Séance : 1

Lire le cours
Regarder les vidéos
Poser des questions à travers le forum
Traiter les exercices
1. Statistique descriptive bivariée
On entend par statistique bivariée l’étude des relations entre deux variables, celles-ci pouvant
être quantitatives ou qualitatives.
On s’intéresse à deux variables x et y. Ces deux variables sont mesurées sur les n unités
d’observation. Pour chaque unité, on obtient donc deux mesures. La série statistique est alors
une suite de n couples des valeurs prises par les deux variables sur chaque individu :
(x1, y1), . . . , (xi, yi), . . . , (xn, yn).
Chacune des deux variables peut être, soit quantitative, soit qualitative. On examine deux
cas.
- Les deux variables sont quantitatives.
- Les deux variables sont qualitatives.
1.1. Deux variables quantitatives
1.1.1. Représentation graphique
Dans ce cas, chaque couple est composé de deux valeurs numériques. Un couple de nombres
(entiers ou réels) peut toujours être représente comme un point dans un plan.
(x1, y1), . . . , (xi, yi), . . . , (xn, yn).
Tableau 1 : On mesure le poids Y et la taille X de 20 individus
Personne Taille (xi) Poids (yi)
1 155 60
2 162 61
3 157 64
4 170 67
5 164 68
6 162 69
7 169 70
8 170 70
9 178 72
10 173 73
11 180 75
12 175 76
13 173 78
14 175 80
15 179 85
16 175 90
17 180 96
18 185 96
19 189 98
20 187 101
 105
100
95
90
85
Poids (kg)

80
75
70
65
60
55
150 155 160 165 170 175 180 185 190 195
Taille (cm)

Figure 1: Le nuage de points représentant simultanément le poids et la taille des individus

1.1.2. Analyse des variables

Les variables x et y peuvent être analysées séparément. On peut calculer tous les paramètres
dont les moyennes et les variances :

s² = variance

Ces paramètres sont appelés paramètres marginaux : variances marginales, moyennes

marginales, écarts-types marginaux, quantiles marginaux, etc… Il s’git des paramètres qui
ont fait l’objet de cours sur les analyses univariées.

Les variables x et y peuvent être analysées simultanément. On peut calculer à cet effet la
covariance, la corrélation entre les deux variables ler tous les paramètres dont les moyennes
et les variances :

[Link]. La covariance

La covariance de deux variables x et y est définie comme la moyenne des produits des écarts
à la moyenne des deux variables. En pratique, c’est une différence par rapport à la moyenne
et on multiplie les différences par rapport à la moyenne de l’autre valeur. Elle peut être positive
ou négative ou nulle. Mais comment savoir s’il y a un lien entre les deux variables si les valeurs
vont de l’infini à l’infini.

La covariance permet de déterminer le sens de la relation entre les deux variables :

• COV (x,y) > 0 les variables évoluent dans le même sens. Les deux variables ont
tendance à prendre simultanément des valeurs grandes ou petites.
 • COV (x,y) < 0 les variables évoluent en sens contraire. Si une variable prend une
valeur élevée, l’autre variable a tendance à prendre une petite valeur, et vice verse.
• En l’absence de relation linéaire, la covariance vaut zéro.

La covariance est définie par la formule suivante :

sxy = covariance de x et y

ou encore

Remarque : Quand xi = yi, pour tout i = 1, . . ., n, la covariance est égale à la variance.

Exercice 1 :

- A partir des données du tableau 1, construisez le graphique représentant

simultannément le poids et la taille des individus.
- Calculer la covariance entre les deux variables
 Séance 2 :
Lire le cours
Regarder les vidéos
Poser des questions à travers le forum
Traiter les exercices
[Link]. La corrélation
Elle se mesure à partir des coefficient de corrélation et de détermination

Le coefficient de corrélation est la covariance divisée par les deux écart-types marginaux :

Le coefficient de détermination est le carré du coefficient de corrélation :

Remarque

- Le coefficient de corrélation mesure la dépendance linéaire entre deux variables

• 1<=rxy<=1
• 0<=r²xy<=1
- Si le coefficient de corrélation est positif, les points sont alignés le long d’une droite
croissante.
- Si le coefficient de corrélation est négatif, les points sont alignés le long d’une droite
décroissante.
- Si le coefficient de corrélation est nul ou proche de zéro, il n’y a pas de dépendance
linéaire. On peut cependant avoir une dépendance non-linéaire avec un coefficient de
corrélation nul.

