Chap 12 - Espaces Probabilisés Finis - Rempli

Chapitre 12
Dénombrement - Espaces probabilisés finis
Table des matières

1 Dénombrement 3
1.1 Cardinal d’un ensemble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Dénombrement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 p-listes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1.2 Nombre de p-listes d’un ensemble à n éléments . . . . . . . . . . . . . . . . . . 4
1.2.2 p-listes sans répétition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2.2 Nombre de d’arrangements de p éléments pris parmi n . . . . . . . . . . . . . . 5
1.2.3 Combinaisons et nombres de parties d’un ensemble fini . . . . . . . . . . . . . . . . . . . 6
1.2.3.1 Combinaisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3.2 Rappel : Nombre de parties d’un ensemble fini . . . . . . . . . . . . . . . . . . 7
2 Espaces probabilisés finis 8

2.1 Espace probabilisable fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.2 Opérations sur les évènements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Espace probabilisé fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1 Définition et premières propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.2 Probabilité et évènements élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.3 Formule du crible de Poincaré . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3 Probabilités conditionnelles 12
3.1 Définition et propriétés de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.2 Formule des probabilités composées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3 Formule des probabilités totales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.4 Formule de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4 Indépendance d’évènements 14
4.1 Indépendance de deux évènements (I) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.2 Indépendance mutuelle d’un ensemble d’évènements . . . . . . . . . . . . . . . . . . . . . . . . . 14
2 Dénombrement - Espaces probabilisés finis
ECS1 - Mathématiques (I) : minimum vital | (II) : au programme | (III) : Pour les Experts
Dénombrement - Espaces probabilisés finis 3
1 Dénombrement
1.1 Cardinal d’un ensemble
Définition 1. (Cardinal d’un ensemble fini (I))
On appelle cardinal d’un ensemble fini E le nombre d’éléments de cet ensemble.
On le note Card E.
Par convention, Card ∅ = 0
Proposition 1. (Formule du Crible de Poincaré (I)) (admis)

Soient A et B deux parties d’un ensemble fini E. On a :
Card (A ∪ B) = Card A + Card B − Card (A ∩ B)
En particulier, si A et B sont disjoints : Card (A ∪ B) = Card A + Card B
Définition 2. (Partition d’un ensemble (II))

Soit E un ensemble et (Ai )1≤i≤p une famille de parties E.
(Ai ) est une partition de E si et seulement si :
• ∀i ∈ I, Ai 6= ∅.
• Les Ai sont deux à deux disjointes (i 6= j =⇒ Ai ∪ Aj = ∅).

p
[
• Ai = E.
i=1
Exercice de cours 1. (I)
1. Donner plusieurs partitions de l’ensemble E = {a, b, c, d, e}.
2. Donner plusieurs partitions de F = J1, 10K
3. Donner toutes les partitions de l’ensemble G = {a, b, c}.
Proposition 2. (Cardinal d’un produit cartésien (II)) (admis)
• Soient E et F deux ensembles finis : Card (E × F ) = Card E × Card F.
• Soient E1 , E2 , . . . , En n ensembles finis : Card (E1 ×E2 ×· · ·×En ) = Card E1 ×Card E2 ×· · ·×Card En
Exemple 1. Vérifions le premier point ci-dessus en donnant tous les éléments de J2, 4K × J1, 2K.
(I) : minimum vital | (II) : au programme | (III) : Pour les Experts ECS1 - Mathématiques
1.2 Dénombrement
1.2.1 p-listes
1.2.1.1 Définition
Définition 3. (p-listes ou p-uplets (I))

