Notes du cours de :

Probabilités

1ère année de Sup'Num

Sidi Mohamed MAOULOUD

March 10, 2022

1
Contents
1 Rappel sur les ensembles 3
2 Dénombrement : diérents modes de tirage 5
3 Notion de probabilité 9
3.1 Espace fondamental . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Événements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3 Probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

4 Probabilité conditionnelle et Indépendance 11

4.1 Probabilité conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4.2 Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

5 Variables aléatoires 14
5.1 Rappel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5.2 Dénitions Variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5.3 Distribution d'une variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . 14
5.3.1 Fonction de répartition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5.3.2 Fonction de masse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5.4 Caractéristique de distribution d'une variable aléatoire . . . . . . . . . . . . . . . 15
5.4.1 Espérance mathématique et variance . . . . . . . . . . . . . . . . . . . . . 15
5.4.2 Propriétés. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.5 Lois usuelles discrètes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.5.1 Loi de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.5.2 Loi binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.5.3 Loi géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.5.4 Loi hypergéométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2
1 Rappel sur les ensembles
Dans tout ce qui suit les ensembles considérés sont tous supposés inclus dans un ensemble donné
Ω. L'ensemble des parties de Ω, sera noté P(Ω) = {A : A ⊂ Ω}.

Inclusion : A est dit inclus dans B et on note A⊆B si et seulement ∀x ∈ Ω (x ∈ A ⇒ x ∈ B).

Égalité : A = B si et seulement si A⊂B et B⊂A

Réunion : de A et de B , noté A ∪ B , ( lire  A union B  ), est l'ensemble des éléments appar-

tenant à A ou à B . A ∪ B = {x ∈ Ω|(x ∈ A) ou (x ∈ B)}, c'est-à-dire que :

x∈A∪B si et seulement si x∈A ou x ∈ B.

La réunion d'une famille d'ensembles {(Ei )i∈I } est dénie par :

[
Ei = {x ∈ Ω|∃ i ∈ I, x ∈ Ei } .
i∈I

Propriétés

ˆ associativité : (A ∪ B) ∪ C = A ∪ (B ∪ C)
ˆ commutativité : A∪B =B∪A ;

ˆ idempotence : A∪A=A ;

ˆ ∅ est neutre : A∪∅=A ;

ˆ Ω est absorbant : Ω ∪ A = Ω.

Intersection : de A et de B , noté A ∩ B , ( lire A inter B ), est l'ensemble des éléments

appartenant à A et à B . A ∩ B = {x ∈ Ω|(x ∈ A) et (x ∈ B)}, c'est-à-dire que :

x∈A∩B si et seulement si x∈A et x ∈ B.

L'intersection d'une famille d'ensembles {(Ei )i∈I } est dénie par :

\
Ei = {x ∈ Ω|∀ i ∈ I, x ∈ Ei } .
i∈I

Propriétés

ˆ associativité : (A ∩ B) ∩ C = A ∩ (B ∩ C)
ˆ commutativité : A∩B =B∩A ;

ˆ idempotence : A∩A=A ;

ˆ Ω est neutre : A∩Ω=A ;

ˆ ∅ est absorbant : ∅ ∪ A = ∅.

Complémentaire de A est l'ensemble des éléments de Ω qui n'appartiennent pas à A; Il est

c
noté A , Ac = {x ∈ Ω|x ∈
/ A} c'est-à-dire que

x ∈ Ac si et seulement si x∈Ω et x∈
/ A.

Le passage au complémentaire inverse la relation d'inclusion : A⊂B si et seulement si

Bc ⊂ Ac

On a les propriétés suivantes combinant la réunion, l'intersection et le complémentaire

3
 ˆ distributivité de l'intersection par rapport à la réunion

A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
[ [
A∩ Bi = (A ∩ Bi )
i∈I i∈I

ˆ distributivité de la réunion par rapport à l'intersection:

A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C)
\ \
A∪ Bi = (A ∪ Bi )
i∈I i∈I

ˆ Lois de Morgan
(A ∪ B)c = Ac ∪ B c
!c
[ \
Ei = Eic
i∈I i∈I

(A ∩ B)c = Ac ∪ B c
!c
\ [
Ei = Eic
i∈I i∈I

Le produit cartésien

ˆ Soient A et B deux ensembles. On appelle produit cartésien de A et B l'ensemble, noté

