31 Probabilites

Probabilités
Plan du chapitre
1 Univers associé à une expérience aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 2
1.1 Expérience aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 2
1.2 Univers associé à une expérience aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 2
1.3 Evénements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 2
1.3.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 2
1.3.2 Opérations sur les événements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .page 3
1.3.3 Système complet d’événements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 3
2 Espaces probabilisés finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 4
2.1 Définition d’une probabilité sur un univers fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 4
2.2 Propriétés de calcul des probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 4
2.3 Détermination d’une probabilité par les probabilités des événements élémentaires . . . . . . . . . . . . . . . . . . . . . . . . page 5
2.4 Probabilité uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 6
3 Probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 11
3.1 Définition des probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 11
3.2 Propriétés des probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 11
3.3 La formule des probabilités composées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 12
3.4 La formule des probabilités totales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 12
3.5 La formule de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 14
4 Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 16
4.1 Couple d’événements indépendants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 16
4.2 Famille d’événements indépendants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 17
c Jean-Louis Rouget, 2018. Tous droits réservés.

1 http ://www.maths-france.fr
1 Univers associé à une expérience aléatoire
Sur le sujet des « probabilités », le programme officiel de maths sup est très proche de celui du lycée à la nuance près que
l’on redémarre à zéro en ne faisant des probabilités que sur un ensemble fini. Donc par exemple, « exit » la loi normale.
On réénonce certaines définitions et certains résultats déjà connus (mais souvent non démontrés) dans un cadre beaucoup
plus rigoureux en mettant en place une axiomatique (la notion d’univers par exemple).
Par rapport au lycée, on dispose en plus du chapitre précédent (« Dénombrements ») et on va donc pouvoir calculer la
probabilité d’obtenir un full au poker ou la probabilité de gagner au loto.
On prépare aussi le terrain pour le cours de probabilités de maths spé où on fera des probabilités sur des ensembles infinis
discrets (donc toujours pas de loi normale ou de probabilités définies par des intégrales).
1.1 Expérience aléatoire

Définition 1. Une expérience aléatoire est une expérience dont on ne peut prédire le résultat.
Exemples.
• On lance une pièce de monnaie. Normalement, on ne peut pas prédire si on obtiendra Pile ou Face.
• On lance un dé à six faces numérotées de 1 à 6. On ne peut pas prédire quel nombre entre 1 et 6 sortira.
• On tire 6 boules dans une sphère contenant 49 boules numérotées de 1 à 49. On ne peut pas prédire quels sont les six
numéros que l’on obtiendra. ❏
Les différents résultats que l’on peut obtenir après une expérience aléatoire s’appellent les issues de cette expérience
aléatoire ou aussi les résultats possibles ou les éventualités de cette expérience aléatoire.
1.2 Univers associé à une expérience aléatoire

La notion d’univers est le premier pas vers la modélisation d’une expérience aléatoire :
Définition 2. L’univers associé à une expérience aléatoire est l’ensemble des issues de cette expérience aléatoire. Il
est noté Ω.
Un élément de Ω est une issue, une éventualité, un résultat possible.
➱ Commentaire . En maths sup, on ne considère que des univers finis (et non vides).
Le choix d’un univers destiné à modéliser une expérience aléatoire est arbitraire. De la qualité de ce choix dépend la qualité
de la modélisation. Par exemple, si on lance deux dés puis que l’on additionne les points obtenus sur les faces supérieures
de ces dés, on peut choisir comme univers l’ensemble des différentes sommes possibles Ω = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}.
Dans ce cas, il y a 11 issues ou encore card(Ω) = 11.
On peut aussi choisir pour Ω l’ensemble des paires non ordonnées de nombres entre 1 et 6 avec répétitions possibles (les deux
nombres obtenus) : Ω = {{1, 1}, {1, 2}, {1, 3}, {1, 4}, {1, 5}, {1, 6}, {2, 2}, {2, 3}, {2, 4}, {2, 5}, {2, 6}, {3, 3}, {3, 4}, {3, 5}, {3, 6}, {4, 4},
{4, 5}, {4, 6}, {5, 5}, {5, 6}, {6, 6}}. Dans ce cas, card(Ω) = 21. On peut encore choisir pour Ω l’ensemble J1, 6K2 correspondant
au résultat obtenu sur un premier dé puis sur un second. Dans ce cas, card(Ω) = 36.
1.3 Evénements
Dans tout ce qui suit, Ω est un ensemble fini et non vide.
1.3.1 Définition
Définition 3. Soit Ω un univers fini et non vide associé à une certaine expérience aléatoire.
Un événement est un élément de P(Ω).
Un événement élémentaire est un singleton, élément de P(Ω).
Ω est l’événement certain.
∅ est l’événement impossible.
➱ Commentaire .
⋄ Un événement est donc une partie d’un ensemble. Cette formalisation efficace va nous permettre le moment venu d’effectuer des
calculs sur les événements.
⋄ En toute rigueur, une issue n’est pas un événement élémentaire ou encore l’élément ω de Ω n’est pas le singleton {ω}, élément
de P(Ω). Dit autrement, on fait une différence entre ce qui peut se réaliser et ce qui se réalise.

Exemple. On lance un dé cubique à 6 faces. On associe à cette expérience aléatoire l’univers fini Ω = {1, 2, 3, 4, 5, 6}
constitué des 6 résultats possibles.
L’événement A1 : « on obtient un numéro pair » est A1 = {2, 4, 6}.
L’événement A2 : « le numéro obtenu est strictement plus petit que 2 » est A2 = {1}. C’est un événement élémentaire.
L’événement A3 : « le numéro obtenu est inférieur ou égal à 6 » est A3 = {1, 2, 3, 4, 5, 6} = Ω. A3 est l’événement
certain.
L’événement A4 : « le numéro est négatif » est A4 = ∅. A4 est l’événement impossible.
❏
1.3.2 Opérations sur les événements

