Chapitre 1

Notions de probabilité

1.1 Expérience aléatoire et événement aléatoire

La dénition de la probabilité est liée aux notions d'expérience aléatoire et

d'événement aléatoire.
 Une expérience est dite aléatoire lorsqu'on ne peut en prévoir exactement le
résultat. C'est un processus dans lequel intervient le hasard et qui est sus-
ceptible de produire diérents résultats ; elle se caractérise de quatre façons :
1. nous ne pouvons prédire avec certitude le résultat,
2. nous pouvons décrire à priori l'ensemble de tous les résultats possibles,
3. elle peut être répétée,
4. elle a un but précis.
 Un événement aléatoire est un événement qui peut se réaliser ou ne pas se
réaliser au cours d'une expérience aléatoire.
Exemple :
1. Le jet d'un dé numéroté de 1 à 6 est une expérience aléatoire car le résultat
du jet est imprévisible. L'événement avoir la face numéro 4 du dé est un
événement aléatoire car le résultat du jet peut être la face numéro 4 comme
il peut être l'une des faces 1, 2, 3, 5, 6.
2. Le choix d'une personne dans un groupe d'individus contenant des hommes
et des femmes est une expérience aléatoire car le résultat du choix est im-
prévisible. L'événement choisir une femme est un événement aléatoire car la
personne choisie peut être une femme comme elle peut être un homme.
3. Jeter une pièce de monnaie deux fois et noter le côté qui apparaît est une
expérience aléatoire. L'événement avoir face au premier lancer est un événe-
ment aléatoire.

1
1.2 Univers ou Ensemble fondamental

L'univers ou l'ensemble fondamental d'une expérience aléatoire est l'ensemble

de tous les résultats possibles de cette expérience, note Ω.
Exemples
Les univers associes aux expériences aléatoires présentées dans l'exemple pré-
cédent sont respectivement :
1. Ω = {1, 2, 3, 4, 5, 6}
2. Ω = {femme, homme}
3. Ω = {f f, f p, pf, pp}
Remarque :

Un événement relié à une expérience aléatoire est un sous-ensemble de l'univers

Ω. On note habituellement les événements par A, B, C, ...
Exemple

Soit l'expérience consistant à jeter une pièce de monnaie deux fois et de noter
le côté qui apparaît. Ainsi, l'univers est
Ω = {f f, f p, pf, pp}

Voici quelques exemples d'événements :

A : " obtenir face au premier lancer " = {f f, f p}
B : " obtenir face au deuxième lancer " = {f f, pf }
C : " obtenir le même côté lors des deux lancers " = {f f, pp}
D : " obtenir des côtés diérents lors des deux lancers " = {f p, pf }

À l'aide des opérations sur les ensembles, nous pouvons, à partir d'un ou de
plusieurs événements, en former de nouveaux.

Exemple

Si A et B sont deux événements, alors :

1. A est l'événement qui se réalise si l'événement A ne se réalise pas. On dit
que A est l'événement complémentaire de l'événement A.
2. A ∩ B est l'événement pour lequel les deux événements A et B se réalisent.
3. A ∪ B est l'événement pour lequel au moins un des événements A ou B se
réalise.
4. A \ B est l'événement pour lequel A est réalisé mais non B.

2
1.3 Calcul de probabilités

1.3.1 Dénition classique de la probabilité

Si au cours d'une expérience aléatoire on peut dénombrer tous les résultats
possibles, et si parmi ces résultats on peut dénombrer tous les résultats favorables
à la réalisation d'un événement aléatoire quelconque A, on dénit classiquement
la probabilité de l'événement A comme étant le rapport du nombre de résultats
favorables au nombre de résultats possibles.
Nombre de résultats favorables
P (A) =
Nombre de résultats possibles
Il faut noter que tous les résultats possibles doivent avoir la même chance de
réalisation
La probabilité d'un événement est le pourcentage de "chances" que cet
événement se réalise. Par exemple si un événement a 25 chances sur 100 de se
réaliser, on dira que sa probabilité est de 25% (ou 0,25 ou 1/4).
Cette dénition montre que la probabilité est toujours comprise entre 0 et 1.
La probabilité de tout événement qui doit nécessairement se réaliser au cours
d'une expérience aléatoire est égale à 1, il s'agit d'un événement certain.
P(événement certain ) = 1
La probabilité de tout événement qui ne peut pas se réaliser au cours d'une expé-
rience aléatoire est nulle, il s'agit d'un événement impossible.
P(événement impossible ) = 0
Exemple :
Dans une urne contenant 20 boules blanches, 15 boules noires, 15 boules rouges et
10 boules vertes on choisie de façon aléatoire une boule.

