Table des matières

Chap 1 : Éléments de Probabilités

1 Introduction : 1
2 Expérience aléatoire et vocabulaire fondamental 2
2.1 Définitions : 2
2.2 Models d’expérience aléatoire : 2
2.3 Vocabulaire probabiliste 4
3 Loi de probabilité 6
4 Ensemble probabilisé discret fini 7
4.1 Ensemble probabilisé fini quelconque (prérequis : somme fini ; application embiliste) 7
4.2 Ensemble probabilisé fini équiprobable (dénombrement) ! : 9
4.2.1 Rappels d’analyse Combinatoire : (dénombrement ‫)العـد‬ 11
4.2.2 Applications aux probabilités : 14
5 Ensemble probabilisé discret infini (prérequis : somme infini ) 15
6 Ensemble probabilisé continues 16
7 Probabilité conditionnelle et Indépendances 16
7.1 Probabilits conditionnelle 16
7.2 Événements indépendants 18
7.3 Modélisation d’expériences conditionnelles par arborescence 19
7.4 Applications 22
7.4.1 Formule des probabilités totales 22
7.4.2 Formule des probabilités totales généralisé 23
7.5 formule de Bayes (des causalités) 25

Chap 2 : Variable aléatoire

1 Définitions 27
2 Variable aléatoire discrète (finie ou infinie) 29
2.1 Espérance, Variance, Ecart-type 32
2.2 Propriétés remarquables de ces quantités : 33
3 Variable aléatoire continue 34
3.1 Espérance, Variance, Ecart-type 37
3.2 Propriétés : 37
 1

Chap 1- Éléments de Probabilités

1 Introduction :
Dans le langage courant, nous utilisons les termes "probabilité", "probablement" etc… sans y accorder de
signification particulière.
En mathématiques, le mot "probabilité" est un terme technique qui permet de mesurer la chance qu'ont
des événements d'être réalisés ou non.
Une expérience est une opération conduite sous des conditions contrôlées en vue de découvrir un effet ou
une loi inconnue, de tester ou d'établir une hypothèse, ou encore d'illustrer une loi connue.
Tout résultat possible à la suite de cette expérience est un évènement.
La notion de probabilité d’un évènement est étroitement liée à la notion de fréquence statistique de
réalisation de l’évènement dans une expérience répétée un grand nombre de fois :

En répétant n fois l’expérience, un évènement A donné a une fréquence de se réaliser :

Alors si est la probabilité de réalisation de A, on a :

Exemple : (réalisée par simulation sur Excel)

n lancés d’une pièce. n lancés d’un dé.

n= Résultats possibles : { P, F } Résultats possibles : { 1, 2, 2, 3, 4, 5, 6 }

xi P F total xi 1 2 3 4 5 6 total
10 ni 4 6 10 ni 2 0 2 3 0 3 10
fi 0.4 0.6 1 fi 0.200 0.000 0.200 0.300 0.000 0.300 1

xi P F total xi 1 2 3 4 5 6 total
100 ni 53 47 100 ni 23 13 14 16 16 18 100
fi 0.530 0.470 1 fi 0.230 0.130 0.140 0.160 0.160 0.180 1

xi P F total xi 1 2 3 4 5 6 total
1000 ni 482 518 1000 ni 146 169 160 177 169 179 1000
fi 0.480 0.520 1 fi 0.146 0.169 0.160 0.177 0.169 0.179 1

xi P F total xi 1 2 3 4 5 6 total
35 000 ni 17547 17453 35000 ni 5755 5876 5826 5868 5887 5788 35000
fi 0.501 0.499 1 fi 0.164 0.168 0.166 0.168 0.168 0.165 1
 2
2 Expérience aléatoire et vocabulaire fondamental

2.1 Définitions :

C’est une expérience dont on connaît l’ensemble des résultats possibles

expérience aléatoire
mais dont on ne peut prévoir le résultat effectif avec certitude.

‫ھييكليتجربةييينعرف مجموعة نتائجها الممكنةييويلكنيال ُیمكن توقع النتيجة مسبقاي‬

‫التجربة العشوائية‬
‫ي‬.‫بكليتأكيد‬
ensemble fondamental
C’est l’ensemble des résultats possibles, généralement noté Ω.
(univers)
‫المجموعة الشاملة‬ ُ ‫ي‬،‫وھييمجموعةييالنتائجييالممكنة‬
. Ω ‫غالبايبالرمز‬
‫يي ي‬،‫ویرم يزيإلیھا‬
)‫(مجموعة اإلمكانيات‬
évènement élémentaire Est un singletons pou tout .

‫الحدث األولي‬ ‫ي‬Ω‫يمني‬.‫صيواحد‬

‫وھييالحدثيالتييتشمليعلييعن ي‬
évènement Un sous-ensemble de Ω.
‫الحدث‬ Ω‫وھييكليمجموعةييجزئیةيمني‬

2.2 Models d’expérience aléatoire :

Nous utiliserons fréquemment comme modèles ces expériences aléatoires qui introduisent facilement la
notion de probabilité :

lancement d'une pièce de monnaie ( « pile ou face » ( ‫رميقطعةينقدية‬

modélise toute expérience à deux (02) résultats ‫لتمثيل كل تجربة عشوائية ذات مخرجين فقط‬
possibles )‫(نتيجتين‬
Exemples : : ‫أمثلة‬
naissance (garçon/fille) , ،‫جنس المولود الجديد‬
efficacité d’un vaccin ou médicament (oui/non), ،‫ي نجاعة دواء أو لقاح من عدمه‬
personne ou animale ou plante malade ‫نتيجة الكشف عن إصابة أم عدم إصابة عنصر‬
(atteint/non atteint) ; etc… ...‫ إلخ‬، )‫(إنسان أو حيوان أو نبات‬

« jet de dé » ‫رم ر‬
‫يالند‬
modélise une expérience à plusieurs .‫لتمثيل كل تجربة عشوائية ذات أكثر من نتيجتين‬
résultats possibles (1 à 6) )6 ‫ إلى‬1 ‫(من‬
Exemples : nombre de personne dans un
‫ عدد الطلبة الناجحون في‬،‫ عدد األفراد في عائلة‬: ‫أمثلة‬
foyer ; nombre d’étudiants admis par ‫ي‬
...‫ إلخ‬،‫الفوج‬
groupe, etc…

« tirage » ‫السحبي‬
modélise les expériences de tirage au sort ‫لتمثيل كل تجربة ترتكز على سحب عشوائي‬
(avec ou sans remise) )‫(بإرجاع أو عدم إرجاع‬
Exemples : toute expérience de choix
‫ عنصر مختارة من بين المجموعة‬k ‫ سحب عينة‬: ‫أمثلة‬
aléatoire de k individus (objets) parmi ‫ي‬
...‫ إلخ‬، ‫الشاملة‬
l’ensemble fondamental
 3
Exemples :
1) Le Lancer d’une pièce de monnaie (‫ )رميقطعةينقدية‬est une expérience aléatoire car on connait les
résultats possibles (pile ou face) mais on ne peut connaitre le résultat effectif avant le lancer.
• évènement élémentaire : ‫أوجد األحداث األولية‬
ω1=pile, ω2= face.

• ensemble fondamental : ‫أوجد المجموعة الشاملة‬

Ω={pile ; face}.

2) Le lancer d’un dé (‫د‬

‫ر‬
‫ )رميقطعةيالن ي‬est une expérience aléatoire car on connait les résultats possibles
(1,2,3,4,5 ou 6) mais on ne peut connaitre le résultat effectif avant le lancer.
• évènement élémentaire : ‫أوجد األحداث األولية‬
ω1=1, ω2= 2, ω3=3, ω4= 4, ω5=5, ω6= 6.

• ensemble fondamental : ‫أوجد المجموعة الشاملة‬

On peut représenter par Ω={1, 2, 3, 4, 5 , 6}.

• Evènements (exemples) : ‫أوجد أمثلة على أحداث‬

l’évènement correspond à A= « obtenir un chiffre pair »;
l’évènement correspond à B= « obtenir un chiffre impair »;
l’évènement correspond à C= « obtenir un chiffre plus petit ou égal à 3 »;
l’évènement correspond à D= « obtenir un six ». C’est un évènement élémentaire.

Exo 1 :
‫ر‬
On lance deux fois de suite un dé. (‫ديمرتييعليالتوالي‬
‫ر‬
‫ )رميقطعةيالن‬est une expérience aléatoire
• évènement élémentaire : ‫أوجد األحداث األولية‬
couples où est le 1er résultat et est le 2ème résultat. :
ω1=(1,1) , ω2= (1,2), …, ω6= (1,6) ;
ω7=(2,1) , ω8= (2,2), …, ω12= (2,6) ;
…
ω31=(6,1) , ω32= (6,2), …, ω36= (6,6) .

