www.elmerouani.jimdo.

com
Statistiques II Sc. Éco. & Gestion (S3) Pr. M. El Merouani

Chapitre 3 : Probabilités
I ) Introduction :
1-Epreuve ou expérience :
On appelle épreuve ou expérience une certaine action que l’on peut répéter plusieurs fois.
Par exemple :

lancer un dé.
®E

lancer une pièce de monnaie.

Pour une épreuve déterminée, il y a plusieurs résultas possibles, par exemple :
lM

 Dans l’épreuve « lancer un dé », il existe 6 résultats possibles : les valeurs 1, 2,

3, 4, 5,6
 dans l’épreuve « lancer une pièce de monnaie », il existe deux résultats
ero

possibles : pile et face

Il est important de bien distinguer les cas possible des cas favorables, c’est-à-dire des cas que
ua
l’on veut obtenir.
Une épreuve est dite aléatoire lorsqu’on ne peut pas savoir avec certitude son résultat car
elle est soumise au hasard.
ni

2-Evénement :
Un événement est la réalisation d’un résultat possible à la suite d’une épreuve. On dit que cet
FP

événement est aléatoire, lorsque sa réalisation est soumise au hasard.

De tels événements seront par exemple :

obtenir la valeur 5 en lançant un dé
Te

amener face en lançant une pièce de monnaie.

3-Notation ensembliste des événements :
tou

En utilisant la notation ensembliste pour une épreuve aléatoire donnée, il sera possible de
noter :
l’ensemble Ω de tous les résultats possibles appelé ensemble fondamental ou univers.
an

Les sous-ensembles de Ω, notés avec des lettres majuscules A, B, C,… représenteront

les événements quand ils sont réalisés.
Les complémentaires des ensembles notés A , B , C ... représenteront les événements
quand ils ne sont pas réalisés. On les appelle les évènements contraires.
A ∪ B représentera le fait que l’évènement A ou l’évènement B est réalisé, c’est-à-dire
au moins un des deux.

1
 www.elmerouani.jimdo.com
Statistiques II Sc. Éco. & Gestion (S3) Pr. M. El Merouani

A∩B représentera le fait que les évènements A et B sont réalisés simultanément

Deux événements A et B qui ne peuvent pas se réaliser simultanément sont dits
incompatibles et on a A∩B = Ø
Ø représentera l’évènement impossible.
Ω représentera l’évènement certain (sa réalisation est inévitable )
Si l’évènement A implique l’évènement B c’est-à-dire si B est réalisé chaque fois que
A est réalisé, on note A ⊂ B
®E

Si A ⊂ B et B ⊂ A, alors A = B, dans ce cas tous les deux se réalisent à la fois ou

aucun des deux ne se réalisent.
lM

Exemple 1 :
Considérons l’épreuve de « Lancer un dé », alors Ω = { 1, 2, 3, 4, 5, 6 }
ero
Soit les évènements suivants :
A= {apparition d’un numéro pair} = {2, 4, 6}
B= {apparition d’un numéro impair} = {1, 3, 5}
ua
C= {apparition du numéro trois} = {3}
Alors on a : l’évènement C implique B car C ⊂ B
ni
C est dit un évènement élémentaire
A et B sont deux événements incompatibles car A∩B = Ø
FP
Exercice 1 :
Soient trois évènements. A, B et C définis sur une même épreuve. On demande de représenter
à l’aide de la notation ensembliste :
Te
1. A se réalise, B se réalise et C ne se réalise pas
2. A se réalise, B ne se réalise pas et C ne se réalise pas
tou
3. parmi A, B, C deux évènements quelconques se réalisent et un ne se réalise pas.
Solution :
1. A ∩ B ∩ C
an

C qui ne se réalise pas est représenté par le complémentaire de C, c’est-à-dire

l’évènement contraire. C
2. A ∩ B ∩ C
3. ( A ∩ B ∩ C ) ∪ ( A ∩ B ∩ C ) ∪ ( A ∩ B ∩ C )

