Pro 2013

Analyse combinatoire et probabilités - Exercices et corrigés
Michel Semon
www.phymaths.ch
1
TABLE DES MATIÈRES
Table des matières

1 Introduction 5
2 Enoncés 5
2.1 Analyse combinatoire (dénombrement) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.1 Exercice M-Un cadenas à numéros a trois roues... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.2 Exercice M-D’un jeu de 52 cartes, on tire... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.3 Exercice M-Combien de nombres différents de 6 chiffres... . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.4 Exercice M-De combien de manières peut-on arranger 5 personnes... . . . . . . . . . . . . . . . . . . . . . . 6
2.1.5 Exercice Combien de mots de 10 lettres... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.6 Exercice La façade d’une maison compte 8 fenêtres... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.7 Exercice Combien de couples de valeurs obtient-on... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.8 Exercice Le nombre d’atomes dans l’univers visible... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.9 Exercice Dans un groupe il y a 10 hommes, 8 femmes... . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.10 Exercice M. Jones va disposer 10 livres... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.11 Exercice Soit le mot mississippi ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.12 Exercice Combien de nombres différents... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.13 Exercice De combien de manières différentes peut-on gagner à l’euro-million... . . . . . . . . . . . . . . . . . . 7
2.1.14 Exercice Une boîte contient 12 boules, 3 rouges,... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.15 Exercice À partir d’un groupe de 5 femmes et de 7 hommes... . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.16 Exercice Un groupe de 12 personnes doit être partagé en ... . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.17 Exercice De combien de manières peut-on asseoir ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.18 Exercice Un enfant possède 12 cahiers : 6 noirs, 4 rouges... . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.19 Exercice On considère un groupe de 20 personnes.... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.20 Exercice On veut former un comité de 7 personnes,... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.21 Exercice Pour une partie de bridge ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.22 Exercice Si 8 tableaux noirs doivent être affectés à 4 écoles... . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.23 Exercice Un ascenseur quitte le rez-de-chaussée avec 8 personnes.. . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.24 Exercice Fournir un argument d’analyse combinatoire... . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.25 Exercice Un étudiant doit répondre à 7 des 10 questions... . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.26 Exercice Huit nouveaux professeurs vont être... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.27 Exercice M-Combien de séquences différentes... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.28 Exercice M-Une classe de l’école de Nyon a reçu... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.29 Exercice M-Les douze tomes d’une encyclopédie... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.30 Exercice M-Il y a quelques années, chaque classe de gymnase... . . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.31 Exercice M-Une maîtresse de maison a onze amis ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.32 Exercice De combien de manières peut-on partager . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.1 Exercice M-Une urne contient 12 boules : 3 rouges, 4 bleues... . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.2 Exercice M-D’un jeu de 52 cartes, on tire 5 cartes... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.3 Exercice M-De 25 calculatrices, 5 ont un défaut... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.4 Exercice M-On sélectionne un échantillon ordonné... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.5 Exercice M-On tire 10 fois de suite à pile ou face... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.6 Exercice M-Dans une assemblée de 400 personnes,... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.7 Exercice M-Une télé fabriquée en très grande série... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.8 Exercice M-Une agence de voyage fait un sondage statistique... . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.9 Exercice On possède une cage avec 35 lapins et 4 hamsters... . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.10 Exercice Soit un jeu de 52 cartes à jouer... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.11 Exercice Un comité de 5 personnes... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.12 Exercice Dans une partie de carte, on distribue... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.13 Exercice Combien de personnes faut-il réunir... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.14 Exercice Un magasin accepte les cartes de crédit... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.15 Exercice 60% des élèves d’une école ne portent... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.16 Exercice Une école propose trois cours de langue... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.17 Exercice Après une soirée bien arrosée... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1er mars 2014-11:07 Dossier d’exercices - Analyse combinatoire et Probabilités 2

TABLE DES MATIÈRES
2.2.18 Exercice Huit tours sont disposées au hasard ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2.2.19 Exercice On jette une paire de dés équilibrés... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.20 Exercice Une urne contient cinq boules rouges... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.21 Exercice Une boîte contient n boules rouges ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.22 Exercice Une réserve clôturée abrite vingt cerfs... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.23 Exercice Le second Comte de Yarborough paria à 1000 contre 1... . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.24 Exercice Une ville compte cinq hôtels... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.25 Exercice On dispose sur un rang 4 couples mariés... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.26 Exercice Calculer les chances de gagner à la loterie à numéro suisse... . . . . . . . . . . . . . . . . . . . . . 15
2.2.27 Exercice M-Dans un porte monnaie contenant des pièces . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.28 Exercice M-Une boîte contient 36 boules,... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.29 Exercice Dans la forêt équatoriale, chaque naissance de gorilles... . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.30 Exercice M-Dans une ville, 40% de la population... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.31 Exercice M-Dans une classe, 15% des notes de mathématiques... . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.32 Exercice M-Dans une autre classe, la probabilité... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.33 Exercice M-On fait expérimentalement les constatations suivantes... . . . . . . . . . . . . . . . . . . . . . . 16
2.2.34 Exercice M-Trois boîtes A, B et C contiennent... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.35 Exercice M-Un programme pour arrêter de fumer permet... . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.36 Exercice M-Dans une population, il y a 5% de daltoniens... . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.37 Exercice M-Dans un gymnase, 4% des garçons et 1% des filles... . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.38 Exercice On jette deux dés équilibrés. Quelle est la probabilité... . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.39 Exercice Une urne contient 6 boules blanches ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.40 Exercice Le roi vient d’une famille de 2 enfants... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.41 Exercice On choisit trois cartes au hasard... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.42 Exercice Une récente diplômée a l’intention de passer ... . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.43 Exercice Une grossesse ectopique a deux fois... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.44 Exercice Dans une certaine ville, 36% des familles... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.45 Exercice Comment placer 20 boules, dont 10 sont... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.46 Exercice On considère deux boîtes, l’une contient... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.47 Exercice Trois cuisiniers A, B et C sont ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.48 Exercice Une classe compte 4 garçons et 6 filles... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.49 Exercice La reine porte le gène de l’hémophilie... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.50 Exercice On admet que le sexe du dernier enfant... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.51 Exercice Si A est inclu dans B, exprimer les probabilités... . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.52 Exercice Avant de partir en vacances vous priez ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.53 Exercice Montrer que ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.54 Exercice M-Une urne contient quatre boules rouges... . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.55 Exercice M-Un joueur a deux pièces de monnaie : ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.56 Exercice M-En Angleterre, on écrit le mot "rigueur"... . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.57 Exercice M-Une urne contient 10 boules rouges... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.58 Exercice M-Une boîte contient 7 boules blanches... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.59 Exercice M-Un pêcheur a remarqué qu’après... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.60 Exercice M-On enferme dans une boîte munie d’un orifice... . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.61 Exercice M-Une urne u1 contient 3 boules rouges,... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.62 Exercice M-Dans une population équatoriale... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.63 Exercice M-Lors d’un concours, un candidat... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.64 Exercice M-Une famille a deux enfants. On sait... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.65 Exercice M-Un carton contient 12 verres dont 4... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2.66 Exercice M-On jette 3 fois une pièce de monnaie... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2.67 Exercice M-On s’intéresse à une famille ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2.68 Exercice M-Un club de tennis de 14 membres... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2.69 Exercice M-Dans un parc national africain,... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2.70 Exercice On promet la liberté à un prisonnier... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.71 Exercice Paradoxe du Chevalier de Méré... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.72 Exercice M-Dans un groupe formé de ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.73 Exercice M-Une fabrique de webcams teste la qualité... . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

TABLE DES MATIÈRES
2.2.74 Exercice M-Un réfrigérateur contient 5 vaccins... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2.2.75 Exercice M-Evariste va faire un tour au "Luna Park"... . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2.76 Exercice M-Le personnel d’un hôpital est réparti... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2.77 Exercice M-Une pochette contient dix pièces :... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2.78 Exercice Une famille de 6 enfants est composée... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.79 Exercice Dans une ville formée de six quartiers... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.80 Exercice Soit un groupe de 7 personnes... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.81 Exercice Une petite école donne 30 cours chaque semaine... . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.82 Exercice Un sac contient une boule verte ou bleue... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.83 Exercice Un filtre pour messages électroniques ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3 Variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.1 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.2 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.4 Variables aléatoires continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.5 Variables aléatoires simultannées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3 Réponses détaillées aux exercices 31

3.1 Réponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2 Probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

1 Introduction
Avant tout une petite explication au sujet du choix du petit dessin de la page de titre. Beaucoup de mes
élèves n’aiment pas du tout, mais alors pas du tout les probabilités ! C’est donc pour eux et tous ceux qui
pensent qu’ils n’y arriveront jamais.
Les probabilités sont un sujet un peu à part dans l’étude des mathématiques. Le sujet semble facile au
premier abord, mais ce n’est qu’une apparence. L’étude paraît pouvoir se faire en utilisant son intuition,
car beaucoup de problèmes traduisent des situations quotidiennes. Cependant au fur et à mesure un be-
soin de structuration se fait sentir et certaines notions de base (analyse combinatoire et algèbre de Boole)
deviennent vite nécessaires.
Je me suis longtemps demandé si il fallait essayer de classer les exercices de probabilité ou d’analyse com-
binatoire en catégories distinctes. Je me suis vite rendu compte que ceci est plus embrouillant qu’utile.
C’est un sujet vraiment difficile et la seule manière de le cerner est de faire beaucoup d’exercices. J’ai donc
décidé de ne faire qu’une seule distinction en séparant les exercices d’analyse combinatoire de ceux de pro-
babilité.
Le présent recueil contient plus d’une centaine de problèmes très divers. Ils sont tirés de différents livres
de référence, de séries d’exercices que mes élèves ont reçues ces dernières années, d’examens de maturité
et d’exemples que j’ai retrouvés dans mes notes de cours 1 . Quelques exercices ont étés traduits ou inspirés
du cours de Joe Blitzstein "Statistic 110 : Probability" de l’université de Harvard et d’autres de "Physique
statistique stat-340" de André-Marie Trembley, Université de Sherbrooke.
Les exercices précédés d’un M dans la table des matières sont des exercices donnés en classe de maturité
des gymnases suisses romands durant ces dernières années aux examens de maturités (niveaux standard
et renforcé). Cela ne veut pas dire qu’ils sont plus difficiles ou plus faciles que les autres. Je les ai signalés
simplement pour information.
2 Enoncés
2.1 Analyse combinatoire (dénombrement)
2.1.1 Exercice M-Un cadenas à numéros a trois roues...
Un cadenas à numéros a trois roues ; chacune porte les numéros 0 à 9. Combien de "nombres" secrets y
a-t-il ?
Solution
2.1.2 Exercice M-D’un jeu de 52 cartes, on tire...

D’un jeu de 52 cartes, on tire deux cartes simultanément (sans remise). De combien de manières diffé-
rentes est-ce possible ?
Solution
2.1.3 Exercice M-Combien de nombres différents de 6 chiffres...

Combien de nombres différents de 6 chiffres existe-t-il
a) Si il n’y a aucune restriction ?
b) Si les nombres doivent être divisibles par 5 ?
c) si les répétitions de chiffres sont exclues ?
Solution
1. Le support de cours était le livre de Sheldon Ross, Initiations aux probabilités

2.1.4 Exercice M-De combien de manières peut-on arranger 5 personnes...

De combien de manières peut-on arranger 5 personnes
a) sur une ligne ?
b) Autour d’une table ronde ? (seulement la position relative des uns vis-à-vis des autres importe).
Solution
2.1.5 Exercice Combien de mots de 10 lettres...

Combien de mots de 10 lettres peut-on former avec les 26 lettres de l’alphabet si
a) on utilise chaque lettre une seule fois,
b) on peut réutiliser les lettres.
Solution
2.1.6 Exercice La façade d’une maison compte 8 fenêtres...

La façade d’une maison compte 8 fenêtres, ces fenêtres peuvent être soit ouvertes soit fermées.
a) De combien de manières différentes peut se présenter cette façade ?
b) Même question si on considère que chaque fenêtre a deux battants ?
c) Qu’en est-il si la première fenêtre est toujours ouverte et la 6e toujours fermée (fenêtres complètes, on
n’oublie les battants).
Solution
2.1.7 Exercice Combien de couples de valeurs obtient-on...

Combien de couples de valeurs obtient-on en lançant deux dés de couleurs différentes ?
Solution
2.1.8 Exercice Le nombre d’atomes dans l’univers visible...

Le nombre d’atomes dans l’univers visible est estimé à 1080 . Combien de cartes différentes devraient
contenir un jeu pour que le nombre des permutations possibles dépasse cette valeur "énorme" ?
Indication
2.1.9 Exercice Dans un groupe il y a 10 hommes, 8 femmes...

Dans un groupe il y a 10 hommes, 8 femmes et 7 enfants. De combien de manières différentes peut-on
les placer sur une ligne si
a) ils peuvent se placer librement ?
b) Les hommes désirent rester groupés ?
Solution
2.1.10 Exercice M. Jones va disposer 10 livres...

M. Jones va disposer 10 livres sur un rayon de sa bibliothèque. Quatre d’entre eux sont des livres de
mathématiques, trois de chimie, deux d’histoire et un de langue. Jones aimerait ranger ses livres de façon
que tous les livres traitant du même sujet restent groupés. Combien y a-t-il de dispositions possibles ?
Solution

2.1.11 Exercice Soit le mot mississippi ...

Soit le mot mississippi (figure 1), combien de permutations différentes obtient-on si
a) on ne tient compte ni de la casse (majuscules, minuscules) ni des couleurs ?
b) On tient compte de la casse et des couleurs ?
F IGURE 1 –
Solution
2.1.12 Exercice Combien de nombres différents...

Combien de nombres différents peut-on écrire avec les chiffres 3,3,5,0 ?
Solution
2.1.13 Exercice De combien de manières différentes peut-on gagner à l’euro-million...

De combien de manières différentes peut-on gagner à l’euro-million ? Il faut choisir 5 numéros parmi
50 et 2 étoiles numérotées parmi 11.
Solution
2.1.14 Exercice Une boîte contient 12 boules, 3 rouges,...

Une boîte contient 12 boules : 3 rouges, 4 bleus et 5 jaunes. On tire simultanément 3 boules. Combien
de combinaisons différentes existe-t-il si on désire avoir une boule de chaque couleur ?
Solution
2.1.15 Exercice À partir d’un groupe de 5 femmes et de 7 hommes...

À partir d’un groupe de 5 femmes et de 7 hommes, combien de comités différents composés de 2 femmes
et de 3 hommes peut-on former ? Qu’en est-il si 2 des hommes s’entendent mal et refusent de siéger simul-
tanément au comité ?
Solution
2.1.16 Exercice Un groupe de 12 personnes doit être partagé en ...

Un groupe de 12 personnes doit être partagé en 2 groupes de 6 personnes. Un groupe partira en Indes
et l’autre en Australie. Combien y a-t-il de manières d’organiser les voyages ?
Solution

2.1.17 Exercice De combien de manières peut-on asseoir ...

De combien de manières peut-on asseoir sur une ligne 4 garçons et 3 filles ? Qu’en est-il
a) si les garçons doivent rester ensembles et les filles aussi ?
b) Si seuls les garçons doivent rester ensemble ?
c) Si deux personnes du même sexe ne doivent jamais voisiner ?
Solution
2.1.18 Exercice Un enfant possède 12 cahiers : 6 noirs, 4 rouges...

Un enfant possède 12 cahiers : 6 noirs, 4 rouges, 1 blanc et 1 bleu. S’il tient à placer tous les noirs les
uns derrière les autres, de combien de manières peut-il placer ses cahiers ?
Solution
2.1.19 Exercice On considère un groupe de 20 personnes....

On considère un groupe de 20 personnes. Si chaque personne serre la main de toutes les autres, combien
y a-t-il de poignées de main ?
Solution
2.1.20 Exercice On veut former un comité de 7 personnes,...

On veut former un comité de 7 personnes, dont 2 républicains, 2 démocrates et 3 indépendants. On a le
choix parmi les 5 républicains, 6 démocrates et 4 indépendants. De combien de manières peut-on procéder ?
Solution
2.1.21 Exercice Pour une partie de bridge ...

Pour une partie de bridge chacun des 4 joueurs reçoit 13 cartes. Le jeu en compte 52. Combien y a-t-il
de donnes possibles ?
Solution
2.1.22 Exercice Si 8 tableaux noirs doivent être affectés à 4 écoles...

Si 8 tableaux noirs doivent être affectés à 4 écoles, de combien de manières peut-on les répartir ? Qu’en
est-il si chaque école doit recevoir au moins un tableau ? (Les tableaux noirs sont indiscernables)
Solution
2.1.23 Exercice Un ascenseur quitte le rez-de-chaussée avec 8 personnes..

Un ascenseur quitte le rez-de-chaussée avec 8 personnes (liftier non compris). Lorsqu’il repart du 6e
étage, il est vide.
a) De combien de manières le liftier a-t-il pu percevoir le départ des 8 personnes si pour lui elles se
ressemblent toutes ?
b) Qu’en est-il s’il peut faire la différence entre un homme et une femme, l’ascenseur contenant 5
hommes et 3 femmes au départ ?
c) Que se passe-t-il si pour lui, chaque personne est discernable ?
Solution

2.1.24 Exercice Fournir un argument d’analyse combinatoire...

Fournir un argument d’analyse combinatoire pour expliquer que
C np = C nn− p = C nn− p,p
Solution
2.1.25 Exercice Un étudiant doit répondre à 7 des 10 questions...

Un étudiant doit répondre à 7 des 10 questions d’un examen.
a) De combien de manières peut-il les choisir ?
b) Même question s’il est obligé de choisir au moins 3 des 5 premières questions ?
Solution
2.1.26 Exercice Huit nouveaux professeurs vont être...

Huit nouveaux professeurs vont être envoyés dans 4 écoles (les professeurs et les écoles sont discer-
nables).
a) Combien y a-t-il d’affectations possibles ?
b) Qu’en est-il si l’on impose que chaque école recevra deux professeurs ?
Solution
2.1.27 Exercice M-Combien de séquences différentes...

a) Combien de séquences différentes peut-on lire sur un compteur kilométrique de voiture, ce compteur
étant composé de 6 cylindres sur chacun desquels sont gravés les chiffres de 0 à 9 ?
b) Parmi les configurations ci-dessus, quel est le nombre de celles où figure exactement trois fois le chiffre
5?
c) Même question, mais où figure au moins trois fois le chiffre 5.
d) Même question, mais où figure au moins une fois le chiffre 5.
Solution
2.1.28 Exercice M-Une classe de l’école de Nyon a reçu...

Une classe de l’école de Nyon a reçu 4 billets pour le cirque Knie. Sachant que cette classe est composée
de 19 élèves, calculer le nombre de façons de distribuer ces 4 billets dans chacun des cas suivants :
a) les billets sont numérotés et chaque élève ne peut recevoir qu’un seul billet ;
b) les billets sont numérotés et chaque élève peut recevoir plusieurs billets ;
c) les billets ne sont pas numérotés et chaque élève ne peut recevoir qu’un seul billet.
Solution
2.1.29 Exercice M-Les douze tomes d’une encyclopédie...

Les douze tomes d’une encyclopédie sont rangés au hasard.
a) Combien y a-t-il de manières de les classer ?
b) Parmi ces classements, combien y en a-t-il où les tomes 1 et 2 se trouvent côte à côte (dans cet ordre) ?
c) Parmi ces classements, combien y en a-t-il où les tomes 1 et 2 se trouvent côte à côte ?
Solution

2.1.30 Exercice M-Il y a quelques années, chaque classe de gymnase...

Il y a quelques années, chaque classe de gymnase devait avoir une délégation de trois élèves (un laveur
de tableaux, un chef et un sous-fifre). Une classe est composée de 11 filles et 3 garçons.
a) Combien y a-t-il de délégations possibles ?
b) Combien y a-t-il de délégations si le laveur de tableaux doit être un garçon ?
c) Combien y a-t-il de délégations possibles si les deux sexes doivent être présents dans la délégation ?
d) Voilà une variante du problème : supposons que chacun des délégués doit avoir un suppléant. Combien
y a-t-il de délégations possibles si le délégué et le suppléant doivent être de sexe différent.
Solution
2.1.31 Exercice M-Une maîtresse de maison a onze amis ...

Une maîtresse de maison a onze amis très proches. Elle souhaite en inviter cinq à dîner.
a) Combien de groupes différents d’invités y a-t-il ?
b) Combien de possibilités y a-t-il si deux d’entre eux sont mariés et ne peuvent venir qu’ensemble ?
c) Combien de possibilités y a-t-il si deux d’ eux sont en mauvais terme et ne peuvent pas être invités
ensemble ?
Solution
2.1.32 Exercice De combien de manières peut-on partager

a) De combien de manières peut-on partager 12 personnes en trois groupes, un groupe de 2 et deux groupes
de 5 ?
b) Idem que a) mais avec trois groupes de 4 personnes ?
Solution

2.2 Probabilités
2.2 Probabilités
2.2.1 Exercice M-Une urne contient 12 boules : 3 rouges, 4 bleues...
Une urne contient 12 boules : 3 rouges, 4 bleues et 5 jaunes. On tire simultanément 3 boules. Calculer
la probabilité des événements suivants :
a) A="les trois boules sont rouges" ;
b) B="on a tiré une boule de chaque couleur" ;
c) C="aucune des trois boules n’est rouge" ;
d) D="au moins une des trois boules est rouge" ;
e) E="au moins une des trois boules est bleue" ;
f) F="au plus une des trois boules est bleue" ;
Solution
2.2.2 Exercice M-D’un jeu de 52 cartes, on tire 5 cartes...

D’un jeu de 52 cartes, on tire 5 cartes sans remise. Quelle est la probabilité de tirer
a) 5 coeurs ?
b) 2 piques et 3 coeurs ?
c) 5 trèfles ou 5 coeurs ?
d) 5 cartes de la même couleur (pique, coeur, carreau, trèfle) ?
e) 3 cartes d’une couleur et 2 d’une autre ?
f) les 4 as et une autre carte ?
Solution
2.2.3 Exercice M-De 25 calculatrices, 5 ont un défaut...

De 25 calculatrices, 5 ont un défaut. On en choisit 4 de manière aléatoire. Quelle est la probabilité
qu’aucune des 4 calculatrices soit défectueuse ?
Solution
2.2.4 Exercice M-On sélectionne un échantillon ordonné...

On sélectionne un échantillon ordonné de taille 3 d’un ensemble de 26 jetons sur lesquels figurent les
lettres de l’alphabet. Calculer la probabilité des événements suivants :
a) A = "ce sont 3 consonnes" ;
b) B = "ce sont 3 voyelles" ;
c) C = "c’est le mot MOI" ;
d) D = "c’est un anagramme du mot MOI".
Solution
2.2.5 Exercice M-On tire 10 fois de suite à pile ou face...

On tire 10 fois de suite à pile ou face avec une pièce de monnaie équilibrée. Quelle est la probabilité
d’obtenir exactement 4 fois face et 6 fois pile ?
Solution

2.2 Probabilités
2.2.6 Exercice M-Dans une assemblée de 400 personnes,...

Dans une assemblée de 400 personnes, 300 comprennent le français, 200 l’allemand, 90 l’anglais. 160
comprennent le français et l’allemand, 60 le français et l’anglais, 20 l’allemand mais ni l’anglais ni le
français et 20 comprennent les trois langues. On choisit une personne au hasard dans cette assemblée.
Quelle est la probabilité que cette personne comprenne
a) exactement deux des trois langues ?
b) Au moins une des trois langues ?
Solution
2.2.7 Exercice M-Une télé fabriquée en très grande série...

Une télé fabriquée en très grande série peut être défectueuse à cause de deux défauts différents dési-
gnés par A et B, 10% des appareils ont le défaut A, 8% ont le défaut B et 4% les deux défauts simultanément.
Un client achète l’un des appareils produits.
a) Quelle est la probabilité que l’appareil soit sans défaut ?
b) Quelle est la probabilité que l’appareil ne présente que le défaut A ?
c) Quelle est la probabilité que l’appareil ne présente que le défaut B ?
Solution
2.2.8 Exercice M-Une agence de voyage fait un sondage statistique...

Une agence de voyage fait un sondage statistique sur la connaissance de trois pays A, B, C : l’Austra-
lie, la Belgique et le Canada. On constate que parmi les personnes interrogées, 42% connaissent A, 55%
connaissent B, 34% connaissent C, 18% connaissent A et B, 10% connaissent A et C, 15% connaissent B et
C, 8% connaissent les trois pays. Un voyage est prévu pour l’une des personnes ayant répondu au sondage.
On tire au sort le gagnant. Quelle est la probabilité pour que le gagnant soit une personne :
a) connaissant au moins l’un de ces trois pays ?
b) ne connaissant aucun de ces trois pays ?
c) connaissant exactement deux des trois pays ?
d) connaissant A, mais ne connaissant ni B, ni C ?
e) connaissant A et B mais ne connaissant pas C ?
Solution
2.2.9 Exercice On possède une cage avec 35 lapins et 4 hamsters...