A×B et déni par
A × B = {(x, y)|x ∈ A, y ∈ B}

ˆ Plus généralement, On note par

E1 × · · · × Ek = {(x1 , · · · , xk ) | xi ∈ Ei , ∀i = 1, · · · , k}

ˆ On note En = E × · · · × E

ˆ A×∅=∅

ˆ A × (B ∩ C) = (A × B) ∩ (A × C)

ˆ A × (B ∪ C) = (A × B) ∪ (A × C)

ˆ (A × A′ ) ∩ (B × B ′ ) = (A ∩ B) × (A′ ∩ B ′ )

ˆ (A × A′ ) ∪ (B × B ′ ) ⊂ (A ∪ B) × (A′ ∪ B ′ )

Le cardinal
ˆ Lorsqu'un ensemble A est ni, le nombre d'éléments est appelé cardinal de A et est noté
#A,

ˆ #∅ = 0

ˆ #(A ∪ B) = #A + #B − #(A ∩ B)

ˆ Si A∩B =∅ alors #(A ∪ B) = #A + #B

ˆ #(A × B) = (#A) · (#B)

ˆ #(E k ) = (#E)k

4
2 Dénombrement : diérents modes de tirage
Considérons une urne qui contient N boules discernables par exemple numérotés de 1 à N.
L'expérience aléatoire à modéliser est le tirage de n boules dans cette urne. On note par E
l'ensemble des boules dans l'urne, E = {1, 2, ..., N }. Le tirage peut s'eectuer de trois manières
diérentes :

ˆ Tirage successif avec remise. Dans ce mode de tirage on tire une boule et on la remet
dans l'urne puis on tire la suivante et on la remet jusqu'à tirer n boules. Donc ici l'ordre
dans lequel les boules sont tiré est important et les boules tirées peuvent se répétées.
L'espace fondamental associé à ce mode de tirage est

Ω1 = {(x1 , x2 , ..., xn ) : xi ∈ E, ∀1 ≤ i ≤ n} = E n .

et on a #Ω1 = #(E n ) = (#(E))n = N n

Il s'agit du nombre de possibilités de choisir =n boules parmi N lorsqu'on on prend en
considération l'ordre et la répétition

ˆ Tirage successif sans remise. Dans ce mode de tirage on tire les n boules une à une
sans les remettre dans l'urne. Donc ici n ≤ N. L'ordre dans le quel les boules sont tiré est
important mais les boules tirées ne peuvent pas se répétées. L'espace fondamental associé
à ce mode de tirage est

Ω2 = {(x1 , x2 , ..., xn ) : xi ∈ E, xi ̸= xj ∀i ̸= j}

et on a
N!
#Ω2 = N (N − 1)...(N − (n − 1)) = := AnN .
(N − n)!
En eet, cela peut se montrer par récurrence surn:
Si n = 1 alors Ω2 = {x : x ∈ E} = E . Donc #(Ω2 ) = #(E) = N .
Supposons le résultat vrai pour n et montrons le pour n + 1. Ceci est vrai car le nombre
des tirages possibles de n+1 boules est égal au nombre des tirages possibles de n boules
multiplié par le nombre de tirage d' 1 boule de l'urne contenant à présent que N − n boules
(car n ont déjà été tirés).
Remarque Le nombre AnN est le nombre des arrangements de n parmiN . Si n = N c'est
le nombre des permutations de l'ensemble E qu'on note σ(E), et #(E) = N !.

ˆ Tirage simultané (ou exhaustif) Dans ce mode les n boules sont tirées en une fois. Ici
n ≤ N , l'ordre n'importe pas et les boules ne peuvent pas se répéter. L'espace fondamental
associé à ce mode de tirage

Ω3 = {A ⊂ E : #(A) = n} := Pn (E)

est l'ensemble de toute les parties de E de n éléments.

et on a
N! n
#Ω3 = = CN
(N − n)!n!
En eet, posons K = #(Ω3 ). Ainsi, en posant Ω3 = {A1 , ..., AK } (les Ai sont distincts), il
en résulte que Ω2 = σ(A1 )∪, , , ∪σ(AK ) et par conséquent,
K
X
#(Ω2 ) = #(σ(Ai ))
i=1

Comme pour tout i, #(Ai ) = n alors #(σ(Ai )) = n!. Ainsi, on

AnN = Kn! et par conséquent #(Ω3 ) = K = AnN /n! n.

