sans répétition.

Le nombre de combinaisons de n objets p à p est égal à :

Apn n!
Cnp = = : (1.7)
p! p!(n p)!
Exemple 1.4 Les combinaisons sans répétition de 2 éléments pris dansf1; 2; 3; 4g sont

f1; 2g ; f1; 3g ; f1; 4g ; f2; 3g ; f2; 4g ; f3; 4g :

Il y en a 6.

1.3. Combinaison
Chapter 1. Analyse combinatoire 7

1.3.2 Combinaison avec répétition

Dé…nition 1.6 Étant donné un ensemble …ni de n objets, on appelle combinaison avec
répétition de ces n objets p à p, tout groupement non ordonné de p objets choisis parmi
les n objets avec répétition.

Le nombre de combinaisons avec répétition de ces n objets p à p, est égal à:

p (n + p 1)!
Knp = Cn+p 1 = : (1.8)
p!(n 1)!
Exemple 1.5 Les combinaisons avec répétition de 2 éléments pris dans f1; 2; 3g sont:
(3 + 2 1)!
f1; 1g ; f1; 2g ; f1; 3g ; f2; 2g ; f2; 3g ; f3; 3g : K32 = = 6:
2!(3 1)!
Proposition 1.1 Nous avons:
Cnp = Cnn p
(1.9)
Cnp = Cnp 1 + Cnp 1
1 (1.10)

Triangle de Pascal La formule précédente permet de construire le Triangle de Pas-

cal, on porte p horizontalement et n verticalement

Chaque nombre de triangle Cnp est obtenu en faisant la somme de celui qui juste au-
dessus Cnp 1 et de celui qui est au-dessus et à gauche Cnp 1
1 : Comme

C32 = 2 + 1 = 3:

Par convention 0! = 1 ce qui entraîne Cn0 pour tout n:

La formule du Binôme On peut trouver la formule du Binôme, c’est-à-dire la formule

donnant les coe¢ cients du développement du Binôme a + b à une puissance n quelconque:

(a + b)0 = 1
(a + b)1 = C10 a + C11 b
(a + b)2 = C20 a2 + C21 ab + C22 b2

1.3. Combinaison
Chapter 1. Analyse combinatoire 8

Plus généralement, il est possible de démontrer que:

(a + b)n = Cn0 an + Cn1 an 1 b + Cn2 an 2 b2 + ::: + Cnn 1 a1 bn 1

+ Cnn bn : (1.11)

1.4 Exercices
Exercice 1.1 Calculer les nombres suivants:

C73 ; 8
C12 ; 18
C30 :

Développer à partir da la formule générale du Binôme

(a + 1)5 :

Exercice 1.2 Calculer la somme suivante:

Cn0 + Cn1 + Cn2 + ::: + Cnn 1

+ Cnn :

Exercice 1.3 Dans un centre de recherche; il est destiné à former un comité contient 4
éléments parmi 6 garçons et 4 …lles

1- Quel est le nombre de comités qui peuvent être formés.

2 - Quel est le nombre de comités qui peuvent être formés tel que le comité contient
au moins une …lle.

Solution 1- Le nombre de comités qui peuvent être formés

4 10! 10 9 8 7
C10 = = = 210:
4!6! 4 3 2
- Le nombre de comités qui peuvent être formés tel que le comité contient au moins
une …lle.
C41 C63 + C42 C62 + C43 C61 + C44 C60 = 195:

Exercice 1.4 Une classe contient 12 étudiants et 18 étudiantes, destiné à former un

comité contient un chef, adjoint et un secrétaire

1 - Quel est le nombre de comités qui peuvent être formés

2 - Quel est le nombre de comités qui peuvent être formés dans les conditions suivantes
A- La secrétaire est étudiante
B- Le chef est étudiant et la secrétaire est étudiante

1.4. Exercices
Chapter 1. Analyse combinatoire 9

Solution Le comité contient un chef, adjoint et un secrétaire

1 –Le nombre de comités qui peuvent être formés est
30!
A330 = = 30 29 28 = 24360:
27!
2-
A- La secrétaire est étudiante est

1829!
A118 A229 = = 18 29 28 = 14616:
27!
B- Le chef est étudiant et la secrétaire est étudiante

A112 A118 A128 = 12 18 28 = 6048:

Exercice 1.5 Combien de méthodes peuvent être arrangées 5 livres de mathématiques,

4 livres de mécanique et 3 livres de chimie tels que les livres de chacune matière restent
ensemble.

