Chapitre 8 : Probabilités

1 Introduction
Le terme "probabilité" fait partie de notre langage quotidien, au même titre que ses synonymes "chance"
ou "risque". Il est intimement lié aux concepts d’incertitude et de hasard. On dira d’un accidenté grave qu’il
a de fortes chances à s’en tirer, d’une complication qu’elle est peu probable, d’une intervention chirurgicale
qu’elle est à haut risque. En réalité, sans le savoir, nous calculons continuellement des probabilités dans
notre vie quotidienne, chaque fois que nous sommes confrontés à des situations incertaines. Nous savons
qu’un événement de probabilité faible a peu de chances de se produire et qu’un événement de probabilité
élevée se produira presque certainement.

Le problème du Grand Duc de Toscane

Rappelons nous du problème du Grand Duc évoqué pendant la conférence du Pi-day :

Le Grand Duc de Toscane, Cosme II de Médicis, adore les jeux de dés. L’un de ces jeux consistait à
lancer 3 dés à 6 faces numérotées de 1 à 6 non truqués (on a donc autant de chance d’obtenir 1, 2, 3, 4, 5
ou 6) et de ce faire la somme des résultats affichés par chaque dé. Par exemple, si on a la configuration (1,
6, 5), on obtient la somme 1 + 6 + 5 qui vaut 12. En observant bon nombre de parties, il remarque qu’on
obtient plus souvent une somme égale à 10 qu’une somme égale à 9. Une telle observation l’interpelle car
intuitivement, il pense que l’on devrait obtenir ces deux sommes aussi souvent l’une que l’autre. Il décide
donc de décomposer 9 et 10 en une somme de trois chiffres compris entre 1 et 6. Il obtient alors 6 façons
d’obtenir 9 et également 6 façons d’obtenir 10. En effet, on a

9=6+2+1=5+3+1 9=6+3+1=6+2+2
=5+2+2=4+3+2 =5+2+3=5+4+1
=4+4+1=3+3+3 =4+4+2=4+3+3
Il affirme donc qu’avec 3 dés, on a 6 façons de faire 9 et le même nombre de façons de faire 10. Cela
renforce donc son intuition mais cela le laisse perplexe car il est certain d’observer que 10 est un résultat
qui survient plus souvent que 9.

Qu’est-ce qui pose problème dans son raisonnement ?

1
2 Définitions
Une expérience aléatoire ou phénomène aléatoire est une expérience dont le résultat ne peut pas
être prévu avec certitude et dont on connait l’ensemble des résultats possibles.

Exemples : jet d’une pièce de monnaie, jet d’un dé, la transmission d’un caractère héréditaire, les
émissions radioactives,. . .

L’ensemble des possibles, noté Ω, d’un phénomène aléatoire est l’ensemble de tous les résultats possibles
de ce phénomène. On l’appelle aussi catégorie d’épreuve, ensemble fondamental ou univers des possibles.

Un élément de la catégorie d’épreuve est appelé événement élémentaire et est noté ω.

Dans le problème du Grand Duc de Toscane, quelle est l’expérience aléatoire ? Combien il y a-t-il de
possibilités au total pour cette expérience ? Ecris la catégorie d’épreuve dans ce cas.

Exemples :
• jet d’une pièce de monnaie : Ω = {P, F }
• jet d’un dé : Ω = {1, 2, 3, 4, 5, 6}
• jet de deux dés discernables : Ω = {(i, j); i, j = 1, . . . , 6}
• jet de deux dés non discernables : Ω = {(i, j); i ≤ j = 1, . . . , 6}

On note #Ω le cardinal (l’effectif) de la catégorie d’épreuve. On suppose que les ensembles avec lesquels
on travaille sont finis. Par exemple, pour le jet de deux dés discernables, la catégorie d’épreuves comporte
#Ω = 36 résultats possibles.

Un événement, noté E, est un sous-ensemble de la catégorie d’épreuve Ω. On dit que l’événement

s’est produit si le résultat obtenu par l’expérience est un élément de cet ensemble.

