Probabilité

Cours
Probabilits
Semestre :2
Module : Mthodes Quantitatives
Elment : Statistiques II
Enseignant : Mr HILAL
Elments du cours
Axiomes du calcul des probabilits
Variables alatoires et leurs caractristiques
Lois usuelles
Lois usuelles continues
Exercices avec solutions
Numrisation & Conception

Mr Mohamed-Fadil ZIADI
www.cours-FSJES.blogspot.com
www.EKOGEST.BLOGSPOT.com
1
Professeur HILAL Statistiques II
TABLE DES MATIRES
TABLE DES MATIRES...........................................................................................................................2

CHAPITRE 1 : AXIOMES DU CALCUL DES PROBABILITS..............................................................4
I- Quelques dfinitions : ........................................................................................................................4
1- Ensemble fondamental : ................................................................................................................4
2- vnement : ...................................................................................................................................4
3- vnement impossible :.................................................................................................................4
4- vnement certain : .......................................................................................................................4
5- vnement lmentaire :................................................................................................................4
II- Axiome des probabilits totales :...................................................................................................4
1- Espace probabilis : .......................................................................................................................4
2- Consquences de la dfinition : .....................................................................................................5
3- Axiome des probabilits totales dans le cas de deux vnements non incompatibles : ................5
4- Axiome de probabilit totale dans le cas de plusieurs vnements incompatibles : .....................5
a- Cas de trois vnements : ..........................................................................................................6
b- Cas de n vnements :..........................................................................................................6
III- Axiome de probabilits composes : .............................................................................................6
1- Probabilit conditionnelle :............................................................................................................6
2- Axiomes de probabilits composes dans le cas de plusieurs vnements : .................................6
a- Cas de trois vnements : ..........................................................................................................6
b- Cas de n vnements :..........................................................................................................6
3- Indpendance de deux vnements :..............................................................................................6
IV- Thorme de BAYES : ..................................................................................................................7
CHAPITRE 2 : VARIABLES ALATOIRES ET LEURS CARACTRISTIQUES..............................9
I- Exemple et dfinition :.......................................................................................................................9
II- Variables alatoires continues (ou densit) : ..............................................................................9
1- Densit de probabilit dune variable alatoire continue : ............................................................9
a- Dfinition :.................................................................................................................................9
b- Caractrisation dune densit de probabilit : ...........................................................................9
2- Fonction de rpartition de variable alatoire continue : ................................................................9
a- Dfinition :.................................................................................................................................9
b- Proprit dune fonction de rpartition :....................................................................................9
3- Proprits gnrales dune variable alatoire continue : .............................................................10
a- Proprits gnrales : ...............................................................................................................10
b- Remarques : .............................................................................................................................11
c- Exercice : .................................................................................................................................11
4- Caractristiques dune variable alatoire continue : ....................................................................11
a- Esprance mathmatique : .......................................................................................................11

Dfinition :...........................................................................................................................11
Proprits : ...........................................................................................................................11
b- Variance:..................................................................................................................................12
Dfinition:............................................................................................................................12
Proprits : ...........................................................................................................................12
c- Ecart-type:................................................................................................................................12
CHAPITRE 3 : LOIS USUELLES.............................................................................................................13
I- Loi de Bernoulli :.............................................................................................................................13
II- Loi binomiale :.............................................................................................................................13
2
1- Exemple et dfinition :.................................................................................................................13
III- Loi de poisson :............................................................................................................................14
1- Dfinition :...................................................................................................................................14
2- Caractristiques : .........................................................................................................................14
3- Conditions dapplication :............................................................................................................14
CHAPITRE 4 : Lois usuelles continues ......................................................................................................15
I- Loi normale :....................................................................................................................................15
1- Dfinition :...................................................................................................................................15
2- Loi normale centre relle : .........................................................................................................15
3- Fonction de rpartition dune variable normale continue rduite :..............................................15
4- Quelques relations retenir : .......................................................................................................16
II- Loi du khi deux (Khi carr) : .......................................................................................................16
1- Dfinition :...................................................................................................................................16
EXERCICES................................................................................................................................................17
3
CHAPITRE 1 : AXIOMES DU CALCUL DES PROBABILITS
I- Quelques dfinitions :
1- Ensemble fondamental :
Souvent not , cest lensemble des rsultats (ou cas) possibles lis une exprience
alatoire effectue sur un ensemble E.
2- vnement :
Cest toute partie (ou sous ensemble) de .
3- vnement impossible :
Not , cest un vnement qui ne se ralise jamais, autrement dit ; aucun lment de
nest favorable sa ralisation.
4- vnement certain :
Cest un vnement toujours ralis, il correspond lensemble fondamental.
5- vnement lmentaire :
Cest un vnement ralis par un seul lment de. Les lments lmentaires sont
1
quiprobables (p = ).
n
II- Axiome des probabilits totales :
1- Espace probabilis :
est dit probabilis, lorsquune application P est dfinie de P() (ensemble de partis
de .
P : P()
A P(A).
P(A) est appel probabilit de A est satisfait aux trois conditions fondamentales.
- Limage de toute partie A de appartenant P() est positive ou nulle ;
- Limage de lensemble fondamental est lunit : P() = 1 ;
- Limage de la runion dun nombre finis ou infinis dnombrable de parties de E
(vnements) disjointes (incompatibles) appartenant P() est gale la somme des
images :
4
n
P( A1 A2 ..... An ) = P ( Ai ) .
i =1
2- Consquences de la dfinition :
a- en vertu de la troisime proprit, on a :