On appelle p-liste, ou p-uplet, d’éléments d’un ensemble E toute liste ordonnée de p éléments de E.
- Une 2-liste de E est donc un couple de E (ou encore un 2-uplet).
- Une 3-liste de E est un triplet de E (ou encore un 3-uplet).
- Une 4-liste de E est un quadruplet de E (ou encore un 4-uplet). - etc.
1. Donner cinq 3-liste de N.
2. Donner cinq 3-liste de {M, A, T, H, S}
3. Donner quelques 5-liste de {P, A, I, R}
Attention ! (I) Dans une p-liste, l’ordre des éléments compte : (1, 8, 5) et (8, 1, 5) sont deux 3-liste différentes !
Attention ! (I) Dans une p-liste, on peut répéter plusieurs fois le même élément.
1.2.1.2 Nombre de p-listes d’un ensemble à n éléments
Proposition 3. (Nombre de p-listes d’un ensemble à n éléments (I)) (admis)
Si E est un ensemble à n éléments, il y a np p-listes de E.
Remarque. (I) On pourra aussi retenir ce résultat sous la forme suivante :
Il y a np listes avec répétitions de p éléments pris parmi n.
Exercice de cours 3.
1. (I) Combien y a-t-il de codes possibles pour un cadenas à 4 chiffres ?
2. (I) Combien y a-t-il de numéros de téléphone commençant par 06 ?
3. (I) Combien pouvons nous former de mots (ayant un sens ou non) avec 5 lettres de l’alphabet ?
4. (I) On lance deux fois de suite un dé à 6 faces, combien y a-t-il de résultats possibles ?
5. (I) On effectue p tirages successifs avec remise dans une urne contenant n boules distinctes.
Combien y a-t-il de tirages différents possibles ?
6. (III) Combien y a-t-il d’applications de I = {1, 2, 3} dans J = {1, 2, 3, 4} ?
1.2.2 p-listes sans répétition

1.2.2.1 Définition
Définition 4. (Arrangements (I))

On appelle arrangement ou p-liste sans répétition toute p-liste constituée d’éléments 2 à 2 distincts.
Exemple 2. (I)
• (4, 5, 1, 3) est un arrangement de 4 éléments de J1, 6K.
• (4, 5, 1, 5) n’est pas un arrangement d’éléments de J1, 6K.
1.2.2.2 Nombre de d’arrangements de p éléments pris parmi n
Proposition 4. (Nombre de d’arrangements de p éléments pris parmi n (I)) (admis)

On note Apn le nombre de d’arrangements de p éléments pris parmi n. On a alors :
n!
Apn = n(n − 1) · · · (n − p + 1) = .
(n − p)!
1. (I) Combien y a-t-il de codes qui ne contiennent pas deux fois le même chiffre pour un cadenas à
4 chiffres ?
2. (I) Combien y a-t-il de numéros de téléphone commençant par 06 et qui ne contiennent pas deux
fois le même chiffre ?
3. (I) Combien pouvons nous former de mots de 5 lettres (ayant un sens ou non) ne contenant pas
deux fois la même lettre ?
4. (I) On lance deux fois de suite un dé à 6 faces, combien y a-t-il de résultats possibles qui ne sont
pas des "double" ?
5. (I) On effectue p tirages successifs sans remise dans une urne contenant n boules distinctes.
Combien y a-t-il de tirages différents possibles ?
6. (III) Combien y a-t-il d’applications injectives de I = {1, 2, 3} dans J = {1, 2, 3, 4} ?
Définition 5. (Permutations (I))

On appelle permutation d’un ensemble à n élément toute n-liste de E.
Remarque. Une permutation de n élément est donc une liste de ces n éléments.
Exemple 3. (1, 2, 3, 4), (2, 1, 3, 4), (3, 1, 2, 4), (4, 3, 2, 1) sont des permutations de {1, 2, 3, 4}.
Exercice de cours 5. (I) Donner toutes les permutations de E = {a, b, c}.
Proposition 5. (Nombre de permutations. (I)) (admis)