Exemples :
1. "Obtenir un nombre pair lors d’un jet de dé". Dans ce cas, E = {2, 4, 6} est un sous-ensemble de la
catégorie d’épreuve Ω = {1, 2, 3, 4, 5, 6}.
2. "Lors d’un jet de deux dés discernables, les deux dés donnent le même résultat". Dans ce cas,
E = {(i, j); i = j = 1, . . . , 6}.

2
Cas particuliers :
∗ L’événement impossible d’une expérience aléatoire est l’événement qui n’est jamais réalisé lors
d’une exécution de l’expérience. Il ne contient aucun élément de Ω et est noté .
∗ L’événement certain d’une expérience aléatoire est l’événement qui est réalisé lors de chaque
expérience. Il comprend l’ensemble des résultats possible et est donc noté Ω.
∗ Soient deux événements E1 et E2 , l’union des événements E1 et E2 , notée E1 ∪E2 , est l’événement
composé des résultats qui appartiennent à E1 ou à E2 .

∗ Soient deux événements E1 et E2 , l’intersection des événements E1 et E2 , notée E1 ∩ E2 , est

l’événement composé des résultats qui appartiennent à E1 et à E2 .

∗ Soient deux événements E1 et E2 , la différence des événements E1 et E2 , notée E1 \ E2 , est

l’événement composé des résultats qui appartiennent à E1 et pas à E2 .

∗ Le complémentaire d’un événement E est composé des éléments de l’ensemble des possibles
qui n’appartiennent pas à E. On le note Ē.

∗ Soient deux événements E1 et E2 , on dit que E1 et E2 sont disjoints si ils n’ont aucun résultat en
commun.

3
 Quelques exemples :
1. Obtenir un nombre pair ou impair lors d’un jet d’un dé : E = {1, 2, 3, 4, 5, 6} est un événement
certain (et aussi l’union de E1 = {2, 4, 6} et E2 = {1, 3, 5})
2. Obtenir le nombre 7 lors d’un jet d’un dé : E = est un événement impossible
3. Obtenir le nombre 2 lors d’un jet d’un dé : E3 = {2} est un événement élémentaire
4. Ne pas obtenir le nombre 2 lors d’un jet d’un dé : E = {1, 3, 4, 5, 6} = Ē3 est le complémentaire de
l’événement "obtenir le nombre 2".
5. Obtenir un nombre premier et un nombre pair lors d’un jet d’un dé : E = {2} est l’intersection de
deux événements.
6. Obtenir un nombre premier et pas pair : E = {3, 5} est une différence de deux événements.

3 La notion de probabilité
Définition fréquentiste
Lors du lancement d’une pièce de monnaie, intéressons-nous à l’arrivée de l’événement F = {face}. Il
vous est demandé de lancer 25 fois une pièce de monnaie et de comptabiliser la fréquence d’apparition
fn (F ) de F en fonction du nombre n (ici 25) de jets de la pièce.

Résultat obtenu :

Considérons de façon générale, une expérience aléatoire et un événement E associé à cette expérience.
On répète cette dernière n fois de façon indépendante et dans des conditions identiques. Si n(E) désigne le
nombre de réalisations de E au cours des n répétitions, on peut étudier le comportement de la fréquence
n(E)
fn (E) = lorsque n s’accroît. Cette fréquence est prise comme approximation de la probabilité d’ob-
n
tenir l’événement E, notée P (E) (la suite des fréquences fn converge vers la même limite lorsque le nombre
de répétition est suffisamment grand).

Remarque : La fréquence fn (E) associée à n répétitions de l’expérience aléatoire est généralement diffé-
rente de P (E). Cette dernière quantité correspond à la fréquence de réalisations de E que l’on obtiendrait
après une infinité de répétitions de l’expérience et peut dès lors être considérée comme une fréquence théo-
rique, ou encore une fréquence idéalisée (probabilité déterminée à posteriori). Sa connaissance constitue
cependant une information essentielle dans la mesure où elle peut intervenir à priori dans l’étude d’un
problème. Savoir que vous avez une probabilité égale à 0,000001 de gagner le gros lot à l’occasion d’une

4
loterie peut éventuellement vous dissuader d’acheter un billet de participation.