A partir de certains événements, on en construit d’autres.
Définition 4. Soit Ω un univers fini et non vide associé à une certaine expérience aléatoire. Soit A ∈ P(Ω).
L’événement contraire de l’événement A est l’événement noté A, égal à CΩ (A).
2
Définition 5. Soit Ω un univers associé à une certaine expérience aléatoire. Soit (A, B) ∈ (P(Ω)) .
L’événement « A ou B » est l’événement A ∪ B.
L’événement « A et B » est l’événement A ∩ B.
Exemple. On lance deux fois une pièce de monnaie. On associe à cette expérience aléatoire l’univers
Ω = {(P, P), (P, F), (F, P), (F, F)}.
Soit C l’événement : « on obtient au moins une fois Pile ». C est la réunion de l’événement A : « on obtient Pile au
premier lancer » (ou encore A = {(P, F), (P, P)}) et de l’événement B : « on obtient Pile au deuxième lancer » (ou encore
B = {(F, P), (P, P)}). Ainsi, C = A ∪ B = {(P, F), (F, P), (P, P)}. ❏
Les propriétés de calcul de ces différentes opérations ont été exposées dans le chapitre « Ensembles, relations, applications ».
Par exemple, Ω = ∅, (A ∪ B) ∪ C = A ∪ (B ∪ C), A ∪ B = A ∩ B, (A ∩ B) ∪ C = (A ∪ B) ∩ (A ∪ C) . . . On voit ici tout
l’intérêt de faire d’un événement un ensemble.
2
Définition 6. Soit Ω un univers associé à une certaine expérience aléatoire. Soit (A, B) ∈ (P(Ω)) .
On dit que l’événement A implique l’événement B si et seulement si A ⊂ B.
Exemple. On lance un dé cubique à 6 faces numérotées de 1 à 6. L’événement A « on obtient le 1 » (ou encore A = {1})
implique l’événement B « on obtient un numéro impair » (ou encore B = {1, 3, 5}). ❏
1.3.3 Système complet d’événements
Définition 7. Soit Ω un univers associé à une certaine expérience aléatoire. Soit (A, B) ∈ (P(Ω))2 .
A et B sont incompatibles ou disjoints si et seulement si A ∩ B = ∅.
Définition 8. Soit Ω un univers associé à une certaine expérience aléatoire. Soient I un ensemble non vide d’indices
puis (Ai )i∈I ∈ (P(Ω))I .
(Ai )i∈I est un système complet d’événements si et seulement si
2
[ j) ∈ I , (i 6= j ⇒ Ai ∩ Aj = ∅).
• ∀(i,
• Ai = Ω.
i∈I
On dit que le système complet d’événements (Ai )i∈I est une partition de Ω si et seulement si de plus, chaque Ai ,
i ∈ I, est non vide.
Le théorème suivant, par ailleurs immédiat, fournit deux exemples très importants de systèmes complets d’événements.
Théorème 1. Soit Ω un univers associé à une certaine expérience aléatoire.

1) Pour tout événement A, A, A est un système complet d’événements.
2) ({ω})ω∈Ω est un système complet d’événements.

2 Espaces probabilisés finis
2.1 Définition d’une probabilité sur un univers fini
Définition 9. Soit Ω un univers fini associé à une certaine expérience aléatoire (ayant donc un nombre fini d’issues).
Une probabilité sur Ω est une application P de P(Ω) dans [0, 1] vérifiant de plus les deux axiomes :
• P(Ω) = 1.
• ∀(A, B) ∈ (P(Ω))2 , (A ∩ B = ∅ ⇒ P(A ∪ B) = P(A) + P(B)) (additivité de P).
La seule donnée de l’univers ne définit évidemment pas la probabilité. De même, qu’à une expérience aléatoire, on peut
associer plusieurs univers, à un même univers on peut associer plusieurs probabilités. Par exemple, si on lance une pièce de
monnaie, un univers associé à cette expérience, est Ω = {Pile, Face}. Si la pièce n’est pas truquée, la probabilité associée est
1 2 1
définie par P({Pile}) = P({Face}) = mais si la pièce est truquée, on peut avoir par exemple P({Pile}) = et P({Face}) = .
2 3 3
De manière générale, on ne calcule pas des probabilités dans un univers mais on calcule des probabilités dans un univers
muni d’une probabilité précise. D’où la définition :
Définition 10. Un espace probabilisé fini est un couple (Ω, P) où Ω est un univers fini non vide et P une probabilité
sur Ω.
2.2 Propriétés de calcul des probabilités
Théorème 2. Soit (Ω, P) un espace probabilisé fini.

• ∀A ∈ P(Ω), P A = 1 − P(A).
• P (∅) = 0.
Démonstration . Soit A ∈ P(Ω). A ∩ A = ∅ et donc d’après l’axiome d’additivité entre autres,

P(A) + P A = P A ∪ A = P(Ω) = 1,

et donc P A = 1 − P(A).

En particulier, P(∅) = P Ω = 1 − P(Ω) = 0.
❏

• • ∀(A, B) ∈ (P(Ω))2 , (A ⊂ B ⇒ P(B \ A) = P(B) − P(A)).
• P est croissante : ∀(A, B) ∈ (P(Ω))2 , (A ⊂ B ⇒ P(A) 6 P(B)).
Démonstration . Soit (A, B) ∈ (P)2 tel que A ⊂ B. A ∩ (B \ A) = ∅ et donc,
P(B) = P (A ∪ (B \ A)) = P(A) + P(B \ A)

puis P(B \ A) = P(B) − P(A). En particulier, puisque P(B \ A) ∈ [0, 1],
P(B) = P(A) + P(B \ A) > P(A).

❏

∀(A, B) ∈ (P(Ω))2 , P(A ∪ B) = P(A) + P(B) − P(A ∩ B).
Démonstration . Soit (A, B) ∈ (P)2 . A ∪ B = A ∪ (B \ A) avec A ∩ (B \ A) = ∅. Donc,
P(A ∪ B) = P(A ∪ (B \ A)) = P(A) + P(B \ A) = P(A) + P(B) − P(A ∩ B).

❏

n
Théorème 5. Soit (Ω, P) un espace probabilisé fini. Soient n > 2 puis (Ai )16i6n ∈ (P(Ω)) .
n
X
• De manière générale, P (A1 ∪ . . . ∪ An ) 6 P (Ai ) (inégalité de Boole).
i=1
n
X
• Si de plus les événements Ai , 1 6 i 6 n, sont deux à deux incompatibles, P (A1 ∪ . . . ∪ An ) = P (Ai ) (additivité
i=1
finie d’une probabilité).
Démonstration .
X
n
Montrons par récurrence que pour tout n > 2, pour tout (Ai )16i6n ∈ (P(Ω))n , P (A1 ∪ . . . ∪ An ) 6 P (Ai ) et que de plus, si A1 ,
i=1
X
n
. . . , An sont deux incompatibles, alors P (A1 ∪ . . . ∪ An ) = P (Ai ).
i=1
• Soit (A1 , A2 ) ∈ (P(Ω))2 .
P (A1 ∪ A2 ) = P (A1 ) + P (A2 ) − P (A1 ∩ A2 ) 6 P (A1 ) + P (A2 ) ,

avec égalité si A1 ∩ A2 = ∅ car dans ce cas P (A1 ∩ A2 ) = 0. Le résultat est donc vrai quand n = 2.
• Soit n > 2. Supposons le résultat pour n événements. Soit (Ai )16i6n+1 ∈ (P(Ω))n+1 .
n+1
! n
! n
! !
[ [ [
P Ai =P Ai + P (An+1 ) − P Ai ∩ An+1
i=1 i=1 i=1
n
!
[
6P Ai + P (An+1 )
i=1
X
n+1
6 P (Ai ) (par hypothèse de récurrence).
i=1
Supposons de plus
! les Ai deux à deux incompatibles. Alors, chacune des deux inégalités ci-dessus est une égalité car
[n
An+1 ∩ Ai = ∅ et par hypothèse de récurrence.
i=1
Le résultat est démontré par récurrence.

