Chapitre 5 :

Probabilités.
(Réactivations 1, 2, 3 et 5 page 283 et Activité 1 page 284)
I – Probabilités conditionnelles :
1. Introduction :
Activité 1 page 284 …

2. Définition :

On considère une probabilité P sur l’ensemble Ω des issues d’une

expérience aléatoire.

Définition 1 :
A et B étant deux événements avec P ( A ) ≠ 0 , la
probabilité de l’événement B, sachant que A est
réalisé, est notée PA ( B ) et est définie par :
P ( A ∩ B)
PA ( B ) = .
P ( A)

N.B. : PA ( B ) se lit « probabilité de B sachant A ».

Exemple 1 :
Un professeur constate sur des copies que 30% des mauvais
résultats d’élèves sont liées à une erreur de calcul (C), 40% à une
mauvaise lecture d’énoncé (E) et 3% à la combinaison des deux.
Une copie contient une erreur de calcul ; la probabilité qu’il y ait
aussi une mauvaise lecture d’énoncé est de :
P ( E ∩ C ) 0,03
PC ( E ) = = = 0,1 .
P (C ) 0, 3

Mathématiques de spécialité. Classes de Première. M. Gouny. Chapitre V – Probabilités Page 1.

 Propriétés 1 :
A et B étant deux événements avec P ( A ) ≠ 0 ,

P ( A ∩ B ) = P ( A ) × PA ( B ) .

N.B. : Si P ( B ) ≠ 0 , on a aussi : p ( B ∩ A ) = p ( B ) × pB ( A ) ; d’où :

P ( A ) × PA ( B ) = P ( B ) × PB ( A ) .
Exemple 2 :

Dans une classe de première spécialité maths, il y a en général 70%

de vrais scientifiques (« savants »). On sait par ailleurs que chez les
vrais scientifiques, il y a une proportion de 30% de littéraires
(« cultivés »). On choisit un élève au hasard d’une classe de
Première spé maths. Quelle est la probabilité que cet élève soit un
« savant cultivé » ?
Soit S : « L’élève est savant ». Soit C : « L’élève est cultivé ».
On cherche la probabilité de l’événement S ∩ C :
P ( S ∩ C ) = P ( S ) × PS ( C )
= 0, 7 × 0, 3
= 0,21

II – Arbre pondéré :
On utilise, pour représenter une situation de conditionnement, un
arbre pondéré :

Exercice résolu :
Reprenons l’exemple précédent en rajoutant la donnée suivante :
Chez les Première spé maths, la proportion de cultivés chez les
« ignorants » est de 60%.

Mathématiques de spécialité. Classes de Première. M. Gouny. Chapitre V – Probabilités Page 2.

 On peut construire l’arbre suivant :

On a ainsi :

P ( S ) = 0, 7 P ( S ) = 0, 3

PS ( C ) = 0, 3 PS ( C ) = 0, 7

PS ( C ) = 0,6 PS ( C ) = 0, 4

1) La probabilité de choisir au hasard un élève « ignorant

cultivé » :

P ( S ∩ C ) = P ( S ) × PS ( C )
= 0, 3 × 0,6
= 0,18

2) Cherchons la probabilité de l’événement C : « L’élève choisi est

cultivé ».
Un élève cultivé est, soit cultivé et savant, soit cultivé et ignorant.

( )
Ainsi : C = ( S ∩ C ) ∪ S ∩ C . On dit que les événements S et S

forment une partition de Ω .

Mathématiques de spécialité. Classes de Première. M. Gouny. Chapitre V – Probabilités Page 3.

 On a alors :
P (C ) = P ( S ∩ C ) + P ( S ∩ C )
= P ( S ) × PS ( C ) + P ( S ) × PS ( C )
= 0, 7 × 0, 3 + 0, 3 × 0,6
= 0,21+ 0,18
= 0, 39
On généralise ce procédé de calcul de probabilité avec le théorème
(admis) suivant :

Théorème des probabilités totales :

Si { A1 ; A2 ; A3 …; An } forme une partition de l’univers Ω

(c’est à dire que les événements Ai sont deux à deux

incompatibles et ont pour réunion Ω ), alors pour tout
événement B , on a :
P ( B ) = P ( A1 ∩ B ) + P ( A2 ∩ B ) +…+ P ( An ∩ B ) .