• ensemble fondamental : ‫أوجد المجموعة الشاملة‬

ou plus simplement .
Remarque : dans cette expérience, l’ordre est significatif : est différente de

• évènements : ‫أعطي حدثي على سبيل المثال‬

l’évènement A= « obtenir deux fois de suite la même valeur » correspond à ;

l’évènement B= « le premier lancer est pair »; correspond à l’ensemble des couple dans
.
l’évènement C= « obtenir une somme de 6 en ajoutant les des deux lancers »; correspond à
C .
 4
Exo 2 :
Considérons l'expérience suivante : on lance une pièce ‫ينقذفيقطعةينقديةيسليمةي‬:‫نعتنيالتجربةيالعشوائيةيالتاليةي‬
‫ر‬
de monnaie non truquée autant de fois qu'il est ‫يي‬.)‫بشكليمكرريحتينحصليعليوجهي(ثمينتوقف‬
nécessaire pour obtenir face. Si on indique le résultat
‫يماي‬،‫يللجهةياألخرى‬P‫يلوجهيالقطعةيالنقديةيوي‬F‫إذايرمزنايبيي‬
face par F et pile par P, quel est l'ensemble
fondamental Ω. ‫يي‬.Ω‫ه يويفضاءياألحداثياألوليةي‬

Solution : le but est atteint si on obtient F au 1er lancé, sinon F au 2nd (P au 1er), sinon F au 3ème (P au 1er et
au 2nd), sinon F au 4ème (P au 1er , au 2nd et au 3ème),sinon etc…
donc
Il s’agit d’un ensemble infini dénombrable.
2.3 Vocabulaire probabiliste
Evénements particuliers : toute expérience aléatoire comprend

✓ un événement certain représenté par Ω ‫ي‬Ω ‫ الممثلة في المجموعة الجزئية‬: ‫الحدث األكيدة‬ ✓
✓ un événement impossible qui est représenté ‫ وھي الحدث التي ال يمكن لھا أن‬: ‫الحدث المستحيلة‬ ✓
par le sous ensemble vide. ‫ ونرمز لھا بالرمز‬،‫تتحقق‬
Relations entre événements :
✓ événements incompatibles ‫الحادثتان الغير متالئمتان (ال يمكن أن تتحققا في آن واحد)ي‬ ✓
" les deux événements A et B sont incompatibles" si leur réalisation simultanée est impossible.
On a donc .

✓ Implication: : ‫اإلستلزام‬ ✓
"l'événement A implique l'événement B " signifie que si A se réalise, alors B se réalise aussi.
Dans un tel cas on a .

Opérations sur les évènements :

✓ événement "A ou B" ‫" ي‬B ‫ أو‬A" ‫الحدث‬ ✓
"A ou B" (noté aussi ) est réalisé dès que l’évènement A est réalisé ou l’évènement B est réalisé.
✓ événement "A et B" ‫" ي‬B ‫ و‬A" ‫الحدث‬ ✓
"A et B" (noté aussi ) est réalisé si A est réalisé et B est réalisé (en même temps).
✓ évènement contraire ‫الحدث العكسية ي‬ ✓
l'évènement contraire de A est le complémentaire ou .

Exo 3 :
Une urne contient 3 boules : 1 blanche, 1 rouge‫يي‬ ‫يحمراء‬1‫ي‬،‫يبيضاءي‬1‫ي‬:‫يكرياتي‬3‫يحتوييكيسيعلي‬
et 1 verte. ‫ي ر‬1‫وي‬
‫خصاءي‬
On tire au hasard une boule de cette urne, on note sa ‫ينسجليلونهايثمينعيدهاي‬،‫نسحبيعشوائيايكرةيمنيالكيس‬
couleur puis on la replace dans l'urne ; puis on répète ‫يي‬.‫إليالكيسي؛يثمينعيديهذهيالعمليةيثانية‬
l’opération une deuxième fois. ‫ي ر‬
‫عييفضاءياألحداثياألوليةيلهذهيالتجربةيي‬
Déterminer l'ensemble fondamental Ω.
 5
Solution : L'ensemble des deux opérations ainsi réalisées constitue une épreuve ou expérience
aléatoire. On peut représenter l'ensemble des résultats possibles ou éventualités par un tableau ou un
arbre :
B
B V
1 R
2 B V R
B
B (B,B) (V,B) (R,B) V V
R
V (B,V) (V,V) (R,V)
B
R (B,R) (V,R) (R,R) R V
R

• évènement élémentaire : ‫أوجد األحداث األولية‬

Chaque case du tableau (chaque ligne de l’arbre) détermine un élément élémentaire d :
ω1=(B,B), ω2= (B,V), …

• ensemble fondamental : ‫أوجد المجموعة الشاملة‬

 = {(B,B);(B,V);(B,R);(V,B);(V,V);(V,R);(R,B);(R,V);(R,R)}

• exemples d’évènement : ‫أمثلة عن حوادث‬

l'événement A1="Obtenir 2 boules de même couleur" est représenté par
A1 = {(B,B);(V,V);(R,R)}
l'événement A2 ="Obtenir une boule blanche au premier tirage" est représenté par
A2 = {(B,R);(B,V);(B,B)}
l'événement A3 ="Obtenir deux boules rouges" est représenté par A3 = {(R,R)}.

✓ événements incompatibles ‫الحادثتان الغير متالئمتاني‬ ✓

On remarque que A3 ∩ A2= c’est-à-dire qu’il n’y a aucun résultat élémentaire qui réalise en même
temps les évènements A3 et A2 qui sont donc incompatible.
✓ Implication: : ‫اإلستلزام‬ ✓
Si une expérience donne comme résultat A3 = {(R,R)} alors nous pouvons dire que l'événement A1 est
réalisé donc "l'événement A3 implique l'événement A1" ou encore : A3 ⸦ A1

✓ événement "A et B" ‫" ي‬B ‫ و‬A" ‫الحدث‬ ✓

Si une expérience donne comme résultat A4 = {(B,B)}. On a A1 ∩ A3= A4 ; A4 réalise A1 et A3.

✓ évènement contraire ‫الحدث العكسية ي‬ ✓

⎯
Soit A1 = "Obtenir 2 boules de même couleur", l'événement contraire A1 = "obtenir un tirage bicolore"
On a A1 = {(B,B);(V,V);(R,R)} et donc 𝐴1 = {(B,V);(B,R);(V,B);(V,R);(R,B);(R,V)}

Exo 4 :
Soit Ω un espace fondamental et trois événements A, B et C ‫يثالثي‬A, B, C‫يفضاءيأحداثيأوليةيوي‬Ω‫نعتني‬ ‫ر‬
de Ω. Traduire à l’aide des opérations sur les ensembles les ‫عييالعملياتيعليالمجموعاتي‬ ‫ ري‬.Ω‫أحداثيمني‬
expressions suivantes : ‫يي‬:‫الجزئيةيويالتيتناسبياألحداثيالتاليةي‬
a. A seul se réalise ;
‫يوحدهيتحققي‬A .a
b. A et C se réalisent mais pas B ;
 6
c. au moins l’un des trois événements se réalise ; C‫يتحققايدوني‬B‫يوي‬A .b
d. les trois événements se réalisent ; ‫أحدياألحداثيالثالثيعلياألقليتحققي‬ .c
e. aucun ne se réalise. ‫األحداثيالثالثيتحققواي‬ .d
‫وياليحدثيمهميتحققيي‬ .e
Solution : Soit trois événements A, B et C de Ω.

Exo 5 :
Considérons l'expérience qui consiste à lancer successivement ‫نعتنيالتجربةيالعشوائيةيحيثينقذفيعليالتواليي‬ ‫ر‬
deux dés, quel est l'ensemble fondamental Ω. ‫ر‬
‫يي‬.Ω‫يعييفضاءياألحداثياألوليةي‬.‫قطعتييينريد‬
Déterminer les sous ensemble associés aux événements ‫يي‬:‫عييالمجموعاتيالجزئيةيالمرفقةيلألحداثيالتاليةي‬ ‫ر‬
suivants :
"6 ‫يي="مجموع النتيجتي يساوي‬A
A= « la somme des points est égal à 6 » ;
B= « le premier résultat est inférieur (ou égal) à 2 » ; "2 ‫يي="النتيجة األوىل أصغر من‬B
C= « le premier résultat est "< 3" et la somme égale à 6 ». ‫ و مجموع النتيجتي‬3< ‫يي=" النتيجة األوىل‬C
‫"ي‬6 ‫يساوي‬
Solution : L'ensemble fondamental est formé de tous les couples de résultats possibles pour les deux
dés ; nous dénombrons par conséquent 36 éléments :
= .
A partir de cet ensemble fondamental, nous pouvons par exemple décrire les événements suivants :
A= « la somme des points est égal à 6 » : ;
B= « le premier résultat est "< 3 » : .
C= « le premier résultat est "< 3" et la somme égale à 6 » : .

3 Loi de probabilité
Rappels : à la suite de l’identification d’une expérience ‫ يجب تعيين‬،‫ بعد تعيين التجربة العشوائية‬:‫للتذكير‬
aléatoire on doit décrire les différentes issues possibles de ‫مختلف األحداث األولية ثم تعيين المجموعة‬
l’épreuve puis préciser l’ensemble fondamental Ω. .‫الشاملة‬
But : on cherche à associer à chaque évènement élémentaire ‫ علينا أن نرفق لكل حادث أولي عدد‬: ‫الهدف‬
un nombre compris entre 0 et 1 qui mesure la chance que cet ‫ يمثل قياس إمكانية ھذا‬، 1 ‫ و‬0 ‫محصور بين‬
évènement a de se réaliser. .‫الحدث أن يتحقق‬

Définition : Une probabilité est une application telle que et

si A et B sont deux événements incompatibles , alors .

Conséquence : pour tout événement A. et .

pour tout événement A
pour tous événements A,B quelconques.
 7
Remarque : On doit déterminer l’ensemble univers Ω, et définir la loi de probabilité p dont on le munit.
On parle en toute rigueur d’espace probabilisé (Ω, p).

Exemple : (définition d’une probabilité)

On lance une pièce de monnaie. L’ensemble fondamental est Ω={pile ; face}.
Toutes les parties de Ω sont : .
✓ On a bien sûr et .
✓ Si la pièce est parfaitement régulière, on est conduit à poser : .

4 Ensemble probabilisé discret fini

On s’intéresse au cas discret : ‫نعتبرحالة مجموعة األحداث األولية‬
On cherche à associer à chaque évènement ، ‫علينا أن نرفق لكل حادث أولي عدد موجب‬
élémentaire un nombre (probabilité de ‫يمثل قياس إمكانية ھذا الحدث أن يتحقق (احتمال تحقق‬
l’évènement) qui mesure la chance qu'elle a .)‫الحدث‬
de se réaliser.
.‫يجب أن يكون‬
On doit avoir .