On dit encore que la probabilité constitue un modèle de fréquence, comme un plan constitue un modèle
d’une construction, un crocquis celui d’une réalisation.

Définition axiomatique
La définition fréquentiste que nous venons de voir ne se conçoit que si l’expérience aléatoire à laquelle
on s’intéresse est répétitive. Dans le cas contraire, il faut recourir à d’autres façons de définir une probabi-
lité. Faisons le au moyen d’axiomes, c’est-à-dire de propriétés qui doivent obligatoirement être satisfaites
par un concept pour pouvoir qualifier ce dernier de probabilité.

Les axiomes de Kolmogorov :

Soit Ω la catégorie d’épreuve associé à une expérience aléatoire.

• Pour tout événement E ∈ Ω,
P (E) ≥ 0

• La probabilité de l’événement certain est égale à 1

P (Ω) = 1

• Si des événements E1 , . . . , En sont disjoints, on a

P (E1 ∪ . . . ∪ En ) = P (E1 ) + . . . + P (En )

On peut montrer que la définition fréquentiste satisfait à ces axiomes.

Propriétés découlant des axiomes

Si E1 et E2 sont deux événements tels que E1 ⊂ E2 alors

P (E1 ) ≤ P (E2 )

Démonstration : Comme E1 ⊂ E2 , on peut écrire E2 sous la forme de deux événements disjoints :

E2 = E1 ∪ (E2 \ E1 )

Vu le troisième axiome de Kolmogorov, on a

P (E2 ) = P (E1 ) + P (E2 \ E1 )

Or P (E2 \ E1 ) ≥ 0, on a donc
P (E2 ) ≥ P (E1 )

5
 Si E ⊂ Ω, alors
0 ≤ P (E) ≤ 1

Démonstration : Vu la propriété précédente, P (E) ≤ P (Ω) = 1. Comme P (E) ≥ 0 vu la premier

axiome, on a bien 0 ≤ P (E) ≤ 1.

Soit un événement E et Ē son complémentaire. On a

P (E) + P (Ē) = 1

Démonstration : E et Ē sont deux événements disjoints. Par conséquent, P (E ∪ Ē) = P (E) + P (Ē).
Comme E ∪ Ē = Ω et P (Ω) = 1, on a bien P (E ∪ Ē) = P (Ω) = P (E) + P (Ē) = 1.

La probabilité de l’événement impossible est nulle :

P( ) = 0

Démonstration : ∩ Ω = . Par conséquent, P ( ∪ Ω) = P ( ) + P (Ω).

Or, ∪ Ω = Ω. Donc, P ( ∪ Ω) = P (Ω) = P ( ) + P (Ω). Ainsi, P ( ) = 0.

Soient deux événements E1 et E2 , on a

P (E1 ∪ E2 ) = P (E1 ) + P (E2 ) − P (E1 ∩ E2 )

Démonstration :
E1 ∪ E2 = (E1 \ E2 ) ∪ E2 et (E1 \ E2 ) ∩ E2 =

On en tire que
P (E1 ∪ E2 ) = P (E1 \ E2 ) + P (E2 )

On a aussi
E1 = (E1 \ E2 ) ∪ (E1 ∩ E2 ) et (E1 \ E2 ) ∩ (E1 ∩ E2 ) =

Dès lors,
P (E1 ) = P (E1 \ E2 ) + P (E1 ∩ E2 )

En remplacant, on obtient

P (E1 ∪ E2 ) = P (E1 ) + P (E2 ) − P (E1 ∩ E2 )

Exercices
1
1. Un dé est truqué de telle manière que la probabilité de tomber sur 6 vaut , les autres points ayant
3
la même probabilité. Quelle est la probabilité
(a) de chaque événement élémentaire ?
(b) de tomber sur un autre nombre que 6 ?
(c) de tomber sur un nombre pair ?