Solution Le nombre de méthodes qui peuvent être arrangées tel que les livres de chacune
matière restent ensemble

5! 4! 3! 3! = 103680:

Exercice 1.6 Combien de méthodes pouvez-vous asseoir 4 étudiants et 4 étudiantes dans

une rangée contiennent 8 chaises telles que:

1- Les étudiants restent en groupe

2- Les étudiants et les étudiantes chacune restent en groupe.

Solution 1- Les étudiants restent en groupe

5! 4! = 2880:
2- Les étudiants et les étudiantes chacune restent en groupe.

2 4! 4! = 1152:

1.4. Exercices
CHAPTER 2

Introduction aux probabilités, conditionnement et

indépendance

2.1 Introduction aux probabilités

2.1.1 Algebre des évènements .
Une épreuve est une expérience aléatoire " dont l’issue est incertaine. Les résultats éven-
tuels d’une épreuve font généralement appel au hasard. L’ensemble des résultats éventuels
(les résultats possibles, les éventualités) s’appelle ensemble fondamental.
On note par: l’ensemble des résultats éventuels, F l’ensemble d’évènements et P la
probabilité.
Un issue de l’expérience aléatoire " est appelée évènement
Un évènement est dit évènement élémentaire si on peut pas le décomposer à l’aide
d’autres évènements de la même expérience aléatoire.
Un ensemble des évènements associés à " tout sous ensemble de F de P ( ) véri…ant
les trois propriétés suivantes:
1) et 2 F
2) Si A2 F , alors Ac 2 F
3) Soit I une partie …nie ou in…nie de N. Si (Ai )i2I est une suite d’évènement de F
alors [ Ai 2 F et \ Ai 2 F .
i2I i2I
Un ensemble d’évenements véri…ant les trois propriétés ci-dessous est appelé une
algèbre.
A et B deux sous ensembles d’un ensemble ; alors nous avons
* A [ B = fx 2 ; x 2 A ou x 2 B g

10
Chapter 2. Introduction aux probabilités, conditionnement et indépendance 11

* A \ B = fx 2 ; x 2 A et x 2 B g
* A B = fx 2 ; x 2 A et x 2 =Bg

Remarque 2.1 *Ac = A; (Ac )c = A; c

= ; c
=

A \ A = A; A [ A = A; A \ Ac = ; A \ = A; A [ = ; A B = A \ B c
* A B ) A \ B = A; A B ) A [ B = B
*(A \ B)c = Ac [ B c
*(A [ B)c = Ac \ B c :
Avec ce mode de représentation, les opérations logiques sur les événements: « et » , «
ou » , « négation » se traduisent par des opérations ensemblistes: intersection, réunion,
passage au complémentaire. Voici un tableau de correspondance entre les deux langages.

T ableau 1

2.1.2 Dé…nitions
Dé…nition 2.1 Deux évènements incompatibles ou disjoints A et B si A \ B = :

Dé…nition 2.2 Une probabilité sur ( ; F) est une application P de F dans [0; 1] véri…ant
les deux propriétés suivantes

1) P ( ) = 1
2) Pour tout suite (Ai )i2I …nie ou in…nie dénombrable d’évènement de F deux à deux
incompatibles, nous avons

X
P [ Ai = P (Ai ) : (2.1)
i2I
i2I

2.1. Introduction aux probabilités

Chapter 2. Introduction aux probabilités, conditionnement et indépendance 12

2.1.3 Espaces probabilisés

Dé…nition 2.3 Un espace probabilisé …ni associé à une expérience aléatoire " est le triplet
( ; P ( ) ; P) ; lorsque l’univers est …ni.