Figure 2 : Les nuages de points et coefficients de corrélation

 [Link]. Ajustement : droite de régression

La droite de régression est la droite qui ajuste au mieux un nuage de points au sens des
moindres carres.
On considère que la variable x est explicative et que la variable y est dépendante. L’équation
de la droite est une fonction afine de forme : y = a + bx.
Le problème consiste à identifier une droite qui ajuste bien le nuage de points. Si les coefficients
a et b étaient connus, on pourrait calculer les résidus de la régression définis par : ei = yi−a-bxi.
Le résidu ei est l’erreur que l’on commet (voir Figure 3 ) en utilisant la droite de régression
pour prédire yi à partir de xi. Les résidus peuvent être positifs ou négatifs.

Figure 3 : Le nuage de points, le résidu

Pour déterminer la valeur des coefficients a et b on utilise le principe des moindres carrés qui
consiste à chercher la droite qui minimise la somme des carrés des résidus :

Les coefficients a et b qui minimisent le critère des moindres carrés sont donnés par :
 105
100
95
90
85
Poids (kg)

80 y = 1,1802x - 126,61
R² = 0,7703
75
70
65
60
55
150 155 160 165 170 175 180 185 190 195
Taille (cm)

Figure 4: Droite de regression

Remarque : La droite de régression de y en x n’est pas la même que la droite de régression de x en y.

Exercice 2 : A partir des données du tableau 1 :

- Calculez les coefficients de corrélation et de détermination ;

- Déterminez l’équation de la droite d’ajustement selon la méthode des
moindres carrés ordinaire ;
- Tracez la droite d’ajustment sur la figure obtenue dans l’exercice 1.
 Séance : 3
Lire le cours
Regarder les vidéos
Poser des questions à travers le forum
Traiter les exercices
1.2. Deux variables qualitatives
Si les deux variables x et y sont qualitatives, alors les données observées sont une suite de
couples de variables : (x1, y1), . . . , (xi, yj ), . . . , (xn, yn). Chacune des deux variables prend
comme valeurs des modalités qualitatives. Les valeurs distinctes de x et y sont notées
respectivement :
x1, . . . , x j , . . . , x J
et
y1, . . . , yk, . . . , yK .
1.2.1. Tableau de contingence
Les données observées peuvent être regroupées sous la forme d’un tableau de contingence
Tableau 2 : Tableau de contingence

Les nj: et n:k sont appelés les effectifs marginaux. Dans ce tableau,

• nj: représente le nombre de fois que la modalité xj apparaît,

• n:k représente le nombre de fois que la modalité yk apparaît,
• njk représente le nombre de fois que les modalités xj et yk apparaissent ensemble.

On a les relations

Et

Exemple

On s’intéresse à une éventuelle relation entre le sexe de 200 personnes et la couleur des
yeux. Le Tableau 3 reprend le tableau de contingence.
 Tableau 3: Tableau des effectifs njk
Bleu Vert Marron Total
Homme 10 50 20 80
Femme 20 60 40 120
Total 30 110 60 200

Bleu Vert Marron Total

Homme 12 44 24 80
Femme 18 66 36 120
Total 30 110 60 200

1.2.2. Tableau des fréquences

Le tableau de fréquences s’obtient en divisant tous les effectifs par la taille de l’échantillon :

Le tableau des fréquences est :

Tableaeu 4 : Tableau des fréquences

Exemple : Le Tableau 5 est issu des données du tableau 3

Tableau 5 : Tableau des fréquences

Bleu vert Marron Total
Homme 0,05 0,25 0,10 0,40
Femme 0,10 0,30 0,20 0,60
Total 0,15 0,55 0,30 1
 Séance 4 :
Lire le cours
Regarder les vidéos
Poser des questions à travers le forum
Traiter les exercices

1.2.3. Profils lignes et profils colonnes

Un tableau de contingence s’interprète toujours en comparant des fréquences en lignes ou
des fréquences en colonnes (appelées aussi profils lignes et profils colonnes).

