probabilités

Kossi Essona GNEYOU 1

16 juin 2021

1. UL-FDS, Département de Mathématiques, Lomé - Togo, e-mail: [email protected]

K.E. Gneyou, UL-FDS, 2020/2021 2
 Table des matières

2 Espaces Probabilisés 7
2.1 Langage probabiliste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Notations des faits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Notion empirique de probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 Espace probabilisé - Probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.5 Probabilité conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.6 Évènements indépendants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3
 TABLE DES MATIÈRES TABLE DES MATIÈRES

K.E. Gneyou, UL-FDS, 2020/2021 4

Introduction

Tout comme l’analyse et l’algèbre, les probabilités et les statistiques ont leurs langages qu’il
convient de se familiariser et d’en utiliser. Dans ce chapitre, nous introduisons le langage des probabi-
lités et les notations mathématiques des faits. Nous donnons une notion empirique (calcul a posteriori)
de la probabilité d’un événement et ensuite, introduisons la définition axiomatique de la probabilité.
Nous terminons par les notions de probabilités conditionnelles et de d’indépendance.

5
 TABLE DES MATIÈRES TABLE DES MATIÈRES

K.E. Gneyou, UL-FDS, 2020/2021 6

Chapitre 2

Espaces Probabilisés

2.1 Langage probabiliste

On appelle
– Expérience aléatoire : une épreuve dont les résultats dépendent du hasard.
– Univers ou espace fondamental : l’ensemble Ω de tous les résultats possibles d’une expérience
aléatoire.
– Évènement : fait pouvant se produire ou non au cours d’une expérience aléatoire (e.a.)
– Tout élément ω ∈ Ω est appelé éventualité et toute partie de Ω c’est-à-dire tout sous-ensemble de
Ω est un évènement.
Un évènement réduit à un singleton {ω} est dit évènement élémentaire.

2.2 Notations des faits

- On dit qu’un événement A lié à une expérience aléatoire E est réalisé si et seulement si le résultat
ω obtenu est un élément de A. Par exemple
E = jet d’un dé à 6 faces numéroté de 1 à 6 et A = {2, 4, 6}. A est l’évènement "obtenir un chiffre
paire."
- Ω est l’évènement certain car toujours réalisé.
- ∅ est l’événement impossible car on obtient jamais l’ensemble vide au cours d’une expérience
aléatoire.
- A chaque événement A correspond l’événement contraire de A dit "non A" et noté Ac ou Ā.
- Soit A et B deux événements quelconques
− l’événement "A implique B" est noté A ⊂ B.
− l’événement "A et B se produisent simultanément" est noté A ∩ B.
Si A ∩ B = ∅ on dit que les événements A et B sont incompatibles (A et B ne peuvent se produire
simultanément).
− l’événement "A ou B se produit" est noté A ∪ B.
− "A se produit et pas B" est noté A \ B ou A ∩ B̄.
− l’événement "l’un seulement des deux évènements A et B se produit" est noté A∆B.
rappel : A∆B = (A \ B) ∪ (B \ A) = (A ∪ B) \ (A ∩ B).

7
CHAPITRE 2. ESPACES PROBABILISÉS 2.3. NOTION EMPIRIQUE DE PROBABILITÉ

2.3 Notion empirique de probabilité

Soit E une expérience aléatoire. Intuitivement, tous les événements liés à E n’ont pas la même
"chance" de se produire. Pour préciser cela, répétons n fois l’expérience E dans des conditions iden-
tiques. Soit A un évènement lié à E et k le nombre de fois que A s’est produit au cours des n épreuves.
Alors le nombre f (A) = nk est dit fréquence d’apparition de A, f (A) ∈ [0, 1].
Soit B un autre événement lié à E tels que A et B soient incompatibles et soit r le nombre de fois que
B s’est produit. Alors A ∪ B s’est produit k + r fois (puisque "A et B" ne s’est jamais produit).
k+r k r
On a donc f (A ∪ B) = = + = f (A) + f (B) si A et B sont incompatible.
n n n
L’événement certain Ω s’est toujours produit donc s’est produit n fois et f (Ω) = nn = 1.
On a évidemment f Ā = n−k = 1 − nk = 1 − f (A) et f (∅) = n0 = 0.


n
Intuitivement, lorsque n tend vers +∞, la fréquence f (A) = nk admet une limite qui ne dépend que de
l’événement A et que l’on appelle probabilité de A notée P(A).
Dans ce qui suit, on va écrire un formalisme mathématique qui précise cette notion intuitive de pro-
babilité et qui facilite les calculs de probabilités.