P (A A) = P ( A) + P ( A) .
Or, A A =
Et P() = 1 daprs la deuxime proprit.
Donc : P(A) + P( A ) = 1
P( A ) = 1 P(A).
b- Si dans lgalit prcdente, on fait A = , il vient, puisque :

= et P() = 1
P() = 0.
c- Si B est incluse dans A ( A B )

A = B (A B ) .
P(A) = P(B) + P( A B ).
P(A) P(B) = P( A B ) 0.
P(A) P(B).
* P ( A B ) = P(A) + P(B) si : A B = .
* P( A B ) = P(A) P(B) si : A B = .
d- Tout ensemble A appartenant P() (donc un vnement) est inclus dans . Do :

P(A) P() ; A.
Donc : 0 P( A) 1 ; (A).
3- Axiome des probabilits totales dans le cas de deux vnements non

incompatibles :
(
A B = A B A B . )
Donc, daprs la troisime proprit :
P ( A B ) = P ( A) + P ( B A B ) .
Car, en vertu de la deuxime proprit :

( )
P B A B = P (B ) P ( A B )
Do P( A B ) = P( A) + P(B ) P( A B ) .
4- Axiome de probabilit totale dans le cas de plusieurs vnements

incompatibles :
5
a- Cas de trois vnements :
Soient A, B et C trois vnements, on montre que :

P( A B C ) = p( A) + P(B ) + P(C ) P( A B ) P( A C ) P(B C ) + P( A B C ) .
b- Cas de n vnements :
On montre, par rcurrence, que :
K
P( AI AJ AK ) = P( AI ) P ( AI AJ ) + P( A AJ AK ) + ..... + ( 1) P ( AI ... An )
n 1
I
i =1 IJ I J K
On posant : S k = P( A
I11 I 2 ........... I k
I1 AI 2 ..... AIn ).
n
On a : P( A1 A2 .... An ) ( 1)k 1 .S k
k +1
III- Axiome de probabilits composes :
1- Probabilit conditionnelle :
La ralisation dun vnement A sachant quun autre vnement B a t ralis est :

P( A B )
P( A B ) = Avec ; P(B ) 0
P(B )
Proprits :
* P (A B ) = 1 P ( A B ) .
* P[( A B ) C ] = P( A C ) + P(B C ) Si : A B =
* P[( A B ) C ] = P( A C ) + P(B C ) P[( A B ) C ] Si : A B
2- Axiomes de probabilits composes dans le cas de plusieurs vnements :
a- Cas de trois vnements :
P( A B C ) = P( A)P(B A)P(C A B )
b- Cas de n vnements :
Soient A1, A2, ., An n vnements.

