SlideShare ist ein Scribd-Unternehmen logo
1 von 65
Downloaden Sie, um offline zu lesen
Chapitre II: Théorie élémentaire de probabilités 
Otheman Nouisser 
Ecole Nationale de Commerce et Gestion 
Kénitra 
3 octobre 2011 
Otheman Nouisser ENCG-Kénitra, 2010
Plan 
I. Notions générales (Vocabulaire probabiliste) 
II. Notion de probabilités 
III. Théorème des probabilités totales 
IV. Probabilités composées et conditionnelles 
V. Problèmes relatifs aux calculs des probabilités 
Otheman Nouisser ENCG-Kénitra, 2010
Notions générales :(Vocabulaire probabiliste) 
1- Epreuve aléatoire : 
C’est une expérience qu’on peut répéter dans les mêmes conditions 
et qui donne plusieurs résultas. 
Exemple 
Lancer un dé- le jeu de pile ou face. 
Otheman Nouisser ENCG-Kénitra, 2010
Notions générales (Vocabulaire probabiliste) 
2- L’univers des éventualités : 
C’est l’ensemble des résultats possibles d’une épreuve et on le note 
par 
 ( On l’appelle aussi l’ensemble fondamental). 
Exemple 
Si on lance un dé, l’univers 
 est l’ensemble 
 = {1, 2, 3, 4, 5, 6}. 
Otheman Nouisser ENCG-Kénitra, 2010
Notions générales :(Vocabulaire probabiliste) 
3- Evénement : 
C’est la réalisation d’une ou plusieures éventualités lors de l’examen 
des résultats d’une épreuve. Autrement dit, c’est un sous-ensemble 
ou partie de l’univers 
. 
Si un évenement contient un seul élément, on l’appelle événement 
élémentaire. 
Exemple 
Si on lance un dé, l’univers 
 peut être décomposé en deux 
événements : 
chiffre pair : E1 = {2, 4, 6}. 
chiffre impair : E2 = {1, 3, 5}. 
Otheman Nouisser ENCG-Kénitra, 2010
Notions générales :(Vocabulaire probabiliste) 
Remarque 
- Un événement impossible noté ;, n’est jamais réalisé. 
- L’événement 
 est appelé événement certain (car il est toujours 
réalisé). 
Otheman Nouisser ENCG-Kénitra, 2010
Relations logiques entre les événements 
1- Evénement complémentaire : 
Définition 
Soit A une partie de 
. Le complémentaire de A, également partie de 

 noté A, est l’ensemble des résultats qui conduit à la réalisation de 
l’événement contraire de A. c.à.d., A est réalisé si et seuleument si A 
n’est pas réalise. 
+ 
A = CA
 
= 
  A. 
A est appelé aussi l’événement contraire. 
Exemple 
Soit l’épreuve qui consiste à lancer un dé. Désignons A l’événement 
hh obtenir un nombre pair ii. 
A = {2, 4, 6} ) A = {1, 3, 5}. 
Otheman Nouisser ENCG-Kénitra, 2010
Relations logiques entre les événements 
1- Evénement complémentaire : 
Définition 
Soit A une partie de 
. Le complémentaire de A, également partie de 

 noté A, est l’ensemble des résultats qui conduit à la réalisation de 
l’événement contraire de A. c.à.d., A est réalisé si et seuleument si A 
n’est pas réalise. 
+ 
A = CA
 
= 
  A. 
A est appelé aussi l’événement contraire. 
Exemple 
Soit l’épreuve qui consiste à lancer un dé. Désignons A l’événement 
hh obtenir un nombre pair ii. 
A = {2, 4, 6} ) A = {1, 3, 5}. 
Otheman Nouisser ENCG-Kénitra, 2010
Relations logiques entre les événements 
2- Intersection d’événements- Evénements incompatibles : 
Définition 
L’intersection de deux événements A et B d’un même univers 
, noté 
A  B, est l’événement qui est réalisé si A et B sont réalisés. 
Exemple 
On lance un dé et on note la face visible. Soient les événements 
- A : hh Obtenir un nombre pair ii, i.e., A = {2, 4, 6}, 
- B :  Obtenir un nombre  3 , i.e., B = {4, 5, 6}. 
Alors l’événement AB :  Obtenir un nombre pair et  3  ={4, 6}. 
Définition 
Deux événements A et B d’un même univers 
, sont dits 
incompatibles (ou exhaustifs) si A  B = ;. (c.à.d., leur réalisation 
simultannée est impossible). 
Otheman Nouisser ENCG-Kénitra, 2010
Relations logiques entre les événements 
2- Intersection d’événements- Evénements incompatibles : 
Définition 
L’intersection de deux événements A et B d’un même univers 
, noté 
A  B, est l’événement qui est réalisé si A et B sont réalisés. 
Exemple 
On lance un dé et on note la face visible. Soient les événements 
- A : hh Obtenir un nombre pair ii, i.e., A = {2, 4, 6}, 
- B :  Obtenir un nombre  3 , i.e., B = {4, 5, 6}. 
Alors l’événement AB :  Obtenir un nombre pair et  3  ={4, 6}. 
Définition 
Deux événements A et B d’un même univers 
, sont dits 
incompatibles (ou exhaustifs) si A  B = ;. (c.à.d., leur réalisation 
simultannée est impossible). 
Otheman Nouisser ENCG-Kénitra, 2010
Relations logiques entre les événements 
2- Intersection d’événements- Evénements incompatibles : 
Définition 
L’intersection de deux événements A et B d’un même univers 
, noté 
A  B, est l’événement qui est réalisé si A et B sont réalisés. 
Exemple 
On lance un dé et on note la face visible. Soient les événements 
- A : hh Obtenir un nombre pair ii, i.e., A = {2, 4, 6}, 
- B :  Obtenir un nombre  3 , i.e., B = {4, 5, 6}. 
Alors l’événement AB :  Obtenir un nombre pair et  3  ={4, 6}. 
Définition 
Deux événements A et B d’un même univers 
, sont dits 
incompatibles (ou exhaustifs) si A  B = ;. (c.à.d., leur réalisation 
simultannée est impossible). 
Otheman Nouisser ENCG-Kénitra, 2010
Relations logiques entre les événements 
3- Réunion des événements : 
Définition 
La réunion de deux événements A et B d’un même univers, notée 
A [ B, est l’événement qui est réalisé si A ou B sont réalisés. 
Exemple 
Un dé est lancé et on note le chiffre de la face invisible. 
- Soit l’événement A :  obtenir un chiffre pair, i.e., A = {2, 4, 6}. 
- Soit l’événement B :  obtenir un chiffre divisible par 3  i.e., 
B = {3, 6}. 
Alors l’événement A [ B = {2, 3, 4, 6} :  obtenir un chiffre pair ou 
divisible par 3 . 
Considérons maintenant l’événemnt C :  obtenir un chiffre 
inférieure ou égal à 2  = {1, 2}. Alors l’événement 
B [ C = {1, 2, 3, 6}. 
Otheman Nouisser ENCG-Kénitra, 2010
Relations logiques entre les événements 
3- Réunion des événements : 
Définition 
La réunion de deux événements A et B d’un même univers, notée 
A [ B, est l’événement qui est réalisé si A ou B sont réalisés. 
Exemple 
Un dé est lancé et on note le chiffre de la face invisible. 
- Soit l’événement A :  obtenir un chiffre pair, i.e., A = {2, 4, 6}. 
- Soit l’événement B :  obtenir un chiffre divisible par 3  i.e., 
B = {3, 6}. 
Alors l’événement A [ B = {2, 3, 4, 6} :  obtenir un chiffre pair ou 
divisible par 3 . 
Considérons maintenant l’événemnt C :  obtenir un chiffre 
inférieure ou égal à 2  = {1, 2}. Alors l’événement 
B [ C = {1, 2, 3, 6}. 
Otheman Nouisser ENCG-Kénitra, 2010
Notion de probabilité 
Définition 
Un ensemble , non vide, d’événements de 
 est une algèbre 
d’événements si : 
8A 2 , A 2  
8A 2 , 8B 2 , A [ B 2  
Remarque 
Dans le cas où 
 est fini, P(
) est une algèbre d’événements. 
Otheman Nouisser ENCG-Kénitra, 2010
Notion de probabilité 
Définition 
Soit  une algèbre d’événements de 
. On dit que  est une tribu si : 
Pour toute suite infinie dénombrable A1,A2, · · · ,An, · · · d’éléments de 
1[ 
 alors 
i=1 
Ai 2 . 
Conséquence : 
1 
i=1 
Ai 2  
On appelle espace probabilisable un couple (
, ) constitué d’un 
ensemble 
 et d’une tribu d’événements  de parties de Omega. 
Otheman Nouisser ENCG-Kénitra, 2010
Notion de probabilité 
Définition 
Soit (
, ) un espace probabilisable. Une probabilité P est une 
application P :  ! [0, 1] telle que : 
P(
) = 1 
8A 2 , 8B 2  tels que A  B = ; on a 
P(A [ B) = P(A) + P(B). 
Si A0,A1, · · · ,An, · · · est une suite dénombrable d’événements 
incompatibles deux à deux, alors : 
P 
  
1[ 
i=1 
Ai 
! 
= 
1X 
i=0 
P(Ai ). 
On appelle espace probabilisé un triplet (
, ,P). 
Otheman Nouisser ENCG-Kénitra, 2010
Notion de probabilité 
Remarque 
La probabilité de l’événement certain est égale à 1., c.à.d., P(
) = 1, 
et ce qui implique que pour tout événement A on a : 
0  P(A)  1. 
Dans la suite on suppose que (
, ,P) est un espace probabilisé, 
c.à.d, P une probabilité sur 
. 
Otheman Nouisser ENCG-Kénitra, 2010
Notion de probabilités 
Probabilité de l’événement contraire 
Soit un événement A et son contraire A. Alors 
P(A) = 1 − P(A) 
Preuve. 
On a A et A sont deux événements incompatibles et donc 
P(A [ A) = P(A) + P(A). 
Or 
A [ A = 
 
+ 
P(A) + P(A) = 1 
D’où le résultat. 
Otheman Nouisser ENCG-Kénitra, 2010
Notion de probabilités 
Probabilité de l’événement contraire 
Soit un événement A et son contraire A. Alors 
P(A) = 1 − P(A) 
Preuve. 
On a A et A sont deux événements incompatibles et donc 
P(A [ A) = P(A) + P(A). 
Or 
A [ A = 
 
