R3.

05 - PROBABILITES

BUT GEA – 2éme année

SUPPORT DE COURS Prof

Emmanuelle THEVENIN

1
2
 PLAN DU COURS

CHAPITRE 1 : PRINCIPES DE CALCUL DES PROBABILITES

I. Vocabulaire des expériences aléatoires

II. Opérations sur les événements :
III. Calculs de probabilités

CHAPITRE 2 : VARIABLES ALEATOIRES ET PRINCIPALES LOIS

I. Loi binomiale
II. Principes des lois de probabilités continues
III. La Loi Normale

3
INTRODUCTION :

Les probabilités, qui appartiennent au domaine des mathématiques appliquées, concernent des
événements que l’on est incapable d’annoncer avec certitude. Dans son acceptation la plus
répandue, une probabilité mesure les chances de réalisation d’un événement aléatoire. Qu’elles
soient utilisées pour établir la probabilité d’un événement ou pour prévoir le résultat d’une
expérience aléatoire, les probabilités ont suscité un vif intérêt dans le domaine de la gestion.
Leur calcul s’est répandu au point d’être devenue indispensable au contrôle qualité, à
l’évaluation des risques, à la prévision des ventes …

Avant de réaliser une action se pose, consciemment ou inconsciemment, la question de savoir

s’il est plus ou moins crédible d’atteindre un résultat donné.

La prise de décision en gestion se fonde sur des études prévisionnelles qui envisagent l’avenir
selon le degré de certitude avec lequel les prévisions ont été faites.
Le degré de certitude de l’avenir conduit à envisager trois situations :
* l’avenir certain, hypothèse simplificatrice, qui envisage le futur comme parfaitement
prévisible,
* l’avenir aléatoire qui associe une probabilité de réalisation à chaque événement futur,
* l’avenir incertain qui est caractérisé par l’impossibilité d’associer une probabilité de
réalisation aux événements futurs.
L’objectif de ce cours est d’étudier les définitions, axiomes et théorèmes relatifs à l’avenir
incertain.

4
 CHAPITRE 1 : PRINCIPES DE CALCUL DES PROBABILITES

I. VOCABULAIRE DES EXPERIENCES ALEATOIRES

- Une expérience aléatoire est une expérience dont il n’est pas possible de prévoir le résultat. On
peut, tout au plus, prédire un ensemble de résultats possibles.
- Un évènement aléatoire est le résultat d’une expérience aléatoire. Noté .
On peut aussi dire: issue ou éventualité.
- Un évènement certain est un évènement dont on est sûr qu’il va se réaliser.
- Un évènement impossible est un évènement qui ne se réalise jamais. Noté 
- Deux évènements qui ne peuvent pas se réaliser en même temps sont dits incompatibles.
- L’événement contraire ou complémentaire d’un événement A est l’événement qui se réalise si A
ne se réalise pas. Noté A .

Exemples avec l’expérience aléatoire du lancer d’un dé non truqué à 6 faces:

 « Obtenir « un numéro impair » est un événement, il regroupe trois issues : 1, 3 ou 5.
 « Obtenir « un 2 ou un 4 » est un événement regroupant deux issues.
 « Obtenir « 7 » est un événement impossible.
 « Obtenir « un nombre inférieur à 10 » est un événement certain.
 « Obtenir « un numéro pair » et « obtenir un 5 » sont deux événements incompatibles.
 « Obtenir « un 3 ou un 5 » est l’événement contraire de « Obtenir un 1 ou un numéro pair ».

II. OPERATIONS SUR LES EVENEMENTS

Il est nécessaire de connaître deux notions pour travailler dans les situations probabilisées : l'union
et l'intersection. Il existe deux signes mathématiques pour les formaliser :

- l'union indique ce qui peut être soit une chose soit une autre, soit les deux à la fois. Son signe est
« ∪ » et se prononce « union ». Il se traduit donc par OU.

- l'intersection indique ce qui est à la fois une chose ET une autre. Son signe est « ∩ » et se
prononce « inter ».

Ces deux notions sont reliées par la formule A ∪ B = A + B – (A ∩ B)

Si l’on soustrait l’intersection, c’est pour ne pas la compter deux fois (une fois avec A et une fois
avec B).

R3.05_Probabilités 5
Exemple du lancer d’un dé à 6 faces. On désigne les événements suivants :

- A « obtenir le chiffre 2 »
- B « obtenir 1 ou 2 ou 5 »
- C « obtenir 1 ou 3 ».

