Séquence 9 : Probabilité

Classe : TSE – TSEXP Durée : 20 heures

Discipline : Mathématiques UA : 2
1- Domaine : SMT (Sciences – Mathématiques et Technologiques)
2- Compétences :

- Résoudre une situation problème.

- Mettre à profit ses connaissances scientifiques et technologiques.
- Communiquer à l’aide de langages mathématique, scientifique et technologique.
Composantes et manifestations

Composantes Manifestations
- Sélectionner les données mathématiques,
scientifiques et technologiques qui sont en
rapport avec la situation.
- Etablir des relations entre les données
Diagnostiquer la situation-problème. retenues.
- Comparer cette situation-problème avec des
situations semblables déjà résolues.
- Former le problème.

- Inventorier les différentes pistes de solutions.

- Choisir une piste parmi un éventail de
Mettre à l’essai des pistes de solutions. possibilités.
- Appliquer cette piste.

Se servir de contre – exemples pour ajuster des

Partager les informations relatives à la démarche démarches.
scientifique et mathématique. -Expliquer des résultats
-Tirer une conclusion.

3- Contenu (s) : Probabilité

4- Ressources éducatives :
- Ressources humaines (Elèves – Professeur et surtout les ressources externes)

- Ressources matérielles (Craie – Chiffon -Règle – Tableau)

- Ressources financières : (RAS)

Séquence 9. Probabilité. Prof M. Idrissa DEMBELE. Page 1

 Cours
Objectif : Cette séquence vise à :
• Apprendre à calculer l’union, l’intersection et le produit cartésien de deux ensembles ;

• Apprendre à dénombrer un ensemble ;

• Apprendre à calculer la probabilité des événements simples ;

• Apprendre à calculer la probabilité des événements indépendants ;

• Utiliser la loi binomiale et l’épreuve de Bernoulli pour résoudre des problèmes.

Evaluation-diagnostic :
̂
5
Calcule les expressions suivantes : 5! ; 𝐴38 ; 𝐶72 ; 𝐴10

Situation – Problème :
Dans une classe de 40 élèves, 25 aiment la mathématique ; 30 aiment le français et 17 aiment la
mathématique et le français.
Calcule le nombre d'élève qui aiment :
a- Uniquement le français.
b- Uniquement la mathématique.
c- La mathématique ou le français
Synthèse
NB : Tout d’abords, faisons une traduction mathématique des affirmations ci-dessus :
- Une classe comporte 40 élèves alors 𝐶𝑎𝑟𝑑(E) = 40
- 25 aiment la mathématique alors 𝐶𝑎𝑟𝑑 (Maths) = 25
- 30 aiment le français alors 𝐶𝑎𝑟𝑑 (Franc) = 30
- 17 aiment les maths et le Français alors 𝐶𝑎𝑟𝑑 (Maths ∩Franc) = 17
1) Calculons le nombre d’élève qui aiment :
a) Uniquement le français
Soit 𝐶𝑎𝑟𝑑 (A) cet ensemble tel que :
𝐶𝑎𝑟𝑑 (A) = Card (franc) – card (Maths∩ franc) => Card (A) = 30 – 17 = 13
b) Uniquement les mathématiques
Soit 𝐶𝑎𝑟𝑑(𝐵) cet ensemble tel que :
Card (B) = Card (maths) – Card (maths ∩ franc) => Card (B) = 25 – 17 = 8
c) Les mathématiques ou le Français.
Soit 𝐶𝑎𝑟𝑑(𝐶) cet ensemble tel que :
Card (C) = 𝐶𝑎𝑟𝑑(maths) + 𝐶𝑎𝑟𝑑 franc) – 𝐶𝑎𝑟𝑑 (Maths∩ français)
=>Card (C) = 25 + 30 – 17 = 38