2
 www.elmerouani.jimdo.com
Statistiques II Sc. Éco. & Gestion (S3) Pr. M. El Merouani

Puisque la proposition posée s’exprime de la façon suivante :

soit A et B sont réalisés et C ne l’est pas.
Soit A et C son réalisés et B ne l’est pas
Soit B et C sont réalisés et A ne l’est pas,
le diagramme de Venn correspondant est le suivant :
®E
A

B
lM

C
ero

Ω
II) Définitions de la probabilité :
ua
1-Définition axiomatique de la probabilité :
Soit Ω l’ensemble fondamentale d’une épreuve aléatoire. Soit P(Ω) l’ensemble des parties de
ni

Ω, c’est donc l’ensemble de tous les évènements aléatoires. Alors à chaque évènement A de

P(Ω), on associe un nombre P(A) qui exprime le degré de possibilité de réalisation de

FP

l’évènement A, avec 0 ≤P(A) ≤1, appelé probabilité de l’évènement A et vérifiant les

propriétés suivantes :
• P(Ω) = 1
Te

• Si A et B sont deux évènements incompatibles alors P (A ∪ B) = P (A) + P (B).

tou
2-Conséquences :
1 Soit A ∈P(Ω) on a : A et Ā sont deux évènements incompatibles, c’est-à-dire qu’ils ne

se réalisent pas simultanément et que A ∩ Ā = Ø alors P (A ∪ Ā) = P (A) + P (Ā )= P(Ω)=1

an

2 En particulier, P (Ø) = 1 – P ( Ω ) = 1- 1 = 0. La réciproque n’est pas toujours vraie : un

évènement peut avoir la probabilité nulle sans qu’il soit l’évènement impossible.
B
3 Si A ⊂ B alors P ( A ) ≤ P (B).
A
B-A
En effet, comme B = A ∪ (B-A) puisque A ⊂ B
alors P (B) = P ( A ∪ ( B – A )) = P (A) + P (B-A) car A ∩ (B-A) = ∅

3
 www.elmerouani.jimdo.com
Statistiques II Sc. Éco. & Gestion (S3) Pr. M. El Merouani

Donc P (B) ≥ P (A)

4 Probabilité de la réunion de deux évènements compatibles :

∪B) = P (A) + P (B) – P (A∩
P (A∪ ∩B)
En effet
on a
A = ( A ∩ B ) ∪ ( A ∩ B ) ⇒ P ( A) = P ( A ∩ B ) + P ( A ∩ B )
®E
lM
A
B
ero

( )
De même B = (B ∩ A) ∪ B ∩ A ⇒ P(B ) = P(B ∩ A) + P B ∩ A ( )
( ) ( )
ua

Donc P( A) + P(B ) − P( A ∩ B ) = P( A ∩ B ) + P A ∩ B + P B ∩ A

D’autre part, A ∪ B = ( A ∩ B ) ∪ (A ∩ B ) ∪ ( A ∩ B )
ni

⇒ P ( A ∪ B ) = P( A ∩ B ) + P (A ∩ B ) + P (A ∩ B )

D’où P( A ∪ B ) = P( A) + P(B ) − P( A ∩ B )
FP

5 Une conséquence de la propriété autérieure est la sous-additivité de P. On a

P ( A ∪ B ) = P ( A) + P ( B ) − P ( A ∩ )
Te
Alors P( A ∪ B ) ≤ P( A) + P(B )

3- Définition fréquentielle de la probabilité :

tou

Si, dans une épreuve aléatoire, un évènement A se réalise favorablement n fois, sachant qu’il
existe N résultats possibles dans cette épreuve (n<N) la fréquence (relative) de A est
n tend vers la probabilité de l’évènement A, si l’on répète un grande
f(A) = f ( n , N ) =
an

N
nombre de fois l’épreuve aléatoire.

