Chapitre 1 Analyse combinatoire et dénombrement

Toute décision et en particulier toute de décision de gestion engage l’avenir, Elle est donc
forcément prise en situation d’incertitude. Celle-ci affecte les conditions dans lesquelles l’action
envisagée se réalisera et par voie de conséquence les effets qu’elle produise. En attribuant à
un événement à venir une probabilité c’est à-dire un nombre mesurant les chances qu’il a de
se réaliser, ou son degré de vraisemblance, on n’élimine pas l’incertitude mais on la réduit.
L’utilisation de modèles issus de la théorie des probabilités permet d’améliorer la qualité de
l’information fournie au décideur et donc la qualité de sa gestion. Ainsi, un système de mesure
de la performance bien organisé peut être le mécanisme le plus puissant à la disposition de la
direction pour améliorer la probabilité de mise en œuvre de la stratégie réussie.
l’analyse combinatoire est une branche des mathématiques qui étudie comment compter
les objets. Elle fournit des méthodes de dénombrements particulièrement utiles en théorie des
probabilités.

1.1 Techniques de dénombrement

Dans ce chapitre, nous allons exposer des techniques qui permettent de dénombrer (compter)
les différentes issues (résultats possibles) pouvant se présenter lors d’une expérience. Beaucoup
de problèmes de probabilités peuvent être résolus simplement en en dénombrant le nombre
d’issues que possède un certain événement. La branche des mathématiques qui traite du dénom-
brement des ensembles finis porte le nom d’analyse combinatoire.

1.1.1 Diagrammes arborescents ou arbres

On considère une urne qui contient deux boules rouges, deux noires et une verte. On tire
deux boules sans remise. Il s’agit d’une expérience à deux étapes où les différentes possibilités
qui peuvent survenir sont représentées par un arbre horizontal. On obtient trois branches
principales et trois branches secondaires pour chaque étape sauf pour le cas où une verte a été
tirée en premier.
Le nombre de branches terminales de cet arbre donne le nombre d’éléments de l’univers.
 1.2 Permutations –B–

Lorsqu’on rencontre beaucoup d’étapes dans une expérience et de nombreuses possibilités

à chaque étape, l’arbre associé à l’expérience devient trop complexe pour être analysé. Ces
problèmes se simplifient à l’aide de formules algébriques, comme on va le voir.
La démonstration de ces formules repose sur le fait que dans le cas d’une expérience à
deux étapes, par exemple, un arbre qui aurait r branches principales et s branches secondaires
commençant à partir des r branches principales aura rs branches terminales. C’est le principe
fondamentale de l’analyse combinatoire objet de la proposition suivante.
Proposition 1.1. S
on peut choisir un objet α de n façons, puis un autre objet β de m façons, alors on peut
choisir α puis β de m.n façons.
♠

Exemple1.1 Calculons le nombre de plaques minéralogiques distinctes disponibles par départe-

ment quand la numérotation comprend 4 chiffres et 2 lettres:
En donnant une case à chaque chiffre ou lettre, donc on peut attribuer :
10 chiffres à la 1ère case
10 chiffres à la 2ème case
10 chiffres à la 3ème case
10 chiffres à la 4ème case
26 lettres à la 5ème case
26 lettres à la 6ème case
Le nombre de plaques différentes est donc : N = [Link].26.26 = 6750000 plaques

1.2 Permutations

Remarque Soit n ∈ N. n! (se lit n factorielle ) est le produit de tous les entiers naturels jusqu’à
n, n! = n(n − 1)(n − 2) · · · 3.2.1. Par convention, 0! = 1.
1.3 Arrangements –C–

Il y’a n! façons différentes d’ordonner les n éléments d’un ensemble fini E. (Une permuta-
tion est une disposition ordonnée c’est à dire une partie ordonnée de ces n éléments)
Exemple1.2 Le nombre de permutation de E = {a, b, c} est 3! = 3x2x1 = 6, ces permutations
sont (a, b, c), (a, c, b), (b, a, c), (b, c, a), (c, a, b), (c, b, a).