On possède une cage avec 35 lapins et 4 hamsters, on sort simultanément 3 animaux, quelles sont les
probabilités d’avoir. . .
a) au moins 1 lapin ?
b) exactement 1 lapin ?
c) d’avoir 3 hamsters ?
Solution
2.2.10 Exercice Soit un jeu de 52 cartes à jouer...

Soit un jeu de 52 cartes à jouer, on tire 5 cartes. Quelle est la probabilité d’obtenir une suite (les cartes
se suivent, mais n’ont pas toutes de la même couleur) ?
Remarque : Une suite dont les cartes ont la même couleur est une suite royale.
Solution

2.2 Probabilités
2.2.11 Exercice Un comité de 5 personnes...

Un comité de 5 personnes doit être choisi parmi 20 hommes et 5 femmes, quelle est la probabilité
a) qu’il se compose de 5 femmes ?
b) qu’il se compose de 4 hommes et 1 femme ?
Solution
2.2.12 Exercice Dans une partie de carte, on distribue...

Dans une partie de carte, on distribue les 36 cartes du jeu à 4 joueurs.
a) Quelle est la probabilité qu’un joueur reçoive tous les coeurs ?
b) Quelle est la probabilité que chaque joueur reçoive un roi ?
Solution
2.2.13 Exercice Combien de personnes faut-il réunir...

Combien de personnes faut-il réunir pour que la probabilité, que deux d’entre elles soient nées le même
jour dépasse 50% ? Solution
2.2.14 Exercice Un magasin accepte les cartes de crédit...

Un magasin accepte les cartes de crédit American Express ou VISA. 24% de ses clients possèdent une
carte American Express, 61% une carte VISA et 11% possèdent les deux. Quel est le pourcentage de clients
possédant une carte de crédit acceptée par le magasin ? Solution
2.2.15 Exercice 60% des élèves d’une école ne portent...

60% des élèves d’une école ne portent ni bague ni collier. 20% portent une bague et 30% ont un collier.
Si un des élèves est choisi au hasard, quelle est la probabilité qu’il porte :
a) une bague ou un collier ?
b) une bague et un collier ?
Solution
2.2.16 Exercice Une école propose trois cours de langue...

Une école propose trois cours de langue : un en espagnol, un en français et un en allemand. Ces cours
sont ouverts aux 100 élèves de l’école. Il y a 28 étudiants en espagnol, 26 en français et 16 en allemand. Il y
a 12 étudiants qui suivent l’espagnol et le français, 4 qui suivent l’espagnol et l’allemand et 6 qui étudient
le français et l’allemand. De plus, 2 élèves suivent les trois cours.
a) Si un élève est choisi au hasard, quelle est la probabilité qu’il suive exactement un cours de langue ?
b) Si un élève est choisi au hasard, quelle est la probabilité qu’il ne fasse partie d’aucun de ces cours ?
c) Si deux élèves sont choisis au hasard, quelle est la probabilité qu’au moins un des deux suive un cours
de langue ?
Solution

2.2 Probabilités
2.2.17 Exercice Après une soirée bien arrosée...

Après une soirée bien arrosée, Jules arrive devant sa porte avec son trousseau de 10 clefs qu’il ne peut
plus distinguer. Calculer
a) La probabilité qu’exactement la sixième soit la bonne.
b) Qu’il puisse ouvrir sa porte lors des trois premières tentatives.
Solution
2.2.18 Exercice Huit tours sont disposées au hasard ...

Huit tours sont disposées au hasard sur un jeu d’échec. Calculer la probabilité qu’aucune ne puisse en
prendre une autre.
Solution
2.2.19 Exercice On jette une paire de dés équilibrés...

On jette une paire de dés équilibrés. Avec quelle probabilité la valeur du résultat du deuxième dé est-
elle plus grande que celle du premier ?
Solution
2.2.20 Exercice Une urne contient cinq boules rouges...

Une urne contient cinq boules rouges, six bleues et huit vertes. Si un groupe de trois boules est tiré au
hasard, quelle est la probabilité que celles-ci soient
a) toutes de la même couleur ?
b) toutes de couleurs différentes ?
Solution
2.2.21 Exercice Une boîte contient n boules rouges ...

Une boîte contient n boules rouges et m boules bleues. On tire deux boules au hasard,
a) quelle est la probabilité qu’elles soient de la même couleur ?
b) même question si on effectue le tirage avec remise ?
c) Démontrer que la probabilité b) est plus grande que a).
Solution
2.2.22 Exercice Une réserve clôturée abrite vingt cerfs...

Une réserve clôturée abrite vingt cerfs. Cinq sont capturés, marqués et relâchés. Un peu plus tard,
quatre sont à nouveau capturés. Quelle est la probabilité que deux d’entre eux soient marqués ?
Solution
2.2.23 Exercice Le second Comte de Yarborough paria à 1000 contre 1...

Le second Comte de Yarborough paria à 1000 contre 1 qu’une main de 13 cartes au bridge contiendrait
au moins un 10 ou une carte de valeur supérieure (c.-à-d. un dix, un valet, une reine, un roi ou un as). Au-
jourd’hui, on appelle une main qui n’a pas de carte supérieure à 9 une Yarborough. Quelle est la probabilité
qu’au bridge, une main sélectionnée au hasard soit une Yarborough ?
Solution

2.2 Probabilités
2.2.24 Exercice Une ville compte cinq hôtels...

Une ville compte cinq hôtels. Si lors d’une journée trois personnes louent une chambre, quelle est la
probabilité qu’elles le fassent dans trois hôtels différents ? Quelles hypothèses faites-vous ?
Solution
2.2.25 Exercice On dispose sur un rang 4 couples mariés...

On dispose sur un rang 4 couples mariés au hasard. Quelle est la probabilité qu’aucun mari ne soit
situé à côté de sa femme ?
Solution
2.2.26 Exercice Calculer les chances de gagner à la loterie à numéro suisse...

Calculer les chances de gagner à la loterie à numéro suisse. Il faut choisir 6 numéros sur un total de 45,
plus un numéro complémentaire. Si vous pensez continuer à jouer, ne regardez pas la réponse.
Solution
2.2.27 Exercice M-Dans un porte monnaie contenant des pièces

Dans un porte monnaie contenant des pièces d’un franc, de deux francs et de cinq francs, on dénombre
en tout 30 pièces dont 6 sont des pièces de un franc. On laisse tomber deux pièces.
a) Quelle est la probabilité que la somme tombée à terre soit de deux francs ?
b) Si la somme tombée par terre est un nombre impair, quelle est la probabilité qu’au moins une pièce de
deux francs soit tombée du porte-monnaie ?
1
c) Si ?est la probabilité que la somme tombée à terre soit de 6 francs, combien ce porte-monnaie doit-il
contenir de pièces de cinq francs ?
d) Si n est le nombre de pièces de deux francs dans ce porte-monnaie, montrer que la probabilité p que les
deux pièces à terre soient de même valeur est donnée par
n2 − 24 n + 291
p= .
435
e) Déterminer le nombre n de pièces de deux francs que doit contenir ce porte-monnaie pour que cette
probabilité p soit minimale.
f) Déterminer le nombre n de pièces de deux francs que doit contenir ce porte-monnaie pour que cette
probabilité p soit maximale.
Solution
2.2.28 Exercice M-Une boîte contient 36 boules,...

a) Une boîte contient 36 boules, plus précisément 21 boules bleues et 15 boules roses. Quelle est la proba-
bilité de tirer au hasard de cette boîte deux boules de la même couleur ?
b) Une deuxième boîte contient 50 boules, des bleues et des roses. Si la probabilité de tirer de cette boîte
deux boules de la même couleur est de 47 , combien peut-elle contenir de boules roses ?
c) Une autre boîte contient aussi des boules bleues et roses. On sait que la probabilité d’en tirer une boule
bleue est de 53 . D’autre part, si on en tire une boule rose, la probabilité de retirer une seconde boule
5
rose est de 13 . Combien cette boîte contient-elle de boules bleues.
d) Une dernière boîte contient à nouveau 50 boules, des roses et des bleues. Quand on en tire une boules
on note sa couleur et on remet la boule dans la boîte. Si on effectue quatre fois de suite ce tirage
avec remise, laprobabilité d’obtenir au moins une boule rose est de 99,99%. Combien cette boîte
contient-elle de boules roses ?
Solution

2.2 Probabilités
2.2.29 Exercice Dans la forêt équatoriale, chaque naissance de gorilles...

Dans la forêt équatoriale, chaque naissance de gorilles donne un gorille gaucher avec une probabilité
égale à 0,3. Un gorille gaucher sur trois a les yeux bleus, un gorille droitier sur quatre a les yeux bleus.
a) Calculer la probabilité pour qu’un gorille pris au hasard ait les yeux bleus.
b) Calculer la probabilité qu’un gorille ayant les yeux bleus soit gaucher.
c) Calculer la probabilité que pour six naissances, il y ait au moins un gorille gaucher aux yeux bleus.
Solution
2.2.30 Exercice M-Dans une ville, 40% de la population...

Dans une ville, 40% de la population a les cheveux bruns, 25% les yeux marrons et 15% ces deux
caractéristiques simultanément. On y choisit une personne au hasard.
a) Quelle est la probabilité que cette personne n’ait ni les cheveux bruns, ni les yeux marrons ?
b) Quelle est la probabilité qu’une personne avec des yeux marrons ait les cheveux bruns ?
Solution
2.2.31 Exercice M-Dans une classe, 15% des notes de mathématiques...

Dans une classe, 15% des notes de mathématiques sont insuffisantes, 25% des notes de physique sont
insuffisantes et 10% des élèves ont des notes insuffisantes dans les deux branches.
a) Un élève a une note insuffisante en physique. Calculer la probabilité qu’il ait aussi une note insuffisante
en mathématiques.
b) Un élève a une note insuffisante en mathématiques. Calculer la probabilité qu’il ait aussi une note
insuffisante en physique.
Solution
2.2.32 Exercice M-Dans une autre classe, la probabilité...

Dans une autre classe, la probabilité qu’un élève choisi au hasard ait une note insuffisante en mathé-
matiques vaut 51 .Si on choisit un élève avec une note insuffisante en mathématiques et qu’on choisit un
deuxième élève au hasard, alors la probabilité que ce deuxième élève ait une note insuffisante en mathé-
matiques vaut 16 .
a) Combien d’élèves sont dans cette classe ?
b) On choisit maintenant un élève au hasard, note, si l’élève a une note suffisante (S) ou insuffisante (I)
en physique et répète ceci encore deux fois (3 fois en tout, un élève peut être choisi plusieurs fois).
La probabilité qu’on ait noté au moins une fois I vaut alors 78.4%. Combien d’élèves ont une note
insuffisante en physique ?
Solution
2.2.33 Exercice M-On fait expérimentalement les constatations suivantes...

On fait expérimentalement les constatations suivantes :
— s’il fait beau un jour, la probabilité qu’il fasse beau le lendemain est de 80%.
— s’il fait mauvais un jour la probabilité qu’il fasse mauvais le lendemain est de 60%.
Aujourd’hui il fait beau
a) Calculer la probabilité qu’il fasse beau pendant encore 3 jours.
b) Calculer la probabilité qu’il fasse beau dans 3 jours.
Solution

2.2 Probabilités
2.2.34 Exercice M-Trois boîtes A, B et C contiennent...

Trois boîtes A, B et C contiennent respectivement 3 boules jaunes et 5 bleues, 2 boules jaunes et 1 bleue,
2 boules jaunes et 3 bleues. On choisit au hasard une des boîtes et on en tire deux boules. Quelle est la
probabilité que les deux boules aient la même couleur ?
Solution
2.2.35 Exercice M-Un programme pour arrêter de fumer permet...

Un programme pour arrêter de fumer permet effectivement d’arrêter de fumer à 48% des femmes et
37% des hommes. Les personnes suivant ce programme avec succès sont à 60% des femmes.
a) Quelle est la proportion d’hommes parmi les personnes qui débutent ce programme ?
b) On choisit au hasard une personne ayant suivi ce programme, quelle est la probabilité qu’elle ait arrêté
de fumer ?
Solution
2.2.36 Exercice M-Dans une population, il y a 5% de daltoniens...

Dans une population, il y a 5% de daltoniens chez les hommes et 0.25% chez les femmes. 48% de la
population sont des hommes.
a) On choisit une personne au hasard. Quelle est la probabilité qu’elle soit daltonienne ?
b) La personne est daltonienne. Quelle est la probabilité qu’il s’agisse d’un homme ?
Solution
2.2.37 Exercice M-Dans un gymnase, 4% des garçons et 1% des filles...

Dans un gymnase, 4% des garçons et 1% des filles mesurent 1.80 m ou plus. 60% des élèves sont des
filles.
a) On choisit un élève au hasard. Quelle est la probabilité qu’il mesure 1.80 m ou plus ?
b) On choisit (au hasard) un élève qui mesure 1.80 m ou plus. Quelle est la probabilité que ce soit une
fille ?
c) On choisit au hasard 10 garçons. Quelle est la probabilité
i qu’ils mesurent tous 1.80 m ou plus ?
ii qu’au moins un, mesure 1.80 m ou plus ?
iii qu’exactement deux, mesurent 1.80m ou plus ?
d) Combien faut-il choisir de garçons pour que la probabilité que l’un d’entre eux au moins mesure 1.80 m
ou plus soit égale à 0.9999 ?
Solution
2.2.38 Exercice On jette deux dés équilibrés. Quelle est la probabilité...

On jette deux dés équilibrés. Quelle est la probabilité qu’au moins l’un d’entre eux montre 6, sachant
que les deux résultats sont différents ?
Solution

2.2 Probabilités
2.2.39 Exercice Une urne contient 6 boules blanches ...

Une urne contient 6 boules blanches et 9 noires. On en tire 4 sans remise.
a) Quelle est la probabilité que les deux premières soient blanches et les deux autres noires ?
b) Que devient la probabilité si on ne s’intéresse pas à l’ordre, c’est-à-dire on désire simplement deux
boules noires et deux boules blanches ?
Solution
2.2.40 Exercice Le roi vient d’une famille de 2 enfants...

Le roi vient d’une famille de 2 enfants. Quelle est la probabilité qu’il ait une sœur ?
Solution
2.2.41 Exercice On choisit trois cartes au hasard...

On choisit trois cartes au hasard et sans remise dans un jeu ordinaire de 52 cartes. Calculer la proba-
bilité conditionnelle que la première carte tirée soit un pique, sachant que les deux dernières en sont ?
Solution
2.2.42 Exercice Une récente diplômée a l’intention de passer ...

Une récente diplômée a l’intention de passer trois examens en sciences durant le prochain été. Elle
passera le premier en juin. Si elle réussit, elle passera le deuxième en juillet. Puis, si elle réussit cet
examen, elle passera le dernier en septembre. En cas de non-réussite, elle n’a pas le droit de passer l’examen
suivant. La probabilité de réussir le premier examen est 0, 9. Si elle poursuit, la probabilité conditionnelle
de réussir le deuxième est 0, 8. Si elle réussit au premier et au second examen, la probabilité conditionnelle
de réussir le troisième est 0, 7.
a) Avec quelle probabilité, la candidate réussira-t-elle les trois examens ?
b) Sachant qu’elle ne réussira pas les trois examens, quelle est la probabilité qu’elle ait raté le deuxième ?
Solution
2.2.43 Exercice Une grossesse ectopique a deux fois...

Une grossesse ectopique a deux fois plus de chance de se développer lorsque la femme enceinte fume que
lorsqu’elle est non fumeuse. Si 32% des femmes en âge de maternité fument, quel pourcentage de femmes,
ayant une grossesse ectopique, sont fumeuses ?
Solution
2.2.44 Exercice Dans une certaine ville, 36% des familles...

Dans une certaine ville, 36% des familles possèdent un chien et 22% de celles qui ont un chien possèdent
aussi un chat. De plus, 30% des familles ont un chat. Quelle est
a) la probabilité qu’une famille sélectionnée au hasard possède un chien et un chat ;
b) la probabilité conditionnelle qu’une famille choisie au hasard possède un chien sachant qu’elle a un
chat ?
Solution

2.2 Probabilités
2.2.45 Exercice Comment placer 20 boules, dont 10 sont...

Comment placer 20 boules, dont 10 sont blanches et 10 noires, dans deux urnes de manière à maximiser
la probabilité de tirer une boule blanche dans l’expérience suivante : on choisit d’abord une urne au hasard,
puis une boule dans cette urne ?
Solution
2.2.46 Exercice On considère deux boîtes, l’une contient...

On considère deux boîtes, l’une contient une bille noire et une blanche et l’autre deux noires et une
blanche. On désigne une boîte au hasard, de laquelle on tire une bille. Quelle est la probabilité qu’elle soit
noire ? Si l’on sait que la bille est blanche, quelle est la probabilité que ce soit la première boîte qui ait été
désignée ?
Solution
2.2.47 Exercice Trois cuisiniers A, B et C sont ...

Trois cuisiniers A , B et C sont chacun capables de préparer une spécialité de gâteau. Ce gâteau doit
être cuit et risque de ne pas monter avec des probabilités de 0, 02, 0, 03 et 0, 05 selon les cuisiniers. Dans
le restaurant où ils travaillent : A cuit 50% de ces gâteaux, B en cuit 30% et C en cuit 20%. Quelle est la
proportion des gâteaux ratés attribuables à A ?
Solution
2.2.48 Exercice Une classe compte 4 garçons et 6 filles...

Une classe compte 4 garçons et 6 filles de première année, 6 garçons de seconde année. Combien doit-il
y avoir de filles de deuxième année si l’on veut que sexe et année soient des facteurs indépendants lors du
choix au hasard d’un étudiant ? Solution
2.2.49 Exercice La reine porte le gène de l’hémophilie...

La reine porte le gène de l’hémophilie avec une probabilité de 0, 5. Si elle est porteuse, chaque prince
aura une chance sur deux de souffrir de cette maladie. La reine a eu trois fils non hémophiles.
a) Quelle est la probabilité qu’elle soit porteuse du gène ?
Solution
2.2.50 Exercice On admet que le sexe du dernier enfant...

On admet que le sexe du dernier enfant d’un couple est indépendant de celui des autres enfants de la
famille et qu’il y a autant de chances d’être masculin que féminin. Calculer, pour un couple ayant 5 enfants,
les probabilités des événements suivants :
a) tous les enfants sont du même sexe,
b) les trois aînés sont des garçons, les deux autres des filles ;
c) il y a exactement 3 garçons,
d) les deux aînés sont des garçons,
e) il y a au moins une fille.
Solution

2.2 Probabilités
2.2.51 Exercice Si A est inclu dans B, exprimer les probabilités...

Si A ⊂ B, exprimer les probabilités suivantes le plus simplement possible :
a) P ( A |B) ;
b) P ( A |B c ) ;
c) P (B| A ) ;
Solution
2.2.52 Exercice Avant de partir en vacances vous priez ...

Avant de partir en vacances vous priez votre voisin de bien vouloir arroser une plante souffrante du-
rant votre absence. Sans arrosage, elle mourra avec la probabilité 0, 8 ; avec arrosage, elle mourra avec la
probabilité 0, 15. Vous êtes sûr à 90% que votre voisin l’arrosera.
a) Quelle est la probabilité que la plante soit vivante à votre retour ?
b) Si elle est morte, quelle est la probabilité que le voisin ait oublié de l’arroser ?
Solution
2.2.53 Exercice Montrer que ...

Montrer que P ( A |B) = 1 entraîne P (B c | A c ) = 1.
Solution
2.2.54 Exercice M-Une urne contient quatre boules rouges...

Une urne contient quatre boules rouges et x boules jaunes. On tire simultanément deux boules de l’urne.
7
La probabilité qu’on ait tiré deux boules de même couleur est 15 . Combien de boules jaunes étaient dans
l’urne ?
Solution
2.2.55 Exercice M-Un joueur a deux pièces de monnaie : ...

Un joueur a deux pièces de monnaie : une normale et une qui a deux faces "pile". Il en choisit une au
hasard et la lance. Le résultat est "pile".
a) Quelle est la probabilité que la pièce lancée soit celle qui est normale ?
b) Le joueur lance la même pièce encore une fois. Le résultat est de nouveau "pile". Quelle est maintenant
la probabilité que la pièce lancée soit celle qui est normale ?
Solution
2.2.56 Exercice M-En Angleterre, on écrit le mot "rigueur"...

En Angleterre, on écrit le mot "rigueur" avec un "u" ("rigour"). En Amérique, par contre on l’écrit "rigor".
Un client anglophone d’un hôtel a écrit ce mot sur un bout de papier. On choisit au hasard une lettre du
mot. ll s’agit d’une voyelle ("a", "e", "i","o", "u" ou "y"). 40% des clients anglophones de l’hôtel sont anglais,
60% américains. Quelle est la probabilité que l’auteur du mot soit anglais ? Solution

2.2 Probabilités
2.2.57 Exercice M-Une urne contient 10 boules rouges...

Une urne contient 10 boules rouges et 4 bleues. On tire successivement et sans remise 2 boules de
l’urne. Calculer la probabilité des événements suivants :
a) les deux boules tirées sont rouges ;
b) la première boule est rouge et la seconde bleue ;
c) les deux boules sont de couleurs différentes.
Calculer le(s) nombre(s) x de boules bleues à ajouter au départ pour que la probabilité de tirer deux boules
de couleurs différentes soit maximale.
Solution
2.2.58 Exercice M-Une boîte contient 7 boules blanches...

Une boîte contient 7 boules blanches et 9 boules noires.
a) On tire deux boules de cette boîte. Quelle est la probabilité qu’elles soient de la même couleur ?
b) Si on a tiré deux boules de la même couleur, quelle est la probabilité qu’elles soient blanches ?
c) Si on a a déjà tiré deux boules blanches, quelle est la probabilité d’en tirer une troisième de la même
couleur ?
d) Quelle est la probabilité, en tirant trois boules de cette boîte, d’en avoir au moins une noire ?
On vide maintenant cette boîte et on y met x boules blanches et deux boules noires de plus que de boules
blanches.
i) Montrer que la probabilité p de tirer deux boules de même couleur de cette boîte est donnée par
x2 + x + 1
p ( x) =
2 x2 + 3 x + 1
ii) Combien faut-il mettre de boules en tout dans cette boîte, pour que cette probabilité p soit la plus petite
possible ?
Solution
2.2.59 Exercice M-Un pêcheur a remarqué qu’après...

Un pêcheur a remarqué qu’après une heure de pêche : - En période de lune croissante, il revient avec
du poisson trois fois sur cinq ; - En période de lune décroissante, il rentre bredouille une fois sur trois.
(Indication : la lune peut être considérée la moitié du temps comme croissante, et l’autre moitié comme
décroissante.)
a) Quelle est la probabilité qu’en pêchant une heure, il attrape du poisson ?
b) Si on le voit arriver bredouille après une heure de pêche, quelle est la probabilité que la lune soit
croissante ?
c) Si, en période de lune croissante, il pêche trois heures de suite, quelle est la probabilité qu’il rentre
bredouille ?
d) Si, en période de lune décroissante, il pêche aussi trois heures de suite, quelle est la probabilité qu’il
rentre avec du poisson ?
e) Combien de temps doit-il pêcher en période de lune décroissante pour être sûr à 99.9% de ramener du
poisson ?
Solution

2.2 Probabilités
2.2.60 Exercice M-On enferme dans une boîte munie d’un orifice...
On enferme dans une boîte munie d’un orifice 5 souris blanches, 7 souris grises et 3 hamsters. L’expé-
rience consiste à laisser sortir un à un trois de ces rongeurs. Chaque rongeur ayant la même probabilité de
sortir, calculer la probabilité des événements suivants :
A : "il ne sort aucune souris blanche"
B : "il y a au moins un hamster qui sort"
C : "il sort un rongeur de chaque type"
D : "deux souris blanches sortent, sachant qu’un hamster est déjà sorti". Solution
2.2.61 Exercice M-Une urne u1 contient 3 boules rouges,...

Une urne u1 contient 3 boules rouges, 2 vertes et une jaune. Une urne u2 contient 2 boules rouges, 4
vertes et 3 jaunes. On tire une boule de u1 que l’on remet dans u2. On tire enfin une boule de u2. Quelle
est la probabilité :
a) que cette boule soit jaune ?
b) que les deux boules tirées soient de la même couleur ?
c) que la première boule tirées ait été rouge si au second tirage on a tiré une boule verte.
Solution
2.2.62 Exercice M-Dans une population équatoriale...

Dans une population équatoriale 10% des personnes sont porteuses de bacilles responsable d’une ma-
ladie X sans que celle-ci soit déclarée.
a) On tire au hasard dans cette population p personnes, dans quel intervalle d’entiers doit se trouver n
pour l’on obtienne au moins un porteur de bacilles avec une probabilité située entre 90 et 95% ?
b) Un test de détection de cette maladie est tel que 90% des personnes porteuses de bacilles réagissent
positivement de même que 5% des personnes saines. Calculer la probabilité qu’une personne soit
porteuse de bacilles sachant que son test est positif.
Solution
2.2.63 Exercice M-Lors d’un concours, un candidat...