+ 
P(A) + P(A) = 1 
D’où le résultat. 
Otheman Nouisser ENCG-Kénitra, 2010
Notion de probabilités 
Remarque 
la probabilitée de l’événement impossible est nulle, c.à.d., P(;) = 0. 
Preuve 
Soit l’événement impossible ;, et un événement quelconque A. Alors 
A et ; sont deux événements incompatibles puisque A  ; = ;. 
Donc : 
P(A [ ;) = P(A) + P(;) 
Or 
A [ ; = A =) P(A [ ;) = P(A) = P(A) + P(;) 
D’où 
P(;) = 0. 
Otheman Nouisser ENCG-Kénitra, 2010
Notion de probabilités 
Remarque 
la probabilitée de l’événement impossible est nulle, c.à.d., P(;) = 0. 
Preuve 
Soit l’événement impossible ;, et un événement quelconque A. Alors 
A et ; sont deux événements incompatibles puisque A  ; = ;. 
Donc : 
P(A [ ;) = P(A) + P(;) 
Or 
A [ ; = A =) P(A [ ;) = P(A) = P(A) + P(;) 
D’où 
P(;) = 0. 
Otheman Nouisser ENCG-Kénitra, 2010
Notion de probabilités 
Probabilité d’un événement 
La probabilité d’un événement A est égale à la somme des 
probabilités des événements élémentaires qui constituent cet 
événement. Autrement dit : Soit A = {w1,w2, · · · ,wp} comportant p 
événements élémentaires, alors 
P(A) = 
Xp 
i=1 
P(wi ). 
Otheman Nouisser ENCG-Kénitra, 2010
Notion de probabilités 
Exemple 
Un dé pipé (dé non équilibré) a été lancé un grand nombre de fois. 
Les probabilités des événements suivants ont été relevées : 
événement 1 2 4 5 chiffre pair 
Probabilité de l’événement 0, 1 0, 1 0, 2 0, 2 0, 6 
Quelle est la probabilité de l’événement A :  Obtenir un chiffre pair 
ou égal à 5 ? 
Solution 
Dans ce cas A = {2, 4, 5, 6} et donc 
P(A) = P(2) + P(4) + P(5) + P(6). 
Considérons l’événement B :  Obtenir un chiffre pair , on a alors : 
P(B) = P(2) + P(4) + P(6) = 0, 6 
ce qui donne que P(6) = 0, 3 et par conséquent P(A) = 0, 8. 
Otheman Nouisser ENCG-Kénitra, 2010
Notion de probabilités 
Exemple 
Un dé pipé (dé non équilibré) a été lancé un grand nombre de fois. 
Les probabilités des événements suivants ont été relevées : 
événement 1 2 4 5 chiffre pair 
Probabilité de l’événement 0, 1 0, 1 0, 2 0, 2 0, 6 
Quelle est la probabilité de l’événement A :  Obtenir un chiffre pair 
ou égal à 5 ? 
Solution 
Dans ce cas A = {2, 4, 5, 6} et donc 
P(A) = P(2) + P(4) + P(5) + P(6). 
Considérons l’événement B :  Obtenir un chiffre pair , on a alors : 
P(B) = P(2) + P(4) + P(6) = 0, 6 
ce qui donne que P(6) = 0, 3 et par conséquent P(A) = 0, 8. 
Otheman Nouisser ENCG-Kénitra, 2010
Théorème des probabilités totales 
L’objectif est de calculer P(A [ B) dans le cas où les deux 
événements A et B sont non incompatibles, puisque dans ce cas 
l’axiome des probabilités ne s’applique pas. 
Théorème 
Soient A et B deux événements quelconques d’un univers 
. Alors 
P(A [ B) = P(A) + P(B) − P(A  B). 
Otheman Nouisser ENCG-Kénitra, 2010
Théorème des probabilités totales 
L’objectif est de calculer P(A [ B) dans le cas où les deux 
événements A et B sont non incompatibles, puisque dans ce cas 
l’axiome des probabilités ne s’applique pas. 
Théorème 
Soient A et B deux événements quelconques d’un univers 
. Alors 
P(A [ B) = P(A) + P(B) − P(A  B). 
Otheman Nouisser ENCG-Kénitra, 2010
Théorème des probabilités totales 
Preuve. 
Soient deux événement A et B non incompatibles. Alors A [ B peut 
s’écrire A [ B = A [ (A  B). Or A et (A  B) sont incompatibles. Donc 
P(A [ B) = P(A) + P(A  B), (1) 
Par ailleur, B = (A  B) [ (A  B), puisque les deux événements 
(A  B) et (A  B) sont incompatibles on a : 
P(B) = p(A  B)) + P(A  B), 
d’où 
P(A  B) = P(B) − P(A  B). (2) 
Ainsi, en reportant l’expression de P(A  B) dans l’équation (1), on 
obtient le résulat.  
Otheman Nouisser ENCG-Kénitra, 2010
Théorème des probabilités totales 
Exemple 
Considérons l’expérience de l’exemple précédent. Calculer la 
probabilités de l’événement :  obtenir un chiffre pair ou supérieur 
ou égal à 5 . 
Solution 
Considérons les événements suivants : 
A l’événement :  obtenir un chiffre pair ou  5 . 
B l’événement :  obtenir un chiffre pair . 
D l’événement :  obtenir un chiffre  5 . 
D’après le théorème des probabilités totales on a : 
P(A) = P(B [ D) = P(B) + P(D) − P(B  D). 
Or P(B) = 0, 6, P(D) = P(5) + P(6) = 0, 5 et 
P(B  D) = P(6) = 0, 3, ainsi on a P(A) = 0, 8. 
Otheman Nouisser ENCG-Kénitra, 2010
Théorème des probabilités totales 
Exemple 
Considérons l’expérience de l’exemple précédent. Calculer la 
probabilités de l’événement :  obtenir un chiffre pair ou supérieur 
ou égal à 5 . 
Solution 
Considérons les événements suivants : 
A l’événement :  obtenir un chiffre pair ou  5 . 
B l’événement :  obtenir un chiffre pair . 
D l’événement :  obtenir un chiffre  5 . 
D’après le théorème des probabilités totales on a : 
P(A) = P(B [ D) = P(B) + P(D) − P(B  D). 
Or P(B) = 0, 6, P(D) = P(5) + P(6) = 0, 5 et 
P(B  D) = P(6) = 0, 3, ainsi on a P(A) = 0, 8. 
Otheman Nouisser ENCG-Kénitra, 2010
Théorème des probabilités totales 
Exemple 
Soit C, l’événement  obtenir un chiffre impair ou inférieur ou égal à 
3 . Calculer la probabilité de C. 
Solution 
Soient B, l’événemnt  obtenir un chiffre impair  
et E, l’événement  obtenir un chiffre inférieur ou égal à 3 . 
Alors 
P(B) = 0, 4,P(E) = P({1, 2, 3}) = 0, 1 + 0, 1 + 0, 1 = 0, 3. 
P(B  E) = P({1, 3}) = 0, 1 + 0, 1 = 0, 2. 
P(C) = P(B [ E) 
= P(B) + P(E) − P(B  E) 
= 0, 4 + 0, 3 − 0, 2 = 0, 5. 
Otheman Nouisser ENCG-Kénitra, 2010
Théorème des probabilités totales 
Exemple 
Soit C, l’événement  obtenir un chiffre impair ou inférieur ou égal à 
3 . Calculer la probabilité de C. 
Solution 
Soient B, l’événemnt  obtenir un chiffre impair  
et E, l’événement  obtenir un chiffre inférieur ou égal à 3 . 
Alors 
P(B) = 0, 4,P(E) = P({1, 2, 3}) = 0, 1 + 0, 1 + 0, 1 = 0, 3. 
P(B  E) = P({1, 3}) = 0, 1 + 0, 1 = 0, 2. 
P(C) = P(B [ E) 
= P(B) + P(E) − P(B  E) 
= 0, 4 + 0, 3 − 0, 2 = 0, 5. 
Otheman Nouisser ENCG-Kénitra, 2010
Cas particulier : équiprobabilité des événements 
élémentaires 
Soit 
 = {w1,w2, · · · ,wn} un ensemble fini. L’équiprobabilité 
correspond au cas où tous les événements élémentaires de 
 ont la 
même probabilité de se réaliser. 
Les événements élémentaires sont incompatibles, donc on a : 
P(
) = P(w1) + P(w2) + · · · + P(wn) = nP(wi ) = 1, 8i = 1, · · · , n. 
Ainsi P(w1) = P(w2) = · · · = P(wn) = 
1 
n = 
1 
card
 
. 
En conséquence on a le résultat suivant 
Otheman Nouisser ENCG-Kénitra, 2010
Cas particulier : équiprobabilité des événements 
élémentaires 
Proposition 
Soit 
 un ensemble fini et A 2 P(
), où les événements élémentaires 
sont équiprobables. Alors 
P(A) = 
nombre d’éléments de A 
nombre d’éléments de 
 
= 
cardA 
card
 
= 
nombre de cas favorables à la réalisation de A 
nombre de cas possibles . 
Otheman Nouisser ENCG-Kénitra, 2010
Cas d’équiprobabilité 
Exemple 
On lance un dé équilibré et on note le chiffre de la face visible. 
Calculer la probabilité d’obtenir le chiffre 6, un chiffre  6, le chiffre 2 
ou 6. 
Solution 
L’univers 
 = {1, 2, 3, 4, 5, 6} et les événements sont équiprobables. 
Soient A l’événement :  obtenir le chiffre 6 , B l’événement :  
obtenir le chiffre  6  et C l’événement :  obtenir le chiffre 2 ou 6 
. Alors on a : 
P(A) = 
cardA 
card
 
= 
1 
6, 
P(B) = 
cardB 
card
 
= 1 − P(6) = 
5 
6, 
P(C) = 
cardC 
card
 
= P(2) + P(6) = P({2, 6}) = 
2 
6. 
Otheman Nouisser ENCG-Kénitra, 2010
Cas d’équiprobabilité 
Exemple 
On lance un dé équilibré et on note le chiffre de la face visible. 
Calculer la probabilité d’obtenir le chiffre 6, un chiffre  6, le chiffre 2 
ou 6. 
Solution 
L’univers 
 = {1, 2, 3, 4, 5, 6} et les événements sont équiprobables. 
Soient A l’événement :  obtenir le chiffre 6 , B l’événement :  
obtenir le chiffre  6  et C l’événement :  obtenir le chiffre 2 ou 6 
. Alors on a : 
P(A) = 
cardA 
card
 
