TD 7 - Probabilités : Cours

I. VOCABULAIRE

Une expérience aléatoire (lancer d’un ou plusieurs dés, tirer une ou plusieurs cartes d’un jeu, tirer une
ou plusieurs boules, etc...) peut avoir issues. L’ensemble de toutes les issues de l’expérience est appelé
l’univers de l’expérience Ω.

Exemples
● Le lancer d’un dé cubique, dont les faces sont numérotées de 1 à 6, mène à l’univers suivant
Ω = {1; 2; 3; 4; 5; 6}
● Le lancer d’une pièce de monnaie mène à l’univers suivant Ω = {𝑃𝑖𝑙𝑒 (𝑃); 𝐹𝑎𝑐𝑒 (𝐹)}

Une partie A de Ω est un évènement.

Exemples
● {1; 3; 5} est un évènement de l’expérience avec le dé qui pourrait se traduire par la phrase :
“Le résultat est impair.”.
● {1; 2; 3; 4; 5; 6} est un évènement de l’expérience avec le dé qui pourrait se traduire par la
phrase : “Obtenir un résultat après le lancer de dé.”.
● {1} est un évènement de l’expérience avec le dé qui pourrait se traduire par la phrase :
“Obtenir 1.”.
● ∅ est un évènement de l’expérience avec le dé qui pourrait se traduire par la phrase : “Ne
rien obtenir du tout.”.
Un évènement réduit à un seul élément de Ω (un singleton) est appelé un évènement élémentaire.

Si 𝐴 et 𝐵 sont deux évènements disjoints de Ω, c’est-à-dire 𝐴 ∩ 𝐵 = ∅, ils sont dits évènement

incompatibles.

Exemples
● 𝐴 = {1; 3; 5} et 𝐵 = {2; 4; 6} sont incompatibles.
● 𝐴 = {1} et 𝐵 = {3; 5} sont incompatibles.
● 𝐴 = {1; 2} et 𝐵 = {1; 3} ont une ∩ non vide, ils ne sont pas incompatibles.

∅ est appelé l’évènement impossible (ne contient aucune issue).

Ω est appelé l’évènement certain car il contient toutes les issues de l’expérience.
 Si 𝐴 et 𝐵 sont des
évènements alors 𝐴 ∪ 𝐵 (𝐴
ou 𝐵) est l’ensemble des
évènements élémentaires
contenus dans 𝐴 et dans 𝐵.

Si 𝐴 et 𝐵 sont des
évènements alors 𝐴 ∩ 𝐵 (𝐴
et 𝐵) est l’ensemble des
évènements élémentaires
contenus dans 𝐴 et dans 𝐵.

On note 𝐴 l’évènement contraire de 𝐴, 𝐴 = Ω\𝐴.

Exemples
● {1; 3; 5} a pour évènement contraire {2; 4; 6}.
● ∅ a pour évènement contraire Ω.
● {1} a pour évènement contraire {2; 3; 4; 5; 6}.

𝑅𝑒𝑚𝑎𝑟𝑞𝑢𝑒
{2; 3; 4; 5} = {2} ∪ {3} ∪ {4} ∪ {5}

Définition : Une probabilté sur un univers fini Ω est une “fonction” 𝑃 qui à tout évènement associe un
nombre entre 0 et 1, telle que :
● On a 𝑃(Ω) = 1
● Si 𝐴 et 𝐵 sont incompatibles, 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)
Propriétés
● 𝑃(∅) = 0
Démonstration
Ω et ∅ sont incompatibles donc 𝑃(Ω ∪ ∅) = 𝑃(Ω) + 𝑃(∅) ⇔ 𝑃(Ω) = 𝑃(Ω) + 𝑃(∅)
Ω et ∅ sont incompatibles donc 𝑃(Ω ∪ ∅) = 𝑃(Ω) + 𝑃(∅) ⇔ 1 = 1 + 𝑃(∅)
Ω et ∅ sont incompatibles donc 𝑃(Ω ∪ ∅) = 𝑃(Ω) + 𝑃(∅) ⇔ 𝑃(∅) = 0
● Si 𝐴 est un évènement, alors 𝑃(𝐴) = 1 − 𝑃(𝐴)
Démonstration
𝐴 et 𝐴 sont incompatibles puisque 𝐴 = Ω\𝐴.
Les évènements élémentaires de 𝐴 sont tous ceux qui n’appartiennent pas à 𝐴.
Donc 𝑃(𝐴 ∪ 𝐴) = 𝑃(𝐴) + 𝑃(𝐴)
Or 𝐴 ∪ 𝐴 = Ω donc 𝑃(Ω) = 𝑃(𝐴) + 𝑃(𝐴) ⇔ 1 = 𝑃(𝐴) + 𝑃(𝐴)
Or 𝐴 ∪ 𝐴 = Ω donc 𝑃(Ω) = 𝑃(𝐴) + 𝑃(𝐴) ⇔ 𝑃(𝐴) = 1 − 𝑃(𝐴)
● Si 𝐴 = {𝑒1; 𝑒2; ..... ; 𝑒𝑚} est une réunion de 𝑚 évènements élémentaires, alors
𝑚
𝑃(𝐴) = ∑ 𝑃(𝑒𝑖) = 𝑃(𝑒1) + 𝑃(𝑒2) + ..... + 𝑃(𝑒𝑚)
𝑖=1