Soit E un ensemble à n éléments. Il y a n! permutations de E.
1. (I) Il y a 8 livres, tous distincts, sur une étagère. De combien de façon peut-on les ranger ?
2. (I) Combien y a-t-il d’anagrammes (ayant un sens ou non) du mots MATHS ?
3. (I) Combien de classement possibles de 35 élèves y a-t-il ?
4. (I) J’ai perdu le code de mon cadenas à 4 chiffres. Je me rappelle juste qu’il était formé des chiffres
4, 7, 8 et 0. Combien de code devrais-je essayer au pire ?
5. (III) Combien y a-t-il de bijections de J1, nK dans lui-même ?
6. (III) Combien y a-t-il de bijections de J1, nK dans lui-même laissant 1 invariant ?
1.2.3 Combinaisons et nombres de parties d’un ensemble fini
1.2.3.1 Combinaisons
Définition 6. (Combinaison de p éléments d’un ensemble (I))

On appelle combinaison de p éléments pris parmi E toute partie à p éléments de E.
Remarque. "Combinaison" est donc synonyme de "partie", ou de "sous-ensemble".
Remarque. (I)
Dans une combinaison, on ne répète donc jamais deux fois le même élément. On peut donc retenir que :
• Une p-liste est "avec ordre et avec répétition".
• Un arrangement est "avec ordre et sans répétition".
• Une combinaison est "sans ordre et sans répétition".
Il existe aussi la notion de "combinaisons avec répétition" qui est hors-programme.
Proposition 6. (Nombre de combinaisons à p éléments pris parmi n. (I)) (admis)

Soit E un ensemble à n éléments. Le nombre de combinaisons à p éléments de E est :
!
n n! n(n − 1) · · · (n − p + 1) Ap
= = = n
p p!(n − p)! p! p!
Exercice de cours 7. Déterminer dans chaque cas si on a affaire à des combinaisons, des p-listes ou des
arrangements, puis déterminer le nombre de possibilités :
1. On choisit 3 élèves parmi 35.
2. On choisit 3 élèves parmi 35 puis on nomme, parmi ces 3 élèves un président, un secrétaire, un
trésorier.
3. On choisit établit la liste des anniversaires de 35 élèves, en écrivant la date d’anniversaire du 1er
élève, puis celle du deuxième élève, etc..
4. On tire simultanément 3 boules parmi 10.
5. On tire successivement et avec remise 3 boules parmi 10.
6. On tire successivement et sans remise 3 boule parmi 10.
7. On range 5 objets distincts dans 10 boites distinctes.
8. On range 5 objets distincts dans 10 boites distinctes, sans mettre deux objets dans la même boite.
9. On range 5 objets identiques dans 10 boites distinctes, sans mettre deux objets dans la même boite.
10. On tire 5 cartes dans un jeu de 32 cartes.
1.2.3.2 Rappel : Nombre de parties d’un ensemble fini
Proposition 7. (Nombre de parties d’un ensemble fini (I)) (admis)

Un ensemble fini E à n élément possède 2n parties. Autrement dit :

Card P(E) = 2n .
2 Espaces probabilisés finis

2.1 Espace probabilisable fini
2.1.1 Définitions
Définition 7. (Expérience aléatoire (I))
On appelle expérience aléatoire une expérience dont le résultat n’est pas connu a priori, c’est-à-dire qu’il ne
dépend que du hasard. L’ensemble des résultats possibles d’une expérience aléatoire est appelé univers. On le
note usuellement Ω et ses éléments, appelées issues, sont notés ω. Lors de chaque expérience, une seule issue ω
de Ω est réalisée.
Dans ce chapitre, on ne traitera que le cas où Ω est un ensemble fini.
Exemple 4. (I)
1. On lance un dé à six faces numérotées de 1 à 6, on a Ω = {1, 2, 3, 4, 5, 6}
2. On lance une pièce, on a Ω = {Pile, Face}.
3. On lance 3 fois une pièce, on a Ω = {P P P, P P F, P F P, P F F, F P P, F P F, F F P, F F F }
Définition 8. (Évènement (I))