Séquence 9. Probabilité. Prof M. Idrissa DEMBELE. Page 2

 I- Dénombrement :
1) Vocabulaire de la théorie des ensembles :
Soit E un ensemble et soient 𝐴 et 𝐵 deux sous-ensembles de E.
- Expérience aléatoire : expérience dont le résultat dépend du hasard.
- Eventualité : résultat possible d’une expérience aléatoire.
- Univers ou 𝑪𝒂𝒓𝒅𝑬 = 𝒏 : ensemble de toutes les éventualités d’une expérience aléatoire.
- Evénement : sous-ensemble de l’univers.
- Evénement élémentaire : événement réduit à un seul élément.
- Union de deux ensembles : Soient 𝐴 et 𝐵 deux ensembles finis. On appelle Union de A et
B, l'ensemble des éléments de A ou B. On note : A∪B = {𝒙/𝒙 ∈ 𝑨 𝒐𝒖 𝒙 ∈ 𝑩}
- Intersection de deux ensembles : L'intersection de deux ensembles A et B regroupent les
éléments communs à A et B. On note : A∩B = {𝒙/𝒙 ∈ 𝑨 𝒆𝒕 𝒙 𝑩}.
- Différence A moins B : On appelle différence A moins B, l’ensemble noté A−B tel que :
A−B= {𝒙 ∈ 𝑬; 𝒙 ∈ 𝑨 𝒆𝒕 𝒙 ∉ 𝑩}.
- Différence symétrique de A et B : On appelle différence symétrique de A et B,
l’ensemble noté AΔB tel que : AΔB= {(𝐀 − 𝐁 ) ∪ (𝐁 − 𝐀)}
- Produit cartésien de A par B : On appelle produit cartésien de A par B l'ensemble des
couples ( 𝑥 ; 𝑦) tel que : 𝑥 appartient à A et 𝑦 appartient à 𝐵. On note :
𝑨 × 𝑩 = {(𝒙 ; 𝒚)/ 𝒙 ∈ 𝑨 𝒆𝒕 𝒚 ∈ 𝑩}.
- Evènement contraire de 𝑨 ou complémentaire de 𝑨 dans 𝑬 : On appelle évènement
contraire de A, l'ensemble de toutes les issues de 𝐸 n'appartenant pas à A. On la note : 𝐴̅
tel que : 𝐴̅ = 𝐶𝐸 (𝐴) = {𝒙/𝒙 ∈ 𝑬 𝒆𝒕 𝒙 ∉ 𝑨} = {𝒙/𝒙 ∈ 𝑬 𝒆𝒕 𝒙 ∈ 𝐴̅ }.

Illustration
E E
A∪B A∩B

A B A B

E
E AΔB
A
𝐶𝐸𝐴

A B
2) Propriétés sur les ensembles finis
Soient 𝐴 ; 𝐵 et 𝐶 trois ensembles finis. On admet les propriétés suivantes :
- Propriétés relatives à ∪
P1 : 𝐴 ∪ ∅ = ∅ ∪ 𝐴 = 𝐴 ; P2 : 𝐴 ∪ 𝐴 = 𝐴 ; P3 : 𝐴 ∪ 𝐵= 𝐵 ∪ 𝐴