❏
2.3 Détermination d’une probabilité par les probabilités des événements élémentaires
Théorème 6. Soit (Ω, P) un espace probabilisé fini. On pose Ω = {ω1 , . . . , ωn } où n ∈ N∗ et les ωi , 1 6 i 6 n, sont
deux à deux distincts. Pour i ∈ J1, nK, on pose pi = P ({ωi }) ou aussi pour ω ∈ Ω, on pose pω = P ({ω}).
Alors :
n
X
• pi = 1.
i=1
X
• ∀A ∈ P(Ω), P(A) = pω (avec la convention usuelle qu’une somme vide est nulle) ou aussi, si A =
ω∈A
{ωi1 , . . . , ωik } 6= ∅, alors P(A) = pi1 + . . . + pik .
Démonstration . Pour i ∈ J1, nK, posons Ai = {ωi }. Puisque les Ai sont deux à deux disjoints,
X X
n n n
!
[
pi = P (Ai ) = P Ai = P(Ω) = 1.
i=1 i=1 i=1
Soit A = {ωi1 , . . . , ωik } ∈ (P(Ω \ ∅). Ai1 , . . . , Aik sont deux à deux disjoints et leur réunion est A. Donc,
 
[k Xk
X
P(A) = P  Aij  = P Aij = pω ,
j=1 j=1 ω∈A
ce qui reste vrai quand A = ∅ avec la convention usuelle qu’une somme vide est nulle.

❏
Théorème 7. Soit Ω un univers fini non vide associé à une certaine expérience aléatoire. On pose Ω = {ω1 , . . . , ωn }
où n ∈ N∗ et les ωi , 1 6 i 6 n, sont deux à deux distincts.
Pour tout (p1 , . . . , pn ) ∈ [0, 1]n tel que p1 + . . . + pn = 1, il existe une probabilité P sur Ω et une seule telle que
∀i ∈ J1, nK, P ({ωi }) = pi . De plus, si P est cette probabilité,
X
∀A ∈ P(Ω), P(A) = pω (où pω = P ({ω}) .
ω∈A
Démonstration . Le théorème précédent montre l’unicité de P : si pour tout i ∈ J1, nK, on a P ({ωi }) = pi , alors nécessairement
P(∅) = 0 et pour A = {ωi1 , . . . , ωik } 6= ∅, P(A) = pi1 + . . . + pik (∗).
Réciproquement, soit P définie par (∗). Montrons que P convient.

• Pour tout i ∈ J1, nK, P ({ωi }) = pi .
• Pour tout A ∈ P(Ω), P(A) > 0.
Xn
• P(Ω) = pi = 1.
i=1
X X
n
• Pour tout A, 0 6 P(A) = pω 6 pi = 1 et donc P est effectivement une application de P(Ω) dans [0, 1].
ω∈A i=1
• Soit (A, B) ∈ (P(Ω))2 tel que A ∩ B = ∅. Si B = ∅, P(A ∪ B) = P(A) = P(A) + 0 = P(A) + P(B) et on a de même l’égalité
si A = ∅.
Si A 6= ∅ et B 6= ∅, posons A = {ωi1 , . . . , ωik }, B = {ωj1 , . . . , ωjl } où les ωiu sont deux à deux distincts, les ωjv sont deux
à deux distincts et {ωi1 , . . . , ωik } ∩ {ωj1 , . . . , ωjl } = ∅.
P(A ∪ B) = P ({ωi1 , . . . , ωik , ωj1 , . . . , ωjl }) = pi1 + . . . + pik + pj1 + . . . + pjl = P(A) + P(B).
Finalement, P est une probabilité sur Ω qui convient.

❏
Exercice 1. On lance un dé cubique à 6 faces numérotées de 1 à 6. Ce dé est pipé. Le 1 a une chance sur 2 d’être
obtenu et les 5 autres numéros ont tous la même probabilité d’être obtenus. Calculer la probabilité d’obtenir un numéro
impair.
1
Solution 1. Notons pi , 1 6 i 6 6, la probabilité d’obtenir de numéro i après un lancer. p1 = et p2 = p3 = p4 = p5 = p6 .
2
1 1
Puisque p1 + p2 + p3 + p4 + p5 + p6 = 1, on a + 5p2 = 1 et donc p2 = = p3 = p4 = p5 = p6 . La probabilité
2 10
demandée est alors
1 1 1 7
p1 + p3 + p5 = + + = .
2 10 10 10
2.4 Probabilité uniforme

C’est le cas où les événements élémentaires sont équiprobables :
Définition 11. Soit Ω un univers fini non vide associé à une certaine expérience aléatoire. On pose card(Ω) = n.
1
La probabilité uniforme sur Ω est la probabilité P définie par les égalités : ∀ω ∈ Ω, pω = .
n
Théorème 8. Soit Ω un univers fini non vide associé à une certaine expérience aléatoire. Soit P la probabilité uniforme
sur Ω. Alors
card(A)
∀A ∈ P(Ω), P(A) = .
card(Ω)

card(A)
Démonstration . On pose n = card(Ω) ∈ N∗ . Soit A un événement. Si A = ∅, P(A) = 0 = et si A 6= 0, en posant
card(Ω)
k = card(A),
X Xk
1 k card(A)
P(A) = pω = = = .
ω∈A i=1
n n card(Ω)
❏
Quand on est en présence d’une probabilité uniforme, calculer des probabilités se ramène à des dénombrements. La formule
card(A)
P(A) = se réénonce traditionnellement sous la forme
card(Ω)
nombre de cas favorables
P(A) =
nombre de cas possibles
les cas favorables étant les issues pour lesquelles l’événement A se réalise.
On rappelle qu’il y a trois situations type de dénombrements qui sont analysées une bonne fois pour toutes en cours :

n n! n(n − 1) . . . (n − p + 1)
• = = (la deuxième égalité si p > 1).
p p!(n − p)! p!
Ce nombre est le nombre de tirages simultanés de p objets parmi n, le nombre de parties à p éléments d’un ensemble
à n éléments, le nombre de façons de prendre p objets en vrac dans n objets, ...
n!
• Ap
n = = n(n − 1) . . . (n − p + 1) (la deuxième égalité si p > 1).
(n − p)!
Ce nombre est le nombre de tirages successifs sans remise de p objets dans n objets, le nombre de suites ordonnées
sans répétition possible de p objets issus de n objets, le nombre d’arrangements p à p d’un ensemble à n éléments...
• np .
Ce nombre est le nombre de tirages successifs avec remise de p objets parmi n, le nombre de p-uplets d’un ensemble
à n éléments, le nombre de suites ordonnées avec répétition possible de p objets pris parmi n, ...
Ces trois situations sont examinées dans les exercices qui suivent, issues de la vie courante.
Exercice 2. (le loto)
Sur une grille sur laquelle sont écrits les numéros de 1 à 49, on coche 6 de ces numéros.
Dans une grosse boule transparente et creuse sont placées 49 boules numérotées de 1 à 49. Le jour du tirage du loto,
6 boules sont extraites au hasard de l’urne. On gagne si on a coché les 6 numéros extraits.
Quelle est la probabilité de gagner au loto ?
Solution 2. Dans la pratique, les boules sont extraites l’une après l’autre. Une fois, le tirage effectué l’ordre d’apparition
des numéros n’a pas d’importance. On choisit donc pour univers Ω l’ensemble des tirages simultanés de 6 boules parmi
49.