= 
1 
6, 
P(B) = 
cardB 
card
 
= 1 − P(6) = 
5 
6, 
P(C) = 
cardC 
card
 
= P(2) + P(6) = P({2, 6}) = 
2 
6. 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
Soient (
, ,P) un espace probabilisé, A 2  et B 2  tels que 
P(A)6= 0 et P(B)6= 0. 
1- Probabilités conditionnelles : 
Définition 
La probabilité de réalisation d’un événement A sachant qu’un 
événement B est réalisé est appelée probabilité conditionnelle de A 
sachant B et notée P(A/B) ou PB(A) et a pour expression : 
P(A/B) = PB(A) = 
P(A  B) 
P(B) 
. 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
Soient (
, ,P) un espace probabilisé, A 2  et B 2  tels que 
P(A)6= 0 et P(B)6= 0. 
1- Probabilités conditionnelles : 
Définition 
La probabilité de réalisation d’un événement A sachant qu’un 
événement B est réalisé est appelée probabilité conditionnelle de A 
sachant B et notée P(A/B) ou PB(A) et a pour expression : 
P(A/B) = PB(A) = 
P(A  B) 
P(B) 
. 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
Exemple 
1- Une carte est tirée au hasard dans un jeu qui comporte 52 cartes. 
Quelle est la probabilité que cette carte soit une dame sachant qu’il 
s’agit d’un trèfle ? 
Solution 
Considérons les évenements D : Tirer une dame et T :  tirer 
un trèfle , alors 
P(D/T) = 
P(D  T) 
P(T) 
= 
1/52 
13/52 = 
1 
13. 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
Exemple 
1- Une carte est tirée au hasard dans un jeu qui comporte 52 cartes. 
Quelle est la probabilité que cette carte soit une dame sachant qu’il 
s’agit d’un trèfle ? 
Solution 
Considérons les évenements D : Tirer une dame et T :  tirer 
un trèfle , alors 
P(D/T) = 
P(D  T) 
P(T) 
= 
1/52 
13/52 = 
1 
13. 
Otheman Nouisser ENCG-Kénitra, 2010
Exemple 
2- Une personne lance un dé équilibré sans voir le résultat. Un 
témoin l’informe qu’il s’agit d’un résultat différent de 5. 
Quelle est la probabilité que le résultat soit un chiffre impair ? 
Solution 
Notons A l’événement : Obtenir un chiffre impair 
et B l’événement :  obtenir un chiffre différent de 5 . Alors, 
P(A) = P({1, 3, 5}) = 
3 
6 = 
1 
2 
et P(B) = P({1, 2, 3, 4, 6}) = 
5 
6. 
L’événement A  B :=  obtenir un chiffre impair différent de 5 , 
d’où P(A  B) = P({1, 3}) = 
2 
6 
. 
Otheman Nouisser ENCG-Kénitra, 2010
Exemple 
2- Une personne lance un dé équilibré sans voir le résultat. Un 
témoin l’informe qu’il s’agit d’un résultat différent de 5. 
Quelle est la probabilité que le résultat soit un chiffre impair ? 
Solution 
Notons A l’événement : Obtenir un chiffre impair 
et B l’événement :  obtenir un chiffre différent de 5 . Alors, 
P(A) = P({1, 3, 5}) = 
3 
6 = 
1 
2 
et P(B) = P({1, 2, 3, 4, 6}) = 
5 
6. 
L’événement A  B :=  obtenir un chiffre impair différent de 5 , 
d’où P(A  B) = P({1, 3}) = 
2 
6 
. 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
suite 
Le fait de disposer de l’information supplémentaire relative à la 
réalisation de l’événement B, réduit la possibilité aux chiffres 
{1, 2, 3, 4, 6}, parmi lesquels seuls 1 et 3 sont impairs. Il y a donc 
deux chances sur cinq d’avoir un chiffre impair sachant que le 
résultat est différent de 5. 
En utilisant la formule on peut aussi le vérifie : 
P(A/B) = 
P(A  B) 
P(B) 
= 
P({1, 3}) 
P({1, 2, 3, 4, 6}) 
= 
2/6 
5/6 = 
2 
5. 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
2-Probabilités composées 
Les probabilités conditionnelles permettent de calculer la probabilité 
composée de deux événements. 
Définition 
La probabilité composée est la probabilité de réaliser simultanément 
deux événements A et B, et on la note P(A  B), et on a 
P(A  B) = P(B)P(A/B) = P(A)P(B/A). 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
2-Probabilités composées 
Les probabilités conditionnelles permettent de calculer la probabilité 
composée de deux événements. 
Définition 
La probabilité composée est la probabilité de réaliser simultanément 
deux événements A et B, et on la note P(A  B), et on a 
P(A  B) = P(B)P(A/B) = P(A)P(B/A). 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
Exemple 
Un sac contient 10 boules indescernables au toucher : 4 boules sont 
blanches, 6 boules sont noires. Une personne tire l’une après l’autre, 
sans remise 3 boules. 
Quelle est la probabilité d’obtenir dans l’ordre : une blanche, une 
noire, une blanche ? 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
Solution 
Considérons les événements suivants : 
A, l’événement  tirer une boule blanche au premier tirage . 
B, l’événement  tirer une boule noire au deuxième tirage . 
C, l’événement  Tirer une boule blanche au troisième tirage . 
Le problème c’est de calculer P(A  B  C). 
Le fait d’effectuer des tirages sans remise réduit le nombre de 
possibilités de choix et rend les tirage successifs dépendants. 
1er tirage, il y a 4 blanches parmi 10, donc P(A) = 
4 
10 
. 
2ème tirage, il reste 3 blanches et 6 noires, donc P(B/A) = 
6 
9 
. 
3ème tirage, il reste 3 blanches et 5 noires, donc 
P(C/(A  B) = 
3 
8 
. 
Ainsi 
P(ABC) = P(A)×P(B/A)×P(C/(AB)) = 
4 
10 
6 
9 
3 
8 = 0, 1 = 10%. 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
3- Indépendance de deux événements 
Les probabilités conditionnelles permettent de déduire la définition 
d’indépendance de deux événements. 
Intuitivement, deux événements sont indépendants si la réalisation 
de l’un n’influe pas la réalisation de l’autre, ce qui peut se traduire par 
P(A) = P(A/B), ou par P(B) = P(B/A) 
D’autre part, on a : 
P(A/B) = 
P(A  B) 
P(B) 
; P(B/A) = 
P(A  B) 
P(A) 
, 
D’où 
Proposition 
Deux événements A et B sont indépendants si et seuleument si 
P(A  B) = P(A)P(B). 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
Remarque 
1- Il est important de ne pas confondre incompatibilité (A  B = ;) de 
deux événements et indépendance de deux événements, notion qui 
se réfère à la probabilité des événements et qui permet de calculer la 
probabilité de la réalisation simultanée de deux événements 
indépendants, c.à.d., le calcul de P(A  B). 
2- Il est possible de généraliser la définition de l’indépendance. Les 
événements E1,E2, · · · ,En sont indépendants deux à deux si 
P(E1  E2  · · ·  En) = P(E1) × P(E2) × · · · × P(En). 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
Exemple 
Une carte est tirée d’un jeu de 52 cartes. Calculer 
- La probabilitée de tirer un roi. 
- La probabilité de tirer un roi sachant que la carte tirée est un coeur. 
- La probabilitée de tirer le roi de coeur. Commenter. 
Otheman Nouisser ENCG-Kénitra, 2010
Solution 
Soient A l’événement  tirer un roi  et B l’événement  tirer un 
coeur . Alors on a : 
P(A) = 
4 
52 = 
1 
13, P(B) = 
13 
52, P(A  B) = 
1 
52, 
avec A  B, l’événement  tirer un roi de coeur . 
On constate que P(A  B) = P(A) × P(B) = 
1 
13 
× 
13 
52 = 
1 
52 
, ce qui 
signifie que les événements A et B sont indépendants. On a aussi, 
P(A/B) = 
P(A  B) 
P(B) 
= 
1 
52 
13 
52 
= 
1 
13 = P(A), 
Le fait de savoir que la carte est un coeur ne réduit pas les 
possibilités. Les deux événement sont indépendants mais ils ne sont 
pas incompatibles puisque A  B6= ;. 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
4- Théorème de Bayes 
Soient A et B deux événements de 
 tels qu’on sait calculer 
P(B);P(B);P(A/B);P(A/B) 
Problème inverse : Calculer P(B/A) ? 
Théorème 
(Formule de Bayes) 
P(B/A) = 
P(B)P(A/B) 
P(B)P(A/B) + P(B)P(A/B) 
. 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
4- Théorème de Bayes 
Soient A et B deux événements de 
 tels qu’on sait calculer 
P(B);P(B);P(A/B);P(A/B) 
Problème inverse : Calculer P(B/A) ? 
Théorème 
(Formule de Bayes) 
P(B/A) = 
P(B)P(A/B) 
P(B)P(A/B) + P(B)P(A/B) 
. 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
Preuve. 
P(B/A) = 
P(A  B) 
P(A) 
= 
P(B)P(A/B) 
P(A  (B [ B)) 
= 
P(B)P(A/B) 
P(A  B) + P(A  B) 
= 
P(B)P(A/B) 
P(B)P(A/B) + P(B)P(A/B) 
 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
D’une manière général, soient A1,A2, · · · ,An des événements 
incompatibles deux à deux (Ai  Aj = ;8i6= j), et tel que 
A1 [ A2 [ · · · [ An = 
. Soit B un événement de probabilité non nulle. 
Les informations connues sont : 
• La probabilité de chacune des événements : 
P(A1),P(A2), · · · ,P(An). 
• La probabilité de réalisations de B sachant chacune des 
événements Ai sont réalisés : P(B/A1),P(B/A2), · · · ,P(B/An). 
Le théorème de Bayes permet de calculer la probabilité de 
l’événement Ai sachant que l’événement B soit réalisé. : P(Ai/B). 
Théorème 
P(Ai/B) = 
P(Ai ) × P(B/Ai ) 
Xn 
j=1 
P(Aj )P(B/Aj ) 
. 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
Exemple 
Le personnel d’une entreprise est composée de 80% de femmes. On 
sait que 8% de ces femmes ont une formation supérieure et que 24% 
des hommes ont une formation supérieure. 
Quelle est la proportion de personnel ayant une formation 
supérieure ? 
Sachant qu’il a une formation supérieure, quelle est la probabilité 
qu’un employé soit une femme? 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
Solution 
Considérons les évévenements suivants : A :  Etre un employé 
femme . 
B :  Etre un employé de formation supérieure . 
Alors, on a : 
P(A) = 0, 8;P(B/A) = 0, 08;P(A) = 0, 2;P(B/A) = 0, 24, et on a 
aussi 
P(B) = P(B  (A [ A)) = P(B  A) + P(B  A), 
= P(A)P(B/A) + P(A)P(B/A), 
= 0, 8.0, 08 + 0, 2.0, 24 = 0, 112. 
Ainsi on aura 
P(A/B) = 
P(A)P(B/A) 
P(A)P(B/A) + P(A)P(B/A) 
. 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
Exemple 
Trois machines M1,M2,M3 produisent respectivement 50%, 30% et 
20% de la production d’un produit. 2% des produits fabriqués par M1, 
3% des produits fabriqués par M2 et 5% des produits fabriqués par 
M3 sont défectueux. Un produit est prélevé au hasard. Quelle est la 
probabilité qu’il ait été fabriqué par la machine M2, sachant qu’il est 
défectueux ? 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
Solution 
Considérons les événements suivants : 
M1 :  Produit fabriqué par M1 , M2 :  Produit fabriqué par M2 , 
M3 :  Produit fabriqué par M3 , D :  Produit fabriqué est 
défectueux . 
Alors on a : 
P(M1) = 0, 5;P(M2) = 0, 3;P(M3) = 0, 2, 
P(D/M1) = 0, 02;P(D/M2) = 0, 03;P(D/M3) = 0, 05. 
D’après le théorème de Bayes, on obtient : 
P(M2/D) = 
P(M2)P(D/M2) 
P(M2)P(D/M2) + P(M2)P 
 
