Professional Documents
Culture Documents
R
esum
e du cours de probabilit
e
1 Combinatoire
Soit E un ensemble. On note #E son cardinal, cest-`a-dire le nombre de ses elements.
Rappelons que # = 0. Soit E un ensemble `a n elements (n 0). Soit P(E) lensemble
de toutes les parties de E.
Proposition 1. #P(E) = 2n .
Remarque 3. Les coefficients Cnk sont appeles coefficients binomiaux. Par convention, on
pose 0 ! = 1. On a bien alors #P0 () = 1. Il y a dans tout ensemble une partie `a 0 element
qui est , y compris dans lui-meme.
Propri
et
es
1. Il y a autant de parties `a k elements que de parties `a n k elements. Donc
Cnk = Cnnk .
2. Le nombre de toutes les parties de E est egal `a la somme des nombres de ses parties
de cardinaux distincts. Soit
Xn
Cnk = 2n .
k=0
1
0 k n 5.
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
1 6 15 20 15 6 1
4. Binome de Newton. Ces nombres sont appeles les coefficients binomiaux car ils in-
terviennent dans le calcul des puissances dun binome.
n
X
(a + b)n = Cnk ak bnk .
k=1
Le tirage sans remise Dans une collection de N objets dont r rouges, on effectue n
tirages sans remise. Si n N et k r et n k N r, le nombre de tirages contenant
nk
k objet rouges est Crk CN n
r . Le nombre total de tirages est CN .
Le tirage avec remise Dans une collection de N objets dont r rouges, on effectue n
tirages avec remise, cest-`a-dire que lon remet lobjet tire dans le lot apr`es lavoir observe.
Le nombre de tirages contenant k objet rouges est Cnk rk (N r)nk . Le nombre total de
tirages est N n . Il ny a pas de restrictions sur k et n.
2 Probabilit
es
2
Propri
et
es
(P1) P() = 0.
(P2) Si A et B sont deux evenements quelconques, non necessairement disjoints, on a
card(A)
P(A) =
card()
Cette probabilite est appelee probabilite (ou loi) uniforme sur lensemble . Elle cor-
respond `a la notion intuitive de chance. On lutilise lorsque lon peut decrire lensemble
des possibilites, et quelles sont toutes equiprobables. Cest generalement la situation des
exercices de type pile ou face, jeu de des, urnes, etc. Les probabilites des evenements
sont alors calculees en determinant le cardinal de ces evenements, `a laide des formules de
combinatoire (faisant le plus souvent intervenir les coefficients binomiaux).
Ce nest pas la seule situation possible.
Corrige. Pour resoudre cet exercice, il faut faire un dessin et appliquer la propriete (P2).
(i) P(un et un seul seul evenement est realise)
= P(A) + P(B) + P(C) 2P(A B) 2P(B C) 2P(C A) + 3P(A B C).
(ii) P(exactement deux evenements sont realises)
= P(A B) + P(B C) + P(C A) 3P(A B C) .
(iii) P(aucun evenement nest realise)
= P((A B C)c ) = 1 P(A B C)
= 1 P(A) P(B) P(C) + P(A B) + P(B C) + P(C A) P(A B C).
3
Exercice 2.2. On lance deux des. On note par A levenement la somme des des est
impaire, par B levenement au moins lun des des montre 1, et C la somme des des
est 5. Decrire A B, A B, B C, A B c .
Corrige. Les lancers possibles de deux des sont les couples ordonnes (i, j), avec 1 i, j 6.
A B = {(1, 2), (2, 1), (1, 4), (4, 1), (1, 6), (6, 1)} ;
A B = {(1, 1), (1, 2), (2, 1), (1, 3), (3, 1)(1, 4), (4, 1), (1, 5), (5, 1), (1, 6), (6, 1), (2, 3), (3, 2),
(2, 5), (5, 2), (3, 4), (4, 3), (3, 6), (6, 3), (4, 5), (5, 4), (5, 6), (6, 5)} ;
B C = {(1, 4), (4, 1)}
A B c = {(2, 3), (3, 2), (2, 5), (5, 2), (3, 4), (4, 3), (3, 6), (6, 3), (4, 5), (5, 4), (5, 6), (6, 5)}.