= CN
Remarque. L'ensemble Ω3 est noté Pn (E) pour l'ensemble de parties de E de cardinal

5
 n. Le nombre
n
CN s'appelle le nombre des combinaison de n parmi N.
Le cardinal de l'ensemble des parties de E est égale à la somme des cardinaux des ensembles
de cardinal n pour n=1 à N. Il en résulte du binôme de Newton que

N
X
n
#(P(E)) = CN = 2N
n=0

ˆ Tirage avec répétition sans ordre. Parmi les quatre possibilités que nous avons
énumérées pour l'échantillonnage ordonné/non ordonné avec/sans remise, l'échantillonnage
non ordonné avec remise est le plus dicile. Supposons que nous voulions échantillonner
à partir de l'ensemble A = {a1 , a2 , ..., an } k fois de sorte que la répétition soit autorisée et
que l'ordre n'ait pas d'importance. Par exemple, si A = {1, 2, 3} et k = 2, alors il y a 6
façons diérentes de le faire : 1,1 ; 1,2 ; 1,3 ; 2,2 ; 2,3 ; 3,3 ;

Comment peut-on obtenir le chire 6 sans réellement lister toutes les possibilités ? Une
façon de penser à cela est de noter que n'importe laquelle des paires de la liste ci-dessus
peut être représentée par le nombre de 1, 2 et 3 qu'elle contient. Autrement dit, si x1 est
le nombre de uns, x2 est le nombre de deux et x3 est le nombre de trois, nous pouvons
représenter de manière équivalente chaque paire par un vecteur (x1 , x2 , x3 ), c'est-à-dire,

1, 1 → (x1 , x2 , x3 ) = (2, 0, 0); 1, 2 → (x1 , x2 , x3 ) = (1, 1, 0) etc. Notez qu'ici xi ≥ 0 sont

des entiers et x1 + x2 + x3 = 2. Ainsi, nous pouvons armer que le nombre de façons dont
nous pouvons échantillonner deux éléments de l'ensemble A = {1, 2, 3} de telle sorte que
l'ordre n'a pas d'importance et que la répétition soit autorisée est le même que les solutions
de l'équation suivante x1 + x2 + x3 = 2, où xi = 0, 1, 2. En généralisant on a pour k et n
le nombre de façons de choisir k parmi n avec répétition et sans ordre est égal au nombre
de solution de l'équation : x1 + x2 + · · · + xn = k , où xi = 0, 1, · · · k . Pour dénombrer le
nombre de possibilités on recourt à l'astuce suivante : 1 → |, 2 → ||, 3 → ||| ainsi de suite.
On écrit donc x1 + x2 + x3 = 1 + 1 + 0 = 2 =| + |+ nous avons une représentation unique
utilisant des lignes verticales (|) et des signes plus (+). En eet, chaque solution peut être
représentée par k lignes verticales et n − 1 plus des signes. Il en résulte donc le nombre de
possibilités est égal au nombre de séquences distinctes que nous pouvons faire en utilisant
k n−1
k lignes verticales | et n−1 signes plus + à savoir Cn+k−1 = Cn+k−1 .

Exemples.
1) Le lancer d'un dé à six faces peut être vu comme un tirage d'une boule dans une urne contenant
6 boules. Donc #(Ω) = 6
2) Le lancer de 2 dés discernable peut être vu comme un tirage successif avec remise de 2 boules
dans une urne contenant 6 boules. Donc #(Ω) = 62 = 36
3) La combinaison d'une serrure à 3 chires peut être regardée comme un tirage avec remise de
3 boules d'une urnes contenant 10 numérotes de 0 à 9. Donc #(Ω) = 103 = 1000.
4) Le tirage simultané de n d'une urne contenant N1 boules blanches et N2 boules noires peut
être regardée de la manière suivante : pour k=0 àn on eectue deux tirages simultanés :

ˆ le premier de k boules dans urne contenant les N1 boules blanches

ˆ le second de n−k boules dans une urne contenant les N2 boules noires

Il en découle que
n
X
n
CN 1 +N2
= k
CN C n−k .
1 N2
k=0

Le terme
k C n−k
CN correspond au nombre des possibilité de tirer k boules blanches et n−k
1 N2
boules noires. Il s'en suit que si, B est l'événement Parmi le n boules tirées, il y exactement k