Et donc, si P ( Ai ) ≠ 0 :

P ( B ) = P ( A1 ) × PA1 ( B ) + P ( A2 ) × PA2 ( B ) +…+ P ( An ) × PAn ( B )

N.B. : On peut substituer à l’énoncé de ce théorème la traduction en

terme de calculs de l’arbre pondéré…

Exercice résolu : on dispose d’un test pour dépister une maladie

qui atteint 5% de la population.
Ce test reconnaît dans 95% des cas un individu malade et
reconnaît un sujet sain dans 96% des cas.
On choisit une personne au hasard dans la population.
On appelle M : « la personne est atteinte de la maladie »
On appelle T : « le test est positif ».
Quelle est la probabilité d’être malade sachant que le test s’est
révélé positif ?
Quelle est la probabilité d’être sain (pour cette maladie), sachant
que le test s’est révélé négatif?

Mathématiques de spécialité. Classes de Première. M. Gouny. Chapitre V – Probabilités Page 4.

III – Événements indépendants :
La notion d’indépendance est assez intuitive : deux événements
seront indépendants lorsque la réalisation de l’un n’a pas
d’incidence sur la probabilité de réalisation de l’autre. Plus
précisément :

Propriété 2 :
Soit deux événements A et B non impossibles.
Les propositions suivantes sont équivalentes :
(i) : PA ( B ) = P ( B )

(ii) : PB ( A ) = P ( A )

(iii) : P ( A ∩ B ) = P ( A ) × P ( B )

Démonstration :
• P ( B) = P ( B) • P ( A) = P ( A)
A B

P ( A ∩ B) P ( A ∩ B)
⇔ = P ( B) ⇔ = P ( A)
P ( A) P ( B)
⇔ P ( A ∩ B) = P ( A) × P ( B) ⇔ P ( A ∩ B) = P ( A) × P ( B)

Définition 2 :
Dire que deux événements A et B sont indépendants,
c’est dire que : P ( A ∩ B ) = P ( A ) × P ( B ) .

N.B. : Quel que soit l’événement A,

A et l’événement impossible ∅ sont indépendants.
A et l’univers Ω sont indépendants.

Propriétés 3 :
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

Mathématiques de spécialité. Classes de Première. M. Gouny. Chapitre V – Probabilités Page 5.

 Démonstrations :
• A et B sont indépendants. On a donc : p ( A ∩ B) = p ( A) × p ( B) .
Par ailleurs A et A forment une partition de l’univers Ω .
D’où : (
p ( B) = p ( A ∩ B) + p A ∩ B . )
Et donc : ( )
p A ∩ B = p ( B) − p ( A ∩ B) .

p ( A ∩ B) = p ( B) − p ( A) × p ( B)
C’est à dire : = p ( B ) × (1− p ( A ))

( )
= p ( B) × p A
Donc A et B sont indépendants.
• Démonstration analogue pour A et B .
• Comme A et B sont indépendants, A et B le sont aussi.

Exercice résolu :

On considère un jeu de 32 cartes et on tire successivement et au

hasard deux cartes sans remise du jeu. On considère les
événements A : « Les deux cartes tirées sont des piques » et
B : « Les deux cartes tirées sont des honneurs (As, Roi, Dame,
Valet) ».
Les événements A et B sont-ils indépendants ?

8×7 16 × 15
• P ( A) = • P ( B) =
32 × 31 32 × 31
7 15
= =
124 62
7 15 4×3
• P ( A) × P ( B) = × • P ( A ∩ B) =
124 62 32 × 31
105 3
= =
7688 248
≈ 0,0137 = 0,0121

Les événements sont donc dépendants.