Séquence 9. Probabilité. Prof M. Idrissa DEMBELE. Page 3

 - Propriétés relatives à ∩
P1 : 𝐴 ∩ ∅ = ∅ ∩ 𝐴 = 𝐴 ; P2 : 𝐴 ∩ 𝐴 = 𝐴 ; P3 : 𝐴 ∩ 𝐵= 𝐵 ∩ 𝐴
- Propriétés relatives à A−B ; 𝑪𝑬 (𝑨) et AΔB
P1 : 𝐴 − 𝐵  𝐴 ⊂ 𝐵 ; P2 : AΔB= BΔA ; P3 : AΔ∅ = A
- Propriétés relatives à 𝑨 × 𝑩
P1 : 𝐴 × 𝐵 ≠ 𝐵 × 𝐴 ; P2 : 𝐴 × 𝐵 = ∅  𝐴 = ∅ ou 𝐵 = ∅
Evaluation
Soient 𝐴 et 𝐵 deux ensembles finis tels que : 𝐴 = {1; 𝑎 ; 𝑐} et 𝐵 = {𝑏 ; 1 ; 𝑐 ; 2}
1) Détermine : A∩B ; A∪B ; A×B.
2) Détermine : 𝐶𝑎𝑟𝑑(A) ; 𝐶𝑎𝑟𝑑(B) ; 𝐶𝑎𝑟𝑑(A∩B) ; 𝐶𝑎𝑟𝑑(A∪B) ; 𝐶𝑎𝑟𝑑(A×B).
3) Permutation−Arrangement – combination – P-liste
a) Permutation :
• Définition :
On appelle permutation de 𝑛 éléments d’un ensemble fini E, le nombre entier noté 𝒏! et on lit :
≪ Factorielle 𝒏 ≫ tel que : 𝒏! = 𝒏( 𝒏 − 𝟏)( 𝒏 − 𝟐) … × 𝟐 × 𝟏.
• Propriétés : P1: 0! = 1 ; P2 : 1! = 1 ; P3 : 2! = 2
b) Arrangement:
• Définition :
Soient 𝑛 et 𝑝 deux entiers naturels ( 𝒏 ≥ 𝒑 ).
𝒑
On appelle arrangement de 𝑛 éléments pris 𝑝 à 𝑝 distinct, l’entier noté 𝑨𝒏 et on lit :
𝒑 𝒏! 𝒑
≪ A ; 𝒏 ; 𝒑 ≫ tel que : 𝑨𝒏 = ou 𝑨𝒏 = 𝒏( 𝒏 − 𝟏 )( 𝒏 − 𝟐 ) … ( 𝒏 − 𝒑 + 𝟏 )
( 𝒏−𝑷 )!
• Propriétés :
P1 : 𝐴0𝑛 = 1 ; P2 : 𝐴1𝑛 = 𝑛 ; P3 : 𝐴𝑛𝑛 = 𝑛 ! ; P4 : 𝐴𝑛−1 𝑛 =𝑛!
c) Combinaison :
• Définition :
Soient 𝑛 et 𝑝 deux entiers naturels ( 𝒏 ≥ 𝒑 ).
𝒑
On appelle combinaison de 𝑛 éléments pris 𝑝 à 𝑝 distinct, l’entier noté 𝑪𝒏 et on lit :
𝒑 𝒏! 𝒑
≪ C ; 𝒏 ; 𝒑 ≫ tel que : 𝑪𝒏 = ou 𝑨𝒏 = 𝒏( 𝒏 − 𝟏 )( 𝒏 − 𝟐 ) … ( 𝒏 − 𝒑 + 𝟏 )
𝒑!( 𝒏 − 𝒑 )!
• Propriétés :
𝑝 𝑝−1 𝑝
P1 : 𝐶𝑛0 = 1 ; P2 : 𝐶𝑛1 = 𝑛 ; P3 :𝐶𝑛𝑛 = 1 ; P4 : 𝐶𝑛𝑛−1 = 𝑛 ; P5 : 𝐶𝑛 = 𝐶𝑛−1 + 𝐶𝑛−1
d) Nombre d'application d'un ensemble fini dans un autre ensemble fini ( 𝑷- liste)
• Définition :
Soient 𝑛 et 𝑝 deux entiers naturels ( 𝒏 ≥ 𝒑 ).
̂
On appelle nombre d’application de 𝑛 éléments pris 𝑝 à 𝑝 distinct, l’entier noté 𝑨𝒏𝑷 et on lit :
̂
≪ A ; 𝒏 ; 𝒑 𝒄𝒉â𝒑𝒆𝒂𝒖 ≫ tel que : 𝑨𝒏𝑷 = (𝑛)𝑝
• Propriétés :
P1 : 𝐴0̂𝑛 = 𝑛0 = 1 ; P2 : 𝐴1̂𝑛 = 𝑛1 = 𝑛
Evaluation
8 ! ( 𝑛 + 1) ! ̂
1) Calcule : 5 ! + 3(4 !) ; ; ; 𝐴38 ; 𝐶74 ; 𝐴58
3 ! ( 𝑛 − 1) !
2) Résous dans ℕ les équations suivantes :
a) 𝐴2𝑛 = 𝑛( 2𝑛 + 5) ; b) 𝐶𝑛2 = 5𝑛 ; c) 𝐶𝑛𝑛−2 =28