6
boules blanches, alors
k
#(B) = CN C n−k .
1 N2

5) Dans un jeu de 32 cartes, une main de 8 cartes un tirage simultané de 8 parmi 32. Supposons
que l'on cherche à calculer la le nombre de possibilités d'avoir B= la main contient exactement
2 as et
#(B) = C42 C28
6
.
Exercice. (Les probabilités au Poker)
Considérons un jeu de 52 cartes de hauteurs {As, 2, 3, 4, 5, 6, 7, 8, 9, 10, V, D, R} de 4 couleurs
{♣, ♢, ♡, ♠}. Une main est un ensemble de 5 cartes choisies parmi ce jeu. On dénit les mains
suivantes :
1) Une paire : Une main constitue une paire quand deux cartes sont de même hauteur alors que
les hauteurs des 3 autres sont toutes diérentes et diérentes de celle des cartes qui constituent
la paire.
2) Deux paires : Une main constitue deux paires quand deux cartes sont de même hauteur, deux
autres cartes de même hauteur mais de hauteur diérente de celle de la première paire et que la
dernière carte est de hauteur diérente de celle présente dans les deux paires.
3) Brelan : Une main constitue un brelan quand trois cartes sont de même hauteur alors que
les hauteurs des deux autres sont diérentes et diérentes de celle des cartes qui constituent le
brelan.
4) Flush : Une main constitue un ush quand les 5 cartes sont de la même couleur.
5) Full : Une main constitue un full quand trois cartes sont de même hauteur et les deux autres
cartes sont aussi de même hauteur. Autrement dit un full est à la fois un brelan et une paire.
6) Carré : Une main constitue un carré quand quatre cartes sont de même hauteur.
7) Quinte ush : Une main constitue une quinte ush quand les 5 cartes sont de la même couleur
et de hauteurs consécutives. L'as peut être utilisé comme carte de plus petite hauteur mais aussi
comme carte de plus grande hauteur.
8) Quinte ush royale : Une main constitue une quinte ush royale si elle contient : As, Roi,
Dame, Valet et 10 de même couleur.
Calculer le nombre de possibilités d'avoir ces diérentes mains.

Solution
Tout d'abord commençons par modéliser l'expérience. Le jeu de cartes est considéré comme urne
E de 52 cartes (boules) qui peut être (selon le cas) diviser en 2 ou plusieurs groupes. L'ensemble
de main est donné par P5 (E) et son cardinal est
5
C52

1) Une paire est caractérisée par la hauteur de la paire, les couleurs de 2 cartes constituant cette
paire et le choix de 3 autre cartes de tel façon qu'elle soient toutes de hauteurs diérentes entre
elles et diérentes de celle de la paire. Commençons par le choix de la hauteur de la paire il y a
13 hauteurs possibles. Pour une hauteur donnée il y a C42 (2 couleurs parmi 4) couleurs possibles
pour les deux cartes constituant la paire. Maintenant pour une paire donnée, il y a C1 23 (choix
de 3 parmi 12=nombre des hauteur moins 1 pour la hauteur de la paire) possibilités pour les
hauteurs des 3 autres cartes et il y 43 possibilités pour leur couleurs. D'où

#(paire) = 13 × C42 × C12

3
× 43

2) Une main de deux paires est caractérisée par les 2 hauteurs de deux paires (il y
2 )
C13 les
2
couleurs de des cartes constituant chaque paires (il y a C4 × C42 ) Une foi les deux paire choisie
il reste 4(13-2)=44 possibilités pour la dernière cartes. D'où

2
#(2 paires) = C13 × C42 × C42 × 44

3) Un brelan est caractérisé par la hauteur du brelan (13 possibilités), choix des couleurs des
3
cartes constituant le brelan (C4 possibilités) choix des hauteurs de 2 autres cartes (C1 2 ) et de
2
2
leurs couleurs 4 . D'où
#(Brelan) = 13 × C43 × C12
2
× 42

7
4) Un ush est caractérisé par sa couleur (4 possibilités) et du choix des hauteurs de ses cartes
5
(C13 ). D'où
5
#(F lush) = 4 × C13
5) Un full est caractérisé par la hauteur de son brelan (13 possibilités), les couleurs de son brelan
3 2
(C4 possibilité) la hauteur de sa paire (12 possibilités) et les couleurs de la paire (C4 possibilités.
D'où
#(F ull) = 13 × C43 × 12 × C42
6) Un carré est caractérisé par sa hauteur (13 possibilités) et du choix de l'autre carte (12 ×4
possibilités). D'où
#(Carre) = 13 × 12 × 4
7) Une quinte ush est caractérisée par sa couleur (4 possibilités) et de sa plus petite carte 10
possibilités (car l'as a un double rôle). D'où