D/M2 
 . 
Otheman Nouisser ENCG-Kénitra, 2010
Probabilités composées et conditionnelles 
suite 
Or, P(M2) = 1 − P(M2) = 0, 7 et 
P(M2)P(D/M2) = P(D  M2) = P(D  (M1 [ M3)) 
= P(D  M1) + P(D  M3) 
= P(M1)P(D/M1) + P(M3)P(D/M3) 
= 0, 5 × 0, 02 + 0, 2 × 0, 05 = 0, 02. 
Ainsi, 
P(M2/D) = 0, 3103. 
Quelle est la probabilité qu’un produit séléctionné au hasard ait été 
fabriqué par la machine M3, sachant qu’il n’est pas défectueux ? 
Ceci revient à calculer P(M3/D). 
Otheman Nouisser ENCG-Kénitra, 2010
Problèmes relatifs aux calculs des probabilités 
1- Cas des épreuves exhaustives (sans remise). 
Une urne contient N boules, dont a noires et b blanches. Quelle est 
la probabilité de tirer au hasard et simultanément n boules dont k 
noires et (n − k) blanches (k  n) ? 
nN 
- Cas possibles : choisir n boules parmi N boules, donc il y a 
C= Cn 
a+b possibilités. 
- Cas favorables : k boules noires et (n − k) boules blanches, alors il 
y a Ck 
a × Cn−k 
b possibilités favorables. 
Ainsi, la probabilité est donnée par 
P = 
cas favorables 
cas possibles = 
Ck 
a × Cn−k 
b 
Cn 
a+b 
Otheman Nouisser ENCG-Kénitra, 2010
Problèmes relatifs aux calculs des probabilités 
1- Cas des épreuves exhaustives (sans remise). 
Une urne contient N boules, dont a noires et b blanches. Quelle est 
la probabilité de tirer au hasard et simultanément n boules dont k 
noires et (n − k) blanches (k  n) ? 
nN 
- Cas possibles : choisir n boules parmi N boules, donc il y a 
C= Cn 
a+b possibilités. 
- Cas favorables : k boules noires et (n − k) boules blanches, alors il 
y a Ck 
a × Cn−k 
b possibilités favorables. 
Ainsi, la probabilité est donnée par 
P = 
cas favorables 
cas possibles = 
Ck 
a × Cn−k 
b 
Cn 
a+b 
Otheman Nouisser ENCG-Kénitra, 2010
Problème relatifs aux calculs des probabilités 
2- Cas des épreuves non-exhaustives (avec remise) 
Une urne contient N boules, dont a noires er b blanches. Quelle est 
la probabilité qu’après une série de n tirages non-exhaustifs et au 
hasard, on obtient k boules noires et (n − k) blanches. 
ici on travail dans le cas équiprobable, alors : 
- La probabilité de tirer une boule noire est : p = 
a 
N 
. 
- La probabilité de tirer une boule blanche est : q = 1 − p = 
b 
N 
. 
i- Probabilité de tirer dans l’ordre k boules noires et (n − k) boules 
blanches 
Dans ce cas on a la possibilité suivante : 
N N N · · · N B B · · · B 
et donc on a la probabilité P = pk (1 − p)n−k . 
Otheman Nouisser ENCG-Kénitra, 2010
Problème relatifs aux calculs des probabilités 
2- Cas des épreuves non-exhaustives (avec remise) 
Une urne contient N boules, dont a noires er b blanches. Quelle est 
la probabilité qu’après une série de n tirages non-exhaustifs et au 
hasard, on obtient k boules noires et (n − k) blanches. 
ici on travail dans le cas équiprobable, alors : 
- La probabilité de tirer une boule noire est : p = 
a 
N 
. 
- La probabilité de tirer une boule blanche est : q = 1 − p = 
b 
N 
. 
i- Probabilité de tirer dans l’ordre k boules noires et (n − k) boules 
blanches 
Dans ce cas on a la possibilité suivante : 
N N N · · · N B B · · · B 
et donc on a la probabilité P = pk (1 − p)n−k . 
Otheman Nouisser ENCG-Kénitra, 2010
Problème relatifs aux calculs des probabilités 
ii- Probabilité de tirer dans un ordre quelconque ces même boules 
Il y a Ck 
n manière de placer k boules noires dans n cases différentes. 
Les (n − k) cases qui restent sont évidement occupées par des 
blanches. Chaque manière à pour probabilité pk (1 − p)n−k . Ainsi : 
P(k) = Ck 
n pk (1 − p)n−k c’est la formule de Bernoulli. 
Otheman Nouisser ENCG-Kénitra, 2010
Problème relatifs aux calculs des probabilités 
Exemple 
On jette une pièce de monnaie 10 fois. Quelle est la probabilité 
d’avoir 6 faces et 4 piles ? 
P(pile) = 1/2,P(4) = C4 
10(1/2)6(1/2)4 = C4 
10(1/2)10. 
Otheman Nouisser ENCG-Kénitra, 2010

Más contenido relacionado

Was ist angesagt?

Examen microéconomie 2 se forme du qcm très importante pour s2
Examen microéconomie 2 se forme du qcm très importante pour s2Examen microéconomie 2 se forme du qcm très importante pour s2
Examen microéconomie 2 se forme du qcm très importante pour s2Jamal Yasser
 
S4 teeiv-analyseetdiagnosticfinancier-lamthodeetlestapesdanalysefinancire-130...
S4 teeiv-analyseetdiagnosticfinancier-lamthodeetlestapesdanalysefinancire-130...S4 teeiv-analyseetdiagnosticfinancier-lamthodeetlestapesdanalysefinancire-130...
S4 teeiv-analyseetdiagnosticfinancier-lamthodeetlestapesdanalysefinancire-130...Fsjest Tanger
 
les processus VAR et SVAR
les processus VAR et SVAR  les processus VAR et SVAR
les processus VAR et SVAR Anissa ATMANI
 
Introduction aux théories de la monnaie
Introduction aux théories de la monnaieIntroduction aux théories de la monnaie
Introduction aux théories de la monnaiePaul Angles
 
Analyse de-donnees-acp-afc-sous-spss
Analyse de-donnees-acp-afc-sous-spssAnalyse de-donnees-acp-afc-sous-spss
Analyse de-donnees-acp-afc-sous-spssgrandprime1
 
Le circuit economique
Le circuit economiqueLe circuit economique
Le circuit economiquezaidmeziani
 
méthode des centres d'analyse
méthode des centres d'analyseméthode des centres d'analyse
méthode des centres d'analyseabdellah nasser
 
Controle de la depense publique ANASS TIZNIT
Controle de la depense publique ANASS TIZNITControle de la depense publique ANASS TIZNIT
Controle de la depense publique ANASS TIZNITRACHID MABROUKI
 
7 exercices corriges sur la loi normale
7 exercices corriges sur la loi normale7 exercices corriges sur la loi normale
7 exercices corriges sur la loi normalecours fsjes
 
Limites classiques de toutes les fonctions 4
Limites classiques de toutes les fonctions 4Limites classiques de toutes les fonctions 4
Limites classiques de toutes les fonctions 4ulrich loemba
 
Analyse Factorielle des Correspondances
Analyse Factorielle des CorrespondancesAnalyse Factorielle des Correspondances
Analyse Factorielle des CorrespondancesJaouad Dabounou
 
Exercices corrigés les matrices- djeddi kamel
Exercices corrigés les matrices- djeddi kamelExercices corrigés les matrices- djeddi kamel
Exercices corrigés les matrices- djeddi kamelKamel Djeddi
 
Prévision
PrévisionPrévision
Prévisionbookeco
 
TP N°1 sketchup.ppt
TP N°1 sketchup.pptTP N°1 sketchup.ppt
TP N°1 sketchup.pptPROFPROF11
 
Principe de fonctionnement du moteur 4 temps
Principe de fonctionnement du moteur 4 tempsPrincipe de fonctionnement du moteur 4 temps
Principe de fonctionnement du moteur 4 tempsRafael Nadal
 
Rapport de stage dgi adnane bouzri
Rapport de stage dgi adnane bouzriRapport de stage dgi adnane bouzri
Rapport de stage dgi adnane bouzriadnane bouzri
 

Was ist angesagt? (20)

Examen microéconomie 2 se forme du qcm très importante pour s2
Examen microéconomie 2 se forme du qcm très importante pour s2Examen microéconomie 2 se forme du qcm très importante pour s2
Examen microéconomie 2 se forme du qcm très importante pour s2
 
02 correction-td smi-s3-algo2
02 correction-td smi-s3-algo202 correction-td smi-s3-algo2
02 correction-td smi-s3-algo2
 
S4 teeiv-analyseetdiagnosticfinancier-lamthodeetlestapesdanalysefinancire-130...
S4 teeiv-analyseetdiagnosticfinancier-lamthodeetlestapesdanalysefinancire-130...S4 teeiv-analyseetdiagnosticfinancier-lamthodeetlestapesdanalysefinancire-130...
S4 teeiv-analyseetdiagnosticfinancier-lamthodeetlestapesdanalysefinancire-130...
 