49 49 × 48 × 47 × 46 × 45 × 44
card(Ω) = = = 49 × 47 × 46 × 3 × 44 = 13 983 816.
6 6×5×4×3×2
On a tiré les 6 boules au hasard. On est dans la situation où les événements élémentaires sont équiprobables. Soit A
l’événement : « on gagne ». Il existe un et un seul tirage pour lequel l’événement A est réalisé (quand les 6 numéros que
l’on a coché sortent) ou encore card(A) = 1. La probabilité de gagner au loto est
card(A) 1
P(A) = = = 7, 1 . . . × 10−8 .
card(Ω) 13 983 816
Remarques. On a l’habitude d’entendre : « je ne joue pas 1 2 3 4 5 6 car il y a vraiment très peu de chances que ça
sorte ». On doit noter qu’il n’y a pas plus ou moins de chances que sortent les numéros 3 12 13 27 31 et 42. On a aussi
l’habitude d’entendre : « je ne joue pas 4 7 8 12 25 32 car c’est déjà sorti il y a deux ans ». On doit noter que la probabilité
1
que les numéros 4 7 8 12 25 32 sortent est une bonne fois pour toutes et que cette probabilité ne dépend
13 983 816
absolument pas des résultats des tirages antérieurs.

Exercice 3. (les cartes)
On dispose d’un jeu de 32 cartes. On distribue 5 cartes de ce jeu à un joueur (un ensemble de 5 cartes ainsi obtenu
s’appelle une main de 5 cartes). Calculer la probabilité des événements suivants :
1) A : « Le joueur ne reçoit que des cœurs ».
2) B : « Le joueur reçoit exactement 3 rois et 2 dames ».
3) C : « Le joueur reçoit exactement 2 as ».
4) D : « Le joueur reçoit au moins 4 piques ».
5) E : « Le joueur reçoit exactement 2 rois et 2 piques ».
Solution 3. L’ordre dans lequel le joueur reçoit ses cartes n’a pas d’importance. On choisit donc pour univers Ω l’ensemble
des tirages simultanés de 5 cartes parmi 32.

32 32 × 31 × 30 × 29 × 28
card(Ω) = = = 4 × 31 × 2 × 29 × 28 = 201 376.
5 5×4×3×2
Il y a donc 201 376 mains de 5 cartes possibles quand le jeu a 32 cartes.

8
1) Le nombre de tirages simultanés de 5 cartes prises parmi 8 cœurs est ou encore
5

8 8 8×7×6
card(A) = = = = 8 × 7 = 56.
5 3 3×2
56 1
La probabilité demandée est P(A) = = = 2, 7 . . . × 10−4 .
201 376 3 596

4 4
2) Le nombre de tirages de 3 cartes parmi les 4 rois est = 4. Pour chacun de ces tirages, il y a = 6 tirages de 2
3 2
4 4
cartes parmi les 4 dames. Il y a donc × = 4 × 6 = 24 mains de 5 cartes contenant exactement 3 rois et 2 dames.
3 2
La probabilité demandée est

4 4
×
3 2 24 3
P(B) = = = = 1, 1 . . . × 10−4 .
32 201 376 25 172
5
3) On sépare le paquet de 32 cartes en 2 paquets,

un paquet de 4 as et un paquet de 28 cartes qui ne sont pas
des as. On
4 28
prend 2 cartes parmi les 4 as, ce qui donne = 6 possibilités. Pour chacune de ces possibilités, On a choix de 3
2 3
cartes parmi les 28 qui ne sont pas des as. Au total,

4 28 28 × 27 × 26
card(C) = × =6× = 28 × 27 × 26 = 19 656.
2 3 3×2
La probabilité demandée est

4 28
×
2 3 19 656 351
P(C) = = = = 9, 7 . . . × 10−2 .
32 201 376 3596
5
4) L’événement D est la réunion disjointe des événements « obtenir exactement 4 piques » et « obtenir excatement 5
piques ». Donc,

8 24 8 24
card(D) = × + × = 70 × 24 + 56 = 1736,
4 1 5 0
puis
1736 1
P(D) = = = 8, 6 . . . × 10−3 .
201 376 116
5) Il faut prendre garde au roi de pique et compter séparément les mains contenant 2 rois et 2 piques mais pas le roi de
pique et les mains contenant 2 rois et 2 piques dont le roi de pique. On note que le nombre de cartes qui sont un roi ou
un pique est 4 + 8 − 1 = 11 et donc le nombre de cartes qui ne sont ni des rois, ni des piques est 32 − 11 = 21.


3 7 21
Le nombre de mains contenant 2 rois et 2 piques mais pas le roi de pique est × × .
2 2 1
1 3 7 21
Le nombre de mains contenant 2 rois et 2 piques dont le roi de pique est × × × puis
1 1 1 2

3 7 21 1 3 7 21
card(E) = × × + × × ×
2 2 1 1 1 1 2
= 3 × 21 × 21 + 3 × 7 × 210 = 5 292
puis
5 292 189
P(E) = = = 2, 6 . . . × 10−2
201 376 7 192
Exercice 4. (le poker)

On dispose d’un jeu de 32 cartes. On distribue 5 cartes à un joueur. L’ordre des cartes est As, Roi, Dame, Valet, 10,
9, 8, 7 soit un total de 8 hauteurs. Il y a quatre couleurs : ♦ (carreau), ♥ (cœur), ♠ (pique) et ♣ (trèfle). Calculer la
probabilité des événements suivant
1) Obtenir une quinte floche (5 cartes consécutives dans une même couleur).
2) Obtenir un carré (4 cartes d’une même hauteur et une autre carte).
3) Obtenir une couleur (5 cartes d’une même couleur ne constituant pas une quinte floche).
4) Obtenir un full (3 cartes d’une même hauteur et deux d’une même autre hauteur).
5) Obtenir une suite (5 cartes consécutives ne constituant pas une quinte floche).
6) Obtenir un brelan (3 cartes d’une même hauteur et deux autres ne constituant pas un full).
7) Obtenir une double paire (2 cartes d’une même hauteur, deux autres d’une même hauteur ne constituant pas un
carré ou un full).
8) Obtenir une paire (2 cartes d’une même hauteur et rien de mieux).
9) Ne rien obtenir.
Solution 4.
Le nombre de mains (ou encore le cardinal de Ω) est le nombre de parties à 5 éléments d’un ensemble à 32 éléments. Il y
en a

32 32 × 31 × 30 × 29 × 28
= = 8 × 31 × 29 × 28 = 201 376.
5 5×4×3×2
Avec un jeu de trente-deux cartes, il y a 201 376 mains de cinq cartes.
1) Il y a quatre couleurs (carreau, cœur, pique trèfle) et quatre hauteurs (à l’as, au roi, à la dame et au valet). Au total,
il y a 4 × 4 = 16 quintes floches (dont quatre royales). Donc la probabilité d’obtenir une quinte floche est
16 1
p1 = = = 0, 000079 . . .
201 376 12 586
2) Chaque carré d’as peut être accompagné d’une carte choisie parmi les 28 qui ne sont pas des as. Il y a donc 28 jeux
contenant un carré d’as. Comme il y a 8 hauteurs de carré possibles, il y a 28 × 8 = 224 mains contenant un carré. La
probabilité d’avoir un carré est donc
224 1
p2 = = = 0, 0011 . . .
201 376 899
3) Il y a 4 couleurs (carreau, cœur, pique ou trèfle). Le nombre de mains contenant 5 carreaux est le nombre de parties à
5 éléments d’un ensemble à 8 éléments. Il y en a

