Dénombrements et probabilités

rédigé par le professeur : E.Boutafrit

Ce cours est destiné au étudiants du deuxième année baccalauréat sciences expérimentales , nous allons
étudier dans ce cours la notion du dénombrement et celle du probabilités .
Nous allons travailler sur énorme de notions d’une façon simple , nous soulignerons les relations entre
le langage ensembliste et la langage probabiliste et nous étudierons en détail plusieurs situations concrètes
sous forme d’exercices .

" La connaissance s’acquiert par l’expérience, tout le reste n’est que de l’information. "
Albert Einstein

1
Prof : E.Boutafrit 2 PC& SVT

I- Dénombrement
1- Opérations sur les ensembles
Soient A et B deux sous-ensemble de E . E
• L’union : A ∪ B = {x ∈ E : x ∈ A ou x ∈ B} .
• L’intersection : A ∩ B = {x ∈ E : x ∈ A et x ∈ B} A
• Le complémentaire : {A = A = {x ∈ E : x 6∈ A} A∩B
• La différence : A − B = {x ∈ A et x 6∈ B}
• Le produit cartésien : A × B = {(x, y) : x ∈ A et y ∈ B}. B
A∩∅=∅,A∩E =A,A∪∅=A,A∪E =E .
A ∪ {A = E , A ∩ {A = ∅ .

Les lois de Morgan : A ∪ B = A ∩ B et A ∩ B = A ∪ B .

2- Cardinal d’un ensemble

Définition

Soit E un ensemble fini .

Le cardinal de E est le nombre de ses éléments noté Card(E) .

Exemples :
1. Si E = {a, b, c} alors Card(E) = 3 (car E contient trois éléments) .
2. Si E = {0, 1, 2, 4, 5, 6, 7, 8, 9} alors Card(E) = 10 (10 chiffres) .
3. Si E = {n ∈ 2N : 0 ≤ n ≤ 20} alors Card(E) = 11 (11 nombres pairs inférieur à 20) .
4. Si E = ∅ alors Card(E) = 0 (∅ ne contient aucun élément).

Compléments : Soient E un ensemble non vide et A et B deux parties de E .

• On dit que A et B sont disjoints lorsque A ∩ B = ∅ .
• Si A ∩ B = ∅ alors Card(A ∪ B) = Card(A) + Card(B) .
• d’une manière générale : Card(A ∪ B) = Card(A) + Card(B) − Card(A ∩ B) .
• Card(A × B) = Card(A) · Card(B) et Card(A) = Card(E) − Card(A) .

3- Principe fondamental du dénombrement

Théorème

Soient C1 , C2 , . . . , Cp p choix . Si
- le choix C1 se fait par n1 manières différentes .
- le choix C2 se fait par n2 manières différentes .
.
- ..
- le choix Cp se fait par np manières différentes .
Alors tous ces choix se fait par n1 × n2 × × · · · × np manière possibles.

1
Prof : E.Boutafrit 2 PC& SVT

Exemple 1 Quel est le nombre des nombres formés de deux chiffres parmi ces trois chiffres : 1,2,5.
- Pour choisir le chiffre des dizaines il y a 3 manières différentes .
- Pour choisir le chiffre des unités il y a 3 manières différentes .
Alors le nombre des nombres est : 3 × 3 = 9 .

Exemple 2 Un code se fait en utilisant deux lettres différentes suivis par un chiffre non nul .
- Le choix de la première lettre se fait par 26 manières possibles .
- Le choix de la deuxième lettre se fait par 25 manières possibles .
- Le choix du chiffre qui suit ces deux lettres se fait par 9 manières .
Donc le nombre global des codes possibles est : 26 × 25 × 9 = 5850 .

Exemple 3 Dans une classe il y a 21 filles et 12 garçons. Il faut une fille et un garçon pour représenter
la classe dans un événement culturel. Combien de possibilités de choix ?
En effet ,on a 21 possibilités pour choisir une fille et 12 possibilités pour choisir un garçon .
Ainsi il y a 21 × 12 = 252 possibilités .

Exemple 4 On lance une pièce de monnaie deux fois de suites. Quelle est le nombre de possibilités ?
En effet ,
Il y a 2 possibilités pour le premier jet : P (pile) ou F (face)
Il y a 2 possibilités pour le deuxième jet : P (pile) ou F (face)
Ainsi le nombre de possibilités est 2 × 2 = 4 . (sont P P ,P F , F F , F P ).

4- Arrangement avec répétition - arrangement sans répétition - permutation

Définition

Soit E un ensemble non vide et Card(E) = n .