#(Quinte F lush) = 4 × 10

8) Une quinte ush royal est caractérise par sa couleur 4 possibilités

#(Quinte F lush Royale) = 4

8
3 Notion de probabilité
3.1 Espace fondamental
Dénition 1. Une expérience aléatoire est expérience qui peut être répétée théoriquement aussi
souvent que l'on veut, dans des conditions xées, dont on connait l'ensemble des résultats possibles
mais dont on ne peut prédire avec certitude le résultat que l'on obtiendra.
Dénition 2. L'espace fondamental d'une expérience est l'ensemble de tous les résultats possibles
de cette expérience.

Exemples.
1) Le lancer d'un dé à six face : Ω = {1, 2, ..., 6}.
2) Le lancer d'une pièce de monnaie : Ω = {P ile, F ace}.
3) On lance une pièce de monnaie jusqu'à obtenir Face. Les résultats possibles de cette expéri-
ence sont les nombres de fois ou on a lancé la pièce : Ω = N∗ .
4) La durée de vie d'un être vivant : Ω = R+ .
3) La trajectoire d'une feuille morte sur une surface d'eau plane D pendant un temps T :
Ω = C([0, T ], D)

3.2 Événements
Dénition 3. On appelle P(Ω) la tribu triviale d'événements dénie sur Ω. Tout élément de
cette tribu est appelé événement

Vocabulaire

ˆ Si A est un événement, pour chaque résultat ω de l'expérience aléatoire,

 ou bien ω∈A : Dans ce cas on dit que A est réalisé.

 ou bien ω ̸∈ A : on dit que A n'est pas réalisé.

ˆ La non-réalisation de A est appelé la réalisation de l'événement contraire de A.

ˆ La réalisation simultanée de deux événements A et B (A et B) est l'événement A ∩ B.

ˆ La réalisation d'au moins un des deux événements A et B (A ou B ) est l'événement A ∪ B .

ˆ Si A et B sont deux événements tels que A ⊂ B, on dit que l'événement A entraîne (ou
implique) l'événement B.

ˆ Le singleton{ω} est appelé événement élémentaire.

ˆ Ω est l'événement certain.

ˆ ∅ est l'événement impossible.

ˆ Deux événements A et B dont la réalisation simultanée est impossible (A ∩ B = ∅) sont

dits incompatibles. Dans ce cas A et B sont dits mutuellement exclusifs.

ˆ des événements dont l'union donne l'espace fondamental sont dits collectivement exhaustifs

9
3.3 Probabilité
Dénition 4. : On appelle probabilité une application P : P(Ω) −→ [0, 1] ayant les propriétés
suivantes :
ii) P(Ω) = 1

iii) Pour toute suite (An )n≥1 d'événements deux à deux incompatibles,

P(An ) (σ -addidivité).
X
P (∪n≥1 An ) =
n≥1

Exemple. Probabilité uniforme.

Si Ω est ni la probabilité uniforme est dénie par

#A nombre de cas favorables

P(A) = =
#Ω nombre de cas possibles

Propriétés:
1. P(∅) = 0.

2. Pour tout événement A on a P(A) ≤ 1.

3. Additivité de P : si A1 , A2 , ..., An sont n événements deux à deux incompatibles, alors

P(A1 ∪ A2 ∪ ... ∪ An ) = P(A1 ) + P(A2 ) + ... + P (An ).

4. P(Ac ) = 1 − P(A).

5.
P(A ∪ B) = P(A) + P(B) − P(A ∩ B).

6.

P(A ∪ B ∪ C) = P(A) + P(B) + P(C) − P(A ∩ B) − P(A ∩ C) − P(B ∩ C) + P(A ∩ B ∩ C).

7. Si A ⊂ B, alors P(A) ≤ P(B).

8. P(A ∩ B c ) = P(A) − P(A ∩ B)

10
4 Probabilité conditionnelle et Indépendance
4.1 Probabilité conditionnelle
Dénition 5. Soient (Ω, A, P) une espace de probabilité et B un événement tel que P(B) ̸= 0.
On appelle probabilité conditionnelle de A sachant B , le réel
P(A ∩ B)
P(A|B) =
P(B)

Proposition 1. (Formule des probabilités composées)

ˆ Soit B un événement tel que P(B) ̸= 0 alors, pour tout A ∈ A, on a
P(A ∩ B) = P(B)P(A|B).