2.1.4 Théorèmes généraux de probabilités

Pour tous évènement A et B de P ( ), nous avons
1. P (Ac ) = 1 P (A)
2. P ( ) = 0:
3. P (A B) = P (A) P (A \ B)
4. Si A B; alors P (A) P (B)
5. P (A [ B) = P (A) + P (B) P (A \ B)
6. Si A et B incompatibles, alors
P (A [ B) = P (A) + P (B). Plus généralement si A1 ; :::; An sont n évènement deux à
deux incompatibles, alors
n X
n
P [ Ai = P (Ai ) : (2.2)
i=1
i=1
Preuve. .

Equiprobabilité et probabilité uniforme Nous dirons qu’il y a équiprobabilité de

tous les évènements élémentaires sont égales.
Dans ce cas, P est la probabilité uniforme sur ( ; P ( ) ; P) ( ; P ( ) ; P) :

Application Si l’évènement A est la réunion de k évènements élémentaires, alors

Card (A) Nombre de cas favorables

P (A) = = : (2.3)
Card ( ) Nombre de cas possibles

2.2 Conditionnement et indépendance

2.2.1 Conditionnement
Dé…nition 2.4 Soit ( ; F; P) un espace probabilisé, A et B deux évènements, on appelle
probabilité conditionnelle de l’évènement (A sachant B) le quotient

P (A \ B)
P (A=B) = , avec P (B) 6= 0 notée PB (A) : (2.4)
P (B)
PB (:) dé…nie une probabilité sur .

2.2. Conditionnement et indépendance

Chapter 2. Introduction aux probabilités, conditionnement et indépendance 13

Un urne contient 5 boules blanches numérotées de 1 à 5 et deux boules vertes

numérotées de 1 à 2. On tire une boule.
Quel est la probabilité pour obtenir la boule de couleur blanche sachant que de numéro
1.
Solution. Soient l’évènement A" la boule blanche" et B" la boule numérotée par 1".
Alors P (B) = 27 ; l’évènement A \ B "la boule de couleur blanche et numérotée par 1",
alors P (A \ B) = 71 :
Donc P (A=B) = P(A\B)
P(B)
= 21 :

Théorème 2.1 Soient A et B deux évènement d’un espace probabilisé ( ; F; P) : Alors

P (A \ B) = P (A=B) P (B) (2.5)

formule des probabilités composées.

Si A et B deux évènement indépendants et que P (B) 6= 0, alors

PB (A) = P (A=B) = P (A) : (2.6)

2.2.2 Indépendance
Dé…nition 2.5 Soit ( ; F; P) un espace probabilisé, on dit que deux évènement A et B
sont indépendant si l’on a:
P (A \ B) = P (A) P (B) : (2.7)

m évènements A1 ; A2 ; :::; Am sont indépendants si:

m
P \ Ai = P (A1 ) P (A2 ) :::P (Am ) : (2.8)
i=1

2.2.3 Formule de Bayes

Système complet d’évènements: Soit (Ai )i2I une suite d’évènement. Nous rappelons
la famille (Ai )i2I un système complet d’évènements lorsque
1) 8 (i; j) 2 I 2 ; tel que i6= j, Ai \ Aj = ;
2) [ Ai = :
i2I

Formule de probabilités totales: Soit (Ai )i2I un système complet d’évènements de

probabilités toutes non nulles. Pour tout évènement B, nous avons:
X X
P (B) = P (B \ Ai ) = P (B=Ai ) P (Ai ) (2.9)
i2I i2I

2.2. Conditionnement et indépendance

Chapter 2. Introduction aux probabilités, conditionnement et indépendance 14

Formule de Bayes: Soit (Ai )i2I un système complet d’évènements de probabilités non
nulles. Pour tout évènement B de probabilité non nulle, nous avons:
P (Ai ) P (B=Ai )
P (Ai =B) = P : (2.10)
P (Aj ) P (B=Aj )
j2I

2.3 Exercices
Exercice 2.1 Soit espace des épreuves, A et B deux événements.

Démontrer que:
-A \ B = =) P(A [ B) = P(A) + P(B)
- P(A) = 1 P(A)
- B A =) P(A B) = P(A) P(B)