• Tout élément de la forme (x1 , x2 , . . . , xp ) , tel que x1 , x2 , . . . , xp les éléments distincts ou pas
de E , s’appelle un arrangement avec répétition de p éléments parmi n éléments .
• Tout élément de la forme (x1 , x2 , . . . , xp ) , tel que x1 , x2 , . . . , xp les éléments deux à deux
distincts de E , s’appelle un arrangement sans répétition de p éléments parmi n éléments .
• Tout arrangement sans répétition de n éléments parmi n éléments s’appelle permutation de n
éléments .

Exemples explicatifs : On prend : E = {1, 2, 3} .

• Tout couple parmi les couples suivants : (1, 2) , (1, 3) , (2, 1) , (2, 3) , (3, 1) , (3, 2) , (1, 1) , (2, 2) ,
(3, 3) est un arrangement avec répétition de deux éléments parmi 3 éléments .
• Tout couple parmi les couples suivants : (1, 2) , (1, 3) , (2, 1) , (2, 3) , (3, 1) , (3, 2) est un arrangement
sans répétition de deux éléments parmi 3 éléments .
• Tout triplet parmi les triplets suivants : (1, 2, 3) , (1, 3, 2) , (2, 1, 3) , (2, 3, 1) , (3, 1, 2) , (3, 2, 1) est
une permutation de 3 éléments .

2
Prof : E.Boutafrit 2 PC& SVT

Remarque : L’ordre est très important pour les arrangements .

Propriétés

Soit p, n ∈ N∗ tel que 1 ≤ p ≤ n.

• Le nombre d’arrangements avec répétition de p éléments parmi n éléments est np .
• Le nombre d’arrangements sans répétition de p éléments parmi n éléments est :
Apn = n × (n − 1) × · · · × (n − p + 1) .
• Le nombre de permutations de n éléments est n! = n × (n − 1) × · · · × 2 × 1.
Le nombre n! se lit " factorielle n " et par convention 0! = 1.

n!
Remarque : Apn = .
(n − p)!

0! = 1
 par convention
Exemples de calculs :

∀n ∈ N : (n + 1)! = (n + 1) × n!


• 1! = 1 , 2! = 2 × 1 = 2 et 4! = 4 × 3 × 2 × 1 = 24 .
• A35 = 5 × 4 × 3 = 60 et A210 = 10 × 9 = 90 .

Exemple 1 : Un sac contient 5 jetons portent les lettres suivantes : a , b , c , d et e .

On tire successivement et avec remise 3 jetons du sac (c’est-à-dire on tire un jeton du sac et on le remet
dedans avant de tirer le jeton suivant ).
Chaque tirage successif avec remise de 3 jetons est un arrangement avec répétition de 3 éléments parmi
5 éléments .
Donc le nombre de tirages possible est : 53 = 125 .

Exemple 2 : Combien de façons différentes les 4 élèves s’assoient autour d’une table entourée par 6
chaises .
Chaque possibilité est un arrangement sans répétition de 4 éléments parmi 6 éléments .
Don le nombre de façons possible est : A46 = 6 × 5 × 4 × 3 = 360 .

Exemple 3 : Lorsqu’on tire successivement et sans remise tous les boules d’un sac contenant 4 boules
, alors chaque tirage est une permutation de 4 éléments .
Ainsi le nombre de tirages possible est : 4! = 4 × 3 × 2 × 1 = 24 .

5- Combinaisons
Définition

Soit E un ensemble non vide et Card(E) = n et p ≤ n .

Toute partie de E contenant p éléments s’appelle une combinaison de p éléments parmi n éléments .

3
Prof : E.Boutafrit 2 PC& SVT

Exemple explicatif : prenons : E = {1, 2, 3} .

• L’ensemble A = {1, 2} est une partie de E ( car A ⊂ E) .
• Tout ensemble parmi les ensembles suivants : {1, 2} , {1, 3} , {2, 3} est une combinaison de 2
éléments parmi 3 éléments .
Propriété

Apn n!
Le nombre des combinaisons de p éléments parmi n éléments est : Cnp = =
p! p!(n − p)!

Remarque : L’ordre n’est pas important pour les combinaisons .

Exemple : Une urne contient quatre boules numérotées par les nombres : 1 , 2 , 3 et 4 .
On tire simultanément trois boules de l’urne .
Chaque tirage est une combinaison de 3 éléments parmi 4 éléments .
4! 4 × 3!
Ainsi le nombre de tirages possible est : C43 = = =4.
3!(4 − 3)! 3!
Propriétés

Soit p, n ∈ N .
• Cnp = Cnn−p pour tout p ≤ n et Cn0 = Cnn = 1.
p
• Cnp−1 + Cnp = Cn+1 pour tout 1 ≤ p ≤ n (Formule de Pascal ).