Les profils lignes sont définis par :

et les profils colonnes par :

Exemple : Le tableau 6 reprend le tableau des profils lignes, et le Tableau 7 reprend le

tableau des profils colonnes.
Tableau 6: Profils lignes
Bleu Vert Marron Total
Homme 0,13 0,63 0,25 1,00
Femme 0,17 0,50 0,33 1,00
Total 0,15 0,55 0,30 1,00

Tableau 7: Profils colonnes

Ble Ve Marro Tot
Homme u
0,33 rt
0,45 n
0,33 al
0,40
Femme 0,67 0,55 0,67 0,60
Total 1,00 1,00 1,00 1,00
 Séance 5 & 6 :
Lire le cours
Regarder les vidéos
Poser des questions à travers le forum
Traiter les exercices

1.2.4. Test d’indépendance entre deux variables qualitatives : Le test de khi-carré ou

khi deux

Le test de khi deux est un test statistique qui va permettre de se prononcer sur le lien entre
deux variables qualitatives. On cherche une interaction entre des lignes et des colonnes, un
lien entre les variables.
N.B. : Un test de khi deux s'applique uniquement sur des tableaux de contingence :
- Ayant au moins 2 lignes et 2 colonnes ;
- Contenant des valeurs positives entières ;
- Ayant au moins 60 observations au total ;
- Ayant au minimum 5 observations par cases du tableau et/ou dans le tableau des
effectifs théoriques.
Dans la pratique, l’application de ce test suit plusieurs étapes :
- Vérifier si le test de khi-deux est applicable sur le tableau ;
- Si oui, formuler l'hypothèse d'indépendance : "On fait l'hypothèse qu'il y a une relation
d'indépendance entre les lignes et les colonnes du tableau" ;
- Calculer l'indicateur de khi-deux en calculant le tableau des effectifs théorique et le
tableau des écarts à l'indépendance.
- Confronter l'indicateur de khi-deux à la table de loi de khi-deux ce qui nous permet
d'accepter ou de rejeter l'hypothèse d'indépendance.
- Interpréter les résultats du test en examinant le tableau d'origine (ou tableau des
effectifs observés), le tableau des effectifs théoriques et le tableau des écarts à
l'indépendance
Pour mettre en évidence ce lien, on construit un tableau d’effectifs théeoriques qui réprésente
la situation où les variables ne sont pas liées (indépendance). Ces effectifs théoriques sont
construits de la manière suivante :

Les effectifs observés njk ont les mêmes marges que les effectifs théoriques n∗jk.

Enfin, les écarts à l’indépendance sont définis par :

La dépendance du tableau se mesure au moyen du khi-carré défini par :

 1.2.5. Validation et interprétation du test Khi deux
La valeur maximale du Khi² dépend de la taille de la table de contingence ainsi que de l’effectif
total. Il est donc difficile d’évaluer le résultat. Une solution consiste à normaliser le résultat
afin qu’il évolue entre des bornes finies et connues. Pour cela, on définit le phi-deux par :

Le ϕ² ne dépend plus du nombre d’observations. Il est possible de montrer que

Le test du Khi² permet de savoir si les variables entretiennent une relation, avec un degré de
certitude plus ou moins grand. Par contre, il ne renseigne pas sur l’intensité de cette
relation. Connaître, pour l’ensemble d’une enquête, les croisements de variables qui
entretiennent les relations les plus intéressantes est fort utile, car cela permet d’organiser son
travail et de valider ou d’invalider ses hypothèses de départ.
Etant donné que le khi² dépend de la taille de l’échantillon et du degré de liberté, le test de
Cramer (aussi appelé v de Cramer) se compose ainsi :

où :
Le nombre de degré de liberté est défini par (J-1 * K-1) c’est-à-dire le nombre de lignes
moins 1 multiplié par le nombre de colonnes moins 1.
Le V de Cramer est compris entre 0 et 1. Il ne dépend ni de la taille de l’échantillon ni de la taille du tableau. Si V≈
0, les deux variables sont indépendantes. Si V = 1, il existe une relation fonctionnelle entre les variables, ce qui
signifie que chaque ligne et chaque colonne du tableau de contingence ne contiennent qu’un seul effectif différent de
0 (il faut que le tableau ait le même nombre de lignes que de colonnes).