4.1 Ensemble probabilisé fini quelconque (prérequis : somme fini ; application embiliste)
Lorsque l’ensemble Ω est fini, la connaissance de pour chaque événement élémentaire suffit pour
connaitre la loi de probabilité p.
Loi de probabilité (cas Ω fini) )‫ منتهية‬Ω ‫قانون اإلحتمال (حالة‬
• Si Ω est fini, on résumera la loi de probabilité dans un tableau

• Pour un événement quelconque on a :

.

Exo 6 :
On lance successivement 2 pièces de monnaies. ‫يي‬.‫نقذفيعليالتوالييقطعتانينقديتان‬
1) Déterminez l’univers des évènements élémentaires ‫ئ‬
‫األوليةيثميأنشيجدوليلقانوني‬ ‫)ي ر‬1
‫عييفضاءياألحداثي‬
et dressez le tableau de loi de probabilité de cette ‫ي‬.‫االحتماالتيلهذهيالتجربةيالعشوائية‬
expérience aléatoire.‫ي‬ ‫ي="نحصل عىل‬A‫يييي‬:‫أحسبياحتماالتياألحداثيالتاليةي‬
Calculer les probabilité des évènements : A= « on
‫ي="نحصل عىل ظهر"ي‬B‫ظهر عىل األقل"ييوييييي‬
obtient au moins 1 p » et B= « on obtient 1 p ». ‫ر‬
‫ماذاييحصليلويكانيالقذفيفيآنيواحد؟يي‬ ‫)ي‬2
2) Qu’en est-il si le jet est simultané ?

Solution :
1) Cas de jets successifs : on peut utiliser un arbre pour représenter tous les résultats possibles :
p
p
f
p
f
f
 8
L’univers des évènements élémentaires : Ω = { pp ; pf ; fp ; ff }.
Tableau de la loi de probabilité :

‫األحداث األولية‬ évènements élémentaires : ωi (p,p) (p,f) (f,p) (f,f) total

‫احتمال كل حدث أولي‬ probabilité : pi = P(ωi) 1/4 1/4 1/4 1/4 1

Calculons les probabilités des évènements : A= « on obtient au moins 1 p » et B= « on obtient 1 p ».

✓ A= « on obtient au moins 1 p »= { (p,p) ; (p,f) ; (f,p) } d’où

.

✓ B= « on obtient 1 p »= { (p,f) ; (f,p) } d’où

.

2) Cas de jet simultané :

L’univers des évènements élémentaires : les évènement pf et fp sont identique et par suite l’univers des
évènements élémentaires devient : Ω = { pp ; pf ; ff }.
Tableau de la loi de probabilité :

‫األحداث األولية‬ évènements élémentaires : ωi {p,p} {p,f} {f,f} total

‫احتمال كل حدث أولي‬ probabilité : pi = p(ωi) 1/4 2/4 1/4 1

Calculons les probabilités des évènements : A= « on obtient au moins 1 p » et B= « on obtient 1 p ».

✓ A= « on obtient au moins 1 p »= { {p,p} ; {p,f} } d’où

.

✓ B= « on obtient 1 p »= { {p,f} } d’où

.

Exo 7 :
On lance un dé équilibré dont trois faces sont numérotées ،‫ في ثالث أوجه‬1 ‫نقذف قطعة نرد تحمل الرقم‬
1, deux faces sont numérotées 2 et une face est .‫ في الوجه الباقي‬3 ‫ في وجھين و الرقم‬2 ‫و الرقم‬
numérotée 3.
‫)يعين فضاء األحداث األولية ثم أنشئ جدول قانون‬1
1) Déterminez l’univers des évènements élémentaires
‫االحتماالت لھذه التجربة العشوائية‬
puis dressez le tableau de loi de probabilité.
2) Calculer les probabilités des évènements : ‫ييي‬:‫أحسبياحتماالتياألحداثيالتاليةي‬.)2
A= « on obtient un numéro inférieur ou égal à 2 » et ‫"ييويييي‬2 ‫ي=ي"نحصل عىل رقم أصغر أو يساوي‬A‫ي‬
B= « on obtient un numéro supérieur ou égal à 2 ». "2 ‫أكب أو يساوي‬
‫ي=ي"نحصل عىل رقم ر‬B‫يي‬
Solution :
1) L’univers des évènements élémentaires : Ω = { 1 ; 1 ; 1 ; 2 ; 2 ; 3 }.
Tableau de la loi de probabilité :

‫األحداث األولية‬ évènements élémentaires : ωi 1 2 3 total

‫احتمال كل حدث أولي‬ probabilité : pi = p(ωi) 3/6 2/6 1/6 1
 9
2) Calcul les probabilités des évènements A, B :
✓ A= « on obtient un numéro inférieur ou égal à 2 » = { 1 ; 2 } d’où
.

✓ B= « on obtient un numéro supérieur ou égal à 2 » = { 2; 3 } d’où

.

4.2 Ensemble probabilisé fini équiprobable (dénombrement) ! :

N.B : un cas intéressant est celui d’équiprobabilité. ‫ ندرس اآلن التجربة العشوائية المتساویة‬: ‫مالحظة‬
Dans ce cas tous les évènements élémentaires ont la . ‫اإلحتمال‬
même probabilité. .‫األولية لھا نفس االحتمال‬
ّ ‫في ھذه الحالة كل األحداث‬
On fait signe à l’équiprobabilité dans une expérience ‫يشار إلى تساوي االحتمال من خالل عبارات يتضمنھا‬
aléatoire par les expressions, comme : : ‫ مثل‬،‫النص في وصف التجربة العشوائية‬
ّ
« dé non truqué » , « pièce équilibrée » , ‫"زھرة نرد غیر مزیفة" ؛ "قطعة نقدیة متوازنة" ؛‬
« ..indiscernable au touché » etc… …‫ ال نُمیز بینھا عند اللّمس" الخ‬.."
On parle alors de loi de probabilité uniforme. ّ ‫و نقول في ھذه الحالة‬
‫أن قانون اإلحتمال متساوي التوزیع‬

Loi de probabilité uniforme ‫قانون اإلحتمال المتساوي التوزیع‬

• Si Ω est fini et la loi équiprobable (tous les événements élémentaires ont la même probabilité) alors :

la probabilité est uniforme : .

• La probabilité d’un événement A est :

où est le nombre des éléments de A.

Exemples : la loi équiprobable est présente dans des expériences supposées non truquées de
pile ou face , lancement de dé tirage d’une boule (ou autre) parmi n
boules indiscernables au touché, etc…

Exo 8 :
On lance deux fois de suite un dé non truqué. .‫نقذف مرتين قطعة نرد غير مزيفة‬
Déterminez l’ensemble fondamental puis dressez le ‫عين المجموعة الشاملة لألحداث األولية ثم أنشئ‬
tableau de loi de probabilité de cette expérience aléatoire. .‫جدول قانون االحتماالت لھذه التجربة العشوائية‬
Calculons les probabilités des évènements suivants : : ‫أحسب احتمال وقوع األحداث التالية‬
A = « obtenir de deux fois le même résultat ». "‫النردين‬
‫= "نحصل على نفس النتيجة في‬A
B = « obtenir un nombre pair dans le premier lancé ». "‫= "نحصل على عدد زوجي في الرمية األولى‬B

Solution :
L’univers des évènements élémentaires : =
Tableau de la loi de probabilité :
Le dé n’étant pas truqué, il est naturel de considérer une probabilité uniforme sur Ω.

donc : .
 10
Calcule des probabilités des évènements :

✓ A=« obtenir de deux fois le même résultat »= . ; d’où

.
✓ B=« obtenir un tirage dont le premier lancé est pair » .
; d’où .
Exo 9 :
On lance fois une pièce de monnaie supposée .‫ مرة قطعة نقدية غير مزيفة‬n ‫نقذف‬
équilibrée. Soient A et B les événements suivants : : ‫نعتبر األحداث التالية‬
A = « obtenir au plus une fois pile », A = «‫ (ظھر) مرة واحدة على األكثر‬p ‫» نحصل على‬.
B = « obtenir au moins une fois pile et au moins une
B = « ‫ (وجه) على األقل‬f ‫ على األقل و‬p ‫» نحصل على‬.
fois face »
1) Calculez p(A) et p(B) ‫ي‬pour n=2 .n = 2 ‫ من أجل‬p(B) ‫ و‬p(A), ‫) أحسب‬1
n = 3 ‫) نفس السؤال من أجل‬2
2) Même question pour n = 3.
Solution :
1) Si n = 2 : .
;

2) Si n = 3 : .
.

Exo 10 :
Un sac contient 5 jetons verts et 4 rouges. On y )R( ‫ حمراء‬4 ‫) و‬V( ‫ قريسات خضراء‬5 ‫يحتوي كيس على‬
effectue 3 tirages successifs sans remise. .‫ قريسات على التوالي و بدون إرجاع‬3‫حيث يتم سحب‬
Calculer les probabilités : : ‫أحسب احتمال األحداث التالية‬
a) tirer 3 jetons verts ; )V( ‫ قريسات خضراء‬3 ‫) سحب‬a
b) de ne tirer aucun jeton vert ; ‫) ال نسحب أي قريسة خضراء‬b
c) de tirer au plus 2 jetons verts.
‫ قريسات خضراء على األكثر‬2 ‫) نسحب‬c
Solution :
On a équiprobabilité pour chaque tirage (jetons sont indiscernables) ; donc .

On utilisera un arbre pour illustrer les tirages successifs sans remise. Notons l’événement « tirer k
jetons verts » , :
a. Probabilité de ne tirer que 3 jetons verts ;
.
b. Probabilité de ne tirer aucun jeton vert ;

c. Probabilité de tirer au plus 2 jetons verts ;

 11
4.2.1 Rappels d’analyse Combinatoire : (dénombrement ‫)العـد‬
❖ Répétition : on doit distinguer entre disposition avec répétition et disposition sans répétition.