Séquence 9. Probabilité. Prof M. Idrissa DEMBELE. Page 4

 4) Les différents types de tirages
a- Tirages successifs et sans remise :
Si l’énoncé contient les mots successifs et sans remise, cela signifie que l’ordre dans lequel on
considère les éléments a de l’importance mais que tous les éléments considérés sont distincts
(ou qu’il n’y a pas de répétition d’éléments).
Ainsi le modèle mathématique utilisé est : l’arrangement : 𝑨𝑷𝒏
b- Tirages successifs et avec remise :
Si l’énoncé contient les mots successifs et avec remise, cela signifie que l’ordre dans lequel on
considère les éléments a de l’importance et qu’un élément peut éventuellement être répété.
̂
Ainsi le modèle mathématique utilisé est : la P-liste: 𝑨𝑷𝒏
c- Tirage simultané :
Si l’énoncé contient le mot simultanément, cela signifie que l’ordre dans lequel on considère
les éléments n’a pas d’importance.
Ainsi le modèle mathématique utilisé est : la combinaison : 𝑪𝑷𝒏
d- Tirage successif :
Si l’énoncé contient le mot successif, il faut en tenir compte de tous les ordres dans lesquels on
peut obtenir un événement donné.
On doit souvent multiplier par le nombre d’ordres possibles le résultat trouvé pour un ordre
déterminé.
NB : En probabilité :
- Le nombre total d’élément qui constitue l’univers est noté : 𝒏.
- Le nombre de tirage parmi ces 𝒏 éléments est noté : 𝒑.
- La conjonction de coordination ≪ 𝒆𝒕 ≫ se traduit par la multiplication ≪×≫.
- La conjonction de coordination ≪ 𝒐𝒖 ≫ se traduit par l’addition ≪ +≫.

Attention : les affirmations ci-dessus ne sont que des indications, elles admettent donc des
exceptions.
Evaluation
Un sac contient 25 boules dont 9 rouges, 6 vertes et 10 jaunes. On tire 5 boules du sac.
I// Dénombre les cas possibles à cette épreuve si :
1) Le tirage est simultané.
2) Le tirage est successif et sans remise.
3) Le tirage est successif et avec remise.
II// Dénombre les cas favorables à cette épreuve si :
1) Le tirage est simultané et le résultat contient exactement 3 boules rouges.
2) Le tirage est successif et sans remise et le résultat contient 2 boules vertes et 2 jaunes.
3) Le tirage est successif et avec remise et le résultat contient 1 boule jaune ou 3 vertes.
4) Le tirage est simultané et le résultat contient 2 boules rouges, 2 vertes et 1 jaune.
5) Le tirage est simultané et le résultat contient au moins 4 boules rouges.
6) Le tirage est successif et sans remise et le résultat contient au plus 3 boules jaunes.

II- Probabilité simple :

1) Définition :
Dans une épreuve où tous les évènements élémentaires d’un univers Ω sont équiprobables, la
probabilité d’un évènement A est le nombre réel défini par le rapport entre le Nombre de Cas
Favorable à l'évènement A et le Nombre de Cas Possible. On note PA ou P(A).
𝐶𝑎𝑟𝑑( 𝐴 ) 𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝐶𝑎𝑠 𝐹𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 à 𝑙𝑎 𝑟é𝑎𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝐴
P(A) = =
𝐶𝑎𝑟𝑑( Ω ) 𝑁𝑜𝑚𝑏𝑟𝑒 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝐶𝑎𝑠 𝑃𝑜𝑠𝑠𝑖𝑏𝑙𝑒𝑠 à 𝑙𝑎 𝑟é𝑒𝑎𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝐴

Séquence 9. Probabilité. Prof M. Idrissa DEMBELE. Page 5

 2) Propriétés :
Soit Ω l'univers ou évènement certain. Soient 𝐴 et 𝐵 deux évènements élémentaires de Ω.
On a les propriétés suivantes :
• 𝑃(𝛺) = 1
• 𝑃(∅)= 0
• 𝑆𝑖 𝐴 ∩ 𝐵 ≠ ∅ 𝑎𝑙𝑜𝑟𝑠 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) – 𝑃(𝐴 ∩ 𝐵)
• 𝑆𝑖 𝐴 ∩ 𝐵 = ∅ 𝑎𝑙𝑜𝑟𝑠 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)
• 𝑃(𝐴) + 𝑃(̅̅̅ 𝐴)=1

3) Equiprobabilité :
On parle d'équiprobabilité si la probabilité de réalisation de chaque évènement élémentaire est
le même.
Exemple : Le lancer du dé est un évènement équiprobable car la probabilité d'apparition de
1
chaque face est
6
Evaluation
On dispose d’un jeu de 32 cartes ordinaires.
On tire simultanément et au hasard trois cartes du jeu.
Calcule la probabilité des évènements suivants :
1) A : « le tirage contient deux cartes noires ».
2) B : « le tirage contient trois cartes rouges ».
3) C : « le tirage contient deux piques et un trèfle ».
4) D : « le tirage contient un carreau ou un cœur ».
5) E : « le tirage contient un as ».
Synthèse