N.B. : Comparer P ( B ) avec PA ( B ) …

Mathématiques de spécialité. Classes de Première. M. Gouny. Chapitre V – Probabilités Page 6.

IV – Variables aléatoires :
Exemple 3 :

Soit l’expérience aléatoire consistant en le jet de deux dés

tétraédriques dont les faces sont numérotées de 1 à 4.

Ω est l’ensemble des couples {(1,1) ; (1,2 ) ; (1, 3) ; …; ( 4, 3) ; ( 4, 4 )} .

On a donc Card Ω = 4 = 16 .
2
Card (Cardinal) est le
On s’intéresse à la somme des nombre d’élément
d’un ensemble.
points marqués. On définit ainsi une
fonction, qui, à chaque éventualité de Ω,
associe la somme des points marqués.
Si on note X cette fonction, on a :
X : Ω → {2 , 3 , 4 , 5 , 6 , 7 , 8}

( x ; y) → x + y
X s’appelle une variable aléatoire sur Ω .

Définition 3 :
Soit Ω , l’univers des possibles d’une expérience
aléatoire. Une variable aléatoire sur Ω est une
fonction de Ω dans ! .

L’ensemble des éventualités qui ont pour image par X la

valeur x est noté : ( X = x )

Mathématiques de spécialité. Classes de Première. M. Gouny. Chapitre V – Probabilités Page 7.

 Dans l’exemple 1, on a :

( X = 2 ) = {(1; 1)}
( X = 3) = {(1; 2 ) ; ( 2 ; 1)}
( X = 4 ) = {(1; 3) ; ( 2 ; 2 ) ; ( 3 ; 1)}
( X = 5 ) = {(1; 4 ) ; ( 2 ; 3) ; ( 3 ; 2 ) ; ( 4 ; 1)}
( X = 6 ) = {( 2 ; 4 ) ; ( 3 ; 3) ; ( 4 ; 2 )}
( X = 7 ) = {( 3 ; 4 ) ; ( 4 ; 3)}
( X = 8 ) = {( 4 ; 4 )}
N.B. : ( X = 9) = ∅ .
Avec ces nouvelles notations :

1
P ( X = 2) = .
16
2 1
P ( X = 3) = = .
16 8
3
P( X = 4) = .
16
4 1
P ( X = 5) = = .
16 4
3
P ( X = 6) = .
16
2 1
P ( X = 7) = = .
16 8
1
P ( X = 8) = .
16

Mathématiques de spécialité. Classes de Première. M. Gouny. Chapitre V – Probabilités Page 8.

 Définition 4 :
Soit Ω l’univers des possibles d’une expérience
aléatoire et soit X une variable aléatoire sur Ω .
Associer à chaque valeur x de X la probabilité de
l’événement ( X = x ) , c’est déterminer la loi de
probabilité de X .

Dans la pratique, on construit un tableau donnant les probabilités des

événements ( X = x ) :

X 2 3 4 5 6 7 8

1 1 3 1 3 1 1
p( X = x)
16 8 16 4 16 8 16

N.B. : ∑ p ( X = xi ) = p ( Ω ) = 1 .
i

Exemple 4 :
On tire une carte au hasard dans un jeu de 32.
• Si la carte est un cœur, on marque 5 points
• Si la carte est un As, on marque 4 points
• Si la carte est un Roi, on marque 3 points
• Les autres cartes marquent 0 point.
On définit la variable aléatoire X donnant le nombre de
points obtenus.
Déterminer la loi de probabilité de X.

Mathématiques de spécialité. Classes de Première. M. Gouny. Chapitre V – Probabilités Page 9.

V – Espérance et écart type d’une variable aléatoire :
1. Espérance mathématique :

Soit une variable aléatoire X.

Les valeurs de p ( X = xi ) peuvent être assimilées aux fréquences de

chaque valeur du caractère xi .

D’où l’idée de calculer la moyenne arithmétique (ou moyenne
pondérée) des valeurs prises par X.

