Université Catholique de l'Afrique de l'Ouest (UCAO)

Unité d'enseignement: Statistiques mathématiques L1/S2

Avril 2023
Contents

1 Calcul de probabilités 3
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Vocabulaire des probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Langage des événements ou Rélations fondamentales . . . . . . . . . . . . 4
1.4 Probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4.1 Dénition d'une probabilité et mesure de probabilité . . . . . . . . 5
1.4.2 Propriétés élémentaires d'une probabilité . . . . . . . . . . . . . . . 6
1.4.3 Cas d'équiprobabilité: . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Probabilité conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.6 Probabilités composées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.7 Formule des probabilités totales: . . . . . . . . . . . . . . . . . . . . . . . . 8
1.8 Formule de Bayes: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.9 Exercice d'application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
Chapter 1

Calcul de probabilités

1.1 Introduction

Les probabilités est un domaine des mathématiques à part entière comme l'analyse,
l'algèbre ou la géométrie.
Les concepts d'événement et de probabilité d'un événement sont deux notions intuitives.
L'objectif de la théorie des probabilités est d'essayer de formaliser cette intuition dans un
cadre mathématique, an de comprendre les situations dans lesquelles le hasard intervient.
Dans le langage courant, une probabilité est souvent comprise comme une sorte de mesure
du caractère probable d'un événement. En fait, on confond souvent les notions de proba-
bilité et de fréquence.
On peut distinguer deux écoles et diérents concepts.
La probabilité d'événements répétitifs est dénie à partir de la fréquence d'apparitions de
ces événements. On distingue diérents concepts:

l'approche fréquentiste ou fréquentielle, elle est fondée sur la notion d'épreuves

répétées et indépendantes, la probabilité étant dénie comme la limite de la fréquence
relative des observations.

La notion de probabilité tirée des jeux de hasard
La probabilité est le quotient du nombre de cas favorables par le nombre de cas possibles,
mais chaque cas étant supposé également possible, donc équiprobable.
 - 4-

1.2 Vocabulaire des probabilités

Dénition 1. Expérience aléatoire: On appelle expérience ou épreuve aléatoire, toute

expérience entraînant des résultats qui dépendent du hasard. Son issue ne peut être prévue
à priori. Une expérience donne lieu à un nombre ni ou dénombrable d'issues (ou résultats)
possibles, notées ω1 , ω2 ,    , ωn .
Exemple: Le jet d'un dé est une experience aléatoire.

Dénition 2. Eventualité: Le résultat d'une expérience aléatoire est appelée éventual-

ité ou cas possible. Un résultat possible de l'expérience est également appelé élément de
l'échantillon.
Exemple: Les diérentes éventualités d'une expérience du jet de dé sont:t1u, t2u, t3u, t4u, t5u, t6u

Dénition 3. Univers: L'univers d'une expérience, noté Ω, est l'ensemble de tous les
résultats possibles (ou toutes les éventualités possibles) de cette experience. L'ensemble des
résultats possibles d'une expérience est également appelé espace-échantillon ou l'ensemble
référentiel.

Exemple:

L'univers d'un lancé de dé est Ω  t1, 2, 3, 4, 5, 6u.

L'espace-échantillon ou l'univers du jet d'une pièce de monnaie est Ω  tP ile, F aceu.
Dénition 4. Evénement: Un événement est une partie de l'univers ou un ensemble de
résultats possibles de l'expérience aléatoire.
Un évènement élémentaire est un évènement qui ne contient qu'un seul élément.
Exemple: Obtenir un 2 lors d'un lancé de dé est un évènement élémentaire qu'on décrit

par t2u, obtenir un nombre impair est un évènement qui se décrit par t1, 3, 5u. L'univers
Ω est l'évènement certain et le vide H est l'évènement impossible.

1.3 Langage des événements ou Rélations fondamen-

tales

Soient A et B deux évènements de l'univers Ω d'une expérience.