On dispose d’un jeu de 32 cartes ordinaire => 𝑛 = 32

On tire 3 cartes du sac => 𝑝 = 3
𝑝 3
Le tirage est simultané => 𝑐𝑎𝑟𝑑(𝛺) = 𝐶𝑛 = 𝐶32 = 4960
Calculons la probabilité des évènements suivants :
1) A : « le tirage contient deux cartes noires ».
𝑐𝑎𝑟𝑑(𝐴) 𝐶216 ×𝐶116 1920
𝑃(𝐴) = = 3 = = 0,38
𝑐𝑎𝑟𝑑(𝛺) 𝐶32 4960
2) B : « le tirage contient trois cartes rouges ».
𝑐𝑎𝑟𝑑(𝐵) 𝐶316 ×𝐶016 560
𝑃(𝐵) = = = = 0,11
𝑐𝑎𝑟𝑑(𝛺) 𝐶332 4960
3) C : « le tirage contient deux piques et un trèfle ».
𝑐𝑎𝑟𝑑(𝐶) 𝐶2 ×𝐶1 224
𝑃(𝐶) = = 83 8 = = 0,40
𝑐𝑎𝑟𝑑(𝛺) 𝐶32 4960
4) D : « le tirage contient un carreau ou un cœur ».
𝑐𝑎𝑟𝑑(𝐷) 𝐶18 + 𝐶18 16
𝑃(𝐷) = = 3 = = 0,003
𝑐𝑎𝑟𝑑(𝛺) 𝐶32 4960
5) E : « le tirage contient un as ».
𝑐𝑎𝑟𝑑(𝐸) 𝐶14 ×𝐶228 1512
𝑃(𝐸) = = = = 0,30
𝑐𝑎𝑟𝑑(𝛺) 𝐶332 4960

Séquence 9. Probabilité. Prof M. Idrissa DEMBELE. Page 6

 III- Probabilités conditionnelles et Indépendance
1) Définition :
Soient A et B deux évènements de probabilité non nulles tels que A ∩ B ≠ ∅ .
La probabilité de réalisation de A quand B est réalisé s’appelle probabilité conditionnelle de A
𝑷( 𝑨 ∩ 𝑩)
par rapport à B ou probabilité de A sachant B. 𝑷(𝑨/𝑩) = 𝑷𝑩 ( 𝑨 ) = .
𝑷( 𝑩 )
2) Indépendance :
Deux évènements A et B sont indépendants si la réalisation de l’un ne modifie pas la
réalisation de l’autre.
On a alors :
- 𝑃( 𝐴 ∩ 𝐵) = 𝑃( 𝐴 ) × 𝑃( 𝐵 ).
- 𝑃( 𝐴 ∪ 𝐵) = 𝑃( 𝐴 ) + 𝑃( 𝐵 ) − 𝑃( 𝐴 ∩ 𝐵).
- 𝑃(𝐴̅) = 1 − 𝑃(𝐴)
- 𝑃(𝐴) = 𝑃( 𝐴 ∩ 𝐵) + 𝑃( 𝐴 ∩ 𝐵̅ )
3) Construction d’un arbre pondéré :
Méthode :
Pour construis un arbre pondéré, on applique les règles suivantes :
- Les évènements qui se trouvent aux extrémités des branches primaires forment une
partition de l’univers Ω.
- Le poids d’une branche primaire est la probabilité de l’évènement qui se trouve à son
extrémité.
- La somme des poids des branches primaires vaut 1.
- Le poids d’une branche secondaire est la probabilité conditionnelle de l’évènement qui se
trouve à son extrémité sachant que le trajet menant à son origine a été réalisé.
- La somme des poids des branches secondaire issues d’un même nœud vaut 1.
- Le poids ou la probabilité d’un trajet est le produit des branches le constituant.
- La probabilité d’un évènement associé à plusieurs trajets complets est la somme des
probabilités de ces trajets.
Illustration

Branche
𝑩
Secondaire
Branche 𝑨 Trajet
Primaire ̅
𝑩
𝑝
Racine

𝑞 =1−𝑃
𝑩
̅
𝑨
Nœud ̅
𝑩

Evaluation
Une maladie touche 3% d’une population.
Un test de dépistage donne les résultats suivants :