8 8 8×7×6
= = = 8 × 7 = 56,
5 3 3×2
et donc au total, 4 × 56 = 224 mains contenant 5 cartes de couleurs identiques. On doit enlever à ces mains les quintes
floches au nombre de 16 (qui sont à ranger dans la catégorie des quintes floches et pas la catégorie des couleurs). Il reste
224 − 16 = 208 couleurs. La probabilité d’avoir une couleur est donc

208 13
p3 = = = 0, 00103 . . .
201 376 12 586
4)
Comptons le nombre de mains contenant un full aux as par les rois (brelan d’as et paire de roi). Il y a 4 brelans d’as et
4
= 6 paires de rois. Il y a donc 4 × 6 = 24 mains contenant un full aux as par les rois. Maintenant, il y a 8 hauteurs
2
possibles pour le brelan et pour chacune de ces hauteurs, il y a 7 hauteurs pour la paire soit au total 8 × 7 = 56 hauteurs
pour le full. Il y a donc 24 × 56 = 1344 mains contenant un full. La probabilité d’avoir un full est donc
1 344 6
p4 = = = 0, 0066 . . .
201 376 899
5) Comptons le nombre de suites à l’as. Il y a 4 as, 4 rois, 4 dames, 4 valets et 4 dix et donc 45 mains contenant la
séquence As, roi, dame, valet, dix. Une suite peut commencer à l’as, au roi, à la dame ou au valet et donc il y a 4 × 45 = 46
mains contenant 5 cartes qui se suivent. On doit retirer de ces mains celles qui fournissent une quinte floche et il reste
46 − 16 = 4080 mains contenant une suite. La probabilité d’avoir une suite est donc
4 080 255
p5 = = = 0, 019 . . .
201 376 12 856

4
6) Il y a 8 hauteurs possibles du brelan et pour chaque hauteur = 4 brelans possibles. Donc, 8 × 4 = 32 brelans
3
possibles. On a 28 possibilités de compléter ce brelan par une quatrième carte puis 24 possibilités de compléter par une
28 × 24
cinquième carte. L’ordre dans lequel on a reçu les deux dernières cartes n’a pas d’importance et donc il y a 32 × =
2
10 752 mains contenant un brelan. La probabilité d’avoir un brelan est donc
10 752 48
p6 = = = 0, 053 . . .
201 376 899

8 4 8
7) Il y a = 28 hauteurs possibles des deux paires et pour chaque hauteur = 6 paires possibles. Donc, ×
2 2 2
4 4
× = 28 × 6 × 6 = 1 008 doubles paires possibles. On a ensuite 24 possibilités de compléter ces deux paires par
2 2
une cinquième carte. Il y a 1 008 × 24 = 24 192 mains contenant deux paires. La probabilité d’avoir deux paires est donc
24 192 108
p7 = = = 0, 12 . . .
201 376 899

4
8) Il y a 8 × = 48 paires. On complète par une 3ème, 4ème et 5ème carte soit 28 × 24 × 20 possibilités. L’ordre dans
2
28 × 24 × 20
lequel on reçoit ces cartes n’a pas d’importance et il y a donc 48 × = 107 520 mains contenant une paire. La
3×2
probabilité d’avoir une paire est donc
107 520
p8 = = 0, 53 . . .
201 376
9) La probabilité d’obtenir une annonce est
107 520 24 192 10 752 4 080 1 344 208 224 16 148 336
+ + + + + + + =
201 376 201 376 201 376 201 376 201 376 201 376 201 376 201 376 201 376
et donc la probabilité de ne rien obtenir est
148 336 53 040
p9 = 1 − = = 0, 26 . . .
201 376 201 376
soit un peu plus d’une chance sur quatre.
Exercice 5. (le tiercé)

Une course de chevaux a 18 partants numérotés de 1 à 18. Tous les chevaux terminent la course et il n’y a pas d’exæquo.
Avant la course, un joueur coche au hasard sur une grille 3 chevaux dans leur ordre d’arrivée. Calculer la probabilité
que le joueur gagne.

Solution 5. Une arrivée de trois chevaux dans l’ordre est encore un arrangement 3 à 3 d’un ensemble à 18 éléments ou
aussi une suite ordonnée sans répétition à 3 éléments d’un ensemble à 18 éléments. Donc,
Card(Ω) = A318 = 18 × 17 × 16 = 4 896.

Parmi ces 4 896 arrivées possibles, une et une seule est favorable au joueur. La probabilité demandée est donc
1
p= = 0, 2 . . . × 10−3 .
4 896
Exercice 6. (le loto foot)

Une grille de loto foot est constituée de 14 lignes correspondant à 14 matches de football. Chaque ligne est constituée
du nom du match et de trois cases : 1 N et 2, 1 correspondant à la victoire de la première équipe citée, 2 correspondant
à la victoire de la deuxième équipe citée et N correspondant à un match nul entre les deux équipes.
Un joueur coche au hasard une et une seule des cases dans chaque ligne (avant que les matches aient lieu). Le joueur
gagne si et seulement si il a fait à chaque ligne le bon choix. Calculer la probabilité que le joueur gagne.
Solution 6. Une grille est une suite ordonnée avec répétition possible des 3 éléments de l’ensemble {1 N 2} ou aussi un
14-uplet d’éléments de l’ensemble {1, N, 2}. Il y a
3 × . . . × 3 = 314 = 4 782 969

grilles possibles. Une grille et une seule est favorable au joueur. Donc, la probabilité demandée est
1
p= = 0, 2 . . . × 10−6 .
4 782 969
3 Probabilités conditionnelles
3.1 Définition des probabilités conditionnelles
Soit (Ω, P) un espace probabilisé fini. Soit A un événement tel que P(A) 6= 0. On suppose savoir que l’événement A est
réalisé. On change donc d’univers. L’ensemble des issues possibles est A.
On veut alors évaluer la probabilité qu’un événement B ∈ P(Ω) soit réalisé. Puisque l’on sait que A est réalisé, B est
réalisé si et seulement si A ∩ B est réalisé.
Supposons de plus que P soit la probabilité uniforme sur Ω. Pour tout événement B élément de P(Ω), l’événement B ∩ A
est un élément de P(A) et la probabilité que B soit réalisé sachant que A est réalisé est :
card(A ∩ B)
card(A ∩ B) card(Ω) P(A ∩ B)
= = .
card(A) card(A) P(A)
card(Ω)
On pose donc la définition suivante :
Définition 12. Soit (Ω, P) un espace probabilisé fini. Soit A un événement tel que P(A) 6= 0.
Pour tout événement B, la probabilité de B sachant A, notée PA (B) (ou P(B|A) ou P/A (B) ...), est
P(A ∩ B)
PA (B) = .
P(A)
3.2 Propriétés des probabilités conditionnelles

Théorème 9. Soit (Ω, P) un espace probabilisé fini. Soit A un événement tel que P(A) 6= 0.
PA est une probabilité sur Ω.
Démonstration . Soit A ∈ P(Ω) tel que P(A) 6= 0.