Exercice 2.3. On lance trois des. Quels sont les jets qui donnent une somme egale `a 11 ?
`a 12 ? Quelle somme est-elle la plus probable ?
Corrige. Les lancers de trois des sont des triplets ordonnes (i, j, k), avec 1 i, j, k 6. Il
y a 216 tels triplets au total. A chaque triplet non ordonne {i, j, k} correspondent
- 6 triplets ordonnes si i, j, k sont deux `a deux distincts ;
- 3 triplets non ordonnes si i = j ou i = k ou j = k et le troisi`eme est distinct ;
- 1 triplet ordonne si i = j = k.
Soient A levenement la somme des trois des est 11 et B levenement la somme des
trois des est 11.
Les triplets non ordonnes correspondant `a A sont : {1,4,6}, {1,5,5}, {2,3,6}, {2,4,5},
{3,3,5}, {3,4,4}. On a donc card(A) = 6+3+6+6+3+3=27, et P(A) = 27/216 = 1/8.
Les triplets non ordonnes correspondant `a B sont : {1,5,6}, {2,4,6}, {2,5,5}, {3,3,6},
{3,4,5}, {4,4,4}. On a donc card(B) = 6+6+3+3+6+1=25, et P(A) = 25/216 < 1/8.
Il est plus probable de faire une somme egale `a 11 avec trois des que 12.
Exercice 2.4. Quelle est la probabilite que les anniversaires de r personnes aient lieu `a des
dates differentes. Quelle est la valeur minimale de r qui assure que cette probabilite soit
inferieure `a 1/2.
Corrige. On peut decrire le probl`eme de la facon suivante : on jette r boules dans n = 366
cases ; quelle est la probabilite pour quaucune case ne contienne au moins deux boules ?
Il y a nr facons de lancer les r boules dans les n cases, et n(n 1) . . . (n r + 1) facons de
choisir les r cases distinctes. La probabilite cherchee est donc
n(n 1) . . . (n r + 1)
= (1 1/n)(1 2/n) . . . (1 (r 1)/n) .
nr
Pour n = 366, on trouve que le plus petit nombre r de personnes pour lequel la probabilite
est inferieure `a 1/2 est 23. Cest-`a-dire que si 23 personnes sont reunies, il y a plus dune
chance sur deux que deux soient nees le meme jour. Parmi 50 personnes, il y a 97% de
chance que deux soient nees le meme jour.
4
3 Probabilit
es conditionnelles
Definition 6 (Probabilite conditionnelle). Soit un ensemble. Soit P une probabilite sur
. Soit B un evenement de probabilite non nulle. On appelle probabilite conditionnelle
sachant B la probabilite sur definie par :
P(A B)
A , P(A|B) = .
P(B)
P(B|A)P(A)
P(A|B) = .
P(B)
Remarque 7. On applique souvent la formule des probabilites totales avec deux evenements
complementaires B et B c . Elle devient alors
Exercice 3.1. On tire 2 cartes dans un jeu de 52. Quelle est la probabilite pour que la
deuxi`eme carte soit un as.
corrige. Lintuition elementaire est que la probabilite est 1/13. Pour le prouver, on peut
decomposer cet evenement selon la nature de la premi`ere carte. Notons A1 levenement
la premi`ere carte du paquet est un as et A2 levenement la deuxi`eme carte du paquet
est un as. Par application de la formule des probabilites totales, on a
3 4 4 48 4 1
P(A2 ) = P(A2 | A1 )P(A1 ) + P(A2 | Ac1 )P(Ac1 ) = + = = .