les processus VAR et SVAR
les processus VAR et SVAR  les processus VAR et SVAR
les processus VAR et SVAR
 
Introduction aux théories de la monnaie
Introduction aux théories de la monnaieIntroduction aux théories de la monnaie
Introduction aux théories de la monnaie
 
Analyse de-donnees-acp-afc-sous-spss
Analyse de-donnees-acp-afc-sous-spssAnalyse de-donnees-acp-afc-sous-spss
Analyse de-donnees-acp-afc-sous-spss
 
Le circuit economique
Le circuit economiqueLe circuit economique
Le circuit economique
 
méthode des centres d'analyse
méthode des centres d'analyseméthode des centres d'analyse
méthode des centres d'analyse
 
Controle de la depense publique ANASS TIZNIT
Controle de la depense publique ANASS TIZNITControle de la depense publique ANASS TIZNIT
Controle de la depense publique ANASS TIZNIT
 
7 exercices corriges sur la loi normale
7 exercices corriges sur la loi normale7 exercices corriges sur la loi normale
7 exercices corriges sur la loi normale
 
Limites classiques de toutes les fonctions 4
Limites classiques de toutes les fonctions 4Limites classiques de toutes les fonctions 4
Limites classiques de toutes les fonctions 4
 
Analyse Factorielle des Correspondances
Analyse Factorielle des CorrespondancesAnalyse Factorielle des Correspondances
Analyse Factorielle des Correspondances
 
Diagrammes e p_h
Diagrammes e p_hDiagrammes e p_h
Diagrammes e p_h
 
Exercices corrigés les matrices- djeddi kamel
Exercices corrigés les matrices- djeddi kamelExercices corrigés les matrices- djeddi kamel
Exercices corrigés les matrices- djeddi kamel
 
Cours fiscalite
Cours fiscaliteCours fiscalite
Cours fiscalite
 
Prévision
PrévisionPrévision
Prévision
 
TP N°1 sketchup.ppt
TP N°1 sketchup.pptTP N°1 sketchup.ppt
TP N°1 sketchup.ppt
 
Principe de fonctionnement du moteur 4 temps
Principe de fonctionnement du moteur 4 tempsPrincipe de fonctionnement du moteur 4 temps
Principe de fonctionnement du moteur 4 temps
 
Rapport de stage dgi adnane bouzri
Rapport de stage dgi adnane bouzriRapport de stage dgi adnane bouzri
Rapport de stage dgi adnane bouzri
 
Comptabilité general s1
Comptabilité general  s1Comptabilité general  s1
Comptabilité general s1
 

Ähnlich wie Probabilités et statistiques 2ème partie

Cours de probabilités chap1.pptx
Cours de probabilités chap1.pptxCours de probabilités chap1.pptx
Cours de probabilités chap1.pptxHanaeElabbas
 
Série Exercice B3JV.pdf
Série Exercice B3JV.pdfSérie Exercice B3JV.pdf
Série Exercice B3JV.pdfMmous2
 
exercices_probas_corriges.pdf
exercices_probas_corriges.pdfexercices_probas_corriges.pdf
exercices_probas_corriges.pdfOULAKBIRIlham
 
Ch2 probabilite conditionnelle
Ch2  probabilite conditionnelleCh2  probabilite conditionnelle
Ch2 probabilite conditionnelleCham Nan
 
Aates ch08 lois-a-densite
Aates ch08 lois-a-densiteAates ch08 lois-a-densite
Aates ch08 lois-a-densiteManar Sefiane
 
Polynesie2014maths s-oblig&spe
Polynesie2014maths s-oblig&spePolynesie2014maths s-oblig&spe
Polynesie2014maths s-oblig&speFabrice Lallemand
 
202023133 es-maths-cned-sequence-4-probabilites-conditionnelles 2
202023133 es-maths-cned-sequence-4-probabilites-conditionnelles 2202023133 es-maths-cned-sequence-4-probabilites-conditionnelles 2
202023133 es-maths-cned-sequence-4-probabilites-conditionnelles 2Ettaoufik Elayedi
 
202023133 es-maths-cned-sequence-4-probabilites-conditionnelles
202023133 es-maths-cned-sequence-4-probabilites-conditionnelles202023133 es-maths-cned-sequence-4-probabilites-conditionnelles
202023133 es-maths-cned-sequence-4-probabilites-conditionnellesEttaoufik Elayedi
 

Ähnlich wie Probabilités et statistiques 2ème partie (12)

Cours probabilités
Cours probabilitésCours probabilités
Cours probabilités
 
Cours de probabilités chap1.pptx
Cours de probabilités chap1.pptxCours de probabilités chap1.pptx
Cours de probabilités chap1.pptx
 
Lmfi1
Lmfi1Lmfi1
Lmfi1
 
Série Exercice B3JV.pdf
Série Exercice B3JV.pdfSérie Exercice B3JV.pdf
Série Exercice B3JV.pdf
 
exercices_probas_corriges.pdf
exercices_probas_corriges.pdfexercices_probas_corriges.pdf
exercices_probas_corriges.pdf
 
1s prob
1s prob1s prob
1s prob
 
Ch2 probabilite conditionnelle
Ch2  probabilite conditionnelleCh2  probabilite conditionnelle
Ch2 probabilite conditionnelle
 
Cours 1
Cours 1Cours 1
Cours 1
 
Aates ch08 lois-a-densite
Aates ch08 lois-a-densiteAates ch08 lois-a-densite
Aates ch08 lois-a-densite
 
Polynesie2014maths s-oblig&spe
Polynesie2014maths s-oblig&spePolynesie2014maths s-oblig&spe
Polynesie2014maths s-oblig&spe
 
202023133 es-maths-cned-sequence-4-probabilites-conditionnelles 2
202023133 es-maths-cned-sequence-4-probabilites-conditionnelles 2202023133 es-maths-cned-sequence-4-probabilites-conditionnelles 2
202023133 es-maths-cned-sequence-4-probabilites-conditionnelles 2
 
202023133 es-maths-cned-sequence-4-probabilites-conditionnelles
202023133 es-maths-cned-sequence-4-probabilites-conditionnelles202023133 es-maths-cned-sequence-4-probabilites-conditionnelles
202023133 es-maths-cned-sequence-4-probabilites-conditionnelles
 