1.2.1 Permutations avec répétition

Dans les paragraphes précédents, on a supposé que les n objets étaient tous différents. Il
arrive parfois que les n objets en contiennent un certain nombre qui sont indiscernables.
Dans le cas où il existerait plusieurs répétitions k d’un même élément parmi les n éléments, le
nombre de permutations possibles des n éléments doit être rapporté aux nombres de permutations
n!
des k éléments identiques. Le nombre de permutations de n éléments est alors : Pn = k!
En effet, les permutations de k éléments identiques sont toutes identiques et ne comptent
que pour une seule permutation.
Cas général: Le nombre d’anagrammes d’un mot de n lettres, comportant seulement k < n
lettres distinctes, en nombres n1 , . . . , nk est
n!
P= .
n1 !n2 ! · · · nk !
Exemple1.3 Considérons le mot « PROBABILITE ». Le nombre de mots possibles (avec ou
11!
sans signification) que l’on peut écrire en permutant ces 11 lettres est : P11 = 2!2! en considérant
deux groupes de lettres identiques : B (2 fois) et I (2 fois)

1.3 Arrangements

Envisageons un ensemble de n objets différents. Choisissons maintenant r de ces n objets

et ordonnons les.
Définition 1.1
Une disposition ordonnée de r objets distincts pris parmi n est appelée arrangement de r
objets pris parmi n (on a obligatoirement r ≤ n).
♣

Il y’a Arn façons différentes de choisir et d’ordonner r éléments pris parmis les n éléments
d’un ensemble fini E, avec:
n!
Arn = n(n − 1)(n − 2) · · · (n − r + 1) = .
(n − r)!
(Toute arrangement est une partie ordonnée de r éléments parmis n éléments)
Exemple1.4 Les arrangements de deux lettres prises parmi 4 lettres {a, b, c, d} sont au nombre de
4!
A24 = 2! = 12. Ce sont : (a, b), (a, c), (a, d), (b, a), (b, c), (b, d), (c, a), (c, b), (c, d), (d, a), (d, b), (d, c).

Cas particulier : r = n Lorsqu’il s’agit d’ordonner n objets entre eux, on effectue alors
des permutation de ces n éléments qui sont au nombre de Ann = n!.
1.4 Combinaisons –D–

1.3.1 Arrangement avec répétition

Lorsqu’un élément peut être choisi plusieurs fois dans un arrangement, le nombre d’arrangement
avec répétition de p éléments pris parmi n, est alors : Apn == np avec 1pn

1.4 Combinaisons

Définition 1.2
Un choix de r objets distincts pris parmi n sans tenir compte de leur ordre est appelé
combinaison de r objets pris parmi n.
n
Le nombre total de combinaisons de r objets pris parmi n est noté Cnr ou


r
♣

Ar
 
n n(n − 1)(n − 2) · · · (n − r + 1) n!
Cnr= = n = = .
r r! r! r!(n − r)!
Exemple1.5 Le nombre de combinaisons de deux lettres prises parmi quatre {a, b, c, d} est
4 4!


2 = 2!2! = 6. Ce sont : {a, b}, {a, c}, {a, d}, {b, c}, {b, d}, {c, d}.

1.4.1 Récapitulation

Conditions Le nombre de Un exemple usuel

tirages possibles
est le nombre de :
p≥n les p éléments ne p-listes d’éléments tirages successifs .
sont pas de E, soit : np avec remise de p
nécessairement objets parmi n
tous distincts mais
sont ordonnés
p<n les p éléments sont arrangements de p tirages successifs
tous distincts et éléments dep E, soit sans remise de p
ordonnés : An objets parmi n.
p=n les n éléments sont permutations des n anagrammes d’un .
tous distincts et
ordonnés éléments de E, soit mot formé de
: n! lettres toutes
distinctes
p<n les p éléments sont combinaisons de p tirages simultanés
tous distincts et éléments de E, soit de p objets parmi
non ordonnés Cnp n.