Résumé : Ce qu’il faut retenir

Type du tirage L’importance de l’ordre Nombre de tirages
successif avec remise important np
successif sans remise important Apn
simultanément n’est pas important Cnp

II- Probabilités
1- Expérience aléatoire
Partons de l’exemple suivant : Lançons un dé non truqué (on dit encore bien équilibré ou parfait), sa
face supérieure porte l’un des nombres 1, 2, 3, 4, 5 ou 6 . Nous sommes incapables de prévoir quelle face
va apparaître. Nous sommes en présence d’une expérience aléatoire.
Définition

Un expérience aléatoire est une expérience dont on peut pas prévoir les résultats .

Exemple : Le lancer d’une pièce de monnaie, le lancer d’un dé bien équilibré, le tirage des boules
simultanément ou successivement avec remise ou sans remise . . . sont des expériences aléatoires, car avant
de les effectuer, on ne peut pas prévoir avec certitude quel en sera le résultat. Le résultat dépend en effet du
hasard.

4
Prof : E.Boutafrit 2 PC& SVT

Vocabulaires :
• éventualité ( ou possibilité , ou issue ) : est un résultat dans une expérience aléatoire .
• Univers : L’ensemble de tous les éventualités dans une expérience aléatoire , on le note par Ω .
• Événement : est une partie de l’univers Ω .
• Événement élémentaire : est un événement contenant une seule éventualité .
• Événement impossible : l’ensemble vide ∅.
• Événement certain : l’univers Ω .
• Deux événement A et B sont incompatibles si A ∩ B = ∅
• Deux événement A et B sont contraires si A ∩ B = ∅ et A ∪ B = Ω .

Exemple : On lance une seule fois un dé équilibré ses faces numérotés de 1 à 6 .

- L’univers est : Ω = {1, 2, 3, 4, 5, 6} .
- Les événement {1} , {2} , {3} ,... , {6} sont élémentaires .
- l’événement A : " avoir un nombre pair " .
On a A = {2, 4, 6} .
- L’événement B : "Obtenir un nombre un impair " .
On a B = {1, 3, 5} .
- L’événement B est l’événement contraire A et vice versa .
Car ( A ∩ B = ∅ et A ∪ B = Ω ).
- On note l’événement contraire de l’événement A par A .
Ainsi on a : A ∪ A = Ω et A ∩ A = ∅ .

2- Probabilité d’un événement

Définitions

Soit Ω = {ω1 , ω2 , . . . , ωn } l’univers .

• Lorsque la fréquence de réalisation d’un événement élémentaire {ωi } se stabilise autour d’un
nombre pi ∈ [0, 1] , on dit que la probabilité {ωi } est pi et on écrit p({ωi }) = pi tel que
p1 + p2 + · · · + pn = 1 .
• Le couple (Ω, p) s’appelle un espace probabilisé fini .
• La probabilité de l’événement A est égale à la somme des probabilités de tous ses événements
élémentaires qui le composent et on écrit p(A) .
• p(∅) = 0 et p(Ω) = 1 et ∀A ⊂ Ω : p(A) ∈ [0, 1] .

3- Schéma d’équiprobabilité
Lorsque les événements élémentaires d’une expérience ont la même probabilité, on dit qu’il y a d’équi-
probabilité.
Les situations d’équiprobabilité sont généralement suggérées par des expressions comme : "On tire au
hasard", "boules indiscernables au toucher", "dé bien équilibré", "dé non pipé" ...

5
Prof : E.Boutafrit 2 PC& SVT

Théorème

Soit (Ω, p) un espace probabilisé fini et A un événement inclus dans Ω .

Si tous les événements élémentaires ont la même probabilité alors la probabilité de l’événement A
Card(A)
est p(A) = .
Card(Ω)
nombre des cas favorables nombre d’éléments de A
P (A) = = .
nombre des cas possibles nombre d’éléments de Ω

Exemple : On lance un seule fois un dé non truqué ses faces numérotés de 1 à 6 .

On a Ω = {1, 2, 3, 4, 5, 6} .
1
et on a p({1}) = p({2}) = · · · = p({6}) = .
6
Soit l’événement A : " obtenir un nombre pair " .
1 1 1 3 1
On a p(A) = p({2}) + p({4}) + p({6}) = + + = = .
6 6 6 6 2
Soit l’événement B : " avoir un multiple de 3 " .
1 1 2 1
On a p(B) = p({3}) + p({6}) = + = = .
6 6 6 3
Propriété

Soient A et B deux événements de Ω .

• Si A ∩ B = ∅ alors p(A ∪ B) = p(A) + p(B) .
• p(A ∪ B) = p(A) + p(B) − p(A ∩ B) .
• p(A) = 1 − p(A) .
• Si A ⊂ B alors p(A) ≤ p(B) .

