Exposé de mathématique :

Thème : les probabilités

Plan
Introduction
I. Notion de fondamentale des probabilités :
II. Règles et principes de base :
III. Loi et modèles de probabilités :
IV. Application des probabilités :
Conclusion :

Exposants :
Pape Malick Bâ
Fatou Cissé
Alassane Diallo
Mariatou Diallo
Ousmane Diallo

Sous la direction de M. Sougou

Introduction :
Les probabilités sont une branche des mathématiques qui permet d’étudier et de quantifier
l’incertitude. Elles permettent de modéliser des phénomènes aléatoires et de prédire la fréquence
d’apparition d’événements dans des situations où le hasard joue un rôle.
Depuis leur développement initial avec des jeux de hasard, les probabilités ont trouvé des
applications dans des domaines aussi variés que la physique, la finance, la médecine,
l’intelligence artificielle et l’ingénierie. Elles servent à analyser des situations complexes, à
évaluer les risques et à optimiser les décisions en tenant compte de l’incertitude.
Grâce aux lois et aux modèles probabilistes, il est possible de structurer notre compréhension du
hasard et d'améliorer la prise de décision dans de nombreux contextes. Ainsi, les probabilités sont
devenues un outil incontournable pour la modélisation et l’analyse des phénomènes du monde
réel.
I. Notion fondamentale des probabilités :
Les notions fondamentales des probabilités incluent plusieurs concepts clés qui permettent de
comprendre et de modéliser l'incertitude. Voici les principaux :
1. Expérience aléatoire
Une expérience dont l'issue ne peut pas être prédite avec certitude. Exemples : lancer un dé, tirer
une carte d’un jeu, mesurer la température d’un jour donné.
2. Espace des événements (Ω)
L'ensemble de toutes les issues possibles d’une expérience aléatoire.
Ex. : Pour un lancer de dé, l’espace des événements est Ω = {1, 2, 3, 4, 5, 6}.
3. Événement
Un sous-ensemble de l’espace des événements qui regroupe une ou plusieurs issues possibles.
Ex. : « Obtenir un nombre pair en lançant un dé » correspond à {2, 4, 6}.
4. Probabilité d’un événement (P(E))
La probabilité mesure la fréquence d’apparition d’un événement. Elle est comprise entre 0 et 1.
P(E) = (nombre d'issues favorables) / (nombre total d'issues possibles)
Ex. : Probabilité d’obtenir un nombre pair avec un dé à six faces → P(E) = 3/6 = 0,5.
5. Probabilité conditionnelle
La probabilité d’un événement sachant qu’un autre événement s’est produit.
Notée P (A | B) (probabilité de A sachant B).
Ex. : Si on tire une carte d’un jeu et que l’on sait qu’elle est rouge, quelle est la probabilité
qu’elle soit un cœur ?
6. Indépendance des événements
Deux événements A et B sont indépendants si la survenue de l’un n'affecte pas la probabilité de
l’autre.
P (A ∩ B) = P(A) × P(B)
Ex. : Lancer un dé et tirer une carte sont des événements indépendants.
7. Lois de probabilité
Loi de probabilité discrète : Utilisée pour des variables prenant un nombre fini ou dénombrable
de valeurs (ex. loi binomiale, loi de Poisson).
Loi de probabilité continue : Utilisée pour des variables pouvant prendre une infinité de valeurs
(ex. loi normale, loi exponentielle).
8. Espérance mathématique (E[X])
La moyenne des valeurs possibles d’une variable aléatoire pondérée par leurs probabilités. Elle
représente une valeur « attendue » en moyenne sur un grand nombre d’essais.
E[X] = Σ xᵢ P(xᵢ) pour une variable discrète.
Ces notions permettent de modéliser et d’analyser des phénomènes aléatoires dans de nombreux
domaines comme la finance, la physique, l’ingénierie et les sciences sociales.
II. Règles et principes des probabilités :
1. Probabilités d’un événement
La probabilité d’un événement est un nombre compris entre 0 et 1.
0 signifie que l’événement est impossible.
1 signifie que l’événement est certain.
Dans un univers fini avec des issues équiprobables :
P(A) = (nombre de cas favorables à A) / (nombre total de cas possibles)
Exemple : lancer d’un dé, probabilité d’obtenir un 4 : P (4) = 1/6
2. Probabilité de l’union et de l’intersection
P (A ∪ B) = P(A) + P(B) – P (A ∩ B)
Cela évite de compter deux fois les cas communs.
Si les événements sont incompatibles (ils ne peuvent pas se produire en même
2. Probabilité de l’union et de l’intersection
P (A ∪ B) = P(A) + P(B) – P (A ∩ B)
Cela évite de compter deux fois les cas communs.
Si les événements sont incompatibles (ils ne peuvent pas se produire en même temps), alors :
P (A ∪ B) = P(A) + P(B)
3. Probabilité conditionnelle
La probabilité qu’un événement B se produise sachant que A est réalisé : P (B | A) = P (A ∩ B) /
P(A) (si P(A) ≠ 0)
Elle permet de mettre à jour les probabilités en fonction de nouvelles informations. Exemple :
Probabilité qu’une personne soit malade sachant qu’elle a un test positif.
4. Indépendance
Deux événements A et B sont indépendants si :
P (A ∩ B) = P(A) × P(B)
Cela signifie que la réalisation de A n'influence pas la réalisation de B.
5. Formule de Bayes (optionnel pour un niveau plus avancé)
Permet de renverser une probabilité conditionnelle :
P (A | B) = [P (B | A) × P(A)] / P(B)
