Probability S

Enseignante: A.
GUERRAB
Introduction : la thorie des probabilits
La thorie des probabilits est une science
qui a pour but ltude des expriences

alatoires; elle vise construire des
modles mathmatiques pour analyser des
situations impliquant lincertitude, et
dfinir des mesures exactes de cette
incertitude par lintermdiaire de ces
modles.
Introduction : notions lmentaires

Exprience :
Une exprience est tout processus impliquant une certaine

intervention humaine.
Exemple:
1.Lancer une pice de monnaie un certains nombre de fois ;
2.Observer le nombre de pices dfectueuses dans un lot de
pices ;
3.Observer le nombre de clients qui entrent dans un
supermarch durant une journe ;
4....
Exprience alatoire:
Toute exprience qui satisfait aux deux conditions suivantes :

1.On ne peut pas prvoir avec certitude le rsultat de
lexprience ;
2.On peut dcrire tous les rsultats possibles avant
lexprience.
Ensemble fondamental S:
On appelle ensemble fondamental S, lensemble de tous les
rsultats possibles qui peuvent se produire dans une
exprience alatoire.

Ensemble fondamental S:
On appelle ensemble fondamental S, lensemble

de tous les rsultats possibles qui peuvent se produire
dans une exprience alatoire.
Exemple:
On lance deux ds et on note la somme des points

obtenus sur chacun deux.
S 2, 3, 4, 5, 6, 7, 8, 9,10,11,12

Il existe deux faons permettant de
dcrire lensemble fondamental S :
1.
Description explicite : numrer tous les lments

de lensemble S ;
2.
Description implicite : utiliser un formalisme

mathmatique pour dcrire lensemble S.
Exemple
Soit lexprience alatoire consistant lancer
une pice de monnaie trois fois de suite et
observer la suite de piles (P) ou de faces (F)
obtenues.
Introduction : notions
lmentaires
Description explicite

Description implicite
S (1 , 2 , 3 ) tel que i P, F , i 1,2,3

Rsultats de chaque lanc
Chaque rsultat peut tre soit Pile ou Face
S est un ensemble de triplets

vnement :
On appelle vnement tout sous-ensemble de

lensemble fondamental (S) associ une
exprience alatoire.
Les vnements sont nots par des lettres
majuscules (A, B, C,) et peuvent tre dcrit dune
manire implicite ou explicite.
On dit quun vnement A se ralise si et seulement
si lexprience alatoire donne un des rsultats
constituant cet vnement.

Exemple :
Pour contrler la qualit dun lot de pices

produites par une machine, on prlve
successivement 3 pices de ce lot et, pour
chacune delle, on note si elle est bonne (B) ou
dfectueuse
( B, B, B ),(D).
( B, B, D), ( B, D, B), ( D, B, B)
( B, D, D), ( D, B, D), ( D, D, B), ( D, D, D)
Soit les deux vnements suivants :

A : obtenir au moins 2 pices dfectueuses.
B : obtenir une pice dfectueuse au 2ime
tirage et
une bonne pice au 3ime tirage.

Resultat :
( B, B, B), ( B, B, D), ( B, D, B ), ( D, B, B )
S
( B, D, D), ( D, B, D), ( D, D, B ), ( D, D, D)
Lvnement A : obtenir au moins 2 pices
dfectueuses
A ( B, D, D), ( D, B, D), ( D, D, B ), ( D, D, D)
Lvnement B : obtenir une pice dfectueuse
au 2ime tirage et une bonne pice au 3ime
tirage.
B ( B, D, B ), ( D, D, B )

Exemple
( B, B, B ), ( B, B, D), ( B, D, B ), ( D, B, B )
S
( B, D, D), ( D, B, D), ( D, D, B), ( D, D, D)

vnement A : nobtenir aucune pice dfectueuse
vnement B : obtenir exactement une pice
dfectueuse
vnement C : obtenir au plus une pice dfectueuse
A ( B, B, B )
B ( B, B, D), ( B, D, B), ( D, B, B)
C ( B, B, B), ( B, B, D), ( B, D, B ), ( D, B, B)
Remarques
A et B sont incompatibles
A est un vnement simple
A implique C
B et C sont deux vnements composs
Introduction au calculs de Probabilits