• Pour tout B ∈ P(Ω), A ∩ B ⊂ A et donc 0 6 P(A ∩ B) 6 P(A). Puisque P(A) > 0, après division des trois membres de l’encadrement
par P(A), on obtient
P(A ∩ B)
0 6 PA (B) = 6 1.
P(A)
Donc, PA est une application de P(Ω) dans [0, 1].
P(A ∩ Ω) P(A)
• PA (Ω) = = = 1.
P(A) P(A)
• Soient B et C deux événements incompatibles. Alors, (A ∩ B) ∪ (A ∩ C) ⊂ B ∩ C = ∅ et donc par additivité de P,
P(A ∩ (B ∪ C)) P((A ∩ B) ∪ (A ∩ C)) P(A ∩ B) P(A ∩ C)

PA (B ∪ C) = = = + = PA (B) + PA (C).
P(A) P(A) P(A) P(A)
PA est donc une probabilité sur Ω.
❏

Une probabilité conditionnelle vérifie donc toutes les règles de calcul usuelles : PA B = 1 − PA (B), PA (B ∪ C) =
PA (B) + PA (C) − PA (B ∩ C) . . .
3.3 La formule des probabilités composées

P(A ∩ B)
Puisque PA (B) = , on a aussi :
P(A)
Théorème 10. Soit (Ω, P) un espace probabilisé fini. Soient A et B deux événements tels que P(A) 6= 0.
P(A ∩ B) = P(A) × PA (B).

Plus généralement,
Théorème 11. (formule des probabilités composées)
Soit (Ω, P) un espace probabilisé fini. Soient n > 2 puis A1 , . . . , An n événements tels que P (A1 ∩ . . . ∩ An−1 ) 6= 0.
P (A1 ∩ . . . ∩ An ) = PA1 ∩...∩An−1 (An ) × PA1 ∩...∩An−2 (An−1 ) × . . . × PA1 ∩A2 (A3 ) × PA1 (A2 ) × P (A1 ) .
Démonstration . Puisque pour tout k ∈ J2, nK, A1 ∩. . .∩An−1 ⊂ A1 ∩. . .∩Ak−1 , pour tout k ∈ J2, nK on a P (A1 ∩ . . . ∩ Ak−1 ) >
P (A1 ∩ . . . ∩ An−1 ) > 0 et donc, pour tout k ∈ J2, nK, PA1 ∩...∩Ak−1 (Ak ) est défini puis
Y
n Yn
P (A1 ∩ . . . ∩ Ak−1 ∩ Ak )
PA1 ∩...∩Ak−1 (Ak ) =
k=2 k=2
P (A1 ∩ . . . ∩ Ak−1 )
P (A1 ∩ . . . ∩ An )
= (produit télescopique)
P (A1 )
Y
n
et donc P (A1 ∩ . . . ∩ An ) = P (A1 ) PA1 ∩...∩Ak−1 (Ak ).
k=2
❏
3.4 La formule des probabilités totales

Théorème 12. Soit (Ω, P) un espace probabilisé fini. Soit A un événement tel que 0 < P (A) < 1. Pour tout événement
B,

P(B) = P(A) × PA (B) + P A × PA (B).

Démonstration . B = (B ∩ A) ∪ B ∩ A avec (B ∩ A) ∩ B ∩ A = ∅. Donc, P(B) = P(B ∩ A) + P B ∩ A . De plus, P(A) 6= 0

et P A = 1 − P(A) 6= 0. Donc,

P(B) = P(A) × PA (B) + P A × PA (B).
❏

Plus généralement, par le même raisonnement,
Théorème 13. Soit (Ω, P) un espace probabilisé fini. Soient n > 2 puis (A1 , . . . , An ) un système complet d’événements
tels que pour tout k ∈ J1, nK, P (Ak ) 6= 0. Pour tout événement B,
n
X
P(B) = P (Ak ) × PAk (B).
k=1
Exercice 7. (d’après CCP 2017 MP Mathématiques 2)

Une particule possède deux états possibles numérotés 1 et 2. Pour n ∈ N, l’état de la particule au temps n + 1 dépend
uniquement de son état au temps n selon les règles suivantes :
1
• si au temps n, la particule est dans l’état 1, au temps n + 1, elle passe à l’état 2 avec une probabilité
2
1
• si au temps n, la particule est dans l’état 2, au temps n + 1, elle passe à l’état 1 avec une probabilité .
4
On note An l’événement « au temps n, la particule est à l’état 1 » et Tn l’événement « la première fois que la particule
est à l’état 1 est le temps n ».
1
On note pn la probabilité de l’événement An et on suppose que p0 = .
2
1) Exprimer pn+1 en fonction de pn et en déduire pn en fonction de n.
2) Calculer P (T0 ) et P (T1 ) puis P (Tn ) pour n > 2.
Solution 7.
1) D’après la formule des probabilités totales,
pn+1 = P (An+1 )

= P (An ) × PAn (An+1 ) + P An × PAn (An+1 )

1 1 1 1
= pn × 1 − + (1 − pn ) × = pn + .
2 4 4 4
1 1 1
Pour x réel, x = x + ⇔ x = puis pour n ∈ N,
4 4 3

1 1 1 1 1 1 1 1
pn+1 − = pn + − × + = pn −
3 4 4 4 3 4 4 3

1 1 1 1 1 1
et donc, pour n ∈ N, pn − = n p0 − puis pn = + × n .
3 4 3 3 6 4
1 1 1 1
2) P (T0 ) = P (A0 ) = puis P (T1 ) = P A0 ∩ A1 = P A0 × PA0 (A1 ) = × = . Ensuite, pour n > 2, d’après la
2 2 4 8
formule des probabilités composées et puisque l’état de la particule à un moment donné ne dépend que de son état au
moment précédent,

P (Tn ) = P A0 ∩ A1 ∩ . . . ∩ An−1 ∩ An = P A0 ∩ A1 ∩ . . . ∩ An−1 × PA0 ∩A1 ∩...∩An−1 (An )
n−1 n−1
! !
Y Y
= P A0 × PA0 ∩...∩Ak−1 Ak × PAn−1 (An ) = P A0 × PAk−1 Ak × PAn−1 (An )
k=1 k=1
n−1
!
1 Y 3 1
= × ×
2 4 4
k=1
n−1
1 3
= × ,
8 4
ce qui reste vrai quand n = 1 (mais pas quand n = 0).
n−1
1 1 3
P (T0 ) = et ∀n > 1, P (Tn ) = × .
2 8 4

3.5 La formule de Bayes
Théorème 14. Soit (Ω, P) un espace probabilisé fini. Soient A et B deux événements tesl que P(A) 6= 0 et P(B) 6= 0.
Alors,
P(A) × PA (B)
PB (A) = .
P(B)

Si de plus P A 6= 0,
P(A) × PA (B)
PB (A) = .
P(A) × PA (B) + P A × PA (B)
P(A ∩ B) P(A) × PA (B)

Démonstration . Puisque P(A) 6= 0, PB (A) = = . Si de plus P A 6= 0, alors d’après la formule des
P(B) P(B)
probabilités totales,
P(A ∩ B) P(A) × PA (B)

PB (A) = = .
P(B) P(A) × PA (B) + P A × PA (B)
❏
Plus généralement,
Théorème 15. (formule de Bayes).
Soit (Ω, P) un espace probabilisé fini. Soient (A1 , . . . , An ) un système complet d’événements et B un événement tels
que, pour tout k ∈ J1, nK, P (Ak ) 6= 0 et P(B) 6= 0. Alors,
P (Ak ) × PAk (B)