Pour interpréter l’indicateur du khi-deux, on a besoin de consulter la table de loi de khi deux
(voir annexes) et de poser une hypothèse d’indépendance.
[Link]. Hypothèse d'indépendance
Lorsque l'on réalise un test, on fait l'hypothèse qu'il n'y a pas de différence significative entre
le tableau T qui contient les valeurs observées et le tableau T0 celui des effectifs théoriques.
C'est ce que l'on appelle l'hypothèse d'indépendance (parfois appelée hypothèse nulle ou H0).
À l'issue du test on se prononce sur l'acceptation ou le rejet de cette hypothèse d'indépendance.
Si on ne peut pas accepter l'hypothèse d'indépendance quelle est la probabilité que l'on se
trompe ? La table de la loi de khi-deux permet d'évaluer cette probabilité.
[Link]. Table de la loi du Khi²
La table donne la probabilité α pour que khi² soit égale ou dépasse une valeur donnée, en
fonction du nombre de degrés de liberté (d.d.l). Il s’agit d’un moyen d'évaluer la « rareté » du
khi-deux en fonction du nombre de lignes et de colonnes d’un tableau de contingence. En bref,
cette table nous permet de trouver une probabilité d'acceptation de l'hypothèse
d'indépendance en fonction de la valeur du khi deux.
 - Utilisation de la table
• Il faut d'abord identifier à quelle ligne du tableau doit-on se reporter pour ensuite
trouver le seuil de probabilité d'acceptation ou de rejet de l'hypothèse d'indépendance.
En colonne figure ce que l'on peut considérer comme le seuil de probabilité
d'acceptation ou de rejet de l'hypothèse d'indépendance. C'est la « rareté » d'un
indicateur de khi-deux. En ligne figurent les degrés de libertés (appelé n sur cette table).
• Repérer la probabilité correspondant à la valeur de Khi-deux calculé
• Calculer la p-value qui est la différence entre 1 et la probabilité correspondante
Exemple :
Pour un chi-deux = 5,67
Un degré de liberté = 1
Le seuil de probabilité approximatif sera 0,975
La p-value = 1-0,975=0,025

Comme 5,02 (valeur proche du Khi deux calculé) correspond à 0,975 on peut dire que
l'hypothèse d'indépendance au seuil de 0,975 est rejetée. Autrement dit, on rejette l'hypothèse
d'indépendance entre les lignes et les colonnes du tableau T avec 97,5 % (0,975) de chances de
ne pas se tromper ou bien avec 2,5% (p-value) de chances de se tromper.
Par convention, on rejette le plus souvent l'hypothèse d'indépendance lorsque l'on a au
maximum 5% de chance de se tromper (soit un p-value de 0,05). Si le p-value avait été
supérieur à 5% on aurait accepté l'hypothèse d'indépendance. Par exemple, si notre indicateur
de khi-deux avait été de 2,71, ce qui correspond à une p-value=1-0,900=0,10=10% on aurait
accepté l'hypothèse d'indépendance.
Pour notre pécedent exemple,

– Le khi-carré observée vaut X²obs= 3,03.

– Le phi-deux vaut ϕ²= 0,01515.
– Comme le tableau a deux lignes min(J-1, K-1)= min(2-1,3-1)= 1.
Le V de Cramer est égal à √ϕ².
Tableau8 : Tableau des effectifs théoriques n*jk
Bleu Vert Marron Total
Homme 12 44 24 80
Femme 18 66 36 120
Total 30 110 60 200

Tableau9 : Tableau des écarts à l’indépendance ejk

Bleu Vert Marron Total
Homme -2 6 -4 0
Femme 2 -6 4 0
Total 0 0 0 0

Tableau10 : Tableau des e2jk/n*jk

 Bleu Vert Marron Total
Homme 0.33 0.82 0.67 1.82
Femme 0.22 0.55 0.44 1.21
Total 0.56 1.36 1.11 3.03
- On a V = 0,123. La dépendance entre les deux variables est très faible.
Semaine 8 : Probabilité et vocabulaire élémentaire
Objectif général : connaitre les concepts de base de la probabilité et apprendre à faire les calculs
associés

Objectifs opérationnels :

- Définir les concepts de base en probabilité

- Calculer la probabilité d’un événement

Introduction
Les probabilités sont l'étude des phénomènes pour lesquels la réalisation de différentes
possibilités dépend du hasard. Ces phénomènes sont appelés des expériences aléatoires. Les
différentes possibilités sont appelées des issues, ou événements élémentaires. Par exemple,
lancer un dé à 6 faces est une expérience aléatoire et "obtenir 6" est une issue.
Les probabilités associent un nombre compris entre 0 et 1 à chaque issue afin de pouvoir
comparer les chances des issues et effectuer des calculs. Ces calculs aident à prendre des bonnes
décisions avant la réalisation du phénomène.
Les probabilités permettent d'optimiser des coûts dans une entreprise, de calculer des chances
de gain ou de perte dans des jeux d'argent ou encore de calculer des probabilités de pluie à 10
minutes pour décider d'interrompre ou non un match.
Dans ce cours sur les probabilités, nous allons introduire le vocabulaire et apprendre à calculer
des probabilités dans des cas simples.