Lors d’un concours, un candidat doit déterminer parmi 5 réponses proposées l’unique réponse correcte à
une question. On suppose que la probabilité est de 31 qu’un candidat sache quelle est la réponse correcte et
qu’un candidat ne le sachant pas, choisisse au hasard l’une des 5 possibilités. Étant donné qu’un candidat a
indiqué la réponse correcte, quelle est la probabilité qu’il n’ait en réalité pas su laquelle des réponses était
correcte ?
Solution
2.2.64 Exercice M-Une famille a deux enfants. On sait...

Une famille a deux enfants. On sait que l’un des enfants est un garçon. Calculer la probabilité pour que
l’autre enfant soit aussi un garçon, sachant que :
a) l’autre enfant est plus jeune ;
b) aucune information n’est donnée sur l’autre enfant.
Solution

2.2 Probabilités
2.2.65 Exercice M-Un carton contient 12 verres dont 4...

Un carton contient 12 verres dont 4 sont défectueux. On sort du carton, au hasard, 3 verres. Calculer
la probabilité pour que ces 3 verres ne soient pas défectueux ?
Solution
2.2.66 Exercice M-On jette 3 fois une pièce de monnaie...

On jette 3 fois une pièce de monnaie. On considère les événements suivants :
a) A : le premier jet donne face,
b) B : le deuxième jet donne face,
c) C : (exactement) deux jets consécutifs donnent face.
Ces événement sont ils indépendant deux à deux ? Solution
2.2.67 Exercice M-On s’intéresse à une famille ...

On s’intéresse à une famille et on considère les événements :
— A : la famille a des enfants des deux sexes,
— B : la famille a au plus un garçon.
a) Montrer que A et B sont dépendants si la famille a deux enfants.
b) Montrer que A et B sont indépendants si la famille a trois enfants.
Solution
2.2.68 Exercice M-Un club de tennis de 14 membres...

Un club de tennis de 14 membres se compose de 8 hommes et de 6 femmes.
a) Au cours d’un championnat, chaque membre joue contre les autres. Combien de parties y a-t-il en tout ?
Combien y a-t-il de parties mixtes ?
b) On choisit au hasard 4 personnes du club. Quelle est la probabilité d’obtenir 2 hommes et 2 femmes ?
c) Pour se rendre au club afin d’y disputer une partie, Michel prend le train de 7h03, qui permet d’arriver
toujours à l’heure. Cependant, comme il a le sommeil profond, il rate le train avec une probabilité
de 20%. Dans ce cas, il fait du stop et, trois fois sur cinq, il arrive à l’heure. S’il est arrivé à l’heure
aujourd’hui, quelle est la probabilité qu’il ait raté son train ?
Solution
2.2.69 Exercice M-Dans un parc national africain,...

Dans un parc national africain, le vétérinaire opère d’abord comme chasseur au moyen d’une carabine
avec laquelle il injecte à distance un puissant somnifère. La probabilité de réussir son tir dépend de la
distance qui le sépare de l’animal au moment de tirer :
distance d probabilité
d < 10 0.7
10 6 d < 20 0.5
20 6 d < 30 0.3
30 6 d 0.0
Par ailleurs, la probabilité que l’éléphant approche ou se laisse approcher par le vétérinaire à moins de 10
m, 20 m, 30 m vaut 0.2 ; 0.6 ; 0.9 respectivement.
a) Quelle est la probabilité pour que le vétérinaire endorme un éléphant qu’il voit ?

2.2 Probabilités
b) Le vétérinaire rencontre durant sa journée quatre éléphants. Quelle est la probabilité pour
i) qu’il endorme deux éléphants ?
ii) qu’il endorme au moins un éléphant ?
iii) qu’il n’endorme que le quatrième éléphant ?
Solution
2.2.70 Exercice On promet la liberté à un prisonnier...

On promet la liberté à un prisonnier dans l’un des cas suivants :
a) lorsqu’il extrait une boule d’une urne A, la boule est blanche ou
b) lorsqu’il extrait une boule de l’urne A et une boule de l’urne B, les deux boules sont de la même couleur.
La fille du geôlier qui aime secrètement le prisonnier, lui fait savoir que l’urne A contient 3 boules blanches
et 5 boules noires alors que l’urne B contient des boules blanches et noires en nombre égal. Que doit-il faire
pour recouvrer la liberté.
Solution
2.2.71 Exercice Paradoxe du Chevalier de Méré...

Lequel des deux événements suivants est le plus probable :
a) obtenir au moins une fois un six en jetant quatre fois un dé, ou
b) obtenir au moins une fois un double six, en jetant 24 fois deux dés ?
c) Combien de fois doit-on lancer une paire de dés afin d’avoir la même chance d’obtenir un double-six
qu’un simple six au bout de quatre lancers d’un dé unique ?
Solution
2.2.72 Exercice M-Dans un groupe formé de ...

Dans un groupe formé de filles et de garçon, on sait que la probabilité d’avoir : une fille quand on choisit
au hasard une personne est de 25 ; deux filles quand on choisit au hasard deux personnes, est de 32 5
. Combien
y a-t-il de garçons dans ce groupe.
Solution
2.2.73 Exercice M-Une fabrique de webcams teste la qualité...

Une fabrique de webcams teste la qualité de ses caméras avant de les envoyer dans les différents points
de vente. On prélève au hasard une caméra dans un lot de 50. Si la caméra est défectueuse, on renvoie les
50 caméras à l’atelier pour les vérifier. Si la webcam fonctionne, on en choisit une deuxième au hasard.
Si elle est défectueuse, on renvoie le lot des 50 caméras à l’atelier. Sinon, on en choisit une troisième au
hasard. Si elle est défectueuse, on renvoie le lot de 50 à vérifier. Dans le cas contraire, le lot a réussi le test
et est envoyé dans les points de vente.
Supposons que dans un lot de caméras 2 sont défectueuses.
a) Quelle est la probabilité que le lot soit renvoyé à l’atelier lors du premier contrôle ?
b) Quelle est la probabilité que le lot soit renvoyé à l’atelier lors du deuxième contrôle ?
c) Quelle est la probabilité que le lot soit renvoyé à l’atelier ?
d) Que devient cette probabilité si l’on remet la caméra testée dans le lot avant d’effectuer le test suivant ?
Solution

2.2 Probabilités
2.2.74 Exercice M-Un réfrigérateur contient 5 vaccins...

Un réfrigérateur contient 5 vaccins contre une maladie X, 8 vaccins contre une maladie Y et 15 vaccins
contre une maladie Z. On choisit au hasard 3 vaccins. Quelle est la probabilité que :
a) Les 3 vaccins choisis sont contre la maladie X ;
b) Les 3 vaccins choisis sont contre la même maladie ;
c) Il y a un vaccins contre chaque maladie.
Solution
2.2.75 Exercice M-Evariste va faire un tour au "Luna Park"...

Evariste va faire un tour au "Luna Park" et décide de s’amuser au stand de tir. A jeun il touche la cible
avec une probabilité de 0.8 mais, à chaque bière qu’il boit cette probabilité chute de moitié.
En supposant qu’il commence à jeun et qu’il boit une bière après chaque tir :
a) Quelle est la probsbilité qu’il touche la cible trois fois de suite.
b) Quelle est la probabilité qu’il touche la cible au moins une fois en trois tirs ?
c) Quelle est la probabilité d’avoir raté son premier tir sachant qu’il a raté son troisième tir ?
d) Quel est le nombre minimal de tirs qu’il devra effectuer s’il veut être sûr, avec une probabilité supérieure
à 0.92, de toucher au moins une fois la cible ?
Solution
2.2.76 Exercice M-Le personnel d’un hôpital est réparti...

Le personnel d’un hôpital est réparti en trois catégorie : les médecins, les soignants (non médecins) et
le personnel AT (administratif ou technique). 12% sont des médecins et 71% sont des soignants. 67% des
médecins sont des hommes et 92% des soignants sont des femmes. On sait de plus que 80% du personnel
de l’hôpital est féminin.
Un membre du personnel de cet hôpital est tiré au sort.
a) Quelle est la probabilité que le sort désigne une femme soignante ?
b) Un homme a été désigné. Quelle est la probabilité qu’il soit médecin ?
c) Quelle est la probabilité que la personne désignée soit une femme sachant qu’elle fait partie du person-
nel AT ?
Dans cet hôpital, le service d’urgence reçoit en moyenne 60 personnes par jour dont 30% doivent être hos-
pitalisés. Les autres rentre chez elles après la consultation d’un médecin. Parmi les malades hospitalisés
on constate qu’en moyenne 12 doivent subir une radiographie, 8 une perfusion et 5 ne subissent ni radio-
graphies, ni perfusion.
d) Quelle est la probabilité qu’un malade hospitalisé subisse une perfusion et une radiographie ?
Solution
2.2.77 Exercice M-Une pochette contient dix pièces :...

Une pochette contient dix pièces : sept en argent et trois en or. Les pièces en argent sont parfaitement
équilibrées, alors que celle en or tombent sur pile avec une probabilité de 13 .
On tire au hasard une pièce de cette pochette, on la lance et on note le résultat.
Calculer les probabilités des événements suivants :
a) Le résultat est "pile".
b) La pièce est en or sachant que le résultat est "face".
On répète 5 fois l’expérience précédente en remettant chaque fois la pièce dans la pochette.
Calculer les probabilités des événements suivants :

2.2 Probabilités
c) Il n’y a que des "pile".

d) Il y a exactement deux "pile".
On tire simultanément deux pièces de la pochette, on les lance. Calculer les probabilités des événements
suivants :
e) Les deux pièces sont en argent et il y a deux "pile".
f) Il y a une pièce en or et une en argent, montrant toutes les deux "face".
Solution
2.2.78 Exercice Une famille de 6 enfants est composée...

Une famille de 6 enfants est composée de 3 filles et 3 garçons. Quelle est la probabilité que les 3 plus
âgés soient des filles ?
Solution
2.2.79 Exercice Dans une ville formée de six quartiers...

Dans une ville formée de six quartiers, six vols ont lieu le même jour. Quelle est la probabilité qu’un
district ait subi plus d’un vol en considérant que,
a) les six quartiers sont discernables et les 6 voleurs aussi,
b) les quartiers sont discernables mais pas les voleurs,
c) ni les quartiers ni les voleurs ne sont discernables.
Solution
2.2.80 Exercice Soit un groupe de 7 personnes...

Quelle est la probabilité que les anniversaires de 7 personnes se répartissent sur chacune des quatres
saisons, c’est-à-dire qu’à chaque saison il y ait au moins un anniversaire.
Solution
2.2.81 Exercice Une petite école donne 30 cours chaque semaine...

Une petite université a un seul professeur qui donne 30 cours par semaine. Tous les cours sont différents
et sont donnés du lundi au vendredi à raison de 6 cours par jour. Juliette, qui prépare son programme pour
la nouvelle année scolaire, doit choisir au hasard 7 cours parmi les 30. Quelle est la probabilité qu’elle doive
se rendre à l’école chaque jour ?
Solution
2.2.82 Exercice Un sac contient une boule verte ou bleue...

Un sac contient une boule verte ou bleue avec la même probabilité. On rajoute une boule verte dans le
sac, on mélange puis on tire une seule boule. Quelle est la probabilité que la boule originale soit verte si la
boule tirée est verte également.
Solution

2.2 Probabilités
2.2.83 Exercice Un filtre pour messages électroniques ...

Un filtre pour messages électroniques non-désirés (spam) est programmé comme suit : le message est
parcouru et si il contient le mot "gratuit" alors le message est mis de côté.
On sait que 80% des messages électroniques circulant sont des spam et que 10% de ceux-ci contiennent le
mot "gratuit". Le mot "gratuit" apparaît dans 1% des messages qui ne sont pas des spam.
Un message vient d’arriver. Si il contient le mot "gratuit", quelle est la probabilité que ce soit un spam.
Solution

2.3 Variables aléatoires
2.3 Variables aléatoires

2.3.1 Exercice
On choisit deux boules au hasard dans une urne contenant 8 blanches, 4 noires et 2 oranges. Supposons
que l’on reçoive 2 Fr. pour chaque boule noire tirée et que l’on perde 1 Fr. pour chaque boule blanche tirée.
Désignons les gains nets par la variable aléatoire X . Quelles sont les valeurs possibles pour X et quelles
sont les probabiliteés associées à ces valeurs ?
Solution
2.3.2 Exercice
On classe cinq hommes et cinq femmes selon leurs résultats lors d’un examen. On fait l’hypothèse que
tous les scores sont différents et que les 10! classements possibles ont tous la même probabilité. On désigne
le rang de la meilleure femme par la variable aléatoire X (par exemple X = 2 si le meilleur résultat a été
obtenu par un homme et le suivant par une femme). Trouver P { X = i }, i = 1, 2, ..., 6.
Solution

2.4 Variables aléatoires continues
2.4 Variables aléatoires continues

2.5 Variables aléatoires simultannées
2.5 Variables aléatoires simultannées

3 Réponses détaillées aux exercices
3.1 Réponses
Corrigé exercice 2.1.1 Chaque roue du cadenas représente une expérience. Le nombre de possibilités
totales est donc, en appliquant le principe du dénombrement : 10 × 10 × 10 = 1000, c’est en fait tous les
nombres de 000 à 999.
Corrigé exercice 2.1.2 On applique le principe du dénombrement aux deux expériences ce qui donne
52 × 51 = 2652. Ensuite il s’agit de diviser ce résultat par deux car l’ordre dans lequel apparaissent les
cartes ne nous intéresse pas, on obtient 1326. On peut également appliquer la formule des combinaisons,
il s’agit en fait de trouver de combien de manières différentes on peut choisir une paire de cartes dans un
jeu de 52 cartes.
52! 52 × 51
µ ¶
2 52
C 52 = = = = 1326
2 (52 − 2)! × 2! 2×1
Corrigé exercice 2.1.3 Le premier chiffre ne peut pas être 0 car si tel était, le nombre aurait 5 chiffres.
a) On applique le principe de dénombrement et on obtient 9 × 10 × 10 × 10 × 10 × 10× = 9000 000.
b) Le nombre se termine soit par 0 soit par 5, donc on applique également le principe du dénombrement
et on obtient 9 × 10 × 10 × 10 × 10 × 2 = 1800 000.
c) On applique toujours le même principe mais cette fois-ci on aura 9 × 9 × 8 × 7 × 6 × 5× = 1360 080, car
chaque chiffre choisi ne peut plus être utilisé à nouveau.
Corrigé exercice 2.1.4

a) Les éléments sont discernables et l’ordre compte, on applique la formule des permutations : 5! = 120.
b) Généralisons à n personnes, on ne s’occupe que de la position relative des personnes, donc la manière
dont on place la première n’importe pas, il y a ensuite n − 1 possibilités de placer une deuxième
personne, puis n − 2 possibilités de placer la troisième etc.. Nous avons donc dans le cas qui nous
intéresse 4 × 3 × 2 × 1 = 24 possibilités différentes. On peut également partir de a) et diviser par 5,
car c’est le nombre de rotations de 72◦ que peuvent effectuer les 5 personnes autour de la table.

a) 26 × 25 × 24 × 23 × 22 × 21 × 20 × 19 × 18 × 17 = 190 2750 2230 9680 000, on peut également le voir comme étant
le nombre possible
µ d’arrangements
¶ que l’on peut faire avec un échantillon de 10 éléments parmi 26,
26
autrement dit × 10! = A 10 0 0 0 0
26 = 19 275 223 968 000.
10
b) A chaque position (1 à 10) on peut mettre 26 lettres différentes donc le nombre sera 2610 .

a) Chaque fenêtre a deux configurations possibles, ouverte ou fermée, ce qui fait 28 configurations.
b) Ici chaque fenêtre à 4 configurations possibles donc on a 48 configurations possibles.
c) On peut considérer que l’on aura 1 × 2 × 2 × 2 × 2 × 1 × 2 × 2 = 26 configurations.

3.1 Réponses
Corrigé exercice 2.1.7 On aura 36 = 6 × 6 couples de valeurs.

Si les dés étaient de la même couleur, c.à.d indiscernables on observerait plus que 21 valeurs différentes
((2; 3) = (3; 2); (1; 6) = (6; 1),etc.).

a) On considère les individus comme étant tous discernables, nous sommes dans le cas d’une permutation
de 25 éléments, le résultat est 25! = 150 5110 2100 0430 3300 9850 9840 0000 000 permutations possibles. Si
on désirait les essayer toutes, cela prendrait 491’857 années à raison d’un milliard de permutations
par seconde !
b) On considère les hommes comme étant un seul et unique individu. Ayant regroupé les 8 hommes il nous
reste 1 + 8 + 7 = 16 éléments à permuter donc 16!. Mais, à l’intérieur du groupe d’homme nous avons
8! permutations possibles. En appliquant le principe fondamental du dénombrement on obtient fi-
nalement 16! × 8! = 8430 6060 8880 2840 1600 000.
Corrigé exercice 2.1.10 Nous avons 4M, 3C, 2H, 1L donc 4 groupes donnant 4! dispositions différentes,
à l’intérieur de chaque groupe nous avons respectivement 4!, 3!, 2!, 1! permutations possibles. Le résultat
d’après le principe fondamental est 4! × 4! × 3! × 2! × 1! = 6912.

a) Sans tenir compte de la casse ni des couleurs nous avons le mot ’mississippi’, qui a 11 lettres formant 4
groupes 1m, 4i, 4s et 2p de lettres différents, la solution est donnée par la formule des permutations
d’objets partiellement indiscernables.
11!
= 34650
1! × 4! × 4! × 2!
b) En tenant compte de la casse et des couleurs nous avons 11 éléments tous différents donc 11! = 390 9160 800
permutations.
Corrigé exercice 2.1.12 C’est une permutation d’objets partiellement indiscernables, le résultat est
4!
2! = 12
µ ¶ µ ¶
50 11
Corrigé exercice 2.1.13 Il y a manières de choisir 5 chiffres et manières de choisir 2
5 2
étoiles (dans ce cas l’ordre ne nous intéresse pas). D’après le principe fondamental de dénombrement on a :
µ ¶ µ ¶
50 11
× = 1160 5310 800
5 2
Corrigé exercice 2.1.14 Il y a 3 possibilités d’avoir une rouge, 4 possibilités d’avoir une bleue et 5
possibilités d’avoir une jaune ce qui se traduit par
µ ¶ µ ¶ µ ¶
3 4 5
× × = 60
1 1 1

3.1 Réponses
µ¶ µ ¶
5 7
Corrigé exercice 2.1.15 Il y a combinaisons possibles de choisir deux femmes et combi-
2 3
naisons
µ ¶ µpossibles
¶ de choisir 3 hommes. En appliquant le principe fondamental de dénombrement on a
5 7
× = 350 possibilités.
2 3
µ ¶ µ ¶
2 5
Dans le cas où deux hommes refusent de siéger ensemble il y aura × = 10 comités où aucun
0 3
µ ¶ µ ¶
2 5
des deux hommes n’apparaîtra et × = 20 où seulement un des deux siégera, d’après le principe
1 2
µ ¶
5
fondamental de dénombrement le nombre de possibilités sera de (10 + 20) = 300.
2
µ¶ µ ¶
12 6
Corrigé exercice 2.1.16 Il y a possibilités de former le premier groupe puis possibilités de
6 6
former le deuxième donc
12! 6! 12!
µ ¶ µ ¶
12 6
× = × = = 924
6 6 6! × 6! 6! × 0! 6! × 6!
Corrigé exercice 2.1.17 Il y a 7! = 720 manières de les asseoir sans restriction aucune.
a) On a deux groupes discernables (garçons et filles) formés de respectivement 4 et 3 individus discernables
donc le nombre de manières est 2! × 4! × 3! = 288. (Le 2! vient de la permutation des 2 groupes entre
eux.)
b) On peut considérer 4 groupes, un formé des 4 garçons et 3 autres, chacun formé par une seule fille. Il y
a 4! façons de permuter les garçons, 1! façon de permuter chaque fille dans son groupe et finalement
4! façons possibles de permuter les 4 groupes, donc en tout 4! × 1! × 1! × 1! × 4! = 4! × 4! = 576 manières
possibles de les asseoir dans cette configuration.
c) Plaçons d’abord les 4 garçons, chacun séparé par un siège, il y a 4! manières de le faire. Ensuite il y a
3! manières possibles d’asseoir les filles dans les sièges intermédiaires, donc 4! × 3! = 144 manières
différentes.
Corrigé exercice 2.1.19 Le premier peut serrer la main à 19 personnes, le deuxième à 18, le troisième
à 17 etc.. donc 19 + 18 + 17 + ... + 3 + 2 + 1 = n(n2−1) = 190 poignées de mains. Il est beaucoup plus simple de
raisonner en termes de combinaisons, il y a autant de poignées µ ¶ de mains qu’il est possible de former de
20
paire d’éléments dans un ensemble de 20 éléments, c.à.d = 190.
2
µ ¶ µ ¶
5 6
Corrigé exercice 2.1.20 Il y a = 10 possibilités de choisir 2 républicains, = 15 possibilités de
2 2
µ ¶
4
choisir 2 démocrates et = 4 possibilités de choisir 3 démocrates. En appliquant le principe fondamen-
3
tal de dénombrement on obtient 10 × 15 × 4 = 600 comités possibles.
Corrigé
µ exercice
¶ 2.1.21 On peut raisonner de la manière suivante : on a 52 cartes dans les mains, µ ¶
52 39
on a possibilités pour constituer une pile de 13 cartes, ensuite il nous reste 39 cartes, donc
13 13

3.1 Réponses
¶ µ µ ¶
26 13
possibilités pour former une deuxième pile, puis possibilités pour la troisième et finalement =
13 13
1 pour la quatrième et dernière pile, en appliquant le principe fondamental de dénombrement :
52! 39! 26! 13! 52!
µ ¶
52
× × × = =
13! × 39! 13! × 26! 13! × 13! 13! × 0! 13! × 13! × 13! × 13! 13, 13, 13, 13
ce qui donne 530 6440 7370 7650 4880 7920 8390 2370 4400 000 possibilités.
Corrigé exercice 2.1.22 On a 4 écoles et 8 tableaux noirs à placer, les tableaux noirs sont indiscernables,
donc la solution ne sera pas 48 . On peut résoudre ce problème comme suit :
On considère non pas les écoles mais les 3 séparations entre les écoles. Il s’agit alors de trouver le nombre
de permutations possibles de la suite de symboles suivante où les "|" sont les tableaux et les "+" les 3
séparations entre les 4 écoles.
# 11!
+ + +|||||||| −→ = 165 possibilités (permutations avec répétitions)
3!8!
Par exemple la suite "+|||||| + ||+" signifie : "0 tableau" dans la première école, "6 tableaux" dans la seconde
école, "2" dans la troisième et aucun dans la dernière.
On peut également considérer le problème comme étant équivalent à celui de trouver toutes les solu-
tions non-négatives d’une l’équation du type :
x1 + x2 + x3 + ... + xr = n (par exemple : 0+6+2+0=8)

µ ¶ µ ¶
n+r−1 8+4−1
Une telle équation à solutions. Dans notre cas, r = 4 et n = 8, donc il y a = 165
r−1 4−1
possibilités.
Dans le cas où au moins un tableau doit être mis dans chacune des écoles on peut considérer l’idée
suivante :
Considérons la représentation
|+|+|+|+|+|+|+|
où les "|" représentent comme précédemment les tableaux et les sept "+" représentent les séparations de
8 écoles avec chacune un tableau. Avec 8 écoles, il n’y a qu’une seule possibilité de placer les 8 tableaux.
Maintenant, considérons les 4 écoles du problème. Il suffit de garder 3 séparations parmi les 7 pour avoir au
moins un tableau par école et les 4 tableaux restant distribué aléatoirement. Ce qui donne la combinaison
µ ¶ µ ¶
7 n−1
= = 35
3 r−1
en remarquant que si les tableaux sont indiscernables, les écoles elles, par contre le sont. Un problème
équivalent est de trouver toutes les solutions non nulles de l’équation
x1 + x2 + x3 + ... + xr = n (par exemple : 1+5+1+1=8)

a) Il s’agit de séparer de toutes les manières possibles 8 personnes indiscernables en 6 groupes (les étages
dans ce cas). Le problème se ramène à rechercher toutes les solutions non négatives de l’équation,
x1 + x2 + x3 + x4 + x5 + x6 = 8
µ ¶
8+6−1
qui sont au nombre de = 1287.
6−1

3.1 Réponses
b) L’ascenseur contient toujours 8 personnes, mais cette fois-ci le liftier peut distinguer entre les femmes
et
µ les hommes.
¶ Il y a 5 hommes et 3 femmes. Le liftier peut µ ¶voir descendre les 5 hommes de
5+6−1 8
= 252 manières différentes et le 3 femmes de = 56 manières possibles. En ap-
5 5
pliquant le principe fondamental de dénombrement on obtient 252 × 56 = 140 112.
c) Si le liftier peut distinguer chaque personne alors le nombre de cas possibles est de 68 = 10 6790 616.
Explication :
Corrigé exercice 2.1.24 La première partie de l’égalité signifie que le nombre de combinaisons possibles
de tirer p boules parmi n est le même que de tirer n − p boules parmi n. Pour s’en convaincre
n! n! n!
µ ¶ µ ¶
n n
= ⇐⇒ = =
p ( n − p)! p! ( n − ( n − p))!( n − p)! p!( n − p)! n− p
La deuxième partie peut s’illustrer comme suit. Soit une urne avec 5 boules différentes, il y a intuitivement
5 × 4 manières de tirer 2 boules. Ne s’intéressant pas à l’ordre, on divise par le nombre de permutation de
ces deux boules c’est-à-dire 2!. Maintenant il n’y a plus qu’une seule manière de considérer les 3 boules
restantes, ce que l’on peut noter 3×3!
2×1
. Finalement,
5×4 3×2×1 5! 3!
µ ¶ µ ¶ µ ¶
5 3 5
× = × = × =
2 × 1 3 × 2 × 1 3! × 2! 3! × 0! 2 3 2, 3
µ ¶ µ ¶
n n
En généralisant à n et p, =
p n − p, p

µ ¶
10
a) Il s’agit de trouver le nombre de possibilités qu’il y a, de tirer 7 questions parmi 10, donc = 120
7
possibilités.
µ ¶
5
b) Il doit choisir 3 questions parmi les cinq premières et bien sûr 4 parmi les 5 dernières donc ×
3
µ ¶
5
= 50 possibilités.
2
Corrigé exercice 2.1.26 Les professeurs et les écoles sont discernables :

a) Il y a 4 choix possibles pour le premier professeur, 4 choix possibles pour le 2ème et ainsi de suite donc
48 = 65536. On remarquera la différence entre cet exercice et l’exercice 2.1.22.
b) Pour la première école on peut choisir 2 professeurs parmi 8, pour la deuxième école on peut choisir 2
professeurs parmi 6 et ainsi de suite, donc
µ ¶ µ ¶ µ ¶ µ ¶ µ ¶
8 6 4 2 8
× × × = = 2520
2 2 2 2 2, 2, 2, 2

a) Le compteur peut afficher tous les nombres de 6 chiffres de 0 à 9990 999, c’est-à-dire 106 nombres. On
peut également considérer 6 cases que l’on peut chacune remplir avec un chiffre de 0 à 9, donc
10 · 10 · 10 · 10 · 10 · 10 = 106 .