 A  B est l’événement « obtenir 1 ou 2 ou 5 »

 A  C est l’événement « obtenir 1 ou 2 ou 3 »
 A  B est l’événement « obtenir 2 »
 A  C est l’événement impossible : A  C = . A et C sont donc incompatibles
 B est l’événement « obtenir 3 ou 4 ou 6 »

III. CALCUL DE PROBABILITES

1) Définition

Une probabilité est un nombre compris entre 0 et 1, qui exprime les « chances » qu’un événement se
produise.

La probabilité est souvent exprimée sous la forme d’une fraction.

Nota : une probabilité peut aussi être déterminée par des fréquences observées. Si par exemple il
y a 24 % de cheveux blancs sur la tête de M. Machinchose et qu’on lui arrache un cheveu au hasard,
la probabilité que celui-ci soit blanc est égale à 0,24.
On voit bien le lien qui existe entre les pourcentages et les probabilités. Simplement, on a
l’habitude de ne pas les noter de la même façon pour bien montrer que les problématiques sont
différentes (donc, pas de pourcentage pour présenter une probabilité !).

La probabilité qu’un événement A se réalise est notée P(A)

Propriétés :


 Si 2 évènements A et B sont incompatibles, P(AB) = 0
 Si 2 évènements A et B sont indépendants, P(AB) = P(A) x P(B)


 La probabilité de l’évènement impossible est égale à 0
 La probabilité de l’évènement certain est égale à 1.

Exemple du tirage de cartes d’un jeu de 52 cartes :

Soit l’évènement A « obtenir un pique ».

Il y a 13 cartes « pique » dans le jeu donc on a 13 chances sur 52 de tirer un pique,
soit P(A) = 13 / 52 = 0.25 = 25%

R3.05_Probabilités 6
Exemple

Dans un club de fitness, on s’intéresse au profil de 50 pratiquants réguliers du club. On en compte

30 qui ont décidé de pratiquer la course sur tapis, 25 qui s’adonnent au bodybuilding et 10
pratiquent les deux activités.

Ci-dessous, C signifie « course » et B signifie « bodybuilding ».

Pour construire le diagramme, on indique d’abord 10 à l’intersection, c’est-à-dire dans le lieu qui est
à la fois B et C. On en déduit le nombre de coureurs qui ne pratiquent pas le bodybuilding
(30 – 10 = 20) et le nombre de culturistes qui ne pratiquent pas la course (25 – 10 = 15).
On compte alors 45 pratiquants. Par conséquent, il reste 5 pratiquants qui se contentent de
pratiquer la magie.

Le diagramme est résumé dans le tableau à côté. C figure en colonne et B en ligne. On retrouve les
mêmes informations avec, en plus, les totaux.

Raisonnons à présent en termes de probabilités. On prend un pratiquant au hasard.

 Quelle est la probabilité qu’il pratique la course ?

Notons cette proba P(C). On a P(C) = 30 / 50 = 0,6.

 Quelle est la probabilité de l’évènement « pratique les deux sports » ?

C’est l’intersection des deux. Il peut aussi s’exprimer par ET (à la fois B ET C).
P(B ∩ C) = 10 / 50 = 0,2.

 Quelle est la probabilité de l’évènement « pratique un sport » ?

Cette fois, c’est B OU C. Il y en a 45 / 50. P(B ∪ C) = 0,9.
On peut aussi utiliser la formule suivante :
P(B ∪ C) = P(B) + P(C) – P(B ∩ C) = 0,9 = 0,5 + 0,6 – 0,2.

R3.05_Probabilités 7
2) Cas spécifique de l’équiprobabilité

Des évènements sont équiprobables lorsqu’ils ont la même chance de se produire.

nombre de cas favorables
Pour tout événement A, on a: P ( A) 
nombre de cas possibles

Sauf tricherie, les évènements « tirer un cœur » et « tirer un trèfle » dans un jeu de cartes sont
équiprobables.

Exemple du lancer d’un dé non truqué à 6 faces :

Il y a autant de chance de tomber sur un des 6 numéros ; il y a donc équiprobabilité.

On a une chance sur six de tomber sur 1, une chance sur six de tomber sur 2, etc.
On peut résumer dans le tableau suivant :

On vérifie que la somme de toutes les probabilités est égale à 1.

a) on lance une fois le dé à 6 faces. Probabilité « obtenir un chiffre pair » ?