6
 2. Un étudiant estime que la probabilité qu’il réussisse :
— son examen de math est de 7/10
— son examen de français est de 6/10
— les deux examens est de 4/10.
Quelle est la probabilité pour qu’il
(a) réussisse l’un ou l’autre de ses examens ?
(b) rate l’un ou l’autre de ses examens ?
(c) rate les deux examens ?

4 Equiprobabilité
Deux événements sont dits équiprobables s’ils ont la même probabilité de se produire.
Exemples : Le lancer d’une pièce non truquée, le lancer d’un dé équilibré, le tirage d’une carte au hasard, . . .

Cette propriété des événements élémentaires nous permet de définir une probabilité à priori :

Soit un événement E ∈ Ω. Si tous les événements élémentaires de la catégorie d’épreuve sont équi-
probables, alors
#E
P (E) =
#Ω
Autrement dit, la probabilité de l’événement E est le rapport entre le nombre de cas favorables à
l’événement E et le nombre total de résultats possibles.

La démonstration découle des axiomes de Kolmogorov et des propriétés démonstrées précédemment.

Exercices
1. On lance simultanément deux dés symétriques, l’un rouge et l’autre vert. Quelle est la probabilité
d’obtenir
(a) 8 au total des deux dés ?
(b) deux points identiques ?
(c) deux points différents ?
(d) deux points identiques ou un total strictement supérieur à 10 ?

2. Quelle est la probabilité de tirer d’un jeu de 52 cartes

(a) l’as de pique ?
(b) un roi ?
(c) une carte qui ne soit pas une image ?
(d) une carte de trèfle ?
(e) une carte rouge ?
(f) une carte portant un nombre pair de points ou une image ?

7
 (g) une carte de coeur ou une image ?
(h) une image noire, mais pas une pique ?

3. Quelle est la probabilité que, dans une famille de 3 enfants, les deux plus jeunes soient des garçons ?

4. Problème de d’Alembert : Un joueur lance une pièce de monnaie symétrique. S’il obtient "pile", il a
gagné et le jeu s’arrête, sinon, il procède à un second jet et s’il obtient "pile", il gagne sinon il perd.
Quelle est la probabilité pour qu’il gagne ?

8
5 Probabilité conditionnelle
Introduction
La probabilité d’un événement peut changer en fonction de la connaissance que nous avons d’autres
informations en rapport avec cet événement. Ainsi, l’hémophilie étant une maladie rare, la probabilité d’en
être atteint pour un individu donné est faible. Toutefois, si la mère du sujet est porteuse de l’anomalie
chromosomique, la probabilité pour le descendant de sexe masculin d’être atteint se trouve considérable-
ment modifiée.

Tout phénomène fortuit contient des phénomènes fortuits subordonnés qui peuvent ou non s’influencer
mutuellement. Si les phénomènes fortuits subordonnés ne s’influencent pas mutuellement, on dit qu’ils
sont indépendants. Par exemple, dans le jet simultané de deux dés homogènes discernables, il n’y a aucune
raison que le jet du premier dé influence le jet du second. Il y a indépendance.

Si au contraire les phénomènes fortuits subordonnés interagissent les uns sur les autres, on dit qu’ils
sont dépendants. Par exemple, dans deux tirages successifs sans remise d’une boule dans une urne qui
contient trois boules rouges et une boule blanche, le deuxième tirage dépend fortement du résultat du
premier tirage car celui-ci modifie la composition de l’autre.

Définition
Considérons un phénomène fortuit composé de deux phénomènes fortuits subordonnés.

Soient E1 un événement du premier phénomène fortuit subordonné et E2 un événement du second

phénomène fortuit subordonné.

La probabilité de l’événement E2 conditionnelle à l’événement E1 est la probabilité de l’événement

E2 sachant que l’événement E1 s’est produit. Elle est donnée par l’expression

P (E1 ∩ E2 )
P (E2 |E1 ) =
P (E1 )

où P (E1 ) 6= 0.