∀k ∈ J1, nK, PB (Ak ) = n .
X
P (Ai ) PAi (B)
i=1
Démonstration . Soit k ∈ J1, nK. D’après la formule des probabilités totales,
P (B ∩ Ak ) P (Ak ) × PAk (B)

PB (Ak ) = = .
P(B) P (A1 ) × PA1 (B) + . . . + P (An ) × PAn (B)
❏
La formule de Bayes est une formule qui « remonte le temps ». Les événements A et B sont pensés comme se réalisant
dans un certain ordre chronologique : A d’abord et B ensuite ou encore la cause d’abord et l’effet ensuite. La formule de
Bayes inverse cet ordre et donne la probabilité de A sachant B ou encore donne la probabilité de la cause sachant
l’effet. Pour cette raison la formule de Bayes est aussi appelée « formule de probabilité des causes ».
B
A
B
B
A
B
Dans la vie courante, un exemple type est l’utilisation d’un test de dépistage d’une certaine maladie. Dans une population
donnée, un individu peut être atteint d’une certaine maladie (événement M) ou pas. On fait un test de dépistage sur un
individu et le test peut être positif (événement T ) ou pas.
On suppose que 10% de la population est constituée de personne malades (ou encore P(M) = 0, 1), que 93% des personnes
malades ont un test positif (ou encore PM (T ) = 0, 93) et que 97% des personnes non malades ont un test négatif (ou
encore PM T = 0, 97 ou aussi PM (T ) = 0, 03).
Ici, la cause est le fait d’être malade ou pas et l’effet est d’avoir un test positif ou pas. On veut maintenant la probabilité
d’être malade sachant que l’on a un test positif ou encore on veut PT (M). D’après la formule de Bayes,

P(M) × PM (T ) 0, 1 × 0, 93
PT (M) = = = 0, 775.
P(M) × PM (T ) + P M × PM (T ) 0, 1 × 0, 93 + 0, 9 × 0, 03
Exercice 8. (exercice no 106 de la banque d’oraux des CCP).

1) Enoncer et démontrer la formule de Bayes.
2) On dispose de 100 dés dont 25 sont pipés.
1
Pour chaque dé pipé, la probabilité d’obtenir le chiffre 6 lors d’un lancer vaut.
2
(a) On tire un dé au hasard parmi les 100 dés. On lance ce dé et on obtient le chiffre 6.
Quelle est la probabilité que ce dé soit pipé ?
(b) Soit n ∈ N∗ .
On tire un dé au hasard parmi les 100 dés. On lance ce dé n fois et on obtient n fois le chiffre 6.
Quelle est la probabilité pn que ce dé soit pipé ?
(c) Déterminer lim pn . Interpréter ce résultat.
n→+∞
Solution 8.
1) Formule de Bayes.
Soit (Ω, P) un espace probabilisé fini.
Soit (Ai )16i6n un système complet d’événements de cet espace tel que pour tout i ∈ J1, nK, P (Ai ) 6= 0.
Soit B un événement tel que P(B) 6= 0. Alors,
P (Ai ) × PAi (B)

∀i ∈ J1, nK, PB (Ai ) = n .
X
P (Aj ) × PAj (B)
j=1
Démonstration. Soit i ∈ J1, nK. Puisque P(B) 6= 0,
P (Ai ∩ B) P (Ai ) × PAi (B)

PB (Ai ) = = .
P(B) P(B)
Puisque (Aj )16j6n un système complet d’événements de cet espace tel que pour tout j ∈ J1, nK, P (Aj ) 6= 0, d’après la
formule des probabilités totales, on a
n
X n
X
P(B) = P (Aj ∩ B) = P (Aj ) × PAj (B).
j=1 j=1
Donc,
P (Ai ) × PAi (B)

PB (Ai ) = n .
X
P (Aj ) × PAj (B)
j=1
2) (a) Notons A l’événement « le dé est pipé » et B l’événement « on obtient le chiffre 6 ». La probabilité demandée est
PB (A).
25 1 1 3 1
A, A est un système complet d’événements. On a P(A) = = 6= 0 et P A = 1 − = 6= 0. Ensuite PA (B) =
100 4 4 4 2
1
et PA (B) = . Donc,
6
1 1 3 1 1
P(B) = P(A) × PA (B) + P A × PA (B) = × + × = 6= 0.
4 2 4 6 4
D’après la formule de Bayes,
1 1
P(A) × PA (B) × 1
PB (A) = = 4 2 = .
1

P(A) × PA (B) + P A × PA (B) 2
4
1
La probabilité que ce dé soit pipé est .
2
(b) Notons A l’événement « le dé est pipé » et B l’événement « on obtient n fois le chiffre 6 ». La probabilité demandée
est PB (A).
1 3 1
A, A est un système complet d’événements. On a toujours P(A) = 6= 0 et P A = . Ensuite PA (B) = n et
4 4 2
1
PA (B) = n . Donc,
6
1 1 3 1
P(B) = P(A) × PA (B) + P A × PA (B) = × n + × n = 6 0.
4 2 4 6
D’après la formule de Bayes,
1 1
P(A) × PA (B) × n 1
PB (A) = = 4 2 = .
1 1 3 1 1

P(A) × PA (B) + P A × PA (B) × n+ × n 1 + n−1
4 2 4 6 3
1
La probabilité que ce dé soit pipé est .
1
1 + n−1
3
1
(c) lim n−1 = 0 et donc lim pn = 1. Ceci signifie que si au bout d’un grand nombre de lancers, on a obtenu à
n→+∞ 3 n→+∞
chaque fois le 6, il est quasiment sûr que le dé est pipé.
4 Indépendance
4.1 Couple d’événements indépendants
Définition 13. Soit (Ω, P) un espace probabilisé fini. Soient A et B deux événements.
Les événements A et B sont indépendants si et seulement si P(A ∩ B) = P(A) × P(B).
On a immédiatement
Théorème 16. Soit (Ω, P) un espace probabilisé fini. Soient A et B deux événements tels que P(A) 6= 0.
Les événements A et B sont indépendants si et seulement si PA (B) = P(B).
Le théorème 16 éclaire la définition de l’indépendance. Quand A et B sont indépendants (et A a une probabilité non nulle),
savoir A n’a aucune incidence sur la probabilité de B.
Il faut prendre garde de ne pas confondre la notion d’incompatibilité de deux événements et la notion d’indépendance
de deux événements. Déjà, la notion d’incompatibilité est une notion ensembliste (A et B incompatibles si et seulement
si A ∩ B = ∅). Cette notion est définie sans qu’intervienne des probabilités alors que la définition de l’indépendance fait
référence à une probabilité.
Les quatre situations sont possibles : incompatibles et indépendants, incompatibles et non indépendants, non incompatibles
et indépendants, non incompatibles et non indépendants. Par exemple, si A et B sont incompatibles et tous deux de
probabilité non nulle, alors P(A ∩ B) = 0 6= P(A) × P(B), et donc A et B ne sont pas indépendants.
Théorème 17. Soit (Ω, P) un espace probabilisé fini. Soient A et B deux événements.
Si A et B sont indépendants, alors A et B sont indépendants, A et B sont indépendants, A et B sont indépendants.
Démonstration . Supposons les événements A et B indépendants. D’après la formule des probabilités totales,

