Synthèse de Probabilités

Mamadou Lamine Kebe

Table des matières

1 Outils de dénombrement 1

2 Expérience aléatoire 2
2.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 Univers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.3 Événements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.4 Probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.5 Événements disjoints et incompatibles . . . . . . . . . . . . . . . . . . . . . 2
2.6 Partition de Ω . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

3 Probabilités conditionnelles, indépendance et formule des probabilités

totales 3
3.1 Probabilité conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.2 Indépendance de deux événements . . . . . . . . . . . . . . . . . . . . . . . 3
3.3 Formule des probabilités totales . . . . . . . . . . . . . . . . . . . . . . . . 3
3.4 Formule générale des probabilités totales . . . . . . . . . . . . . . . . . . . 4

4 Variables aléatoires 4
4.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4.2 Loi de probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4.3 Espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4.4 Variance et écart-type . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4.5 Remarque sur l'espérance de gain . . . . . . . . . . . . . . . . . . . . . . . 5
4.6 Fonction de répartition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

5 Loi binomiale 5
5.1 Épreuve de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
5.2 Loi binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1 Outils de dénombrement

Voici un récapitulatif des principaux outils de dénombrement utilisés en probabilités.

1
 Opérateur Formule Répétition Ordre Exemple

Permutation Pn = n! Non Oui Ordre des 5 livres sur une étagère

n! Choisir un président, un vice et
Arrangement An,p = Non Oui
  (n − p)! un secrétaire parmi 10 candidats
n n! Choisir 3 élèves parmi 20 pour un
Combinaison Cnp = = Non Non
p p!(n − p)! comité
Choisir un code à 4 chires parmi
p-liste np Oui Oui
10 possibles, avec répétition

2 Expérience aléatoire

2.1 Dénition
Une expérience aléatoire est une expérience dont le résultat ne peut pas être prédit
avec certitude avant de la réaliser.

2.2 Univers
L'univers ou espace fondamental est l'ensemble de tous les résultats possibles de
l'expérience. On le note généralement Ω.
Exemple : Pour le lancer d'un dé à six faces, on a

Ω = {1, 2, 3, 4, 5, 6}.

2.3 Événements
Un événement est un sous-ensemble de Ω.
Exemple : L'événement obtenir un nombre pair est

A = {2, 4, 6} ⊂ Ω.

2.4 Probabilités
La probabilité d'un événement A, notée P (A), est un nombre compris entre 0 et 1 qui
mesure la chance que cet événement se réalise.
On a les propriétés suivantes :
 0 ≤ P (A) ≤ 1
 P (Ω) = 1 (la probabilité que l'un des résultats possibles se réalise est certaine)
 P (∅) = 0 (la probabilité de l'événement impossible est nulle)

2.5 Événements disjoints et incompatibles

Deux événements A et B sont disjoints ou incompatibles si

A ∩ B = ∅,
c'est-à-dire qu'ils ne peuvent pas se produire en même temps.
Dans ce cas,
P (A ∪ B) = P (A) + P (B).

2
2.6 Partition de Ω
Une partition de Ω est un ensemble d'événements disjoints (A1 , A2 , . . . , An ) tels que

n
[
Ai = Ω.
i=1

Chaque résultat appartient à un et un seul de ces événements.

Exemple : Pour le lancer d'un dé, on peut partitionner Ω en deux événements :

A1 = {1, 3, 5}, A2 = {2, 4, 6}.

Ce sont deux événements disjoints dont la réunion est Ω.

3 Probabilités conditionnelles, indépendance et formule

des probabilités totales

3.1 Probabilité conditionnelle

Soient A et B deux événements tels que P (B) > 0. La probabilité conditionnelle
de A sachant B, notée P (A | B), est dénie par :

P (A ∩ B)
P (A | B) = .
P (B)

Elle représente la probabilité que l'événement A se réalise sous la condition que l'évé-
nement B est réalisé.

Remarque : Si A et B sont indépendants, alors P (A | B) = P (A).

3.2 Indépendance de deux événements

Deux événements A et B sont dits indépendants si la réalisation de l'un n'inuence
pas la probabilité de l'autre, c'est-à-dire si :

P (A ∩ B) = P (A) × P (B).

Autrement dit, connaître que B est réalisé ne modie pas la probabilité de A.

3.3 Formule des probabilités totales

Soit (A1 , A2 ) une partition de Ω avec P (A1 ) > 0 et P (A2 ) > 0. Pour tout événement
B, on a :

P (B) = P (B ∩ A1 ) + P (B ∩ A2 ) = P (B | A1 ) × P (A1 ) + P (B | A2 ) × P (A2 ).

Cette formule permet de calculer la probabilité d'un événement B en fonction d'une

partition de l'univers.