2.4 Espace probabilisé - Probabilité

Définition 2.4.1 Soit E une expérience aléatoire et Ω l’ensemble fondamental associé. On appelle
famille d’évènements probabilisables ou tribu, un ensemble A de parties de Ω, stable par réunion
finie ou dénombrable et par passage au complémentaire c’est-à-dire :
(i) ∀A1 , A2 , · · · , An , · · · ∈ A , ∪Ai ∈ A
(ii) ∀A ∈ A , Ā ∈ A .
En particulier Ω et ∅ sont dans A et tout évènement probabilisable A est un élément de A .
- On appelle espace probabilisable, la donnée d’un univers des possibles Ω et d’une famille A d’évè-
nements probabilisables. On note (Ω, A ) cet espace probabilisable.
e.g. Si Ω est fini, P(Ω) est une tribu et (Ω, P(Ω)) est un espace probabilisable.

Définition 2.4.2 - Soit (Ω, A ) un espace probabilisable. On appelle probabilité sur (Ω, A ), toute
application P de A dans [0, 1] vérifiant les axiomes suivants :
A1 ) P(Ω) = 1
A2 ) ∀A, B ∈ A , A ∩ B = ∅ : P(A ∪ B) = P(A) + P(B)
- On appelle espace probabilisé, la donnée d’un triplet (Ω, A , P) où (Ω, A ) est un espace probabi-
lisable et P est une probabilité sur A .
- Pour tout évènement A, le réel P(A) ∈ [0, 1] est appelé probabilité de A.

Propriétés 2.1
Soit (Ω, A , P) un espace probabilisé et A et B deux événements. On a
1) P(Ā) = 1 − P(A) (donc P(∅) = O)
2) P(A \ B) = P(A) − P(A ∩ B)
3) Si A ⊂ B, P(A) 6 P(B)
4) P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

Démonstration
1) Ω = A ∪ Ā et A ∩ Ā = ∅
Donc 1 = P(Ω) = P(A) + P(Ā) d’après A1 ) et A2 ).
2) A = (A \ B) ∪ A ∩ B et (A \ B) ∩ (A ∩ B) = ∅ donc P(A) = P(A \ B) + P(A ∩ B).

K.E. Gneyou, UL-FDS, 2020/2021 8

CHAPITRE 2. ESPACES PROBABILISÉS 2.5. PROBABILITÉ CONDITIONNELLE

3) Si A ⊂ B, A ∩ B = A donc P(B) = P(B \ A) + P(A) > P(A).

4) A ∪ B = B ∪ (A \ B) et B ∩ (A \ B) = ∅ donc P(A ∪ B) = P(B) + P(A \ B) = P(B) + P(A) − P(A ∩ B).


Propriétés 2.2 (Formule du Crible ou de Poincaré)

- Pour toute famille (Ai )16i6n d’évènements, on a
n n
Ai = P(Ai ) − P(Ai ∩ A j ) + P(Ai ∩ A j ∩ Ak ) + · · · +
S
P P P
P
i=1 i=1 16i< j6n 16i< j<k6n
(−1)k+1 P(Ai1 ∩ Ai2 ∩ · · · ∩ Aik ) + · · · + (−1)n+1 P(A1 ∩ A2 ∩ · · · ∩ An ).
P
16i1 <i2 <···<ik 6n
En particulier, pour toute famille (Ai )16i6n d’événements deux à deux incompatibles,
n n
Ai = P(Ai ).
S
P
P
i=1 i=1

La formule de Poincaré se démontre par récurrence sur n. La seconde formule en est une conséquence.
Remarques 2.1
1) Lorsque Ω est fini ou dénombrable, on peut choisir A = P(Ω) et la probabilité P sur A est entiè-
rement déterminée par la connaissance des probabilités élémentaires P({ωi }) : ∀A ∈ P(Ω), P(A) =
P
P({ωi }).
i|ωi ∈A
2) Lorsque tous les événements élémentaires ont la même probabilité, on dit qu’il y a équiprobabilité.

Théorème 2.1
Lorsqu’il y a équiprobabilité, on a pour tout événement A : P(A) = CardA
CardΩ
.

Exemple 2.1
Dans un tiroir, il y a trois paires de chaussures de couleurs différentes. On tire au hasard 2 chaussures.
Probabilité pour que a) "Elles appartiennent à la même paire" ?
b) "Il y ait un pied droit et un pied gauche" ?