Soit A l’événement « obtenir un chiffre pair » : l’évènement se réalise si on obtient 2, 4 ou 6.
Si le dé est parfaitement équilibré, chaque face a les mêmes chances de sortir. On est bien dans un
nombre de cas favorables 3
cas d’équiprobabilité et on peut utiliser la formule P ( A)    0,5
nombre de cas possibles 6

b) on lance deux fois un dé à 6 faces. Probabilité que “la somme des numéros obtenus soit 6”?
Soit B l’événement “la somme des numéros obtenus est 6” : B est réalisé si on obtient (1,5), (2,4),
(3,3), (4,2) ou (5,1) donc 5 cas favorables.
Le nombre total de cas possibles est 62 = 36 couples.
 P(B) = 5/62 = 5/36

3) Probabilités conditionnelles
Les décisions sont souvent influencées par la survenue d’événements extérieurs. Parfois, on peut
mesurer par des probabilités, l’influence de ces éléments extérieurs. On parle alors de probabilités
conditionnelles.

Formule de Bayes : Soit P une probabilité sur un univers . Soient A et B deux événements de
probabilité non nulle. La probabilité que l’événement B soit réalisé sachant que A l’est déjà est:
P(A  B)
PA  B   P  B / A  
P A

Propriétés :
* Deux événements A et B sont dits indépendants si P(AB) = P(A)  P(B).
* Propriété des ‘probabilités composées’ : P(A  B)  P ( A)  PA  B   P ( B )  PB ( A)
* PA (BC) = PA (B) + PA (C)
* si 2 événements sont indépendants, leurs contraires le sont aussi :
si P( A  B )  P ( A)  P ( B ) alors P( A  B )  P( A)  P( B )

R3.05_Probabilités 8
Exemple du lancer d’un dé non truqué à 6 faces :
Soient: A l’événement « obtenir un chiffre  4 »
B l’événement « obtenir un chiffre pair »
Quelle est la probabilité d’obtenir un chiffre  4 sachant qu’on a obtenu un chiffre pair ?

Exemple du SAV :
Un service après-vente a constaté que les retours d’un appareil commercialisé par le magasin sont
dus dans 20% des cas à une panne X, 30% des cas à une panne Y et dans 2% des cas, aux deux
pannes.
1. Un appareil est sélectionné au hasard : il présente le défaut X.
Quelle est la probabilité qu’il présente également la panne Y ?

2. Un appareil est sélectionné au hasard. Quelle est la probabilité qu'il ait les 2 défauts?

R3.05_Probabilités 9
4) Arbre de probabilités
On a l’habitude de visualiser toutes les issues possibles d’une expérience aléatoire à l’aide d’un
arbre, appelé arbre de probabilités.
L’ordre des éventualités est guidé par une chronologie, une logique ou par la connaissance ou non
qu’on a de certaines probabilités.

L’arbre de probabilités permet donc:

 de déterminer tous les issues possibles à la fin de ces deux étapes. Chacune de ces issues est
représentée dans l’arbre par la succession de branches.
 de calculer la probabilité d’obtenir chacune des issues possibles à la fin des deux étapes

R3.05_Probabilités 10
Exemple de la loterie :
On considère l’expérience suivante, qui se déroule en deux étapes :
Étape 1  on fait tourner une première roue: on obtient soit la couleur "rouge", notée R, avec une
probabilité de 1/ 4, soit la couleur "bleu", notée B avec une probabilité de 3/4.
Étape 2  on fait tourner une deuxième roue de loterie : on obtient soit le numéro 1 avec une
probabilité 1/6, soit le numéro 2 avec une probabilité 1/2, soit le numéro 3 avec une probabilité 1/3.
Quelle est la probabilité de l’issue (B, 1) ?

R3.05_Probabilités 11
Exemple de la production d’appareils :
Un appareil est fabriqué avec des pièces de bonne qualité: dans ce cas, il y a 10% de risques de
tomber en panne avant un an. Il peut aussi être fabriqué avec des pièces de qualité ordinaire: il y a
40% de risques de tomber en panne avant un an.
Par ailleurs, la production est composée d’appareils dont 70% sont fabriqués avec des pièces de
bonne qualité et 30% avec des pièces de qualité ordinaire.

1. On choisit un appareil au hasard: quelle est la probabilité qu’il ne tombera pas en panne
avant 1 an ?

2. On choisit un appareil au hasard: quelle est la probabilité qu’il ne tombera pas en panne
avant un an et qu’il ait été fabriqué avec des pièces de bonne qualité?