Le tirage de la boule est une expérience aléatoire car le résultat du tirage est
imprévisible. L'événement choisir une boule blanche est un événement aléatoire
car la boule tirée peut être blanche comme elle peut être d'une autre couleur.

Le nombre de boules pouvant être choisies est 60 car l'urne contient au total
60 boules. Le nombre de boules favorables à l'événement  boule blanche  est 20
car l'urne contient 20 boules blanches. La probabilité de tirer une boule blanche
est donc :
20
p= = 0.33.
60

3
1.3.2 Notion d'incompatibilité
Événements incompatibles
Deux événements aléatoires associés à une même expérience aléatoire sont dits
incompatibles ou exclusifs s'ils ne peuvent pas se réaliser simultanément ou si
l'intersection est vide.
Si deux événements aléatoires A et B sont incompatibles alors :

p(A ∪ B) = p(A) + p(B) et p(A ∩ B) = 0

Si deux événements aléatoires A et B ne sont pas incompatibles alors :

p(A ∪ B) = p(A) + p(B) − p(A ∩ B)

Exemple :

On lance un dé à huit faces numérotées de 1 à 8. On considère les événements :

A :  Le résultat est inférieur ou égal à 3 
B :  Le résultat est pair 
C :  Le résultat est un multiple de 4

Les événements A et B sont-ils incompatibles ? A et C ?

On a A = {1, 2, 3}; B = {2, 4, 6, 8} et et C = {4, 8}

A et B ne sont pas incompatibles car leur intersection n'est pas vide : 2 appar-
tient aux deux ensembles.

A et C sont incompatibles car ils n'ont aucun élément commun.

Evénements complémentaires
Plusieurs événements aléatoires associés à une même expérience aléatoire sont
dits totalement incompatibles ou complémentaires s'ils sont incompatibles deux à
deux et si l'un d'eux doit nécessairement se réaliser.
Si k événements A1 , A2 , . . . , Ak sont complémentaires alors :

p(A1 ∪ A2 ∪ ... ∪ Ak ) = p(A1 ) + ... + p(Ak ) = 1

4
1.3.3 Notion d'indépendance
Probabilité conditionnelle
Considérons le cas de plusieurs expériences aléatoires simultanées ou succes-
sives. Soient deux événements aléatoires A et B non nécessairement incompatibles.
La probabilité conditionnelle de l'événement A sous la condition B, est la proba-
bilité de réalisation de l'événement A sachant que l'événement B est déjà réalisé.
Elle est désignée par :
p(A ∩ B)
p(A/B) =
p(B)
La probabilité conditionnelle de l'événement B sous la condition A, est la proba-
bilité de réalisation de l'événement B sachant que l'événement A est déjà réalisé.
Elle est désignée par :
p(A ∩ B)
p(B/A) =
p(A)
Cette dénition conduit à la formule de probabilité composée :
P (A ∩ B) = P (B)P (A/B) = P (A)P (B/A)

On peut généraliser cette formule à plusieurs événements. Ainsi pour trois

événements A, B, et C :
P (A ∩ B ∩ C) = p(A) × p(B/A) × p(C/(A ∩ B))

Exemple :

Dans une urne contenant 20 boules blanches, 15 boules noires, 15 boules rouges
et 10 boules vertes on choisie de façon aléatoire deux boules successives. Quelle est
la probabilité que les deux boules tirées soient blanches (tirage sans remise) ?
Soient A l'événement  première boule tirée est blanche  et B l'événement 
deuxième boule tirée est blanche 
p(A) est la probabilité de tirer au premier tirage une boule blanche :
20
p(A) = = 0.33
60
p(B/A) est la probabilité de tirer au deuxième tirage une boule blanche sachant
que la première boule tirée est blanche.
Au deuxième tirage l'urne contient donc 59 boules dont 19 sont blanches car
on a déjà tiré une boule blanche. On a donc :
19
p(B/A) = = 0.32
59
5
Donc
p(A ∩ B) = p(A)p(B/A) = 0, 33 × 0, 32 = 0, 1056
Si on tire successivement trois boules, quelle la probabilité pour que les trois
boules soient vertes ?
10 9 8
× × = 0, 0035
60 59 58