On peut vérifier que cette probabilité respecte bien les trois axiomes de Kolmogorov.

L’expression ci-dessus peut encore s’écrire P (E1 ∩ E2 ) = P (E1 ).P (E2 |E1 ) qui permet de calculer la
probabilité que deux événements relatifs différents se produisent ensemble.
On définit de la même manière la probabilité de E1 conditionnelle à E2 et on a :

P (E1 ∩ E2 )
P (E1 |E2 ) = ⇔ P (E1 ∩ E2 ) = P (E2 ).P (E1 |E2 )
P (E2 )

9
 Ainsi, on obtient la formule suivante

P (E2 ).P (E1 |E2 )

P (E2 |E1 ) =
P (E1 )

expression dans laquelle n’interviennent plus que des probabilités conditionnelles et des probabilités
d’événements simples.

Exercice
On jette deux dés discernables. Quelle est la probabilité
1. que la somme des points obtenus soit supérieure ou égale à 10, sachant qu’au moins un des nombres
de points est 6 ?
2. que l’un des points au moins soit 3 sachant que la somme des points obtenus est 9 ?

6 Arbre de probabilité
Lorsqu’une expérience aléatoire peut peut-être décomposée en une succession d’expériences aléatoires,
il peut être intéressant de réaliser un arbre de probabilité (voir figure ci dessous).

Les noeuds de cet arbre sont des résultats de l’expérience aléatoire et les branches sont des segments
de droite reliant les noeuds. A chaque branche, on associe un nombre qui correspond à la probabilité qu’à
le résultat suivant de se produire.

Un arbre de probabilité se lit de gauche à droite. Pour le construire on part d’un noeud initial et on
trace une branche pour chaque résultat possible. On répète ensuite le même processus pour chacun des
nouveaux noeuds.

À l’exception des branches issues du noeud initial, les probabilités écrites sur chacune des branches
dépendent du noeud dont elles proviennent, ce sont donc des probabilités conditionnelles. La somme des
probabilités inscrites sur les branches issues d’un même noeud est égale à 1.

On appelle chemin une succession de noeuds. Un chemin correspond à l’intersection des évènements
qui le constitue.

10
 Dans l’exemple d’arbre tracé ci-dessus, les évènements A, B et C constituent le premier niveau de
l’arbre et les évènements A1 , A2 , B1 , B2 et B3 constituent le deuxième niveau de l’arbre.

Les évènements A1 et A2 sont disjoints, et ils constituent l’ensemble des possibles de l’expérience
aléatoire du 2ème niveau sachant que A est réalisé. Par conséquent, on a

P (A1 |A) + P (A2 |A) = 1

Et la somme des probabilités inscrites sur les branches issues d’un même noeud est donc bien égale à 1.

Un exemple de chemin est montré par le tracé en pointillé à la figure précédente. Il correspond à
l’évènement obtenir A et A2 .

Probabilité d’un chemin

La probabilité d’un chemin est le produit des probabilités inscrites sur chaque branche du
chemin.

Dans l’exemple précédent, la probabilité d’obtenir A et puis A2 correspond à la probabilité de l’événe-

ment A ∩ A2 . Elle vaut
P (A ∩ A2 ) = P (A).P (A2 |A)

Comme on a pu le voir dans les formules découlant de la probabilité conditionnelle.

7 Exemples
Exemple 1

Depuis quelques temps, une maladie se répand et on estime qu’1% de la population est atteint. Un
laboratoire a mis au point un test de dépistage. On a d’abord testé ce test sur des individus dont l’état
est connu :
• Sur des individus malades, le test a été positif pour 98% d’entre eux.
• Sur des individus sains, le test a été négatif pour 95% d’entre eux.
Un individu dont l’état de santé est inconnu est positif à ce test. Quelle est la probabilité qu’il soit malade ?