3. On choisit un appareil au hasard: pour un appareil qui ne tombera pas en panne avant un
an, quelle est la probabilité qu’il ait été fabriqué avec des pièces de bonne qualité?

R3.05_Probabilités 12
 CHAPITRE 2 : VARIABLES ALEATOIRES

En probabilités, on utilise très souvent des séries de données que l’on a récoltées « sur le terrain »,
étudiées sous l’angle « statistiques descriptives » et que l’on cherche à transformer en outil de
gestion et/ou de prévision. Selon la nature de la série de données (discrète ou continue), on
utilisera une variable aléatoire discrète (respectivement continue).

I. LA LOI BINOMIALE

Il s’agit de la loi de probabilité discrète la plus courante.

Une variable aléatoire discrète qui suit une loi binomiale est une répétition d’expériences aléatoires
indépendantes d’une variable de Bernouilli.
Soit A un événement se réalisant avec succès avec une probabilité p = P(A).
On répète n fois cet événement dans des conditions identiques.
Soit X la variable aléatoire comptant le nombre de réalisations de A au cours des n répétitions.
X prend les valeurs 0, 1 …, n.
La probabilité que A soit réalisé k fois avec succès au cours des n répétitions est :
k
P ( X  k )  C n p k (1  p ) n  k

On dit que X suit une loi binomiale de paramètres n et p et on note B (n ; p)

E(X) = np et V(X) = npq

 Exemple 1 : Un fabriquant de tablettes évalue à 5% la probabilité qu’une de tablette tombe en

panne moins d’un an après son achat.
Un magasin a vendu le 20 mars, cinq tablettes du même modèle, garanties un an. Soit X la variable
aléatoire représentant le nombre de tablettes tombant en panne dans un délai inférieur à un an.

1) Quelle est la probabilité que 2 tablettes exactement tombent en panne ?

2) Quelle est la probabilité que moins de 2 tablettes tombent en panne ?

13
II. PRINCIPES DES LOIS DE PROBABILITES CONTINUES

La loi de probabilité la plus rencontrée est la loi normale. Elle est aussi celle vers laquelle tous les
phénomènes probabilistes répétés à l’infini finissent par tendre. D’où son importance.

Exemple Introductif : Lien avec les statistiques descriptives

On a relevé le montant des achats réalisés par les clients d’un supermarché. On a obtenu les
données suivantes :
Montant des Effectifs Centre des Fréquences
achats classes
Variable statistique en euros ni xi fi
Continue [0 ; 10 [ 15 5,00 10,00%
[10 ; 15 [ 30 12,50 20,00%
[15 ; 20 [ 33 17,50 22,00%
[20 ; 25 [ 32 22,50 21,33%
[25 ; 30 [ 27 27,50 18,00%
[30; 35 [ 13 32,50 8,67%
150 1

Les représentations graphiques de cette série sont les suivantes :

Courbe de tendance

100% 100,00%
90% 91,33%

80%
73,33%
70%

60%

50% 52,00%

40%

30% 30,00%
20%

10% 10,00%
0% 0%
0 5 10 15 20 25 30 35

Quelle est la probabilité qu’un client dépense entre 15 et 20 € ? Réponse:.

Quelle est la probabilité qu’un client dépense entre 25 et 30 € ? Réponse:.
Quelle est la probabilité que les clients achètent pour moins de 15€ ? Réponse:
Quelle est la probabilité que les clients achètent pour moins de 30€ ? Réponse:

Comme pour une variable discrète, on peut raisonner en termes de « probabilité » à partir des
fréquences, en transformant la variable statistique en variable aléatoire.
Ici, on définit ainsi la variable aléatoire X : « montant des achats ».

14
La surface sous la courbe de tendance correspond à la surface totale de l'histogramme.

100% 100,00%
90% 91,33%

80%
73,33%
70%

60%

50% 52,00%

40%

30% 30,00%
20%

10% 10,00%
0% 0%
0 5 10 15 20 25 30 35

P(X < 15)

P(X<15) se détermine de 2 façons:
- soit en calculant la valeur de la surface sous la courbe de tendance (graphique de gauche)
- soit en trouvant la valeur de FCC associée à x = 15 (graphique de droite)

Quelle est la probabilité qu’un client dépense entre 15 et 20 €?