Dans le cas où l’univers d’une expérience est fini, on appelle évènement toute partie de Ω.
Le couple (Ω, P(Ω)) et alors appelé espace probabilisable.
Exemple 5. (I)
Pour le lancer d’un dé à 6 faces, l’événement “le nombre obtenu est pair” est {2, 4, 6}.
Définition 9. (Évènement impossible, certain, élémentaire)
• (I) ∅ est appelé l’événement impossible.
• (I) Ω est appelé l’événement certain.
• (II) Les événements {w} (les singletons) sont appelés événements élémentaires.
2.1.2 Opérations sur les évènements

Dans le cadre des probabilités on a l’interprétation suivante des opérations sur les parties :
Définition 10. (Opérations sur les évènements)
Soit A et B deux événements.
1. (I) A (le complémentaire de A dans Ω) est appelé événement contraire de A.
2. (I) l’événement A ∩ B est réalisé si les événements A et B sont réalisés.
3. (I) l’événement A ∪ B est réalisé si au moins un des deux événements A ou B est réalisé.
4. (II) A ⊂ B signifie que l’événement A implique l’événement B.
5. (I) Si A ∩ B = ∅, alors on dit que A et B sont incompatibles.
Définition 11. (Système complet d’évènements (I))

Soit (Ai )i∈I une famille d’événements (où I est un ensemble fini de N).
On dit que cette famille forme un système complet d’événements de Ω si
1. ∀(i, j) ∈ I 2 tels que i 6= j, A i ∩ Aj = ∅

[
2. Ai = Ω.
i∈I
Exemple 6. (I)
1. pour tout événement A, {A, A} est un système complet d’événements.
2. Dans le cas d’un lancé de dé, si on note :
• A : "le résultat est pair"

• B : " le résultat est égal à 3 ou 5
• C : "le résultat est égal à 1.
Alors {A, B, C} est un s.c.e.
3. On tire 3 fois et avec remise une boule dans une urne contenant des boules noires et blanches. On
note X le rang de la première boule nblanche tirée en convenant que si on ne
o tire finalement pas de
boule blanche alors X vaut 0. Alors (X = 0), (X = 1), (X = 2), (X = 3) est un s.c.e.
2.2 Espace probabilisé fini

2.2.1 Définition et premières propriétés
Définition 12. (Probabilité - Espace probabilisé fini (II))

Soit Ω un ensemble fini.
On appelle probabilité sur l’espace probabilisable (Ω, P(Ω)) toute application P : P(Ω) → [0, 1] vérifiant :
1. P (Ω) = 1
2. ∀A, B ∈ P(Ω) tels que A ∩ B = ∅, P (A ∪ B) = P (A) + P (B).
Le triplet (Ω, P(Ω), P ) est alors appelé espace probabilisé fini.
Remarque. (I)
On retiendra surtout de cette définition que si A et B sont incompatibles, P (A ∪ B) = P (A) + P (B).
Proposition 8. (Propriété de base d’une probabilité) (admis)

Soit P une probabilité sur Ω et A et B deux événements de Ω.
1. (I) P (A) = 1 − P (A)
2. (II) Si A ⊂ B alors P (A) ≤ P (B)
3. (I) Pour toute famille (Ai )1≤i≤n d’événements deux à deux incompatibles, on a
n n
!
[ X
P Ai = P (Ai )
i=1 i=1
Attention ! (I) On écrira donc P (A1 ∪ A2 ∪ · · · ∪ An ) = P (A1 ) + P (A2 ) + · · · + P (An ) que si on sait que A1 ,
A2 ,...,An sont deux à deux incompatibles.
2.2.2 Probabilité et évènements élémentaires

Proposition 9. (Définition d’une probabilité par les évènements élémentaires (II)) (admis)
Une probabilité est entièrement déterminée par la connaissance des probabilités des évènements élémentaires. On
peut donc définir une probabilité en attribuant à chaque évènement élémentaire une probabilité de telle sorte que
la somme des probabilités des évènements élémentaires soit égale à 1.
On a en particulier le résultat suivant :
Proposition 10. (Probabilité d’un évènement et évènements élémentaires (II)) (admis)