3.1 Réponses
¶ µ
6
b) Trois, parmi les 6 cases, vont contenir un "5". Il y a C63 = = 20 possibilités de placer les trois 5. Dans
3
chacune des trois cases qui restent on peut mettre n’importe quel chiffre sauf le "5". En appliquant
le théorème fondamental on a µ ¶
6
· 93 = 140 580
3
possibilités de nombres avec exactement trois "5".
c) Au moins trois "5" signifie : <exactement trois "5"> ou <exactement quatre "5"> ou <exactement cinq
"5"> ou <exactement six "5">. Nous avons déjà le résultat pour <exactement trois "5">, il suffit donc
d’ajouter les autres dénombrements en utilisant le même raisonnement que sous b),
µ ¶ µ ¶ µ ¶ µ ¶
6 6 6 6
· 93 + · 92 + ·9+ · 90 = 150 850.
3 4 5 6
On peut également se dire qu’au moins trois cinq signifie le tout moins <aucun "5"> ou <exactement
un "5"> ou <exactement deux "5"> c’est-à-dire :
µµ ¶ µ ¶ µ ¶ ¶
6 6 6 6 5 6 4
10 − ·9 + ·9 + · 9 = 150 850.
0 1 2
d) Au moins un "5" signifie le tout moins <aucun "5">,

µµ ¶ ¶
6
106 − · 96 = 4680 559.
0

a) Il est plus simple de s’imaginer que chaque billet peut "choisir" un élève, mathématiquement parlant
c’est identique. Le premier billet peut choisir entre 19 élèves, le deuxième billet entre 18 et ainsi de
suite, le résultat est
19!
µ ¶
19 19
19 · 18 · 17 · 16 = A4 = · 4! = = 930 024.
4 (19 − 4)!
b) Chaque billet peut choisir entre 19 élèves donc 19 · 19 · 19 · 19 = 194 = 1300 321.
c) Ne pouvant pas distinguer les billets, il suffit de choisir un groupe de quatre élèves parmi
µ les ¶dix-neuf
19
de la classe et leur donner à chacun n’importe lequel des billets "identiques". Il y a = 3876
4
possibilités de choisir quatre élèves parmi dix-neuf, donc également 3876 possibilités de distribuer
les billets.
Corrigé exercice 2.1.30 Il y a onze filles et trois garçons donc quatorze élèves.
µ ¶
14
a) On choisit 3 élèves parmi 14 donc 14·13
3!
·12
= = 364 délégations différentes.
3
b) Il y a 3 garçons qui peuvent chacun être laveurs de tableaux. Il reste à choisir deux élèves quelconques
parmi 14 − 1 = 13 pour former une délégation de 3, donc
µ ¶
13
3· = 234
2
possibilités.
c) Il y a 364 délégations possibles desquelles il faut enlever celles formées uniquement de filles ou de
garçons, µµ ¶ µ ¶¶
11 3
364 − + = 364 − 165 − 1 = 198
3 3

3.1 Réponses
d) On commence parµdéterminer
¶ le nombre de paires mixtes que l’on peut former. Le nombre total de
14
couples est de = 91 desquels il faut enlever les couples formés uniquement de filles et de
2
garçons, ce qui donne µ ¶ µµ ¶ µ ¶¶
14 3 11
− + = 33.
2 2 2
µ ¶
33
De ces 33 paires il faut en choisir 3 (couples de délégués suppléants), cela nous donne = 5456
3
délégations possibles de 3 couples. À chacune des paires on peut attribuer une des 3 charges, en
plus, dans chaque paire l’un des deux élèves est soit titulaire soit suppléant donc finalement, il y a
µ ¶
33
· 3! · 23 = 650 472
3
répartitions possibles.

µ ¶
11
a) On choisit 5 amis parmi 11, c’est-à-dire qu’il y a = 462 invitations possibles.
5
b) Les deux inséparables sont soit invités ensemble soit ignorés
µ ¶ les deux. Si on les invite alors il faut
9
choisir encore 3 autres invités parmi 11 − 2 = 9, donc = 84. Si on ne les invite pas il faut choisir
3
µ ¶
9
5 invités parmi 11-2=9 c’est-à-dire = 126, en additionnant les deux résultats on obtient la
5
µ ¶ µ ¶
9 9
valeur désirée + = 210.
3 5
c) Supposons que les ennemis s’appellent A et B. On peut réaliser une invitation sans problème en invitant
A et 4 autres personnes sauf B, ou B et 4 autres personnes sauf A , ou encore ni A ni B, ce qui donne
µ ¶ µ ¶ µ ¶
9 9 9
+ + = 378.
4 4 5
Corrigé exercice 2.1.32 Commençons par une petite expérience. Soit 4 personnes a, b, c, d . On aimerait
les partager en un groupe de deux personnes et en deux groupes d’une seule personne. Par énumération on
obtient,  
ab c d
 ac b d 
 
ad b c 
 
,
 bc a d 

 
 bd a c 
cd a b
ce qui donne 6 solutions distinctes.
Partageons à présent ce groupe de quatre personnes en un groupe de trois et un groupe de une personne et
raisonnons de la manière suivante.µ On
¶ µ choisit
¶ trois personnes parmi quatre, puis une personne parmi une,
4 1
cela semble juste et c’est juste. · = 4, on vérifie :
3 1
abc d
 
abd c
 
 acd b
bcd a.

3.1 Réponses
¶ µ ¶ µ ¶ µ
4 2 1
Si on utilise la même formule pour le premier cas on a · · = 12 ! Que c’est-il passé ? On a en
2 1 1
fait introduit un ordre dans les deux groupes de une personne, ordre qu’il faudra éliminer en posant
µ ¶ µ ¶ µ ¶
4 2 1
· ·
2 1 1
= 6.
1! · 2!
Ce n’est pas forcément intuitif, mais en y réfléchissant bien ç’est logique.
Revenons à notre exercice.
a) En tenant compte de ce que l’on vient d’observer, la réponse est
µ ¶µ ¶µ ¶
12 10 5
2 5 5
= 80 316
1! · 2!
possibilités.
b) Cette fois on a trois groupes de même cardinal. On choisit 4 personnes parmi 12 pour le premier groupe,
puis 4 parmi 8 pour le deuxième et finalement 4 parmi 4 pour le dernier. Ayant introduit un ordre
dans des groupes qui ne sont pas discernables par leur cardinalité, on doit diviser par 3! pour rame-
ner le résultat à sa juste valeur.
µ ¶µ ¶µ ¶
12 8 4
4 4 4 495 · 70 · 1 34650
= = = 50 775
3! 6 6
Une autre façon de procéder consiste à utiliser la formule des coefficients multinomiaux : considé-
rons pour commencer les douze personnes alignées sur un rang, on peut faire ceci de 12! manières
différentes. Considérons les quatre premières personnes dans le groupe A , les quatre suivantes dans
le groupe B et les quatre dernières dans le groupe C . En se souvenant de l’exercice du mot mississipi
cela donne
12!
= 340 650
4!4!4!
possibilités. À présent on se rend compte que l’on a bien introduit un ordre entre les lettres A, B et
C . Il faut le supprimer donc diviser par 3! = 6 ce qui donne bien 50 775 comme auparavant.

3.2 Probabilités
3.2 Probabilités
Corrigé exercice 2.2.1 Il ne faut pas perdre de vue que chacune des boules a exactement la même chance
d’être choisie indépendamment de sa couleur.
µ On
¶ commence par calculer le nombre total de combinaisons
12
possibles de 3 boules parmi douze qui est = 220.
3
a) Intuitivement il µy a une
¶ seule possibilité de choisir 3 boules rouges parmi 3, cela se traduit mathémati-
3
quement par = 1. Donc la probabilité étant définie par le nombre de cas favorables divisé par
3
1 ∼
le nombre de cas possibles on obtient P ( A ) = 220 = 0, 004545 ∼
= 0, 45%.
b) Le nombre de façons différentes de tirer une boule rouge est de 3, une bleue de 4 et une jaune de 5 donc la
3 4 5
Ã !Ã !Ã !
1 1 1
probabilité cherchée est P (B) ∼ 4×5 ∼
= 3×220 = 27, 27%. La "traduction mathématique" est .
12
Ã !
3
Attention de ne pas additionner 3, 4 et 5.
c) Cela implique que l’on peut avoir soit :
i) (3 boules bleues et 0 boule jaune) ou
ii) (1 boule bleue et 2 boules jaunes) ou
iii) (2 boules bleues et 1 boule jaune) ou
iv) 0 boule bleue et 3 boules jaunes)
µ ¶µ ¶ µ ¶µ ¶ µ ¶µ ¶ µ ¶µ ¶
4 5 4 5 4 5 4 5
+ + +
3 0 1 2 2 1 0 3 84
P (C ) = =
220
µ ¶
12
3
donc P (C ) ∼
= 0, 3818 ∼
= 38, 18%.
d) On pourait suivre le même raisonnement que sous c) mais il est plus simple de se convaincre que
l’événement "avoir au moins une boule rouge" est l’événement complémentaire de "n’avoir aucune
136 ∼
boule rouge" donc d’après les axiomes de probabilités P (D ) = 1 − P (C ) = 220 = 0, 6181 ∼
= 61, 81%.
e) "Au moins une des trois boules est bleue" signifie que l’on peut avoir 1, 2 ou 3 boules bleues. Il est
parfois plus simple de calculer la probabilité l’événement complémentaire "ne pas avoir de boule
bleue du tout", plutôt que celle de l’événement lui-même, le raisonnement est le même que sous c) :
µ ¶µ ¶ µ ¶µ ¶ µ ¶µ ¶ µ ¶µ ¶
3 5 3 5 3 5 3 5
+ + +
3 0 2 1 1 2 0 3 56
P (1 − E ) = =
220
µ ¶
12
3
d’où P (E ) = 164 ∼
= 0, 7454 ∼
= 74, 54%.
220
56
f) "Avoir au plus une boule bleue" signifie ne pas en avoir du tout (déjà calculé sous e) P (1 − E ) = 220 ) plus
(+) la probabilité d’avoir exactement 1 boule bleue qui est
µ ¶µ ¶ µ ¶µ ¶µ ¶ µ ¶µ ¶
4 3 4 3 5 4 5
+ +
56 1 2 1 1 1 1 2 168
P (F ) = + =
220 220
µ ¶
12
3
c.à.d P (F ) = 42 ∼
= 0, 7636 ∼
= 76, 36%.
55

3.2 Probabilités
Corrigé exercice 2.2.2 Le jeu contient 52 cartes avec 13 cartes par couleur. On calcule d’abord leµ nombre ¶
52
total d’événements possibles (aussi appelé ensemble fondamental, noté en général Ω) Card Ω = =
5
20 5980 960, c.à.d le nombre de cas possibles de tirer 5 cartes d’un jeu de 52 (le terme Card signifie cardinal
de Ω, c’est, en language ensembliste le nombre d’éléments que contient un ensemble quelconque). Il faut
noter que ce calcul est similaire à celui fait à l’exercice 2.2.1 car le fait d’avoir 52 cartes toutes différentes
ne change en rien avec le fait d’avoir une urne avec des groupes de boules indiscernables.
On peut voir un jeu de cartes comme étant une urne avec 4 séries de 13 boules de couleurs différentes
numérotées de 1 à 13. De ce fait, selon l’interprétation d’un événement on peut les voir comme étant
totalement discernables (as et coeur) ou partiellement discernables (as ou coeur).
5
a) Il y a 13 cœurs dans le jeu, donc les possibilités d’en tirer 5 sont C 13 et la probabilité de cet événement
est µ ¶
13
5 33
P ( a) = µ ¶= 0 = 0, 000495.
52 66 640
5
b) Il y a 13 cœurs et 13 piques donc

µ ¶µ ¶
13 13
2 3 143
P ( b) = = = 0, 0085
160 660
µ ¶
52
5
c) Il s’agit ici de la somme des probabilités de 2 tirages distincts, soit 5 trèfles, soit 5 cœurs, il faut donc
additionner les probabilités.
µ ¶ µ ¶
13 13
+
5 5 33
P ( c) = = 0 = 0, 00099
33 320
µ ¶
52
5
c’est le double de P (a)

d) c’est 4 fois P (a) : µ ¶
13
5 33
P (d ) = 4 µ ¶= = 0, 00198
52 16660
5
e) on peut choisir 3 cartes parmi 4 couleurs et 2 cartes parmi les 3 couleurs restantes,
µ ¶ µ ¶
13 13
4× ×3
3 2 429
P ( e) = = = 0, 1030
4165
µ ¶
52
5
f) La 5ème carte peut être n’importe quelle carte, mais elle va tout de même intervenir dans le calcul de
probabilité. On va calculer en utilisant 3 méthodes différentes :
1. Raisonnons en terme d’événements. Pour tirer 5 cartes il y a 52 × 51 × 50 × 49 × 48 possibilités
différentes qu’il faut diviser par le nombre de permutation de 5 cartes, c’est-à-dire 5! ce qui donne
52×51×50×49×48
5! = 20 5980 960. Avoir 4 as et n’importe quelle carte représente 1 × 48 possibilités donc
48 1 −5
P ( f ) = 20 5980 960 = 540 145 = 1, 85 × 10 .
ii) Par un raisonnement purement intuitif on peut affirmer que la probabilité de tirer 4 as et n’im-
4 3 2 1
porte quelle carte est de 52 × 51 × 50 × 49 × 48
48 . Cependant il faut multiplier ce nombre par 5 car
la carte isolée peut apparaître à 5 positions différentes, donc P ( f ) = 27010 725 × 5 = 54145
1

3.2 Probabilités
iii) Finalement en terme de combinaisons tout est beaucoup plus simple, on a

µ ¶µ ¶
4 48
4 1 1
P( f ) = = 0 = 1, 85 × 10−5
54 145
µ ¶
52
4
g) 3 as 1 roi donne µ ¶µ ¶
4 4
3 2 1
P ( g) = =
1080 290
µ ¶
52
5
h) l’événement "aucun as" signifie que l’on choisi 5 cartes parmi toutes celles qui ne sont pas des as, c’est-
à-dire, 48 cartes : µ ¶
48
5 350 673
P ( h) = µ ¶= 0
52 54 145
5
i) "au moins un as" est l’événement complémentaire de "aucun as"
180 472
P ( i ) = 1 − P ( h) =
540 145
j) "Au plus un as" est la probabilité de ne pas en avoir, plus(+), la probabilité d’en avoir un seul. La proba-
4 48
Ã !Ã !
1 4 3243
bilité d’avoir un as est P (1 as) = Ã = 100 829 .
52
!
5
La probabilité cherchée est :
3243 35673 3243 51888
P ( j ) = P ( h) + = + = = 0, 9583
100 829 54145 10829 54145
µ ¶
25
Corrigé exercice 2.2.3 L’ensemble fondamental compte = 12650 possibilités de choisir 4 ma-
4
µ ¶
20
chines parmi 25. La cardinalité de l’événement "tirer 4 machines non défectueuses" est de = 4845
4
(le choix de 4 calculatrices parmi 20 en état de marche). La probabilité cherchée est
µ ¶
20
4 4845
P=µ ¶= = 0, 3830
25 12650
4
Corrigé exercice 2.2.4 Le nombre de voyelles est de 6 et celui des consonnes de 20.
µ ¶
26
a) L’ordre n’importe pas ici, l’ensemble fondamental aura donc = 2600 éléments et le cardinal de
3
µ ¶
20
l’ensemble qui nous intéresse = 1140, de ce fait la probabilité sera
3
µ ¶
20
3 57
P ( a) = µ ¶=
26 130
3

3.2 Probabilités
µ ¶
26
b) l’ordre n’importe pas non plus ici, l’ensemble fondamental aura = 2600 éléments et l’ensemble
3
µ ¶
6
qui nous intéresse = 20 éléments, la probabilité sera
3
µ ¶
6
3 1
P ( b) = µ ¶=
26 130
3
c) dans le mot "moi" l’ordre a de l’importance, le nombre d’arrangements de 3 lettres que l’on peut faire
avec ces 26 jetons est A 326 = (2626! 0
−3)! = 26 × 25 × 24 = 15 600. Le mot "moi" étant l’un de ces arrange-
ments, on a
1
P ( c) = = 0.0000641026
15600
1 1
d) P ( d ) = µ ¶= = P ( c) × 3!
26 2600
3
Corrigé exercice 2.2.5 Le nombre d’éléments de l’ensemble fondamental est de 210 = 2 × 2 × 2 × 2 × 2 ×

2 × 2 × 2 × 2 × 2, on peut ensuite considérer que placer 4 piles et 6 faces est la même chose que trouver le
nombre d’anagrammes du mot "FFFFPPPPPP", la probabilité cherchée sera le rapport des deux nombres
10!
6!×4! 105
P= = = 0, 2050
210 512
1 1 105
µ ¶ µ ¶
n 10
P ( i) = p i (1 − p)n− i = P (4) = ( )4 (1 − )6 =
i 4 2 2 512

Résolution à l’aide d’un diagramme : Soit la figure 2 où ont été placées les données du problème. Faire
un diagramme est la manière la plus rapide et intuitive de résoudre ce genre de problèmes.
F IGURE 2 – Diagramme exercice 2.2.6
On peut facilement en déduire que

3.2 Probabilités
200
a) 140 + 40 + 20 personnes parlent exactement 2 des trois langues. La probabilité est donc de 400 =
0, 5.
b) 400 − 50 = 350 ou 100 + 140 + 20 + 40 + 10 + 20 + 20 = 350 parlent au moins une des trois langues,
p = 350 7
400 = 8 .
Corrigé exercice 2.2.7 Soit la figure 3 où ont été placées les données du problème. On en tire P ( A ) = 0.1,
P (B) = 0.08 et P ( A ∩ B) = 0.04. De la théorie on sait que P ( A ∪ B) = P ( A ) + P (B) − P ( A ∩ B).
a) La probabilité de n’avoir "aucune télévision défectueuse" est l’événement complémentaire de P ( A ∪ B)

qui est : "Une télévision a au moins un défaut",
1 − P ( A ∪ B) = 1 − (P ( A ) + P (B) − P ( A ∩ B)) = 1 − (0.1 + 0.08 − 0.04) = 1 − 0.14 = 0.86
b) La probabilité de ne présenter que le défaut A est P ( A ) − P ( A ∩ B) = P ( A ∪ B) − P (B) = 0.1 − 0.04 =

0.14 − 0.08 = 0.06
c) Même raisonnement, P (B) − P ( A ∩ B) = P ( A ∪ B) − P ( A ) = 0.08 − 0.04 = 0.14 − 0.1 = 0.04.
Corrigé exercice 2.2.8 De l’énoncé on tire : P ( A ) = 0.42; P (B) = 0.55; P (C ) = 0.34; P ( A ∩ B) = 0.18; P ( A ∩
C ) = 0.15; P (B ∩ C ) = 0.15; P ( A ∩ B ∩ C ) = 0.08, on peut en faire le diagramme de la figure 4
a) "Au moins un des pays" est l’événement complémentaire de "aucun des pays", ce dernier événement a
la probabilité 0.04, donc P (a) = 1 − 0.04 = 0.96
b) P ( b) = 1 − P (a) = 0.04
c) P ( c) = P ( A ∩ B) + P ( A ∩ C ) + P (B ∩ C ) − 3 × P ( A ∩ B ∩ C ) = 0.18 + 0.10 + 0.15 − 3 × 0.08 = 0.19
d) P ( d ) = P ( A ) − (P ( A ∩ B) + P ( A ∩ C )) + P ( A ∩ B ∩ C ) = 0.42 − (0.18 + 0.10) + 0.08 = 0.22
e) P ( e) = 0.10
Corrigé exercice 2.2.9µ Dans

¶ un premier temps on calcule le nombre d’événements de l’ensemble fonda-
39
mental, ce nombre est = 9139, c’est le nombre possibilités différentes de choisir trois animaux parmi
3
39.

3.2 Probabilités
a) "au moins un lapin" signifie un, deux ou trois lapins. Il y a deux manières de procéder :
i) On va additionner les probabilités d’avoir exactement un lapin et deux hamster, deux lapins et
un hamster et trois lapins sans hamster. En divisant par le nombre de cas total on obtient la
probabilité recherchée.
µ ¶ µ ¶ µ ¶ µ ¶ µ ¶ µ ¶
35 4 35 4 35 4
× + × + ×
1 2 2 1 3 0 9135
= = 0.999562
9139
µ ¶
39
3
ce qui est pour ainsi dire une certitude.

ii) On voit que la possibilité est de 9135 4
9139 les 9139 restant sont en fait la possibilité de n’avoir aucun
lapin. On pourrait donc très bien calculer la probabilité de l’événement complémentaire et la
soustraire de 1. La probabilité complémentaire à "au moins un lapin" est de n’avoir que des
hamsters donc µ ¶ µ ¶
4 35
×
3 0 4
=
9139
µ ¶
39
3
en faisant le complément à 1, on retrouve bien le résultat calculé sous i) à savoir :
4 9135
1− = = 0.999562
9139 9139
b) "exactement un lapin" est µ ¶ µ ¶

35 4
×
1 2 210
= = 0.0229784
9139
µ ¶
39
3
c) "exactement 3 hamsters" est µ ¶ µ ¶

4 35
×
3 0 4
=
9139
µ ¶
39
3

3.2 Probabilités
Corrigé exercice 2.2.11 Le nombre total de possibilités est

µ ¶
25
= 53130
5
µ ¶
5 1
a) Il n’y a qu’une seule manière de choisir 5 femmes ( ), la probabilité est 53130 = 0.00001882.
5
µ ¶ µ ¶
20 5
b) Il y a = 4845 possibilités de choisir 4 hommes parmi 20 et = 5 possibilités de choisir une
4 1
femme parmi 5 donc µ ¶ µ ¶
20 5
×
4 1
µ ¶ = 0.45595
25
5
Corrigé exercice 2.2.10 On admettra que l’as peut terminer une suite (quinte à l’as), ou débuter une
suite (quinte blanche). Il y a dix manières de faire une suite de 5 cartes avec 13 cartes qui se suivent.
Choisissons une des 10 suites possibles, par exemple 2, 3, 4, 5, 6. Pour le deux, nous avons 4 possibilités
(trèfle, pique, coeur, carreau). Pour le 3, également et ainsi de suite jusqu’au 6. Ce qui donne en tous 45
possibilités. Mais notre calcul tient compte des 4 possibilités de suites royales (même couleur), qu’il faut
décompter. En tenant compte des 10 possibilités de suite nous arrivons à
10 × (45 − 4) = 10200
µ ¶
52
Le nombre total de possibilités de tirer 5 cartes est , la probabilité recherchée est
5
10 × (45 − 4) 5
¶ = = 0.0039
1274
µ
52
5
Corrigé exercice 2.2.11 µ ¶ Le nombre de possibilités totales de former un comité de 5 personnes parmi 25
25×24×23×22×21 25
est 5! = = 530 130.
5
µ ¶
5
a) Il n’y a qu’une seule manière de choisir 5 femmes parmi 5, = 1. La probabilité de l’événement est
5
5
Ã !
5
! = 0.0000188218.
25
Ã
5
µ ¶ µ ¶ µ ¶
20 20 5
b) Il y a = 4845 possibilités de choisir 4 hommes et 5 possibilités de choisir 1 femme, × =
4 4 1
240 225.
240 225
La probabilité recherchée est 53 0 130 = 0.455957.