Propriétés :
 P ( a  X  b)  P ( X  b)  P ( X  a )
 P  X  a   P  X  a  , P  X  a   P  X  a  , etc …
 P  X  a + P  X  a = 1
 P  X  a   P  X  a 
 P  X  a   P  X  a   1  P( X  a )

15
III. LOI NORMALE (ou de Laplace Gauss)

La loi de Laplace Gauss joue un rôle particulièrement important en probabilités car c’est une loi
vers laquelle tendent les autres lois de probabilité dans des conditions fréquemment rencontrées
dans la pratique. C’est pourquoi on l’appelle loi normale. Elle est reconnaissable graphiquement à sa
forme « en cloche ».

Si la courbe de tendance d'une variable aléatoire X a la forme d'une "cloche", alors X suit
une loi normale de moyenne m et d'écart-type . On note : X →  (m ;
E(X) = m et V(X) = 2

Allure d’une variable suivant une loi normale :

la surface sous la courbe vaut 1 l’écart-type mesure le son degré d’aplatissement

Stabilité de la loi normale :

Soient X1 et X2 2 variables aléatoires normales indépendantes de paramètres respectifs (m1, 1) et


(m2, 2), alors X1+X2 est une variable aléatoire normale de paramètres m1  m 2;  12   22 
2) Loi normale centrée réduite

La variable aléatoire continue X qui suit une loi normale centrée réduite de moyenne 0 et d’écart-
type 1 est appelée Loi Normale Centrée Réduite et est notée: T   (0 ; 1 ).

E(X) = 0 et V(X) = 1

La loi normale centrée réduite est centrée sur 0 et la surface sous la courbe fait également 1.

3) Calcul de probabilités avec une loi normale

- On transforme systématiquement la loi normale  (m ; en loi N(0 ; 1)
- Puis on utilise la table de calcul de la Loi Normale Centrée Réduite, table qui permet d’évaluer
facilement les probabilités associées à certaines valeurs ou plage de valeurs de la variable.

a) passage d’une Loi (m ; à la Loi (0 ; 1) :

X m
Si X suit une loi normale (m ;), alors T  suit une loi normale centrée réduite.


16
b) utilisation de la table :
 Comment calculer P(T  1,24) ?
Il faut chercher 1,24 dans la table : on décompose t= 1,24 en 1,2 et 4 ;
P(T  1,24) se trouve à l’intersection de la ligne 1,2 et de la colonne 4 soit P(T  1,24) = 0,8925

 Lecture inverse de la table : si on connaît P(Tt), on peut retrouver t.

Si P(Tt) = 0,9850, combien vaut t ?
On cherche 0,9850 dans le corps de la table, on va chercher la valeur figurant en en-tête de ligne
puis celle figurant en en-tête de colonne et on trouve t = 2,17.

17
c) principes généraux de calcul :

P(Xt) = 1 - P(Xt) P(Xt) = P(X-t) P(a  X  b) = P(Xb) - P(Xa)

Ordres de grandeur à retenir :

P(m-  X  m+) = 68% P(m-2  X  m+2) = 95,44%

Démonstration :

18
 Exemple 1 :
Le CA quotidien d’un magasin suit une loi normale de moyenne 12 000 et d’écart-type 1 500.
1. Quelle est la probabilité que le chiffre d’affaires quotidien soit :
a) égal à 12 000
b) inférieur à 13 000
c) compris entre 10 000 et 13 000
d) supérieur à 13 000.

19
Retrouver des valeurs caractéristiques d’une variable aléatoire gaussienne :
Dans certains cas, le problème n’est pas de trouver une probabilité mais la valeur de la moyenne ou
de l’écart-type correspondant à une probabilité donnée.

 Exemple 1 : suite
2. Calculer le chiffre d’affaires quotidien qui :
a) ne sera pas dépassé dans 95% des cas
b) sera dépassé dans 95% des cas.

20
 Exemple 2 : pour se rendre à son travail, un employé prend le bus : le temps de trajet suit une loi
normale N(27 mn ; ). Par ailleurs, on sait que P(X28) = 0,6654. Calculez  .

21
4) approximation de la loi binomiale et la loi de Poisson par une loi normale
 Si np 15, on approxime la loi binomiale B(n;p) par une loi normale N (np; np (1  p )) .
 Si  > 15, on approxime une loi de Poisson P() par une loi normale N ( ;  ) .

 Exemple 2 :
Reprenons notre exemple de vente de tablettes.
Le magasin vend 320 tablettes le même jour. La probabilité qu’une tablette tombe en panne est de
5%. Soit X la variable aléatoire représentant le nombre de tablettes en panne en moins d’un an.
Quelle est la probabilité que 20 tablettes exactement tombent en panne ?

22
23
24