Vocabulaire élémentaire
Expérience aléatoire
Une expérience aléatoire est un phénomène pour lequel la réalisation de différentes
possibilités dépend du hasard. Par exemple, lancer un dé à 6 faces est une expérience aléatoire
Issue
Généralement, on ne s'intéresse pas aux chances de réalisation d'une seule issue, mais à celles
d'un ensemble de plusieurs issues. Par exemple, on lance un dé à 6 faces et on s'intéresse aux
chances d'obtenir un nombre strictement plus petit que 3. Cette possibilité contient 2 issues :
"obtenir 1" et "obtenir 2".
Événement
En probabilités, un événement est un ensemble formé d'une ou plusieurs issues relatives à une
même expérience aléatoire.
Exemple :
Expérience aléatoire : lancé d'un dé à 6 faces.
Événement E : "Obtenir un nombre strictement plus petit que 3".
Ils y existe différents types d'événements.
- L'événement certain
L'événement certain est l'événement formé par l'ensemble de toutes les issues d'une expérience
aléatoire. On est sûr qu'il va se produire. Sa probabilité est 1.
- L'événement impossible
L'événement impossible est l'événement qui ne contient aucune issue de l'expérience aléatoire.
Il ne va pas se produire. Sa probabilité est 0.

1
 - L'événement contraire
L'événement contraire d'un événement A est l'événement qui contient toutes les issues de
l'expérience aléatoire que A ne contient pas.
Par exemple, pour un lancer de dé, si A est l'événement "obtenir un nombre impair", ce qui se
représente en notation ensembliste par {1;3;5}, alors l'événement contraire de A est l'événement
"obtenir un nombre pair", qui se représente par {2;4;6}.
- Les événements incompatibles
Deux événements incompatibles sont deux événements qui n'ont pas d'issue commune.
Toujours dans le cas du lancer d'un dé à 6 faces, les événements {1;2} et {5;6} sont
incompatibles.
Notations

En probabilités, le langage et les notations sur les ensembles sont très utilisés.

Probabilité
Une probabilité, c’est « la chance » que l’on a d’obtenir un événement. Par exemple, si on
appelle A l’événement « obtenir pile », p(A) = ½ car on a une chance sur 2 d’avoir pile (si la
pièce n’est pas truquée).
Si on prend un dé, tous les événements (1 ; 2 ; 3 ; 4 ; 5 ; 6) ont la même probabilité d’être tirés.
Dans ce cas le calcul de la probabilité si tous les éléments ont la même probabilité d’être tirés
se fait sur la base de la formule suivante :
Pour un événement A :
𝐶𝑎𝑟(𝐴)
𝑃 (𝐴 ) =
𝐶𝑎𝑟𝑑 (𝛺 )
Ce qui signifie :
𝑛𝑜𝑚𝑏𝑟𝑒 𝑑 ′ é𝑙é𝑚𝑒𝑛𝑡𝑠 𝑑𝑎𝑛𝑠 𝐴
𝑃 (𝐴 ) =
𝑁𝑜𝑚𝑏𝑟𝑒 𝑡𝑜𝑡𝑎𝑙 𝑑′é𝑙é𝑚𝑒𝑛𝑡𝑠

2
Exemple : On considère l’expérience « lancer un dé à 6 faces »
Pour un événement A = « avoir un nombre supérieur ou égal à 3 », on a alors
A = {3 ; 4 ; 5 ; 6}, donc card(A) = 4.
De plus, Ω = {1 ; 2 ; 3 ; 4 ; 5 ; 6}, donc card(Ω) = 6. Donc :
4 2
𝑃 (𝐴 ) = =
6 3

N.B. : une probabilité est toujours comprise entre 0 et 1 !

0 ≤ P (A) ≤ 1

Si P(A) = 0, A est un événement impossible, comme le fait d’obtenir 7 en lançant un dé.

Si P(A) = 1, A est un événement certain, c’est-à-dire qu’il est obligé d’arriver, comme le fait
d’obtenir un nombre positif en lançant un dé par exemple.