3.2 Probabilités
µ ¶
36
a) Il y a possibilités de distribuer les cartes aux quatre joueurs. Admettons qu’un joueur ait les
9, 9, 9, 9
µ ¶
27
9 cœurs, il y a manières possibles de répartir les cartes restantes aux 3 joueurs restants,
9, 9, 9
donc la probabilité que l’un des joueurs reçoive 9 cœurs est :
µ ¶
27
4
9, 9, 9 1
¶=
230 5350 820
µ
36
9, 9, 9, 9
µ ¶
36
Il y a une autre manière de voir les choses, la possibilité d’avoir les 9 cœurs est de 1 pour =
9
0 0
94 143 280, comme il y a 4 joueurs, il y a 4 fois plus de chance, ce qui donne le même résultat.
µ ¶
32
b) Supposons que chaque joueur ait déjà un roi. Il y a manières possibles de distribuer le reste
8, 8, 8, 8
des cartes entre les quatre joueurs. Mais les rois peuvent être répartis de 4 ! manières différentes
aux quatre joueurs, finalement :
µ ¶
32
4!
8, 8, 8, 8 729
¶ = = 0.111383
6545
µ
36
9, 9, 9, 9
Corrigé exercice 2.2.13 Les n personnes peuvent avoir leurs anniversaires de 365n possibilités diffé-
rentes. Le fait d’avoir au moins deux personnes ayant leurs anniversaires le même jour est l’événement
complémentaire qu’aucune des personnes n’ait son anniversaire le même jour qu’une autre. La première
personne peut avoir son anniversaire de 365 manières différentes, la deuxième de 364, la troisième de 363
et ainsi de suite... donc la probabilité de l’événement complémentaire (qui en l’occurrence est la même car
1 − 12 = 21 ) est
365 × 364 × 363 × (365 − n + 1) 1
=
365n 2
La résolution de cette équation donne n = 23. Donc, dans un groupe de 24 personnes, il y a plus d’une
chance sur deux pour que l’on trouve un anniversaire en commun.
Corrigé exercice 2.2.14 On s’intéresse à l’événement un "client possède une VISA ou une American
Express". On applique la formule P ( A ∪ B) = P ( A ) + P (B) − P ( A ∩ B).
Posons
P (Visa ou Aexpress) = P (Visa) + P (Aexpress) − P (Visa et Aexpress) = 0.61 + 0.24 − 0.11 = 0.74
Corrigé exercice 2.2.15 Le diagramme de la situation est : (figure 5)

D’où on tire facilement qu’un élève tirer au hasard porte "une bague ou un collier" avec une probabilité
de 0.4 et "une bague et un collier" avec une probabilité de 0.1.
On peut également résoudre le problème en utilisant l’algèbre des ensembles, soit les probabilités :
i) P (B)= probabilité de "porter une bague" = 0.20,
ii) PC ) = probabilité de "porter un collier" = 0.30,

3.2 Probabilités
iii) P (B c ∩ C c ) = probabilité de l’événement "ne porte pas de bague et ne porte pas de collier (ni bague, ni
collier) = 0.60.
a) On applique la loi de Morgan à l’événement P (B c ∩ C c ), ce qui donne P (B c ∩ C c ) = P (B ∪ C ) c = 0.6 donc
P (B ∪ C ) = 1 − P (B ∪ C ) c = 1 − 0.6 = 0.4
#
b) P (B ∪ C ) = P (B) + P (C ) − P (B ∩ C ) −→ P (B ∩ C ) = P (B) + P (C ) − P (B ∪ C ) = 0.2 + 0.3 − 0.4 = 0.1
Corrigé exercice 2.2.16 Définissons :

A ="parle anglais" ;
E ="parle espagnol" ;
F ="parle français" ;
avec les probabilités :
P ( A ) = 0.16 ;
P (E ) = 0.28 ;
P (F ) = 0.26 ;
P ( A ∩ E ) = 0.04;

3.2 Probabilités
P ( A ∩ F ) = 0.06 ;
P (E ∩ F ) = 0.12 ;
P ( A ∩ E ∩ F ) = 0.02 ;
a) L’événement "suivre exactement 1 cours de langue" se traduit par l’expression P ( A ∪ E ∪ F ) qui vaut :
P ( A ∪ E ∪ F ) = P ( A ) + P (E ) + P (F ) − P ( A ∩ E ) − P ( A ∩ F ) − P (E ∩ F ) + P ( A ∩ E ∩ F )
P ( A ∪ E ∪ F ) = 0.16 + 0.26 + 0.28 − 0.06 − 0.04 − 0.12 + 0.02 = 0.32
b) La probabilité de "ne suivre aucun cours" est l’événement complémentaire d’en suivre "exactement 1 ou
exactement 2 ou exactement 3" :
i) Suivre exactement 1 cours est égal P ( A ∪ E ∪ F ) = 0.32
ii) Suivre exactement 2 cours donnés est égal à la probabilité de suivre l’un et l’autre, moins, la
probabilité d’en suivre 3. Cela se traduit par
P ( A ∩ E ) − P ( A ∩ E ∩ F ) + P ( A ∩ F ) − P ( A ∩ E ∩ F ) + P (E ∩ F ) − P ( A ∩ E ∩ F )
0.04 − 0.02 + 0.06 − 0.02 + 0.12 − 0.02 = 0.16
iii) La probabilité de suivre les 3 cours nous est donnée et vaut P ( A ∩ E ∩ F ) = 0.02
La somme de i), ii) et iii) vaut 0.50, donc l’événement complémentaire également (1-0.50=0.50).
c) "Au moins un des deux suit un cours" est l’événement µ complémentaire
¶ de "aucun ne suit un cours". Le
100
nombre total de possibilités de tirer 2 élèves est et le nombre de possibilités de tirer 2 élèves
2
µ ¶
50
ne suivant aucun cours est , la probabilité de l’événement complémentaire est :
2
µ ¶
50
2 49
¶=
198
µ
100
2
49 149
la probabilité de l’événement cherché est 1 − 198 = 198 = 0.7525.

9
a) Il faut que les 5 premières soient mauvaises et que la sixième soit la bonne, 10 × 89 × 78 × 67 × 56 × 15 = 1
10
b) On additionne les chances qu’il y a, d’ouvrir à la première, à la deuxième et à la troisième tentative :
1 9 1 9 8 1 3
+ × + × × =
10 10 9 10 9 8 10
On peut également calculer la probabilité de l’événement complémentaire qui est "ne pas ouvrir lors
des 3 premières tentatives" et soustraire cette probabilité à 1.
9 8 7 7 3
1− × × = 1− =
10 9 8 10 10
Corrigé exercice 2.2.18 Il faut placer les tours de manière à ce qu’aucune ne puisse prendre une autre,
c’est-à-dire que l’on ne peut pas trouver deux tours qui partagent une même ligne ou une même colonne.
On peut voir sur le dessin ci-dessous comment procéder. On peut placer la première tour de 64 manières
différentes, une fois placée, celle-ci interdit la ligne et la colonne où elle se trouve, c’est-à-dire 15 cases. Il
reste alors 49 possibilités pour mettre la seconde, qui à son tour condamne 13 cases. Il reste alors 36 cases

3.2 Probabilités
de libres pour la quatrième... et ainsi de suite. En étudiant de plus près la série obtenue (64 × 49 × 36 × 25....),
on se rend compte que l’on peut la traduire par l’expression :
8
i2
Y
i =1
On peut mettre huit tours de 64 × 63 × 62 × 61 × 60 × 59 × 58 = manières possible. La probabilité recherchée
est donc : Q8 2
i =1 i 1.6 × 109
= = 0.00051
64 × 63 × 62 × 61 × 60 × 59 × 58 3.12 × 1012

a) On a 36 événements différents possibles, on enlève les 6 paires de résultats équivalents (1 ;1)(2 ;2)... Il
reste 30 événements dans lesquels la moitié montre le deuxième dé supérieur au premier
36 − 6 − 15 5
=
36 12
b) On peut également comptabiliser les événements satisfaisants : si le premier dé tombe sur 1, il y a 5
événements favorables, si il tombe sur 2, il y en a 4 et ainsi de suite jusqu’au 5 où il n’en reste plus
5
qu’un. Ce qui donne 5 + 4 + 3 + 2 + 1 = 15 sur 36 résultats possibles ce qui donne bien 12 .
Corrigé exercice 2.2.20 On a 5 boules rouges, 6 boules bleues et 8 boules vertes.

¶ µ
19
Tirage sans remise : Le nombre total de possibilités de tirer 3 boules parmi 19 est = 969.
3
a) Toutes de la même couleur signifie "3 rouges ou 3 bleues ou 3 vertes". Les possibilités d’obtenir respec-
tivement 3 rouges, 3 bleues et 3 vertes sont :
µ ¶ µ ¶ µ ¶
5 6 8
= 10, = 20 et = 56
3 3 3
La probabilité cherchée est la somme de ces trois valeurs, divisée par le nombre total de possibilités,
86
969 = 0.0887513
b) La probabilité de tirer 3 boules de couleurs différentes est
µ ¶µ ¶µ ¶
5 6 8
1 1 1 80
= = 0.247678
323
µ ¶
19
3
Tirage avec remise : Le nombre total des possibilités de tirer 3 boules est dans ce cas de 19 × 19 × 19 =
6859.
a) Dans un tirage avec remises on aura 5 × 5 × 5 = 125 manières de tirer 3 rouges, 6 × 6 × 6 = 216 manières
de tirer 3 bleues et 8 × 8 × 8 = 512 manières de tirer 3 vertes. Le nombre total de possibilités est
19 × 19 × 19 = 6859. La probabilité de tirer 3 boules de la même couleur dans un tirage avec remise
est :
125 + 216 + 512 853
= = 0.124362
19 × 19 × 19 6859
b) Ici on s’intéresse à la somme des probabilités de tirer les suites ordonnées de boules : RBV , RV B, BRV , BV R, V BR, V R
Chacune de ces suites de couleurs peut apparaitre avec la même probabilité (on remet les boules
5 6 8
après tirage). La probabilité, disons, d’obtenir, la suite RBV est 19 × 19 × 19 , il suffit de multiplier
par 6, qui est le nombre de permutations possibles, pour obtenir le résultat recherché :
5 × 6 × 8 1440
6× = = 0.209943
193 6859

3.2 Probabilités

a) En se basant sur l’exercice précédent, la probabilité d’avoir deux boules de la même couleur lors d’un
tirage sans remise est : µ ¶ µ ¶
n m
+
2 2 n( n − 1) + m( m − 1)
¶ =
( n + m)( n + m − 1)
µ
m+n
2
b) La probabilité d’avoir deux boules de la même couleur lors d’un tirage avec remise est :
n2 + m2
( n + m )2
c) Il faut démontrer que a) < b), autrement dit que
n( n − 1) + m( m − 1) n2 + m2
<
( n + m)( n + m − 1) ( n + m)2
Le dénominateur commun est( n + m)2 ( n + m − 1), d’où
m3 + m2 n − m2 + mn2 − 2 mn + n3 − n2 < m3 + m2 n − m2 + mn2 + n3 − n2
⇐⇒ + n3 − n2 − 2 mn < + n3 − n2 ⇐⇒ −2 mn < 0, ∀ m, n > 0
Corrigé exercice 2.2.22 Après le marquage, la forêt compte 5 cerfs marqués et 15 cerfs non marqués.
La probabilité cherchée est donc µ ¶µ ¶
5 15
2 2 70
= = 0.2167182
323
µ ¶
20
4
Il faut faire attention en utilisant les méthodes intuitives dans ce genre de problème, une faute que l’on
commet souvent est la suivante. Calculons la probabilité de choisir dans l’ordre deux cerfs marqués puis
deux cerfs non marqués, la probabilité est :
5 4 15 14 35
× × × =
20 19 18 17 969
4!
maintenant, vu que l’ordre ne nous intéresse pas, il s’agit de multiplier ce nombre par 2!×2! et non pas par
4!, comme on serait tenté de le faire.
35 4! 70
× =
969 2!2! 323
¶ µ
52
Corrigé exercice 2.2.23 Le nombre total de mains de 13 cartes dans un jeu de 52 est = 6350 0130 5590 600.
13
On s’intéresse à la possibilité de n’obtenir que des mains avec des cartes inférieures à dix. Si on enlève
toutes les cartes du jeu qui sont égales ou supérieures à dix il en reste 52 − (4 × 5) = 32. La probabilité
recherchée est µ ¶
32
13 50 394
¶= 0 = 0.000547033
9 8600 459
µ
52
13

3.2 Probabilités
Corrigé exercice 2.2.24 Les cinq personnes peuvent chacune choisir un hôtel don il y a 5 × 5 × 5 = 125
possibilités. La première personne peut choisir parmi 5 hôtels, la deuxième parmi 4 et la troisième parmi
3. La probabilité cherchée est
5×4×3
= 0.48
5×5×5
On a ici un problème d’arrangements et non pas de combinaisons, en fait on s’intéresse à l’ordre dans lequel
chaque personne peut choisir son hôtel, les hôtels et les personnes doivent être discernés.
Corrigé exercice 2.2.25 Le nombre total de possibilités est 8! = 40320.

Qu’aucun des couples ne soit assis ensemble est l’événement complémentaire de : "un couple est ensemble
ou deux couples sont ensembles ou trois couples sont ensembles ou quatre couples sont assis ensembles".
Ce qui se traduit par P ( c1 ∪ c2 ∪ c3 ∪ c4) qui vaut :
P ( c1 ∪ c2 ∪ c3 ∪ c4) = P ( c1) + P ( c2) + P ( c3) + P ( c4)−
− (P ( c1 ∩ c2) + P ( c1 ∩ c3) + P ( c1 ∩ c4) + P ( c2 ∩ c3) + P ( c2 ∩ c4) + P ( c3 ∩ c4)) +

+(P ( c1 ∩ c2 ∩ c3) + P ( c1 ∩ c2 ∩ c4) + P ( c2 ∩ c3 ∩ c4) + P ( c1 ∩ c3 ∩ c4)) − P ( c1 ∩ c2 ∩ c3 ∩ c4)
7!×2!
P ( c1) = P ( c2) = P ( c3) = P ( c4) = 8!
6!×22
P ( c1 ∩ c2) = P ( c1 ∩ c3) = P ( c1 ∩ c4) = P ( c2 ∩ c3) = P ( c2 ∩ c4) = P ( c3 ∩ c4) = 8!
5!×23
P ( c1 ∩ c2 ∩ c3) = P ( c1 ∩ c2 ∩ c4) = P ( c2 ∩ c3 ∩ c4) = P ( c1 ∩ c3 ∩ c4) = 8!
4!×24
P ( c1 ∩ c2 ∩ c3 ∩ c4) = 8!
Finalement :
7! × 2! 6! × 22 5! × 23 4! × 24 23
P ( c1 ∪ c2 ∪ c3 ∪ c4) = 4 × −6× +4× − =
8! 8! 8! 8! 35
23 12
Il faut encore prendre la probabilité complémentaire qui est 1 − 35 = 35
µ ¶
45
Corrigé exercice 2.2.26 (Année 2011) Le nombre de combinaisons possibles de 6 numéros est =
6
0 0
8 145 060.
Etudions les possibilités d’avoir :

6 bons numéros. Le nombre de possibilités d’avoir 6 bons numéros est bien sûr unique,
µ ¶µ ¶
6 39
=1
6 0
Autrement dit "6 numéros gagnants et aucun autre", la probabilité de gagner est 1/80 1450 060 =
1.23 ∗ 10−7 .
5 bons numéros. Le nombre de possibilités est
µ ¶µ ¶
6 39
= 234
5 1
c’est à dire 5 numéros gagnants parmi 6 et un numéro parmi les 39 restants, la probabilité est
234/80 1450 060 = 0.000028729
µ ¶µ ¶
6 39
= 110 115
4 2
La probabilité de gagner est 110 115/80 1450 060 = 0.00136463

3.2 Probabilités

µ ¶µ ¶
6 39
= 1820 780
3 3
La probabilité de gagner est 1820 780/80 1450 060 = 0.0224406

2 numéros corrects Le nombre de possibilités d’avoir 2 numéros corrects est
µ ¶µ ¶
6 39
= 10 2330 765
2 4
La probabilité de gagner est 10 2330 765/80 1450 060 = 0.151474

1 bon numéro. Le nombre de possibilités est
µ ¶µ ¶
6 39
= 30 4540 542
1 5
La probabilité de gagner est 30 4540 542/80 1450 060 = 0.424127

aucun numéro correct Le nombre de possibilités de n’avoir aucun bon numéro est
µ ¶µ ¶
6 39
= 30 2630 623
0 6
La probabilité est 30 2630 623/80 1450 060 = 0.400565

On remarquera que l’on a plus de chance d’avoir un bon numéro qu’aucun bon numéro.
Lorsque l’on tient compte du numéro complémentaire (C ) les probabilités changent un peu du fait que
les numéros non gagnants sont à choisir parmi 38 et non 39 numéros, comme vu ci-dessus.
6 38 1
Ã !Ã !Ã !
6 0 0 1
0) P (6 bons numéros ) = = = 1.22774 × 10−7
45 80 1450 060
Ã !
6
6 38 1
Ã !Ã !Ã !
5 0 1 6
1) P (5 bons numéros + C ) = = = 7.36643 × 10−7
45 80 1450 060
Ã !
6
6 38 1
Ã !Ã !Ã !
5 1 0 228
2) P (5 bons numéros ) = = = 0.0000279924
45 80 1450 060
Ã !
6
6 38 1
Ã !Ã !Ã !
4 1 1 570
3) P (4 bons numéros + C ) = = = 0.0000699811
45 80 1450 060
Ã !
6
6 38 1
Ã !Ã !Ã !
4 2 0 100 545
3) P (4 bons numéros ) = = = 0.00129465
45 80 1450 060
Ã !
6
6 38 1
Ã !Ã !Ã !
3 3 0 1680 720
4) P (3 bons numéros ) = = = 0.0207144
45 80 1450 060
Ã !

3.2 Probabilités
Maintenant calculons le nombre de fois qu’il faut jouer pour être raisonnablement sûr de gagner au
moins 4 francs (faire "au moins un 3"). Fixons notre "raisonnablement sûr" à 99,5%. "Avoir au moins 3 bons
numéros" est l’événement complémentaire de ne "rien gagner du tout". En additionnant les probabilités
d’avoir 3, 4, 4+, 5, 5+, 6 bons numéros on obtient 0.0221070, donc la probabilité de ne rien gagner est
1 − 0.0221070 = 0.977893.
#
1 − 0.977893n = 0.995 −→ n = 234
Il faut jouer 234 fois (plus de deux ans) pour être sûr à 99,5% de gagner quelque chose.
Si on fait le même calcul mais uniquement pour le gros lot on arrive à 43’155’100 jeux, c’est-à-dire qu’il
faut jouer pendant 407’000 ans ! ! ! Chaque grille coûte 3.- donc il faut investir 127 millions de francs pour
être sûr à 99,5% d’en gagner... moins de 50.
Sans commentaires !
Corrigé exercice 2.2.29 Diagramme : B= "le gorille a les yeux bleus", NB = "le gorille n’a pas les yeux
bleus".
F IGURE 7 – Exercice
1 7 11
a) La probabilité qu’un gorille ait les yeux bleus est P (B) = 10 + 40 = 40 = 0.275
b) La probabilité que le gorille soit "gaucher si il a les yeux bleus" est le rapport entre la probabilité d’être"
gaucher et avoir les yeux bleus" et la probabilité "avoir les yeux bleus", calculée en a), P (G |B) =
1
10
1 7
= 0.3636
10 + 40

3.2 Probabilités
c) La probabilité d’avoir "au moins un gorille aux yeux bleus" est la probabilité complémentaire de "aucun
gorille n’a les yeux bleus", dont la probabilité est 1 − 0.275 = 0.725. La probabilité qu’aucun des six
gorilles n’ait les yeux bleus est 0.7256 = 0.1452 donc la probabilité qu’au moins 1 ait les yeux bleus
est 1 − 0.1452 = 0.8548.
Voyons à présent la solution purement algébrique, on sait que :

3 7
◦ P (G )="probabilité d’être gaucher"= 10 ⇒ P (D ) ="probabilité d’être droitier"= 10 .
◦ P (B|G ) ="probabilité d’avoir les yeux bleus sachant que le gorille est gaucher"= 13 .
◦ P (B|D ) ="probabilité d’avoir les yeux bleus sachant que le gorille est droitier"= 41 .
point a) On applique la formule des probabilités totales :
P (B ) = P (B ∩ G ) + P (B ∩ G c ) = P (B ∩ G ) + P (B ∩ D )
En utilisant la formule des probabilités conditionnelles aux deux membres de droite on obtient :
1 3 1 7 11
P (B) = P (B|G )P (G ) + P (B|D )P (D ) = × + × =
3 10 4 10 40
P (G ∩B)
point b) Il faut trouver P (G |B). On sait que P (G |B) = P (B ) (faisons comme si l’on ne connaissait pas
encore P (B))
1 3
P (G ∩ B) P (B|G )P (G ) P (B|G )P (G ) 3 × 10
P (G |B) = = = = 1 3 1 7
= 0.3636
P (B ) P (B ) P (B|G )P (G ) + P (B|D )P (D ) ×
3 10 + 4 × 10
Corrigé exercice 2.2.30 Soit le diagramme :
a) P (a) = 0.50
b) Ici on s’intéresse à la probabilité de l’événement "cheveux bruns si yeux marrons", c’est une probabilité
P (CB ∩ Y M ) 0.15 3
conditionnelle donnée par P (CB|Y M ) = = 0.25 = 5 = 0.60
P (Y M )

3.2 Probabilités
Corrigé exercice 2.2.31 Soit le diagramme :

a) C’est une probabilité conditionnelle, on sait que l’élève est insuffisant en physique, cette probabilité
devient la référence, car c’est un fait acquis. La probabilité recherchée est "insuffisant en maths si
insuffisant en physique"
P ( Ma ∩ P h) 0.10 2
P ( Ma|P h) = = = = 0.40
P ( P h) 0.25 5
b) On recherche P (P h| Ma)
P ( Ma ∩ P h) 0.10 2
P (P h| Ma) = = = = 0.667
P ( Ma) 0.15 3

a) On sait que le rapport entre les élèves insuffisants et le total d’élève est de 51 , notons avec x le nombre
d’élèves insuffisants et avec T l’effectif de la classe. On sait donc que
µ ¶
x
1 1
P (1 insuffisant) = µ ¶= donc que T = 5 x
T 5
1
d’autre part µ ¶
x
2
P (2 insuffisants) = µ ¶
T
2
P (2 insuffisants) 1
mais on sait on sait également que = 6 donc on pose le système
P (1 insuffisant)

T = 5x


x!
  

  ( x − 2)!2!  #
−→ x = 5 et T = 25
  
T!
  


 (T − 2)!2! 1
 =
 1 6
5

3.2 Probabilités
b) Le droit de tirer plusieurs fois le même élève veut dire tirage avec remise, donc les probabilités des
événements sont constantes lors des trois tirages. Au moins "un élève insuffisant" est l’événement
complémentaire de "tous les élèves suffisants". La probabilité de tirer un élève ayant une note suffi-
sante est 2525− x où x est le nombre d’élèves ayant une note suffisante. La probabilité de tirer 3 fois de
x 3
suite un bon élève est ( 25 ) et est égale à 0, 216 il nous faut donc résoudre
³ x ´3
#
= 0.216 −→ x = 15
25
15 étant le nombre d’élèves ayant une note suffisante, le résultat cherché est 10.

Résolution avec diagramme Soit le diagramme de la figure 10 de la situation
a) Qu’il fasse beau pendant 3 jours correspond à la probabilité
P (B ∩ B ∩ B) = P (B)P (B|B)P (B|B ∩ B) = 0.8 × 0.8 × 0.8 = 0.521

3.2 Probabilités
b) Qu’il fasse beau dans 3 jours correspond une addition des probabilités :
P (B ∩ B ∩ B) + P (B ∩ PB ∩ B) + P (PB ∩ B ∩ B) + P (PB ∩ PB ∩ B) = 0.688
Corrigé exercice 2.2.34 Soit le diagramme de la figure 11.
Du diagramme on tire que la probabilité d’avoir deux boules de la même couleur est la somme des
probabilités suivantes :
P ( A ∩ jaune ∩ jaune ) + P ( A ∩ bleu ∩ bleu) + P (B ∩ jaune ∩ jaune ) + P (B ∩ bleu ∩ bleu) +

1 5 1 0 1 1 503
+P (C ∩ jaune ∩ jaune ) + P (C ∩ bleu ∩ bleu) = + + + + + = = 0.399
28 42 9 9 30 10 1260
** Détails
1. P ( A ) est la probabilité de choisir la boîte A au hasard, c.à.d 31 .
2. P (jaune| A ) est la probabilité de tirer une boule jaune si la boîte A à déjà été choisie, cette probabilité
vaut 38 , on peut poser d’après la théorie des probabilités conditionnelles
3
P (jaune ∩ A ) 8 × 13 3
P (jaune | A ) = = 1
=
P ( A) 8
3

3.2 Probabilités
3. P (jaune | ( A ∩ j )) est la probabilité de tirer une boule jaune sachant que l’on a déjà choisi la boîte A et
tiré une première boule jaune.
1
P ( A ∩ jaune ∩ jaune) 3 × 38 × 27 2
P (jaune | ( A ∩ jaune)) = = 3
=
P (jaune ∩ A ) 7
24
Corrigé exercice 2.2.35 Diagramme de la situation, figure 12.