1.4.2 Applications

1. Cnn = 1 et Cn0 = 1

2. Cnp = Cnn−p p+1

et Cn+1 = Cnp + Cnp+1

3. Formule du binôme de Newton:

(a + b)n = Cn0 an b0 + Cn1 an−1 b1 + Cn2 an−2 b2 + · · · + Cn1 a0 bn = Σnk=0 Cnk an−k bk
1.4 Combinaisons –E–

Pour le calcul des Cnk , on peut utiliser le triangle de Pascal:

1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
 1.5 Travaux dérigés –F–

1.5 Travaux dérigés

Série N° 1/ ANALYSE COMBINATOIRE ET DENOMBREMENT

 Exercice1.1
Le comité directeur d’une association, composé de 20 personnes , se propose d’élire parmi
ses membres une comission de 5 conseillers, ayant tous le même rôle.
De combien de manières cette commission peut-elle à priori, être constituée?
 Exercice1.2
Le comité directeur d’une association, composé de 20 personnes , se propose d’élire parmi
ses membres un bureau constitué: d’un président, d’un vice-président, d’un secrétaire, d’un
trésorier et d’un responsable de bulletin de l’association.
De combien de manières ce bureau peut-il à priori, être constitué?
 Exercice1.3
Un étudiant doit répondre à 7 des 10 questions d’un examen.
1. De combien de manières peut-il les choisir ?
2. S’il est obligé de choisir au moins 3 des 5 premières questions, de combien de manières
peut-il faire son choix?
 Exercice1.4
Un couple offre un dîner de 2n couverts.
De combien de manières les convives peuvent-ils être placés autour de la table ronde de
façon que le mari soit en face de sa femme?
(convives = mari + femme + invités)
 Exercice1.5
Une boîte contient 12 boules : 3 rouges, 4 bleus et 5 jaunes. On tire simultanément 3 boules.
Combien de combinaisons différentes existe-t-il si on désire avoir une boule de chaque couleur
?
 Exercice1.6
Une étagère contient trois romans, deux livres de mathématique et un de chimie. Combien
de manières peut-on ranger l’étagère si:
1. Aucune restriction n’est mise sur le rangement.
2. Les livres de mathématique doivent être rangés ensemble et les romans aussi,
3. Seuls les romans doivent être rangés ensemble.
 Chapitre 2 Les bases du calcul des probabilités

2.1 Langage probabiliste

Définition 2.1
Une expérience aléatoire, notée E, est une expérience dont le résultat ne peut pas être
déterminé avec certitude a priori , mais dont l’ensemble de tous les résultats possibles est
connu à l’avance. ♣

Exemple2.1
1. On jette un dé non truqué,
2. On choisi un individu au hasard et on observe son groupe sanguin.
Définition 2.2
L’ensemble de tous les résultats possibles d’une expérience aléatoire est appelé
ensemble fondamental (ou univers) associé à cette expérience. Il est noté Ω.
Un élément ω ∈ Ω est dit éventualité ou événement élémentaire.
Un événement A est une partie de Ω, il est donc un ensemble de résultats possibles.
♣

Exemple2.2
1. E : Jeter deux dés, Ω = {1, 2, 3, 4, 5, 6} × {1, 2, 3, 4, 5, 6}
2. E: Lancer une pièce de monnaie, jusqu’à observer pile pour la première fois, Ω = N∗
ensemble infini dénombrable.
3. Observer la durée de vie d’une ampoule, Ω = [0; +∞[, ensemble infini non dénombrable.
Vocabulaire des événements Soit A un événement donné, si lors d’une épreuve, on obtient
ω, alors si omega ∈ A, c’est à dire ω un résultat de l’expérience, on dit alors que ω réalise A et
que A est réalisé, sinon A n’est pas réalisé.
Exemple2.3
1. E : On lance une pièce de monnaie deux fois. On a Ω = {(P ; P ); (P ; F ), (F ; P ); (F ; F )}.
A est l’événement "on obtient pile au moins une fois".
2. E : On jette deux dés, Ω = {(i, j) : i, j ∈ {1, 2, 3, 4, 5, 6}}. Soit A l’événement ”la
somme des points est supérieure à 10”.
Remarque
On dit que l’événement A est réalisé si le résultat de E est un élément de A.
L’ensemble Ω est appelé événement certain.
L’ensemble vide est appelé événement impossible.
l’événement contraire de A noté A ou CΩA est l’événement qui est réalisé lorsque A n’est
pas réalisé.
2.1 Langage probabiliste –H–

Opérations sur les événements.

