Introduction à la Probabilités

Probabilités & Statistique:

Introduction à la Probabilités

École Supérieure de l’Éducation et de la Formation

Université Hassan I – Settat

18 janvier 2026

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 1 / 43

Introduction à la Probabilités

Sommaire

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 2 / 43

Introduction à la Probabilités

Motivation

Pourquoi on construit un modèle probabiliste ?

Lorsqu’on veut formaliser un problème dans lequel le hasard intervient

(lancer de dé, météo, durée de vie, résultats d’un test, . . .), on doit
construir un modèle probabiliste, choisi en fonction de l’objective
souhaité. Le modèle probabiliste est construit à partir d’un ensemble
fondamental/univers : Ω, d’une tribu F et d’une probabilité P.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 3 / 43

Introduction à la Probabilités

Définition 1
On appelle Expérience aléatoire ou épreuve aléatoire, notée E,
une expérience que l’on peut répéter dans les mêmes conditions, mais
dont on ne peut pas prévoir le résultat à l’avance.

Définition 2
On appelle Univers associé à l’éxpérience aléatoire, notée Ω,
l’ensemble de tous les résultats possibles de E.

Définition 3
Les éléments de Ω sont appelés événements élémentaires ou issues,
notée ω ∈ Ω.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 4 / 43

Introduction à la Probabilités

Exemple 1 :

E : “Lancer d’un dé à six

faces”,
Ω = {1, 2, 3, 4, 5, 6},
ω = 4 est un résultat possible.

Exemple 2 :
E : “Lancer de deux pièces de
monnaie distinguables”,
Ω = {P P ; P F ; F P ; F F },
ω = P F est un résultat
possible.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 5 / 43

Introduction à la Probabilités

Définition 4
Soit Ω univers associé à une éxpérience aléatoire, un événement est
un sous-ensemble de Ω, (un résultat d’une expérience aléatoire).

∅ ⇔ événement
L’ensemble vide ∅ impossible
est associé un
On lance un dé à six faces.
événement particulier
“obtenir un nombre 7” est
impossible.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 6 / 43

Introduction à la Probabilités

Ω ⇔ événement certain
L’ensemble Ω On lance un dé à six faces.
est associé à un
événement particulier “obtenir un nombre compris
entre 1 et 6” est un
événement certain.

Exemple : On lance un dé à six faces

“Obtenir un nombre pair”.

,→ L’ensemble de tous les résultats possibles n’est autre que

l’ensemble des parties∗ de Ω, noté P(Ω).

∗
L’ensemble de tous
les sous-ensembles
de Ω

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 7 / 43

Introduction à la Probabilités

Exemple :
On considère une urne qui contient
trois boules, numérotées 1, 2 et 3.
Ω = {1, 2, 3},
P(Ω) = {∅, {1}, {2}, {3},
{1, 2}, {1, 3}, {2, 3}, Ω}

L’événement : “obtenir un nombre ≤ 2” : {1, 2}

L’événement : “obtenir un nombre impair” : {1, 3}
L’événement : “obtenir un nombre ≥ 2” : {2, 3}

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 8 / 43

Introduction à la Probabilités

Soient A et B deux événements associés à une expérience aléatoire.

Comment traduire
le ≪et≫ ?

,→ L’intersection de A et B, notée

A∩B

est l’événement qui se réalise lorsque les deux événements A et B se

réalisent en même temps.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 9 / 43

Introduction à la Probabilités

Exemple :

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 10 / 43

Introduction à la Probabilités

Comment traduire
le ≪ou≫ ?

,→ La réunion de A et B, notée

A∪B

est l’événement qui se réalise lorsque au moins l’un des deux

événements A ou B se réalise (ou les deux à la fois).

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 11 / 43

Introduction à la Probabilités

Exemple :

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 12 / 43

Introduction à la Probabilités

Définition 5
On appelle cardinal d’un évènement A ∈ Ω, noté Card(A) le nombre
d’élément de A, telle que

Card(A ∪ B) = Card(A) + Card(B) − Card(A ∩ B).

Dans l’exemple précédent, on a

Card(A) = 3, comme A = {1, 2, 3},
Card(B) = 3, comme B = {3, 4, 5},
Card(A ∩ B) = 1, comme A ∩ B = {3},
Card(A ∪ B) = 5, comme A ∪ B = {1, 2, 3, 4, 5},

Alors,
Card(A) + Card(B) − Card(A ∩ B) = 3 + 3 − 1 = 5 = Card(A ∪ B).