Soit (Ω, P(Ω), P ) un espace probabilisé fini.
La probabilité d’un évènement est égale à la somme des probabilité de ses évènements élémentaires.
Autrement dit : X
∀A ∈ P(E), P (A) = P {ω}
ω∈A
.
Remarque. (I) On pourra se contenter de retenir la phrase suivante, moins rigoureuse :
la probabilité d’un évènement est égale à la somme des probabilités de ses issues.
Exercice de cours 8. (II)

On lance un dé à 6 faces. On note, pour tout i ∈ J1 ; 6K, pi = P {i} .
1 1
Ce dé est pipé de telle façon que : p1 = p2 = p3 = , p4 = et p5 = p6 .
12 2
Déterminer la probabilité d’obtenir un nombre pair avec ce dé.
Définition 13. (Equiprobabilité (I))

On dit que l’on est en situation d’équiprobabilité si les issues ont toutes la même probabilité.
Proposition 11. (probabilité d’un évènement en situation d’équiprobabilité (I)) (admis)

En situation d’équiprobabilité, on a :
card A
P (A) =
card Ω
.
2.2.3 Formule du crible de Poincaré

Proposition 12. (Formule du crible de Poincaré (I)) (admis)
Soit A, B et C trois événements.
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
et
P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B) − P (A ∩ C) − P (B ∩ C) + P (A ∩ B ∩ C)
Exercice de cours 9. Une urne contient trois boules (une rouge, une verte et un jaune) indiscernables
au toucher. On fait r tirages avec remise, (r ≥ 3). Déterminer la probabilité que chacune des boules ai
été tirée au moins une fois. Vérifier ensuite que cette probabilité tend vers 1 lorsque r tend vers +∞.
3 Probabilités conditionnelles
3.1 Définition et propriétés de base
Définition 14. (Probabilité sachant A (II))
Soit (Ω, P(Ω), P ) un espace probabilisé et A un événement de probabilité non nulle. Alors l’application PA définie
sur P(Ω) par
P (B ∩ A)
PA (B) =
P (A)
est une probabilité appelée probabilité conditionnelle relative à A ou probabilité sachant A.
P (B ∩ A)
Remarque. (I) Le minimum vital consistera ici à retenir que PA (B) = .
P (A)
PA étant une probabilité, on retrouve les formules valable pour toute probabilité, appliquées à PA :
Proposition 13. (Propriétés de PA (II)) (admis)
1. PA (B) = 1 − PA (B)
2. Si B ⊂ C alors PA (B) ≤ PA (C)
3. Formule du crible (appliquée à PA ) : PA (B ∪ C) = PA (B) + PA (C) − PA (B ∩ C).
Remarque. (I)Il faut connaître le sens des probabilités que l’on rencontre sur les branches d’un arbre de
probabilité (voir schéma donné en cours).

Une urne contient 3 boules blanches, 2 boules rouges et 5 boules noires. On effectue deux tirages sans
remise et on note Bi (resp. Ri , Ni ) l’évènement "la i-ième boule tirée est blanche (resp. rouges, noire)".
Déterminer la probabilité d’obtenir deux boules blanches.
3.2 Formule des probabilités composées

Proposition 14. (Formule des probabilités composées (I)) (admis)
• Si P (A) 6= 0, alors P (A ∩ B) = P (A)PA (B).
• Si P (A1 ∩ A2 ∩ . . . ∩ An−1 ) 6= 0 alors

n
P ( ∩ Ai ) = P (A1 ∩ A2 ∩ . . . ∩ An ) = P (A1 )PA1 (A2 ) . . . PA1 ∩A2 ∩...An−1 (An )
i=1

On reprend l’urne de l’exemple précédent. On effectue maintenant trois tirages sans remise. Déterminer
la probabilité d’obtenir trois boules blanches.
3.3 Formule des probabilités totales