Soient A et B deux événements quelconques.

1. L’événement "A ou B" (A ∪ B) est réalisé si et seulement si A est réalisé ou B est réalisé.
2. L’événement A ∩ B est réalisé si, et seulement si, A et B se réalisent simultanément.
3. A et B sont incompatibles (ou disjoints) si, et seulement si, A et B ne peuvent être réalisés
simultanément ce qui est équivalent à A ∩ B = ∅.
4. Le complémentaire de A dans Ω est l’événement contraire de A, noté A. Les événements
A et A sont dits contradictoires. A est réalisé si et seulement A ne l’est pas.
5. Si A ⊂ B, alors la réalisation de A implique celle de B; et on écrit:

(A ⊂ B) ⇐⇒ (A =⇒ B).

(Lois de MORGAN)
A∩B =A∪B et A ∪ B = A ∩ B
2.2 Probabilité –I–

2.2 Probabilité

Définition 2.3
On appelle probabilité sur Ω, (ou loi de probabilité), toute application p permettant
d’associer un réel p(A) à tout événement A et vérifiant les axiomes suivants:
1. Quel que soit l’événement A, 0 ≤ p(A) ≤ 1.
2. P(Ω) = 1.
3. Pour tout événements A et B tels que A ∩ B = ∅, on a p(A ∪ B) = p(A) + p(B)
(Axiome des Probabilités Totales)
P(A) s’appelle la probabilité de l’évènement A.
♣

Exemple2.4
1. On lance une pièce de monnaie. On a Ω = {P, F }, P pour pile et F pour face. Si la pièce
est équilibrée, on a "normalement" P(P ) = P(F ) = 1/2. Sinon, on pose P(P ) = p et
P(P ) = p; avec p ∈ [0; 1].
2. On jette un dé symétrique. La probabilité qui sert à modéliser cette situation est donnée
1
par P({i}) = 6 pour tout i ∈ Ω = {1, 2, 3, 4, 5, 6}. Si, par exemple, on s’intéresse à
l’événement A "le résultat est pair", on a P(A) = P({2, 4, 6}) = 12 .

2.3 Propriétés d’une probabilité

Proposition 2.1
Soit A et B deux évènements. Alors,
1. P(A) = 1 − P(A).
2. P(∅) = 0.
3. Si A ⊂ B, alors P(A) ≤ P(B).
4. P(A) = P(A ∩ B) + P(A ∩ B).
5. P(A ∪ B) = P(A) + P(B) − P(A ∩ B).
♠

2.4 Probabilités élémentaires

Espaces discrets. Soit Ω un ensemble fini ou dénombrable. Ω = {ω1 , ω2 , · · · , ωn }

Toute application p définie par la donnée des nombres positifs ou nuls p({ω1 }); p({ω2 });
· · · p({ωn }) de sorte que ni=1 p({ωi }) = 1 détermine une probabilité sur Ω.
P
2.5 Probabilités conditionnelles –J–

Proposition 2.2
Soit A un évènement. Si A = {w1 , w2 , . . . , wn }, alors on a :
X n
p(A) = p({wi }).
i=1
♠

Définition 2.4
On dit qu’il y a équiprobabilité lorsque Ω est fini, de cardinal n, et tous les événements
élémentaires sont de même probabilité (équiprobables).
♣

Remarque
Deux évènements A et B sont dit équiprobables si ils ont la même probabilité, c’est-à-dire,
si P(A) = P(B).
Les situations d’équiprobabilité sont très nombreuses. Citons par exemple :
1. le lancer d’une pièce ou d’un dé équilibré,
2. le tirage au hasard, d’une boule dans une urne (on dit souvent "indiscernable au
toucher" pour supposer l’équiprobabilité), d’une carte dans un jeu, d’une personne
dans un échantillon,
Proposition 2.3
On dit qu’on a une situtation d’équiprobabilité sur Ω = {w1 , w2 , . . . , wn } lorsque tous
les événements élémentaires {wi } ont la même probabilité de se réaliser. on a alors:
1. Pour tout ω ∈ Ω, P({ω}) = n1 , où n = card(Ω).
2. Pour tout événement A, on a :
card(A) nombre de cas favorables
P(A) = = .
card(Ω) nombre de cas total
♠

Exemple2.5 On jette un dé symétrique deux fois de suite. L’ensemble des résultats de l’expérience
aléatoire Ω est :
Ω = {(i, j) : i, j ∈ {1, 2, 3, 4, 5, 6}}.