P( A1 A2 ... An ) = P( A1 )P( A2 A1 )P( A3 A1 A2 ).....P( An A1 A2 ... An ) .
3- Indpendance de deux vnements :
Lvnement A est indpendant de lvnement B, si :
6
P ( A B ) = P ( A)
P( A B )
P( A B ) = = P ( A)
P(B )
P( A B ) = P( A).P(B ) .
Remarque :
Lindpendance est une relation symtrique. On dit, tout simplement, que A et B sont
indpendants.
Proprits :
Si A et B sont indpendants, alors :

* A et B sont indpendants.
Indpendance de n vnements :
On dit que n vnements A1, A2, , An sont indpendants sils sont :

* Indpendants deux deux.
* Indpendants trois trois.
* Indpendants k k .
* Indpendants n n .
IV- Thorme de BAYES :
Soient les vnements E1, E2, , En. Tels que Ei E j = .

n
UE i =
i =1
On dit que E1, E2, , En forment un systme complet dvnements.

On suppose connues : P(E1) ; P(E2) ; ; P(Ei) ; ; P(En). Appeles probabilits priori.
E1
E2

Ei
A
En
7
A peut tre cause par E1, E2, .., ou En et on a :

P( A E1 ) ; P( A E 2 ) ; .. ; P( A E n ) connues.
* Le problme : cest comment calculer P(Ei A)
P( A Ei )
P (E i A) = .
P ( A)
P( A Ei )
=
P[( A E1 ) ( A E 2 ) .... ( A Ei ).... ( A E n )]
P( A Ei )
=
P( A E1 ) + .... + P( A Ei ) + ..... + P( A E n )
P (E i )P( A Ei )
= n
.
P(E )P( A E )
i =1
i i
P(Ei A) est appele probabilit posteriori de Ei

8
CHAPITRE 2 : VARIABLES ALATOIRES ET LEURS

CARACTRISTIQUES.
I- Exemple et dfinition :
On jette deux ds quilibrs, et on sintresse X = somme des deux numros obtenus .

= {(1,1) ; (1,2) ; .. ; (6,6)}.
X est appele variable alatoire et on a : X() = {2, 3, ., 11, 12}.
Cest lensemble de valeurs possibles de la variable alatoire X, appele aussi domaine de
dfinition de X, et note (Dx).
II- Variables alatoires continues (ou densit) :
1- Densit de probabilit dune variable alatoire continue :
a- Dfinition :
On dit quune variable alatoire X valeurs relles admet une densit de probabilit f si
+
pour tout rel x. F(x) = f (t ).dt .
* F(x) est la fonction de rpartition de X, et f est une fonction relle valeurs positives
ayant un nombre fini de points ventuels de discontinuit, vrifiant de plus lgalit :
+
f (t ).dt = 1 .
b- Caractrisation dune densit de probabilit :
Toute fonction relle f dfinie sur est une densit de la variable alatoire X si et
seulement si les conditions suivantes sont satisfaites :
* x ; f(x) 0.
+
* f (t ).dt = 1
* f est continue sur sauf, ventuellement, en un nombre fini de points de discontinuit.
2- Fonction de rpartition de variable alatoire continue :
a- Dfinition :
La fonction de rpartition F(x) dune variable alatoire continue X est la fonction qui fait
correspondre tout rel x le nombre rel gal :
F(x) = P(X < x) = f (t ).dt .
x
b- Proprit dune fonction de rpartition :
9
* F(x) 0 ; est continue sur .

Elle est drivable et sa driv F(x) est continue sur sauf, ventuellement, en un
nombre fini de points de discontinuit.
* En tout point x0 de continuit dune densit f, la fonction F est drivable avec :

F(x0) = f(x0).
* Toute fonction positive f sur qui concide avec F en tout point de continuit de
F(x) est une densit de probabilit de la variable alatoire X.
* xlim F ( x) = 0 .

lim F ( x) = 1 .
x +
Exemple :
Dterminer la fonction de rpartition F lie la densit de probabilit f dfinir par :

2
f(x) = si : x 1.
x3
0 si non.
x
* Si : x 1 ; alors f(x) = 0 do F(x) =
0.dt = 0 .
2
* Si : x > 1 : F(x) =
x 1 x

f (t ).dt = 0dt +
1 t2
.dt.
x
= 0 + 2 21 t 3 .dt
1
x
1
= 2 t 3 = x + 1 .
1
En rsum : F(x) = 0 si ; x 1.
1
1- si ; x > 1.
x2
3- Proprits gnrales dune variable alatoire continue :

a- Proprits gnrales :
Pour une variable alatoire X continue et deux rels a et b tels que a b. on a les
proprits suivantes :
* P(a < X b ) = a f (t ).dt.
b
* P(a < X < b) = P(a X < b ). = P(a < X b ) = P(a X b ).