Exercices 1 :

1- Donnez des exemples d’expériences aléatoires, les issues et les événements associés
2- Un sachet contient 2 bonbons à la menthe, 3 à l’orange et 5 au citron. On tire, au hasard, un
bonbon du sachet et on définit les événements suivants :
A : « le bonbon est à la menthe » ;
B : « le bonbon est à l’orange » ;
C : « le bonbon est au citron ».
Détermine les probabilités P(A) puis P(B) et P(C)

3- Une urne contient 4 boules noires numérotées de 1 à 4 et 3 boules blanches numérotés 1,2
et 3.
- Quelle est la probabilité de tirer une boule noire ?
- Quelle est la probabilité de tirer une boule blanche ?
- Quelle est la probabilité de tirer une boule numérotée 3 ?
- Quelle est la probabilité de tirer une boule ayant un numéro pair ?
- Quelle est la probabilité de tirer une boule ayant un numéro impair ?

3
Semaine 9 : Évènement contraire, réunion, intersection
Objectif général : connaitre les concepts de base de la probabilité et apprendre à faire les calculs
associés

Objectifs opérationnels :

- Connaître les notions d’événement contraire, de réunion et d’intersection

- Calculer la probabilité d’un événement contraire
- Calculer la probabilité de l’intersection et de l’union de deux événements

Évènement contraire, réunion, intersection

Évènement contraire
L'événement contraire de 𝐴, noté 𝐴̅, est l'ensemble de toutes les issues n'appartenant pas à 𝐴.
Exemples :
Dans le cas d’une expérience aléatoire du « lancer de dé à six faces », l’évènement contraire de
l’évènement « Obtenir un chiffre pair » est l’événement « Obtenir un chiffre impair ».
L’évènement contraire de l’évènement « Obtenir un chiffre inférieur ou égal à 2 » est
l’événement constitué des issues 3 ; 4 ; 5 et 6.
Propriété :
La probabilité de l’événement contraire d’un événement 𝐴 est : 𝑃 (𝐴̅) = 1 − 𝑃 (𝐴).
Exemple :
La probabilité de gagner au tennis contre Evelyne est : 𝑃(𝐺) = 0,2.
Alors la probabilité de perdre (évènement contraire) est :
𝑃(𝐺̅ ) = 1 − 𝑃(𝐺 ) = 1 − 0,2 = 0,8.

Réunion et intersection de deux événements

Exemple :
Soit les évènements : 𝐴 = {1 ; 2} et 𝐵 = {1 ; 3 ; 4}.
Alors 𝐴 ∩ 𝐵 = {1} et 𝐴 ∪ 𝐵 = {1 ; 2 ; 3 ; 4}.

Théorème : 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃 (𝐵) − 𝑃 (𝐴 ∩ 𝐵)

Exercice 2 : Calculer la probabilité d’une intersection

On lance un dé à six faces et on considère les événements suivants :
𝐴 : « Obtenir un multiple de 2 ».
𝐵 : « Obtenir un nombre inférieur ou égale à 4 ».
a) Décrire par une phrase l’évènement 𝐴 ∩ 𝐵.
b) Déterminer les issues des évènements : 𝐴, 𝐵 et 𝐴 ∩ 𝐵.
c) Calculer 𝑃(𝐴), 𝑃(𝐵), P(𝐴 ∩ 𝐵).

4
Exercice 3 : Calcul de la probabilité d’une réunion
On lance un dé à six faces et on considère les événements suivants :
𝐴 : « On obtient un nombre impair »
𝐵 : « On obtient un multiple de 3 »
a) Calculer 𝑃(𝐴), 𝑃(𝐵), 𝑃(𝐴 ∩ 𝐵).
b) Calculer la probabilité de l’événement 𝐴 ∪ 𝐵. Interpréter le résultat.

5
Semaine 10 : Variables aléatoires, lois de probabilités et arbres des possibles
Objectif général : connaitre les concepts de base de la probabilité et apprendre à faire les calculs
associés

Objectifs opérationnels :

- Définir une variable aléatoire

- Déterminer la loi de probabilité d’une variable aléatoire
- Réaliser un arbre des possibles et calculer les probabilités associées

Variables aléatoires, lois de probabilités et arbres des possibles

Une variable aléatoire est une application, qui, à une éventualité fait correspondre un nombre
généralement.
Exemple : Supposons que l’on a un dé
On définit la variable aléatoire X ainsi :
si l’on obtient 1 ou 2, on gagne 2 euros, donc X vaut +2
si l’on obtient 3 ou 4, on ne gagne rien, donc X vaut 0
si l’on obtient 5 ou 6, on perd 3 euros, donc X vaut -3
X correspond ici au gain algébrique. « Algébrique » signifie que le gain est négatif quand on perd, et
positif quand on gagne.
On peut résumer la situation par un tableau :