On a donc lim f ( A ) = lim f ( n , N ) = P( A )

N →∞ N →∞

Selon cette définition, la probabilité d’un évènement A est le rapport du nombre de cas
favorables au nombre de cas possible :

4
 www.elmerouani.jimdo.com
Statistiques II Sc. Éco. & Gestion (S3) Pr. M. El Merouani

nombre de Cas favorables

P(A) = (Règle de Laplace)
nombre de Cas possibles

Ainsi, un problème de probabilité se ramènera souvent à un problème d’analyse combinatoire

ou de dénombrement (des cas favorables et des cas possibles).
Remarque 1 :
®E

Cette règle de Laplace donnée dans le cas des évènements équiprobables, c’est-à-dire que les
évènements aléatoires incompatibles de l’épreuve considérée sont supposés avoir la même
lM
probabilité de réalisation.
Exemple 2 :
Soit l’épreuve « lancer une pièce de monnaie » Quel est la probabilité d’obtenir « face » ?
ero

Il y a 2 cas possibles soit pile, soit face.

1
Et il y a un cas favorable, une face, donc P (face) =
2
ua

Exemple 1 (suite) :
Soit l’épreuve « lance d’un dé »
ni

1
• Dé non truqué ⇒ ses faces sont équiprobables la probabilité d’une face est
6
Soit l’évènement B = {apparition d’un numéro impair}
FP

= { 1, 3, 5 }
Alors on peut appliquer la règle de la place, Pour calculer la probabilité de B, on a
Te
3 1
P (B) = = = Nbre de cas favorables/Nbre de cas possibles
6 2
tou
Remarque 2 :
Les propriétés de la probabilité restent vérifiées pour cette définition fréquentielle, on a :
le nombre de cas favorables est au plus égal au nombre de cas possibles ce qui permet
an
d’établir l’inégalité suivante : 0 ≤ n ≤ N
n N
Cette inégalité implique que 0 ≤ P ( A) = ≤ =1
N N
soit A l’évènement contraire de l’évènement A. le nombre de cas favorables à la
réalisation de A est N- n. donc, sa probabilité est :
N −n n
P( A ) = = 1 − 1 − P( A)
N N

5
 www.elmerouani.jimdo.com
Statistiques II Sc. Éco. & Gestion (S3) Pr. M. El Merouani

de même pour les autres propriétés

Exercice2 :
Une urne contient 3 boules blanches et 4 noirs. On en tire au hasard une boule. Trouver la
probabilité pour que celle-ci soit blanche.
Solution :
Soit l’évènement A= { apparition d’une boule blanche}dans cette épreuve le nombre total de
®E
cas possibles est égal à 7 et chaque boule est extraite avec la même probabilité (condition
d’équiprobabilité). Le nombre des cas favorables à l’évènement A est égal à 3.
3
lM
D’après la règle de la place P ( A) =
7
III ) Probabilité conditionnelle :
ero
1- Définition :
Soit un évènement A tel que P (A)>0.
La probabilité d’un évènement B calculée sous la condition que a A a été réalisé, que l’on
ua

note P(B A) s’appelle la probabilité conditionnelle de l’évènement B par l’évènement a et on

a:
ni
P( B ∩ A)
P ( B A) = Avec P(A)>0
P( A)
Analogiquement, on peut définir
FP

P( A ∩ B)
P( A B) = Avec P(B)>0
P( B)
Te
On déduit alors que
P( A ∩ B) = P( B A).P( A)
P( A ∩ B) = P( A B ) = P( B )
tou
Et Théorème des probabilités composées

2- Evènement dépendants et évènements indépendants :

On considère deux évènements A et B.
an

L’évènement A est dit indépendant de l’évènement B si Sa probabilité ne dépend pas de la

réalisation ou de la non réalisation de B c'est-à-dire P(A/B)=P(A) dans le cas contraire ,si
P(A/B) ≠P(A) ,l’événement A dépend de B .
La dépendance et l’indépendance des événements son t toujours mutuelles : si A ne dépend
pas de B , B non -plus ne dépend pas de A et inversement.
Les événements A et B sont dits indépendants, si l’apparition de l’un d’eux n’influe pas sur la
probabilité de l’apparition de l’autre.