"Les personnes suivant ce programme avec succès sont à 60% des femmes" signifie que la probabilité d’être
une femme, si la cure de désintoxication est un succès (P (F |S )), est de 0.6 (60%).
a) On demande P ( H ) ?
P (F ∩ S ) 0.48 × x
P (F |S ) = 0.6 = = (probabilités conditionnelles)
P (S ) P (S )
On conditionne P (S ) à l’aide de la formule de Bayes, (on a posé, x = P (F )) :
P (S ) = P (S |F )P (F ) + P (S | H )P ( H ) = 0.48 × x + 0.37 × (1 − x)
En substituant on obtient :
0.48 × x #
0. 6 = −→ x = P (F ) = 0.536
0.48 × x + 0.37 × (1 − x)
d’où P ( H ) = 0.464.
b) on demande ici P (S )
P (S ) = P (S |F )P (F ) + P (S | H )P ( H ) = 0.48 × 0.536 + 0.37 × 0.464 = 0.429

3.2 Probabilités
Corrigé exercice 2.2.36 On sait que :

"daltonien si homme" : P (D | H ) = 0.05
"daltonien si femme" : P (D |F ) = 0.0025
"être un homme" : P ( H ) = 0.48
"être une femme" P (F ) = 0.52
a) On cherche P (D ), la probabilité "être daltonien". On peut conditionner P (D ) :
P (D ) = P (D | H )P ( H ) + P (D |F )P (F ) = 0.05 × 0.48 + 0.0025 × 0.52 = 0.0253
b) on cherche P ( H |D ) autrement dit la probabilité "être un homme si daltonien".
P ( H ∩ D ) P (D | H )P ( H ) 0.05 × 0.48
P ( H |D ) = = = = 0.949
P (D ) P (D ) 0.0253
Corrigé exercice 2.2.37 On sait que :

"grand si homme" : P ( g| H ) = 0.04
"grand si femme" : P ( g|F ) = 0.01
"être un homme" : P ( H ) = 0.40
"être une femme" P (F ) = 0.60
a) on cherche P ( g), c.à.d. "être grand"
P ( g) = P ( g|F )P (F ) + P ( g| H )P ( H ) = 0.01 × 0.60 + 0.04 × 0.40 = 0.022
b) on cherche P (F | g), qui signifie "être une fille si grand"
P ( g ∩ F ) P ( g|F )P (F ) 0.01 × 0.60

P (F | g) = = = = 0.2727
P ( g) P ( g) 0.022
c) on demande
i) P ( g| H )10 = 1.048 × 10−14
ii) Qu’au moins un des dix garçons mesure 1.80m ou plus est l’événement complémentaire de "au-
cun des 10 garçons ne mesure 1.80m ou plus.
#
P ( normal | H ) = 1 − P ( g| H ) = 0.96 −→ 1 − P ( normal | H )10 = 0.3351
iii) µ ¶
10
P ( g = 2) = P ( g| H )2 × P ( normal | H )8 = 0.05194
2
d) on reprend c)ii) et on pose

#
1 − P ( normal | H ) x = 0.0001 −→ x > 226
Corrigé exercice 2.2.38 Le nombre total de possibilités est 36, on doit enlever 6 tirages montrant deux
faces identiques, il reste donc 30 combinaisons vérifiant l’événement "les deux résultats sont différents".
"Au moins un d’entre eux montre six" (dans les trentes restants) est constitué des couples (1; 6), (2; 6), (3; 6), (4; 6), (5; 6), (6; 1
donc 10 occurrences. La probabilité recherchée est par conséquent 10 30 = 0.33.

3.2 Probabilités

a) Il y a 6 possibilités sur 15 de tirer une première boule blanche, puis 5 sur 14. Pour les boules noires, on
aura 9 choix possibles sur 13 boules et puis 8 choix sur 12 boules pour la dernière. Le résultat est :
6 5 9 8 6
= = 0.0659341
15 14 13 12 91
Il faut remarquer que la probabilité aurait été la même pour n’importe quel ordre de boules.
6!
b) Si on ne s’intéresse pas à l’ordre il y a 2!2! = 6 permutations possibles entre les boules blanches et noires.
La probabilité devient
6 5 9 8 6 36
= ×6 = = 0.395604
15 14 13 12 91 91
c) Dans le cas b) on peut aussi trouver le résultat en se demandant de combien de manières on peut tirer
2 boules parmi 6 et 2 boules parmi 9, ce qui donne :
µ ¶µ ¶
6 9
2 2 36
¶ = = 0.395604
91
µ
15
4
Corrigé exercice 2.2.40 Dans une famille de deux enfants on a les possibilités suivantes : (FF)(FG)(GF)(GG).
Le roi appartenant à l’une des 3 dernières possibilités, parmi lesquels 2 comptent une fille, la probabilité
est de 23 .
Corrigé exercice 2.2.41 La probabilité d’avoir trois piques est donnée par la règle de multiplication :
13 12 11 11
P ( p 1 ∩ p 2 ∩ p 3 ) = P ( p 1 ) × P ( p 2 | p 1 ) × P ( p 3 |( p 1 ∩ p 2 ) = × × =
52 51 50 850
Ensuite, on aurait tendance à penser que la probabilité de l’événement : «la première est un pique sachant
que les deux dernières en sont» est la même chose que, «la troisième est un pique sachant que les deux
11
premières en sont», la probabilité cherchée devrait être de 50 . Mais il reste à le prouver.
On sait que l’intersection d’ensemble est une opération commutative, donc les deux équations suivantes
sont identiques :
P ( p 1 ∩ p 2 ∩ p 3 ) = P ( p 1 ) × P ( p 2 | p 1 ) × P ( p 3 |( p 1 ∩ p 2 )
P ( p 3 ∩ p 2 ∩ p 1 ) = P ( p 3 ) × P ( p 2 | p 3 ) × P ( p 1 |( p 3 ∩ p 2 )
Ce que l’on cherche est la valeur de P ( p 1 |( p 3 ∩ p 2 )), donc
P ( p3 ∩ p2 ∩ p1 )
P ( p 1 |( p 3 ∩ p 2 )) =
P ( p2 ∩ p3 )
En appliquant les lois de l’algèbre des ensembles on peut effectuer la transformation suivante :
P ( p 2 ∩ p 3 ) = P ( p 2 ∩ p 3 ∩ p 1 ) + P ( p 2 ∩ p 3 ∩ p 1c )
Finalement :
P ( p3 ∩ p2 ∩ p1 )
P ( p 1 |( p 3 ∩ p 2 )) =
P ( p2 ∩ p3 )
P ( p3 ∩ p2 ∩ p1 )
=
P ( p 2 ∩ p 3 ∩ p 1 ) + P ( p 2 ∩ p 3 ∩ p 1c )
13
52 × 12 11
51 × 50 11
= 13 12 11 13 12 39
=
× × + × × 50
52 51 50 52 51 50

3.2 Probabilités
Corrigé exercice 2.2.42 On pose :

P ( r 1 ) = 0.9 ∼ "réussir le 1er examen"
P ( r 2 | r 1 ) = 0.8 ∼ "réussir le 2ème examen sachant que le 1er est réussi"
P ( r 3 | r 1 ∩ r 2 ) = 0.7 ∼ "réussir le 3ème sachant que les deux premiers sont réussis".
a) On cherche P ( r 1 ∩ r 2 ∩ r 3 ). On applique la règle de multiplication :
P ( r 1 ∩ r 2 ∩ r 3 ) = P ( r 1 ) × P ( r 2 | r 1 ) × P ( r 3 | r 1 ∩ r 2 ) = 0.9 × 0.8 × 0.7 = 0.5040
b) On veut connaître la probabilité de l’événement P ( r 2c | r c ). D’après la formule des probabilités condition-

nelles :
P ( r 2c ∩ r c )
P ( r 2c | r c ) =
P (r c )
Comme les cas intermédiaires tels «réussir uniquement le premier et le troisième examen tout en
ratant le deuxième» n’existe pas, la probabilité P ( r c ) c’est-à-dire, avoir raté la série d’examens est la
probabilité complémentaire de celle trouvée en a) donc, P ( r c ) = 1 − P ( r ) = 0.496.
La probabilité P ( r 2c ∩ r c ) qui signifie «avoir raté le deuxième examen et rater la série» est identique
à «avoir rater le deuxième examen et réussi le premier» donc P ( r 2c ∩ r 1 ).
Finalement :
P ( r 2c ∩ r c ) P ( r 2c ∩ r 1 ) 0.9 × 0.2
P ( r 2c | r c ) = c
= = = 0.3629
P (r ) 1 − P (r) 1 − 0.5040
La solution est plus facile si on considère le diagramme de la figure 13.
F IGURE 13 – Exercice 2.2.42
Corrigé exercice 2.2.43 Il y a deux manières de résoudre ce problème, par un diagramme (figure 14) et
algébriquement :
On connait :
P (F ) = 0.32 "la femme enceinte est une fumeuse"
P (F c ) = 0.68 "la femme enceinte est une non-fumeuse"

3.2 Probabilités
P (E |F ) = 2 p "grossesse ectoplasmique sachant que le femme est une fumeuse"

P (E |F c ) = p "grossesse ectoplasmique sachant que le femme est une non-fumeuse"
On peut tirer du diagramme que la probabilité d’être une fumeuse si la grossesse est ectoplasmique
0.64 p
P (F |E ) est de 0.64 p+0.68 p = 0.4848.
Algébriquement, on commence par poser la formule des probabilités conditionnelles,

P (E ∩ F ) P (E |F )P (F )
P (F |E ) = =
P (E ) P (E )
On voit que la probabilité P (E ) nous est inconnue, il faut donc conditionner P (E ) :
P (E ) = P (E |F )P (F ) + P (E |F c )P (F c )
On obtient la formule de Bayes en substituant la dernière expression dans la précédente :

P (E |F )P (F ) 0.32 × 2 p
P (F |E ) = = = 0.4848
P (E |F )P (F ) + P (E |F c )P (F c ) 0.32 × 2 p + 0.68 × p

P (chien) = 0.36
P (chat) = 0.30
P (chat|chien) = 0.22
a) La probabilité d’avoir un chien et un chat (P (chien ∩ chat)) découle de la formule des probabilités condi-
tionnelles :
P (chat ∩ chien) #
P (chat|chien) = −→
P (chien)
P (chat ∩ chien) = P (chat|chien)P (chien) = 0.22 × 0.36 = 0.0792

3.2 Probabilités
b)
P (chien|chat) 0.0792
P (chien|chat) = = = 0.2640 = 26.4%
P (chat) 0.30
F IGURE 15 – Exercice 2.2.45.
Corrigé exercice 2.2.45 Du dessin on déduit que :

1 b
P (B|U1 ) = ×
2 b+n
1 10 − b
P (B|U2 ) = ×
2 20 − ( b + n)
Il s’agit de maximiser P (B) = P (B|U1 ) × P (B|U2 ).
Il faut remarquer avant tout que si n = b c’est-à-dire que si chaque urne contient des boules blanches et
des boules noires en quantité égales, alors toutes les probabilités possibles seront de P (B) = 12 .
1 b 1 10 − b n= b 1 1 1 1 1
× + × −→ × + × =
2 b + n 2 20 − ( b + n) 2 2 2 2 2
D’autre part si chaque urne contient exactement 10 boules, c’est-à-dire que n + b = 10 dans la première
urne alors
1 b 1 10 − b n+ b=10 1 b 1 10 − b 1
P (B ) = × + × −→ × + × =
2 b + n 2 20 − ( b + n) 2 10 2 10 2
Pour obtenir un résultat plus favorable pour P (B), on remarquera que chaque urne a la même probabilité
d’être choisie. Admettons ensuite que l’une des deux urnes ne contienne qu’une boule blanche, si on choisit
cette urne, la probabilité de choisir une boule blanche est de 1, donc P(B) aura déjà une valeur de 12 , si l’on
met les 9 boules blanches restantes avec les 10 boules noires dans l’autre urne, la probabilité de tirer une

3.2 Probabilités
9
boule blanche vaudra 21 × 19 = 0.2368. Finalement la probabilité totale de tirer une première boule blanche
après avoir choisi une urne sera de 0.5 + 0.2368 = 0.7368
Corrigé exercice 2.2.46 On peut faire le diagramme suivant : (figure 16)
La probabilité que la boule tirée soit noire est la somme des probabilités du "cas 2" plus le "cas 4",
c’est-à-dire P (B1 ∩ nb) + P (B2 ∩ nb) = 14 + 31 = 12
7
= 0.5833.
Ensuite on s’intéresse à l’événement : "si la boule tirée est blanche, quelle est la probabilité qu’elle vienne
de la première boîte" ? Intuitivement, il faut faire le rapport des probabilités, "la boule est blanche et vient
de la première boîte" par, "la boule est blanche". La "boule est blanche" est la somme des probabilités
1
P (B 1 ∩ b )
P ( b) = P ( b|B1 )P (B1 ) + P ( b|B2 )P (B2 ) = 14 + 61 = 5
12 . Le rapport est donc : P ( b) = 4
5 = 3
5 = 0.60.
12
En utilisant la formule des probabilités conditionnelles et la formule de Bayes, on a :

1
P (B 1 ∩ b ) P ( b |B 1 ) P (B 1 ) 2 × 12 5
P (B 1 | b ) = = = 1 1
= = 0.60
P ( b) P ( b |B 1 ) P (B 1 ) + P ( b |B 2 ) P (B 2 ) + 12
4 6

P ( A ) = 0.50 ; P (B) = 0.30 ; P (C ) = 0.20 ;
En posant r ="gâteau mal cuit" alors : P ( r | A ) = 0.02 ; P ( r |B) = 0.03 et P ( r |C ) = 0.05.
On s’intéresse à P ( A | r ) ou encore "si un gâteau est mal cuit, quelle est la probabilité que A soit le respon-
sable". D’après la formule des probabilités conditionnelles,
P ( A ∩ r ) P ( r | A )P ( A )
P ( A |r) = =
P (r) P (r)

3.2 Probabilités
Comme on connaît P ( A ), P (B) et P (C ), on peut conditionner P ( r ) de la façon suivante :
P ( r ) = P ( r | A )P ( A ) + P ( r |B)P (B) + P ( r |C )P (C ) = 0.02 × 0.5 + 0.03 × 0.3 + 0.05 × 0.2 = 0.029
En substituant dans l’équation plus haut on obtient :
P ( r | A )P ( A ) P ( r | A )P ( A ) 0.02 × 0.5
P ( A |r) = = = = 0.3448
P (r) P ( r | A ) P ( A ) + P ( r |B ) P (B ) + P ( r |C ) P (C ) 0.029
34,48% des gâteaux mal cuits peuvent être attribués à A .

10
P (G ) = "être un garçon" = 16+ x ;
6+ x
P (F ) = "être une fille" = 16+ x ;
10
P (1 A ) = "être en première année" = 16+ x ;
6+ x
P (2 A ) = "être en deuxième année" = 16+x ;
4
P (G |1 A ) = "être un garçon sachant que l’élève est en première année" = 10 ;
6
P (F |1 A ) = "être une fille sachant que l’élève est en première année" = 10 ;
Il s’agit de trouver le nombre de filles ( x) de deuxième année (2 A ), tel que l’égalité suivante soit vérifiée :
P (G ∩ 1 A ) = P (G ) × P (1 A ) (1)
On commence par calculer P (G ∩ 1 A ),
4 10 4
P (G ∩ 1 A ) = P (G |1 A )P (1 A ) = × =
10 16 + x 16 + x
et on résout,
4 10 10 #
= × −→ x=9
16 + x 16 + x 16 + x
On peut vérifier ensuite l’indépendance des événements.
Corrigé exercice 2.2.49 On pose :

rH = "reine hémophile" ;
H = "fils hémophile" ;
nH = "fils non-hémophile".
On a les probabilités :
1
P ( rH ) = 2 ;
1
P (H ) = 2 ;
1
P ( nH ) = 2.
Soit la figure 17.
a) Par le diagramme : On peut tout de suite déduire de la figure 2.2.49 la probabilité qui nous intéresse
qui est
1
16 1
1 1
= = 0.1111
+ 9
16 2

3.2 Probabilités
a) Algébiquement : On veut P ( rH |( nH ∩ nH ∩ nH ), on applique les formules des probabilités condition-

nelles et la formule de Bayes (pour le dénominateur) :
P ( rH ∩ nH ∩ nH ∩ nH )
P ( rH | nH ∩ nH ∩ nH ) =
P ( nH ∩ nH ∩ nH )
P ( rH ∩ nH ∩ nH ∩ nH )
=
P ( nH ∩ nH ∩ nH ∩ rH ) + P ( nH ∩ nH ∩ nH ∩ rH c )
P ( rH ∩ nH ∩ nH ∩ nH )
=
P ( nH ∩ nH ∩ nH | rH )P ( rH ) + P ( nH ∩ nH ∩ nH | rH c )P ( rH c )
1 1 1 1
2×2×2×2 1
= 1 1 1 1 1
=
9
2 × 2 × 2 × 2 +1×1×1× 2
Corrigé exercice 2.2.50 On a P (G ) = P (F ) = 12 .

a) Les événements "avoir un fils" et "avoir une fille " sont indépendants, donc
1
P (G ∩ G ∩ G ∩ G ∩ G ∩ G ) = P (G ) × P (G ) × P (G ) × P (G ) × P (G ) × P (G ) =
32

3.2 Probabilités
1
P (F ∩ F ∩ F ∩ F ∩ F ∩ F ) = P (F ) × P (F ) × P (F ) × P (F ) × P (F ) × P (F ) =
32
1
Comme les deux événements nous conviennent, la probabilité recherchée est 16 .
1
b) Il n’y a que P (G ∩ G ∩ G ∩ F ∩ F ) = 32 qui convienne.
¶ µ
5
c) Ici, les possibilités qui conviennent sont plus nombreuses car les 3 garçons peuvent naître de = 10
3
1 5
manières différentes, par conséquent le résultat sera : 10 × 32 = 16 . On notera que le résultat est le
µ ¶ µ ¶
5 5
même si on cherche la probabilité qu’il y ait exactement deux filles car = .
2 3
d) Ici, c’est plus simple de raisonner en termes de combinaisons, on a déjà "fixé" deux garçons comme
étant les aînés. Il reste à pourvoir les trois dernières places. Il y a 23 = 8 manières de considérer les
8
3 derniers enfants, donc la probabilité recherchée est 32 = 41 .
e) "Au moins une fille" est l’événement complémentaire de "pas de fille du tout" ou, autrement dit, "que
1 31
des garçons", donc 1 − 32 = 32 .
On peut également résoudre ce problème en utilisant la loi binomiale.
Corrigé exercice 2.2.51 Soit la figure : (figure 18)
P ( A ∩B ) P ( A)
a) P ( A |B) = P (B ) = P (B ) ;
c
b) P ( A |B ) = 0 ;
P ( A ∩B ) P ( A)
c) P (B| A ) = P ( A) = P ( A) =1;
Corrigé exercice 2.2.52 Il n’est pas toujours nécessaire de faire un diagramme, dans les cas simples il
suffit de bien poser les données et la résolution se fait de manière très rapide, posons : A="le voisin arrose
la plante" ; nA="le voisin oublie d’arroser la plante" ; †= "la plante meurt" ; v= "la plante survit".
P ( A ) = 0.90 ;

3.2 Probabilités
P (†| A ) = 0.15 ;
P (†| nA ) = 0.80 ;
P ( nA ) = 0.10 ;
P (v| A ) = 0.85 ;
P (v| nA ) = 0.20.
a) La probabilité que la plante soit vivante au retour est P (v), que l’on trouve en conditionnant P (v) à
l’aide des événements complémentaires A et nA .
P (v) = P (v| A )P ( A ) + P (v| nA )P ( nA ) = 0.85 × 0.90 + 0.20 × 0.10 = 0.785
b) On cherche P ( nA |†).
P († ∩ A ) P (†| nA )P ( nA ) 0.8 × 0.1

P ( nA |†) = = = = 0.372
P (†) P (†| A )P ( A ) + P (†| nA )P ( nA ) 0.15 × 0.90 + 0.8 × 0.1
Corrigé exercice 2.2.53 On sait que P ( A |B) = 1, en réécrivant de manière différente on obtient que :
P ( A ∩ B)
P ( A |B ) = =1 ⇒ P ( A ∩ B ) = P (B )
P (B )
Ensuite, il faut prouver que dans ces conditions P (B c | A c ) = 1. On réécrit en utilisant la loi de Morgan,
P (B c ∩ A c ) P ((B ∪ A ) c )
P (B c | A c ) = =
P(Ac) P(Ac)
En appliquant alors la loi des probabilités complémentaires à l’expression P ((B ∪ A ) c )
P ((B ∪ A ) c ) = 1 − P (B ∪ A ) = 1 − P ( A ) − P (B) + P ( A ∩ B) = 1 − P ( A ) − P (B) + P (B) = 1 − P ( A ) = P ( A c )
d’où l’on tire finalement, en substituant la dernière expression dans celle du dessus,
P(Ac)
P (B c | A c ) = =1
P(Ac)
Corrigé exercice 2.2.54 On peut traduire le problème par l’équation

µ ¶ µ ¶
4 x
+
2 2 6 + x( x2!−1) 7 #
¶ = (4+ x)(3+ x) = −→ x = 2 ou x = 6
15
µ
4+ x 2!
2
Pourquoi y a-t-il deux valeurs ? Essayez de comprendre le graphe ci-dessous. (figure 19)
Corrigé exercice 2.2.55 Soit : p="pile" ; f ="face" ; n="pièce normale" et n c =pièce truquée.
1
P ( p | n) = 2 ;
c
P ( p| n ) = 1 ;
1
P ( f | n) = 2 ;
c
P ( f | n ) = 0.

3.2 Probabilités
a) Intuitivement, il y a une chance sur trois que le "pile" obtenu vienne de la pièce normale. Ce que l’on
peut prouver de la manière suivante :
On cherche la probabilité conditionnelle P ( n| p) : ("pièce normale sachant que pile est sorti").
1 1
P ( n ∩ p ) P ( p | n) P ( n) P ( p | n) P ( n) 2×2 1
P ( n| p ) = = = = =
P ( p) P ( p) P ( p | n) P ( n) + P ( p | n c ) P ( n c ) 1 1 1 3
2 × 2 +1× 2
b) Le fait de répéter l’expérience une nouvelle fois ne change en rien la probabilité de l’événement P ( n| p),
on peut donc sans autre calculer la probabilité qui nous intéresse en posant P ( n|2 p) = P ( n| p) ×
P ( n| p) = 91 .
Corrigé exercice 2.2.56 On définit, v="voyelle", A ="anglais", U S ="américain". La probabilité d’appari-

tion d’une voyelle dans le mot "rigour" écrit par un anglais est P (v| A ) = 21 et la probabilité d’apparition
d’une voyelle dans le mot "rigor" écrit par un américain est P (v|U S ) = 25 . On sait que la probabilité d’être
anglais est 0.4 et celle d’être américain 0.6. On utilise les probabilités conditionnelles et la formule de
Bayes pour calculer la probabilité cherchée P ( A |v), soit
1 4
P ( A ∩ v) P (v| A )(P ( A ) 2 × 10 5
P ( A | v) = = = 1 4 2 6
=
P ( v) P (v| A )P ( A ) + P (v|U S )P (U S ) × 11
2 10 + 5 × 10

3.2 Probabilités
¶ µ
10
a) Le nombre de possibilités de tirer deux boules rouges est = 45 et le nombre total de possibilités
2
µ ¶
10
de tirer 2 boules parmi les 14 que contient la boîte est = 91. La probabilité recherchée vaut
2
µ ¶
10
2 45
P (2 r ) = µ ¶= = 0.4945
14 91
2
10 4
b) Ici l’ordre importe. Il y a une probabilité de 14 de tirer une rouge puis une probabilité de 13 de tirer une
10 4 20
bleue. En appliquant le principe fondamental de dénombrement on a 14 × 13 = 91 = 0.2197.
c) µ ¶µ ¶
10 4
1 1 40
= = 0.4395
91
µ ¶
14
2
La probabilité de tirer deux boules de couleurs différentes parmi 10 boules rouges et (4+x) boules bleues
est donnée par µ ¶µ ¶
10 4+ x
1 1 10(4 + x) 20( x + 4)
= (14+ x)(13+ x) = 2
x + 27 x + 182
µ ¶
14 + x 2!
2
Nous obtenons la fonction
20( x + 4)
f : x 7→
x2 + 27 x + 182
dont le graphe se trouve à la figure 20.
On voit que le maximum est entre cinq et six. Pourquoi n’est-ce pas un résultat entier ?
(On pourrait également chercher f 0 ( x) et égaler à zéro, on obtiendrait la valeur exacte qui est x = 5.48).