Application 1 Une urne contient 4 boules blanches , 6 boules rouges , 8 boules noires et deux boules
jaunes ( toutes les boules sont indiscernables au toucher).
On tire simultanément et au hasard 3 boules de l’urne .
1. Calculer Card(Ω) le nombre des cas possibles .
2. Calculer les probabilités des événements suivants :
• L’événement E : "tirer trois boules blanches "
• L’événement F : "tirer trois boules rouges "
• L’événement G : "tirer trois boules noires "
• L’événement H : "tirer trois boules jaunes "
• L’événement K : "tirer trois boules de même couleurs "
• L’événement M : "tirer trois boules différentes de couleurs "
• L’événement L : "tirer au plus deux boules jaunes "
• L’événement N : "tirer au moins une boule jaune "

Application 2 Un examen oral de mathématique comporte 5 questions en géométrie, 4 questions en al-

gèbre et 3 questions en analyse.
Le jury de l’examen donne l’occasion à un étudiant de tirer trois questions d’un sac contenant les 12
questions proposées .
Soient les événements suivants :

6
Prof : E.Boutafrit 2 PC& SVT

• L’événement A : " les trois questions sont en géométrie " .

• L’événement B : " une seule question pour chaque matière " .
• L’événement C : " au moins une question en géométrie " .
1. Lorsque cet étudiant tire au hasard et simultanément 3 questions , calculer p(A) , p(B) et p(C) .
2. Lorsque cet étudiant tire 3 questions l’une après l’autre sans remise , calculer p(A) , p(B) et p(C) .
3. Lorsque cet étudiant tire 3 questions l’une après l’autre avec remise , calculer p(A) , p(B) et p(C) .

Application 3 Dans une urne se trouve 9 jetons : quatre jetons rouges numérotés 0, 1 , 1 , 2 et trois jetons
verts numérotés 1 , 2 , 2 et deux jetons noirs numérotés 1 et 3 .
1. On tire simultanément et au hasard trois jetons de l’urne On considère les évènements suivants :
• L’événement A " Obtenir 3 jetons verts "
• L’événement B " Obtenir 3 jetons de même couleurs "
• L’événement C " Obtenir 3 jetons de couleurs différents "
• L’événement D " Obtenir 3 jetons qui portent le même numéro "
• L’événement E " Obtenir au moins un jeton qui porte le numéro 1 "
• L’événement F " Obtenir au plus un jeton vert "
• L’événement G " Obtenir 3 jetons de couleurs différents deux à deux"
Déterminer La probabilité des évènements A , B , C , D , E , F et G .
2. Même question pour le tirage successif de trois jetons avec remise.
3. Même question pour le tirage successif de trois jetons sans remise.

Application 4 dans une classe de terminale 54% aiment le foot-ball et 32% aiment le basket-ball et 15%
aiment ces deux sports .
On choisie au hasard un élève de cette classe. Quelle est la probabilité des événements suivants :
1. L’événement I : " l’élève aime le foot-ball mais pas le basket-ball "
2. L’événement J : "l’élève aime le foot-ball ou le basket-ball ou les deux a la fois " .
3. L’événement K : " l’élève aime une seule sport " .
4. L’événement L : " l’élève n’aime ni le foot-ball ni le basket-ball " .

Solution : Considérons les deux événements ; F : " l’élève aime la foot-ball " et B : " l’élève aime le
basket-ball " .
1. On voit bien que I = F ∩ B et (F ∩ B) ∩ (F ∩ B) = ∅.
On a F = (F ∩ B) ∪ (F ∩ B) donc p(F ) = p(F ∩ B) + p(F ∩ B) .
54 15 39
d’où p(I) = p(F ∩ B) = p(F ) − p(F ∩ B) = − = .
100 100 100
54 32 15 71
2. On p(J) = p(F ∪ B) = p(F ) + p(B) − p(F ∩ B) = + − = .
100 100 100 100
3. On voit bien que K = (F ∩ B) ∪ (F ∩ B) et (F ∩ B) ∩ (F ∩ B) = ∅ .
Donc p(K) = p((F ∩ B) ∪ (F ∩ B)) = p(F ∩ B) + p(F ∩ B) .
Or p(F ∩ B) = p(B) − p(F ∩ B) alors
39 32 15 56
p(K) = p(I) + p(B) − p(F ∩ B) = + − = .
100 100 100 100
71 29
4. p(L) = p(F ∩ B) = p(F ∪ B) = 1 − p(F ∪ B) = 1 − p(J) = 1 − = .
100 100

7
Prof : E.Boutafrit 2 PC& SVT

4- Probabilité conditionnelle
Définition

Soit A et B deux événements de Ω tel que A 6= ∅ .