Définition 5 :
Soit Ω un univers muni d’une probabilité p et soit X
une variable aléatoire sur Ω . On appelle espérance
mathématique de X , le réel, noté E ( X ) défini par :

E ( X ) = ∑ xi ⋅ p ( X = xi ) = x1 ⋅ p ( X = x1 ) + x2 ⋅ p ( X = x2 ) + …
i

N.B. : Si on note pi = p ( X = xi ) , on a : E ( X ) = ∑ xi ⋅ pi
i

• Dans l’exemple 4 : E ( X ) =
=
=

Si on fait un grand nombre de tirages, la moyenne des points

gagnés sera de 2,125 par tirage.

• Dans une question de QCM qui comporte n réponses possibles

dont une et une seule est exacte, on considère la variable aléatoire
X donnant le nombre de points (positifs ou négatifs) attribué à la
réponse. Si la réponse est fausse, on pose X = −1 .
Déterminer le nombre de points à attribuer à une bonne réponse
afin que l’espérance de X soit nulle.

Mathématiques de spécialité. Classes de Première. M. Gouny. Chapitre V – Probabilités Page 10.

Mathématiques de spécialité. Classes de Première. M. Gouny. Chapitre V – Probabilités Page 11.
 2. Écart type :

Définition 6 :
Soit Ω un univers muni d’une probabilité p et soit X
une variable aléatoire sur Ω .
On appelle variance de X , le réel :

V ( X ) = ∑ p ( X = xi ) ⋅ ( xi − E ( X )) .
2

On appelle alors écart type de X le réel :

σ (X) = V (X) .

N.B. : En notant pi = p ( X = xi ) , on a donc :

V ( X ) = ∑ pi ( xi − E ( X )) .
2

De même qu’en statistiques, on démontre la relation suivante :

Propriété 4 :
V ( X ) = ∑ p ( X = xi ) ⋅ xi 2 − E ( X )
2

Soit : ( )
V (X) = E X2 − E(X) .
2

• Dans l’exemple 4 :

xi 0 3 4 5 8 9 ∑
9 3 3 3 1 1
p ( X = xi ) = pi 1
16 32 32 16 32 32
pi ⋅ xi 0
pi ⋅ xi 2 0

V (X) =
σ (X) = V (X) !
=

Mathématiques de spécialité. Classes de Première. M. Gouny. Chapitre V – Probabilités Page 12.

VI – Répétition d’épreuves identiques et indépendantes :

Définition 7 :
Dire que deux épreuves aléatoires sont
indépendantes, c’est dire que l’issue de l’une ne
dépend pas de celle de l’autre.

Exemples…

Propriété 5 (admise) :
Lorsqu’une expérience aléatoire est la répétition de n
épreuves identiques et indépendantes, une issue est
une liste ordonnée de résultats et la probabilité de
cette liste est le produit des probabilités de chacun
des résultats.

Exemple 5 : Une urne contient 5 boules indiscernables au toucher :

deux bleues, deux rouges et une noire. On tire successivement deux
boules de l’urne avec remise et on note les couleurs obtenues.

On peut faire un arbre pondéré :

Mathématiques de spécialité. Classes de Première. M. Gouny. Chapitre V – Probabilités Page 13.

 On note A : « On obtient deux boules de la même couleur ».
p ( A) =

On appelle Y la variable aléatoire donnant le nombre de boules

rouges obtenues.
Déterminer la loi de probabilité de Y et son espérance
mathématique.
…

On effectue maintenant 5 tirages successifs dans les mêmes

conditions.
On note E : « On obtient au moins une boule noire sur les 5 tirages ».
Déterminer p ( E )
…

1
M. G. trouve sa classe attentive avec une probabilité de à chaque
6
séance. Combien de séances minimum doit-il attendre pour être
sûr, à plus de 99%, de trouver au moins une fois sa classe
attentive ?
…

Mathématiques de spécialité. Classes de Première. M. Gouny. Chapitre V – Probabilités Page 14.