3.2 Probabilités
a) C’est la somme des possibilités de tirer 2 blanches et 2 noires divisée par le nombre total de possibilités
de tirer 2 boules de la boîte. µ ¶ µ ¶
7 9
+
2 2 19
P= = = 0.475
40
µ ¶
16
2
µ ¶ µ ¶
7 9
b) Le nombre total de possibilités de tirer des boules de même couleur est + = 57. Le nombre
2 2
µ ¶
7
de possibilités de tirer deux blanches est = 21 donc, le nombre de cas favorables est 21 et le
2
21
nombre de cas possibles est 57, d’où le résultat 57 = 0.3684.
c) "Avoir déjà tiré deux boules blanches" est un fait acquis, après ça il reste 5 boules blanches sur 14 au
5
total dans la boîte, donc la probabilité cherchée est 14 .
d) "Avoir au moins une boule noire" (donc, en avoir une, deux ou trois) est l’événement complémentaire de
n’ "avoir que des boules blanches", dont la probabilité vaut :
µ ¶
7
3 35
¶= = 0.0962
364
µ
14
3
en calculant le complément à 1 de cette valeur on obtient (1 − 0.0962) = 0.9038.
i) Il y a à présent x boules blanches et x + 2 boules noires dans la boîte. La probabilité de tirer deux boules
de la même couleur, de cette boîte, est donnée par :
µ ¶ µ ¶
x x+2
+
2 2 x( x − 1) + ( x + 2)( x + 1) x2 + x + 1
p ( x) = = = 2
(2 x + 2)(2 x + 1) 2x + 3x + 1
µ ¶
2x + 2
2
ii) En dérivant p( x) et en résolvant p0 ( x) = 0 on obtiendra la valeur souhaitée.
x2 − 2 x − 2 #
p 0 ( x) = =0 −→ x = 2.73205
( x + 1)2 (2 x + 1)2
Ce qui donne 2(2.73) + 2 = 7.46 boules . On mettra donc 3 boules blanches et 5 boules noires dans la
boîte.
Corrigé exercice 2.2.59 On pose les événements, lC ="lune est croissante", lD ="lune est décroissante",
p="le pêcheur attrape du poisson" et p p="le pêcheur n’attrape pas de poisson".
Les probabilités associées à ces événements sont P ( lC ) = 12 , P ( lD ) = 21 , P ( p| lC ) = 35 et P ( p p| lD ) = 31 .
a) On cherche P(p), que l’on conditionne avec les événements complémentaires lC et lD :
P ( p) = P ( p| lC )P ( lC ) + P ( p| lD )P ( lD ) = P ( p| lC )P ( lC ) + (1 − P ( p p| lD )P ( lD ) =
3 1 1 1 19
= × + (1 − ) × = = 0.6363
5 2 3 2 30
b) On cherche P ( lC | p p) :
2 1
P ( p p| lC )P ( lC ) P ( p p| lC )P ( lC ) 5×2 6
P ( lC | p p) = = = = = 0.545454
P ( p p) 1 − P ( p) 1 − 0.6333 11

3.2 Probabilités
c) La probabilité de rentrer bredouille en période de lune croissante est P ( p p| lC ),

1
P ( p p ∩ lC ) 5 2
P ( p p| lC ) = = 1
= = 0.40
P ( lC ) 5
2
donc pour une durée de trois heures P = 0.403 = 0.064.

d) Ici, on ne peut pas simplement poser P ( p| lD )3 , car ce serait la probabilité d’attraper du poisson la pre-
mière heure, la deuxième heure et la troisième heure. Le calcul direct serait très long, car il faudrait
tenir compte de toutes les possibilités combinées d’attraper du poisson durant ces trois heures. Il
est beaucoup plus simple de passer par la probabilité complémentaire qui est "ne pas attraper de
1
poisson durant trois heures" et qui vaut P ( p p| lD )3 = 27 . La probabilité qui nous intéresse est la
1 26
probabilité complémentaire donc (1 − 27 ) = 27 = 0.9629
e) En période de lune décroissante, la probabilité d’attraper du poisson est P ( p| lD ) = (1 − P ( p p| lD )) = 23 . Il
est à nouveau beaucoup plus simple de passer par la probabilité complémentaire de ne pas attraper
de poisson durant n heures. Il s’agit de chercher la valeur de n dans les expressions,
P ( p p| lD )n = 0.001 ou plus simplement P = 1 − P ( p p| lD )n = 0.999
en passant par les logarithmes on obtient n = 6, 2877 donc environ 6h20.

a) Dans ce cas il sort soit, 3 hamster et 0 souris grise, 2 hamster et 1 souris grise, 1 hamster et 2 souris
grises ou finalement 3 souris grises. L’ordre d’apparition ne compte pas on utilise donc
µ les
¶ combinai-
15
sons. Premièrement on calcule le nombre de possibilités totales de sorties qui est = 455.
3
µ ¶µ ¶ µ ¶µ ¶ µ ¶µ ¶ µ ¶µ ¶
7 3 7 3 7 3 7 3
+ + +
3 0 1 2 2 1 0 3 24
P= = = 0.2637.
91
µ ¶
15
3
a) Autre méthode plus simple : Il s’agit de choisir 3 animaux parmi 10 (15-5 souris blanches) donc
10
Ã !
3 120
P ( A) = Ã ! = 455 = 0.2637.
15
3
b) C’est la somme des événements "un hamster et deux autres rongeurs" plus "deux hamsters et un autre
rongeur" plus "trois hamsters". Les "autres" sont choisis parmi 5 souris blanches + 7 souris grises
(12 "autres"). µ ¶µ ¶ µ ¶µ ¶ µ ¶µ ¶
3 12 3 12 3 12
+ +
1 2 2 1 3 0 47
P (B ) = = = 0.5164
91
µ ¶
15
3
c) µ ¶ µ ¶ µ ¶
5 3 7
× ×
1 1 1 3
P (C ) = = = 0.2307
13
µ ¶
15
3
d) Le diagramme de la figure 21 est la partie centrale du diagramme de toute l’expérience. C’est la par-
tie qui nous intéresse, c’est-à-dire celle qui commence par la sortie d’un hamster. Le calcul de la
probabilité P (C ) est très facile sur un tel diagramme
3 5 4
P ( h ∩ sb ∩ sb) 15 × 14 × 13 10
P (C ) = = 3
= = 0.1099
P ( h) 91
15

3.2 Probabilités
Corrigé exercice 2.2.61 Les indices 1 et 2 , précisent l’origine du tirage, c’est-à-dire de l’urne u1 ou u2.
a) On cherche la somme des probabilités suivantes P ( r 1 ∩ j 2 ) + P (v1 ∩ j 2 ) + P ( j 1 ∩ j 2 ).
En appliquant la formule des probabilités conditionnelles :
3 1 3 1 2 1 19
P ( j 2 | r 1 ) P ( r 1 ) + P ( j 2 | v1 ) P ( v1 ) + P ( j 2 | j 1 ) P ( j 1 ) = × + × + × = = 0.3167
10 2 10 3 5 6 60
b) On cherche la sommes des probabilités P ( r 1 ∩ r 2 ) + P (v1 ∩ v2 ) + P ( j 1 ∩ j 2 ).

De même :
3 1 1 1 2 1 23
P ( r 2 | r 1 ) P ( r 1 ) + P ( v2 | v1 ) P ( v1 ) + P ( j 2 | j 1 ) P ( j 1 ) = × + × + × = = 0.3833
10 2 2 3 5 6 60
c) On cherche la probabilité P ( r 1 |v2 ).

On a :
P ( v2 ∩ r 1 ) P ( r 1 ) P ( v2 | r 1 ) P ( r 1 )
P ( r 1 | v2 ) = = =
P ( v2 ) P ( v2 | r 1 ) P ( r 1 ) + P ( v2 | v1 ) P ( v1 ) + P ( v2 | j 1 ) P ( j 1 )
2
5 × 21 1
5 6
= 2 1 1 1 2 1
= 13
= = 0.4615
× + × + × 13
5 2 2 3 5 6 30
On peut également résoudre l’exercice facilement en se référent au schéma simplifié de la figure 22.

3.2 Probabilités
Corrigé exercice 2.2.62 Soit les événements :

X = "porteur du bacille" ;
nX = "non-porteur du bacille" ;
+ = "test positif".
On connait les probabilités suivantes :
P ( X ) = 0.10 ;
P ( nX ) = 0.90;
P (+| X ) = 0.90 ;
P (+| nX ) = 0.05 ;
a) "Obtenir, au moins 1 porteur de bacilles à 90-95% " est l’événement complémentaire de "n’obtenir aucun
porteur de bacilles dans une proportion de 5-10% ".
#
0.1 < P ( nX ) p 6 0.05 −→ 0.1 < P ( nX ) p et P ( nX ) p 6 0.05
# #
0.1 < P ( nX ) p −→ 0.1 < 0.90 p −→ p > 21.85
# #
P ( nX ) p 6 0.05 −→ 0.90 p 6 0.05 −→ p 6 28.43
Donc il faut prendre entre 22 et 28 personnes.
b) On cherche la probabilité de l’événement " être porteur de bacilles si le test est positif " autrement dit
P ( X |+).
P ( X ∩ +) P ( X ∩ +) P (+| X )P ( X )
P ( X |+) = = = =
P (+) P (+ ∩ X ) + P (+ ∩ nX ) P (+| X )P ( X ) + (+| nX )P ( nX )

3.2 Probabilités
9 1
10 × 10 2
= 9 1 1 9
= = 0.6667
× + × 3
10 10 20 10
Le test n’est donc pas concluant du tout. Cela vient du fait que l’apparente «petite erreur» de 5% du
test, se répercute sur 90% des gens sains.

S = "connaître la réponse" ;
nS = "ne pas connaître la réponse" ;
J = "donner la réponse juste".
On connait les probabilités suivantes :
1
P (S ) = 3 ;
2
P ( nS ) = 3;
1
P ( J | nS ) = 5 ;
P ( J |S ) = 1 ;
On nous demande de trouver la probabilité de l’événement : «le candidat ne connaissait pas la réponse,
bien qu’il ait répondu de manière correcte», probabilité qui se traduit par P ( nS | J ).
P ( nS ∩ J ) P ( J | nS )P ( nS )
P ( nS | J ) = =
P(J) P ( J |S )P (S ) + P ( J | nS )P ( nS )
ce qui donne
1 2
5×3 2
P ( nS | J ) = 1 1 2
= = 0.2857
1× 7
3+5×3
Corrigé exercice 2.2.64 Il existe les possibilités suivantes :

(G = "garçon" ; F = "fille")
(G,G)
(G,F)
(F,G)
(F,F)
"Un des enfants est un garçon" signifie que l’ensemble fondamental est : {(G,G)(G,F)(F,G)}
a) L’autre enfant étant plus jeune, le garçon dont on nous parle dans l’énoncé est l’ainé et l’ensemble
fondamental se réduit à {(G,G),(G,F)}. Il y a donc une chance sur deux pour que l’autre enfant soit
également un garçon.
b) Si l’on ne sait rien, les chances que l’autre enfant soit également un garçon sont de une sur trois.
Corrigé exercice 2.2.65 Il y a 8 verres en bon état donc il faut choisir 3 verres parmi ces huit, ce qui
donne le rapport : µ ¶
8
3 14
¶= = 0.2545
55
µ
12
3
On peut également résoudre ce problème de la manière suivante : définissons les événements a 1 , a 2 et a 3
de la manière suivante :
a 1 = "le premier verre est en bon état" ;

3.2 Probabilités
a 2 = "le deuxième verre est en bon état" ;

a 3 = "le troisième verre est en bon état".
On cherche alors la probabilité de l’événement P (a 1 ∩ a 2 ∩ a 3 ), qui vaut :
P ( a 1 ∩ a 2 ∩ a 3 ) = P ( a 1 ) × P ( a 2 | a 1 ) × P ( a 3 |( a 1 ∩ a 2 ) =
8 7 6 14
= × × = = 0.2545
12 11 10 55
Corrigé exercice 2.2.66 L’ensemble fondamental est :

Ω = {(PPP ), (PPF ), (PFP ), (FPP ), (FPF ), (PFF ), (FFP ), (FFF )}
Les ensembles A , B,C et les intersections ( A ∩ B), ( A ∩ C ), (B ∩ C ) valent :
A = {(FPP ), (FPF ), (FFP ), (FFF )}; B = {(PFP ), (PFF ), (FFP ), (FFF )};
C = {(PFF ), (FFP )}; ( A ∩ B) = {(FFP ), (FFF )};
( A ∩ C ) = {(FFP )} (B ∩ C ) = {(FFP ), (PFF )}
Il faut étudier les assertions,
# 1 1 1
i) P ( A ∩ B) = P ( A ) × P (B) −→ 4 = 2 × 2 , l’assertion est juste, les événements A et B sont indépendants.
#
ii) P ( A ∩ C ) = P ( A ) × P (C ) −→ 18 6= 21 × 14 l’assertion est juste, A et C sont indépendants.
#
iii) P (B ∩ C ) = P (B) × P (C ) −→ 14 6= 12 × 14 , l’assertion est fausse, les événements A et B sont indépendants.
Corrigé exercice 2.2.67 Il faut tester l’assertion P ( A ∩ B) = P ( A ) × P (B).

a) La famille à deux enfants :
Dans ce cas l’ensemble fondamental est {(GG),(GF),(FG),(FF)} avec A ={(GF),(FG)}, B={(GF),(FG),(FF)}
et A ∩ B={(GF),(FG)}.
1 1 3
P ( A ∩ B) = P ( A ) × P (B) ⇐⇒ 6= ×
2 2 4
L’assertion est fausse.
b) La famille à trois enfants :
L’ensemble fondamental est {(GGG),(GGF),(GFG),(FGG),(FFG),(FGF)(GFF)(FFF)} avec
A ={(GGF),(GFG),(FGG),(FFG),(FGF)(GFF)}, B={(FFG),(FGF),(GFF),(FFF)} et
A ∩ B={(FFG),(FGF),(GFF)}.
3 3 1
P ( A ∩ B) = P ( A ) × P (B) ⇐⇒ = ×
8 4 2
L’assertion est juste.

a) Le nombre de parties est égal au nombre de paires différentes que l’on peut former avec 14 éléments,
c’est-à-dire : µ ¶
14
= 91
2
Le nombre de parties mixtes peut être trouvé en retirant du nombre total de parties, le nombre de
parties entre personnes du même sexe :
µ ¶ µµ ¶ µ ¶¶
14 8 6
− + = 91 − (28 + 15) = 48
2 2 2
On peut également se dire que chacun des 8 hommes peut jouer avec chacune des 6 femmes donc
8 × 6 = 48.

3.2 Probabilités
µ ¶
14
b) Le nombre total de manières de tirer 4 personnes d’un groupe de 14 est = 1001. Le nombre de
4
µ ¶
8
possibilités d’obtenir deux hommes parmi 8 est = 28 et pour les femmes le même raisonnement
2
µ ¶
6
nous donne = 15 possibilités. La probabilité recherchée sera donc :
2
µ ¶µ ¶
8 6
2 2 60
= = 0.4195
143
µ ¶
14
4
De manière plus intuitive on peut tirer deux hommes puis deux femmes, mais ce faisant on crée un
ordre, deux hommes puis deux femmes. Pour corriger cette erreur, il suffit de multiplier le résultat
par 2!4!
×2! = 6, qui est le nombre de configurations possibles que l’on obtient avec deux hommes et
deux femmes.
8 7 6 5 60
× × × ×6 = = 0.4195
14 13 12 11 143
c) On applique la formule des probabilités conditionnelles après avoir défini les événements suivants :
H = "Michel arrive à l’heure" ;
T = "Michel doit prendre le train" ;
Avec les probabilités suivantes : (Voir également figure 23)
4
P (T ) = 5 "Michel attrape le train" ;
c 1
P (T ) = 5 "Michel rate le train" ;
P ( H |T ) = 1 "Michel arrive à l’heure sachant qu’il prend le train" ;
c 3
P ( H |T ) = 5 "Michel est à l’heure sachant qu’il a raté le train" ;
c c 2
P ( H |T ) = 5 "Michel arrive en retard sachant qu’il a raté son train".

3.2 Probabilités
On nous demande la probabilité de l’événement P (T c | H ), on applique la formule de Bayes :
P (T c ∩ H ) P ( H |T c )P (T c )
P (T c | H ) = = =
P (H ) P ( H |T )P (T ) + P ( H |T c )P (T c )
3
5 × 15 3
= 1 4 3 1
= = 0.1304
× + × 23
1 5 5 5
Corrigé exercice 2.2.69 On pose Ee = "éléphant endormi" et on travail en décamètres pour simplifier.
a) On sait que :
1
P (< 1) = 5 "probabilité que l’éléphant approche à moins de 1dm"
3
9
7
P (Ee| d < 1) = 10 "probabilité d’endormir la bête sachant que d<1dm"
1
P (Ee|1 < d < 2) = 2 "probabilité d’endormir la bête sachant que 1<d<2dm"
3
P (Ee|2 < d < 3) = 10 "probabilité d’endormir la bête sachant que 2<d<3dm"
P (Ee| d < 3) = 0 "probabilité d’endormir la bête sachant que d>3dm"
On cherche P (Ee). On va conditionner cette événement par rapport aux probabilités d’approche. Il
faut cependant déterminer avant tout quels sont les probabilités d’approche P ( d < 1), P (1 < d < 2)
et P (2 < d < 3).
On a le système :
9

 P (< 1)+ P (1 < d < 2)+ P (2 < d < 3) = P (< 3) =
10


 3
 P (< 1)+ P (1 < d < 2)+ 0 = P (< 2) =


 5

 1
P (< 1)+ 0+ 0 = P (< 1) =
5
d’où :
1
P (< 1) = 5
2
P (1 < d < 2) = 5
3
P (2 < d < 3) = 10
Finalement :
P (Ee) = P (Ee| d < 1)P (< 1) + P (Ee|1 < d < 2)P (1 < d < 2) + P (Ee|2 < d < 3)P (2 < d < 3)
7 1 1 2 3 3 43
P (Ee) =
× + × + × = = 0.43
10 5 2 5 10 10 100
La probabilité d’endormir un éléphant qu’il rencontre est P (Ee) = 0.43.
b)i) La probabilité d’endormir deux éléphants sur les quatre qu’il rencontre µ peut
¶ être calculée de plusieurs
n
façons. Choisissons la méthode de la variable binomiale P ( X = i ) = p i (1 − p)n− i avec n = 4, i = 2
i
et p = 0.43. µ ¶
4
P (Ee = 2) = (0.43)2 (1 − 0.43)(4−2) = 0.3604
2

3.2 Probabilités
b)ii) "Endormir au moins un éléphant est l’événement complémentaire de "n’endormir aucun éléphant".
On peut l’écrire :
P (Ee = 1) = 1 − (P (Ee = 0))4
ce qui donne P (Ee = 1) = 1 − (1 − 0.43)4 = 0.8944.
b)iii) (1 − 0.43)(1 − 0.43)(1 − 0.43)0.43 = 0.0796

a) La probabilité de tirer une boule blanche de l’urne A est P ( b) = 83 .
b) La probabilité d’avoir deux boules blanches est P ( b A ∩ b B ) = P ( b B | b A )P ( b A ). Le résultat du tirage ef-
fectué dans la première urne n’influence en rien le tirage dans la seconde, les événements sont
indépendants donc P ( b A ∩ b B ) = P ( b B )P ( b A ). En faisant le même raisonnement pour le cas des deux
boules noires on a P ( n A ∩ n B ) = P ( n B )P ( n A ). La probabilité qui nous intéresse est la somme des
deux :
3 1 5 1 1
P (b A ∩ bB ) + P (n A ∩ nB ) = × + × =
8 2 8 2 2
Le prisonnier a intérêt à choisir la première solution.

a) "Obtenir au moins une fois un six" est l’événement complémentaire de "n’avoir pas de six du tout" dont
la probabilité est 65 . La probabilité recherchée est :
µ ¶4
5 671
P (au moins une fois six) = 1 − = = 0.5177
6 1296
b) Le nombre d’événements possibles en lançant deux dés est de 36 dont 35 cas défavorables qui nous
intéressent. Si on lance 24 fois le dé, 4 fois plus qu’avant puisqu’il y a 4 fois plus de réalisations
possibles, on aura :
µ ¶24
35
P (au moins une fois un double six) = 1 − = 0.4914
36
Si on s’intéresse à la probabilité d’avoir "au moins une fois une tierce de six" en lançant 144 fois trois
dés on aura :
215 144 671
µ ¶
P (avoir au moins une fois un triple six) = 1 − = = 0.4873
216 1296
Si on calcule pour n dés et que l’on veut connaître la probabilité d’avoir "au moins une fois que des
six en lançant 23 × 6n fois n dés", on obtient :
¶ 2 ×6n
6n − 1
µ
3
P ( n) = 1 −
6n
En calculant la limite pour n tendant vers l’infini on obtient :
" ¶2 n# ¶ ¶2
6 − 1 3 ×6 1 n 3 #
µ n µ µ
# 2
lim 1 − = 1 − lim 1 − = 1 − e− 3 = 0.486583
n→∞ 6n n→∞ n
671
c) La probabilité d’obtenir au moins un six en quatre lancers d’un dé unique est de 1296 = 0.5177. Afin
d’obtenir la même probabilité avec l’événement "lancer x fois deux dés et obtenir au moins un double
six", il faut résoudre l’équation suivante pour x (nombre de lancers nécessaires) :
1 x 671
µ ¶
1− 1− =
36 1296

3.2 Probabilités
Résolution :
1 x 671
µ ¶
1− 1− =
36 1296
1 x 625
µ ¶
1− =
36 1296
µ ¶x
35 625
=
36 1296
625
µ ¶
x = log 35 = 25.8 ≈ 26
36 1296
On voit que pour avoir une probabilité égale il faut exécuter presque 2 lancers de plus avec deux dés
(26), que le nombre de lancers "supposé" (24).
Que se passe-t-il ? La situation semble pourtant homothétique à première vue. Avec un seul dé,
l’ensemble fondamental Ω1 = {1, 2, 3, 4, 5, 6} a un cardinal de six, on lance le dé 4 fois donc le rap-
port entre le nombre de tirage et Ω1 vaut 23 . Dans le deuxième cas, l’ensemble fondamental Ω2 =
{(1, 1), (1, 2), (2, 2)..(5, 6), (6, 6)} est de cardinal 36 et le nombre de tirages de 24, donc à nouveau un
rapport de 23 . La probabilité de succès dans le premier cas est de p(6) = 16 et dans le deuxième cas de
1
p((6, 6)) = 36 ? Oui, mais j’effectue 6 fois plus de tirages donc ça devrait compenser !
Eh bien non ! Nous n’avons pas à faire à des fonctions linéaires, mais à des fonctions exponentielles
et logarithmiques comme on peut le voir ci-dessus. Donc l’apparent paradoxe peut-être levé.
Si par exemple on fait le calcul de lancers supplémentaires nécessaires pour n = 10, c’est-à-dire
pour un ensemble fondamental de cardinal 610 = 60, 466, 176, il faudra effectuer 3, 781, 216 tirages
671
supplémentaires que les 610 · 23 = 40, 310, 784 prévus pour arriver à la probabilité 1296 = 0.5177.
Corrigé exercice 2.2.72 Posons f = "fille" et n = "nombre d’élèves".

f
La probabilité P ( f ) = n = 52 , on sait également que P ( f ∩ f ) = 32
5
.
f −1 f 5
P ( f ∩ f ) = P ( f | f )P ( f ) = × =
n − 1 n 32
2× n
En substituant f = 5 dans l’égalité ci-dessus, on obtient que f = 26 et n = 65.
Autre méthode La probabilité de tirer deux filles est également donnée par
µ ¶
f
2 5
¶=
32
µ
n
2
En développant, on arrive exactement à la même expression que ci-dessus :

µ ¶
f
f!
2 ( f −2)!2! f ( f − 1) f − 1 f 5
¶= n!
= = × =
n( n − 1) n − 1 n 32
µ
n ( n−2)!2!
2

2
a) 2 caméras sur 50 sont défectueuses donc la probabilité P ( r 1) (renvoyé au premier contrôle) est de 50 =
0.04. Notons en passant que la probabilité de passer le premier contrôle est P ( p1) = 1 − P ( r 1) =
2
1 − 50 = 48
50 = 0.96.

