Chapitre 2: Calcul de Probabilité
HEEG L2 / UAM
Dr. Mbaye Faye
10 novembre 2023
1/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 1/
Plan
1 Probabilités : axiomes et propriétés
2 Probabilité conditionnelle
3 Indépendance
2/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 2 /
Introduction
• But de la théorie des probabilités : développer un formalisme adapté à l’étude
des phénomènes dans lequel le hasard intervient.
• La théorie des probabilités fournit des modèles mathématiques permettant
l’étude d’expériences dont le résultat ne peut être prévu avec une totale certitude.
3/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 3/
1 Probabilités : axiomes et propriétés
2 Probabilité conditionnelle
3 Indépendance
4/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 4 /
Cas particulier : Situation d’équiprobabilité
• Lorsque toutes les issues ont la même probabilité d’apparaître, on dit que l’on
est dans une situation d’équiprobabilité.
• On considère une expérience aléatoire telle que :
∗ l’espace fondamental Ω défini soit de cardinal ;
∗ les éventualités qui le composent soient équiprobables.
• On définit alors la probabilité d’un évènement A par :
card (A) nombre de cas favorable
P(A) = =
card (Ω) nombre de cas possible
Attention
Cette formule est valable seulement en situation d’équiprobabilité !
5/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 5/
Remarque
Dans un exercice, pour signifier qu’on est dans une situation d’équiprobabilité on a
généralement dans l’énoncé un expression du type :
• on lance un dé non pipé
• dans une urne, il y a des boules indiscernables au toucher,. . .
Exemple
Considérons un sac contenant n billes indiscernables au toucher, dont n billes
rouges.
• Chaque bille a la même probabilité d’être tirée (équiprobabilité).
• La probabilité de tirer une bille particulière est de "1 chance sur n", soit n1 .
• La probabilité de tirer une bille rouge est de "r chances sur n", soit nr .
6/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 6/
Généralisation : définition axiomatique
Soit Ω l’espace d’états et P(Ω) l’ensemble de tous les événements. Une
probabilité sur Ω est une fonction P de P(Ω) dans [0; 1] vérifiant les propriétés
(ou axiomes) suivantes :
• P(Ω) = 1
• Propriété d’additivité : pour toute suite dénombrable d’évènements
A1 , A2 , · · · ∈ P(Ω) deux à deux incompatibles, on a :
∞ ∞
!
[ X
P = P(Ai )
i=1 i=1
Pour un ensemble A ∈ P(Ω) le nombre P(A) est appelé probabilité de l’événement
A.
7/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 7/
Remarque
• Le triplet (Ω, P(Ω), P) s’appelle espace probabilisé
• P(Ω) est la somme des probabilités de tous les événements élémentaires.
Propriétés
• P(∅) = 0
• 0 ≤ P(A) ≤ 1
• P(A) = 1 − P(A)
• P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
8/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 8/
Exemple
On considère l’ensemble E des entiers de 1 à 20. On choisit l’un de ces nombres
au hasard.
A est l’événement : "le nombre est multiple de 3" =⇒ A = {3; 6; 9; 12; 15; 18}
B est l’événement : "le nombre est multiple de 2" =⇒
B = {2; 4; 6; 8; 10; 12; 14; 16; 18; 20}
Calcul des probabilités :
6 3
• P(A) = 20 = 10
3 7
• P(Ā) = 1 − P(A) = 1 − 10 = 10
10 1
• P(B) = 20 = 2
3
• P(A ∩ B) = 20
6 10 3 13
• P(A ∪ B) = P(A) + P(B) − P(A ∩ B) = 20 + 20 − 20 = 20
9/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 9/
Fréquence d’évènement et probabilité
Fréquence
On considère une expérience aléatoire répétée s fois dans des conditions
strictement identiques. La fréquence d’apparition de l’évènement A ∈ P(Ω) est
définie par
Nombre de fois où A se réalise
fs (A) =
s
Exemple : lancer d’un dé à 6 faces
Soit l’évènement "obtenir 1 ". Après 100 répétitions la même expérience, on a
obtenu 15 tirages de 1 : f100 ({1}) = 15% 6= P({1}) = 1/6
Convergence
Lorsqu’il est possible de réaliser l’expérience aléatoire une infinité de fois dans les
mêmes conditions, la fréquence d’apparition de tout évènement A ∈ P(Ω)
converge vers sa probabilité : lim fs (A) = P(A)
n−→∞
10/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 10
1 Probabilités : axiomes et propriétés
2 Probabilité conditionnelle
3 Indépendance
11/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 11
Probabilité conditionnelle
Soit (Ω, P(Ω), P) un espace probabilisé et B un évènement tel que P > 0. On
appelle probabilité conditionnelle d’un événement A sachant que B est réalisé, le
nombre défini par
P(A ∩ B)
P(A/B) =
P(B)
Cette probabilité représente la probabilité de voir l’événement A se réaliser sachant
que l’événement B est réalisé.