❖ Ordre : on doit distinguer entre disposition ordonnée, disposition non ordonnée.

Exemple : On considère l’ensemble E = {a; b; c}. On choisi deux (02) éléments dans cet ensemble.
On donne dans le tableau suivant tous les cas possibles :

avec répétition sans répétition

disposition
‫إمكانية التكرار‬ ‫عدم إمكانية التكرار‬
avec ordre (ordonnée)
aa, bb, cc ; ab, ba, ac, ca, bc, cb ab, ba, ac, ca, bc, cb
‫أھمية الترتيب‬
sans ordre(non ordonnée)
aa, bb, cc ; ab, ac, bc ab, ac, bc
‫عدم أھمية الترتيب‬

Principe de dénombrement : ‫األساس للتعداد‬

‫ي‬ ‫القانون‬
Si une expérience E1 produit résultats et une ‫ تجربة ذات‬E2 ‫مخرج و‬ ‫ تجربة ذات‬E1 ‫إذا كانت‬
autre expérience E2 produit résultats , alors il y a : : ‫مخرج فسوف يكون لدينا‬
✓ résultats possibles pour l’expérience
"E2 ‫ و‬E1" ‫مخرج للتجربة المركبة‬ ✓
composée : « E1 et E2 ».
✓ résultats possibles pour l’expérience "E2 ‫ أو‬E1" ‫مخرج للتجربة المركبة‬ ✓
composée : « E1 ou E2 ».

Exo 11 : On veut former un comité à partir d'un groupe de 3 hommes et de 3 femmes, combien de comités
peut-on former si :
a) le comité doit être formé de 2 hommes ou de 2 femmes?
b) le comité doit être formé de 1 homme et de 1 femme?
c) le comité doit être formé de 2 hommes et 1 femme ou de 1 homme et 2 femmes?
Solution : on appliquera le principe de dénombrement :
a) On doit faire un choix non ordonné, sans répétition de :
2 hommes parmi 3 (=6 d’après exemple précédent) ou 2 femmes parmi 3 (=6 d’après exemple précédent) ;
d’après le principe de dénombrement on aura : comités.
b) On doit faire un choix de :
1 homme parmi 3 (=3) et choix de 1 femme parmi 3 (=3) ;
d’après le principe de dénombrement on aura : comités.
c) On doit faire un choix non ordonné, sans répétition de :
2 hommes parmi 3 (=6 d’après exemple précédent) et choix de 1 femme parmi 3 (=3) ;
d’après le principe de dénombrement on aura : comités.
ou encore un choix non ordonné, sans répétition de :
1 homme parmi 3 (=3) et choix de 2 femmes parmi 3 (=9 d’après exemple précédent) ;
d’après le principe de dénombrement on aura : comités.

Au total il y aura : comités.

 12
❖ Factorielle d’un entier n : et .
Exemple :
5! = 5 × 4 × 3 × 2 × 1 = 120: 10! = 10 × 9 × 8 × 7 × 6 × 5 × 4 × 3 × 2 × 1 = 3628800

❖ Arrangements ‫ الترتيبة‬: ‫تتميز عناصر الترتيبة بأھمية الترتيب‬.

Un arrangement de n objets p à p, est toute disposition ordonnée de p objets choisis parmi les n objets.
➢ Arrangement avec répétition (‫ )مع التكرار‬: Le nombre d’arrangements avec répétition est :

; avec 1 ≤ p ≤ n.

Exo 12 : combien de nombres à 3 chiffres (avec possibilité de répétition) peut-on former :

il s’agit d’un arrangement de 3 chiffres (avec possibilité de répétition) parmi les dix chiffres { 1,2,..,9 } :
on obtiendra : nombres.
➢ Arrangement sans répétition (‫ )مع عدم التكرار‬: (Comme dans un tirage avec ordre et sans remise).
Le nombre d’arrangements sans répétition, est: (pour 1 ≤ p ≤ n)

Exo 13 : combien de nombres à 3 chiffres distincts peut-on former :

il s’agit d’un arrangement de 3 chiffres (sans répétition) parmi les dix chiffres { 1,2,..,9 } :
on obtiendra : nombres.

❖ Permutation ‫ التبديلة‬: de n objets distincts c’est toute suite ordonnée de n objets ou tout
arrangement n à n de ces objets. (p=n ‫)التبديلة = حيث الترتيبة‬

➢ Permutation sans répétition (‫ )مع عدم التكرار‬: dans le cas où les n objets sont distincts, c’est un
arrangement sans répétition de n objets parmi n objets, on aura .
Exo 14 : Le nombre de manières de placer huit convives (invités) autour d’une table est :
➢ Permutation avec une répétition (‫ )مع التكرار‬: dans le cas où k objets sont non distinguables, alors

Exo 15 : Le nombre de mots possibles (avec ou sans signification) que l’on peut former en permutant les 8
lettres du mot « Quantité », est :

➢ Permutation avec plusieurs répétitions : si parmi n objets lesquels sont non distinguables.

Le nombre de permutations différentes est .

Exo 16 : Le nombre de mots possibles (avec ou sans signification) que l’on peut former en permutant les 8
lettres du mot « Natation », est :
 13
❖ Combinaisons ‫ التبديلة‬:
c’est tout ensemble de p objets pris parmi les n objets. (‫ عنصر‬n ‫ عنصر من بين‬p ‫)اختيار أو سحب‬
➢ Combinaisons sans remise (‫ )مع عدم اإلرجاع‬noté ou : Le nombre des combinaisons sans remise

de p objets parmi n est :

Exo 17 : à partir d'un groupe de 5 hommes et de 7 femmes,

a) combien de comités différents composés de 2 hommes et de 3 femmes peut-on former ?
b) Qu'en est-il si 2 des femmes s'entendent mal et refusent de siéger simultanément au comité ?
Solution :
a) comités composés de 2 hommes et de 3 femmes.

b) dans le cas où deux des femmes refusent de siéger ensemble, il y a deux possibilités

✓ comités ne contenant aucune des deux ennemies :

✓ comités contenant une seule des deux ennemies :

On déduit le nombre de comités : comités différents.

➢ Combinaisons avec remise (‫ )مع اإلرجاع‬: Le nombre des combinaisons avec remise de p objets parmi n

est : ; avec 1 ≤ p ≤ n.

Exo 18 : Soit la constitution de mots de 3 lettres à partir d’un alphabet à 5 lettres avec remise.
Le nombre de mots est .

❖ Propriétés des combinaisons : pour on a :

Récapitulatif ‫ملخص‬
‫سحب من كيس‬ ‫تشكيل لجان‬ ‫تشكيل أعداد‬ ‫العـد المناسب‬ ‫القـانون المناسب‬
‫على التوالي وباإلرجاع‬
‫يمكن تكرار األرقام‬ ‫ترتيبة مع التكرار‬
(‫ تكرار‬+ ‫)ترتيب‬
Arrangement
Tirage successif Les chiffres se
avec
avec remise répètent
répétition
)‫على التوالي (ترتيب‬ ‫مع ذ كر وظيفة كل‬
‫ال يمكن تتكرار األرقام‬ ‫ترتيبة دون تكرار‬
‫وبدون إرجاع‬ (‫شخص )مھام محددة‬
Avec poste Arrangement
Tirage successif Les chiffres ne se
spécifié pour sans
sans remise répètent pas
chaque personne répétition
 14
‫على التوالي وبدون‬ ‫عدم التمييز بين‬
)‫توفيقة (بسيطة‬
)‫إرجاع (ترتيب‬ ‫األشخاص‬
Tirage successif Sans distinction
Combinaison
sans remise de personnes
‫ عدد عناصر الكيس‬n ‫ عدد األشخاص الكلي‬n ‫ عدد األرقام الكلي‬n
‫حيث‬
‫ عدد عناصر السحب‬p ‫ عدد المختارين‬p ‫ عدد األرقام للتشكيل‬p
n objets dans le sac n personnes au total n chiffres donnés
où (donner des précisions)
p objets choisis p personnes choisis p chiffres à choisir

4.2.2 Applications aux probabilités :

Exo 19 :
Calculez la probabilité qu’il y ait 3 filles et 2 garçons 5 ‫ بنات و طفلين في عائلة ذات‬3 ‫أحب احتمال وجود‬
dans une famille de 5 enfants si : : ‫أفراد اختيرت عشوائيا‬
1. on suppose équiprobabilité dans le sexe des ‫ إذا فرضنا أن قانون احتمال جنس المولود متساوي‬.1
naissances. ‫التوزيع‬
2. on suppose la probabilité de naissance d’une fille 0,48 ‫ إذا فرضنا أن احتمال أن جنس المولود أنثى ھو‬.2
égale à 0,48.

Solution :
1. Si on suppose équiprobabilité dans le sexe des naissances : . En remarquant qu’il
choix possibles de l ordres des filles parmi les cinq enfants, on obtient :
.
2. Si on n’a plus équiprobabilité dans le sexe des naissances : et .
.

Exo 20 :
Un sac contient 5 jetons verts et 4 rouges. On y )R( ‫ حمراء‬4 ‫) و‬V( ‫ قريسات خضراء‬5 ‫يحتوي كيس على‬
effectue 3 tirages successifs sans remise. .‫ قريسات على التوالي و بدون إرجاع‬3‫حيث يتم سحب‬
Calculer les probabilités : : ‫أحسب احتمال األحداث التالية‬
a. de ne tirer que 3 jetons verts ;
b. de ne tirer aucun jeton vert ;
)V( ‫ قريسات خضراء‬3 ‫سحب‬ )a
c. de tirer au plus 2 jetons verts. ‫ال نسحب أي قريسة خضراء‬ )b
‫ قريسات خضراء على األكثر‬2 ‫نسحب‬ )c

Solution : Notons l’événement «Tirer k jetons verts » , .

a. Probabilité de ne tirer que 3 jetons verts : arrangement de 3 jetons vert et de 0 rouges

.
b. Probabilité de ne tirer aucun jeton vert : arrangement de 0 jetons vert et de 3 rouges

c. Probabilité de tirer au plus 2 jetons verts : .

