CALCUL DE

PROBABILITÉS
 Chapitre II
Notion
de Probabilité
I. Introduction Générale
La théorie des probabilités
s’intéresse à l’étude de
l’aspect aléatoire de certains
phénomènes aléatoires. Son
but est alors de fournir des
outils mathématiques pouvant
servir à cette étude.
 Une fois que le phénomène
aléatoire observé, l’ensemble
des résultats possibles est dit :
Ensemble fondamental, ou
encore Espace échantillonnal,
il est dénoté S.
 A un espace échantillonnal
correspond un ensemble
d’événements aléatoires.
Un événement aléatoire E est
un sous-ensemble de l’espace
échantillonnal. Il contient un
ou plusieurs résultats de
l’expérience aléatoire.
II. Axiomes du calcul des
probabilités
Définition : Notion de probabilité
La probabilité d’un
événement A correspond au
rapport entre le nombre de
résultats favorables à
l’événement A et le nombre
de résultats de l’espace
échantillonnal. Elle est
dénotée :
Card(A) N A
P(A) = =
Card(S) N
Propriétés :

1°) P(S) = 1
2°) P(Æ) = 0
3°) Soient A et B deux événe-
ments de S.
P(AÈB) = P(A) + P(B) – P(AÇB)
 Card(AÈB)
P(AÈB) =
Card(S)
Card(A) + Card(B) – Card(AÇB)
=
Card(S)
Card(A) Card(B) Card(AÇB)
= + –
Card(S) Card(S) Card(S)
P(AÈB) = P(A) + P(B) – P(AÇB)
4°) P(A) = 1 – P(A)
S = AÈA donc P(S) = P(AÈA)
P(S) = P(A) + P(A) – P(AÇA)
or P(S) = 1 et P(AÇA) = P(Æ) = 0
donc 1 = P(A)+P(A) - 0 = P(A)+P(A)
d’où P(A) = 1 – P(A)
5°) " A événement, 0 £ P(A) £ 1
Card(A)
• P(A) =
Card(S)
Card(A) ³ 0 ; Card(S) >0

Card(A)
Donc ³ 0 ; P(A) ³ 0
Card(S)
• Si " A P(A) ³ 0, alors P(A) ³ 0,

or P(A) = 1 – P(A) ³ 0

donc P(A) £ 1 d’où 0 £ P(A) £ 1

III. Probabilité Conditionnelle
et Indépendante
III.1. Probabilité Conditionnelle
Soient A et B deux
événements. La probabilité
conditionnelle de B
sachant que A est réalisée,
est donnée par :
 P(BÇA)
P(B/A) = , où P(A) > 0
P(A)

III.2. Evénements indépendants

L’événement A est dit
indépendant de l’événement
B, si P(A/B) = P(A).
Remarque :
La relation d’indépendance
est symétrique. On dit que les
deux événements sont
indépendants.
Conséquences :
• Si A et B sont indépendants,
alors : P(AÇB) = P(A)xP(B)
• L’indépendance entre A et B
entraîne l’indépendance
entre A et B, entre A et B,
entre A et B.
Exemple :
Dans un jeu de cartes, on tire
au hasard une carte. Soit A :
« la carte tirée est un Roi », et
soit B : « la carte est un
cœur ». Est-ce que A et B sont
indépendants ?
IV. Formule de Bayes
La formule de Bayes ne peut
être appliquée que pour
un schéma probabiliste
qui comporte
deux niveaux d’aléatoire.
 On illustrera cela à travers
un exemple.
On considère deux urnes
U1 et U2, comprenant chacune
des boules noires et des boules
rouges dans les proportions
suivantes :
• Dans U1 :
p1 : proportion de boules
rouges.
q1 = 1 – p1 : proportion de
boules noires.
• Dans U2 :
p2 : proportion de boules
rouges.
q2 = 1 – p2 : proportion de
boules noires.
Ici le schéma probabiliste
comporte deux niveaux
d’aléatoire :
1erniveau : Choix aléatoire de
l’urne.
P1 : probabilité de l’urne U1.
P2 = 1 - P1 : probabilité de
l’urne U2.
2 èmeniveau : Une fois que
l’urne est choisie, on procède
à un tirage au hasard d’une
boule à partir de cette urne.
 Le problème de Bayes
est le suivant : Sachant par
exemple que la boule tirée est
noire, Quelle est la probabilité
qu’elle provienne
de l’urne U1 ?
 Pour répondre à cette
question, on va définir un
certain nombre d’événements,
soient :
A1 : « l’urne choisie est U1 »
A2 : « l’urne choisie est U2 »
R : « la boule tirée est rouge »
N : « la boule tirée est noire »
La problématique de Bayes
est alors de déterminer la
A1
probabilité P
N
A partir des événements déjà
définis, on aura les
probabilités suivantes :

P(A1) = P1, P R = p ,
A1 1

N
P A = q1
1
 P(A2) = P2, P R = p ,
A2 2

N
P A = q2
2
A1
Pour déterminer P
N
On va utiliser la formule de
probabilité conditionnelle :
P N x P(A1)
A1 A 1
P N =
P(N)

on a P N = q1
A1
P(A1) = P1
P(N) = P[N Ç A1] + P[N Ç A2]
= P1 q1 + P2 q2
A1 P q
1 1
P N =
P1 q1 + P2 q2
Théorème de Bayes :
Soient B1, B2, …, Bn
n événements formant
une partition de S, avec
P(Bi) > 0, "i.
 P(Bi) x P A
B Bi
P i = n
A A
Σ P(Bk) x P
k=1 Bk
Avec P(Bi) : probabilité à priori.
A
P B : probabilité à posteriori.
i
Application :
Dans une population,
la proportion de fumeurs est
de 30%. Une enquête a été
menée et sur la base de cette
enquête, on a constaté que
parmi les fumeurs,
20% sont atteints de maladies
pulmonaires, alors
qu’uniquement 1% des non
fumeurs sont atteints de
maladies pulmonaires.
 On prélève au hasard
une personne, sachant
qu’elle est malade, quelle
est la probabilité qu’elle soit
fumeur ?