Solution : a) 3
C62
= 1
5
b) 3×3
C62
= 3
5

2.5 Probabilité conditionnelle

Définition 2.5.1 Soit (Ω, A , P) un espace probabilisé, A un événement de probabilité non nulle. Pour
tout événement B, on appelle probabilité de B sachant A, le nombre P(B | A) = P(A∩B)
P(A)
.

Conséquence
∀A, B ∈ A , P(A ∩ B) = P(B | A)P(A) = P(A | B)P(B).

Exemple 2.2
Une urne contient 2 boules blanches et 3 boules rouges indiscernables au toucher. On tire successive-
ment 2 boules avec remise. Soient les événements
R1 : "Obtenir une boule rouge au 1er tirage" R2 : "Obtenir une boule rouge au 2nd tirage"
1) Calculer P(R1 ), P(R2 ), P(R1 ∩ R2 ), P(R2 | R1 ) et P(R1 | R2 ).
2) Même question si le tirage est sans remise.

15 15 9
Solution : 25 25 25
.

9 K.E. Gneyou, UL-FDS, 2020/2021

CHAPITRE 2. ESPACES PROBABILISÉS 2.5. PROBABILITÉ CONDITIONNELLE

Définition 2.5.2 On appelle système complet d’événements (ou partition disjointe de Ω), toute famille
finie ou dénombrable (Ai )i∈I telle que
a) ∀i ∈ I, Ai ∈ A b) i∈I Ai = Ω et c) ∀(i, j) ∈ I 2 , i , j, Ai ∩ A j = ∅.
S

Théorème 2.2 (Formule des probabilités totales)

Soit H1 , H2 , · · · , Hn un système complet d’événements de probabilités non nulles. Alors pour tout
événement A, on a
n
X n
X
P(A) = P(A ∩ Hi ) = P(A | Hi )P(Hi ).
i=1 i=1

Démonstration
C’est une application de la deuxième partie de la formule de Poincaré.

Théorème 2.3 (Formule de Bayes ou Probabilité de cause)

Soit {C1 , · · · , Cn } un système complet d’événements de probabilités non nulles et A un événement de
probabilité non nulle. Alors ∀i = 1, 2, . . . , n

P(A | Ci )P(Ci )
P(Ci | A) = n
.
P
P(A | Ci )P(Ci )
i=1

Démonstration
P(Ci ∩ A) P(A | Ci )P(Ci )
On a P(Ci | A) = = . 
P(A) P(A)

Exemple 2.3
Soit U1 , U2 deux urnes. U1 contient 2 boules noires et 1 boule rouge, U2 contient 1 boule noire et 4
boules rouges. Le jeu consiste à tirer au hasard une urne et ensuite à tirer une boule de cette urne. Le
résultat final est connu : la boule tirée est rouge. Probabilité qu’elle provienne de l’urne U1 ? qu’elle
provienne de l’urne U2 ?

Solution :
1 1
P(R | U1 )P(U1 ) × 12
P(U1 | R) = = 3 2
= .
P(R | U1 )P(U1 ) + P(R | U2 )P(U2 ) 1
3
× + ×
1
2
1
5
1
2
17

Exemple 2.4
1 1
4
d’une population a été vaccinée contre une certaine maladie. Parmi les vaccinés, on compte 12
de
malades. Parmi les malades, il y a 4 non-vacciné pour un vacciné.
Quelle est la probabilité pour un non-vacciné d’être malade.

Solution : Soit les événements V="avoir été vacciné", M="être malade".

On a P(V) = 14 , P(M | V) = 12
1
, P(V | M) = 45 . On cherche P(M | V). Soit p cette probabilité. On a

P(M ∩ V) P(V | M)P(M) 16

p= = = P(M).
P(V) P(V) 15

Mais P(M) = P(M | V)P(V) + P(M | V)P(V). Vu que P(V) = 34 , P(M) = 1

12
× 14 + 34 p, d’où p = 19 .