Complément d'un événement: Le complément ou contraire de A noté Ā ou Ac est

l'évènement contenant tous les éléments de l'univers ne se trouvant pas dans A. Ā est
1.4 Probabilités - 5-

réalisé si et seulement si A ne l'est pas et A.

Exemple: Ω et H sont contraires ou complémentaires.

Réunion de A et B : L'événement A ou B , noté, A Y B contenant tous les éléments

de A et tous ceux de B est réalisé si l'un des deux ou si les deux sont réalisés.

L'intersection de A et B : L'évènement A et B noté A X B contenant les éléments

qui appartiennent à la fois à A et à B est réalisé si A et B sont réalisés.

Événements incompatibles Deux évènements A et B sont dits incompatibles (mutuelle-

ment exclusifs ou disjoints ) lorsque leur intersection est vide, c'est-à-dire lorsqu'ils ne
peuvent être réalisés simultanément. A et B incompatibles si A X B  H .

La diérence A
B : L'évènement ”A-B” est réalisé si et seulement si A est réalisé et

B ne l'est pas. On a ω P pA
B q ðñ ω P A X B̄

Ensemble des parties de Ω: Soit Ω, l'ensemble de toutes les parties de Ω est P pΩq.

Système complet: Les événements A1, A2, . . . , An forment un système complet d'événements
ou système exhaustif si les ensembles qui leur sont associés forment une partition de
l'espace Ω, c'est à dire la famille A1 , A2 , . . . , An est dite système complet d'événements si
pour tout i  j, Ai X Aj  H et Ynj1  Ω. (c'est à dire s'ils forment une partition de Ω
et deux à deux disjoints)

1.4 Probabilités

1.4.1 Dénition d'une probabilité et mesure de probabilité

La probabilité d'un évènement est un nombre qui mesure les "chances" que cet évènement
a se produire sur une échelle de 0 à 1.

Dénition 5. Soit Ω un ensemble ni non vide et P pΩq l'ensemble des parties de Ω. Une
probabilité dénie sur P pΩq est une application P de P pΩq dans r0, 1s qui vérie:

ˆ P pHq  0

ˆ P pΩq  1
 - 6-

Si A1 , A2 , . . . , An sont d'évènements disjoints, alors P pA1 Y A2 Y  Y An q  P pA1 q

ˆ
P pA2 q  P pA q 
n
¸ P pA q  1
n

i

i 1

P pAq est appelé probabilité de l'événement A.

La mesure de probabilité nous permet de dénir un univers probabilisé (ou un espace
probabilisé).

Dénition axiomatique

Dénition 6. Soit pΩ, F q un univers probabilisable ni tel que Ω  tω1, ω2,    , ωnu et
soit P pΩq l'ensemble des parties, avec F € P pΩq. Une probabilité est une application
P : F Ñ r0, 1s , telle que :
1. La somme des probabilités associées aux événements élémentaires (ou singletons) ωi est
¸ n
égale à 1: P pω q  1 i

¸
2. La probabilité d'un événement A P F est égale à la somme des probabilités associées
i 1

aux événements élémentaires ωi qui le constituent:P pAq  P pωi q

P
ωi A

1.4.2 Propriétés élémentaires d'une probabilité

ˆ P pHq  0

ˆ P pΩq  1

ˆ P pA Y B q  P pAq P pB q
P pA X B q

ˆ P pAq  1
P pAq

ˆ Si A X B  H (A et B disjoints), alors P pA Y B q  P pAq P pB q

ˆ Si A1 , A2 , . . . , An forment un système complet d'évènements,

alors P pA1 Y A2 Y    Y An q  P pA1 q P pA2 q  P pAn q 
¸ P pA q
n

i

i 1

1.4.3 Cas d'équiprobabilité:

Soit Ω  tω1 , ω2 ,    , ωn u l'univers (l'ensemble des résultats possibles) d'une expérience
aléatoire.
1.5 Probabilité conditionnelle - 7-

On dit qu'il y a équiprobabilité lorsque les probabilités de tous les événements élémentaires
sont égales, cest à dire

P pω1 q  P pω2 q      P pωn q   n1

1
cardpΩq
Lorsque tous les événements élémentaires sont équiprobables; alors la probabilité de l'évènement
A est:
cardpAq Nombre de cas favorables
P pAq  
cardpΩq Nombre de cas possible
Cette loi de probabilité est souvent appelée loi uniforme sur Ω.