11
Exemple 2

Vidéo : [Link]

Exemple 3

On tire successivement et sans remise deux cartes dans un jeu de 52 cartes. Quelle est la probabilité
de tirer
1. Un as au premier tirage ?
2. un deuxième as au deuxième tirage sachant qu’un as est déjà sorti ?
3. deux as ?

Soient A l’événement "tirer un as au premier tirage", B l’événement "tirer un as au deuxième tirage"

et C l’événement "tirer deux as".

4 1
1. P (A) = =
52 13
3 1
2. P (B|A) = =
51 17
4 3 1
3. P (C) = P (A ∩ B) = P (A).P (B|A) = . =
52 51 221

Exemple 4

Dans une école de la région bruxelloise, 10% des garçons et 2% des filles mesurent plus de 1,70 m. On
sait que 70% des élèves sont des filles. Si l’on prend un élève au hasard et que celui-ci mesure plus de 1,70
m , quelle est la probabilité que ce soit une fille ?

Représentation du problème sous forme de diagramme en arbre :

Soient A l’événement « mesurer plus de 1,70 m », F l’événement « être une fille » et G l’événement «
être un garçon ».

P (F ∩ A) P (F ).P (A|F ) 70%.2% 140

P (F |A) = = = = = 0, 318
P (A) P (F ).P (A|F ) + P (G).P (A|G) 70%.2% + 30%.10% 440

Remarque : on calcule P (A) grâce au fait que A = (A ∩ F ) ∪ (A ∩ G)

12
Exemple 5

Deux grossistes produisent des bulbes de tulipes :

— Le premier, des bulbes à fleurs rouges dont 90% donnent une fleur,
— Le second, des bulbes à fleurs jaunes dont 80% donnent une fleur.
Un horticulteur achète 70% des bulbes qu’il cultive au premier grossiste et le reste au second. Un bulbe
donne au plus une fleur. L’horticulteur plante un bulbe au hasard.

Représentation du problème sous forme d’un tableau à double entrée

On utilisera les notations suivantes : F : "le bulbe donne une fleur" et R : "la fleur est rouge".
On peut représenter les données sur le tableau suivant sur base de 100 bulbes :

Quelle est la probabilité que le bulbe planté au hasard ?

63
1. donne une fleur rouge ?
100
13
2. ne donne pas de fleur ? .
100

Le bulbe a donné une fleur

63
3. Quelle est la probabilité que celui-ci provienne du premier grossiste ?
87

8 Evénements indépendants
Deux événements sont indépendants si la réalisation de l’un n’a aucune influence sur la réalisation
de l’autre et réciproquement. Autrement dit P (A ∩ B) = P (A).P (B).

Par conséquent, si A et B ne sont pas des événements vides, ils sont indépendants si et seulement si
P (A|B) = P (A) ou P (B|A) = P (B).

9 Evénements incompatibles
Deux événements sont incompatibles si leur intersection est vide. Autrement dit A ∩ B = . Par
conséquent, P (A ∩ B) = 0.

Exemple : On écrit les entiers de 1 à 20 sur vingt cartons que l’on mélange ensuite. On en tire un au
hasard.
On appelle A l’événement « obtenir un nombre impair » et B « obtenir un multiple de 5 ».
1. Les événements A et B sont-ils indépendants ? A et B sont-ils incompatibles ?
2. Même question si on ajoute un carton numéroté 21.

13
10 Exercices
1. Les observations effectuées au Zwin ont permis de constater que la proportion des oiseaux migrateurs
à une période déterminée y était de 0,4 ; celle des oiseaux aquatiques de 0,35 et celle des oiseaux
aquatiques sédentaires de 0,1. Quelle est la probabilité pour qu’un oiseau pris au hasard
(a) soit sédentaire ?
(b) ni soit ni un oiseau migrateur, ni un aquatique ?

2. D’une urne contenant 3 boules noires et 4 boules blanches, on tire successivement trois boules.
Quelle est la probabilité d’obtenir 2 boules blanches et une boule noire si
(a) le tirage est avec remise ?
(b) le tirage est sans remise ?