51 52 51 52 52 13
5
Exercice 3.2 (Examen de Septembre 2005). La proportion reelle des electeurs votant pour
le candidat A est p. Au cours dun sondage, un electeur qui va reellement voter pour le
candidat A repond honnetement avec la probabilite 90%. Ceux qui ne voteront pas pour
A repondent honnetement `a 95%.
(i) Calculer en fonction de p la probabilite q pour quun electeur, pris au hasard, reponde
quil va voter pour A.
(ii) En deduire en fonction de p la probabilite r pour quun electeur, pris au hasard, vote
reellement pour A sachant quil a repondu quil vote pour A.
(iii) Application numerique. Calculer q et r lorsque p = 5% et p = 45%.
Corrige. Le but de cet exercice est dappliquer la formule des probabilites totales et la
formule de Bayes. Notons H levenement lelecteur interroge repond honnetement et A
levenement lelecteur vote pour le candidat A. Les donnees de lenonce sont donc :
(i) Lelecteur repond quil va voter pour A sil va vraiment voter pour A et repond
honnetement, ou sil ne va pas voter pour A et repond malhonnetement. Notons Q
levenement lelecteur repond quil vote pour A. Par la formule des probabilites
totales, on a
4 Ind
ependance
D
efinition 8 (Independance de deux evenements).
Deux evenements sont independants si P(A B) = P(A)P(B).
Remarques 9.
Si P(A) = 0, alors A est independant de tout autre evenement.
Si A et B sont independants, alors A et B c sont independants.
6
Si A et B sont disjoints, alors ils ne sont pas independants, sauf si lun des deux
est de probabilite nulle.
Remarque 12. Cette definition semble complexe, mais elle est necessaire pour eviter des
contradictions. Il est important de noter que lindependance dune famille devenements
est une propriete plus forte que lindependance des evenements deux `a deux.
Les tirages
- Dans une suite de tirages sans remise, les tirages successifs ne sont pas independants ;
- Dans une suite de tirages avec remise, les tirages successifs sont independants.
Exemple 13. On effectue une suite de tirages dans une urne qui comporte des boules rouges
en proportion p. Quelle est la probabilite pour que la premi`ere boule rouge apparaisse au
troisi`eme tirage ?
Soit A levenement en question. Pour i = 1, 2, 3, notons Ai levenement la i-`eme boule
tiree est rouge. On a donc A = Ac1 Ac2 A3 . Pour poursuivre, il faut preciser quel type
de tirage on effectue.
Tirage avec remise. Les tirages sont independants. A chaque tirage, la probabilite
de succ`es est p. On a donc
Tirage sans remise. Les tirages ne sont pas independants, et la probabilite de succ`es
varie. De plus il faut connatre la constitution exacte de lurne, et non seulement
la proportion de boules rouges. Soit N le nombre total de boules et r le nombre
de boules rouges. Les tirages netant pas independants, on utilise les probabilites
conditionnelles.
r N r1N r
P(A) = P(A3 | Ac2 Ac1 )P(Ac2 | Ac1 )P(Ac1 ) = .
N 2 N 1 N
Application numerique.
Considerons tout dabord N = 10, r = 5.
54 5 5
Tirage avec remise : P(A) = 1/8 = 0, 125 ; tirage sans remise : P(A) = 8 9 10 = 36 0, 139.
La difference est de lordre de 11%.
Considerons maintenant N = 100, r = 50.
7
50 49 50
Tirage avec remise : on a toujours P(A) = 1/8 ; tirage sans remise : P(A) = 98 99 100 =
25
198 0, 12627. La diff
erence est de lordre de 1%.
La difference entre les deux modes de tirage est tr`es faible lorsque le nombre de tirages
est tr`es faible devant la population consideree. En particulier, un sondage dopinion est
un tirage sans remise ; mais lechantillon interroge est generalement tr`es petit par rapport
`a la population totale (1000 personnes interrogees pour une population de lordre de 60
millions).
5 Variables al
eatoires
Definition 14 (Variable aleatoire). Une variable aleatoire est une application de dans
un ensemble E appele espace des realisations de la variable aleatoire.