La probabilité de l’événement B sachant que l’événement A est réalisé est le nombre noté par pA (B)
p(A ∩ B)
ou bien p(B/A) et défini par : pA (B) = .
p(A)

Exemple : Une urne contient 9 boules indiscernables au toucher , parmi eux :

Cinq boules noires numérotées par : 1 , 1 , 1 ,2 et 2 .
Quatre boules blanches numérotées par : 1 , 1 , 2 et 2 .
On tire simultanément une seule boule de l’urne .
Quelle est la probabilité de l’événement : " tirer une boule noire sachant qu’elle porte le numéro 1 " .
Pour répondre à cette question , on va considérer les deux événements :
• L’événement I : "tirer une boule porte le numéro 1 " .
• L’événement N : " tirer une boule noire " .
5
On a p(I) = (cinq boules portent le numéro 1 parmi 9 boules ) .
9
3
Et on a p(N ∩ I) = ( trois boules portent le numéro 1 et noires parmi 9 boules . ).
9
p(I ∩ N ) 3
Donc la réponse est : pI (N ) = = .
p(I) 5
(vous pouvez penser à l’arbre des éventualités) .
Propriété

Soient A et B deux événements non impossibles de Ω . On a

• p(A ∩ B) = p(A) × pA (B) = p(B) × pB (A) .
• Si A ∩ B = ∅ alors pA (B) = pB (A) = 0 .

Application 1 Soit A, B ⊂ Ω tels que p(A) = 0, 5 , p(B) = 0, 4 et p(A ∪ B) = 0, 7.

1. Calculer la probabilité de l’événement A ∩ B .
2. Calculer pA (B) et pB (A) .

Application 2 une urne contient 25 boules dont 15 boules blanches et 10 boules noires.
On tire au hasard une boule de l’urne puis on tire une autre boule sans remettre la première dedans .
1. Sachant que la première boule tirée est blanche quelle est la probabilité pour que la deuxième soit
aussi blanche .
2. Sachant que la première boule tirée est noire , quelle est la probabilité pour que la deuxième soit
aussi noire .
3. Quelle est la probabilité des événements suivants :
L’événement E :" On obtient deux boules blanches " .
L’événement F : " On obtient deux boules noires " .
L’événement G : " On obtient deux boules de couleurs différentes " .

8
Prof : E.Boutafrit 2 PC& SVT

5- Formule des probabilités totales

Définition

On dit les événements A1 , A2 , ... , An forment une partition de Ω s’ils vérifient :

• ∪ni=1 Ai = A1 ∪ A2 ∪ · · · ∪ An = Ω .
• ∀i 6= j : Ai ∩ Aj = ∅ .

Exemple : On a vu précédemment que : A ∪ A = Ω et A ∩ A = ∅ alors A et A est une partition de Ω .

Théorème

Soient A1 , A2 , ... , An une partition de Ω .

Pour tout événement B de l’univers Ω on a :
p(B) = p(B ∩ A1 ) + · · · + p(B ∩ An )
= p(A1 ) × pA1 (B) + · · · + p(An ) × pAn (B)

Remarque : Pour tout événement de B de l’univers Ω on a :

p(B) = p(A) × pA (B) + p(A) × pA (B) .
Et des fois on utilise l’arbre des probabilités pour traiter quelques questions : :

épreuve 1 épreuve 2
pA (B) B p(A ∩ B) = p(A) × pA (B)

A
p(A)
pA (B) B p(A ∩ B) = p(A) × pA (B)

pA (B) B p(A ∩ B) = p(A) × pA (B)

p(A)
A
pA (B) B p(A ∩ B) = p(A) × pA (B)

Exemple : On considère deux urnes U1 et U2 tels que :

• U1 contient deux boules rouges et 3 boules noires .
• U2 contient 3 boules rouges et 4 boules noires .
On choisit simultanément et au hasard l’une des deux urnes et on tire simultanément une boule .
Calculons la probabilité de l’événement R : " tirer une boule rouge " .
On considère les deux événements A1 : " choisir l’urne U1 " et A2 : " choisir l’urne U2 "
On a A1 et A2 deux événements forment une partition de l’univers Ω .

9
Prof : E.Boutafrit 2 PC& SVT

Donc d’après la formule des probabilités totales , on a :

p(R) = p(R ∩ A1 ) + p(R ∩ A2 )

= p(A1 ) × pA1 (R) + p(A2 ) × pA2 (R)
1 2 1 3
= × + ×
2 5 2 7
1 3 29
= + =
5 14 70

Application 1 Ahmed lance une pièce pièce équilibrée à deux faces .

S’il obtient pile , il tire une boule de l’urne U1 contenant 2 boules blanches et 3 boules rouges .
Sinon, il tire de l’urne U2 contenant 4 boules rouges et 1 boule blanche .
1. Calculer la probabilité de tirer une boule blanche .
2. Calculer la probabilité de tirer une boule rouge .
3. Calculer la probabilité d’avoir face sachant qu’on tirer une boule blanche .