+
* P( X > a ) = P( X a ) = a f (t ).dt
10
* P( X < b ) = P( X b ) = f (t ).dt
b
* P( X = a ) = 0 pour tout rel a.
b- Remarques :
P(X = a) = 0 ; signifie que lvnement (X = a) est quasiment impossible.

En effet, P( X = a ) = P(a < X a ) = a f (t ).dt .
a
c- Exercice :
Des pices de monnaie sont fabriques en srie. Leur diamtre devrait tre gal d0 ,
mais le diamtre effectif d des pices fabriques varie de manire totalement alatoire.
Soit X la variable alatoire qui donne la diffrence d d0 . Cest une variable continue
qui admet une densit f telle que :
f(x) = a(x + 1) si ; -1 x 0.
a(-x + 1) si ; 0 x 1.
0 ailleurs.
a- Dterminer la valeur du paramtre a pour que f soit une densit de probabilit.

b- Trouver la fonction de rpartition de X.
Solution :
4- Caractristiques dune variable alatoire continue :
a- Esprance mathmatique :
Dfinition :
+
E(X) =
xf ( x).dx .
+
F(x) existe si lintgrale

xf ( x).dx est convergente (c'est--dire un nombre rel fini).
Proprits :
E(X + Y) = E(X) + E(Y).

E(X) = E(X).
E(a) = a (avec; a).
11
b- Variance:
Dfinition:
V(X) = E[(X E(X))2].

+
( X E ( X ))2 f ( x).dx.
V(X) existe si cette intgrale est convergente, sinon V(X) nexiste pas.
Ou bien ; V(X) = E(X2) (E(X))2.

+
Avec ; E(X2) = X 2 f ( x).d ( x)
Proprits :
V(X Y) = V(X) + V(Y). Si X et Y sont indpendants.

V(X Y) = V(X) + V(Y) 2 cov (X, Y). Si X et Y sont dpendants.
V(X) = 2 V(X).
V(X ) = 2 V(X).
c- Ecart-type:
Cest le nombre:
(X) = V ( X ) .
Donc, (X) (ou tout simplement) est positif.
12
CHAPITRE 3 : LOIS USUELLES
I- Loi de Bernoulli :
Dans une urne contenant des boules blanches en proportion p et des boules rouges en
proportion q = 1 p . On tire une boule.
Soit la variable alatoire X = nombre de boules blanches obtenues.
X prend deux valeurs soit 0 soit 1.
X = 1 : si la boule tire est blanche.

2 : si la boule tire est rouge.
X() = {0, 1}.

P(X = 1) = p.
P(X = 0) = q = 1 p.
On dit que X soit une loi de Bernoulli de paramtre p.
On note : X B (p).
Ou bien : X B (1, p).
* E(X) = x. p x . = 0(1 p) + 1p.

E(X) = p.
* V(X) = E(X2) (E(X))2.

E(X2) = 02(1 p) + 12p = p.
V(X) = p p2 = p(1 p) = pq.
* (X) = V ( X ) = p(1 p ) = pq .
On rappelle que la variable de Bernoulli est considre comme une fonction indicatrice
des individus prsentant un certain caractre.
II- Loi binomiale :

1- Exemple et dfinition :
Dans une urne concernant 6 boules blanches et 4 boules noires, on tire, on remise, 3
boules.
Soit la variable alatoire X = nombre des boules blanches obtenues.
X prend les valeurs : 0, 1, 2, 3.
On montre que : P( X = x) = C32 (0,6) x (0,4) 3 x . avec x = 0, 1, 2, 3.
13
En gnral, on tire, sans remise, n boules dans une urne contenant des boules blanches
en proportion p et si on considre la variable alatoire X = nombre de boules blanches
obtenues.
X prend les valeurs 0, 1, 2, 3, , n.
La probabilit que X prenne une valeur x est : P( X = x) = C nx ( p ) x (q) n x . avec ; q = 1 p.
On dit que X suit une loi binomiale de paramtres n et p .
On note : X B(x, p).
III- Loi de poisson :
1- Dfinition :
Une valeur alatoire X (discrte) soit une loi de poisson de paramtre lors quelle prend
les valeurs entires 0, 1, 2 avec les probabilits.
x
Px = P(X = x) = e .
x!
est un paramtre positif, e = 2,71828
2- Caractristiques :
E(X) = .
V(X) = .
(X) = .
3- Conditions dapplication :
La loi de poisson peut tre introduite ;