 15
Exo 21 :
Dans un club sportif, il y a 75 adultes (dont 45 )‫ امرأة‬45 ‫ شخص بالغ (من بينهم‬75 ‫يوجد في نادي رياضي‬
femmes) et 45 enfants (dont 25 filles). .)‫ طفلة‬25 ‫ قاصر (من بينهم‬45 ‫و‬
On interroge au hasard un adhérent du club.
‫ أحسب احتمال أن يكون هذا‬.‫نختار عشوائيا عضو من النادي‬
Quelle est la probabilité que cet adhérent soit :
:‫العضو‬
a) soit un adulte ; b) de sexe masculin ;
c) une femme adulte ; ‫( أنثى‬b ‫( شخص بالغ‬a
d) un adulte ou soit de sexe féminin ‫( شخص بالغ أو أنثى‬d ‫( امرأة بالغة‬c

Solution :

a) la probabilité que cet adhérent soit un adulte : .

b) la probabilité que cet adhérent soit de sexe masculin : .

c) la probabilité que cet adhérent soit une femme adulte : .

d) la probabilité que cet adhérent soit un adulte ou de sexe féminin :

ou encore

5 Ensemble probabilisé discret infini (prérequis : somme infini )

Loi de probabilité (cas Ω infini) )‫ منتهية‬Ω ‫قانون اإلحتمال (حالة‬
• Si Ω est infini discret du type alors connaitre la loi de
probabilité de l’expérience aléatoire revient à connaitre : .
• Pour tout événement quelconque où peut être fini ou infini on a :
.

Remarques )‫ (ھام‬: dans les cas où est infini

1. les séries doivent être convergentes )‫( (متقاربة‬voir partie analyse).
2. Dans le cas infini discret on ne peut avoir équiprobabilité ( ) car dans ce cas :
; la série diverge.

Exo 22 : On lance une pièce équilibrée jusqu’ à ce que pile apparaisse. ;

c’est un espace infini discret. La pièce étant équilibré on a :
✓ la probabilité pour que pile apparaisse au premier jet ;
✓ si pile apparait au second jet on aurait « face et pile (au 2ème jet) » donc .
✓ si pile apparaisse au nième jet on aurait « F et F et … et pile (nème jet) » donc .

La loi de probabilité est définie dans cette expérience par :

Dans ce cas on a On reconnaît la série géométrique de raison -1<q=1/2<1 qui

converge et sa somme est : .

Soit l’événement A= « on obtient « pile » avant le 10ème jet » i.e. :

.
 16
6 Ensemble probabilisé continues
Si Ω est intervalle de ‫في حالة كانت مجموع األحداث عبارة عن مجاالت من‬
• On considère comme « événements de base » les segments .

• On associe à chaque probabilité une fonction dite densité de probabilité telle que :

• Pour tout événement , on a : .

Remarques : dans le cas continue :

• l’expression (remplace les ) représente la distribution continue de la probabilité sur ;

• et l’intégrale est une « somme continue » qui remplace la « somme discrète » .

Exemple : probabilité uniforme sur [a; b], qui correspond à l’expérience « on choisit au hasard un
nombre compris entre a et b, sans privilégier aucune valeur ».
La densité correspondante à la distribution continue de probabilité totale égale à 1 sur :

définie par (constante).

La probabilité d’obtenir un nombre entre α et β ( ) est égale à :

7 Probabilité conditionnelle et Indépendances

Introduction : on lance on lance un dé non truqué, ce qui conduit à l’univers
et à l’équiprobabilité. Soient les évènements A=«obtenir un chiffre pair» et B=«obtenir le chiffre 2» .

✓ Sans aucune information supplémentaire : on a : et .

✓ Si on sait que le résultat est pair : alors l’ensemble des résultats possible devient et
l’équiprobabilité permet de dire que la probabilité d’obtenir 2 sachant que le résultat est pair est

7.1 Probabilits conditionnelle

Définition :Probabilité conditionnelle ‫ تحقق " أو العكس‬A ‫ علما أن‬B" ‫قانون اإلحتمال الشرطي‬
Soit (Ω, p) un espace probabilisé, et A un événement de probabilité non nulle.
• On appelle «probabilité de B sachant que A est réalisé», ou simplement

«probabilité de B sachant A», la quantité : .

• De même on a «probabilité de A sachant B» : .

Remarque : on a
 17
Exemple : on reprend l’exemple de l’introduction : ;

A=«obtenir un chiffre pair» , donc

et B=«obtenir le chiffre 2» , donc ,

et .

Exo 23 :
Une urne contient trois jetons rouges et deux jetons .‫ زرقاء‬2 ‫ أقراص حمراء و‬3 ‫يحتوي كيس على‬
bleus. On considère l’expérience dans laquelle on tire ‫نعتبر التجربة العشوائية حيث يتم سحب قرصان‬
deux jetons successivement et sans remise. On considère : ‫ نعتبر الحدثان‬.‫) على التوالي و بدون إرجاع‬02(
les évènements
"‫أزرق‬ ‫=" القرص الثاني‬B ‫ =" القرص األول أحمر" و‬A
A=«le premier jeton rouge» , B=«le deuxième jeton bleu».
‫و‬ ‫أحسب االحتماالت‬
Calculons les probabilités et .

; ; .

d’où : et .

Exo 24 :
Un parc de 100 voitures est réparti selon deux : ‫حضيرة سيارات موزعة وفق معياري‬
critères, confort (confortable ou non) et vitesse )confort = confortable / non confortable( ‫الراحة‬
(rapide ou non). Nous donnons la répartition des .)vitesse = rapide / non rapide( ‫و السرعة‬
100 voitures selon les deux critères : : ‫التوزيع ملخص في الجدول التالي‬

On choisit dans cet échantillon, une voiture au : ‫نختار سيارة عشوائيا من هذه الحضيرة و نعتبر الحدثان‬
hasard et considérons les deux événements :

A = "choisir une voiture rapide" et B = "choisir une voiture confortable".

1) Calculez les probabilités p(A), p(B) et celle de "choisir une voiture rapide et confortable".
2) Si un observateur connaisse une partie de l'information : "la voiture qui a été choisie est rapide".
Quelle est la probabilité pour qu'elle soit aussi confortable.

Solution : Chaque voiture ayant la même probabilité d'être choisie, le modèle est alors défini par :
Ω = {ensemble des 100 voitures} = et .

1) Du tableau on déduit : , et
2) On sait que l’évènement A = "choisir une voiture rapide" est réalisé, on cherche :
Du tableau on peut calculer .
 18
Exo 25 :
Un couple a décidé d'avoir aux plus quatre enfants ‫) أطفال على األكثر و التوقف‬04( ‫زوجان قررا إنجاب أربعة‬
et d'arrêter dès qu'ils ont une fille. .‫عن اإلنجاب في حالة والدة أنثى‬
1) Déterminer un model probabilisé .‫) عين مجموعة األحداث األولية مع االحتماالت المرفقة لھا‬1
2) Sachant que le premier né est un garçon, quelle
‫ أوجد احتمال أن يكون لهذا‬،‫) علما أن الولود األول ذكر‬2
est la probabilité que ce couple ait quatre enfants?
.‫الزوج أربعة أطفال‬

Solution : 1) Si on représente la naissance d'un garçon par G et celle d'une fille par F, l'ensemble
fondamental sera : Ω = {F, GF, GGF, GGGF, GGGG}.
Loi de probabilité sur Ω : les événements G et F étant naturellement indépendant on obtient
, , , , .
On vérifie : .

2) On désigne par B=«avoir quatre enfants» et A=«le premier né est un garçon». On cherche .
Du model
et ,
d'où .

Exo 26 : (Inversement du conditionnement) : Connaissant , on aimerait connaître .

Le quart d’une population est vacciné contre le ‫ لالحظنا خالل‬.‫ربع المجتمع اإلحصائي ملقح ضد داء الكوليرا‬
choléra. Au cours d’une épidémie, on constate ‫وباء لهذا الداء أن من بين المصابين يوجد شخص واحد ملقح‬
qu’il y a parmi les malades un vacciné pour 4 non ‫ شخص ملقح يوجد‬12 ‫ و أن من بين‬.‫ غير ملقحين‬4 ‫مقابل‬
vaccinés, et qu’il y a un malade sur 12 parmi les .‫مريض واحد‬
vaccinés. Quelle est la probabilité qu’un non- .‫أحسب االحتمال لشخص ملقح أن يمرض‬
vacciné tombe malade ?

Solution : On note V pour vacciné, NV pour non vacciné, M pour malade, S pour sain.
D’après les hypothèses :
donc , , , .
On cherche .

D’autre part :

On déduit : .

7.2 Événements indépendants

On dit que deux événements de probabilités non nulles, A et B sont indépendants si le fait de savoir que
l’un est réalisé n’influe pas sur la probabilité que l’autre le soit.
Deux événements indépendants ‫حادثتان مستقلتان‬
• Définition : deux événements de probabilité non nulle sont dits indépendants si
ou de manière équivalente si .
Comme , on déduit la proposition suivante :
• Proposition : deux événements sont indépendants si et seulement si .
 19
Remarque : ne pas confondre entre :
« événements indépendants » c.-à-d. :
« événements incompatibles » c.-à-d. : et dans ce cas .
Exo 27 :
On jette deux des équilibrés et on considérons ‫نقوم برمي نردين غير مغشوشين على التوالي و نعتبر‬
les évènements suivants : : ‫األحداث التالية‬
A1= « la somme des dés est 6 », "6 ‫ ="مجموع النردين يساوي‬A1
A2= « la somme des dés est 7 » "7 ‫ = " مجموع النردين يساوي‬A2
B= « le premier de donne 4 ». "4 ‫ = "نتيجة النرد األول ھي‬B
1) A1 et B sont-ils indépendants ? ‫ مستقالن؟‬B ‫ و‬A1 ‫) هل الحدثان‬1
2) A2 et B sont-ils indépendants ? ‫ مستقالن؟‬B ‫ و‬A2 ‫) هل الحدثان‬2
Solution : l’ensemble fondamental de cette expérience est ;
on a avec équiprobabilité ; donc .
,
.
✓ et :
les évènements A1 et B ne sont pas indépendant.
✓ et :
les évènements A2 et B sont indépendant.