ˆ Plus généralement, soit A1 , ..., An tel que P(A1 ∩ ... ∩ An−1 ) ̸= 0, alors
P(A1 ∩ ... ∩ An ) = P(A1 ).P(A2 |A1 )...P(An |A1 ∩ ... ∩ An−1 ).

Dénition 6. On appelle système d'événements complet toute famille (Bn )n∈I , où I ⊂ N ni
ou dénombrable, tel que
ˆ pour tout n, P(Bn ) ̸= 0.

ˆ les événements Bn sont deux à deux incompatibles (mutuellement exclusifs)

ˆ ∪n∈I Bn = Ω (collectivement exhaustifs)

Proposition 2. Formule des probabilités totales (FPT)

Soit (Bn )n∈I un système d'événements complet alors pour tout A ∈ A,

(FPT 1ère forme)

X
P(A) = P(A ∩ Bn )
n∈I

(FPT 2ème forme)

X
= P(A|Bn )P(Bn )
n∈I

Exemple
- Soit B∈A tel que 0 < P(B) < 1. Alors pour tout A ∈ A, on a

P(A) = P(A|B)P(B) + P(A|B c )P(B c )

- On considère n urnes telles que l'urne numéro i contient i boules blanches et n−i boule noire.
On choisit au hasard une urne et on en tire 1 boule. Qu'elle est la probabilité qu'elle soit blanche?
On pose Bi l'événement l'urne numéro i est choisie et A l'événement on tire une boule blanche.
La
n
famille (Bi )i=1 constitue une système d'événements complet. On a alors

n
X
P(A) = P(A|Bi )P(Bi )
i=1

Le choix de l'urne étant au hasard les événements Bi sont équiprobables et P(Bi ) = 1/n. Sachant
qu'on a choisit l'urne numéro i la probabilité de tirer une boule blanche est alors P(A|Bi ) = i/n.
D'où
n
X i1 n(n + 1) 1 1
P(A) = = 2
= +
nn 2n 2 2n
i=1

11
Proposition 3. Formule de Bayes Soient A et B deux événements de probabilité non nulle.
Alors
P(A)
P(A|B) = P(B|A) .
P(B)
Soit (Bn )n∈I un système d'événements complet. Alors pour tout événement A ∈ A on a
P(A|Bj )P(Bj )
P(Bj |A) = P
n∈I P(A|Bn )P(Bn )

Exemple Reprenons l'exemple précédent. Sachant qu'on a tiré une boule blanche, quelle est la
probabilité d'avoir choisis l'urne numéro i? On a

1
P(Bi ) i n 2i
P(Bi |A) = P(A|Bi ) = n(n+1)
= .
P(A) n n(n + 1)
2n2

A retenir :
- La notion de probabilité conditionnelle s'introduit naturellement chaque fois qu'on acquiert une
information partielle sur le résultat d'une expérience aléatoire.
- Elle s'utilise aussi lorsqu'on se livre à deux expériences aléatoires successives telles que les con-
ditions de la seconde sont fonction du résultat de la première.

4.2 Indépendance
Dénition 7. Soit (Ω, A, P) un espace de probabilité.
ˆ Deux événements A et B sont dits indépendants si P(A ∩ B) = P(A)P(B).

ˆ Soit (An )n∈I , I ⊂ N ni ou non. On dit que la famille {An } est mutuellement indépendante
si pour tout J ⊂ I !
\ Y
P Ai = P(Ai )
i∈J i∈J

Exemple. On tire une carte au hasard dans un jeu de 32 cartes. Les événements A= c'est un
pique et B= "c'est un numéro" sont indépendants.
En eet, l'ensemble fondamental Ω est l'ensemble des 32 cartes : 8 cartes (as-roi-dame-valet-10-
9-8-7) pour chacune des 4 couleurs (♠-pique, ♡-c÷ur, ♢-carreau, ♣-trèe). On munit Ω de la
probabilité uniforme puisque le tirage se fait au hasard, d'où

8 1
P(A) = =
23 4
Il y a 16 numéro (10- 9 -8-7 de chaque couleur), donc

16 1
P(B) = =
32 2
Enn il y a 4 numéro de pique, donc

1 11
P(A ∩ B) = = = P(A)P(B).
8 28

Propriétés. Soient A et B deux événements de probabilité non nulle. Les trois conditions sont
équivalentes :
i) A et B sont indépendants
ii) P(A|B) = P(A)
iii) P(B|A) = P(B)

12
Remarque. Les propriétés ii) et iii) justient le terme indépendants. En eet la probabilité
d'un événement n'est pas modiée par le fait que l'on sache un événement indépendant réalisé.