- Soit comme un cas particulier de la loi binomiale, cest la loi vers laquelle tend celui-ci
lorsque le nombre n devient grand et p faible.
- Soit comme la rsultante dun processus alatoire particulier, le processus de poisson.
14
CHAPITRE 4 : Lois usuelles continues
I- Loi normale :
1- Dfinition :
Une variable alatoire X continue pouvant prendre nimporte quelle valeur relle soit une
loi normale de paramtres m et si sa densit de probabilit est :
2
1 xm
1
2
f ( x) = e . avec x.
2
T = 3,14157
e = 5,71828
m = E(X) (m, cest la moyenne).
= (X) = V ( X ) (, cest lcart type).
Or, x de X N(m, ).
2- Loi normale centre relle :
X m
Si on considre : T =

T N(0, 1).
X m 1
* E (T ) = E = E(X m)

= (E ( X ) E (m) ) = (m m ) = 0.
1 1

X m 1
* V (T ) = V = 2 V ( X m ).

1 1
= 2 V ( X ) = 2 2 = 1.

Donc, = 1.
1
1 t2
f (t ) = e 2
Avec ; t.
2
f(t) est la densit de probabilit dune loi normale centre rduite.
3- Fonction de rpartition dune variable normale continue rduite :
Cest la fonction (t) telle que : (t ) = P(T t ) = P(T t ) = f ( x).dx.

t
La fonction (t) est tabule.
15
4- Quelques relations retenir :
* P(T t ) = P(T t ) = (t ).
* P(aT b ) = (b) (a).
* (t ) = 1 (t ).
* (t ) = 1 (t ).
* P( t T t ) = 2 (t ) 1.
II- Loi du khi deux (Khi carr) :
1- Dfinition :
Soit T1, T2, , Tn, n variables alatoires normales centres rduites et indpendantes. La
somme de leurs carres est variable alatoire qui suit une loi de khi deux de paramtre
appel nombre de degrs de libert.
16
EXERCICES
Exercice 1 :
Soient A, B et C trois vnements, exprimez les vnements suivants :

1- A seul se produit.
2- A et B se produisent et pas C.
3- A, B et C se produisent simultanment.
4- Au moins lun des vnements A, B ou C se produit.
5- Au moins deux vnements se produisent.
6- Au plus deux vnements se produisent.
7- Un est un seul se produit.
8- Deux seulement se produisent.
9- Aucun ne se produit.
Solution n 1 :
1- A B C .
2- A B C .
3- A B C.
4- (A B C ) ( A B C ) ( A B C) (A B C ) (A B C)
( A B C) (A B C) = A B C .
5- (A B C ) (A B C) ( A B C) (A B C).
6- (A B C ) (A B C) ( A B C) (A B C ) ( A B C )
( A B C) ( A B C ) = A B C .
7- (A B C ) ( A B C ) ( A B C).
8- (A B C ) (A B C) ( A B C).
9- ( A B C ).
Exercice 2 :
Combien de nombres de 4 chiffres peut-on former avec les dix chiffres 0, 1, 2, 3, 4, 5, 6, 7,

8, 9. Si :
a- Les rptitions sont autorises ?
b- Les rptitions sont interdites ?

c- Les rptitions sont autorises et le dernier chiffre doit tre zro ?
Solution n 2 :
a- C91 .C101 .C101 .C101 = 9 103 = 9000.