7.3 Modélisation d’expériences conditionnelles par arborescence

Lorsqu’on effectue successivement deux expériences ‫عند إنجاز على التوالي عمليتان عشوائيتان أو تكرار نفس‬
aléatoires ou la répétition de la même expérience, on ‫ ينصح باستخدام شجرة االحتماالت (إذا كان عدد‬،‫العملية‬
conseille l’utilisation d’un arbre de probabilités. .)‫المخارج صغير‬

Méthode : On considère les deux expériences aléatoires suivantes :

Expérience 1 dont les issues sont notées A et B. Expérience 2 dont les issues sont F, P.
 20
Exo 28 :
On effectue successivement : : ‫نقوم بعمليتين متتاليتين على التوالي‬
1) une lancé de pièce de monnaie équilibrée, les
issues de l’expérience sont notées P et F. . F‫ و‬P : ‫) رمي قطعة نقدية و نرمز إلى نتائج هذه التجربة‬1
2) un tirage au hasard un jeton dans une urne à ‫ قريصات‬3 ‫) سحب عشوائي لقريصة من كيس يحتوي على‬2
jetons indiscernables ; qui contient trois jetons .c ‫ و‬b ، a ‫مرقمة‬
portant les lettres a, b et c.
Etablissez un arbre qui explicite cette situation. ‫أنجز الشجرة التي تشرح هذه الوضعية‬

Solution :
Remarquons que les deux évènements sont indépendants donc etc…
La pièce de monnaie est supposée équilibrée donc on a équiprobabilité : .
Les jetons étant indiscernable au touché donc on a équiprobabilité : .
1/3 a
P 1/3 b
1/2 1/3 c

1/2
1/3 a
F 1/3 b
1/3 c

Exo 29 :
Un groupe est constitué de 240 personnes (Médecins )‫ شخصا (أطباء و ممرضون‬240 ‫يتكون فريق طبي من‬
et Infirmiers) dont 60% du groupe sont des Femmes,
‫ من‬12.5% ،‫ من المجموعة هم نساء‬60% ‫بحيث‬
12.5% des Hommes sont des infirmiers et 75% des
Femmes sont des Infirmières. On note : .‫ من النساء هم ممرضات‬75% ‫الرجال هم ممرضون و‬
F=Femme, H=Homme, I=Infirmier et M=Médecin. ‫=ممرضة و‬I ،‫=رجل‬H ،‫=امرأة‬F : ‫نرمز ب‬
1) Complétez le diagramme ci-dessous. .‫=طبيب‬M
2) Quel est le nombre de femmes ? le nombre de .‫) أكمل المخطط أدناه‬1
femmes infirmières ? ‫) ما هو عدد النساء؟ ما هو عدد النساء الممرضات؟‬2
3) On choisit au hasard une personne du groupe
.‫) نختار عشوائيا شخص من المجموعة‬3
Calculez de deux manières :
a) la probabilité que la personne choisie soit une ‫) أحسب االحتمال أن يكون الشخص المختار‬a
femme. .‫امرأة‬
b) la probabilité que la personne choisie soit une ‫) أحسب االحتمال أن يكون الشخص المختار‬b
femme infirmière. ‫امرأة و ممرضة‬
a) On choisit au hasard une femme du groupe. ‫ أحسب‬.‫) نختار عشوائيا امرأة من المجموعة‬4
Calculez la probabilité que la femme choisie soit .‫االحتمال أن تكون االمرأة المختارة ممرضة‬
une femme infirmière.
 21
Solution :
1) 60% du groupe sont des Femmes implique 40% du groupe sont des Hommes.
12.5% des Hommes sont des Infirmiers implique 87.5% des Hommes sont des Médecins.
75% des Femmes sont des Infirmières implique 25% des Femmes sont des Médecins.

2) 60% du groupe (240 personnes) sont des Femmes donc : Femmes

75% des Femmes sont des Infirmières donc : Femmes Infirmières

3) On choisit au hasard une personne du groupe (donc équiprobabilité au tirage) :
a) la probabilité que la personne choisie soit une femme. :
Du diagramme 60% =0,6 .
b) la probabilité que la personne soit une femme infirmière :
Du diagramme .
3) On choisit au hasard une femme du groupe. La probabilité que la femme choisie soit une femme
infirmière ; du diagramme :

Exo 30 :
Une urne contient 3 boules blanches et 2 boules noires. .‫ سوداء‬2 ‫ كريات بيضاء و‬3 ‫يحتوي كيس على‬
On tire successivement et sans remise 3 boules. .‫ كرات و بدون إرجاع‬3 ‫نسحب منه على التوالي‬
Déterminez les probabilités de : : ‫أوجد احتماالت األحداث التالية‬
1) la première boule est blanche et les deux autres noires. ‫) الكرة األولى بيضاء و الكرتين التاليتين سوداء‬2
2) la troisième est blanche sachant que la première est ‫) الكرة الثالثة بيضاء علما أن األولى بيضاء و‬3
blanche et la deuxième noire. ‫الثانية سوداء‬
3) la troisième est blanche sachant que la première est noire. ‫) الكرة الثالثة بيضاء علما أن األولى سوداء‬1
4) la troisième boule est blanche. .‫) الكرة الثالثة بيضاء‬4
Solution :
 22
On notera les 3 tirages successifs et pour chaque résultat final.
1) la première boule est blanche et les deux autres noires.
.
2) la troisième est blanche sachant que la première est blanche et la deuxième noire.
.
3) la troisième est blanche sachant que la première est noire.

4) la troisième boule est blanche. On doit compter toutes les issues où .

7.4 Applications

7.4.1 Formule des probabilités totales

Si A est un événement de probabilité non nulle et A son événement contraire, alors en utilisant un arbre,
on a les évènements 𝐴 et 𝐴̄ puis pour chacun les évènements 𝐵 et 𝐵̄ :
B/A Pour calculer on doit faire la somme pour
A toute les lignes où le résultat est de la forme B/ ?? .
Bc/A
C’est le principe des probabilités totales :
B/AC
Ac
Bc/AC
Exo 31 :
On sait que toute personne a 80% de chance d’être ‫ هو‬covid19 ‫لدينا في احتمال لشخص ملقح أن يمرض بداء‬
atteinte par covid19 s’il est non vacciné contre 20% .‫ إن كان ملقح‬20% ‫ مقابل‬80%
de l’être s’il est vacciné.
On reçoit dans le service des urgences un malade à ‫جراء حادث مرور تلقينا في مصلحة االستعجاالت شخص‬
qui on n’a pas le temps de faire le test. . covid19 ‫بجروح بالغة بحيث ال يمكن إجراء الفحص عن‬
Sachant que 70% de la population a été vaccinées,
quelle est la probabilité que cette personne soit
‫ ما هو احتمال أن‬،‫ من السكان تلقوا اللقاح‬70% ‫علما أن‬
atteinte par covid19 ? . covid19 ‫يكون هذا الشخص مصاب بداء‬

Solution : Notons C=« atteint par covid19 », les étudiants de la ville X sont répartis en deux catégories
{vaccinés, non vaccinés} que nous noterons plus simplement .
C/V Pour calculer on doit faire la somme pour
V
Cc/V toute les lignes où le résultat est de la forme C/ ?? .
C’est encore le principe des probabilités totales :
C/VC
Vc
Cc/VC
Donc d'après le principe des probabilités totales on a

Il y a 38% de chance que la personne soit atteinte par covid19.

 23
Exo 32 :
Une caisse U1 contient 2 boules blanches et 3 noires, ‫ سوداء‬3 ‫ كريات بيضاء و‬2 ‫ يحتوي على‬U1 ‫صندوق‬
une caisse U2 contient 2 boules blanches et 1 noire. .‫ سوداء‬1 ‫ كريات بيضاء و‬2 ‫ يحتوي على‬U2 ‫وصندوق‬
On tire une boule de la caisse U1 pour la mettre dans
‫ ونضعها في الصندوق‬U1 ‫نسحب كرية واحدة من الصندوق‬
la caisse U2, puis on tire une boule de celle-ci.
.‫ ثم نقوم بسحب كرية واحدة منه‬U2
1) Etablissez un arbre expliquant cette expérience.
2) Calculez la probabilité que la boule tirée de la .‫) ضع شجرة تشرح هذه الوضعية‬1
caisse U2 soit blanche. .‫ بيضاء‬U2 ‫) أحسب احتمال أن تكون الكرة المسحوبة من‬2
3) Sachant que la boule tirée de la caisse U2 est ‫ بيضاء ما هو‬U2 ‫) علما أن الكرة المسحوبة من الصندوق‬3
blanche, calculez la probabilité qu’elle soit .U1 ‫احتمال أن تكون أصال من الصندوق‬
originaire de la caisse U1.
Solution :
1) Notons Bi=« boule blanche dans le tirage n° i » 2) On a :
et Ni=« boule noire dans le tirage n° i » :

3) Soit A= « la boule est originaire de la caisse U1 », l’évènement B2 peut être décomposé en et

qui sont disjoints ; on a :
B2/AC B2 et non A
2/4
B1 1/4 B2/A B2 et A
2/5

3/5 N2
N1

On cherche . De l’arbre on peut déduire :

7.4.2 Formule des probabilités totales généralisé

Plus généralement, Considérons donc une suite des événements incompatibles alors en
utilisant un arbre, on a les évènements puis pour chaque ligne les évènements 𝐵 et 𝐵̄ :
B/A1
A1
Bc/A1
B/Ak
Ak