Séquence 9. Probabilité. Prof M. Idrissa DEMBELE. Page 7

- Chez les individus malades, 95% de tests sont positifs.
- Chez les individus non malades, 1% de tests sont positifs.
On note M l’évènement : ≪ être malade ≫ et T l’évènement : ≪ le test est positif ≫
Construis un arbre pondéré correspondant à cette expérience aléatoire.
Synthèse
Construisons un arbre pondéré correspondant à cette expérience aléatoire.
L’arbre pondéré correspondant à cette expérience aléatoire est :
- Probabilités de ces trajets.
𝟗𝟓
𝟗𝟓% = = 𝟎, 𝟗𝟓
𝟏𝟎𝟎 𝑻
𝟑 𝑴
𝟑% = = 𝟎, 𝟎𝟑
𝟏𝟎𝟎
𝟓
𝟓% =
𝟏𝟎𝟎
= 𝟎, 𝟎𝟓 ̅
𝑻
𝟏
𝟏% = = 𝟎, 𝟎𝟏 𝑻
𝟏𝟎𝟎
𝟗𝟕 ̅
𝑴
𝟗𝟕% = = 𝟎, 𝟗𝟕
𝟏𝟎𝟎
𝟗𝟗 ̅
𝑻
𝟗𝟗% = = 𝟎, 𝟗𝟗
𝟏𝟎𝟎

IV- Loi de probabilité

1) Variable aléatoire :
On appelle variable aléatoire réelle, toute application 𝑥 de Ω dans ℝ, l'ensemble des valeurs
prises par 𝑥, noté 𝑥(Ω) et s'appelle l'univers image de Ω par 𝑥.
2) Loi de probabilité d'une variable aléatoire X
On appelle loi de probabilité d'une variable aléatoire X, la fonction : P : 𝑥↦P(X = 𝑥) qui a
toute valeur image on associe la probabilité 𝑃𝑖 = P(X = 𝑥𝑖 ).
N.B : Une loi de probabilité se présente sous forme d'un tableau de valeurs

𝑥𝑖 𝑥1 𝑥2 𝑥3 …………… 𝑥𝑛
𝑝𝑖 (X= 𝑥𝑖 ) 𝑝1 𝑝2 𝑝3 ……………. 𝑝𝑛
Remarque : La somme de toutes les lois de probabilités est toujours égale à 1 c’est-à-dire :
𝒑𝑰 + 𝒑𝟐 + 𝒑𝟑 +…………. +𝒑𝒏 = 𝟏
3) Valeurs caractéristiques d'une variable aléatoire :
a) Espérance mathématique E(X)
On appelle espérance mathématique , le nombre noté : 𝐸(𝑋) tel que :
𝐸(𝑋) = ∑𝑛𝑖=1 𝑥𝑖 𝑃𝑖 = 𝑥1 𝑃1 + 𝑥2 𝑃2 + 𝑥3 𝑃3 + … . . 𝑥𝑛 𝑃𝑛
NB : C’est la moyenne pondérée des valeurs images 𝑥𝑖 pondérées par les probabilités 𝑃𝑖 Car :
𝑷𝟏 + 𝑷𝟐 + 𝑷𝟑 + … . . 𝑷𝒏 = 𝟏
Propriétés :
P1 : 𝐸(𝑋 – 𝐸(𝑋)) = 0 ; P3 :𝐸(𝑋 + 𝑘) = 𝐸(𝑋) + 𝑘 avec (𝑘 ∈ ℝ)
P2 : E(𝑘) = 𝑘 avec (𝑘 ∈ ℝ) P4: 𝐸(𝑘𝑋) = 𝑘 𝐸(𝑋). avec (𝑘 ∈ ℝ)
b) Variance:
On appelle variance d’une variable aléatoire X, le nombre réel noté V(𝑋) tel que :
V(𝑋) = ∑𝑛𝑖=1 𝑥𝑖2 𝑃𝑖 − [𝐸(𝑋)]2 = 𝑥12 𝑃1 + 𝑥22 𝑃2 + 𝑥32 𝑃3 + … . . 𝑥𝑛2 𝑃𝑛 − [𝐸(𝑋)]2