D
efinition 16 (Indicatrice). Soit A un evenement. On appelle indicatrice de levenement
A, notee 1A , la variable aleatoire qui vaut 1 si A est realise et 0 sinon.
8
prendre toutes les valeurs enti`eres de 0 `a n. Si le tirage est sans remise, Sn ne peut pas
etre superieure au nombre total de boules rouges.
Exemple 18. Soit {A1 , . . . , An , . . .} une suite illimitee devenements, par exemple le resultat
(boule rouge ou boule verte) dune suite de tirages avec remise. Soit T la date du premier
evenement realise. Par exemple T peut etre la date du tirage de la premi`ere boule rouge.
Alors T peut prendre toute valeur enti`ere. Le nombre de valeurs possibles pour T est infini,
contrairement aux exemples precedents.
Une variable aleatoire nest pas une application dont on peut prevoir la valeur. Ce
que lon peut connatre a priori, avant toute experience dune variable aleatoire, cest la
probabilite quelle se realise de telle ou telle facon. Cest ce quon appelle la loi de la
variable aleatoire.
Definition 19. Soit X une variable aleatoire de dans un espace E. La loi de X est la
donnee des probabilites de realisation de X : P(X A) pour toute partie A E.
Pour poursuivre letude des variables aleatoires, il faut les distinguer selon lensemble
des valeurs quelles peuvent prendre. Lensemble des valeurs prises par les variables aleatoi-
res decrites dans les exemples precedents est fini ou denombrable, cest-`a-dire equipotent
`a N : on peut denombrer, enumerer les valeurs prises. Ces variables aleatoires sont dites
discr`etes.
5.1 Variables al
eatoires discr`
etes
D efinition 20. Une variable aleatoire est dite discr`ete si elle prend un nombre fini ou
denombrable de valeurs.
9
Theor`eme 22.
- La loi binomiale B(n, p) est la loi du nombre de succ`es dans une suite de n tirage avec
remise, p etant la probabilite de succ`es de chaque tirage.
- La loi geometrique de param`etre p est la loi de la date du premier succ`es dans une suite
de tirages avec remise de probabilite de succ`es p.
Th eme 23. Soit X une variable aleatoire de loi binomiale B(n, p). Si n est grand
eor`
(n 100) et p petit, de telle sorte que np 5, alors la loi de X peut etre approchee par la
loi de Poisson de param`etre = np. Plus precisemment, si pn depend de n de telle sorte
que limn npn = , alors, pour tout k entier et n k, on a
k
lim P(X = k) = lim Cnk pkn (1 pn )nk = e .
n n k!
Exercice 5.1. Dans une entreprise, une machine produit des pi`eces dont les dimensions
tr`es precises doivent etre respectees.
(i) Apr`es un premier reglage, on constate que la probabilite pour une pi`ece detre
defectueuse est de 1/3. On examine 5 pi`eces choisies au hasard dans la production.
Soit X la variable aleatoire nombre de pi`eces defectueuses parmi les 5.
Quelle sont la loi, lesperance et la variance de X ?
Quelle est la probabilite pour quil ny ait pas de pi`ece defectueuse ?
Quelle est la probabilite pour quil ny ait pas plus dune pi`ece defectueuse ?
(ii) Apr`es un second reglage, la probabilite pour une pi`ece detre defectueuse tombe `a
0.05. On examine maintenant un lot de 100 pi`eces. Calculer la probabilite :
de ne pas trouver de pi`ece defectueuse,
de trouver deux pi`eces defectueuses,
de trouver un nombre de pi`eces defectueuses compris entre un et trois (au sens
large).