Propriétés Si A et B sont deux événements indépendants, alors

c
- A et B sont indépendants
c
- A et B sont indépendants
- Ac et Bc sont indépendants

Propriétés Soit {Ai }i∈I une famille mutuellement indépendante et soit Bi tel que B i = Ai ou
Bi = Aci . Alors la famille {Bi }i∈I est mutuellement indépendante.

13
5 Variables aléatoires
Tout au long de chapitre des lettres majuscules comme X , Y , Z ,.. seront utilisées pour désigner
de variables aléatoires et des lettres minuscules comme x, y , z ,.. seront utilisées pour désigner
valeurs que peut prendre les variables aléatoires

5.1 Rappel
n
ˆ Binôme de Newton
X
: (a + b)n = Cnk ak bn−k
k=0

ˆ Suite géométrique :
n
1 − q n+1

X
qk =
1−q
k=0
+∞
1

X
qk =
1−q
k=0
+∞
qn

X
qk =
1−q
k=n

+∞ k
x
ˆ Exponentielle : ∀x ∈ R,
X
ex =
k!
k=0

5.2 Dénitions Variable

Dénition 8. Une variable aléatoire est une fonction X qui associe à chaque résultat d'une
expérience aléatoire un nombre réel

Exemples.
ˆ On lance une pièce de monnaie 3 fois de suite. L'espace fondamental associé à cette
expérience est {P P P, P P F, P F P, P F F, F P P, F P F, F F P, F F F }. Si X désigne le nombre
de Pile obtenu alors X(P P P ) = 3, X(P P F ) = 2, X(P F P ) = 2, X(P F F ) = 1, x(F P P ) =
2, X(F P F ) = 1, X(F F P ) = 1 et X(F F F ) = 0 Ici l'ensemble des valeurs que peut prendre
la variable X est {0, 1, 2, 3}.

ˆ On lance une pièce de monnaie jusqu'à obtenir Pile. Soit X est le nombre de lancers
eectués. X est une variable aléatoire. L'ensemble des valeurs qu'elle peut prendre est N∗ .

Dénition 9. Soit X une variable aléatoire. On note par X(Ω) l'ensemble des valeurs prises
par X . Si X(Ω) est de la forme {xi |i ∈ I} ou I est une partie de N, alors on dit que X est
discrète. Dans ce cours on étudiera uniquement les variables discrètes

5.3 Distribution d'une variable aléatoire

5.3.1 Fonction de répartition
Dénition 10. Soit X une v.a.. On appelle fonction de répartition de X , noté FX , la fonction
dénie sur R à valeurs dans [0, 1] tel que FX (x) = P(X ≤ x). Ici (X ≤ x) = {ω ∈ Ω|X(ω) ≤ x}

Propriétés.

1. La fonction de répartition FX est croissante et à valeurs dans [0, 1].

14
 2. On a limx→−∞ FX (x) = 0 et limx→+∞ FX (x) = 1.

3. Pour tout x ∈ R P(X > x) = 1 − FX (x)

4. Pour tout x, y ∈ R, P(x < X ≤ y) = FX (y) − FX (x).

5. FX est une fonction en escalier.

6. Pour tout x ∈ R, P(X = x) = FX (x) − limy→x− FX (y)

5.3.2 Fonction de masse

Dénition 11. Soit X une v.a.
La fonction pX (x) = P(X = x) est appelée fonction de masse de la v.a. discrète X .

Propriétés.

ˆ 0 ≤ pX (x) ≤ 1
X
ˆ P(a ≤ X ≤ b) = pX (x)
a≤x≤b
X
ˆ pX (x) = 1
x∈X(Ω)

5.4 Caractéristique de distribution d'une variable aléatoire

Il est intéressant de dénir des quantités permettant de décrire les caractéristiques principales
d'une distribution. Ceci facilite la comparaison de distributions entre elles. Quand nous tra-
vaillerons au niveau de l'échantillon, il arrivera que l'on ne connaisse pas nécessairement les
distributions impliquées, pourtant les mesures caractéristiques pourront toujours être estimées à
partir de l'échantillon.