B/An
An
Bc/An
 24
Pour calculer on faire la somme pour toute les lignes où le résultat est de la forme B/ ?? .
C’est le principe des probabilités totales généralisé :

Exo 33 :
Supposons que les fiabilités de trois vaccins A, B et covid ‫ ضد داء‬A, B et C ‫نفرض أن نجاعة ثالث لقاحات‬
C contre covid sont respectivement 80%, 75%, et 80%, 75%, et 60% ‫هي على الترتيب‬
60%. (c.à.d. qu’une personne vaccinée par le vaccin A a 80% de ‫ش‬ ‫ب‬
chance de ne pas tomber malade ; etc…). ) ...‫ إلخ‬، 80% ‫ هو‬covid ‫ أن لا يصاب بدأء‬A ‫( معنى أن أحنمال كل خص حصل على أللقاح‬
On sait que 1/4 de la population sont vaccinés avec
le vaccin A, 1/4 avec le vaccin B et 1/2 avec le
‫منهم‬ ¼ ، A ‫نعلم أن ¼ من السكان ملقحون باللقاح‬
vaccin C. .C ‫ و ½ منهم ملقحون باللقاح‬B ‫ملقحون باللقاح‬
Quelle était la probabilité qu’une personne prise au
hasard soit malade avec covid? covid ‫ما هو احتمال لشخص اختير عشوائيا أن يكون مصاب بداء‬

Solution : notons M=« malade avec covid », considérons la partition de la population de la ville
{A=vaccinés avec A, B=vaccinés avec B, C=vaccinés avec C}.
M/A
A
Mc/A
M/B
B
Mc/B
M/C
C
Mc/C

D'après le principe des probabilités totales généralisé on a

.
Exo 34 :
Un troupeau ovin est soumis à un contrôle sanitaire, ‫أجريت فحوص طبية على قطيع من الغنم مستورة من ثالث‬
il est importé de 3 régions différentes A, B et C : 20% ‫ و‬A ‫ مستوردة من البلد‬20% ‫ حيث‬A, B et C ‫بلدان‬
de la région A, 70% de la région B et 10% de la .C ‫ مستوردة من البلد‬10% ‫ و‬B ‫ مستوردة من البلد‬70%
région C. On constate que 90% du troupeau importé
A‫ من األغنام المستوردة من البلد‬90% : ‫كانت النتائج كما يلي‬
de A est saint, 60% du troupeau importé de B est
saint et 55% du troupeau importé de B est saint. B ‫ من األغنام المستوردة من البلد‬60% ‫كانت سليمة بينما‬
On choisit un animal au hasard, déterminez : ‫ كانت‬C ‫ من األغنام المستوردة من البلد‬55% ‫كانت سليمة و‬
1) la probabilité que l’animal soit importé de A, B : ‫ عين‬،‫ نختار عشوائيا واحد من القطيع‬.‫سليمة‬
ou C. . C‫ من‬، B ‫ من‬، A ‫) احتمال أن يكون الحيوان من البلد‬1
2) la probabilité que l’animal soit saint sachant qu’il .C ، B ، A ‫) احتمال أن يكون الحيوان سليم علما أنه من البلد‬2
est importé de A, de B, de C.
3) en déduire la probabilité que l’animal soit saint. ‫) استنتج احتمال أن يكون الحيوان المختار سليما‬3

Solution : notons S=« animal saint », A=« .. importé de A », B=« .. importé de B », C=« .. importé de C ».

1) , , .

2) , , .
 25
3) Utilisons le principe des probabilités totales, on a
S/A
A
Sc/A
S/B
B
Sc/B
S/C
C
Sc/C

7.5 formule de Bayes (des causalités)

En écrivant , et en remplaçant par la formule précédente, on

obtient la formule de Bayes :

Considérons donc des événements incompatibles . pour tout événement B on a :

Ceci exprime la probabilité que Ak en soit la cause sachant que B s’est réalisé.
Exo 35 :
Un test de dépistage d’une maladie rare touchant ‫نعلم فعالية بروتوكول فحص لمرض نادر الذي يصيب‬
une personne sur 10 000 semble efficace : il détecte ‫ يسمح هذا البروتوكول‬.10000 ‫شخص واحد من بين‬
99% des personnes infectées, avec seulement 0, 5% .0.5% ‫ من المصابين مع خطأ نسبته‬99% ‫للكشف عن‬
de «faux positifs».
Quelle est la probabilité qu’une personne dont le ‫ما هو االحتمال لشخص فحصه إيجابي أن يكون فعليا مصاب‬
test est positif soit effectivement malade ? .‫بهذا المرض‬

Solution : On notera M=« personne malade », P=« test est positif ».

On a d’où , , .

On cherche . On a :

P/M D’après le principe des probabilités totales :

M
Pc/M

P/MC
Mc On déduit :
Pc/MC

_______________________________________________________________________________________
 26

Chap 2- Variable aléatoire

Prérequis : (Voir partie analyse): pour une application :
1) pour on note
c'est-à-dire l’ensemble des élément qui sont image d’un .
2) pour on note
c'est-à-dire l’ensemble des élément dont l’image est dans .
Définition (Images directe et réciproques par une fonction):
1) Soit , l’image directe de par f est l’ensemble
.
2) Soit , l’image réciproque de par f est l’ensemble
.

Exemple
Soit l’application de dans définie par . Déterminer l’image directe et
réciproque par f des ensembles suivants :
, , , .
Correction

et ,

et ,

et ,

et .
 27
1 Définitions
Définition : Soit un espace fondamental probabilisé (Ω, p).
1) Variable aléatoire :
Une variable aléatoire sur (Ω, p) est une application :
• Si l’ensemble image est discret ç.à.d. alors X est dite variable aléatoire discrète (finie ou infinie).
• Si l’ensemble image est continu ç.à.d. intervalles de alors X est dite variable aléatoire continue.
Notation : On note en général pour les variables aléatoires et
pour leurs valeurs numériques (réalisations de la variable aléatoire).
Exemples :
• le nombre de petits par porté pour une espèce animale donnée (chat, marmotte, etc),
• le nombre de bactéries dans 100 ml de préparation,
• le nombre de mutations dans une séquence d’ADN de 10 kb,
etc… sont des variables aléatoires discrètes.
• la masse corporelle des individus pour une espèce animale donnée,
• le taux de glucose dans le sang,
etc… sont des variables aléatoires continues.

2) Loi de Probabilité de :
La loi de p sur étant connu, on s’intéresse à la loi de c’est à dire les valeurs prises par et les
probabilités associées.
On définit une probabilité sur de la manière générale suivante : Pour tout :

.
exprime la probabilité pour que la variable aléatoire X prend ses valeurs dans A fixé.
N.B. : Pour calculer on doit chercher dans , déterminer par la probabilité qui
est connue : par définition = .

Pour trouver la probabilité d'un évènement A, on

procède comme suit :
.
On pose alors

3) Fonction de répartition de :
La fonction de répartition d’une variable aléatoire X est la fonction définie par :

.
✓ est une fonction croissante, à valeurs dans .
✓ , et .
✓ et .
 28

F(x) pour variable discrète F(x) pour variable continue

Exemples :
1) (V.A. discrète finie) :
✓ On lance un dé équilibré : ;
X=«le numéro sur la face supérieure», , .
L’événement X ≤ 2 correspond aux valeurs 1 et 2 donc à l’événement . On peut alors évaluer :

✓ jet de deux dés : avec équiprobabilité : ;

X=«la somme des numéros obtenus», .
Exemples :
correspond à l’évènement , c’est-à-dire et donc
.

correspond à l’évènement ,
on a donc : (binômes de dont la somme est 4)
on déduit : .

✓ On lance successivement 2 pièces équilibrées : Ω={ pp ; pf ; fp ; ff } avec équiprobabilité : ;

X : on gagne 10DA pour face et on perd 10DA pour pile ; donc .
Loi de probabilité de X:
on déduit : .
on déduit : .
on déduit : .

Exo 36 :
On considère l’évènement « lancer de 3 pièces ». On introduit une variable aléatoire X = «nombre de piles de
l’évènement ». On représente dans ce qui suit la loi de probabilité de X et sa fonction de répartition :

2) (V.A. discrète infinie) :

✓ lancé d’une pièce jusqu’à obtenir « face » : Ω={F ; PF ; PPF ; … ;P..PF ; …} ;
X=«numéro du lancé où l’on a obtenu face», .
 29
✓ X=«nombre de nouveau né garçon (G) dans une clinique» : On peut considérer les variables
;
alors , .
3) (V.A. discrète continue) :
On procède à l’observation d’individus dans une population donnée : Ω={ωi = individu n° i ; i=1,2, …} :
✓ X= « taille en cm des poissons dans un lac », .
✓ Y= « poids en gramme des nouveau nés dans une clinique », .
✓ Z= « taux du cholestérol dans le sang pour les malades d’un hôpital », .

2 Variable aléatoire discrète (finie ou infinie)

Soit X une v.a. discrète c.à.d. que les valeurs prises par X est un ensemble discret :
✓ Ensemble des valeurs possibles : où peut être fini ou infini ;

✓ Loi (Distribution) de Probabilité de : tels que .

Remarque : la notation est peu convenante et s’abrège en ou .

Valeurs possible de … …
Distribution des probabilités de … …

Remarque : lorsque est infini on ne peut pas donner toute les valeurs de alors
on donne une formule .

✓ Fonction de répartition de :
F est croissante, constante par intervalle (fonction en escalier), discontinue en xi (continue `a droite),
Le saut de discontinuité au point est égal à . est définie par :

où est explicitée dans le tableau suivant.

Valeurs possibles de … …
Distribution des probabilités de … …
"Pour la fonction de répartition de X" … …

Remarque : La loi de probabilité est complètement déterminée si on connait sa fonction de

répartition. En effet :

ou encore .