Probabilités et statistiques 2ème partie

  • 1. Chapitre II: Théorie élémentaire de probabilités Otheman Nouisser Ecole Nationale de Commerce et Gestion Kénitra 3 octobre 2011 Otheman Nouisser ENCG-Kénitra, 2010
  • 2. Plan I. Notions générales (Vocabulaire probabiliste) II. Notion de probabilités III. Théorème des probabilités totales IV. Probabilités composées et conditionnelles V. Problèmes relatifs aux calculs des probabilités Otheman Nouisser ENCG-Kénitra, 2010
  • 3. Notions générales :(Vocabulaire probabiliste) 1- Epreuve aléatoire : C’est une expérience qu’on peut répéter dans les mêmes conditions et qui donne plusieurs résultas. Exemple Lancer un dé- le jeu de pile ou face. Otheman Nouisser ENCG-Kénitra, 2010
  • 4. Notions générales (Vocabulaire probabiliste) 2- L’univers des éventualités : C’est l’ensemble des résultats possibles d’une épreuve et on le note par ( On l’appelle aussi l’ensemble fondamental). Exemple Si on lance un dé, l’univers est l’ensemble = {1, 2, 3, 4, 5, 6}. Otheman Nouisser ENCG-Kénitra, 2010
  • 5. Notions générales :(Vocabulaire probabiliste) 3- Evénement : C’est la réalisation d’une ou plusieures éventualités lors de l’examen des résultats d’une épreuve. Autrement dit, c’est un sous-ensemble ou partie de l’univers . Si un évenement contient un seul élément, on l’appelle événement élémentaire. Exemple Si on lance un dé, l’univers peut être décomposé en deux événements : chiffre pair : E1 = {2, 4, 6}. chiffre impair : E2 = {1, 3, 5}. Otheman Nouisser ENCG-Kénitra, 2010
  • 6. Notions générales :(Vocabulaire probabiliste) Remarque - Un événement impossible noté ;, n’est jamais réalisé. - L’événement est appelé événement certain (car il est toujours réalisé). Otheman Nouisser ENCG-Kénitra, 2010
  • 7. Relations logiques entre les événements 1- Evénement complémentaire : Définition Soit A une partie de . Le complémentaire de A, également partie de noté A, est l’ensemble des résultats qui conduit à la réalisation de l’événement contraire de A. c.à.d., A est réalisé si et seuleument si A n’est pas réalise. + A = CA = A. A est appelé aussi l’événement contraire. Exemple Soit l’épreuve qui consiste à lancer un dé. Désignons A l’événement hh obtenir un nombre pair ii. A = {2, 4, 6} ) A = {1, 3, 5}. Otheman Nouisser ENCG-Kénitra, 2010
  • 8. Relations logiques entre les événements 1- Evénement complémentaire : Définition Soit A une partie de . Le complémentaire de A, également partie de noté A, est l’ensemble des résultats qui conduit à la réalisation de l’événement contraire de A. c.à.d., A est réalisé si et seuleument si A n’est pas réalise. + A = CA = A. A est appelé aussi l’événement contraire. Exemple Soit l’épreuve qui consiste à lancer un dé. Désignons A l’événement hh obtenir un nombre pair ii. A = {2, 4, 6} ) A = {1, 3, 5}. Otheman Nouisser ENCG-Kénitra, 2010
  • 9. Relations logiques entre les événements 2- Intersection d’événements- Evénements incompatibles : Définition L’intersection de deux événements A et B d’un même univers , noté A B, est l’événement qui est réalisé si A et B sont réalisés. Exemple On lance un dé et on note la face visible. Soient les événements - A : hh Obtenir un nombre pair ii, i.e., A = {2, 4, 6}, - B : Obtenir un nombre 3 , i.e., B = {4, 5, 6}. Alors l’événement AB : Obtenir un nombre pair et 3 ={4, 6}. Définition Deux événements A et B d’un même univers , sont dits incompatibles (ou exhaustifs) si A B = ;. (c.à.d., leur réalisation simultannée est impossible). Otheman Nouisser ENCG-Kénitra, 2010
  • 10. Relations logiques entre les événements 2- Intersection d’événements- Evénements incompatibles : Définition L’intersection de deux événements A et B d’un même univers , noté A B, est l’événement qui est réalisé si A et B sont réalisés. Exemple On lance un dé et on note la face visible. Soient les événements - A : hh Obtenir un nombre pair ii, i.e., A = {2, 4, 6}, - B : Obtenir un nombre 3 , i.e., B = {4, 5, 6}. Alors l’événement AB : Obtenir un nombre pair et 3 ={4, 6}. Définition Deux événements A et B d’un même univers , sont dits incompatibles (ou exhaustifs) si A B = ;. (c.à.d., leur réalisation simultannée est impossible). Otheman Nouisser ENCG-Kénitra, 2010
  • 11. Relations logiques entre les événements 2- Intersection d’événements- Evénements incompatibles : Définition L’intersection de deux événements A et B d’un même univers , noté A B, est l’événement qui est réalisé si A et B sont réalisés. Exemple On lance un dé et on note la face visible. Soient les événements - A : hh Obtenir un nombre pair ii, i.e., A = {2, 4, 6}, - B : Obtenir un nombre 3 , i.e., B = {4, 5, 6}. Alors l’événement AB : Obtenir un nombre pair et 3 ={4, 6}. Définition Deux événements A et B d’un même univers , sont dits incompatibles (ou exhaustifs) si A B = ;. (c.à.d., leur réalisation simultannée est impossible). Otheman Nouisser ENCG-Kénitra, 2010
  • 12. Relations logiques entre les événements 3- Réunion des événements : Définition La réunion de deux événements A et B d’un même univers, notée A [ B, est l’événement qui est réalisé si A ou B sont réalisés. Exemple Un dé est lancé et on note le chiffre de la face invisible. - Soit l’événement A : obtenir un chiffre pair, i.e., A = {2, 4, 6}. - Soit l’événement B : obtenir un chiffre divisible par 3 i.e., B = {3, 6}. Alors l’événement A [ B = {2, 3, 4, 6} : obtenir un chiffre pair ou divisible par 3 . Considérons maintenant l’événemnt C : obtenir un chiffre inférieure ou égal à 2 = {1, 2}. Alors l’événement B [ C = {1, 2, 3, 6}. Otheman Nouisser ENCG-Kénitra, 2010
  • 13. Relations logiques entre les événements 3- Réunion des événements : Définition La réunion de deux événements A et B d’un même univers, notée A [ B, est l’événement qui est réalisé si A ou B sont réalisés. Exemple Un dé est lancé et on note le chiffre de la face invisible. - Soit l’événement A : obtenir un chiffre pair, i.e., A = {2, 4, 6}. - Soit l’événement B : obtenir un chiffre divisible par 3 i.e., B = {3, 6}. Alors l’événement A [ B = {2, 3, 4, 6} : obtenir un chiffre pair ou divisible par 3 . Considérons maintenant l’événemnt C : obtenir un chiffre inférieure ou égal à 2 = {1, 2}. Alors l’événement B [ C = {1, 2, 3, 6}. Otheman Nouisser ENCG-Kénitra, 2010
  • 14. Notion de probabilité Définition Un ensemble , non vide, d’événements de est une algèbre d’événements si : 8A 2 , A 2 8A 2 , 8B 2 , A [ B 2 Remarque Dans le cas où est fini, P( ) est une algèbre d’événements. Otheman Nouisser ENCG-Kénitra, 2010
  • 15. Notion de probabilité Définition Soit une algèbre d’événements de . On dit que est une tribu si : Pour toute suite infinie dénombrable A1,A2, · · · ,An, · · · d’éléments de 1[ alors i=1 Ai 2 . Conséquence : 1 i=1 Ai 2 On appelle espace probabilisable un couple ( , ) constitué d’un ensemble et d’une tribu d’événements de parties de Omega. Otheman Nouisser ENCG-Kénitra, 2010
  • 16. Notion de probabilité Définition Soit ( , ) un espace probabilisable. Une probabilité P est une application P : ! [0, 1] telle que : P( ) = 1 8A 2 , 8B 2 tels que A B = ; on a P(A [ B) = P(A) + P(B). Si A0,A1, · · · ,An, · · · est une suite dénombrable d’événements incompatibles deux à deux, alors : P 1[ i=1 Ai ! = 1X i=0 P(Ai ). On appelle espace probabilisé un triplet ( , ,P). Otheman Nouisser ENCG-Kénitra, 2010
  • 17. Notion de probabilité Remarque La probabilité de l’événement certain est égale à 1., c.à.d., P( ) = 1, et ce qui implique que pour tout événement A on a : 0 P(A) 1. Dans la suite on suppose que ( , ,P) est un espace probabilisé, c.à.d, P une probabilité sur . Otheman Nouisser ENCG-Kénitra, 2010
  • 18. Notion de probabilités Probabilité de l’événement contraire Soit un événement A et son contraire A. Alors P(A) = 1 − P(A) Preuve. On a A et A sont deux événements incompatibles et donc P(A [ A) = P(A) + P(A). Or A [ A = + P(A) + P(A) = 1 D’où le résultat. Otheman Nouisser ENCG-Kénitra, 2010
  • 19. Notion de probabilités Probabilité de l’événement contraire Soit un événement A et son contraire A. Alors P(A) = 1 − P(A) Preuve. On a A et A sont deux événements incompatibles et donc P(A [ A) = P(A) + P(A). Or A [ A = + P(A) + P(A) = 1 D’où le résultat. Otheman Nouisser ENCG-Kénitra, 2010
  • 20. Notion de probabilités Remarque la probabilitée de l’événement impossible est nulle, c.à.d., P(;) = 0. Preuve Soit l’événement impossible ;, et un événement quelconque A. Alors A et ; sont deux événements incompatibles puisque A ; = ;. Donc : P(A [ ;) = P(A) + P(;) Or A [ ; = A =) P(A [ ;) = P(A) = P(A) + P(;) D’où P(;) = 0. Otheman Nouisser ENCG-Kénitra, 2010
  • 21. Notion de probabilités Remarque la probabilitée de l’événement impossible est nulle, c.à.d., P(;) = 0. Preuve Soit l’événement impossible ;, et un événement quelconque A. Alors A et ; sont deux événements incompatibles puisque A ; = ;. Donc : P(A [ ;) = P(A) + P(;) Or A [ ; = A =) P(A [ ;) = P(A) = P(A) + P(;) D’où P(;) = 0. Otheman Nouisser ENCG-Kénitra, 2010
  • 22. Notion de probabilités Probabilité d’un événement La probabilité d’un événement A est égale à la somme des probabilités des événements élémentaires qui constituent cet événement. Autrement dit : Soit A = {w1,w2, · · · ,wp} comportant p événements élémentaires, alors P(A) = Xp i=1 P(wi ). Otheman Nouisser ENCG-Kénitra, 2010
  • 23. Notion de probabilités Exemple Un dé pipé (dé non équilibré) a été lancé un grand nombre de fois. Les probabilités des événements suivants ont été relevées : événement 1 2 4 5 chiffre pair Probabilité de l’événement 0, 1 0, 1 0, 2 0, 2 0, 6 Quelle est la probabilité de l’événement A : Obtenir un chiffre pair ou égal à 5 ? Solution Dans ce cas A = {2, 4, 5, 6} et donc P(A) = P(2) + P(4) + P(5) + P(6). Considérons l’événement B : Obtenir un chiffre pair , on a alors : P(B) = P(2) + P(4) + P(6) = 0, 6 ce qui donne que P(6) = 0, 3 et par conséquent P(A) = 0, 8. Otheman Nouisser ENCG-Kénitra, 2010