Evénements indépendants
Deux événements A et B sont indépendants si la probabilité de réaliser l'évé-
nement A ne dépend pas de la réalisation ou de la non réalisation de l'événement
B. La probabilité de voir se réaliser l'événement B ne dépend pas de la réalisation
ou de la non réalisation de l'événement A. On a
p(A) = p(A/B) = p(A/(nonB))
et
p(B) = p(B/A) = p(B/(nonA))
Deux événements A et B sont donc indépendants si :
p(A et B) = p(A) × p(B)
Plusieurs événements A1 , A2 , . . . , Ak sont indépendants si :
p(A1 ∩ A2 ∩ . . . ∩ Ak ) = p(A1 ) × p(A2 ) × . . . × p(Ak )
Exemple :
Dans une urne contenant 20 boules blanches, 15 boules noires, 15 boules rouges et
10 boules vertes on choisie de façon aléatoire deux boules successives. Quelle est
la probabilité que les deux boules tirées soient blanches (tirage avec remise) ?
Soient A l'événement  première boule tirée est blanche  et B l'événement 
deuxième boule tirée est blanche 
p(A) est la probabilité de tirer au premier tirage une boule blanche :
20
p(A) = = 0.33
60
p(B/A) est la probabilité de tirer au deuxième tirage une boule blanche sachant
que la première boule tirée est blanche. Puisque il s'agit d'un tirage avec remise,
au deuxième tirage l'urne contient toujours 60 boules dont 20 sont blanches. On a
donc :
20
p(B/A) = = 0.33
60
et
p(A et B) = p(A) × p(B/A) = 0, 33 × 0, 33 = 0, 1089 = p(A) × p(B)
donc les deux événements A et B sont indépendantes.

6
1.3.4 Notion d'événement contraire
L'événement A est le contraire de l'événement A. C'est l'ensemble de tous les
résultats de l'univers qui ne sont pas dans A.
Si l'univers est donné sous la forme d'un ensemble, il est facile de repérer les
résultats. Si l'univers est donné sous la forme d'une phrase, il sut de tourner la
phrase à la forme négative. Toutefois lorsqu'on peut utiliser une tournure positive
on le fait

Exemple
On lance 1 dé et on regarde le nombre obtenu. On considère l'événement A :  Le
résultat est impair 
On a A :  Le résultat n'est pas impair , mais il est plus simple d'écrire
A :  Le résultat est pair .
Il est donc utile de bien maitriser le contraire de certaines propriétés :

Le contraire de  Le résultat est strictement inférieur à 3  et  Le résultat est

supérieur ou égal à 3 
Le contraire de  Le résultat est inférieur ou égal à 3  et  Le résultat est
strictement supérieur à 3 
Le contraire de  Obtenir au moins un 6  et  Ne pas obtenir de 6 
Le contraire de  N'obtenir que des 6  et  Obtenir au moins un résultat
diérent de 6 

Exemple :

On lance un dé à dix faces numérotées de 0 à 10.

On considère l'événement A :  Le résultat est supérieur ou égal à 7  Déter-
miner A sans utiliser de tournure négative.

A :  Le résultat est strictement inférieur à 7 .

Propriétés

Soit A l'événement contraire de A. On a :

1. A ∩ A = 0
2. A ∪ A = Ω
3. p(A) = 1 − p(A)

7
1.3.5 Formule des probabilités totales
En théorie des probabilités, la formule des probabilités totales est un théorème
qui permet de calculer la probabilité d'un événement en le décomposant suivant
un système exhaustif d'événements.
Enoncé :
Considérons une partition A1 , A2 , ..., An de l'ensemble des événements de Ω,
c'est à dire P (Ω) = 1 et

Ω = A1 ∪ A2 ∪ . . . ∪ An , Ai ∩ Aj = 0 pour i 6= j.

Dans ces conditions il est possible de reconstituer la probabilité totale P(B) de

tout évènement B en fonction de ses probabilités conditionnelles P (B/Ai ) sachant
les événements Ai sont réalisés.
Le calcul est donné par une formule dite des 'probabilités totales' et qui est la
suivante :
P (B) = Σni=1 P (Ai )P (B/Ai )
Exemple :
Une urne contient 7 boules jaunes et 3 boules noires. On eectue deux tirages
successifs sans remise dans cette urne. Quelle est la probabilité que la deuxième
boule tirée soit jaune ?
• On note,pour i=1oui=2 :

• Ji : La iem boule tirée est jaune  ;

• Ni : La iem boule tirée est noire  ;

On a :

P (N1 ) = 3/10, P (J1 ) = 7/10

P (J2 /N1 ) = 7/9, P (J2 /J1 ) = 6/9 = 2/3
• On cherche P (J2 ) :