Corrige. i) La loi de X est la loi binomiale B(5, 1/3). Son esperance est 5/3 et sa variance
est 10/9 (cf. section 5.3). Par definition de la loi binomiale, on a
10
5.2 Variables al
eatoires ind
ependantes
Definition 24. Soient X1 , , Xn , . . . des variables aleatoires `
a valeurs dans des espaces
E1 , , En , . . . Les variables Xi sont conjointement independantes si pour tout k N et
pour k-uplet devenements A1 , , Ak de E1 , , Ek , on a
5.3 Esp
erance math
ematique
Definition 26 (Esperance). Lesperance est une application definie sur lensemble des
variables aleatoires, notee E, caracterisee par les proprietes suivantes :
lesperance de lindicatrice dun evenement est la probabilite de cet evenement :
E[1A ] = P(A) ;
lesperance est lineaire : E[aX + bY ] = aE[X] + bE[Y ] ;
lesperance est croissante : si X Y alors E[X] E[Y ] ; en particulier, si X 0,
alors E[X] 0.
Th eor`
eme 27. Soit X une variable aleatoire discr`ete `
a valeurs dans un ensemble E et
soit une fonction de E dans R. Alors
X
E[(x)] = (x)P(X = x) .
xE
Propri
etes
var(X) est nulle si et seulement si X est une variable constante.
Soit X une variable aleatoire et a R. var(aX) = a2 var(X).
Esp
erance et variance de lois usuelles discr`
etes
11
loi de X E[X] var(X)
Bernoulli B(p) p p(1 p)
Binomiale B(n, p) np np(1 p)
Geometrique de param`etre p 1/p (1 p)/p2
Poisson P()
Propriet
es
Soient X et Y deux variables aleatoires. var(X +Y ) = var(X)+2cov(X, Y )+var(Y ).
Si X et Y sont independantes, alors cov(X, Y ) = 0 et donc var(X + Y ) = var(X) +
var(Y ).
Exercice 5.2. Soient X et Y des variables aleatoires discr`etes dont la loi jointe est donnee
par le tableau suivant.
12
X \Y -1 0 2 5
0 0,10 0,05 0,15 0,05
1 0,15 0,20 0,25 0,05
(i) Verifier que ce tableau definit bien une loi de probabilite bivariee.
(ii) Quelle est la loi marginale de X ?
(iii) Quelle est la loi marginale de Y ?
(iv) X et Y sont-elles independantes ?
(v) Calculer P(Y 0 | X = 1).
(vi) Calculer E[X], E[Y ], var(X), var(Y ) et cov(X, Y ).
Corrige.
(i) Il suffit de verifier que la somme de toutes les valeurs du tableau est 1.
(ii) X prend les valeurs 0 et 1 avec les probabilites
P(X = 0) = 0, 10 + 0, 05 + 0, 15 + 0, 05 = 0, 35 ;
P(X = 1) = 0, 15 + 0, 20 + 0, 25 + 0, 05 = 0, 65.
On v
erifie que P(X = 0) + P(X = 1) = 1.
(iii) Y prend les valeurs -1, 0, 2 et 5 avec les probabilites
P(Y = 1) = 0, 10 + 0, 15 = 0, 25 ; P(Y = 0) = 0, 05 + 0, 20 = 0, 25 ;
P(Y = 2) = 0, 15 + 0, 25 = 0, 40 ; P(Y = 5) = 0, 05 + 0, 05 = 0, 10.
erifie que P(Y = 1) + P(Y = 0) + P(Y = 2) + P(Y = 5) = 1.
On v
(iv) X et Y ne sont pas independantes car P(X = 0 et Y = 0) = 0, 05 tandis que
P(X = 0)P(Y = 0) = 0, 35 0, 25 = 0, 0875 6= 0.05.
(v) P(Y 0 | X = 1) = P(Y = 0 | X = 1)+P(Y = 2 | X = 1)+P(Y = 5 | X = 1) = 0, 5.
(vi) E[X] = 0, 35 ; E[Y ] = 1, 05 ; var(X) = 0, 2275 ; var(Y ) = 3, 2475 ;
XX
cov(X, Y ) = xy{P(X = x et Y = y) P(X = x)P(Y = y)}
x6=0 y6=0
X
= y{P(X = 1 et Y = y) P(X = 1)P(Y = y)}
y6=0
13