Proposition 15. (Formule des probabilités totales (I)) (admis)
Soit (A1 , A2 , . . . An ) un système complet d’événements tel que ∀i ∈ J1, nK, P (Ai ) 6= 0.
Alors pour tout événement B, on a :
n
X n
X
P (B) = P (B ∩ Ai ) = P (Ai )PAi (B)
i=1 i=1
Remarque. On utilise ce théorème quand on manque d’information, selon l’information manquante, on sait quel
système complet choisir.
3.4 Formule de Bayes

Proposition 16. (Formule de Bayes (III)) (admis)
1. Soit A et B deux évènements de probabilité non nulle, alors :
P (A)PA (B)
PB (A) =
P (B)
2. Soit A1 , . . . , An un système complet d’événements et B un événement, alors ∀i ∈ J1, nK :
P (Ai )PAi (B)

PB (Ai ) = Pn
j=1 P (Aj )PAj (B)
Remarque. On utilise ce théorème pour échanger le conditionnement, mais on peut s’en passer en utilisant
systématiquement la formule des probabilités totales
Exercice de cours 12. On reprend l’exemple précédent. Sachant que la deuxième boule tirée est blanche,
quelle est la probabilité que la première soit blanche ?
4 Indépendance d’évènements
4.1 Indépendance de deux évènements (I)
Définition 15. (Indépendance de deux évènements)
Soit (Ω, P(Ω), P ) un espace probabilisé fini.
On dit que deux événements A et B sont indépendants pour la probabilité P si
P (A ∩ B) = P (A) × P (B).
Si P (A) 6= 0, cela revient à dire que PA (B) = P (B).
Attention ! L’indépendance dépend de la probabilité !
Exemple 7. On dispose d’un dé équilibré, d’une pièce équilibrée et d’une pièce truquée (2 piles). On
lance le dé : si on obtient 1, on lance deux fois la pièce équilibrée, sinon on lance deux fois la pièce truquée.
On note Ai "obtenir pile au i-ième lancer" et C "le lancer du dé donne 1".
Montrons que A1 et A2 sont indépendants pour PC mais pas pour P .
4.2 Indépendance mutuelle d’un ensemble d’évènements

Définition 16. (Indépendance mutuelle d’un ensemble d’évènements (II))
On dit que A1 , . . . , An sont mutuellement indépendants pour la probabilité P si pour tout ensemble d’indice
I ⊂ J1, nK, !
\ Y
P Ai = P (Ai )
i∈I i∈I
Exemple 8. (II) Trois évènements A1 , A2 , A3 sont mutuellement indépendants si et seulement si :



 P (A1 ∩ A2 ) = P (A1 )P (A2 )

 P (A ∩ A ) = P (A )P (A )
1 3 1 3

 P (A 2 ∩ A 3 ) = P (A 2 )P (A 3)


P (A1 ∩ A2 ∩ A3 ) = P (A1 )P (A2 )P (A3 )
Exemple 9. (II) On lance deux fois un dé équilibré. Soit les événements : A1 :“le premier nombre
obtenu est pair” et A2 : “le deuxième nombre obtenu est pair” et A3 : “la somme des deux nombres obtenus
est paire”. Vérifier que les Ai sont indépendants deux à deux mais pas mutuellement indépendants.

Chap 12 - Espaces Probabilisés Finis - Rempli

Transféré par

Droits d'auteur :

Formats disponibles

Chap 12 - Espaces Probabilisés Finis - Rempli

Transféré par

Informations du document

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

Chap 12 - Espaces Probabilisés Finis - Rempli

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 12

Dénombrement - Espaces probabilisés finis

Table des matières

2 Espaces probabilisés finis 8

1.1 Cardinal d’un ensemble

Définition 1. (Cardinal d’un ensemble fini (I))

On appelle cardinal d’un ensemble fini E le nombre d’éléments de cet ensemble.