C91 . A93 = 9 103 = 9000.
b- C91 .C91 .C81 .C71 = 9987 = 4536.
17
9!
C91 . A93 = 9 = 4536.
(9 3)!
c- C91 .C101 .C101 .C11 = 900.
C91 . A102. C11 = 91102 = 900.
Exercice 3 :
On doit ranger sur une tagre 4 ouvrages de mathmatiques diffrents, 6 ouvrages

diffrents dconomie et 2 livres dinformatique diffrents. Combien y a-t-il de
rangements diffrents si :
a- Les ouvrages doivent tre rangs par spcialit ?
b- Seuls les ouvrages de maths doivent tre rangs ensemble ?
Solution n 3 :
a- 3! (4! 6! 2!) = 207360.

b- 4! 9! = 8709120.
Exercice 4 :
On doit former un groupe comprenant 2 hommes et 3 femmes sur la base dun groupe plus
large, form de 5 hommes et 7 femmes. Quel est le nombre de possibilits si :
a- Le comit peut comprendre nimporte lequel des hommes et des femmes ?
b- Une femme particulire doit tre membre du comit ?
c- Deux hommes particuliers doivent tre exclu du comit ?
Solution n 4 :
a- C52 .C 73 = 350
b- C11 .C 62 .C52 = 150
c- C32 .C 73 = 105
Exercice 5 :
Deux postes sont offerts dans une entreprise, postes qui peuvent indiffremment tre
occups par un homme ou par une femme.

4 femmes et 2 hommes posent leur candidature et les chances de chacun des 6 postulants
sont priori quivalent :
a- Probabilit pour que les deux postes soient occups par deux femmes ?
b- Probabilit pour que les deux postes soient occups par deux hommes ?
c- Probabilit pour que les deux postes soient occups par deux personnes de mme
sexe ?
d- Probabilit pour que les deux postes soient occups par deux personnes de sexes
diffrents ?
18
Solution n 5 :
Exercice 6 :
Au cours dun jeu radiophonique un speaker pose 5 questions un candidat qui doit
rpondre par oui ou non . Le candidat est dclar vainqueur sil rpond
correctement au moins 4 questions.
Quelle est la probabilit pour que le joueur gagne ?
Solution n 6 :
Exercice 7 :
On jette n fois deux ds :

a- Calculer la probabilit pour que le double six sorte au moins une fois ?
b- Combien de fois faut-il jeter les deux ds pour parier avec avantage dobtenir au
moins un double six ?
Solution n 7 :
Exercice 8 :
Soient A et B deux vnements tel que A B . Montrer que P(A) P(B).
Solution n 8 :
On a: B = A ( A B) .
P(B) = P[ A ( A B) ].
= P(A) + P ( A B) .
P(B) P(A) = P ( A B ) 0.
Donc P(B) P(A) 0.
Et P(A) P(B).
Exercice 9 :
On considre deux vnements A et B tel que :

P(A) = 40% ; P(B) = 60% et P ( A B ) = 70%.
19
a- Calculer P ( A B ) et P (B A) .
b- Serait-il possible que P( A B ) = 45% (les probabilits de A et B restent
inchanges) ?
Solution n 9 :
P( A B)
a- P( A B) = .
P( B)
P ( A B ) = P ( A) + P ( B ) P ( A B ) .
P ( A) + P ( B ) P ( A B ) 0,4 + 0,6 0,7 0,3
Donc : P( A B) = = = = 0,5.
P( B) 0,6 0,6
P ( A B ) 0,3
P ( B A) = = = 0,75.
P ( A) 0,4
b- non, on ne peut pas avoir P( A B) = 45% .
En effet, si P( A B) = 45% , on aurait :
P ( A B ) = P ( A) + P ( B ) P ( A B ) = 0,4 + 0,6 0,45 = 0,55 = 55%.
Ce qui nest pas possible, do P( A B) 45%
Exercice 10 :
On considre trois vnements A, B, C tels que :

