Chapitre 1
Introduction : probabilité sur un
espace fini
Historiquement, le calcul des probabilités s’est développé à partir du XVIIe siècle autour
des problèmes de jeux dans des situations où le nombre de cas possibles est fini. Les
développements plus récents concernant des espaces non nécessairement finis nécessitent
les outils techniques de la théorie de la mesure. Mais on peut introduire simplement sur
les espaces finis toutes les notions importantes de probabilités sans avoir besoin de cet
outillage.
1.1 Probabilité sur un espace fini, événements
1.1.1 Définitions
On s’intéresse à une expérience aléatoire qui conduit à la réalisation d’un seul résultat
parmi un nombre fini de résultats possibles ω1 , ω2 , . . . , ωn . On note Ω = {ω1 , ω2 , . . . , ωn }
l’ensemble de ces résultats.
Exemple 1.1.1. — Jet d’une pièce à pile où face : Ω = {P, F }.
— Jet d’un dé : Ω = {1, 2, 3, 4, 5, 6}.
Si on mesure la fréquence d’apparition du résultat ωk au cours d’un grand nombre de
répétitions de l’expérience i.e. on calcule le rapport Fk = NNk du nombre Nk d’expériences
dont le résultat est ωk sur le nombre total d’expériences N , on constate qu’elle fluctue de
moins en moins. La limite pk ≥ 0 de Fk lorsque N → +∞ correspond à la notion intuitive
de probabilité.
On appelle événement une partie A de Ω. La fréquence
P de A c’est-à-dire la proportion
d’expériences dont le résultat
P est dans A est égale à k:ωk ∈A Fk . On est donc amené à
associer la probabilité k:ωk ∈A pk à l’événement A.
Comme la fréquence de Ω vaut 1, en passant à la limite, on obtient nk=1 pk = 1.
P
Définition 1.1.2. Une probabilité P sur un ensemble fini Ω = {ω1 , ω2 , . . . , ωn } est une
pondération p1 , p2 , . . . , pn des éléments de cet ensemble t.q.
X n
∀1 ≤ k ≤ n, pk ≥ 0 et pk = 1.
k=1
1
2 CHAPITRE 1. INTRODUCTION : PROBABILITÉ SUR UN ESPACE FINI
On attribue à tout événement A ⊂ Ω le nombre
X
P(A) = pk
k:ωk ∈A
qui est appelé probabilité de l’événement A.
Exemple 1.1.3. Jet de deux dés à six faces : Ω = {(i, j) : 1 ≤ i, j ≤ 6} où i désigne la
valeur de la face supérieure du premier dé et j celle du second.
Pour des raisons de symétrie (si les dés ne sont pas pipés), on munit Ω de la pondération
suivante :
1
∀1 ≤ i, j ≤ 6, p(i,j) = .
36
Soit A l’événement : les valeurs des deux dés sont identiques.
6
X 6 1
A = {(1, 1), (2, 2), . . . , (6, 6)} et P(A) = p(i,i) = = .
i=1
36 6
On note S la somme des deux dés et {S = k} l’événement {(i, j) : S(i, j) = k}. On a
S(i, j) = i + j. Donc
{S = 2} = {(1, 1)} P(S = 2) = 1/36
{S = 3} = {(1, 2), (2, 1)} P(S = 3) = 1/18
{S = 4} = {(1, 3), (2, 2), (3, 1)} P(S = 4) = 1/12
{S = 5} = {(1, 4), (2, 3), (3, 2), (4, 1)} P(S = 5) = 1/9
{S = 6} = {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)} P(S = 6) = 5/36
{S = 7} = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)} P(S = 7) = 1/6
{S = 8} = {(2, 6), (3, 5), (4, 4), (5, 3), (6, 2)} P(S = 8) = 5/36
{S = 9} = {(3, 6), (4, 5), (5, 4), (6, 3)} P(S = 9) = 1/9
{S = 10} = {(4, 6), (5, 5), (6, 4)} P(S = 10) = 1/12
{S = 11} = {(5, 6), (6, 5)} P(S = 11) = 1/18
{S = 12} = {(6, 6)} P(S = 12) = 1/36
Terminologie concernant les événements :
— Si P(A) = 0, l’événement A est dit négligeable.
— Si P(A) = 1, il est dit presque sûr.
— On appelle événement contraire de A et on note Ac l’événement Ω \ A.