Exemple
Ω = {1; 2; 3; 4; 5; 6}
𝑃({1; 4; 5}) = 𝑃({1} ∪ {4} ∪ {5})
𝑃({1; 4; 5}) = 𝑃({1}) + 𝑃({4}) + 𝑃({5})
car les évènements sont mutuellement incompatibles
● Si 𝐴 et 𝐵 sont des évènements de Ω, alors 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
Démonstration

𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

En ajoutant 𝑃(𝐴) et 𝑃(𝐵), on compte deux fois les évènements élémentaires de 𝐴 ∪ 𝐵, il

faut donc le soustraire une fois.
 Exemple
On considère un dé pipé, tel que :

face 1 2 3 4 5 6

probabilité 0,1 0,2 0,3 0,1 0,1 ?

𝑃({6}) = 1 − 𝑃({1; 2; 3; 4; 5})

𝑃({6}) = 1 − (0, 1 + 0, 2 + 0, 3 + 0, 1 + 0, 1)
𝑃({6}) = 0, 2

Soit 𝐴 l’évènement “Obtenir au moins 4.”

𝐴 = {4} ∪ {5} ∪ {6} ⇒ 𝑃(𝐴) = 𝑃({4}) + 𝑃({5}) + 𝑃({6})
𝐴 = 0, 1 + 0, 1 + 0, 2
𝐴 = 0, 4 ⇒ 𝑃(𝐴) = 0, 4

Définition : Lorsque tous les évènements élémentaires ont la même probabilité, on parle de situation
d’équiprobabilité.

Propriété
1
En situation d’équiprobabilité, un évènement élémentaire a pour probabilité
𝑛𝑜𝑚𝑏𝑟𝑒 𝑑'𝑖𝑠𝑠𝑢𝑒𝑠

𝑛𝑜𝑚𝑏𝑟𝑒 𝑑'é𝑣è𝑛𝑒𝑚𝑒𝑛𝑡𝑠 é𝑙é𝑚𝑒𝑛𝑡𝑎𝑖𝑟𝑒𝑠 𝑑𝑒 𝐴

La probabilité d’un évènement 𝐴 sera
𝑛𝑜𝑚𝑏𝑟𝑒 𝑑'é𝑣è𝑛𝑒𝑚𝑒𝑛𝑡𝑠 é𝑙é𝑚𝑒𝑛𝑡𝑎𝑖𝑟𝑒𝑠 𝑑𝑒 Ω

Exemple
● On fait deux lancers d’une pièce de monnaie équilibrée. On note P si pile et F si face.
Ω = {𝑃𝑃; 𝐹𝐹; 𝑃𝐹; 𝐹𝑃}

Soit 𝐴 l’évènement “Obtenir exactement une fois 𝑃”.

2 1
Nous sommes en situation d’équiprobabilité, donc 𝑃(𝐴) = =
4 2

● On a 30 élèves dans une classe. 24 d'entre eux font de l’anglais. Parmi les 30 élèves de la
classe, 12 sont des filles dont 9 qui étudient l’anglais.
 On sélectionne au hasard un élève de la classe. Soit F “l’élève est une fille” et A “l’élève
étudie l’anglais”.