5.4.1 Espérance mathématique et variance

Dénition 12. Soient X un v.a. l'espérance mathématique (ou moyenne) de X est donnée par
X
E[X] = xpX (x)
x∈X(Ω)

la variance de X est donnée par

h i
V (X) = E (X − E(X))2

Notes.
ˆ La racine de la variance s'appelle l'écart-type

ˆ Pour le calcul de la variance on utilise souvent la formule σ 2 = E[X 2 ] − (E[X])2

ˆ σ/µ est appelée coecient de variation qui sert à décrire l'importance relative de variation
de la variable aléatoire.

15
5.4.2 Propriétés.
1. E[aX] = aE[X]
2. E[aX + b] = aE[X] + b
3. E[aX + bY ] = aE[X] + bE[Y ]
4. V (aX + b) = a2 V (X)
" n # n
X X
5. E Xi = E [Xi ]
i=1 i=1

5.5 Lois usuelles discrètes

Soit p ∈]0, 1[ et λ>0

5.5.1 Loi de Bernoulli

On appelle une épreuve de Bernoulli une expérience aléatoire admettant deux résultats possible
un échec ou un succès telle que la probabilité du succès est égale à p ∈]0, 1[. Soit X la variable
aléatoire égale à 1 si le résultat de l'épreuve est un succès et 0 sinon. On a donc

X(Ω) = {0, 1} et on a pX (0) = P(X = 1) = p et pX (1) = P(X = 0) = 1 − p.

On dit que X suit une loi de Bernoulli de paramètre p et on note X ⇝ Ber(p).

Pour une variable X qui suit une loi Bernoulli de paramètre p, on a

E(X) = p et
2 = p(1 − p)
σX

5.5.2 Loi binomiale

Soit n ∈ N∗ et on considère l'expérience aléatoire qui consiste à eectuer n épreuve de Bernoulli
indépendantes. Soit X la variable aléatoire égale au nombre de succès obtenus à l'issu de cet
expérience. L'ensemble des valeurs possibles pour X est alors

X(Ω) = {0, 1, ..., n} et on a pX (k) = P(X = k) = Cnk pk (1 − p)n−k pour k ∈ {0, 1, ..., n}.

On dit alors X suit une loi binomiale de paramètre n et p et on note X ⇝ B(n, p).
Pour une variable X qui suit une loi binomiale de paramètre n et p, on a

E(X) = np et
2 = np(1 − p)
σX
Propriété. Si X ∼ B(n, p) et Y ∼ B(m, p) et X et Y indépendantes alors X + Y ∼ B(n + m, p)
A retenir! Le nombre de succès lors de n épreuves indépendantes suit une une loi binomiale.

Remarque. Une loi de Bernoulli est une loi binomiale avec n=1

5.5.3 Loi géométrique

On considère l'expérience aléatoire qui consiste à eectuer une suite d'épreuve de Bernoulli
indépendantes. Soit X la variable aléatoire égale au rang du premier succès obtenu (ou nombre
d'épreuves pour avoir un succès). L'ensemble des valeurs possibles pour la variable X est

X(Ω) = N∗ et on a P(X = n) = p(1 − p)n−1 pour tout n ∈ N∗ .

On dit que X suit une loi géométrique de paramètre p et on note X ⇝ Geo(p).

Pour une variable X qui suit une loi géométrique de paramètre p, on a

E(X) = 1/p et
2 = (1 − p)/p2
σX
A retenir! Le nombre d'épreuve pour obtenir le premier succès suit une une loi géométrique.

16
5.5.4 Loi hypergéométrique
On considère l'expérience aléatoire qui consiste à eectuer un tirage simultané de n boules dans
une urne qui contient N1 boules blanche et N2 boule noire. Soit X la variable aléatoire égale au
nombre des boules blanches tirées. L'ensemble des valeurs possibles pour X est

k C n−k
CN
1 N2
X(Ω) = {n, ..., n} et on a P(X = k) = CNn .
1+N 2

On dit que X suit une loi hypergéométrique de paramètres N1 , N2 , n et on note

X ⇝ H(N1 , N2 , n).

Pour une variable X qui suit une loi hypergéométrique de paramètre N1 , N2 et n, on a

  
N1 2 N1 N1 N1 + N2 − n
E(X) = n et σX =n 1−
N1 + N2 N1 + N2 N1 + N2 N1 + N2 − 1

17