Application 2 Une usine produite les lampes par 3 machines : M1 , M2 et M3 .

• La machine M1 garantit 20% de la production et 5% des lampes sont défectueuses .
• La machine M2 garantit 30% de la production et 4% des lampes sont défectueuses .
• La machine M3 garantit 50% de la production et 1% des lampes sont défectueuses .
On a pris d’une manière aléatoire une lampe .
1. Quelle est la probabilité des événements suivants :
(a) La lampe sera défectueuse et produite par la machine M1 .
(b) La lampe sera défectueuse et produite par la machine M2 .
(c) La lampe sera défectueuse et produite par la machine M3 .
2. En déduire la probabilité de l’événement " la lampe est défectueuse " .
3. On a pris au hasard une lampe qui est défectueuse , calculer la probabilité d’avoir une lampe produite
par la machine M1 .

6- Événement indépendants
Définition

Soient A et B de l’univers Ω .
On dit que A et B deux événements indépendants si : p(A ∩ B) = p(A) × p(B)

Exemple : On lance deux fois successives un dé équilibré , ses faces numérotés de 1 à 6 .

On considère les deux événements :
• l’événement A : " avoir le nombre 6 au premier lancer " .
• L’événement B : " avoir le nombre 6 au deuxième lancer " .
1
On a Card(Ω) = 62 = 36 et p(A ∩ B) = .
36
6 1
Et encore p(A) = p(B) = = .
36 6
Ainsi p(A ∩ B) = p(A) × p(B) c’est-à-dire A et B sont indépendants .

10
Prof : E.Boutafrit 2 PC& SVT

Application 1 A et B deux événements tels que p(A) = 0.4 et p(B) = 0.3 .

1. Calculer p(A ∩ B) et p(A ∪ B) sachant que A et B sont indépendants.
2. Calculer p(A ∩ B) et p(A ∪ B) sachant que A et B sont incompatibles.

Application 2 Un urne contient neuf jetons indiscernables au toucher : trois jetons blancs numérotés par :
2 , 2 , 1 et deux jetons jaunes numérotés par : 1 , 1 et quatre jetons noirs numérotés par : 1 , 1 , 1 , 2 .
On tire au hasard et simultanément trois jetons de l’urne .
On considère les événements suivants :
• L’événement A : " les trois jetons tirés ont le même numéro " .
• L’événement B : " les jetons tirés de couleurs différents deux à deux " .
1. Calculer p(A) et p(B) la probabilité des événements A et B .
2. Calculer la probabilité de l’événement A ∩ B .
3. Est-ce que les événements A et B sont indépendants ? justifier .
4. Calculer la probabilité de l’événement C : " les jetons tirés ont le même numéro sachant que les
trois jetons tirés de couleurs différents deux à deux " .

7- Les épreuves indépendantes

Définition

On on considère une expérience aléatoire formé de deux épreuves .

Si les résultats de la première épreuve n’influencent pas sur celles de la deuxième épreuve , on dit
que ces deux épreuves sont indépendantes .

Exemples :
1. si on jette une pièce de monnaie non truquée n fois. On peut modéliser cette expérience comme une
répétition de n épreuves identiques (L’épreuve : c’est jeter une pièce de monnaie) Et que le résultat
d’une épreuve ne dépend pas de celles qui l’ont précédée .
On dira que ces épreuves sont indépendantes .
2. Si On lance un dé cubique équilibré 4 fois de suite : On peut dire que cette expérience est une
répétition de 4 épreuves identiques (L’épreuve : c’est jeter un dé une fois) Et que le résultat d’une
épreuve ne dépend pas de celles qui le précède .
Donc ces épreuves sont indépendantes

Épreuve de Bernoulli

On appelle épreuve de Bernoulli une épreuve n’ayant que deux issues : Succès (S) et Échec (E).
La loi de Bernoulli de paramètre p associe à l’issue succès (S) de probabilité p et à l’issue échec (E)
de probabilité (1 − p).

11
Prof : E.Boutafrit 2 PC& SVT

Propriété : Schéma de Bernoulli

Soit A un événement de probabilité p dans une épreuve aléatoire et k, n ∈ N : k ≤ n .

Si on répète cette épreuve n fois alors la probabilité de la réalisation de l’événement A exactement k
fois est égale à Cnk pk (1 − p)n−k .

Exemple : On lance trois fois successives une pièce de monnaie équilibrée .