𝐹 𝐹 Total

𝐴 9 15 25

𝐴 3 3 6

Total 12 18 30

12
𝑃(𝐹) = = 0, 4
30
15
𝑃(𝐹 ∩ 𝐴) = = 0, 5
30

II. PROBABILITÉS CONDITIONNELLES (ARBRES)

Définition : Si 𝐵 est un évènement de probabilité non nulle et 𝐴 est un évènement, on appelle

𝑃(𝐴∩𝐵)
probabilité de 𝐴 sachant 𝐵 le nombre , noté 𝑃𝐵(𝐴).
𝑃(𝐵)

Exemple
𝑃(𝐴∩𝐹) 9/30 3
Dans l’exemple de la classe, 𝑃𝐹(𝐴) = = =
𝑃(𝐹) 12/30 4

𝑅𝑒𝑚𝑎𝑟𝑞𝑢𝑒
On a en particulier 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵) × 𝑃𝐵(𝐴)

Définition : Deux évènements 𝐴 et 𝐵 sont indépendants si 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) × 𝑃(𝐵)

𝑅𝑒𝑚𝑎𝑟𝑞𝑢𝑒
𝑃(𝐴∩𝐵) 𝑃(𝐴)×𝑃(𝐵)
Si 𝐴 et 𝐵 sont indépendants 𝑃𝐵(𝐴) = = = 𝑃(𝐴)
𝑃(𝐵) 𝑃(𝐵)
Si 𝐴 n’a pas une probabilité nulle on a 𝑃𝐴(𝐵) × 𝑃(𝐴) = 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵) × 𝑃𝐵(𝐴)

Exemple
Dans une urne contenant 2 boules blanches et 2 boules noires, on effectue deux tirages
successifs sans remise. On note 𝑁1 l’évènement “La première boule tirée est noire.” et 𝑁2
l’évènement “La deuxième boule tirée est noire.”
 1) 𝑁1 et 𝑁2 sont-ils
indépendants ou dépendants ?
2) Que vaut 𝑃(𝑁1) ? Que vaut
𝑃(𝑁1 ∩ 𝑁2) ?

1 1 1
1) 𝑃(𝑁 ∩ 𝑁 ) = 𝑃(𝑁 ) × 𝑃 (𝑁 ) = × =
1 2 1 𝑁1 2 2 3 6

𝑃(𝑁2) = 𝑃(𝑁1 ∩ 𝑁2) ∪ 𝑃(𝑁1 ∩ 𝑁2)

𝑃(𝑁2) = 𝑃(𝑁1 ∩ 𝑁2) + 𝑃(𝑁1 ∩ 𝑁2)

1
𝑃(𝑁2) = + 𝑃(𝑁1) × 𝑃𝑁1(𝑁2)
6
1 2 1
𝑃(𝑁2) = + =
6 6 2

1 1 1
2) 𝑃(𝑁 ) × 𝑃(𝑁 ) = × =
1 2 2 2 4
1
𝑃(𝑁1 ∩ 𝑁2) =
6
𝑁1 et 𝑁2 sont donc dépendants

⚠ Ne pas confondre indépendants et incompatibles !

Définition : On appelle système complet d’évènements une famille 𝐵1; 𝐵2; ... ; 𝐵𝑛 d’évènements
qui sont :
● deux-à-deux incompatibles (𝐵𝑖 ∩ 𝐵𝑗 = ∅ pour 𝑖 ≠ 𝑗);
● leur réunion (𝐵1 ∪ 𝐵2 ∪ ... ∪ 𝐵𝑛) est l’évènement certain.

Exemple
Si 𝐵 est un évènement alors 𝐵 et 𝐵 forment un système complet d’évènements.
 Propriété (Formule des probabilités totales)
Si 𝐵1; 𝐵2; ... ; 𝐵𝑛 est un système complet d’évènements et si 𝐴 est un évènement, alors
𝑃(𝐴) = 𝑃(𝐴 ∩ 𝐵1) + 𝑃(𝐴 ∩ 𝐵2) + .... + 𝑃(𝐴 ∩ 𝐵𝑛)
𝑃(𝐴) = 𝑃(𝐵1) × 𝑃𝐵1(𝐴) + 𝑃(𝐵2) × 𝑃𝐵2(𝐴) + .... + 𝑃(𝐵𝑛) × 𝑃𝐵𝑛(𝐴)
𝑛
𝑃(𝐴) = ∑ 𝑃(𝐵𝑘) × 𝑃𝐵𝑘(𝐴)
𝑘=1