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 13 / 43

Introduction à la Probabilités

Complémentaire d’un évémement

Définition 6
Soit A un événement associé à une expérience aléatoire, et Ω l’univers
des possibles. Le complémentaire de événement A, noté

A ou Ac ou Ω\A.

Autrement dit :
A contient tous les résultats possibles qui n’appartiennent pas à A.

Propriétiés importantes
A ∪ A = Ω.
A ∩ A = ∅.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 14 / 43

Introduction à la Probabilités

Exemple : On lance un dé équilibré.

Ω = {1, 2, 3, 4, 5, 6}.
Soit A l’événement : “ obtenir un nombre pair ” = {2, 4, 6}.
Le complémentaire de A est : A = {1, 3, 5}.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 15 / 43

Introduction à la Probabilités

Définition 7
On dit que deux événements A et B sont incompatibles si :

A ∩ B = ∅.

Exemple :
Pour tout événement A et son contraire Ā, on a A ∩ Ā = ∅. Cela
signifie que A et Ā sont incompatibles.
Soit Ω = {1, 2, 3, 4, 5, 6} et si
A = {1, 2, 3} et B = {4, 5, 6}.
Alors, A ∩ B = ∅ ⇒ A et B sont incompatibles.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 16 / 43

Introduction à la Probabilités

Remarque
Deux événements incompatibles ne sont pas necessairement contraire.
Mais, deux événements contraire sont incompatibles.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 17 / 43

Introduction à la Probabilités

Système complet d’événements

Définition 8
Soit (Ai ) une famille finie de n événements. On dit que (Ai ) est un
système complet d’événements (SCE) si :
∀ i, j ∈ J1, nK : i ̸= j ⇒ Ai ∩ Aj = ∅.
[n
Ai = Ω.
i=1

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 18 / 43

Introduction à la Probabilités

Une tribu

Définition 9
Soient Ω un ensmble et F une famille de parties de Ω. On dit que F est
une tribu si :
Ω ∈ F.
Si A ∈ F alors Ā ∈ F. “stabilité par passage au complémentaire.”
[
Si (Ai ) une suite dénombrable d’éléments de F, alors Ai ∈ F.
i
“stabilité par réunion dénombrable.”

L’ensemble (Ω, F) est appelé espace probabilisable∗ .

∗ Signifie qu’on peut le menu d’une probabilité.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 19 / 43

Introduction à la Probabilités

Probabilité P

Définition 10
On appelle probabilité sur (Ω, F) toute application P : F → [0, 1] telle
que :
P(Ω) = 1.
Si (An ) est une famille d’événements deux à deux incompatibles
(disjoints), c’est-à-dire An ∩ Am = ∅, pour tout n ̸= m, alors :
+∞
! +∞
[ X
P An = P(An ).
n=1 n=1

On dit alors que (Ω, F, P) est un espace probabilisé, et pour tout

A ∈ F, P(A) est la probabilité de l’événement A.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 20 / 43

Introduction à la Probabilités

Terminologie concernant les événements :

Si P(A) = 0, l’événement A est dit négligeable.

Si P(A) = 1, l’événement A est dit presque sûr (p.s).

Propriétiés
P(∅) = 0.
Pour tout événement A, P(Ā) = 1 − P(A).
Si A ⊂ B, alors P(A) ≤ P(B).
Pour tous événements A et B,
P(A ∪ B) = P(A) + P(B) − P(A ∩ B).

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 21 / 43

Introduction à la Probabilités

Cas élémentaire : équiprobabilité

On suppose que Card(Ω) = n, avec Ω = {ω1 , . . . , ωn }.

Définition 11
La probabilité uniforme sur Ω est la probabilité P définie par :
Pour tout A ∈ {ωi1 , . . . , ωik } ⊂ Ω,

Card(A) k
P(A) = = .
Card(Ω) n

Autrement dit,
nombre de cas favorabes
P(événement) = .
nombre de cas possibles

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 22 / 43

Introduction à la Probabilités

Dénombrement

On utilise l’analyse combinatoire pour étudier les différentes façons de

compter, d’ordonner, ou de choisir des éléments dans un ensemble fini.
En analyse combinatoire, on distingue deux critères :

1. Avec ou sans remise :

a. Avec remise :
Cela signifie qu’après avoir tiré un élément, on le remet avant le tirage
suivant. Donc, le même élément peut être choisi plusieurs fois.

Exemple :
On tire deux boules dans une urne contenant les boules numérotées
1, 2, 3 avec remise.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 23 / 43

Introduction à la Probabilités

Les couples possibles sont :

(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3).