Séquence 9. Probabilité. Prof M. Idrissa DEMBELE. Page 8

Propriétés :
P1: V (𝑘) = 0 ; P2 : V(X+𝑘) = V(x) ; P3 : V(𝑘x) = 𝑘2V(x) avec (𝑘 ∈ ℝ)
c) Ecart – type:
On appelle écart-type, le nombre réel noté 𝛅(𝑋) tel que : 𝛅(𝑋) = √𝑉(𝑋) .
Propriété :  (𝑘𝑋) = 𝑘  (𝑋) avec (𝑘 ∈ ℝ)
4) Partie associée à une valeur image :
Etant donnée une valeur image 𝒙𝒊 ; on désigne par " 𝑿 = 𝒙𝒊 ", l'évènement constitué par
l'ensemble des éventualités 𝒆𝒌 de Ω ayant pour image 𝒙𝒊 par 𝑿. On note "𝑿(𝒆𝒌 )= 𝒙𝒊 "
ou " 𝑿 = 𝒙𝒊 ".
N.B : L'ensemble des évènements " 𝑿 = 𝒙𝒊 ",constitue une partition de Ω et forme un système
complet d'évènements.
On définit également les notations : X > 𝒂 ; X ≥ 𝒂; ………. qui désigne l'ensemble des
éventualités de Ω dont l'image est strictement supérieure à 𝒂, supérieure ou égale à 𝒂,……
5) Fonction de répartition d'une variable aléatoire X
On appelle fonction de répartition de la variable aléatoire x, la fonction F définie sur ℝ par :
F : x ↦ 𝑃(X ≤ 𝑥)
N.B : Si 𝑋𝑖 ≤ 𝑋≤ 𝑋𝑖+1 , alors F(x) = P1 + P2+……..+Pi
En particulier : F(x) = 0 pour x < x1 et F(x) = 1 pour x > xn
La fonction F est une fonction en escalier, croissante de 0 à 1
y
6

-8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 x
-1

-2

-3

-4

-5

-6

Evaluation
Soit 𝑋 une variable aléatoire dont la loi de probabilité est donnée par le tableau suivant :
𝑥𝑖 5 10 15 30
P(𝑋 = 𝑥𝑖 ) 0,1 𝑎 2𝑎 0,3
1) Calcule 𝑎.
2) En déduis les valeurs de :
a- L’espérance mathématique E(𝑋).
b- La variance V(𝑋) et L’écart-type δ(X)

Séquence 9. Probabilité. Prof M. Idrissa DEMBELE. Page 9

V- Epreuve de Bernoulli – Loi Binomiale
1) Epreuve de Bernoulli
On appelle épreuve de Bernoulli, toute épreuve ne conduisant qu’à deux éventualités : L’une
de ces deux éventualités est appelée succès avec pour probabilité 𝒑 et l’autre est appelée échec
avec pour probabilité 𝒒 = 𝟏 – 𝒑.
2) Loi binomiale :
Soit une suite de 𝒏 épreuves de Bernoulli identiques et indépendantes.
Soit 𝒑 la probabilité du succès et 𝒒 = 𝟏 – 𝒑 celle de l’échec.
Soit X la variable aléatoire désignant le nombre de succès.
La probabilité d’avoir exactement 𝒌 succès est : 𝒑 (𝑿 = 𝒌) = 𝑪𝒌𝒏 𝒑𝒌 𝒒𝒏−𝒌
Evaluation
1
On suppose que la probabilité de faire un garçon est . Une famille a 5 enfants.
4
Calcule la probabilité pour qu’il y ait exactement 3 garçons.
Synthèse
1
On suppose que la probabilité de faire un garçon est . Une famille a 5 enfants.
4
Calculons la probabilité pour qu’il y ait exactement 3 garçons.
Avoir une naissance simple conduit à 2 éventualités : soit on a un garçon, soit on a une fille.
C’est donc une épreuve de Bernoulli. On pourrait considérer l’épreuve « avoir un garçon »
1
comme le succès de probabilité p = et l’épreuve « avoir une fille » comme l’échec de
4
1 3
probabilité 𝑞 = 1 – 𝑝 = 1 − = .
4 4
Cinq naissances successives constituent une succession de 5 épreuves de Bernoulli.
Pour calculer la probabilité d’avoir exactement 3 garçons, on utilise alors la loi binomiale de
3 1 3 3 2 1 9 90
paramètre 5 et tel que : P(𝑥 = 3) = 𝐶53 ( ) ( ) = 10 × × =
4 4 4 64 16 1024
45
=> P(𝑥 = 3) = = 0,088
512

Séquence 9. Probabilité. Prof M. Idrissa DEMBELE. Page 10