— Si A, B ⊂ Ω, l’événement A et B (réalisé lorsque A et B le sont) est noté A ∩ B.
— L’événement A ou B (réalisé lorsque A ou B le sont) est noté A ∪ B.
Probabilité de l’événement A ∪ B :
P
Par définition, P(A ∪ B) = k:ωk ∈A∪B pk . Comme A ∪ B est égal à l’union disjointe
1.1. PROBABILITÉ SUR UN ESPACE FINI, ÉVÉNEMENTS 3
U C B
B A
U C
A B A B
U
(A ∩ B c ) ∪ (A ∩ B) ∪ (Ac ∩ B),
X X X
P(A ∪ B) = pk + pk + pk
k:ωk ∈A∩B c k:ωk ∈A∩B k:ωk ∈Ac ∩B
! !
X X X X X
= pk + pk + pk + pk − pk
k:ωk ∈A∩B c k:ωk ∈A∩B k:ωk ∈Ac ∩B k:ωk ∈A∩B k:ωk ∈A∩B
X X X
= pk + pk − pk
k:ωk ∈A k:ωk ∈B k:ωk ∈A∩B
= P(A) + P(B) − P(A ∩ B).
Ainsi
P(A ∪ B) = P(A) + P(B) − P(A ∩ B).
Fonction indicatrice :
On appelle fonction indicatrice de l’événement A la fonction 1A : Ω → {0, 1} définie
par
(
1 si ω ∈ A
∀ω ∈ Ω, 1A (ω) =
0 sinon.
Exercice 1.1.4. Quel est l’événement {ω : 1A (ω) × 1B (ω) = 1} que l’on note aussi de
façon condensée {1A × 1B = 1} ?
Conclure que
1A∩B = 1A × 1B .
Montrer également que
1A c = 1 − 1A et 1A∪B = 1A + 1B − 1A∩B .
4 CHAPITRE 1. INTRODUCTION : PROBABILITÉ SUR UN ESPACE FINI
1.1.2 Probabilités uniformes
Dans le cas où les symétries font que tous les résultats possibles ω1 , ω2 , . . . ωn jouent
le même rôle, ces résultats doivent avoir la même pondération 1/Card (Ω). On dit alors
qu’il sont équiprobables.
On a alors pour tout événement A ⊂ Ω,
X 1 Card (A)
P(A) = = .
k:ωk ∈A
Card (Ω) Card (Ω)
Cette probabilité P s’appelle probabilité uniforme sur Ω.
Exemple 1.1.5. Dans le cas du jet de deux dés non pipés, Ω = {(i, j) : 1 ≤ i, j ≤ 6} est
muni de la probabilité uniforme.
Remarque 1.1.6. Si on s’intéresse à la somme des deux dés, on peut choisir Ω =
{2, 3, 4 . . . , 12}, ensemble des valeurs prises par cette somme. Mais faute de propriétés
de symétrie, on ne sait pas munir cet espace d’une probabilité naturelle.
Dans l’exemple 1.1.3, en travaillant sur l’espace plus gros {(i, j) : 1 ≤ i, j ≤ 6} des
couples des valeurs des deux dés muni de la probabilité uniforme, nous avons pu construire
la pondération naturelle sur les valeurs de la somme des deux dés. Cette pondération n’a
rien d’uniforme.
Cet exemple permet de bien comprendre l’importance du choix de l’espace de probabilité
sur lequel on travaille.
Dans le cas des probabilités uniformes, les calculs se ramènent à du dénombrement.
Rappels de dénombrement
On se donne n, k ∈ N∗ avec k ≤ n.
— Le nombre de permutations d’un ensemble à n éléments est n!.
— De façon plus générale, le nombre d’injections d’un ensemble à k éléments dans un
ensemble à n éléments est
n!
Akn = = n(n − 1) . . . (n − k + 1).
(n − k)!
Le facteur n (resp. n − 1,..., resp. n − k + 1) vient du choix de l’image du 1er (resp
2e ,..., k e ) élément.
— Le nombre de parties à k éléments d’un ensemble à n éléments est
n n!
= .
k k!(n − k)!
Exercice résolu 1.1.7. Dans une classe de n ≤ 365 élèves, quelle est la probabilité de
l’événement : “2 élèves au moins sont nés le même jour” que l’on note A ?