On a card(Ω) = |Ω| = 36 résultats possibles qui sont équiprobables. Soit A l’événement : "le
total des points est inférieur strictement à 4". C’est-à-dire que A = {(1, 1), (1, 2), (2, 1)}. Ainsi
3 1
P(A) = = .
36 12

2.5 Probabilités conditionnelles

 2.5 Probabilités conditionnelles –K–

Définition 2.5
Soient A, B deux événements tels que P(B) 6= 0. On appelle probabilité conditionnelle
de A sachant B le nombre, noté P(A|B), défini par :
P(A ∩ B)
P(A|B) = .
P(B)
♣

Remarque
L’application définie par A 7−→ P(A|B) est une probabilité sur (Ω, P(Ω)).
La probabilité A 7−→ P(A|B) est tout simplement concentrée sur B (et ne charge pas B).
Il est utile de se rappeler les relations suivantes :
P(A1 ∪ A2 |B) = P(A1 |B) + P(A2 |B), si A1 ∩ A2 = ∅.
P(A|B) = 1 − P(A|B).
Exemple2.6
1. On considère les familles à deux enfants. Pour cette situation, on a Ω = {F F, F G, GG, GF },
1
en tenant compte de l’ordre des naissances, et P({ω}) = 4 pour tout ω ∈ Ω.
(a). Claculer la probabilité que les deux enfants soient des garçons (événement A) sachant
que l’ainé est un garçon (événement B).
On cherche alors P(A|B). Il est clair que A = {GG} et B = {GG, GF }. Ainsi
P(A ∩ B) 1/4 1
P(A|B) = = =
P(B) 1/2 2
(b). Calculer la probabilité que les deux enfants soient des garçons sachant qu’il y’a au
moins un garçon (événement C).
Notre objectif est de calculer P(A|C). Remarquons que C = {GG, GF, F G}, donc
P(A ∩ C) 1/4 1
P(A|C) = = = .
P(C) 3/4 3
Proposition 2.4
Soient A et B deux évènements de probabilité non nulles, alors :

P(A ∩ B) = P(B|A)P(A) = P(A|B)P(B)

♠

Remarque
Soient A, B et C trois événements. Si P(A)P(A ∩ B) 6= 0, alors:

P(A ∩ B ∩ C) = P(A)P(B|A)P(C|A ∩ B).

 Exercice2.1 La probabilité qu’un jeune réussisse l’examen du permis de conduire l’année de ses
18 ans est de 0,625 et celle qu’il soit reçu au baccalauréat cette même année est de 0,82.
De plus, la probabilité d’être à la fois reçu au baccalauréat et à l’examen du permis de
conduire la même année est de 0,56.
1. Calculer la probabilité qu’un jeune soit reçu à au moins un des deux examens.
2. En déduire la probabilité qu’il ne soit reçu à aucun des deux examens.
3. Déterminer la probabilité qu’un jeune réussisse au baccalauréat sachant qu’il a déjà eu son
 2.6 Indépendances d’événements –L–

permis la même année.