Très utilisée dans l’intelligence artificielle, la médecine, etc.
III. Lois et modèles de probabilités :
1. Loi des grands nombres
Principe :
Plus on répète une expérience aléatoire, plus la fréquence d’un événement se rapproche de sa
probabilité théorique.
Exemple :
Lancer une pièce équilibrée :
En théorie, P(face) = 0,5
Si on la lance 10 fois, on peut avoir 7 faces → fréquence = 0,7
Mais si on la lance 1 000 fois, on aura environ 500 faces → fréquence ≈ 0,5
La probabilité "réelle" se stabilise à mesure qu'on augmente le nombre d’essais.
2. Lois de probabilité discrètes
Ce sont des lois où les événements possibles prennent des valeurs précises, souvent entières.
 a- Loi de Bernoulli
Expérience avec deux issues : succès (1) ou échec (0)
P(succès) = p ; P(échec) = 1 – p
Exemple : pile ou face, réussite ou échec à un test.
b. Loi binomiale
Répétition de n expériences de Bernoulli
Donne la probabilité d’obtenir k succès parmi n essais
Formule :
P (X = k) = C (n, k) × p^k × (1 – p)^ (n – k)
Exemple :
On lance une pièce 5 fois. Quelle est la proba d’avoir exactement 3 faces ?
N = 5, k = 3, p = 0.5
P (X = 3) = C (5, 3) × 0.5^3 × 0.5^2 = 10 × 0.125 × 0.25 = 0.3125
c. Loi de Poisson
Modélise le nombre d'événements rares dans un intervalle de temps ou d’espace.
Utilisée pour les accidents, appels téléphoniques, etc.
Formule:
P (X = k) = (λ^k × e^(–λ)) / k!
Où λ = moyenne du nombre d'événements
Exemple :
On reçoit en moyenne 3 appels par heure.
Quelle est la proba d’en recevoir exactement 2 en une heure ?
P (X = 2) = (3^2 × e^ (–3)) / 2! = (9 × e^ (–3)) / 2 ≈ 0.224
3. Lois de probabilité continues
Ces lois s’appliquent à des événements prenant des valeurs sur un intervalle continu (temps,
distance, etc.)
a. Loi uniforme continue
Tous les résultats dans un intervalle [a, b] sont équiprobables
Densité : f(x) = 1 / (b – a)
Exemple :
Un bus passe entre 12h et 12h30. Quelle est la proba qu’il arrive entre 12h10 et 12h15 ?
Intervalle total : 30 min → f(x) = 1/30
Sous-intervalle : 5 min
P = 5/30 = 1/6 ≈ 0.167
b. Loi normale (ou gaussienne)
En forme de cloche
Modélise les phénomènes naturels (taille, poids, résultats d'examen…)
Caractérisée par :
Moyenne µ (centre de la courbe)
Écart type σ (étalement)
Exemple :
Si les notes d'un examen suivent une loi normale de moyenne 12 et d’écart type 2,
La plupart des élèves ont entre 10 et 14.
c. Loi exponentielle
Modélise le temps d’attente entre deux événements
Très utilisée en file d’attente, pannes, etc.
Densité : f(t) = λ × e^(–λt)
Exemple :
Une machine tombe en panne en moyenne toutes les 5 heures → λ = 1/5
Quelle est la probabilité qu’elle fonctionne plus de 3 heures sans panne ?
P (T > 3) = e^(–3/5) ≈ 0.55
IV. Application des probabilités :
L'application des probabilités se retrouve dans de nombreux domaines de la vie quotidienne, des
sciences, de l'ingénierie et de la gestion. Voici quelques exemples concrets :
1. Assurances :
Les compagnies d’assurance utilisent les probabilités pour estimer le risque de sinistre (accident,
maladie, vol, etc.) et fixer les primes d’assurance en conséquence.
2. Jeux de hasard :
Dans les jeux comme le poker, la roulette ou les loteries, les probabilités permettent de calculer
les chances de gagner et de concevoir des stratégies.
3. Médecine :
Les médecins utilisent les probabilités pour évaluer les risques de maladies, l'efficacité des
traitements, ou encore l'issue probable d'une intervention.
4. Météorologie :
Les prévisions météorologiques sont basées sur des modèles probabilistes qui indiquent, par
exemple, la probabilité qu’il pleuve demain.
5. Finance et économie :
Les analystes utilisent les probabilités pour évaluer les risques de perte ou de gain sur des
investissements, ou encore modéliser l'évolution des marchés.
6. Industrie et qualité :
Dans le contrôle qualité, les probabilités aident à détecter les défauts de fabrication et à prévoir
les pannes.
7. Informatique et intelligence artificielle :
Les algorithmes d'apprentissage automatique (machine Learning) reposent souvent sur des
modèles probabilistes pour prendre des décisions ou faire des prédictions.
Conclusion :
Les probabilités sont un outil mathématique puissant permettant de modéliser et d’analyser des
phénomènes aléatoires. Elles jouent un rôle fondamental dans la prise de décision en situation
d’incertitude, que ce soit en sciences, en économie, en ingénierie ou en intelligence artificielle.
Les concepts fondamentaux comme l’espace des événements, la probabilité conditionnelle et les
différentes lois de probabilité permettent de structurer notre compréhension du hasard et
d’optimiser des choix stratégiques. Grâce aux probabilités, on peut prédire des tendances, gérer
les risques et améliorer la précision des modèles prédictifs.
Dans un monde de plus en plus basé sur la donnée, la maîtrise des probabilités est essentielle
pour exploiter l’information de manière efficace et rationnelle. Elles restent un domaine
incontournable, aussi bien en théorie qu’en application, influençant de nombreux aspects de notre
quotidien et de notre avenir technologique.