1.2. PROBABILITÉ CONDITIONNELLE ET INDÉPENDANCE 5
On choisit comme espace de probabilité Ω = {f : [1, n] → [1, 365]} où pour 1 ≤ i ≤ n,
f (i) représente le jour d’anniversaire du ième élève dans l’ordre alphabétique.
Même si les naissances ne sont pas vraiment équiréparties au long de l’année, on munit Ω
de la probabilité uniforme. On a Card (Ω) = 365n .
Pour calculer la probabilité de A, on peut calculer la probabilité de l’événement contraire
Ac : “tous les élèves ont des dates d’anniversaire différentes”. En effet comme A ∪ Ac = Ω
et A ∩ Ac = ∅,
P(A ∪ Ac ) = P(A) + P(Ac ) − P(A ∩ Ac ) ⇒ P(A) = 1 − P(Ac ).
On a Ac = {f : [1, n] → [1, 365] injective}. Donc Card (Ac ) = An365 et
Card (Ac ) 365! 365 364 365 − n + 1
P(Ac ) = = n
= × × ... × ,
Card (Ω) (365 − n)!365 365 365 365
et
365 364 365 − n + 1
P(A) = 1 − × × ... × .
365 365 365
On peut vérifier que dès que n ≥ 23, cette probabilité est supérieure à 1/2.
1.2 Probabilité conditionnelle et indépendance
1.2.1 Probabilité conditionnelle
La notion de probabilité conditionnelle permet de prendre en compte l’information
dont on dispose (à savoir qu’un événement B est réalisé) pour actualiser la probabilité
que l’on donne à un événement A :
Définition 1.2.1. Soit Ω muni d’une probabilité P et A, B ⊂ Ω. La probabilité condition-
nelle de l’événement A sachant l’événement B est notée P(A|B) et définie par
P(A ∩ B)/P(B) si P(B) > 0
P(A|B) =
P(A) sinon.
Remarque 1.2.2. Lorsque l’on sait que l’événement B est réalisé, il est naturel d’affecter
à l’événement A un poids proportionnel à P(A ∩ B), ce qui justifie le choix du numérateur
dans la définition précédente. Le dénominateur P(B) = P(Ω ∩ B) est une constante de
normalisation qui assure que P(Ω|B) = 1.
Exercice résolu 1.2.3. 1. Dans une famille qui comporte deux enfants, l’un est une
fille. On cherche la probabilité que l’autre soit un garçon.
On choisit Ω = {F F, F G, GF, GG} où par exemple F G signifie que l’aı̂né des enfants
est une fille et le second un garçon.
Cet espace est muni de la probabilité uniforme. On note
A = {un des enfants est un garçon} = {F G, GF, GG}
B = {un des enfants est une fille} = {F F, F G, GF }.
On a P(B) = Card (B)
Card (Ω)
= 34 . Comme A ∩ B = {F G, GF }, P(A ∩ B) = Card (A∩B)
Card (Ω)
= 12 .
Donc la probabilité recherchée est
P(A ∩ B) 1/2 2
P(A|B) = = = .
P(B) 3/4 3
6 CHAPITRE 1. INTRODUCTION : PROBABILITÉ SUR UN ESPACE FINI
2. On suppose maintenant que l’aı̂né des enfants est une fille. On veut alors connaı̂tre
la probabilité pour que l’autre soit un garçon.
En reprenant la démarche ci-dessus, on obtient que cette probabilité vaut 1/2.
Dans certains problèmes, ce sont les probabilités conditionnelles que l’on connaı̂t na-
turellement et on est amené à utiliser la définition sous la forme
P(A ∩ B) = P(A|B)P(B)
qui se généralise en
P(A1 ∩ A2 ∩ . . . ∩ Am ) =P(Am |A1 ∩ . . . ∩ Am−1 )
× P(Am−1 |A1 ∩ . . . ∩ Am−2 ) . . . P(A2 |A1 )P(A1 ),
pour m événements A1 , . . . , Am .
Exercice résolu 1.2.4. Parmi 10 pièces mécaniques, 4 sont défectueuses. On prend
successivement deux pièces au hasard dans le lot (sans remise). Quelle est la probabilité
pour que les deux pièces soient correctes.
On note A1 l’événement la première pièce est bonne et A2 l’événement la seconde pièce
est bonne.