  • 24. Notion de probabilités Exemple Un dé pipé (dé non équilibré) a été lancé un grand nombre de fois. Les probabilités des événements suivants ont été relevées : événement 1 2 4 5 chiffre pair Probabilité de l’événement 0, 1 0, 1 0, 2 0, 2 0, 6 Quelle est la probabilité de l’événement A : Obtenir un chiffre pair ou égal à 5 ? Solution Dans ce cas A = {2, 4, 5, 6} et donc P(A) = P(2) + P(4) + P(5) + P(6). Considérons l’événement B : Obtenir un chiffre pair , on a alors : P(B) = P(2) + P(4) + P(6) = 0, 6 ce qui donne que P(6) = 0, 3 et par conséquent P(A) = 0, 8. Otheman Nouisser ENCG-Kénitra, 2010
  • 25. Théorème des probabilités totales L’objectif est de calculer P(A [ B) dans le cas où les deux événements A et B sont non incompatibles, puisque dans ce cas l’axiome des probabilités ne s’applique pas. Théorème Soient A et B deux événements quelconques d’un univers . Alors P(A [ B) = P(A) + P(B) − P(A B). Otheman Nouisser ENCG-Kénitra, 2010
  • 26. Théorème des probabilités totales L’objectif est de calculer P(A [ B) dans le cas où les deux événements A et B sont non incompatibles, puisque dans ce cas l’axiome des probabilités ne s’applique pas. Théorème Soient A et B deux événements quelconques d’un univers . Alors P(A [ B) = P(A) + P(B) − P(A B). Otheman Nouisser ENCG-Kénitra, 2010
  • 27. Théorème des probabilités totales Preuve. Soient deux événement A et B non incompatibles. Alors A [ B peut s’écrire A [ B = A [ (A B). Or A et (A B) sont incompatibles. Donc P(A [ B) = P(A) + P(A B), (1) Par ailleur, B = (A B) [ (A B), puisque les deux événements (A B) et (A B) sont incompatibles on a : P(B) = p(A B)) + P(A B), d’où P(A B) = P(B) − P(A B). (2) Ainsi, en reportant l’expression de P(A B) dans l’équation (1), on obtient le résulat. Otheman Nouisser ENCG-Kénitra, 2010
  • 28. Théorème des probabilités totales Exemple Considérons l’expérience de l’exemple précédent. Calculer la probabilités de l’événement : obtenir un chiffre pair ou supérieur ou égal à 5 . Solution Considérons les événements suivants : A l’événement : obtenir un chiffre pair ou 5 . B l’événement : obtenir un chiffre pair . D l’événement : obtenir un chiffre 5 . D’après le théorème des probabilités totales on a : P(A) = P(B [ D) = P(B) + P(D) − P(B D). Or P(B) = 0, 6, P(D) = P(5) + P(6) = 0, 5 et P(B D) = P(6) = 0, 3, ainsi on a P(A) = 0, 8. Otheman Nouisser ENCG-Kénitra, 2010
  • 29. Théorème des probabilités totales Exemple Considérons l’expérience de l’exemple précédent. Calculer la probabilités de l’événement : obtenir un chiffre pair ou supérieur ou égal à 5 . Solution Considérons les événements suivants : A l’événement : obtenir un chiffre pair ou 5 . B l’événement : obtenir un chiffre pair . D l’événement : obtenir un chiffre 5 . D’après le théorème des probabilités totales on a : P(A) = P(B [ D) = P(B) + P(D) − P(B D). Or P(B) = 0, 6, P(D) = P(5) + P(6) = 0, 5 et P(B D) = P(6) = 0, 3, ainsi on a P(A) = 0, 8. Otheman Nouisser ENCG-Kénitra, 2010
  • 30. Théorème des probabilités totales Exemple Soit C, l’événement obtenir un chiffre impair ou inférieur ou égal à 3 . Calculer la probabilité de C. Solution Soient B, l’événemnt obtenir un chiffre impair et E, l’événement obtenir un chiffre inférieur ou égal à 3 . Alors P(B) = 0, 4,P(E) = P({1, 2, 3}) = 0, 1 + 0, 1 + 0, 1 = 0, 3. P(B E) = P({1, 3}) = 0, 1 + 0, 1 = 0, 2. P(C) = P(B [ E) = P(B) + P(E) − P(B E) = 0, 4 + 0, 3 − 0, 2 = 0, 5. Otheman Nouisser ENCG-Kénitra, 2010
  • 31. Théorème des probabilités totales Exemple Soit C, l’événement obtenir un chiffre impair ou inférieur ou égal à 3 . Calculer la probabilité de C. Solution Soient B, l’événemnt obtenir un chiffre impair et E, l’événement obtenir un chiffre inférieur ou égal à 3 . Alors P(B) = 0, 4,P(E) = P({1, 2, 3}) = 0, 1 + 0, 1 + 0, 1 = 0, 3. P(B E) = P({1, 3}) = 0, 1 + 0, 1 = 0, 2. P(C) = P(B [ E) = P(B) + P(E) − P(B E) = 0, 4 + 0, 3 − 0, 2 = 0, 5. Otheman Nouisser ENCG-Kénitra, 2010
  • 32. Cas particulier : équiprobabilité des événements élémentaires Soit = {w1,w2, · · · ,wn} un ensemble fini. L’équiprobabilité correspond au cas où tous les événements élémentaires de ont la même probabilité de se réaliser. Les événements élémentaires sont incompatibles, donc on a : P( ) = P(w1) + P(w2) + · · · + P(wn) = nP(wi ) = 1, 8i = 1, · · · , n. Ainsi P(w1) = P(w2) = · · · = P(wn) = 1 n = 1 card . En conséquence on a le résultat suivant Otheman Nouisser ENCG-Kénitra, 2010
  • 33. Cas particulier : équiprobabilité des événements élémentaires Proposition Soit un ensemble fini et A 2 P( ), où les événements élémentaires sont équiprobables. Alors P(A) = nombre d’éléments de A nombre d’éléments de = cardA card = nombre de cas favorables à la réalisation de A nombre de cas possibles . Otheman Nouisser ENCG-Kénitra, 2010
  • 34. Cas d’équiprobabilité Exemple On lance un dé équilibré et on note le chiffre de la face visible. Calculer la probabilité d’obtenir le chiffre 6, un chiffre 6, le chiffre 2 ou 6. Solution L’univers = {1, 2, 3, 4, 5, 6} et les événements sont équiprobables. Soient A l’événement : obtenir le chiffre 6 , B l’événement : obtenir le chiffre 6 et C l’événement : obtenir le chiffre 2 ou 6 . Alors on a : P(A) = cardA card = 1 6, P(B) = cardB card = 1 − P(6) = 5 6, P(C) = cardC card = P(2) + P(6) = P({2, 6}) = 2 6. Otheman Nouisser ENCG-Kénitra, 2010
  • 35. Cas d’équiprobabilité Exemple On lance un dé équilibré et on note le chiffre de la face visible. Calculer la probabilité d’obtenir le chiffre 6, un chiffre 6, le chiffre 2 ou 6. Solution L’univers = {1, 2, 3, 4, 5, 6} et les événements sont équiprobables. Soient A l’événement : obtenir le chiffre 6 , B l’événement : obtenir le chiffre 6 et C l’événement : obtenir le chiffre 2 ou 6 . Alors on a : P(A) = cardA card = 1 6, P(B) = cardB card = 1 − P(6) = 5 6, P(C) = cardC card = P(2) + P(6) = P({2, 6}) = 2 6. Otheman Nouisser ENCG-Kénitra, 2010
  • 36. Probabilités composées et conditionnelles Soient ( , ,P) un espace probabilisé, A 2 et B 2 tels que P(A)6= 0 et P(B)6= 0. 1- Probabilités conditionnelles : Définition La probabilité de réalisation d’un événement A sachant qu’un événement B est réalisé est appelée probabilité conditionnelle de A sachant B et notée P(A/B) ou PB(A) et a pour expression : P(A/B) = PB(A) = P(A B) P(B) . Otheman Nouisser ENCG-Kénitra, 2010
  • 37. Probabilités composées et conditionnelles Soient ( , ,P) un espace probabilisé, A 2 et B 2 tels que P(A)6= 0 et P(B)6= 0. 1- Probabilités conditionnelles : Définition La probabilité de réalisation d’un événement A sachant qu’un événement B est réalisé est appelée probabilité conditionnelle de A sachant B et notée P(A/B) ou PB(A) et a pour expression : P(A/B) = PB(A) = P(A B) P(B) . Otheman Nouisser ENCG-Kénitra, 2010
  • 38. Probabilités composées et conditionnelles Exemple 1- Une carte est tirée au hasard dans un jeu qui comporte 52 cartes. Quelle est la probabilité que cette carte soit une dame sachant qu’il s’agit d’un trèfle ? Solution Considérons les évenements D : Tirer une dame et T : tirer un trèfle , alors P(D/T) = P(D T) P(T) = 1/52 13/52 = 1 13. Otheman Nouisser ENCG-Kénitra, 2010
  • 39. Probabilités composées et conditionnelles Exemple 1- Une carte est tirée au hasard dans un jeu qui comporte 52 cartes. Quelle est la probabilité que cette carte soit une dame sachant qu’il s’agit d’un trèfle ? Solution Considérons les évenements D : Tirer une dame et T : tirer un trèfle , alors P(D/T) = P(D T) P(T) = 1/52 13/52 = 1 13. Otheman Nouisser ENCG-Kénitra, 2010
  • 40. Exemple 2- Une personne lance un dé équilibré sans voir le résultat. Un témoin l’informe qu’il s’agit d’un résultat différent de 5. Quelle est la probabilité que le résultat soit un chiffre impair ? Solution Notons A l’événement : Obtenir un chiffre impair et B l’événement : obtenir un chiffre différent de 5 . Alors, P(A) = P({1, 3, 5}) = 3 6 = 1 2 et P(B) = P({1, 2, 3, 4, 6}) = 5 6. L’événement A B := obtenir un chiffre impair différent de 5 , d’où P(A B) = P({1, 3}) = 2 6 . Otheman Nouisser ENCG-Kénitra, 2010
  • 41. Exemple 2- Une personne lance un dé équilibré sans voir le résultat. Un témoin l’informe qu’il s’agit d’un résultat différent de 5. Quelle est la probabilité que le résultat soit un chiffre impair ? Solution Notons A l’événement : Obtenir un chiffre impair et B l’événement : obtenir un chiffre différent de 5 . Alors, P(A) = P({1, 3, 5}) = 3 6 = 1 2 et P(B) = P({1, 2, 3, 4, 6}) = 5 6. L’événement A B := obtenir un chiffre impair différent de 5 , d’où P(A B) = P({1, 3}) = 2 6 . Otheman Nouisser ENCG-Kénitra, 2010
  • 42. Probabilités composées et conditionnelles suite Le fait de disposer de l’information supplémentaire relative à la réalisation de l’événement B, réduit la possibilité aux chiffres {1, 2, 3, 4, 6}, parmi lesquels seuls 1 et 3 sont impairs. Il y a donc deux chances sur cinq d’avoir un chiffre impair sachant que le résultat est différent de 5. En utilisant la formule on peut aussi le vérifie : P(A/B) = P(A B) P(B) = P({1, 3}) P({1, 2, 3, 4, 6}) = 2/6 5/6 = 2 5. Otheman Nouisser ENCG-Kénitra, 2010
  • 43. Probabilités composées et conditionnelles 2-Probabilités composées Les probabilités conditionnelles permettent de calculer la probabilité composée de deux événements. Définition La probabilité composée est la probabilité de réaliser simultanément deux événements A et B, et on la note P(A B), et on a P(A B) = P(B)P(A/B) = P(A)P(B/A). Otheman Nouisser ENCG-Kénitra, 2010
  • 44. Probabilités composées et conditionnelles 2-Probabilités composées Les probabilités conditionnelles permettent de calculer la probabilité composée de deux événements. Définition La probabilité composée est la probabilité de réaliser simultanément deux événements A et B, et on la note P(A B), et on a P(A B) = P(B)P(A/B) = P(A)P(B/A). Otheman Nouisser ENCG-Kénitra, 2010
  • 45. Probabilités composées et conditionnelles Exemple Un sac contient 10 boules indescernables au toucher : 4 boules sont blanches, 6 boules sont noires. Une personne tire l’une après l’autre, sans remise 3 boules. Quelle est la probabilité d’obtenir dans l’ordre : une blanche, une noire, une blanche ? Otheman Nouisser ENCG-Kénitra, 2010