Valeur du dé 1;2 3;4 5;6

X +2 0 -3

On définit alors une loi de probabilité, qui correspond à la probabilité d’obtenir chacune des valeurs de
X, donc +2, 0 et -3.
Ainsi, quand on demande de déterminer la loi de probabilité d’une variable aléatoire X il faut donc :
- Déterminer toutes les valeurs que peut prendre X, que l’on note x1, x2, x3…
- Pour chaque valeur, déterminer la probabilité : P(x1), P(x2) … que l’on note aussi P(X=x1),
P(X=x2) …
Ici on est dans le cas ci-dessus où tous les événements (1 ; 2 ; 3 ; 4 ; 5 ; 6) ont la même probabilité
d’être tirés. On a donc :
2 1
𝑃(𝑋 = 2) = 𝑃({1; 2}) = =
6 3
De même :
2 1
𝑃(𝑋 = 0) = 𝑃({3; 4}) = =
6 3
2 1
𝑃(𝑋 = −3) = 𝑃({5; 6}) = =
6 3
On peut donc compléter notre tableau :
Valeur du dé {1 ; 2} {3 ; 4} {5 ; 6}
X = xi +2 0 -3
P(X = xi) 1 1 1
3 3 3
La loi de probabilité dans cet exemple, c’est toute la dernière ligne, où on a toutes les probabilités pour
chaque valeur de X.
1
N.B. : Ici c’est un cas particulier, ce sont toutes les mêmes probabilités : 3

La loi de probabilité est donc un tableau présentant toutes les issues d’une expérience
aléatoire ainsi que leurs probabilités associées.

7
Remarque : pour dire toutes les possibilités de X, on le note comme pour un ensemble, avec
des accolades, mais on note X(Ω)

Ici, X(Ω) = {-3 ; 0 ; +2}.

Si possible, on peut remettre les valeurs dans l’ordre croissant. Comme dans notre exemple,
c’est toujours mieux d’écrire {-3 ; 0 ; 2} que {2 ; -3 ; 0}

Ce qui est important à retenir, c’est la méthode pour déterminer une loi de probabilité :

- Déterminer toutes les valeurs possibles que peut prendre la variable aléatoire,
- Puis la probabilité de chacune de ces valeurs.

Propriété : la somme des probabilités pour une variable aléatoire vaut 1. On note : !!!!
𝑃(𝑥1 ) + 𝑃(𝑥2 ) + ⋯ 𝑃(𝑥𝑛 ) = 1
1 1 1
Dans le cas de notre exemple c’est bien le cas, puisque + + =1
3 3 3

Cette propriété a deux utilités :

- Tout d’abord pour vérifier si ce que l’on a trouvé est juste. On additionne toutes les
probabilités et on voit si ça vaut 1. Attention cependant, ce n’est pas parce que ça vaut
1 que c’est juste, mais si ça ne vaut pas 1, c’est forcément faux ! A ce moment- il faut
chercher où tu as fait une erreur.
- Deuxième utilisation : calculer une probabilité !
Imaginons que X puisse valoir 5, 6 ou 7, et que l’on sait que P(X=5) = ½ et P(X=7) = ⅓, et
que l’on cherche P(X = 6). On dit tout simplement :
P(X=5) + P(X=6) + P(X=7) = 1
Donc P(X=6) = 1 – P(X=5) – P(X=7) = 1/6.
Et voilà, on a trouvé P(X=6) sans avoir à trouver une autre méthode.
L’inconvénient c’est que si on s’est trompé à P(X=5) ou P(X=7), P(X=6) est faux. Il ne faut
utiliser donc cette méthode que si on est certain des résultats qu’on a trouvés avant.

Exercice 4 : (loi de probabilité)

On tire au hasard un jeton dans un sac contenant des jetons numérotés de 1 à 5.
Le tableau suivant présente les probabilités de toutes les issues (loi de probabilité).

Issues 1 2 3 4 5
1 4 3 4
Probabilités ?
15 15 15 15
a) Compléter le tableau de la loi de probabilité.
b) Calculer la probabilité de l’évènement 𝐸 : « Tirer un chiffre pair ».
c) Décrire l’évènement 𝐸̅ puis calculer sa probabilité.