Par application de la formule des probabilités totales, on a

P (J2 ) = P (J1 ∩J2 )+P (N1 ∩J2 ) = P (J1 )P (J2 /J1 )+P (N1 )P (J2/N1 ) = 7/10×2/3+3/10×7/9 = 7/10

8
1.3.6 Théorème de Bayes
Il arrive dans certains problèmes pratiques qu'on ait besoin de probabilités a
posteriori du type P (Ai /B), alors que, à partir de considérations théoriques ou de
données historiques, on connaisse plutôt les probabilités a priori P (Ai ) et les proba-
bilités conditionnelles P (B/Ai ). Le théorème de Bayes indique comment obtenir les
probabilités désirées sous certaines hypothèses sur les événements Ai , i = 1, . . . , n.
Enoncé :
Soient B, un événement de probabilité non nulle, et A1 , . . . , An les événements
de l'ensemble fondamental de tous les résultats possibles. Alors,
P (Ai )P (B/Ai )
P (Ai /B) = , i = 1, . . . , n
P (B)
Exemple :
on sait que dans une population 5 hommes sur 100 sont daltoniens, contre 25
femmes sur 10 000. Un daltonien est choisi au hasard dans la population ; quelle
est la probabilité que ce soit un homme ? (on admettra qu'il y a autant d'hommes
que de femmes dans la population).
Par application du théorème de Bays, on a :
P (H)P (D/H)
P (H/D) =
P (D)
avec :
P (H) = 1/2, P (D/H) = 5/100
et pour P(D), on applique le théorème des probabilités totales, on a :
P (D) = (P (H)P (D/H)) + (P (F )P (D/F )) = (1/2 × 5/100) + (1/2 × 25/10000)

d'où
P (H/D) = 20/21

1.4 Arbre pondéré

L'arbre pondéré est un outil mathématique permettant de calculer une proba-

bilité dans le cas d'expériences aléatoires à deux ou plusieurs étapes.
Dans un arbre, on va observer et suivre des chemins, c'est-à-dire une succession de
noeuds consécutifs reliés par une branche encore appelée arête ou bien arc. Dans
un arbre, on distingue des arbres élémentaires.
Un arbre élémentaire ne contient qu'un seul noeud, duquel partent un certain
nombre de branches que l'on peut pondérer. La pondération d'une branche repré-
sente la probabilité de l'issue matérialisée par la branche considérée. Ainsi une

9
pondération se fait par un nombre compris entre 0 et 1.
L'arbre, plus généralement, est une concaténation d'arbres élémentaires.

Lois des arbres :

Deux lois fondamentales régissent les arbres en probabilité :

1. Loi du noeud : la somme des pondérations portées par les branches issues
d'un même noeud, est égale à 1.
2. Loi du chemin : la pondération d'un chemin est égale au produit des
pondérations des branches composant ce chemin.
Illustrations :

Et voici un arbre probabiliste qui utilise les deux lois principales :

10
 La pondération du chemin (Ω, A, A1 ) est égale à p1 q1 , celle du chemin (Ω, B, B3 )
est égale à p2 r3 .

Utilisation des arbres pondérés dans le cadre des probabilités condi-

tionnelles :

La notion de probabilités conditionnelles est souvent associée à un arbre. On

va tout de suite noter que la pondération de la branche A − B correspond à la
probabilité conditionnelle de B sachant A, notée PA (B) ou P (B/A).

Exemple :

Considérons deux urnes : une urne A et une urne B. L'urne A contient trois
boules jaunes et deux boules bleues. L'urne B contient trois boules bleues, deux

11
boules rouges, une boule jaune. L'expérience consiste à piocher une boule au hasard
dans l'urne A, puis dans l'urne B.

1. si l'énoncé ne donne pas de nom pour les événements, il faut nommer les
événements. J'appelle R :  la boule est rouge  ; J :  la boule est jaune  ;
B :  la boule est bleue .
2. pour construire mon arbre pondéré, je vais respecter l'ordre des étapes don-
nées par l'énoncé. Le premier embranchement représente le fait de piocher
dans l'urne A. Je peux piocher soit une boule jaune, soit une boule bleue. Je
fais donc deux branches.
3. je vais maintenant représenter le fait de piocher dans la deuxième urne. Pour
cela, je pars de chaque issue possible de la première étape et je construis
autant de branches qu'il y a d'issues possibles dans la deuxième urne.
4. je vais rajouter les probabilités sur chaque branche.
5. je vérie mentalement que la somme des probabilités associées à chaque
branche fasse bien 1.

12
13