Nombre de possibilités :
32 = 9.
Formule :

Nombre de possibilités = np .

b. Sans remise :
Même urne (1, 2, 3) mais sans remise. Cela signifie qu’après avoir tiré
un élément, on ne le remet pas. Donc, le même élément ne peut pas
être choisi deux fois.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 24 / 43

Introduction à la Probabilités

Les couples possibles sont :

(1, 2), (1, 3), (2, 1), (2, 3), (3, 1), (3, 2).

Formule :
n!
Akn = .
(n − k)!

Application :
3! 3!
A23 = = = 6.
(3 − 2)! 1!
Donc il y a 6 cas possibles.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 25 / 43

Introduction à la Probabilités

2. Ordonné ou non ordonné :

a. Cas ordonné :

L’ordre des éléments choisis compte. Par exemple, (1, 2) et (2, 1) sont
différents. Ce cas correspond aux arrangements.
- Cas ordonné avec remise :
On peut répéter les éléments et l’ordre compte.

Nombre de possibilités = nk (arrangements avec remise).

- Cas ordonné sans remise :

Pas de répétition, mais l’ordre compte.

n!
Nombre de possibilités Akn = (arrangements sans remise).
(n − k)!

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 26 / 43

Introduction à la Probabilités

b. Cas non ordonné :

L’ordre ne compte pas. (1, 2) et (2, 1) sont considérés comme la même

combinaison.
- Cas non ordonné avec remise :
On peut répéter les éléments, mais l’ordre ne compte pas.

k (n + k − 1)!
Nbr de possibilités = Cn+k−1 = (combinaison sans remise).
k!(n − 1)!

Exemple : On choisit 2 éléments parmi {1, 2, 3} avec remise et sans

ordre.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 27 / 43

Introduction à la Probabilités

Les couples possibles sont :

(1, 1), (1, 2), (1, 3), (2, 2), (2, 3), (3, 3).

Donc, le nombre de possibilités

k 2 4! 4×3×2×1 24
Cn+k−1 = C3+2−1 = C42 = = = = 6.
2!(4 − 2)! (2 × 1)(2 × 1) 4

- Cas non ordonné sans remise :

Pas de répétition et l’ordre ne compte pas.

n!
Nbr de possibilités = Cnk = (combinaison sans remise).
k!(n − k)!

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 28 / 43

Introduction à la Probabilités

Exemple : On choisit 2 éléments parmi {1, 2, 3} sans remise et sans

ordre.
Les couples possibles sont :

(1, 2), (1, 3), (2, 3).

Donc, le nombre de possibilités

3! 3×2×1
Cnk = C32 = = = 3.
2!(3 − 2)! (2 × 1) × 1

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 29 / 43

Introduction à la Probabilités

Conclusion :

Ordre Remise Nom du dénombrement Formule

oui oui Arrangement avec remise nk
n!
oui non Arrangement sans remise Akn =
(n − k)!
k (n + k − 1)!
non oui Combinaison avec remise Cn+k−1 =
k!(n − 1)!
n!
non non Combinaison sans remise Cnk =
k!(n − k)!

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 30 / 43

Introduction à la Probabilités

Probabilité conditionnelle

Définition 12
On considère un espace probabilisé (Ω, F, P). Soit B ∈ F tel que
P(B) > 0. On appelle probabilité de A sachant B (c-à-d : la
réalisation de l’événement A sachant que l’événement B a eu lieu) la
probabilité définie par :

P(A ∩ B)
P(A | B) = .
P(B)

Remarque
P(A ∩ B) désigne la probabilité que les événements A et B se réalisent
en même temps.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 31 / 43

Introduction à la Probabilités

Exemple : On lance un dé à 6 faces numérotées de 1 à 6. Toutes les

issues sont équiprobables.
Ω = {1, 2, 3, 4, 5, 6}
1
Chaque issue a une probabilité .
6
Événement A : ≪ le résultat est pair ≫

Ω = {2, 4, 6}
Événement B : ≪ le résultat est supérieur ou égal à 4 ≫

Ω = {4, 5, 6}
On a :
2 1
A ∩ B = {4, 6}, alors P(A ∩ B) = = .
6 3
3 1
P(B) = = .
6 2
Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 32 / 43
Introduction à la Probabilités

Donc,
P(A ∩ B) 1/3 2
P(A | B) = = = .
P(B) 1/2 3
Sachant que le résultat du dé est supérieur ou égal à 4, la probabilité
2
qu’il soit pair est égale à .
3

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 33 / 43

Introduction à la Probabilités

Formule de Probabilité Totale

Théorème 1
Soit {A1 , . . . , An } un système complet d’événement. Pour tout
événement B on a :
n
X
P(B) = P(B | Ai ) P(Ai ).
i=1

En particulier, pour tous événements A et B,

P(B) = P(B | A) P(A) + P(B | Ā) P(Ā).