1.5 Probabilité conditionnelle

Dénition 7. Soient A et B deux événements tels que P pAq  0. On appelle probabilité

conditionnelle de B sachant A notée P pB {Aq ou PA pB q, la quantité
P pA X B q
P pB {Aq 
P pAq
On déduit que P pA X B q  PA pB q  P pAq.

Remarque 1. ˆ Si A € B alors A X B  A et P pB {Aq  1

ˆ Si B € A alors A X B  B et P pB {Aq  P pPApXABq q  PP ppBAqq
Propriétés:

ˆ PA pB q  1
PA pB q

ˆ Si P pB q  0 ðñ PB pAq  P pAq

ˆ Si A et B sont disjoints alors P pB {Aq  0

ˆ Deux événements A et B sont indépendants si P pA X B q  P pAqP pB q

ˆ Si A et B sont indépendants alors P pB {Aq  P pB q

Note:
Pour A et B indépendants, A et B sont aussi indépendants, de même A et B sont in-
dépendants.
 - 8-

1.6 Probabilités composées

Soit deux événements A et B où P pAq  0 et P pB q  0

P pA X B q  PA pB q  P pAq  PB pAq  P pB q

. Formule généralisable:

P pA1 X A2 X  X An q  P pA1 q P pA2 {A1 qP pA3 {A2 X A1 q    P pAn {A1 X A2   X An
1 q

Exemple: Pour A, B et C , on a
P pA X B X C q  P pAqP pB {AqP pC {A X B q

1.7 Formule des probabilités totales:

Soit un système complet d'évènements non impossibles A1 , A2 ,    , An .

Pour tout B , on a

P pB q 
¸ P pA q{P pB{A q  ¸ P pA X Bq
n

i i
n

i

i 1 
i 1

Puisque Ai X B sont disjoints (mutuellement exclusifs)

¸ P pA X Bq  P pY
n

 pAi X B q  P pB q
n
i i 1

i 1

1.8 Formule de Bayes:

Soit un système complet d'évènements non impossibles A1 , A2 ,    , An . Pour tout j tel

que on a 1 ¤ j ¤ n.
P pAj q{P pB {Aj q
P pAj {B q 
¸ P pA q{P pB{A q
n

i i
 i 1

On sait que PB pAqP pB q  PA pB qP pAq (probabilité totales) Donc on a:

P pAj q{P pB {Aj q
P pAj {B q 
¸ P pA q{P pB{A q
n  P pPApi BXqB q
i i

i 1
1.8 Formule de Bayes: - 9-

Remarque: Le théorème de Bayes est aussi appelé formule de probabilité des causes.
En eet, admettons que les événements Aj pour 1 ¤ j ¤ n s'apparentent aux ”causes”
de l'événement B . La probabilité P pAj {B q s'interprète alors comme la probabilité que la
cause Aj soit responsable de la survenue de l'événement B , sachant que l'événement B
s'est réalisé.
Le théorème de Bayes est en eet particulièrement adapté pour identier les ”causes”
d'un événement.

Exercice d'application

On considère un patient qui peut suivre au choix deux traitements, notés T1 et T2 . La

probabilité qu'il suive le traitement T1 est égale à 75%. On sait par ailleurs que la prob-
abilité de succès du traitement T1 est égale à 80%, tandis que celle du traitement T2 est
égale à 90%. On admet que la probabilité que ce patient soit guéri, événement noté G, est
égale à 82, 5%. Déterminer la probabilité que le patient ait suivi le traitement T1 sachant
qu'il est guéri.