  • 46. Probabilités composées et conditionnelles Solution Considérons les événements suivants : A, l’événement tirer une boule blanche au premier tirage . B, l’événement tirer une boule noire au deuxième tirage . C, l’événement Tirer une boule blanche au troisième tirage . Le problème c’est de calculer P(A B C). Le fait d’effectuer des tirages sans remise réduit le nombre de possibilités de choix et rend les tirage successifs dépendants. 1er tirage, il y a 4 blanches parmi 10, donc P(A) = 4 10 . 2ème tirage, il reste 3 blanches et 6 noires, donc P(B/A) = 6 9 . 3ème tirage, il reste 3 blanches et 5 noires, donc P(C/(A B) = 3 8 . Ainsi P(ABC) = P(A)×P(B/A)×P(C/(AB)) = 4 10 6 9 3 8 = 0, 1 = 10%. Otheman Nouisser ENCG-Kénitra, 2010
  • 47. Probabilités composées et conditionnelles 3- Indépendance de deux événements Les probabilités conditionnelles permettent de déduire la définition d’indépendance de deux événements. Intuitivement, deux événements sont indépendants si la réalisation de l’un n’influe pas la réalisation de l’autre, ce qui peut se traduire par P(A) = P(A/B), ou par P(B) = P(B/A) D’autre part, on a : P(A/B) = P(A B) P(B) ; P(B/A) = P(A B) P(A) , D’où Proposition Deux événements A et B sont indépendants si et seuleument si P(A B) = P(A)P(B). Otheman Nouisser ENCG-Kénitra, 2010
  • 48. Probabilités composées et conditionnelles Remarque 1- Il est important de ne pas confondre incompatibilité (A B = ;) de deux événements et indépendance de deux événements, notion qui se réfère à la probabilité des événements et qui permet de calculer la probabilité de la réalisation simultanée de deux événements indépendants, c.à.d., le calcul de P(A B). 2- Il est possible de généraliser la définition de l’indépendance. Les événements E1,E2, · · · ,En sont indépendants deux à deux si P(E1 E2 · · · En) = P(E1) × P(E2) × · · · × P(En). Otheman Nouisser ENCG-Kénitra, 2010
  • 49. Probabilités composées et conditionnelles Exemple Une carte est tirée d’un jeu de 52 cartes. Calculer - La probabilitée de tirer un roi. - La probabilité de tirer un roi sachant que la carte tirée est un coeur. - La probabilitée de tirer le roi de coeur. Commenter. Otheman Nouisser ENCG-Kénitra, 2010
  • 50. Solution Soient A l’événement tirer un roi et B l’événement tirer un coeur . Alors on a : P(A) = 4 52 = 1 13, P(B) = 13 52, P(A B) = 1 52, avec A B, l’événement tirer un roi de coeur . On constate que P(A B) = P(A) × P(B) = 1 13 × 13 52 = 1 52 , ce qui signifie que les événements A et B sont indépendants. On a aussi, P(A/B) = P(A B) P(B) = 1 52 13 52 = 1 13 = P(A), Le fait de savoir que la carte est un coeur ne réduit pas les possibilités. Les deux événement sont indépendants mais ils ne sont pas incompatibles puisque A B6= ;. Otheman Nouisser ENCG-Kénitra, 2010
  • 51. Probabilités composées et conditionnelles 4- Théorème de Bayes Soient A et B deux événements de tels qu’on sait calculer P(B);P(B);P(A/B);P(A/B) Problème inverse : Calculer P(B/A) ? Théorème (Formule de Bayes) P(B/A) = P(B)P(A/B) P(B)P(A/B) + P(B)P(A/B) . Otheman Nouisser ENCG-Kénitra, 2010
  • 52. Probabilités composées et conditionnelles 4- Théorème de Bayes Soient A et B deux événements de tels qu’on sait calculer P(B);P(B);P(A/B);P(A/B) Problème inverse : Calculer P(B/A) ? Théorème (Formule de Bayes) P(B/A) = P(B)P(A/B) P(B)P(A/B) + P(B)P(A/B) . Otheman Nouisser ENCG-Kénitra, 2010
  • 53. Probabilités composées et conditionnelles Preuve. P(B/A) = P(A B) P(A) = P(B)P(A/B) P(A (B [ B)) = P(B)P(A/B) P(A B) + P(A B) = P(B)P(A/B) P(B)P(A/B) + P(B)P(A/B) Otheman Nouisser ENCG-Kénitra, 2010
  • 54. Probabilités composées et conditionnelles D’une manière général, soient A1,A2, · · · ,An des événements incompatibles deux à deux (Ai Aj = ;8i6= j), et tel que A1 [ A2 [ · · · [ An = . Soit B un événement de probabilité non nulle. Les informations connues sont : • La probabilité de chacune des événements : P(A1),P(A2), · · · ,P(An). • La probabilité de réalisations de B sachant chacune des événements Ai sont réalisés : P(B/A1),P(B/A2), · · · ,P(B/An). Le théorème de Bayes permet de calculer la probabilité de l’événement Ai sachant que l’événement B soit réalisé. : P(Ai/B). Théorème P(Ai/B) = P(Ai ) × P(B/Ai ) Xn j=1 P(Aj )P(B/Aj ) . Otheman Nouisser ENCG-Kénitra, 2010
  • 55. Probabilités composées et conditionnelles Exemple Le personnel d’une entreprise est composée de 80% de femmes. On sait que 8% de ces femmes ont une formation supérieure et que 24% des hommes ont une formation supérieure. Quelle est la proportion de personnel ayant une formation supérieure ? Sachant qu’il a une formation supérieure, quelle est la probabilité qu’un employé soit une femme? Otheman Nouisser ENCG-Kénitra, 2010
  • 56. Probabilités composées et conditionnelles Solution Considérons les évévenements suivants : A : Etre un employé femme . B : Etre un employé de formation supérieure . Alors, on a : P(A) = 0, 8;P(B/A) = 0, 08;P(A) = 0, 2;P(B/A) = 0, 24, et on a aussi P(B) = P(B (A [ A)) = P(B A) + P(B A), = P(A)P(B/A) + P(A)P(B/A), = 0, 8.0, 08 + 0, 2.0, 24 = 0, 112. Ainsi on aura P(A/B) = P(A)P(B/A) P(A)P(B/A) + P(A)P(B/A) . Otheman Nouisser ENCG-Kénitra, 2010
  • 57. Probabilités composées et conditionnelles Exemple Trois machines M1,M2,M3 produisent respectivement 50%, 30% et 20% de la production d’un produit. 2% des produits fabriqués par M1, 3% des produits fabriqués par M2 et 5% des produits fabriqués par M3 sont défectueux. Un produit est prélevé au hasard. Quelle est la probabilité qu’il ait été fabriqué par la machine M2, sachant qu’il est défectueux ? Otheman Nouisser ENCG-Kénitra, 2010
  • 58. Probabilités composées et conditionnelles Solution Considérons les événements suivants : M1 : Produit fabriqué par M1 , M2 : Produit fabriqué par M2 , M3 : Produit fabriqué par M3 , D : Produit fabriqué est défectueux . Alors on a : P(M1) = 0, 5;P(M2) = 0, 3;P(M3) = 0, 2, P(D/M1) = 0, 02;P(D/M2) = 0, 03;P(D/M3) = 0, 05. D’après le théorème de Bayes, on obtient : P(M2/D) = P(M2)P(D/M2) P(M2)P(D/M2) + P(M2)P D/M2 . Otheman Nouisser ENCG-Kénitra, 2010
  • 59. Probabilités composées et conditionnelles suite Or, P(M2) = 1 − P(M2) = 0, 7 et P(M2)P(D/M2) = P(D M2) = P(D (M1 [ M3)) = P(D M1) + P(D M3) = P(M1)P(D/M1) + P(M3)P(D/M3) = 0, 5 × 0, 02 + 0, 2 × 0, 05 = 0, 02. Ainsi, P(M2/D) = 0, 3103. Quelle est la probabilité qu’un produit séléctionné au hasard ait été fabriqué par la machine M3, sachant qu’il n’est pas défectueux ? Ceci revient à calculer P(M3/D). Otheman Nouisser ENCG-Kénitra, 2010
  • 60. Problèmes relatifs aux calculs des probabilités 1- Cas des épreuves exhaustives (sans remise). Une urne contient N boules, dont a noires et b blanches. Quelle est la probabilité de tirer au hasard et simultanément n boules dont k noires et (n − k) blanches (k n) ? nN - Cas possibles : choisir n boules parmi N boules, donc il y a C= Cn a+b possibilités. - Cas favorables : k boules noires et (n − k) boules blanches, alors il y a Ck a × Cn−k b possibilités favorables. Ainsi, la probabilité est donnée par P = cas favorables cas possibles = Ck a × Cn−k b Cn a+b Otheman Nouisser ENCG-Kénitra, 2010
  • 61. Problèmes relatifs aux calculs des probabilités 1- Cas des épreuves exhaustives (sans remise). Une urne contient N boules, dont a noires et b blanches. Quelle est la probabilité de tirer au hasard et simultanément n boules dont k noires et (n − k) blanches (k n) ? nN - Cas possibles : choisir n boules parmi N boules, donc il y a C= Cn a+b possibilités. - Cas favorables : k boules noires et (n − k) boules blanches, alors il y a Ck a × Cn−k b possibilités favorables. Ainsi, la probabilité est donnée par P = cas favorables cas possibles = Ck a × Cn−k b Cn a+b Otheman Nouisser ENCG-Kénitra, 2010
  • 62. Problème relatifs aux calculs des probabilités 2- Cas des épreuves non-exhaustives (avec remise) Une urne contient N boules, dont a noires er b blanches. Quelle est la probabilité qu’après une série de n tirages non-exhaustifs et au hasard, on obtient k boules noires et (n − k) blanches. ici on travail dans le cas équiprobable, alors : - La probabilité de tirer une boule noire est : p = a N . - La probabilité de tirer une boule blanche est : q = 1 − p = b N . i- Probabilité de tirer dans l’ordre k boules noires et (n − k) boules blanches Dans ce cas on a la possibilité suivante : N N N · · · N B B · · · B et donc on a la probabilité P = pk (1 − p)n−k . Otheman Nouisser ENCG-Kénitra, 2010
  • 63. Problème relatifs aux calculs des probabilités 2- Cas des épreuves non-exhaustives (avec remise) Une urne contient N boules, dont a noires er b blanches. Quelle est la probabilité qu’après une série de n tirages non-exhaustifs et au hasard, on obtient k boules noires et (n − k) blanches. ici on travail dans le cas équiprobable, alors : - La probabilité de tirer une boule noire est : p = a N . - La probabilité de tirer une boule blanche est : q = 1 − p = b N . i- Probabilité de tirer dans l’ordre k boules noires et (n − k) boules blanches Dans ce cas on a la possibilité suivante : N N N · · · N B B · · · B et donc on a la probabilité P = pk (1 − p)n−k . Otheman Nouisser ENCG-Kénitra, 2010
  • 64. Problème relatifs aux calculs des probabilités ii- Probabilité de tirer dans un ordre quelconque ces même boules Il y a Ck n manière de placer k boules noires dans n cases différentes. Les (n − k) cases qui restent sont évidement occupées par des blanches. Chaque manière à pour probabilité pk (1 − p)n−k . Ainsi : P(k) = Ck n pk (1 − p)n−k c’est la formule de Bernoulli. Otheman Nouisser ENCG-Kénitra, 2010
  • 65. Problème relatifs aux calculs des probabilités Exemple On jette une pièce de monnaie 10 fois. Quelle est la probabilité d’avoir 6 faces et 4 piles ? P(pile) = 1/2,P(4) = C4 10(1/2)6(1/2)4 = C4 10(1/2)10. Otheman Nouisser ENCG-Kénitra, 2010