Comme, au départ, il y a 6 pièces bonnes sur 10, P(A1 ) = 6/10 = 3/5. Lorsque l’on a
retiré une pièce bonne, il reste 5 pièces bonnes sur 9. D’où P(A2 |A1 ) = 5/9. On conclut
que la probabilité cherchée est
5 3 1
P(A1 ∩ A2 ) = P(A2 |A1 )P(A1 ) = × = .
9 5 3
On peut retrouver ce résultat en munissant l’espace
Ω = {sous-ensembles comportant 2 pièces de l’ensemble des 10 pièces}
de la probabilité uniforme. L’événement dont on cherche la probabilité est
A = {sous-ensembles comportant 2 pièces de l’ensemble des 6 pièces correctes}.
On a alors
6
Card (A) 2 6! 8! 2! 6×5 1
P(A) = = 10
= = = .
Card (Ω) 2
10! 4! 2! 10 × 9 3
Enfin le résultat suivant qui porte le nom de formule de Bayes est souvent utile.
Proposition 1.2.5. Soit B1 , . . . , Bm une partition de Ω (i.e. des sous-ensembles disjoints
de Ω dont la réunion est Ω) et A ⊂ Ω t.q. P(A) > 0. Alors pour tout 1 ≤ i ≤ m,
P(A|Bi )P(Bi )
P(Bi |A) = Pm .
j=1 P(A|Bj )P(Bj )
Démonstration :P Le numérateur du second membre est égal à P(A ∩ Bi ). Le
dénominateur vaut m j=1 P(A ∩ Bj ) et comme les Bj forment une partition de Ω il est égal
à P(A). Donc le second membre est bien égal à P(A ∩ Bi )/P(A).
1.2. PROBABILITÉ CONDITIONNELLE ET INDÉPENDANCE 7
Exercice 1.2.6. Pour dépister une maladie, on applique un test sanguin. Si le patient
est atteint, le test donne un résultat positif dans 99% des cas. Mais le test est également
positif pour 2% des personnes en bonne santé. La proportion de personnes malades dans
la population soumise au test est de 10−3 . Calculer la probabilité pour qu’un patient soit
en bonne santé sachant que le résultat de son test est positif.
Exercice 1.2.7. Alors qu’ils ne représentent que 13% de la population, les jeunes de 18
à 24 ans représentent 30% des tués sur la route. À l’aide de ces données vérifier qu’un
jeune a 2.87 fois plus de risque de mourir sur la route qu’un autre usager.
1.2.2 Indépendance
Définition 1.2.8. Soit Ω muni d’une probabilité P. Deux événements A et B sont dits
indépendants si
P(A ∩ B) = P(A) × P(B).
Remarque 1.2.9. L’indépendance de A et B se caractérise aussi par les relations
P(A|B) = P(A) ou P(B|A) = P(B), c’est-à-dire que la probabilité donnée à l’événement
A (resp. B) n’est pas modifiée par l’information que l’événement B (resp. A) est réalisé.
Définition 1.2.10. m événements A1 , . . . , Am sont dits indépendants si
!
\ Y
∀I ⊂ {1, . . . , m}, P Ai = P(Ai ).
i∈I i∈I
Attention
Qm
— Il ne suffit pas que P(A1 ∩ A2 ∩ . . . ∩ Am ) = i=1 P(Ai ) pour que les événements
soient indépendants.
— Pour que 3 événements soient indépendants, il ne suffit pas qu’il soient 2 à 2
indépendants.
Exemple 1.2.11. Jet de deux pièces à Pile ou Face : Ω = {P P, P F, F P, F F } où par
exemple P F signifie que la première pièce donne Pile et la seconde Face. Cet espace est
muni de la probabilité uniforme.
On note A l’événement “la première pièce donne Pile”, B l’événement “la seconde pièce
donne Face” et C l’événement “les deux pièces donnent le même résultat”.
A = {P P, P F } P(A) = 1/2
B = {P F, F F } P(B) = 1/2
C = {P P, F F } P(C) = 1/2
A∩B = {P F } P(A ∩ B) = 1/4 = P(A)P(B)
A∩C = {P P } P(A ∩ C) = 1/4 = P(A)P(C)
B∩C = {F F } P(B ∩ C) = 1/4 = P(B)P(C)
A∩B∩C =∅ P(A ∩ B ∩ C) =0 6= P(A)P(B)P(C).
Ainsi les événements A, B et C sont 2 à 2 indépendants mais pas indépendants.