“On décompose la probabilité de B selon les différents cas possibles

A1 , . . . , An qui couvrent toutes les situations.”

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 34 / 43

Introduction à la Probabilités

Exemple : Dans une classe on a :

40 % sont des garçons, c-à-d : P(G) = 0.4.

60 % sont des filles, c-à-d : P(F ) = 0.6.

On choisit un étudiant au hasard. On veut savoir : quelle est la

probabilité qu’il aime le sport ?
On définit les événements suivants :

G : l’étudiant est un garçon,

F : l’étudiant est une fille,
S : l’étudiant aime le sport.

Les événements G et F couvrent tous les cas.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 35 / 43

Introduction à la Probabilités

On sait que :
Parmi les garçons, 70 % aiment le sport, c-à-d : P(S | G) = 0.7.
Parmi les filles, 50 % aiment le sport, c-à-d : P(S | F ) = 0.5.

La probabilité qu’un étudiant choisi au hasard aime le sport est :

P(S) = P(S | G)P(G) + P(S | F )P(F )

= 0,7 × 0,4 + 0,5 × 0,6

= 0,28 + 0,3

= 0,58.
Donc, 58 % des étudiants aiment le sport.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 36 / 43

Introduction à la Probabilités

Formule de Bayes

Théorème 2
Soit {A1 , . . . , An } un système complet d’événement. Pour tout
événement B, et tout événement Ai du système, on a :

P(B | Ai ) P(Ai )
P(Ai | B) = n .
X
P(B | Aj ) P(Aj )
j=1

En particulier, pour tous événements A et B,

P(B | A) P(A)
P(A | B) = .
P(B | A) P(A) + P(B | Ā) P(Ā)

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 37 / 43

Introduction à la Probabilités

Autrement dit :
On connaı̂t des probabilités “avant” (a priori) et on reçoit une
information nouvelle. Bayes permet de corriger ces probabilités grâce
à cette information.
Exemple :
Une usine a deux machines :

Machine M1 fabrique 60 % des pièces.

Machine M2 fabrique 40 % des pièces.

Taux de défaut :

P(D | M1 ) = 0, 02.
P(D | M2 ) = 0, 05.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 38 / 43

Introduction à la Probabilités

On prend une pièce au hasard, elle est défectueuse. Quelle est la

probabilité qu’elle vienne de M1 ?

Probabilités a priori :

P(M1 ) = 0, 6 et P(M2 ) = 0, 4.

Calcul de P(D) :

P(D) = P(D | M1 ) P(M1 ) + P(D | M2 ) P(M2 )

= 0,02 × 0,6 + 0,05 × 0,4

= 0,032.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 39 / 43

Introduction à la Probabilités

Application de Bayes :

P(D | M1 ) P(M1 )
P(M1 | D) =
P(D)

0,02 × 0,6
=
0,032

= 0, 375.

Même si M1 fabrique plus de pièces, une pièce défectueuse a seulement

37, 5% de chance de venir de M1 .

C’est ça l’idée de Bayes :

on part d’une info nouvelle (ici : la pièce est défectueuse) pour mettre à
jour une probabilité initiale.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 40 / 43

Introduction à la Probabilités

Indépendance

Définition 13
Deux événements A et B sont indépendants si :

P(A ∩ B) = P(A) P(B).

Les événements A1 , . . . , An sont deux à deux indépendants si :

P(Ai ∩ Aj ) = P(Ai ) P(Aj ), 1 ≤ i ̸= j ≤ n.

Les Ai sont mutuellement indépendants si

P(A1 ∩ · · · ∩ An ) = P(A1 ) · · · P(An ).

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 41 / 43

Introduction à la Probabilités

Exemple : On lance un dé équilibré à six faces numérotées de 1 à 6.

On note

A l’événement “Obtenir un nombre pair.”

B l’événement “Obtenir un multiple de 3.”

Alors :

Les nombres pair parmi les faces du dé sont :

A = {2, 4, 6}.

Les multiples de 3 parmi les faces du dé sont :

B = {3, 6}.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 42 / 43

Introduction à la Probabilités

On a :
3 1 2 1
P(A) = = et P(B) = = .
6 2 6 3
1
P(A ∩ B) = = P(A) P(B).
6
Alors, les événements A et B sont indépendants.

Pr. Meryem Benazzouz Introduction à la Probabilités 18 janvier 2026 43 / 43