3.2 Probabilités
b) Le lot doit passer le premier contrôle et rater le deuxième, donc P ( p1 ∩ r 2). La probabilité de rater le 2e
2
test si le premier est réussi, qui se traduit par P ( r 2| p1), est de 49 = 0.04081. On applique la formule
des probabilités conditionnelles et on trouve
2
P ( p1 ∩ r 2) = P ( r 2| p1) · P ( p1) = · 0.96 = 0.03918
49
c) On nous demande P ( r 1) + P ( p1 ∩ r 2) + P ( p1 ∩ p2 ∩ r 3). On connaît déjà les deux premiers termes, le

troisième, qui signifie : passer les deux premiers tests et rater le troisième, se traduit par
P ( p1 ∩ p2 ∩ r 3) = P ( r 3| p1 ∩ p2) · P ( p1 ∩ p2)
2
P ( r 3| p1 ∩ p2) (raté le troisième test si le lot a passé les deux premiers) vaut 48 = 0.04166. P ( p1 ∩ p2)
48 47
qui est la probabilité de réussir les deux premiers tests est 50 · 49 = 0.9208. Donc
P ( p1 ∩ p2 ∩ r 3) = P ( r 3| p1 ∩ p2) · P ( p1 ∩ p2) = 0.04166 · 0.9208 = 0.03836
Finalement, P ( r 1) + P ( p1 ∩ r 2) + P ( p1 ∩ p2 ∩ r 3) qui est la probabilité pour que le lot soit renvoyé

vaut 0.04 + 0.03918 + 0.03836 = 0.1175.
On peut résoudre ce problème beaucoup plus facilement en s’inspirant de l’arbre de la figure ??.
F IGURE 24 – Exercice ??
d) On voit assez clairement en regardant la figure ?? que la solution est :
2 48 2 48 2 2
+ · + · = 0.1152.
50 50 50 50 50
Ce qui est très proche du résultat obtenu sous c).

µ ¶
28
a) Les possibilités de choisir 3 vaccins parmi 5 + 8 + 15 = 28 est de = 3276. Les possibilités de choisir
3
µ ¶
5
3 vaccins contre la maladie X sont de = 10. Le quotient entre les cas favorables et les cas
3
possibles est de µ ¶
5
3 10
¶= = 0.0031.
3276
µ
28
3
b) On fait le même raisonnement avec les vaccins contre les maladies Y et Z puis on additionne les 3
valeurs (ou=+) et on divise par 3276,
µ ¶ µ ¶ µ ¶
5 8 15
+ +
3 3 3 10 + 56 + 455
= = 0.1590.
3276
µ ¶
28
3
c) Si l’on désirait en premier le vaccin contre la maladie Y puis ensuite celui contre la maladie Z et finale-
ment le vaccin contre la maladie X, on aurait :
8 15 5 25
· · =
28 27 26 810

3.2 Probabilités
mais en agissant de cette manière on introduit un ordre (Y, Z puis pour finir X). Comme l’ordre des
vaccins est indifférent dans notre problème on peut rectifier l’erreur en multipliant par 3! = 6, qui
est le nombre de permutations des 3 lettres X,Y et Z, ce qui donne
25
· 3! = 0.1832.
819
On peut également utiliser directement les combinaisons et écrire
µ ¶µ ¶µ ¶
5 8 15
1 1 1 600
= = 0.1832.
3276
µ ¶
28
3
Corrigé exercice 2.2.75 On peut s’inspirer de l’arbre de la figure ??. La probabilité qu’il touche (T) la
cible au k-ème tir est P (T k) = 20k.−81 . La probabilité qu’il rate (R) la cible au k-ème tir est P (Rk) = 1 − P (T k) =
1 − 20k.−81 .
a) Toucher la cible trois fois de suite en trois tirs équivaut à l’expression
0.8 0.8 0.8

P (T 1) · P (T 2) · P (T 3) = · · = 0.8 · 0.4 · 0.2 = 0.064.
20 21 22
b) <Au moins une fois en trois tir> est la probabilité complémentaire de <aucune fois en trois tirs> c’est-
à-dire
0.8 0.8 0.8
·µ ¶µ ¶µ ¶¶
1 − P (R 1 ∩ R 2 ∩ R 3) = 1 − 1 − 0 1 − 1 1 − 2 = 0.904
2 2 2
c) En appliquant la formule des probabilités conditionnelles ou tout simplement en observant l’arbre, on
trouve
P (R 1 ∩ R 3)
P (R 1|R 3) = =
P (R 3)
P (R 1 ∩ R 2 ∩ R 3) + P (R 1 ∩ T 2 ∩ R 3)
= =
P (R 1 ∩ T 2 ∩ R 3) + P (R 1 ∩ R 2 ∩ R 3) + P (T 1 ∩ T 2 ∩ R 3) + P (T 1 ∩ R 2 ∩ R 3)
0.064 + 0.096 5
= = = 0.2
0.064 + 0.096 + 0.256 + 0.384 25
d)
Corrigé exercice 2.2.76 M =médecins, AT =administratif ou technique, S =soignants, H =homme, F =femme.

De l’énoncé, on nous donne ou on peut déduire facilement, les indications suivantes :
P ( M ) = 0.12
P (S ) = 0.71
P ( AT ) = 1 − 0.12 − 0.71 = 0.17
P ( H | M ) = 0.67
P (F | M ) = 1 − 0.67 = 0.33
P (F |S ) = 0.92
P ( H |S ) = 0.08
P (F ) = 0.80
P ( H ) = 1 − 0.80 = 0.20
a) Une femme soignante se traduit par P (F ∩ S ). En utilisant la formule des probabilités conditionnelles,
P (F ∩ S ) = P (F |S ) · P (S ) = 0.92 · 0.71 = 0.6532

3.2 Probabilités
P ( M ∩H ) P ( H | M )P ( M ) 0.67·0.12
b) P ( M | H ) = P (H ) = P (H ) = 0.2 = 0.402
c) On commence par rechercher la valeur de P ( H | AT ) que l’on obtient en utilisant le théorème de proba-
bilités totales :
P ( H ) = P ( H | M )P ( M ) + P ( H |S )P (S ) + P ( H | AT )P ( AT ) = 0.2 ⇔ P ( H | AT ) = 0.3694
La valeur recherchée est P (F | AT ) = 1 − P ( H | AT ) = 0.6305

Comme toujours dans ces cas on peut également utiliser un arbre pour s’aider (voir figure 25 )
d) Occupons-nous uniquement des 18 personnes hospitalisées (30% de 60). Désignons par R l’ensemble des
personnes radiographiées et par P l’ensemble des personnes perfusées. On nous dit que 5 personnes
rentrent chez elle sans subir de traitement, donc #(R c ∪ P c ) = 5. En utilisant le principe d’inclusion-
exclusion on peut écrire,
#P + #R − #(P ∪ R ) = #(P ∩ R )
mais
#(P ∪ R ) = 18 − #(R c ∪ P c ) = 13
donc
#P + #R − #(P ∪ R ) = 12 + 8 − 13 = #(P ∩ R ) = 7
7
La probabilité demandée est de 18 = 0.3889 (voir aussi figure 26 )
Corrigé exercice 2.2.77 A g="pièce en argent", Or ="pièce en or", P ="pile", F ="face". De l’énoncé, on tire :
P ( A g) = 0.7 et P (Or ) = 0.3.

P (P | A g) = 0.5, P (P |Or ) = 13 , P (F | A g) = 0.5 et P (F |Or ) = 32 .
a) En appliquant la formule des probabilités totales on obtient,
1
P (P ) = P (P | A g)P ( A g) + P (P |Or )P (Or ) = 0.5 · 0.7 + · 0.3 = 0.45.
3
b) On demande P (Or |F ), en appliquant la formule des probabilités conditionnelles et les axiomes fonda-
mentaux des probabilités on a,
2
P (Or ∩ F ) P (F |Or )P (Or ) 3 · 0.3
P (Or |F ) = = = = 0.3637.
P (F ) 1 − P (P ) 0.55
c) On passe à présent à une épreuve de Bernouilli. La suite d’événements auxquels on s’intéresse a 2
issues possibles (pile ou face) et est formée de tirages indépendants (le fait de tirer une pièce et de
la remettre n’influence pas le tirage suivant). On a déjà calculé ci-dessus la probabilité P (P ) = 0.45
donc P (F ) = 1 − P (P ) = 0.55. Posons p = P (P ) = 0.45 (la probabilité de l’un des deux événements) et
q = P (F ) = 0.55 (la probabilité de l’autre).
On a bien p + q = 1 donc on peut utiliser la distribution binomiale :
µ ¶
n
P ( X = k) = · p k · q n− k ,
k

3.2 Probabilités
où P ( X = k) donne la probabilité que l’événement X (variable aléatoire) se produise k-fois lors de n

expériences. Dans notre cas X ="obtenir pile" et P ( X = 5) ="obtenir pile exactement 5 fois" lors de
n = 5 tirages. µ ¶
5
P ( X = 5) = p5 · q5−5 = 1 · 0.455 · 1 = 0.0185
5
d) On désire connaître la probabilité d’obtenir exactement 2 fois pile en 5 tirages.
µ ¶
5
P ( X = 2) = · p2 · q5−2 = 10 · 0.452 · 0.553 = 0.3369
2
e) La probabilité de tirer deux pièces en argent parmi 7 dans un sac de 10 pièces est donné par
µ ¶
7
2 21
¶= .
45
µ
10
2
A présent que l’on a nos deux pièces en argent encore faut-il qu’elles retombent les deux sur pile,
donc la probabilité recherchée est obtenue en appliquant le théorème fondamental du dénombre-
ment,
21
· 0.5 · 0.5 = 0.1167.
45
f) En suivant le même raisonnement, µ ¶ µ ¶
3 7
·
1 1 1 2
· · = 0.1516.
2 3
µ ¶
10
2
Corrigé exercice 2.2.78 On sait qu’il y a 3 filles et 3 garçons. Supposons que les garçons portent les
dossards 1, 2, 3 et les filles les dossards 4, 5, 6. On a la série 1, 2, 3, 4, 5, 6 que l’on peut permuter de 6! = 720
manières différentes. Le groupe de filles doit se trouver les 3 après les garçons et il y a 3! · 3! façons de
permuter les filles et les garçons entre eux. Donc la probabilité recherchée est
3! · 3!
= 0.05.
6!
¶ µ
6
On peut également se dire que parmi 6 enfants on peut choisir = 20 groupes de 3 enfants et qu’un
3
seul de ces groupes contiendra 3 filles, ce faisant on a introduit un ordre sur les groupes, mais dans cet
exercice c’est ce que l’on désire, car on veut les filles après les garçons, le résultat est,
1
µ ¶ = 0.05.
6
3

a) Chaque vol peut avoir lieu dans un des six quartiers, donc il y a 66 possibilités différentes. Plus d’un vol
dans chaque quartier est l’événement complémentaire d’ exactement un vol par quartier qui peut
apparaître de 6! manières différentes (permutations des 6 vols). Le résultat est
6! 720
1− 6
= 1− 0 = 0.9845
6 46 656
On remarquera que c’est exactement la probabilité d’obtenir au moins une répétition de chiffres lors
de six lancés consécutifs d’un dé "honnête".

3.2 Probabilités
b) Il n’y a qu’une seule manière d’avoir un vol dans chaque quartier. Le nombre de cas possibles se calcule
de la manière suivante (il faut bien comprendre que si les voleurs ne sont pas discernables un vol
commis dans un quartier spécifique par n’importe lequel d’entre eux ne sera comptabilisé qu’une
fois). Considérons les districts comme étant six récipients avec 5 séparations que l’on désignera par
le symbole "|", chacun des six vols est représenté par la lettre "v".
Voilà deux événements possibles avec leurs significations.
|||vvv|vvv| = { 0 vol dans les quartiers 1, 2, 3 et 6, 3 vols dans le quartier 4 et 3 vols dans 5}
vv|v|||vv|v = { 0 vol dans les quartiers 3 et 4, un vol dans les quartiers 2 et 6, 2 vols dans 1 et 5}.
Le nombre d’événements différents se calcule en estimant le nombre de combinaisons possibles de 5
éléments (les séparations "|") parmi 11 (les séparations "|" et les vols "v"). Ce qui donne
µ ¶
11
= 462
5
1
et la probabilité recherchée est 1 − 462 = 0.9978.
Si l’onµ pose n = 6¶ pour le nombre de vols et r = 6 pour le nombre de quartiers, on obtient la for-
n+r−1
mule pour le nombre d’événements possibles (combinaisons avec répétitions).
r−1
c) Lorsque ni les quartiers ni les vols ne sont discernables, le cardinal de l’ensemble des événements
possibles est simplement le nombre de possibilités qui existent de partager le chiffre 6, c’est-à-dire
12.
{6}, {5, 1}, {4, 2}, {4, 1, 1}, {3, 3}, {3, 2, 1}, {3, 1, 1, 1}, {2, 4}, {2, 2, 2}, {2, 2, 1, 1},
{2, 1, 1, 1, 1}, {1, 1, 1, 1, 1, 1}.
1
La probabilité est donc 1 − 12 = 0.9167.
Corrigé exercice 2.2.80 On pose

P ( nS i ) = "pas d’anniversaire à la saison i " (avec i = 1..4).
Avec sept personnes
µ ¶ et quatre saisons ( i = 1..4), la probabilité de n’avoir aucun anniversaire durant les
4 ¡ ¢7
saisons i vaut P ( nS i ) = 4 · 43 . La probabilité de n’avoir aucun anniversaire pour chacune des 6 com-
1
µ ¶
4 ¡ ¢7
binaisons de deux saisons i, j est P ( nS i ∩ nS j )( j> i) = 6 · 42 . La probabilité de n’avoir aucun anniver-
2
µ ¶
4 ¡ ¢7
saire pour chacune des 4 combinaisons de trois saisons ( i, j, k) est P ( nS i ∩ nS j ∩ nS k )(k> j> i) = 4· 41 . La
3
probabilité de ne pas avoir d’anniversaire à aucune des 4 saisons P ( nS i ∩ nS j ∩ nS k ∩ nS l ) est bien sûr nulle.
Commençons par calculer P ( nS 1 ∪ nS 2 ∪ nS 3 ∪ nS 4 ) qui signifie qu’au moins une saison se retrouve sans
anniversaire. Pour ce faire, on utilise la formule d’inclusion-exclusion (voir ??).
4
X
P ( nS 1 ∪ nS 2 ∪ nS 3 ∪ nS 4 ) = P ( nS i )
i =1
4 X
X
− P ( nS i ∩ nS j )
i =1 j > i
4 X X
X
+ P ( nS i ∩ nS j ∩ nS k )
i j > i k> j > i
Comme on s’intéresse à la probabilité que chaque saison ait au moins un anniversaire on calcule la proba-
bilité complémentaire qui est
1 − P ( nS 1 ∪ nS 2 ∪ nS 3 ∪ nS 4 )

3.2 Probabilités
et qui vaut
µ µ ¶7 µ ¶7 µ ¶7 ¶
3 2 1
1− 4· −6· +4· = 0.5126
4 4 4
Corrigé exercice 2.2.81 Juliette peut être occupée chaque jour de deux manières différentes :
i) Trois jours à un cours et deux jours à deux cours
ii) ou un jour avec trois cours et quatre jours à un cours.
Pour i) cela donne
µ ¶µ ¶3 µ ¶µ ¶2
5 6 2 6
· = 4860 000
3 1 2 2
possibilités.
Pour le cas ii) on a
µ ¶µ
¶ µ ¶µ ¶4
5 64 6
· = 1290 600.
1 34 1
µ ¶
30
Le nombre total de combinaisons de sept cours parmi trente est = 20 0350 800.
7
La probabilité cherchée est la somme de i) et ii) divisée par le nombre de cas total, c’est-à-dire
4860 000 + 1290 600

= 0.3029
20 0350 800
On peut également utiliser la formule d’inclusion-exclusion en remarquant que "se rendre à l’école chaque
jour" est l’événement complémentaire de "avoir au moins un jour de la semaine sans cours". Notons pC i
l’événement "ne pas avoir de cours le i -ème jour". On cherche donc
[
1 − P ( pC i ) avec i = 1..5.
i
On notera que Juliette doit se rendre à l’école au moins deux jours par semaine et que de ce fait les termes
avec plus de quatre intersections peuvent être omis (elle ne peut pas ne pas se rendre à l’école plus de 3
jours étant donné qu’elle doit prendre sept cours et que chaque jour n’en compte que six).
[ X X X
P ( pC i ) = P ( pC i ) − P ( nC i ∩ nC j ) + P ( nC i ∩ nC j ∩ nC k )
i i i< j i< j<k
µ ¶
24
X 7
P ( pC i ) = 5 · µ ¶
i 30
7
(explication : on enlève les 6 cours de n’importe lequel des 5 jours de la semaine et on en choisit 7 parmi les
30 − 6 = 24 cours qui restent) µ ¶
18
7
µ ¶
X 5
P ( nC i ∩ nC j ) = ·µ
2
¶
i< j 30
7
µ ¶
12
7
µ ¶
X 5
P ( nC i ∩ nC j ∩ nC k ) = ·µ
3
¶
i< j<k 30
7
(un raisonnement analogue s’applique aux deux dernières expressions).

3.2 Probabilités
Il ne reste plus qu’à remplacer par les valeurs numériques pour obtenir finalement :
[ 263
1 − P ( pC i ) = 1 − = 0.3024.
i 377
Corrigé exercice 2.2.82 Intuitivement, le problème est facile et en s’aidant d’un petit graphe on arrive
rapidement au résultat qui est 23 .
Voici une autre manière plus difficile, mais pédagogiquement plus intéressante. Posons :
P ( pV ), la probabilité que la première boule soit verte,
P ( tV ), la probabilité que la boule tirée soit verte et
P ( rV ) la probabilité que la boule restante soit verte.
On cherche la probabilité que la boule restante soit verte sachant que la boule tirée l’est également c’est-
à-dire P ( rV | tV ). On conditionne par rapport à l’événement P ( pV | tV ) ("la première boule est verte sachant
que la boule tirée est verte").
P ( rV | tV ) = P ( rV | tV ∩ pV ) ·P ( pV | tV ) + P ( rV | tV ∩ (1 − pV )) ·P ((1 − pV )| tV ) = P ( pV | tV )
| {z } | {z }
1 0
On voit que les probabilités des événements P ( rV | tV ) et P ( pV | tV ) sont les mêmes, ce qui n’est pas forcé-
ment évident. On utilise la formule des probabilités conditionnelles sur l’événement P ( pV | tV ),
P ( pV ∩ tV ) P ( tV | pV ) · P ( pV ) 1 · 21
P ( pV | tV ) = = = .
P ( tV ) P ( tV ) P ( tV )
Il reste à conditionner P ( tV ) par rapport à l’événement "la première boule est verte" :
1 1 1 3
P ( tV ) = P ( tV | pV ) · P ( pV ) + P ( tV |(1 − pV )) · P (1 − pV ) = 1 · + · = .
2 2 2 4
Donc le résultat final est
1 · 12 1
2 2
P ( rV | tV ) = P ( pV | tV ) = = 3
=
P ( tV ) 3
4
comme trouvé précédemment.
Corrigé exercice 2.2.83 On connaît :

P (S ) = 0.8, P (+|S ) = 0.1 et P (+|S c ) = 0.01.
On désire connaître la probabilité conditionnelle P (S |+), c’est-à-dire la probabilité qu’un courriel soit un
spam (S ) si il contient le mot "gratuit" (+). On applique la formule de Bayes :
P (S ∩ +) P (+|S ) · P (S ) 0.1 · 0.8

P (S |+) = = c c
= = 0.9756.
P (+) P (+|S ) · P (S ) + P (+|S ) · P (S ) 0.1 · 0.8 + 0.01 · 0.2
Corrigé exercice 2.3.1 On tire deux boules parmi 14, ( n=noir, b=blanc, o=orange). Commençons par
décrire l’ensemble des résultats possibles E ∈ P (Ω).
E = {( n, n), ( b, b), ( o, o), ( b, n), ( b, o), ( n, o)}

3.2 Probabilités
A chaque élément de E on attribue une valeur de la variable aléatoire X en tenant compte des gains et des
pertes. ( n, n)=4, ( b, b)=-2, ( o, o)=0, ( b, n)=1, ( b, o)=-1, ( n, o)=2. Puis, on calcul la probabilité de chacune des
valeurs de la variable aléatoire X :
C 24 6
P ( X = 4) = P ({( n, n)}) = =
C 214 91
C 28 28
P ( X = −2) = P ({( b, b)}) = =
C 214 91
C 22 1
P ( X = 0) = P ({( o, o)}) = = 91
C 214
C 8 ·C 4 32
P (X = 1) = P ({( b, n)}) = 1 14 1 = 91
C 2
C 18 ·C 12 16
P ( X = −1) = P ({( b, o)}) = =
C 214 91
C 14 ·C 12 8
P ( X = 2) = P ({( n, o)}) = =
C 214 91
On vérifie que la somme des probabilités est de 1.
z=0
z = 999999
z=0
z=9

Pro 2013

Transféré par

Informations du documentcliquez pour développer les informations du documentLe document contient de nombreux exercices d'analyse combinatoire et de probabilités avec leurs corrigés. Il est organisé en sections sur le dénombrement et les probabilités.

Informations du documentcliquez pour développer les informations du document

Droits d'auteur :

Formats disponibles

Pro 2013

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

Pro 2013

Transféré par

Droits d'auteur :

Formats disponibles

Analyse combinatoire et probabilités - Exercices et corrigés

Table des matières

1er mars 2014-11:07 Dossier d’exercices - Analyse combinatoire et Probabilités 2

2.2.18 Exercice Huit tours sont disposées au hasard ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

1er mars 2014-11:07 Dossier d’exercices - Analyse combinatoire et Probabilités 3

2.2.74 Exercice M-Un réfrigérateur contient 5 vaccins... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

3 Réponses détaillées aux exercices 31

1er mars 2014-11:07 Dossier d’exercices - Analyse combinatoire et Probabilités 4

2.1.2 Exercice M-D’un jeu de 52 cartes, on tire...

2.1.3 Exercice M-Combien de nombres différents de 6 chiffres...

1. Le support de cours était le livre de Sheldon Ross, Initiations aux probabilités

1er mars 2014-11:07 Dossier d’exercices - Analyse combinatoire et Probabilités 5

2.1.4 Exercice M-De combien de manières peut-on arranger 5 personnes...

2.1.5 Exercice Combien de mots de 10 lettres...

2.1.6 Exercice La façade d’une maison compte 8 fenêtres...

2.1.7 Exercice Combien de couples de valeurs obtient-on...

2.1.8 Exercice Le nombre d’atomes dans l’univers visible...

2.1.9 Exercice Dans un groupe il y a 10 hommes, 8 femmes...

2.1.10 Exercice M. Jones va disposer 10 livres...

1er mars 2014-11:07 Dossier d’exercices - Analyse combinatoire et Probabilités 6

2.1.11 Exercice Soit le mot mississippi ...

2.1.12 Exercice Combien de nombres différents...

2.1.13 Exercice De combien de manières différentes peut-on gagner à l’euro-million...

2.1.14 Exercice Une boîte contient 12 boules, 3 rouges,...

2.1.15 Exercice À partir d’un groupe de 5 femmes et de 7 hommes...

2.1.16 Exercice Un groupe de 12 personnes doit être partagé en ...

1er mars 2014-11:07 Dossier d’exercices - Analyse combinatoire et Probabilités 7

2.1.17 Exercice De combien de manières peut-on asseoir ...

2.1.18 Exercice Un enfant possède 12 cahiers : 6 noirs, 4 rouges...

2.1.19 Exercice On considère un groupe de 20 personnes....

2.1.20 Exercice On veut former un comité de 7 personnes,...

2.1.21 Exercice Pour une partie de bridge ...

2.1.22 Exercice Si 8 tableaux noirs doivent être affectés à 4 écoles...

2.1.23 Exercice Un ascenseur quitte le rez-de-chaussée avec 8 personnes..

1er mars 2014-11:07 Dossier d’exercices - Analyse combinatoire et Probabilités 8

2.1.24 Exercice Fournir un argument d’analyse combinatoire...

C np = C nn− p = C nn− p,p

2.1.25 Exercice Un étudiant doit répondre à 7 des 10 questions...

2.1.26 Exercice Huit nouveaux professeurs vont être...

2.1.27 Exercice M-Combien de séquences différentes...

2.1.28 Exercice M-Une classe de l’école de Nyon a reçu...

2.1.29 Exercice M-Les douze tomes d’une encyclopédie...

1er mars 2014-11:07 Dossier d’exercices - Analyse combinatoire et Probabilités 9

2.1.30 Exercice M-Il y a quelques années, chaque classe de gymnase...

2.1.31 Exercice M-Une maîtresse de maison a onze amis ...

2.1.32 Exercice De combien de manières peut-on partager

1er mars 2014-11:07 Dossier d’exercices - Analyse combinatoire et Probabilités 10

2.2.2 Exercice M-D’un jeu de 52 cartes, on tire 5 cartes...

2.2.3 Exercice M-De 25 calculatrices, 5 ont un défaut...

2.2.4 Exercice M-On sélectionne un échantillon ordonné...

2.2.5 Exercice M-On tire 10 fois de suite à pile ou face...

1er mars 2014-11:07 Dossier d’exercices - Analyse combinatoire et Probabilités 11

2.2.6 Exercice M-Dans une assemblée de 400 personnes,...

2.2.7 Exercice M-Une télé fabriquée en très grande série...

2.2.8 Exercice M-Une agence de voyage fait un sondage statistique...

2.2.9 Exercice On possède une cage avec 35 lapins et 4 hamsters...