6
 www.elmerouani.jimdo.com
Statistiques II Sc. Éco. & Gestion (S3) Pr. M. El Merouani

Le théorème des probabilités composées acquiert une forme particulièrement simple lorsque
les événements qui constituent le produit sont indépendants :
P ( A ∩ B ) = P ( A).P ( B )

3-Conséquence :
Si A et B sont deux évènement indépendants alors il en est de même de A etB
En effet :
®E
Il suffit de montrer que : P( A ∩ B ) = P( A ).P ( B ).

On sait que A ∩ B = A ∪ B (Loi de Morgan)

lM

P( A ∩ B ) = P( A ∪ B ) = 1 − P ( A ∪ B ) = 1 − P ( A ∪ B )
Donc
= 1 − [P ( A) + P( B ) − P ( A ∩ B )]
Mais, comme A et B sont indépendants, on a P ( A ∩ B ) = P ( A).P( B)
ero

P( A ∩ B ) = 1 − [P( A) + P( B) − P ( A).P ( B)]

= 1 − P( A) − P( B) + P( A) P( B)
D’où
= (1 − P( A) )(1 − P( B) )
ua

= P( A ).P( B ).

Remarque :
ni

La notion d’indépendance joue un rôle fondamental dans la théorie des probabilités et ses
applications.
FP
La majorité des résultats en probabilités s’obtiennent sous l’hypothèse d’indépendance .

4-Théorème de la probabilité totale et théorème de Bayes :

1) théorème de la probabilité totale :
Te

Soient les événement A1, A2 …….An qui constituent une partition de c’est a dire

A ∪ A ∪ ..... ∪ A = Ω
tou
1 2 n

A ∩ A =φ
i j

∀i, j ∈ {1,2,...., n}; i ≠ j

an

Soit B un événement quelconque. Alors on a :

n
P ( B ) = ∑ P( B Ai ).P ( Ai )
i =1

Théorème de la probabilité totale

Remarque :

7
 www.elmerouani.jimdo.com
Statistiques II Sc. Éco. & Gestion (S3) Pr. M. El Merouani

On emploie le théorème de la probabilité totale pour calculer la probabilité d’un événement B

dans les problèmes dont l’issue aléatoire a « deux étapes », la
Exercice :
(Exemple d’application du théorème de la probabilité total)
On considère deux cernes ; la première contient 3 boules blanches et 3 noirs et la seconde 4
blanches et 2 noires.
®E
On choisit l’une des deux urnes au hasard t on tire sans remise 2 boules de cette urne.
Calculer la probabilité que les 2 boules tirées soient blanches.
lM
ero
b b b b

b
b b
ua

N N N
N N
ni

1
2
FP

Solution :
Soient les événements :

U : « Le tirage se fait dans l’urne 1 »

Te
1

U 2
: « Le tirage se fait dans l’urne 2 »
tou
B : « les 2 boules tirées sont blanches »
D’après le théorème de la probabilité totale :
2
P ( B ) = ∑ P ( B U i ).P (U i ) = P (U 1).P (U 1) + P ( B ) P
an
1=1
U2

1
Or P (U 1) = P (U 2) =
2 Probabilité de tirage de
la 2eme boule
3 2
P(B U )=
1
.
6 5 Probabilité de tirage de la
4 3
P ( B U 2) = . première boule
6 5

8
 www.elmerouani.jimdo.com
Statistiques II Sc. Éco. & Gestion (S3) Pr. M. El Merouani

3 2 1 4 3 1
Donc P( B) = ( . ). + ( . ). = 0,3
6 5 2 6 5 2
Démonstration du théorème des probabilités totales :
On a A ∪ A ∪ ..... ∪ A = Ω
1 2 n