2.5.1 Formule des probabilités totales

Définition 2.6. "Système complet d’évènements"

Soient A1 , A2 , . . . , An des événements. On dit que {A1 , . . . , An } est un système complet
d’évènements si :
1. Ai ∩ Aj = ∅, pour tous i 6= j.
2. Ω = ∪ni=1 Ai = A1 ∪ A2 ∪ · · · ∪ An .
♣

Exemple2.7
1. Si A ∈ P(Ω), alors {A, A} est un système complet d’évènements.
2. Si Ω = {ω1 , . . . , ω2 }, alors {{ω1 }, . . . , {ω2 }} est un système complet d’évènements.
Proposition 2.5. "Formule des probabilités totales"
Soit {A1 , . . . , An } un système complet d’évènements. Alors, pour tout évènement B on a
: n
X
P(B) = P(B ∩ Ak ).
k=1

Si de plus, pour tout k ∈ {1, . . . , n} P(Ak ) 6= 0, alors :

X n X n
P(B) = P(B ∩ Ak ) = P(B|Ak )P(Ak ).
k=1 k=1
♠

 Exercice2.2 Une urne contient 8 boules blanches et 2 boules noires. On tira sans remise et
successivement 3 boules de cette urne. Quelle est la probabilité que la troisième boule du tirage
soit noire ?
Corollaire 2.1. "Formule de Bayes"
Soit {A1 , . . . , An } un système complet d’évènements. On suppose que, pour tout k ∈
{1, . . . , n} P(Ak ) 6= 0. Si B est un événement de probabilité non nulle, alors :
P(B|Ai )P(Ai ) P(B|Ai )P(Ai )
P(Ai |B) = = Pn , ∀i ∈ {1, . . . , n}
P(B) k=1 P(B|Ak )P(Ak ) ♥

Exemple2.8 On utilise souvent la formule de Bayes dans le cas particulier suivant. Soient A et B
deux évènements. On suppose que 0 < P(A) < 1 et que P(B) 6= 0. Le système {A, A} forme
un système complet d’évènements et :
P(B|A)P(A) P(B|A)P(A)
P(A|B) = ==
P(B) P(B|A)P(A) + P(B|A)P(A)

 Exercice2.3 On dispose de 100 pièces de monnaie. Une pièce sur quatre est truquée.
4
Une pièce truquée indique Pile avec une probabilité de .
5
On choisit au hasard une pièce parmi les 100, on la lance et on obtient Pile.
Quelle est la probabilité qu’il s’agisse d’une pièce truquée ?
 2.6 Indépendances d’événements –M–

2.6 Indépendances d’événements

Soient A et B deux événements quelconques. En régle générale, les quantités P(A) et

P(A|B) sont di¤érentes. Mais il peut arriver qu’on ait l’égalité, ce qui veut dire que la réalisation
de B n’influe en rien sur celle de A. On dira alors que A et B sont indépendants, et on écrira :
P(A ∩ B)
P(A|B) = = P(A).
P(B)
Par conséquent P(A ∩ B) = P(A)P(B).
Définition 2.7
Soient A, B deux évènements. On dit que A et B sont indépendants si

P(A ∩ B) = P(A)P(B)
♣

Proposition 2.6
Si A et B sont deux événements indépendants, alors il en est de même pour les événements,

. A et B, . A et B, . A et B.
♠

Remarque Ne pas confondre indépendance et incompatibilité. (L’indépendance est une notion
qui dépend de la probabilité).
Exemple2.9
1. On considère des familles à 2 enfants. Soient les événements A "la famille à des enfants
des deux sexes" et B "la famille a au plus une fille". On a
A = {GF, F G},
B = {GG, GF, F G}.
Remarquons que P(A) = P(A ∩ B) = 2/4, P(B) = 3/4. Ainsi

P(A ∩ B) 6= P(A)P(B)

Les événements A et B ne sont pas indépendants.

2. Cas d’une famille à 3 enfants. On a ici
A = {GGF, GF F, F GG, F GF, F F G, GF G}, P(A) = 6/8.
B = {GGG, GGF, GF G, F GG}, P(B) = 4/8.
Comme A ∩ B = {GGF, GF G, F GG}, nous avons alors

P(A ∩ B) = P(A)P(B)

C’est-à-dire que, A et B sont ici indépendants.