Remarque
On trouve aussi la notation PB (A) pour P(A/B).
12/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 12
Exemple
On considère l’expérience aléatoire consistant à lancer un dé à 6 faces, équilibré.
On suppose que toutes les faces sont équiprobables, et on définit les événements :
• B : "la face obtenue porte un numéro pair" ;
• A : "la face obtenue porte un numéro multiple de 3"
Déterminons la probabilité d’obtenir un numéro multiple de 3, sachant qu’on a un
numéro pair de deux manières différentes.
Solution
L’événement (A/B) correspond à l’événement "obtenir un numéro multiple de 3"
parmi les éventualités de B, autrement dit parmi {2; 4; 6}. II n’y a donc que l’issue
"obtenir 6 " qui correspond. Et comme on est en situation d’équiprobabilité, on
obtient PB (A) = 13
3 1 1
Par le calcul, on a P(B) = 6 = 3 et P(A ∩ B) = 6 donc, d’après la formule :
1
P(A∩B) 6 1
PB (A) = P(A/B) = P(B) = 1 = 3
2
13/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 13
Propriété
Si A et B sont des évènements de probabilités non nulles, on a :
P(A ∩ B) = P(B/A) × P(A) = P(A/B) × P(B)
Preuve
Pour P(B) 6= 0 et P(B) 6= 0, on peut écrire :
PB (A) = P(A∩B)
P(B) d’où P(A ∩ B) = P(B) × PB (A)
P(A∩B)
PA (B) = P(A) d’où P(A ∩ B) = P(A) × PA (B)
14/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 14
Propriété inclusive
Soient deux évènements A, B tels que P(A) > 0 et A ⊂ B, alors
P(A)
P(A/B) =
P(B)
15/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 15
Proposition
• Ps (∅) = 0
• 0 ≤ Ps (A) ≤ 1
• Ps (A) = 1 − Ps (A)
• Ps (A ∪ B) = Ps (A) + Ps (B) − Ps (A ∩ B)
Remarque
Ce théorème revient à dire qu’une probabilité conditionnelle relative à un
événement S a toutes les propriétés habituelles du calcul des probabilités.
16/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 16
Formule des probabilités totales
Formule des probabilités totales (cas particulier)
Soient A et B deux évènements de probabilités non nulles. On a :
P(A) = P(A/B) × P(B) + P(A/B̄) × P(B̄)
Généralisation
Supposons que l’on ait une partition de Ω en n évènements B1 , B2 , . . . , Bn de
probabilités non nulles. Alors :
n
X
P(A) = P(A/Bi ) × P(Bi ) = P(A/B1 ) × P(B1 ) + · · · + P(A/Bn ) × P(Bn )
i=0
17/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 17
Formule de Bayes
Motivation : calculer la probabilité de B sachant A à partir de celle de A sachant B
Formule de Bayes (cas particulier)
Soient A et B deux évènements de probabilités non nulles, avec B̄ de probabilité
non nulle. On a :
P(A/B) × P(B) P(A/B) × P(B)
P(B/A) = =
P(A) P(A/B) × P(B) + P(A/B̄) × P(B̄)
Généralisation
Supposons que l’on ait une partition de Ω en n évènements B1 , B2 , . . . , Bn de
probabilités non nulles. Alors :
P(A/Bi ) × P(Bi ) P(A/Bi ) × P(Bi )
P(Bi /A) = = Pn
P(A) i=1 P(A/Bi ) × P(Bi )
18/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 18
1 Probabilités : axiomes et propriétés
2 Probabilité conditionnelle
3 Indépendance
19/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 19
Indépendance
Soient A et B deux évènements de probabilités non nulles. On dit que A et B sont
indépendants si et seulement si :
P(B/A) = P(A) ou P(A/B) = P(B)
Exemple
• On tire sans remise deux cartes d’un jeu de 32 cartes. Les évènements
A="obtenir un roi au premier tirage" et B= "obtenir un roi au second tirage" ne
sont pas indépendants.
• Si l’on effectue ces deux tirages avec remise, alors A et B deviennent
indépendants.
Remarque
Ne pas confondre incompatible et indépendant.
20/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 20
Exemple
On considère le tirage au hasard d’une carte d’un jeu de 32 cartes.
A = "Tirer un as", B = "Tirer un cœur" et C = "Tirer un as rouge".
Indépendance de A et B
4
• P(A) = 32 = 18
• P(B) = 32 = 14
8
1
• P(A ∩ B) = 32 = P(A) × P(B), les événements A et B sont donc
indépendants.
Indépendance de B et C
8
• P(B) = 32 = 14
2 1
• P(C ) = 32 = 16
1
• P(B ∩ C ) = 32 6= P(A) × P(B), les événements A et B ne sont donc pas
indépendants.
21/21 Dr. Mbaye Faye () Probabilités 10 novembre 2023 21