Et A ∩ A = φ pour i ≠ j
i j

B = B ∪ Ω = B ∩ ( A ∪ A ∪ ..... ∪ A ) 1 2 n
®E
Comme = ( B ∩ A ) ∪ ( B ∩ A ) ∪ .....U ( B ∩ A )
1 2 n

avec( B ∩ A ) ∩ ( B ∩ A ) = φ ; ∀i ≠ j i j

P( B ) = P[(B ∩ A ) ∪ ( B ∩ A ) ∪ ..... ∪ ( B ∩ A )]
lM

1 2 n

on a = P ( B ∩ A ) + P ( B ∩ A ) + ..... + P ( B ∩ A )
1 2 n

= P ( B A ) P ( A ) + P ( B A ) P ( A ) + .... + P ( B A ) P ( A )
1 1 2 2 n n
ero

n
C’est-à-dire P( B ) = ∑ P ( B A ) P( A )
i i
i =1
ua
Démonstration du théorème de BAYES :
P ( Ak ∩ B ) P ( B Ak ).P ( Ak )
On a : ∀K ; P ( Ak / B) = =
P( B) P( B)
ni

Alors le théorème de la probabilité total, noue permet d’écrire

n
P( B ) = ∑ P ( B / Ai ). p ( Ai )
FP

i =1

P( B A ).P( A )
D’où P( AK B ) = n
K K
Te
∑ P( B A ).P( A )
i =1
i i

Exercice :
tou

On considère trois urnes ; la première contient 3 boules blanches et trois noirs, la seconde 4
blanches et deux noires et la 3eme 6 blanches. On choisit l’une des trois urnes au hasard et on
tire simultanément deux boules de cette urne sachant que les deux boules extraites sont
an

blanches, calculer la probabilité quelle provienne de la deuxième urne.

Solution :

9
 www.elmerouani.jimdo.com
Statistiques II Sc. Éco. & Gestion (S3) Pr. M. El Merouani

b b b b
b b b
b b b b
N N N
N N b b
®E

1
2 3
lM

Soient les événements :

U1 : « le tirage se fait dans la première urne »
ero
U2 : « le tirage se fait dans la deuxième urne »
U3 : « le tirage se fait dans la troisième urne »
B : « les deux boules tirées sont blanches »
On à d’après le théorème de BAYES :
ua
P ( B U 2).P(U 2)
P(U 2 B) = 3

∑ P( B U ) P(U )
i =1
i i
ni

1
P(U 1) = P (U 2) = P (U 3) =
3
FP
3 2 1
P( B U 1) = . =
6 5 5
4 3 2 6 5
P( B U 2) = . = etP( B U 3
) = . =1
6 5 5 6 5
Te

On trouve :
1
B) = 3 = 0,25
tou
P(U 2
1 1 2 1 1
. + . +
5 3 5 3 3
Première étape met en jeu les conditions de l’épreuve et la deuxième, la réalisation on la non-
an
réalisation de l’événement B.

6- Théorème de BAYES :
Les probabilités conditionnelles d’un événement quelconque B tel que P (B) ≠ rapport à
chacun des éléments de la partition ; P (B/Ai), sont généralement données dans les problèmes.
Mais, les probabilités du type P (Ai/B) ne le sont pas .Pour les calculer, on utilise le théorème
de BAYES :

10
 www.elmerouani.jimdo.com
Statistiques II Sc. Éco. & Gestion (S3) Pr. M. El Merouani

P( B
A ).P( A )
P( Ak B ) = n
k k

∑ P( B A ).P( A )
i =1
i i

Remarque :
Les probabilités P(Ai) , P(A2),……,P(An). Sont les probabilités avant l’épreuve aléatoire
(elles sont appelées de probabilité à priori).
®E

Après avoir réalisé l’épreuve, supposons qu’il en résulte l’événement B et que l’on connaît ses
probabilités conditionnelles P(B/A1),….,P(B/An)(elles sont appelées des vraisemblances).
lM

Le théorème de BAYES nous donne, donc, les probabilités après l’épreuve (elles sont
appelées des probabilité à posteriori) conditionnelles par rapport à l’événement B qui en
résulte, P(A1/B),….,P(A1/B).
ero
ua
ni
FP
Te
tou
an

11