Cas particulier (du système 𝐵; 𝐵)

𝑃(𝐴) = 𝑃(𝐵) × 𝑃𝐵(𝐴) + 𝑃(𝐵) × 𝑃𝐵(𝐴)

III. VARIABLES ALÉATOIRES

Exemple
On considère le lancer de deux dés cubiques bien équilibrés et on note 𝑋 la somme des dés.
𝑋 peut prendre des valeurs entières comprises entre 2 et 12
𝑋 est une “fonction” qui à un couple (𝑛; 𝑚) associe la somme 𝑛 + 𝑚
Il y a 36 issues pour les lancers de dés.
1
𝑃(𝑋 = 2) =
36
2
𝑃(𝑋 = 3) =
36
3
𝑃(𝑋 ≤ 3) =
36

Définition : On appelle variable aléatoire toute fonction 𝑋 qui va de Ω vers ℝ. L’ensemble de

toutes les valeurs prises par 𝑋 est appelé univers image.

Si 𝑎 est dans l’univers image, 𝑋 = 𝑎 est un évènement et 𝑋 ≤ 𝑎 est un évènement.

𝑃(𝑋 = 𝑎) est égale à la somme des probabilités des évènements élémentaires de Ω dont l’image
par 𝑋 vaut 𝑎.

Définition : Si 𝑋 est une variable aléatoire d’univers image 𝑥1; 𝑥2; .... ; 𝑥𝑛 on appelle loi de la
variable aléatoire X la donnée pour tout 𝑥𝑖 d’une probabilité 𝑃𝑖.
 𝑋(Ω) 𝑥1 𝑥2 𝑥3 …. 𝑥𝑛

Probabilité 𝑃1 𝑃2 𝑃3 …. 𝑃𝑛

𝑅𝑒𝑚𝑎𝑟𝑞𝑢𝑒
0 ≤ 𝑃1 ≤ 1
𝑃1 + 𝑃2 + 𝑃3 + .... + 𝑃𝑛 = 1

Définition : Soit 𝑋 une variable aléatoire d’univers image 𝑥1; 𝑥2; .... ; 𝑥𝑛 on appelle espérance de
𝑛
X , notée 𝐸(𝑥), le nombre ∑ 𝑃𝑘𝑋𝑘 ⇔ 𝑃1𝑋1 + 𝑃2𝑋2 + .... + 𝑃𝑛𝑋𝑛 .
𝑘=1

Exemple

Si vous obtenez le centre : +5€

Si vous obtenez la zone moyenne : +0€
Si vous obtenez la zone extérieure : -3€
Si vous ratez la cible : -5€
On note 𝑋 la variable aléatoire donnant le gain au
jeu. 1) Quelle est la loi de 𝑋 ? 2) Quelle somme
peut-on espérer gagner ?

1) 𝑋(Ω) = {− 5; − 3; 0; 5}

𝑋(Ω) -5 -3 0 5

Probabilité 1 3 1 1
10 10 2 10

1 3 1 1 −9
2) 𝐸(𝑥) =− 5 × + (− 3) × + 0× + 5× = = 0, 9
10 10 2 10 10
En moyenne, on perd 90 centimes par jeu.

Définition : Si l’espérance d’un jeu est nulle, on dit qu’il est équitable.
Ce qui suit ne sera pas demandé en examen, pas besoin de l’apprendre

2
Définition : On appelle variance de X, notée 𝑉(𝑥), le nombre 𝐸[(𝑋 − 𝐸(𝑋)) ] qui se calcule de
2 2 2
la façon suivante : 𝑃1 × (𝑥1 − 𝐸(𝑋)) + 𝑃2 × (𝑥2 − 𝐸(𝑋)) + .... + 𝑃𝑛 × (𝑥𝑛 − 𝐸(𝑋))
et on appelle appelle écart type de X la racine carrée de 𝑉(𝑋).

Propriété (Théorème de König-Huygens)

2 2
𝑉(𝑋) = 𝐸(𝑋 ) − 𝐸(𝑋)
2 2 2 2
𝑉(𝑋) = 𝑃1(𝑥1) + 𝑃2(𝑥2) + .... + 𝑃𝑛(𝑥𝑛) − 𝐸(𝑋)