3
3.4 Formule générale des probabilités totales
Soit (Ai )1≤i≤n une partition de Ω avec P (Ai ) > 0 pour tout i. Alors, pour tout événe-
ment B , on a :
n
X n
X
P (B) = P (B ∩ Ai ) = P (B | Ai ) × P (Ai ).
i=1 i=1

4 Variables aléatoires

4.1 Dénition
Une variable aléatoire X est une fonction qui associe à chaque issue ω de l'univers
Ω un nombre réel X(ω).
Autrement dit, elle transforme les résultats d'une expérience aléatoire en nombres.

Par exemple, pour un lancer de dé, on peut dénir X comme la valeur obtenue :

X(ω) = ω, avec ω ∈ {1, 2, 3, 4, 5, 6}.

4.2 Loi de probabilité

La loi de la variable aléatoire X est donnée par l'ensemble des valeurs possibles
(xi )1≤i≤n que peut prendre X et leurs probabilités associées (pi )1≤i≤n , où

pi = P (X = xi ).
Elle peut se représenter sous forme de tableau :

xi x1 x2 ... xn
pi = P (X = xi ) p1 p2 ... pn
On a bien sûr la propriété :
n
X
pi = 1.
i=1

4.3 Espérance
L'espérance (ou moyenne) de X, notée E(X), est la moyenne pondérée des valeurs
possibles de X par leurs probabilités :

n
X
E(X) = xi p i .
i=1

4.4 Variance et écart-type

La variance de X , notée V (X) ou Var(X), mesure la dispersion autour de la moyenne
et se calcule par :
n
X
V (X) = pi (xi − E(X))2 .
i=1
L'écart-type de X, noté σ(X), est la racine carrée de la variance :
p
σ(X) = V (X).

4
4.5 Remarque sur l'espérance de gain
Si X représente un gain (ou une perte) associé à une expérience aléatoire, alors l'es-
pérance E(X) correspond au gain moyen attendu sur un grand nombre de répétitions de
cette expérience.
Ainsi, un jeu est favorable si E(X) > 0, défavorable si E(X) < 0, et équitable si
E(X) = 0.

4.6 Fonction de répartition

La fonction de répartition d'une variable aléatoire X, notée FX , est la fonction
dénie pour tout réel x par :
FX (x) = P (X ≤ x).
Elle donne la probabilité que la variable aléatoire prenne une valeur inférieure ou égale
à x.
Quelques propriétés importantes :
 FX est une fonction croissante.
 limx→−∞ FX (x) = 0.
 limx→+∞ FX (x) = 1.

5 Loi binomiale

5.1 Épreuve de Bernoulli

Une épreuve de Bernoulli est une expérience aléatoire qui n'a que deux issues
possibles : succès (S) ou échec (E).
On note p = P (S) la probabilité de succès, et 1 − p = P (E) la probabilité d'échec.

Par exemple : lancer une pièce de monnaie équilibrée, avec succès  face  et échec 
pile .

5.2 Loi binomiale

La loi binomiale modélise le nombre de succès dans une suite de n épreuves de
Bernoulli indépendantes, toutes identiques, de paramètre p.
On note la variable aléatoire associée X ∼ B(n, p).
Pour k ∈ {0, 1, . . . , n}, on a :

 
n k
P (X = k) = p (1 − p)n−k .
k

Cette probabilité correspond à obtenir exactement k succès parmi n essais.

Les paramètres caractéristiques sont :

E(X) = np, V (X) = np(1 − p).

5
Exercice de synthèse

Une grande enseigne organise un jeu en deux étapes :

 Étape 1 : Le client tire une carte numérotée de 1 à 50, chaque numéro étant
également probable.
 Étape 2 :
 Si le numéro est entre 1 et 15, il fait tourner une roue divisée en 10 secteurs,
dont 8 contiennent une étoile.
 Sinon, il fait tourner une autre roue divisée en 10 secteurs, avec un seul secteur
contenant une étoile.
Un bon d'achat est gagné si la roue s'arrête sur une étoile.

On note N l'événement  numéro entre 1 et 15 , et E l'événement  obtention d'une

étoile .

1. Justier que P (N ) = 0,3 et PN (E) = 0,8. Représenter cette situation avec un arbre
pondéré.

2. Calculer la probabilité que le client obtienne un numéro entre 1 et 15 et une étoile.

3. Justier que la probabilité de gagner un bon d'achat est 0,31.

4. Sachant que le client a gagné un bon d'achat, calculer la probabilité qu'il ait obtenu
un numéro entre 1 et 15.

5. Le montant du bon d'achat est de 10 ¿. Le directeur prévoit un budget de 250 ¿

pour 100 clients.

On considère X, la variable aléatoire représentant le nombre de bons d'achat

gagnés sur 100 clients, qui suit une loi binomiale.

(a) Déterminer les paramètres de X.

(b) Calculer la probabilité qu'exactement 30 clients gagnent un bon d'achat.

(c) Quel est le montant moyen total oert en bons d'achat ? Le budget est-il su-
sant ?