Proposition 1. (Formule du Crible de Poincaré (I)) (admis)

Card (A ∪ B) = Card A + Card B − Card (A ∩ B)

En particulier, si A et B sont disjoints : Card (A ∪ B) = Card A + Card B

Définition 2. (Partition d’un ensemble (II))

• Les Ai sont deux à deux disjointes (i 6= j =⇒ Ai ∪ Aj = ∅).

Exercice de cours 1. (I)

1. Donner plusieurs partitions de l’ensemble E = {a, b, c, d, e}.

2. Donner plusieurs partitions de F = J1, 10K

3. Donner toutes les partitions de l’ensemble G = {a, b, c}.

Proposition 2. (Cardinal d’un produit cartésien (II)) (admis)

• Soient E et F deux ensembles finis : Card (E × F ) = Card E × Card F.

Définition 3. (p-listes ou p-uplets (I))

Exercice de cours 2. (I)

1. Donner cinq 3-liste de N.

2. Donner cinq 3-liste de {M, A, T, H, S}

3. Donner quelques 5-liste de {P, A, I, R}

1.2.1.2 Nombre de p-listes d’un ensemble à n éléments

Proposition 3. (Nombre de p-listes d’un ensemble à n éléments (I)) (admis)

Si E est un ensemble à n éléments, il y a np p-listes de E.

Remarque. (I) On pourra aussi retenir ce résultat sous la forme suivante :

Il y a np listes avec répétitions de p éléments pris parmi n.

1. (I) Combien y a-t-il de codes possibles pour un cadenas à 4 chiffres ?

2. (I) Combien y a-t-il de numéros de téléphone commençant par 06 ?

6. (III) Combien y a-t-il d’applications de I = {1, 2, 3} dans J = {1, 2, 3, 4} ?

1.2.2 p-listes sans répétition

Définition 4. (Arrangements (I))

• (4, 5, 1, 3) est un arrangement de 4 éléments de J1, 6K.

• (4, 5, 1, 5) n’est pas un arrangement d’éléments de J1, 6K.

1.2.2.2 Nombre de d’arrangements de p éléments pris parmi n

Proposition 4. (Nombre de d’arrangements de p éléments pris parmi n (I)) (admis)

6. (III) Combien y a-t-il d’applications injectives de I = {1, 2, 3} dans J = {1, 2, 3, 4} ?

Définition 5. (Permutations (I))

Exercice de cours 5. (I) Donner toutes les permutations de E = {a, b, c}.

Proposition 5. (Nombre de permutations. (I)) (admis)

2. (I) Combien y a-t-il d’anagrammes (ayant un sens ou non) du mots MATHS ?

3. (I) Combien de classement possibles de 35 élèves y a-t-il ?

5. (III) Combien y a-t-il de bijections de J1, nK dans lui-même ?

6. (III) Combien y a-t-il de bijections de J1, nK dans lui-même laissant 1 invariant ?

1.2.3 Combinaisons et nombres de parties d’un ensemble fini

Définition 6. (Combinaison de p éléments d’un ensemble (I))

Remarque. "Combinaison" est donc synonyme de "partie", ou de "sous-ensemble".

• Une p-liste est "avec ordre et avec répétition".

• Un arrangement est "avec ordre et sans répétition".

• Une combinaison est "sans ordre et sans répétition".

Il existe aussi la notion de "combinaisons avec répétition" qui est hors-programme.

Proposition 6. (Nombre de combinaisons à p éléments pris parmi n. (I)) (admis)

1. On choisit 3 élèves parmi 35.

4. On tire simultanément 3 boules parmi 10.

5. On tire successivement et avec remise 3 boules parmi 10.

6. On tire successivement et sans remise 3 boule parmi 10.

7. On range 5 objets distincts dans 10 boites distinctes.

10. On tire 5 cartes dans un jeu de 32 cartes.

1.2.3.2 Rappel : Nombre de parties d’un ensemble fini

Exercice de cours 8. (II)