P(B) = P(B ∩ A) + P B ∩ A
et donc

P B ∩ A = P(B) − P(B ∩ A) = P(B) − P(A) × P(B) = P(B)(1 − P(A)) = P(B) × P A .
Donc, A et B sont indépendants. En appliquant ce résultat aux événements B et A, ou aux événements A et B, on obtient le fait
que A et B sont indépendants et le fait que A et B sont indépendants
❏

Exercice 9. Soit (Ω, P) un espace probabilisé fini. Soient A, B1 , . . . , Bn , des événements tels que pour tout k ∈ J1, nK,
A et Bk sont indépendants et de plus, les événements B1 , . . . , Bn , sont deux à deux incompatibles.
[
Montrer que les événements A et nBk sont indépendants.
k=1
Solution 9.
!! !
[ [
P A∩ nBk =P n (A ∩ Bk )
k=1 k=1
n
X
= P (A ∩ Bk ) (car pour i 6= j, (A ∩ Bi ) ∩ (A ∩ Bj ) ⊂ Bi ∩ Bj = ∅)
k=1
Xn n
X
= P (A) × P (Bk ) = P(A) × P (Bk )
k=1 k=1
!
[
= P(A) × P nBk .
k=1
S
Donc, A et k=1 nBk sont des événements indépendants.
4.2 Famille d’événements indépendants

Définition 14. Soit (Ω, P) un espace probabilisé fini. Soient n > 2 puis A1 , . . . , An , n événements.
1) A1 , . . . , An sont deux à deux indépendants si et seulement si pour tout (i, j) ∈ J1, nK2 tel que i 6= j, on a
P (Ai ∩ Aj ) = P (Ai ) × P (Aj ).
2) A1 , . . . , An sont mutuellement indépendants
! (ou plus simplement indépendants) si et seulement si pour tout
\ Y
partie non vide I de J1, nK, on a P Ai = P (Ai ).
i∈I i∈I
Il est clair que :

Théorème 18. Soit (Ω, P) un espace probabilisé fini. Soient n > 2 puis A1 , . . . , An , n événements.
Si A1 , . . . , An sont indépendants, alors A1 , . . . , An sont deux à deux indépendants.
On prendra garde au fait que la réciproque de ce résultat est fausse. Pour s’en convaincre, construisons un exemple
de trois événements deux à deux indépendants mais non indépendants : si A, B et C sont trois événements,
A, B et C indépendants ⇔ P(A ∩ B) = P(A) × P(B) et P(A ∩ C) = P(A) × P(C) et P(B ∩ C) = P(B) × P(C)
et P(A ∩ B ∩ C) = P(A) × P(B) × P(C).
Considérons un univers à quatre éléments Ω = {a, b, c, d} muni de la probabilité uniforme notée P. Soient A = {b, c},
B = {a, c} et C = {a, b}.
1
• P(A) = P(B) = P(C) = .
2
1 1 1
• P(A ∩ B) = P({c}) = = × = P(A) × P(B) et de même P(A ∩ C) = P(A) × P(C) et P(B ∩ C) = P(B) × P(C). Donc,
4 2 2
les événements A, B et C sont deux à deux indépendants.
1 1 1
• P(A ∩ B ∩ C) = P(∅) = 0 6= × × = P(A) × P(B) × P(C). Donc, A, B et C ne sont pas indépendants.
2 2 2


31 Probabilites

Transféré par

Droits d'auteur :

Formats disponibles

31 Probabilites

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

31 Probabilites

Transféré par

Droits d'auteur :

Formats disponibles

Probabilités

c Jean-Louis Rouget, 2018. Tous droits réservés.

1.1 Expérience aléatoire

1.2 Univers associé à une expérience aléatoire

c Jean-Louis Rouget, 2018. Tous droits réservés.

1.3.2 Opérations sur les événements

1.3.3 Système complet d’événements

c Jean-Louis Rouget, 2018. Tous droits réservés.

2.2 Propriétés de calcul des probabilités

Théorème 2. Soit (Ω, P) un espace probabilisé fini.

Démonstration . Soit A ∈ P(Ω). A ∩ A = ∅ et donc d’après l’axiome d’additivité entre autres,

Théorème 3. Soit (Ω, P) un espace probabilisé fini.

Démonstration . Soit (A, B) ∈ (P)2 tel que A ⊂ B. A ∩ (B \ A) = ∅ et donc,

P(B) = P (A ∪ (B \ A)) = P(A) + P(B \ A)

P(B) = P(A) + P(B \ A) > P(A).

Théorème 4. Soit (Ω, P) un espace probabilisé fini.

Démonstration . Soit (A, B) ∈ (P)2 . A ∪ B = A ∪ (B \ A) avec A ∩ (B \ A) = ∅. Donc,

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

c Jean-Louis Rouget, 2018. Tous droits réservés.

• Soit (A1 , A2 ) ∈ (P(Ω))2 .

P (A1 ∪ A2 ) = P (A1 ) + P (A2 ) − P (A1 ∩ A2 ) 6 P (A1 ) + P (A2 ) ,

Le résultat est démontré par récurrence.

c Jean-Louis Rouget, 2018. Tous droits réservés.

P(∅) = 0 et pour A = {ωi1 , . . . , ωik } 6= ∅, P(A) = pi1 + . . . + pik (∗).

Réciproquement, soit P définie par (∗). Montrons que P convient.

Finalement, P est une probabilité sur Ω qui convient.

2.4 Probabilité uniforme

c Jean-Louis Rouget, 2018. Tous droits réservés.

c Jean-Louis Rouget, 2018. Tous droits réservés.

3) On sépare le paquet de 32 cartes en 2 paquets,

c Jean-Louis Rouget, 2018. Tous droits réservés.

Exercice 4. (le poker)

c Jean-Louis Rouget, 2018. Tous droits réservés.

Exercice 5. (le tiercé)

c Jean-Louis Rouget, 2018. Tous droits réservés.

Card(Ω) = A318 = 18 × 17 × 16 = 4 896.

Exercice 6. (le loto foot)

3 × . . . × 3 = 314 = 4 782 969

3.2 Propriétés des probabilités conditionnelles

c Jean-Louis Rouget, 2018. Tous droits réservés.

P(A ∩ (B ∪ C)) P((A ∩ B) ∪ (A ∩ C)) P(A ∩ B) P(A ∩ C)

3.3 La formule des probabilités composées

P(A ∩ B) = P(A) × PA (B).

3.4 La formule des probabilités totales

c Jean-Louis Rouget, 2018. Tous droits réservés.

Exercice 7. (d’après CCP 2017 MP Mathématiques 2)

c Jean-Louis Rouget, 2018. Tous droits réservés.

P(A ∩ B) P(A) × PA (B)

P(A ∩ B) P(A) × PA (B)

P (Ak ) × PAk (B)

Démonstration . Soit k ∈ J1, nK. D’après la formule des probabilités totales,

P (B ∩ Ak ) P (Ak ) × PAk (B)

c Jean-Louis Rouget, 2018. Tous droits réservés.

Exercice 8. (exercice no 106 de la banque d’oraux des CCP).

P (Ai ) × PAi (B)

Démonstration. Soit i ∈ J1, nK. Puisque P(B) 6= 0,

P (Ai ∩ B) P (Ai ) × PAi (B)

P (Ai ) × PAi (B)

c Jean-Louis Rouget, 2018. Tous droits réservés.