Solution 1) On a
P (A [ B) = P (A) + P (B) P (A \ B)
Comme A \ B\ = ; alors P (A \ B) = 0; d’où le résultat.
2) P A = 1 P(A)
On a
P (A [ B) = P (A) + P (B) P (A \ B)
En remplaçant B par A; on obtient

P A [ A = P (A) + P A P A\A

Ce qui donne
P ( ) = P (A) + P A P( )
Par conséquent
P A =1 P (A)
3) On a, par dé…nition
A B =A\B
Implique que

P (A B) = P A \ B = P (A) + P B P A[B

Comme B A; alors A [ B = A; ce qui donne

P (A [ B) [ B = P (A [ ) = P ( ) = 1

2.3. Exercices
Chapter 2. Introduction aux probabilités, conditionnement et indépendance 15

D’après 2, on a

P (A B) = P A \ B = P (A) + P B 1
= P (A) 1 P B = P (A) P (B) :

Exercice 2.2 Une boîte contient 10 stylos, il y a sept stylos de bonne qualité. On tire six
stylos simultanément.

- Quelle est la probabilité pour obtenir 4 stylos seulement de bonne qualité.

- Quelle est la probabilité pour obtenir au plus 4 stylos de bonne qualité.

Solution 1) La probabilité pour obtenir 4 stylos seulement de bonnes qualités est :

P (A) = Nombre de cas favorables
Nombre de cas possibles
6 10!
Le nombre de cas possibles est : C10 = 6!4! = 210
4 2
Le nombre de cas favorables est : C7 C3 = 105
Alors P (A) = 105
210
:
La probabilité pour obtenir au plus 4 stylos de bonnes qualités
Le nombre de cas favorables est : C74 C32 + C73 C33 = 140
Alors P (B) = 140
210
.

Exercice 2.3 Dans la délibération a été observé:

- 25% des étudiants non réussis en probabilités

- 15% des étudiants non réussis en mathématiques
- 10% des étudiants non réussis en probabilités et en mathématiques.
On choisit un étudiant de façon au hasard
1-Quelle est la probabilité pour que l’étudiant non réussi en mathématiques sachant
que qu’il est non réussi en probabilités
2- Quelle est la probabilité pour que l’étudiant non réussi en probabilités sachant que
qu’il est non réussi en mathématiques.

Solution A « l’évènement l’étudiant est non réussi en mathématiques »

B « l’évènement l’étudiant est non réussi en probabilités »
A \ B « L’évènement l’étudiant est non réussi en probabilités et en mathématiques»
Alors, d’après les hypothèses, on a :
15 25 10
P (A) = ; P (B) = ; P (A \ B) = :
100 100 100

P (A \ B) 10
1) P (A=B) = =
P (B) 25

2.3. Exercices
Chapter 2. Introduction aux probabilités, conditionnement et indépendance 16

P (A \ B) 10
2) P (B=A) = =
P (A) 15
Exercice 2.4 Dans une usine on dispose de 3 machines A, B, C

fabriquant des pièces mécaniques.

La machine A assure 60% de la production, la machine B en assure 30 % et C assure
10%. 98% des pièces fabriquées à l’aide de la machine A sont bonnes. Les pourcentages
sont respectivement égaux à 97% et 96% pour les machines B et C.
En tire une pièce d’un lot constitué de pièces fabriquées, dans les proportions indiquées
par les machines A, B et C. On constate que cette pièce est défectueuse
Calculer la probabilité qu’elle ait été fabriquée par la machine C.

Solution A« L’évènement la pièce a été fabriquée par la machine A» .

B« L’évènement la pièce a été fabriquée par la machine B» .
C« L’évènement la pièce a été fabriquée par la machine C» .
H« L’évènement la pièce est défectueuse»
C
On cherche P ( H ): On a d’après la formule de Bayes

P (C)P (H=C)
P (C=H) =
P (C)P (H=C) + P (A)P (H=A) + P (B)P (H=B)
On a: P (C) = 0:1; P (A) = 0:6; P (B) = 0:3
P (H=C) = 0:04; P (H=A) = 0:04; P (H=B) = 0:03
0:1 0:04
Alors: P (C=H) = 0:1 0:04+0:6 0:02+0:3 0:03
= 0:16

2.3. Exercices