P (B C ) = .
1
P(A) = 0,1 ; P(B) = 0,3 ; P(C) = 0,4 ;
3
Calculer les probabilits suivantes : P (B C ) ; P (B C ) ( ) ( )
; PC B ; PC B ; PBC ; ( )
P (B C ) ; P (C B ) ; P (C B ).
Solution n 10 :
On sait que : P (x y ) = P(x) P ( y x ) ou P(y) P (x y ) .
* P (B C ) = P(C) P (B C ) = 0,4
1 0,4
= .
3 3
( )
P B C ( )
P(B ) P(B C )
*P B C =
PC
=
() PC ()
P(B ) P(B C )
= =
1 P(C )
* P (C B ) =
PCB( )
P(B ) P(B C )
PB
=
()1 P(B )
=
* P (C B ) =
(
P B C
=
)
P(B ) P(B C )
=
P (B ) P (B )
* P (B C ) =
(
P B C
=
)
P(B ) P(B C )
P(C ) P(C )
Ou bien on peut le dmontrer comme suit :
20
P (B C ) = 1 - P (B C ) .
* P (B C ) = P (B ) P (C B ) = (1 P(B ) (1 P(C B ))) .
P(C ) P(B C )
* P (C B ) =
P (B )
P( X ) P(Y X ) P (B C )
On sait que : P( X Y ) = ou bien P(C B ) = .
P(Y ) P(B )
* P (C B ) =
(
P B C )
P(B )
Ou bien : P (C B ) = 1 - P (C B ).
Exercice 11 :
On considre un espace probabilit (, P(), P) et trois vnements probabilits

respectives P(A), P(B), P(C).
a- Montrer que P( A B ) P( A) P (B ). .
b- Dduire que : P( A B C ) 1 P (A) P(B ) P (C ). .
c- Gnraliser le rsultat prcdent au cas de n vnement A1, A2.An.
Solution n 11 :
Exercice 12 :
Une boite I contient 3 billes rouges et 2 billes bleus, et une boite II contient 2 billes rouges
et 8 billes bleus. On tire une bille de lune des deux boites sachant que la bille est rouge,
quelle est la probabilit quelle soit tire de la boite I ?
Solution n 12 :
- La probabilit quon doit calculer est : P(I R ) .

Il faut connatre : P(R I ) =
3
.
5
P(R II ) =
2 1
= .
10 5
1
P(I) = P(II) = .
2
P(R I ) P (R I ) P (R I )
Donc : P(I R ) = = =
P (R ) P[(R I ) (R II )] P(R I ) + P(R II )
P ( I ) P (R I ) 3
= = .
[P(I ) P(R I )] + [P(II ) P(R II )] 4
Exercice 13 :
21
Sur 20 jetons, 8 sont noirs, 6 sont blancs et 6 possdent une face blanche et une face noire.
a- On choisis au hasard un jeton que lon jette. La face apparente tant blanche, quelle
est la probabilit pour que la face cache soit blanche ?
b- On effectue lpreuve prcdente n fois avec remise. Soit A lvnement : sur les n
preuves, on obtient au moins une fois une face apparente blanche. Quelle valeur
minimum de n, a-t-on P(A) = 0,99 ?
Solution n 13 :
Soient les vnements :

B : jetons deux faces blanches ;
N : jetons deux faces noires ;
M : jetons une face noire et une face blanche ;
A : face apparente est blanche.
a- la probabilit quon doit calculer est la suivante : P(B A)

P( A B ) = 1 P( A N ) = 0 P( A M ) =
1 B
2
P (B ) = P(N ) = P (M ) =
6 8 6
. N
20 20 20
P( A B ) P( A B )
P (B A ) = =
P ( A) P[( A B ) ( A N ) ( A M )]
M
P( A B )
=
P( A B ) + P ( A N ) + P ( A M )
P(B ) P( A B )
=
[P(B ) P( A B )] + [P(N ) P( A N )] + [P(M ) P( A M )]
2
= .
3
b- soient les vnements :

Ai = obtenir une face apparente blanche au inime jet ; avec i = 1, 2, , n.
A = obtenir au moins une fois une face apparente blanche.
P (A) 0,99
P(A) = P( A1 A2 ..... An ) .
= 1- P (A1 A2 ..... An ) .
= 1 - P (A1 A2 ..... An ) .
= 1 - [P (A1 ) P (A2 ) ...... P(An )] .
n
= 1 - .
11
20
n
1 -
11
P (A) 0,99 0,99.
20
22
n
0,01.
11
20
n. log Log (0,01).
11
20
log 0,01 log 0,01
n = = 7,7 8
11 log 11 log 20
log
20
Donc : n 8.
Ou bien, en utilisant la loi binomiale :