On considère l’événement A : " avoir pile P ".
Calculons la probabilité de l’événement B " l’événement A réalise deux fois ".
1
On a p = p(A) = ( car une pièce de monnaie ait deux faces pile P et face F ).
2
1 1 3
Ainsi p(B) = C3 p (1 − p)3−2 = 3 × × = .
2 2
4 2 8
Et sin on trace l’arbre des probabilités on aura :

p(B) = p(P P F ) + p(P F P ) + p(F P P )

1 1 1 1 1 1 1 1 1
= × × + × × + × ×
2 2 2 2 2 2 2 2 2

3
=
8

8- Variables aléatoires
Définition

Toute application X définie de Ω vers R est appelée une variable aléatoire .

Exemple : On lance deux fois successives une pièce de monnaie non truqué .
On a l’univers des éventualités est Ω = {(P, P ), (P, F ), (F, P ), (F, F )} .
Lorsqu’on associe chaque éventualité par le nombre de fois dont on obtient la face P , alors on a définit
une variable aléatoire X sur Ω .
Donc la variable aléatoire X prend les valeurs : 0 , 1 et 2 .
Et on écrit X(Ω) = {0, 1, 2} .
A partir de cette exemple on a :
• L’événement (X = 1) contient deux éventualités (F, P ) et (P, F ) .
Donc (X = 1) = {(P, F ), (F, P )} .
• (X ≤ 1) = {(F, F ), (F, P ), (P, F )} .
• (X ≥ 2) = {(P, P )} et (X > 2) = ∅ .

Application 1 On lance deux dés cubiques les faces de chacun numérotés de 1 à 6 .

Soit X La variable aléatoire qui associe chaque éventualité par le plus grand des deux nombres obtenus
.
Déterminer les valeurs que prend la variable aléatoire X .

12
Prof : E.Boutafrit 2 PC& SVT

Application 2 On lance un dé équilibré à 6 face deux fois de suite .

Soit X la variable aléatoire égale à la somme des deux résultats obtenus .
Déterminer les valeurs possible de X(Ω) .

9- Loi de probabilité d’une variable aléatoire

Définition

Soit X une variable aléatoire sur Ω tel que X(Ω) = {x1 , x2 , . . . , xn } .

La détermination de la loi de probabilité de la variable aléatoire X signifie le calcul de probabilité de
tous les événements (X = xi ) où 1 ≤ i ≤ n .
Et souvent on récapitule la loi de probabilité de X sous forme de ce tableau :

xi x1 x2 x3 ... xn
p(X = xi ) p1 p2 p3 ... pn

on a toujours : p1 + p2 + p3 + · · · + pn = 1 .

Exemple : Une urne contient six boules numérotés par : 0 , 0 , 0 , 1 , 1 et 2 .

On tire simultanément et au hasard deux boules de l’urne .
Soit X la variable aléatoire qui associe chaque tirage par la somme des deux nombres que portent les
boules tirées .
On a X(Ω) = {0, 1, 2, 3} et Card(Ω) = C62 = 15 . Déterminons la loi de probabilité de la variable
aléatoire X .
• L’événement (X = 0) est de tirer deux boules portent 0 .
Card(X = 0) C2 3
Donc p(X = 0) = = 3 = .
Card(Ω 15 15
• L’événement (X = 1) est de tirer une boule porte 0 et une autre porte 1 .
Card(X = 1) C 1 × C31 6
Donc p(X = 1) = = 2 = .
Card(Ω) 15 15
• L’événement (X = 2) est de tirer deux boules portent 1 ou bien de tirer une boule porte 2 et une
autre porte 0 .
Card(X = 2) C 2 + C11 × C31 4
Donc p(X = 2) = = 2 = .
Card(Ω) 15 15
• L’événement (X = 3) est de tirer une boule porte 1 et une autre porte 2 .
Card(X = 3) C 1 × C21 2
Donc p(X = 3) = = 1 = .
Card(Ω) 15 15
On remarque que :
3+6+4+2
p(X = 0) + p(X = 1) + p(X = 2) + p(X = 3) = =1
15
xi 3 2 1 0
On récapitule la loi de X sous forme de ce tableau : 2 4 6 3
p(X = xi ) 15 15 15 15

13
Prof : E.Boutafrit 2 PC& SVT

10- Espérance mathématique - Variance - Écart-type

Définitions

Soit X une variable aléatoire sur Ω tel que X(Ω) = {x1 , x2 , . . . , xn } .

• L’espérance mathématique de X est le nombre réel E(X) défini par : :

E(X) = x1 × p(X = x1 ) + · · · + xn × p(X = xn )

• La variance de X est le nombre réel positif V (X) défini par :

V (X) = (x1 − E(X))2 × p(X = x1 ) + · · · + (xn − E(X))2 × p(X = xn )

p
• L’écart-type de X est le nombre positif σ(X) = V (X)

Propriété
n
X
2 2
V (X) = E(X ) − (E(X)) où E(X ) = 2
x2i × p(X = xi )
i=1

Exemple : On est arrivé dans l’exemple précédent au tableau suivant :

xi 3 2 1 0
2 4 6 3
p(X = xi ) 15 15 15 15

Calculons E(X) , V (X) et σ(X) .