K.E. Gneyou, UL-FDS, 2020/2021 10

CHAPITRE 2. ESPACES PROBABILISÉS 2.6. ÉVÈNEMENTS INDÉPENDANTS

2.6 Évènements indépendants

Définition 2.6.1 - Deux événements A et B sont dits indépendants si et seulement si
P(A ∩ B) = P(A)P(B).
- Une famille (Ai )i∈I d’événements est dite indépendante (mutuellement) si pour toute partie finie J de
A j = P(A j ).
T
Q
I, P
j∈J j∈J
- On dit que (Ai )i∈I est une famille d’événements deux à deux indépendants si
P(Ai ∩ A j ) = P(Ai )P(A j ) ∀(i, j) ∈ I 2 , i , j.
Exemples 1
1) Ω = {1, 2, . . . , 6} , A = {1, 2, 3} , B = {2, 4, 6} , C = {1, 2, 4, 5}. On a
P(A) = 21 , P(B) = 12 , P(C) = 23 et P(A ∩ B ∩ C) = P{2} = 61 = 12 × 12 × 23 = P(A).P(B).P(C). Cependant
P(A ∩ B) = 16 , 14 = P(A) × P(B). Donc la famille {A, B, C} est non indépendante.
2) On lance deux fois un dé cubique parfait. Soient les événements
A1 = "le 1er nombre obtenu est pair", A2 = "le 2ème nombre obtenu est impair"
A3 = "la somme des deux nombres est paire". On a
P(A1 ) = P(A2 ) = P(A3 ) = 21 ; P(A1 ∩ A2 ) = P(A1 ∩ A3 ) = P(A2 ∩ A3 ) = 41 .
Les trois événements sont deux à deux indépendants mais ne sont pas mutuellement indépendants.
Proposition 2.1
Si A et B sont deux évènements indépendants alors A et B̄, Ā et B, Ā et B̄ le sont aussi.

Démonstration
On a par exemple
P(A ∩ B̄) = P(A \ B) = P(A) − P(A ∩ B) = P(A) − P(A)P(B) = P(A)(1 − P(B)) = P(A)P( B̄).

2.7 Exercices
Exo1 : On jette 3 fois un dé cubique parfait dont les faces sont numérotées de 1 à 6. On note a, b, c
les numéros obtenus. Soit Q(x) = ax2 + bx + c. Déterminer la probabilité pour que le polynôme Q(x) :
a) ait 2 racines rélles distinctes ;
b) ait 1 racine réelle double ;
c) n’ait pas de racine réelle.

Exo2 : On range au hasard 10 livres sur une étagère. Quelle est la probabilité p pour que 3 livres
donnés soient rangés côte à côte ?

Exo3 : On compose au hasard un numéro de téléphone à 8 chiffres. Quelle est la probabilité pour
que :
a) tous les chiffres du numéro soient distincts ?
b) le produit des chiffres soit divisible par 2 ?
c) les chiffres forment une suite strictement croissante ?
d) les chiffres forment une suite croissante au sens large ?

Exo4 : Pour se rendre à l’université, un étudiant de l’UK a le choix entre 4 itinéraires : A, B, C et D.

La probabilité qu’il a de choisir l’itinéraire A (resp. B, C) est 31 (resp. 14 , 12
1
). La probabilité d’arriver
1 1 1
en retard en empruntant A (resp. B, C) est 20 (resp. 10 , 5 ). En empruntant D il n’est jamais en retard.
Probabilité pour que :
a) l’étudiant choisisse l’itinéraire D ?

11 K.E. Gneyou, UL-FDS, 2020/2021

CHAPITRE 2. ESPACES PROBABILISÉS 2.7. EXERCICES

b) l’étudiant arrive en retard ?

c) l’étudiant arrive en retard. Quelle est la probabilité pour qu’il ait emprunté l’itinéraire C ?

Exo5 : La proportion des pièces défectueuses dans un lot est de 0,05. Le contrôle de fabrication des
pièces est tels que :
- Si la pièce est bonne, elle est acceptée avec une probabilité de 0,96.
- Si la pièce est mauvaise, elle est refusée avec probabilité 0,98.
On choisit une pièce au hasard et la contrôle. Probabilité pour :
a) qu’il y ait une erreur de contrôle ?
b) qu’une pièce acceptée soit mauvaise ?

Exo6 : On suppose que l’année compte n jours. Quelle est la probabilité pour que dans une classe de
k élèves (k ≤ n) au moins deux étudiants aient leur jour d ?anniversaire en commun ?
Évaluer cette probabilité lorsque n et k tendent vers +∞ tel que nk → α. A.N. n = 365, k = 19,
α = 0, 05.

Exo7 : Un distributeur de prospectus (tous identiques) fait son travail de façon distraite et a distribué
au hasard n prospectus dans p boîtes à lettres d’une cité universitaire supposées numérotées de 1 à p.
Quelle est la probabilité :
a) p1 pour que dans les boîtes il y ait eu respectivement r1 , · · · , r p prospectus avec r1 + · · · + r p = n ?
b) p2 pour qu’aucune boîte ne soit vide ?

K.E. Gneyou, UL-FDS, 2020/2021 12