✓ Pour tout évènement quelconque on a :

,
où peut être fini ou infini (sous réserve que la série soit convergente).
 30
Exo 37 : (Exemple de cas v.a. finie )
Une expérience aléatoire consiste à lancer deux pièces de monnaie équilibrées (équiprobabilité).
On s’intéresse au nombre de face obtenus. Déterminez la distribution de probabilités et la fonction de
répartition de X.
Solution : L'ensemble fondamental est avec une distribution de probabilité
uniforme : . Considérons la variable aléatoire X=«nombre de “F” obtenus » ; .
C’est une variable aléatoire discrète finie. La distribution de probabilités et la fonction de répartition de X
sont présentées comme suit :
Valeurs possibles de 0 1 2
Evènement réalisant
Distribution des probabilités de 1/4 1/2 1/4
Pour la Fonction de répartition de 1/4 3/4 4/4

Exo 38 : (cas v.a. finie)

On lance trois fois une pièce de monnaie. En désignant par P "pile" et F "face", déterminer l'ensemble
fondamental ? A partir de cet ensemble, on définit les variables aléatoires X et Y :
X =«nombre total de "P"» ; Y =«nombre de "P" lors des deux premiers essais » .
Déterminer pour chaque variable l'ensemble des valeurs possibles, sa distribution de probabilité et sa
fonction de répartition.
Solution : l’expérience consiste à lancer trois pièces de monnaie équilibrées (équiprobabilité).
L'ensemble fondamental est
p p
p p
f f avec une distribution de probabilité uniforme :
p f
p p
f f .
f f
Valeurs prise par X et Y pour
Distribution de probabilité et fonction de répartition de la variable aléatoire
chaque évènement
0 1 2 3
1/8 3/8 3/8 1/8
1/8 4/8 7/8 1

v.a. X

Fonction de répartition :
 31
0 1 2
2/8 4/8 2/8
2/8 6/8 1
v.a. Y

Fonction de répartition :

Exo 39 (cas v.a. finie) :

on joue dix fois de suite à pile ou face, et on compte le nombre de « face » ; X= « nombre de face ».
✓ Ensemble fondamental : ; équiprobabilité avec .
✓ Ensemble des valeurs possibles de : ;
il s’agit du nombre de choix de k « face » parmi 10 (sans tenir compte de l'ordre) pour .

✓ Distribution (Loi) des probabilités :

✓ Fonction de répartition :

vérifier

On obtient les représentations graphiques :

On en déduit les probabilités d’autres événements, par exemple :

i. A= «le nombre de résultats face est impair»

ii. B= «on obtient plus de trois face»

.
Exo 40 : (xemple de cas v.a. infinie)
On étudie une expérience de désintégration nucléaire.
Soit X la variable aléatoire représentant « le nombre d’atomes désintégrés en 1 seconde ».
✓ Ensemble des valeurs possibles de : ;

✓ Distribution (Loi) des probabilités : on montre que ,

où λ est une constante qui dépend du composé radioactif

on vérifie que : .
 32

✓ Fonction de répartition : vérifer

On peut représenter graphiquement les et la fonction de répartition (avec ici λ = 3) :

On peut déduire de ces probabilités élémentaires les probabilités des autres événements comme :
i. A= «le nombre d’atomes désintégrés est compris entre 2 et 4»

ii. B= « deux atomes au moins se sont désintégrés »

.

Exo 41 (cas v.a. infinie) : On lance une pièce équilibrée jusqu’ à ce que face apparaisse.
Considérons la variable aléatoire X= «nombre de jet pour obtenir face».
✓ ensemble fondamental : ensemble infini dénombrable.
✓ ensemble des valeurs possibles de : ;
✓ distribution des probabilités :
face apparaisse au premier jet n°k :

on vérifie que : (série géométrique de raison q=1/2).

✓ Fonction de répartition :

2.1 Espérance, Variance, Ecart-type

Définition : Soit un espace probabilisé (Ω, p).
On définit pour une variable aléatoire discrète X qui prend ses valeurs dans avec
les probabilités (où ) les trois quantités suivantes :
1) Espérance de X :
,

la somme doit être finie ou infinie convergente.

 33
2) Variance de X :
,

la somme peut être finie ou infinie convergente.

3) Écart-type de X : .

La variance et l’écart-type mesurent la dispersion des valeurs autour de l’espérance :

plus ces valeurs sont élevées, plus les probabilités sont dispersées autour l’espérance (valeur moyenne).

2.2 Propriétés remarquables de ces quantités :

✓ et (l’espérance est linéaire) ;
✓ ;
✓ et ;
✓ et .
Exo 42 :
On jette un de equilibre. Si un nombre pair sort, on gagne 20 DA. Si un nombre impair sort, on perd 30
DA. Combien gagne-t-on en moyenne ? Ω={ 1 ; 2 ; 3 ; 4 ; 5 ; 5 } avec équiprobabilité : .
On modélise ce jeu par

Loi de probabilité de X :
; on déduit : .
; on déduit : .
Le gain moyen (espérance de X) est :
E[X] = -30P(X=-30) + 20P(X=+20) = -30 x 0.5 + 20 x 0.5 = -5

Théorème 1 (formule simplifiée pour le calcul de la variance) :

Théorème 2 (Espérance d'une fonction d'une variable aléatoire continue) : Si X est une variable aléatoire discrète à valeurs
dans avec les probabilités , alors pour toute fonction
réelle on aura
.

Exo 43 : pour le jet un dé : et la v.a. X=«le numéro sur la face supérieure», on a

avec équiprobabilité :

Espérance de X : ;

Variance de X :
1ère méthode :

2ème méthode :

.
 34
Écart-type de X : .

Exemple 2 : Soit X une variable aléatoire qui prend une des trois valeurs -1 , 0 et +1 avec les probabilités
respectives , , .
Trouvons les espérances de , et .

espérance de : ;

espérance de : ;

espérance de : ;

Définition : Une variable aléatoire est dite centrée si , et réduite si .

Théorème : si X est une variable aléatoire quelconque alors est une variable

aléatoire centrée réduite.

3 Variable aléatoire continue

Le passage du modèle discret aux modèles continu intervient dans beaucoup de domaines de la science.
Il s’agit d’un passage à la limite d’une loi de probabilité discrète quand l’ensemble des valeurs possibles de
la variable aléatoire augmente et devient toujours plus dense.

Dans le cas discret la probabilité est la sommes des surfaces des histogrammes entre les
bornes a et b.
Il en sera de même pour le cas continue, la somme sera remplacé par une intégrale entre les bornes a et b.
La caractérisation d’une v.a. continue se fait de manière analogue au cas discret en remplaçant :
Remplacer (du cas discret) Par (au cas continu)
où mesurer les probabilités intervalle
Densité de probabilité
Sommation somme discrète : intégrale :

La probabilité est représentée par la surface au-dessous de la courbe correspondant à un intervalle donné

où est la fonction de densité.

 35

Une variable aléatoire continue peut aussi être caractérisée

✓ par sa fonction de répartition : ,

✓ par sa fonction de survie : ,

✓ ou par sa fonction de risque : .

Soit X une v.a. continue c.à.d. que les valeurs prises par X est un intervalle (fini ou infini) :
✓ Ensemble des valeurs possibles : ;

✓ Fonction de distribution de Probabilité de : c’est une fonction telle que ;

✓ Loi de Probabilité de : .

On a en particulier , c’est pourquoi on parle de probabilité dans un

intervalle et non en un point.

✓ Fonction de répartition de : est croissante , continue et définie par :

à noter que .
 36

Exemple :
Soit X est une variable aléatoire uniformément répartie sur [a; b], c.à.d. que la distribution est la même
(constante) pour tout les point de .
Comme , on déduit d’où :

✓ ensemble des valeurs possibles de : ;

✓ fonction de distribution de Probabilité de : et ;

✓ loi de Probabilité de : .

✓ Fonction de répartition :

que l’on peut représenter graphiquement, pour a = 1, b = 3 :

 37

3.1 Espérance, Variance, Ecart-type

Rappelons que pour une v.a. discrète X à valeurs dans dans avec les probabilités
on a :
, et .

En replaçant les probabilités discrètes par les probabilités continues et la somme discrète
par l’intégrale (somme continue) :
Soit un espace probabilisé (Ω, p) et X une v.a. continue à valeurs dans un intervalle (fini ou
infini) et de densité de probabilité :

1) espérance de X : ,

l’intervalle peut être finie ou infinie avec une intégrale convergente.

2) variance de X : ,

l’intervalle peut être finie ou infinie avec une intégrale convergente.

3) écart-type de X : .

Théorème 1 (formule simplifiée pour le calcul de la variance) :

Théorème 2 (Espérance d'une fonction de la variable aléatoire continue) : Si X est une variable aléatoire continue de densité
, alors pour toute fonction réelle on aura

Remarque (Voir intégration dans la partie analyse):

3.2 Propriétés :
✓ et (l’espérance est linéaire) ;
✓ ;
✓ et ;
✓ et .

Exo 44 : soit une v.a. de densité et .

Trouvons l’espérance de , et .

espérance de : ;

espérance de : ;
 38
espérance de : ;

Exo 45 : Trouvons l’espérance et la variance de X lorsque sa densité est définie par

et .

espérance de X : ;

variance de X :

1ère méthode :

2ème méthode :

écart-type de X : .

Exo 46: Soit X une variable aléatoire continue ayant une densité de probabilité définie par :

1) Quelle est la valeur de la constante k ? 2) Déterminer la fonction de répartition de X.

3) calculer et . En déduire la valeur de et .

Solution : Soit X la v. a. continue ayant pour densité de probabilité et
. Pour que f(x) soit une densité il faut que et
1) La valeur de la constante k :

.d’où

2) La fonction de répartition de X :

3) calcule de , , et :