On a :
3 6 4 2
E(X) = 0 × +1× +2× +3×
15 15 15 15

0 6 8 6
= + + +
15 15 15 15

20 4
= =
15 3

3 6 4 2
E(X 2 ) = 02 × + 12 × + 22 × + 32 ×
15 15 15 15

0 6 16 18
= + + +
15 15 15 15

40 8
= =
15 3
Donc
 2
2 8 2 4 8
V (X) = E(X ) − (E(X)) = − =
3 3 9

14
Prof : E.Boutafrit 2 PC& SVT

et finalement on a :
√
p 2 2
σ(X) = V (X) =
3

Application 1 Une urne contient 5 boules blanches et 3 boules noires indiscernables au toucher. On tire
au hasard et simultanément de l’urne 3 boules et l’on considère la variable aléatoire X définie par " nombre
de boules noires parmi les boules tirées ".
1. Quelles sont les valeurs prises par X ?
2. Déterminer la loi de probabilité de X .
3. Calculer l’espérance mathématique, la variance et l’écart-type de X .

Application 2 Une urne contient neufs boules numérotées de 1 à 9 (indiscernables au toucher ) .

On tire de l’urne au hasard trois boules successivement et sans remise .
Soit X la variable aléatoire qui associe à chaque tirage le nombre de boules qui portent un chiffre impair
.
1. Calculer Card(Ω) et déterminer les valeurs possibles de X .
2. Déterminer la loi de probabilité de la variable aléatoire X .
3. Calculer E(X) , V (X) et σ(X) respectivement l’espérance , la variance et l’écart-type de la variable
aléatoireX.

Application 3 Une urne contient deux boules rouges et trois boules blanches .
On tire au hasard une boule puis on la remet dans l’urne avec deux autres boules de même couleurs et
on tire de nouveau .
Soit X la variable aléatoire égale le nombre de boules blanches tirées lors des deux tirages .
1. Donner la loi de la variable X .
2. Calculer E(X) , V (X) et σ(X) .

11- Loi binomiale

On considère une expérience aléatoire formée de la répétition du même épreuve n fois d’une manière
indépendante et soit A un événement de cette épreuve de probabilité p.
La probabilité de la réalisation de l’événement A exactement k fois est : Cnk pk (1 − p)n−k .
Définition

La variable aléatoire X qui lie chaque éventualité au nombre de fois que l’événement A se réalise
s’appelle une variable aléatoire binomiale de paramètres n et p (on note B(n, p)).

Théorème

Soit X une variable aléatoire de paramètres n et p .

• X(Ω) = {0, 1, 2, . . . , n} et p(X = k) = Cnk pk (1 − p)n−k .
p
• E(X) = np , V (X) = np(1 − p) et σ(X) = np(1 − p).

15
Prof : E.Boutafrit 2 PC& SVT

Exemple
1. On lance une fois un dé cubique équilibré et on considère l’événement suivant : A :" On obtient un
diviseur de 3 " calculer p = p(A)
2. On répète cette épreuve quatre fois de suite. Soit X la variable aléatoire qui est égale au nombre de
fois de la réalisation de l’événement A .
Déterminer la loi de probabilité de X et calculer l’espérance mathématique et la variance de X .

Solution :
2 1
1. On a A = {1, 3} donc p = p(A) = = .
6 3
1
2. X est une variable aléatoire binomiale de paramètres n = 4 et p = .
3
1 k 2 4−k



On a alors ∀k ∈ {0, 1, 2, 3, 4} : p(X = k) = C4k pk (1 − p)4−k = C4k 3 3
.

k 0 1 2 3 4
16 32 24 8 1
p(X = k) 81 81 81 81 81

4 1 2 8
Ainsi E(X) = 4p = et V (X) = 4p(1 − p) = 4 · · = .
3 3 3 9

Application 1 Une urne contient quatre boules blanches et deux boules noires .
On considère le jeu suivant : " Un joueur tire simultanément deux boules de l’urne , et considéré gagnant
s’il tire deux boules de même couleurs " .
Mohammed a joué cinq fois ce jeu .
Soit X la variable qui associe chaque résultat par le nombre de fois où Mohammed a gagné le jeu .
1. Vérifier que X est une variable aléatoire binomiale en déterminant ses paramètres .
2. Calculer la probabilité des événements suivants : (X = 2) , (X = 4) et (X ≤ 1) .
3. Calculer E(X) , V (X) et σ(X) .

16