3. Dans un collège, 44% des garçons et 37% des filles ont un ordinateur personnel. On sait de plus que
60% des élèves sont des filles. On choisit un(e) élève au hasard.
(a) Quelle est la probabilité que cet(te) éléve ait un ordinateur personnel ?
(b) Si un élève possède un ordinateur personnel, quelle est la probabilité que ce soit une fille ?

4. Dans une école primaire, un enfant sur quatre reçoit un vaccin contre la grippe. Parmi les en-
fants vaccinés contre la grippe, 20% ont fait une poussée grippale durant les 2 mois qui ont suivi
l’administration du vaccin. Durant la même période, parmi les enfants non vaccinés, 46% des en-
fants ont fait une poussée grippale. Quelle est la probabilité qu’un enfant pris au hasard soit grippé ?

5. Une enquête est faite auprès de la population étudiante d’un campus universitaire. L’enquête révèle
que les filles représentent 48 % de la population étudiante, que 30% des étudiants jouent d’au moins
un instrument de musique, et que, parmi ceux-ci, 45 % sont des filles.
On interroge un étudiant au hasard. Quelle est la probabilité pour que ce soit :
(a) un garçon ?
(b) un musicien ?
(c) une fille sachant jouer d’un instrument de musique ?
(d) un garçon sachant que l’étudiant interrogé joue d’un instrument de musique ?

6. Depuis quelques temps, une maladie se répand et on estime qu’1% de la population est atteint. Un
laboratoire a mis au point un test de dépistage mais aucun test n’est efficace à 100%, il y a toujours
un pourcentage d’erreur. On a d’abord testé ce test sur des individus dont l’état est connu :
• Sur des individus malades, le test a été positif pour 99% d’entre eux.
• Sur des individus sains, le test a été négatif pour 98% d’entre deux.
Quel est le pourcentage d’efficacité du test pour quelqu’un dont on ne connaît pas l’état de santé ?
(L’efficacité d’un test est la probabilité qu’il ne se trompe pas)

14
 7. Une usine dispose de deux machines M1 et M2 , fabriquant des boulons. La première, M1 , produit
40% de la totalité des boulons. De plus, 5% des boulons fabriqués par cette machine sont défec-
tueux, tandis que M2 ne produit que 1% de boulons défectueux.
On tire un boulon au hasard et on constate qu’il est défectueux, quelle est la probabilité qu’il ait
été produit par M1 ?

8. La répartition des groupes sanguins dans la population belge est la suivante :

Détermine la probabilité des événements suivants :

(a) "la personne est du groupe A"
(b) "la personne est RH+ et du groupe A"
(c) "la personne est RH+ ou du groupe A"

9. La probabilité pour qu’un jour quelconque de mai soit non pluvieux est 0,8. Une équipe de football
gagne ses matchs par temps clair avec une probabilité de 0,7 et par temps de pluie avec une proba-
bilité de 0,4. Sachant que cette équipe a gagné un match le 10 mai, quelle est la probabilité pour
qu’il ait plu ce jour-là ?

10. On choisit une personne au hasard dans une population. On sait que la probabilité que cette
personne soit un fumeur est 0,47, qu’elle soit un alcoolique est 0,28 et qu’elle soit affligée de ces
deux vices est 0,18.
(a) Quelle est la probabilité qu’elle soit fumeur si elle est alcoolique ?
(b) Quelle est la probabilité qu’elle soit alcoolique si elle est fumeur ?
(c) Ces deux caractères sont-ils indépendants ?

11. . Durant les vacances scolaires, des jeunes vont faire un stage de langues à l’Abbaye de Maredsous.
Le tableau suivant donne la répartition des 150 stagiaires en fonction de la langue choisie et de
l’activité sportive choisie.

On choisit un stagiaire au hasard.

(a) Les événements « étudier l’allemand » et « pratiquer le tennis » sont-ils indépendants ?
(b) Les événements « étudier l’anglais » et « pratiquer la natation » sont-ils indépendants ?

15