8
Arbre des possibles
Exemple :
Dans un sac, on dépose quatre jetons :
Un bleu, un rouge, un jaune et un vert.
En tirant au hasard un jeton du sac, on a quatre issues possibles.
On représente les issues sur un schéma appelé arbre des possibles.

Exercice 5 : Utilisation d’un arbre des possibles

On lance deux fois de suite une pièce de monnaie. Il s’agit d’une expérience aléatoire à deux
épreuves.
Soit 𝐸 l’événement : « On obtient au moins une fois PILE. »
Calculer 𝑃(𝐸) en utilisant un arbre des possibles.

9
Semaine 11 :
Objectif général : connaitre les concepts de base de la probabilité et apprendre à faire les calculs
associés

Objectifs opérationnels :

- Calculer l’espérance, la variance et l’écart type d’une variable aléatoire

- Calculer une probabilité conditionnelle

Espérance et variance/écart-type
Espérance
L’espérance, c’est en quelque sorte ce qu’on peut « espérer » obtenir « en moyenne »
comme résultat à la fin de l’expérience.
Si on reprend l’exemple au-dessus avec le dé, l’espérance de X correspond au gain moyen que
l’on a en lançant le dé.
La formule pour calculer l’espérance de X, que l’on note E[X] :
Si on a X(Ω) = {x1 ; x2 ; … xn}, alors :
𝐸 [𝑋] = 𝑥1 𝑝(𝑥1 ) + 𝑥2 𝑝(𝑥2 ) + 𝑥3 𝑝(𝑥3 ) + ⋯ + 𝑥𝑛 𝑝(𝑥𝑛 )
Reprenons notre exemple de tout à l’heure :
X(Ω) = {-3 ; 0 ; +2}. Alors :
𝐸 [𝑋] = −3 × 𝑝(−3) + 0 × 𝑝(0) + 2 × 𝑝(2)
1 1 1
𝐸[𝑋] = −3 × ( ) + 0 × ( ) + 2 × 𝑝 ( )
3 3 3
−3 2
𝐸 [𝑋 ] = +
3 3
−1
𝐸 [𝑋 ] =
3
−1
L’espérance est de 3 donc négative, ce qui est logique vu que l’on perd plus d’argent qu’on
ne gagne et qu’il y autant de possibilités de perdre, gagner, ou n’avoir rien du tout.
−1
L’espérance de signifie qu’en moyenne, si on joue un très grand nombre de fois, c’est
3
−1
comme si on avait perdu d’euros à chaque partie.
3

Variance

En plus de l’espérance, on peut calculer la variance de X, notée V(X). La formule est la

suivante :

𝑉 [𝑋] = (𝑥1 − 𝐸 [𝑋])2 𝑝(𝑥1 ) + (𝑥2 − 𝐸 [𝑋])2 𝑝(𝑥2 ) + ⋯ + (𝑥𝑛 − 𝐸 [𝑋])²𝑝(𝑥𝑛 )

Comme on peut le remarquer cette formule ressemble à celle du calcul de l’espérance sauf
qu’on a remplacé xi par (xi-E([X])2

Il existe une autre formule pour calculer plus facilement la variance :

𝑉 [𝑋] = 𝑥12 𝑝(𝑥1 ) + 𝑥22 𝑝(𝑥2 ) + ⋯ + 𝑥𝑛2 𝑝(𝑥𝑛 ) − 𝐸[𝑋])²

On va utiliser cette formule pour calculer la variance de l’exemple ci-dessus :

12
 𝑉 [𝑋] = (−3)² × 𝑝(−3) + 0² × 𝑝(0) + 2² × 𝑝(2) − 𝐸[𝑋])²

1 1 1 −1
𝑉 [𝑋 ] = 9 × + 0 × + 4 × − ( )²
3 3 3 3

38
𝑉 [𝑋 ] =
9

Remarque : La variance est toujours positive car c’est une somme de valeurs positives
d’après la 1ère formule).

Ecart type

L’écart-type représente la dispersion autour de la moyenne. Il est noté σ (prononcer sigma) et

a pour formule :

𝜎 = √𝑉[𝑋]

Exercice 6 :
Un joueur lance un dé parfait. Si le numéro sorti est 2 ou 4, il gagne 1,5 €, si le numéro sorti
est impair il gagne 0,5 € et, si le 6 sort, il perd 5 €.
On appelle X la variable aléatoire qui à un numéro associe le gain algébrique en euros.
Donner la loi de probabilité de la variable aléatoire X et calculer E(X)

13