Définition 2.8
Soit A, B et C trois événements. On dira qu’ils sont indépendants s’ils sont deux à deux
indépendants et indépendants dans leur ensemble. C’est à dire :
P(A ∩ B) = P(A)P(B),
P(A ∩ C) = P(A)P(C),
2.6 Indépendances d’événements –N–

P(B ∩ C) = P(B)P(C),
P(A ∩ B ∩ C) = P(A)P(B)P(C).
♣
 2.7 Travaux dérigés –O–

2.7 Travaux dérigés

Série N° 2 : Calcul des Probabilités

 Exercice2.4 Une cage contient 7 souris femelles et 5 souris mâles. On extrait au hasard 2 souris
de la cage. On appelle "paire" tout ensemble de deux souris, sans distinction de sexe.
En supposant que toutes les paires de souris ont la même probabilité d’être extraites:
1. Calculer la probabilité pour que les deux souris soient 2 mâles.
2. Calculer la probabilité pour que les deux souris soient 2 femelles.
3. Déduire des résultats obtenus la probabilité pour que les deux souris soient de sexes
différents.

 Exercice2.5 Un libraire reçoit un carton de 50 exemplaires d’un livre dont 3 sont dédicacés par
l’auteur. On tire au hasard 10 livres du carton. Déterminer la probabilité des èvènements:
1. A: On obtient les 3 livres dédicacés.
2. B: On obtient un seul livre dédicacé.
3. C: On obtient au moins un livre dédicacé.

 Exercice2.6 Deux trains doivent arriver à la gare à la même heure. Sachant que le 1er a la
9 8
probabilité 10 de ne pas être en retard et le second a la probabilité 10 de ne pas être en retard.
Quelle est la probabilité pour qu’au moins un des deux trains ne soit pas en retard ? (On
admet que les arrivés des deux trains dont des événements indépendants).

 Exercice2.7 Soient deux urnes U1 qui contient 5 boules rouges et 3 noires et U2 qui contient 6
boules rouges et 4 noires. On choisit d’abord une urne et on tire ensuite une boule dans celle-ci.
On suppose qu’il y’a équiprobabilité dans le choix des urnes et que dans chaque urne les boules
sont équiprobables.
Sachant qu’on a tiré une boule rouge (événement A), calculer la probabilité que cette boule
provenait de U1 : On note par U1 "l’urne choisie est U1 ", par U2 "l’urne choisie est U2 ".

 Exercice2.8
Une société de location de voitures s’intéresse à l’état mécanique de son parc automobile
afin d’anticiper les frais d’entretien.
On dispose des données suivantes:
• 20 % des voitures sont sous garantie;
• pour 1 % des voitures sous garantie, une réparation est nécessaire;
• pour 10 % de celles qui ne sont plus sous garantie, une réparation est nécessaire.
On choisit une voiture au hasard dans le parc et on considère les évènements suivants:
• G : la voiture est sous garantie ;
• R : une réparation est nécessaire .
 2.7 Travaux dérigés –P–

1. Traduire la situation par un arbre pondéré.

2. Calculer la probabilité que la voiture choisie soit sous garantie et nécessite une réparation.
3. Justifier que P (R) = 0, 082.
4. Il s’avèe que la voiture choisie nécessite une réparation.
Quelle est la probabilité qu’elle soit sous garantie ? On arrondira le résultat à 10−3 .

 Exercice2.9 On considère trois urnes U1 , U2 et U3 . L’urne U1 contient deux boules noires et trois
boules rouges, l’urne U2 contient une boule noire et quatre boules rouges et l’urne U3 contient
trois boules noires et quatre boules rouges. Une expérience consiste à tirer au hasard une boule
de U1 et une boule de U2 , à les mettre dans U3 , puis à tirer au hasard une boule de U3 .
Pour i prenant les valeurs 1, 2 et 3, on désigne par Ni (resp. Ri ) l’événement "on tire une
boule noire (resp. rouge) de l’urne Ui ".
1. Compélter l’arbre de probabilités suivant :

T T T T
2. Calculer la probabilité des événements N1 N2 N3 et N1 R2 N3
T
3. Déduire la probabilité de N1 N3 .
4. Déduire aussi la probabilité de l’événement N3
5. Les événements N1 et N3 sont-ils indépendants ?
6. Sachant que la boule tirée dans U3 est noire, quelle est la probabilité que le boule tirée de
U1 soit rouge ?