Soit la variable alatoire :
x = nombre de faces apparentes blanches obtenues sur n jets.
9
x B(n, )
20
9
(x suit une loi binominale de paramtres n et ).
20
Car : n est fixe et connue ; deux rsultats contraires pour chaque preuve ;
indpendance des vnements.
La probabilit demande est P(A) = P(x 1)
P(A) = 1- P(x<1)
= 1 P(x = 0)
0 n n
= 1 - C = 1
9 0 11 11
n
20 20 20
Exercice 14 :
Un appareil peut comporter des organes de haute qualit ou des organes de qualit
courante. On admettra que 4096 des appareils ne comportent que des organes de haute
qualit.
La probabilit pour quun appareil fonctionne sans dfaillance pendant t heures est, on
ladmettra ainsi, 0,95 sil est compos dorganes de haute qualit et 0,7 sil comporte des
organes de qualit courante.
Un appareil a fonctionn T heures sans dfaillance.
Quelle est la probabilit pour quil soit constitu dorgane de haute qualit ? De qualit
courante ?
23

Probabilité

Transféré par

Droits d'auteur :

Formats disponibles

Probabilité

Transféré par

Informations du document

Description originale:

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

Probabilité

Transféré par

Droits d'auteur :

Formats disponibles

Cours

Numrisation & Conception

TABLE DES MATIRES

TABLE DES MATIRES...........................................................................................................................2

a- Esprance mathmatique : .......................................................................................................11

CHAPITRE 1 : AXIOMES DU CALCUL DES PROBABILITS

Cest toute partie (ou sous ensemble) de .

Cest un vnement toujours ralis, il correspond lensemble fondamental.

II- Axiome des probabilits totales :

a- en vertu de la troisime proprit, on a :

b- Si dans lgalit prcdente, on fait A = , il vient, puisque :

c- Si B est incluse dans A ( A B )

d- Tout ensemble A appartenant P() (donc un vnement) est inclus dans . Do :

3- Axiome des probabilits totales dans le cas de deux vnements non

Car, en vertu de la deuxime proprit :

4- Axiome de probabilit totale dans le cas de plusieurs vnements

a- Cas de trois vnements :

Soient A, B et C trois vnements, on montre que :

On montre, par rcurrence, que :

III- Axiome de probabilits composes :

La ralisation dun vnement A sachant quun autre vnement B a t ralis est :

2- Axiomes de probabilits composes dans le cas de plusieurs vnements :

a- Cas de trois vnements :

Soient A1, A2, ., An n vnements.

3- Indpendance de deux vnements :

Lvnement A est indpendant de lvnement B, si :

Si A et B sont indpendants, alors :

On dit que n vnements A1, A2, , An sont indpendants sils sont :

IV- Thorme de BAYES :

Soient les vnements E1, E2, , En. Tels que Ei E j = .

On dit que E1, E2, , En forment un systme complet dvnements.

A peut tre cause par E1, E2, .., ou En et on a :

P(Ei A) est appele probabilit posteriori de Ei

CHAPITRE 2 : VARIABLES ALATOIRES ET LEURS

On jette deux ds quilibrs, et on sintresse X = somme des deux numros obtenus .

II- Variables alatoires continues (ou densit) :

1- Densit de probabilit dune variable alatoire continue :

2- Fonction de rpartition de variable alatoire continue :

b- Proprit dune fonction de rpartition :

* F(x) 0 ; est continue sur .

* En tout point x0 de continuit dune densit f, la fonction F est drivable avec :

Dterminer la fonction de rpartition F lie la densit de probabilit f dfinir par :

3- Proprits gnrales dune variable alatoire continue :

* P(a < X < b) = P(a X < b ). = P(a < X b ) = P(a X b ).

* P( X = a ) = 0 pour tout rel a.

P(X = a) = 0 ; signifie que lvnement (X = a) est quasiment impossible.

a- Dterminer la valeur du paramtre a pour que f soit une densit de probabilit.

4- Caractristiques dune variable alatoire continue :

E(X + Y) = E(X) + E(Y).

V(X) = E[(X E(X))2].

Ou bien ; V(X) = E(X2) (E(X))2.

V(X Y) = V(X) + V(Y). Si X et Y sont indpendants.

CHAPITRE 3 : LOIS USUELLES

X = 1 : si la boule tire est blanche.

X() = {0, 1}.

* E(X) = x. p x . = 0(1 p) + 1p.

* V(X) = E(X2) (E(X))2.

II- Loi binomiale :