Probabilit dun rsultat s S
Sous lhypothse dquiprobabilit pour un
ensemble fondamental S contenant N rsultats,
on assigne chaque rsultat s S, une probabilit
1/N.
P(s) = 1/N o N=|S| s S
La cardinalit de lensemble

Probabilit dun vnement E S
La probabilit dun vnement E sera dfinie comme la somme
des probabilits de chacun des vnements lmentaires qui
le constitue.
Exemple
Soit lensemble fondamental associ lexprience alatoire
consistant lancer un d une fois est S = {1, 2, 3, 4, 5, 6}.
Sous lhypothse de lquiprobabilit, on assigne chacun des
6 rsultats une probabilit 1/6.
Soit lvnement A = obtenir un nombre pair de points sur le
d.
Par dfinition A = {2, 4, 6} ou comme la runion de trois
vnements lmentaires A = {2} U {4} U {6}. Ainsi, P(A) =
P({2}) + P({4}) + P({6}) = 3/6 = 0.5.

Probabilit dun vnement E S
Sous lhypothse dquiprobabilit, on appelle

probabilit dun vnement E, le nombre rel not
P(E) et dfini par :
nombre de rsultats favorables E

P( E )
nombre de rsultats de S
Exemple
Soit lvnement B = obtenir un nombre impair de

points sur le d. Le nombre de cas favorables est 3
puisque B = {1, 3, 5}. Or le nombre de rsultats
possibles de S est 6 puisque S = {1, 2, 3, 4, 5, 6}.
Donc, P(B) = 3/6 = 0.5

Proprits:
Soient A et B deux vnements relatifs

la mme exprience alatoire :
1.P(A) 0
2.P(S) = 1
3.Si A et B sont incompatibles ou
mutuellement exclusifs alors

P(A B) = P(A) + P(B)

Rgles
Soient E et F deux vnements relatifs la mme

exprience alatoire
:
1. P(E) = 1 P(E)
2. P() = 0
3. Si E F alors P(E) P(F)
4. 0 P(E) 1
5. P(E F) = P(E) - P(E F) = P(F) - P(F E)
6. P(E F) = P(E) + P(F) - P(E F) (rgle daddition ou calcul des
probabilits totales)

Contexte : dfinition classique de la
probabilit
Lensemble fondamental S est fini
Les rsultats de lensemble S sont quiprobables
La probabilit dun vnement E, note P(E), est
dtermine de la manire suivante :
P( E )
nombre de rsultats favorables E

nombre de rsultats de S
Il est souvent difficile dnumrer tous les rsultats

possibles des ensembles E et S pour calculer P(E)
Analyse combinatoire
Analyse combinatoire : Contexte et

dfinition
Dfinition
Lanalyse combinatoire est un ensemble de

formules qui ont pour but de dnombrer les
diffrentes dispositions que lon peut
former partir des lments dun
ensemble fini.
Dfinition
Une disposition est une
disposition peut tre :
collection
dlments.
Ordonne ou non et
Forme dlments Distincts ou non.
Une
Analyse combinatoire : contexte et

dfinition
Exemples
Dispositions Ordonnes ou non :

Les deux ensembles suivants : A0 = {a, b, c} et A1 = {c, b,
a} sont deux dispositions non ordonnes.
Les deux mots suivants : M1 = abc et M2 = acb sont deux
dispositions ordonnes.
Dispositions formes dlments Distincts ou non :

La disposition suivante est forme dlments distincts : A0
= {1, 2, 3}.
La disposition suivante est forme dlments non distincts
: D0 = {1 ; 1 ; 2 ; 4 ; 4 ; 3}.
Analyse combinatoire :notions

gnrales
En analyse combinatoire, il est important
de distinguer deux principes

fondamentaux :
1.Le principe de multiplication
Si une
opration A peut tre effectue de m faons, et si aprs
que A a t effectue, une deuxime opration B peut
tre effectue de n faons, alors les deux oprations
successives peuvent tre effectues de m n faons.
2.Le principe daddition : Si deux oprations A et

B sont mutuellement exclusives et sil y a m faons de
raliser A et n faons de raliser B, alors il y a m + n
faons de raliser lune ou lautre de ces deux
oprations.
Analyse combinatoire :
Exemples
Exemples
Dans une organisation, deux postes diffrents
doivent tre combls. Cinq personnes ont pos leur
candidature. De combien de faons diffrentes
peut-on attribuer ces deux postes P1 et P2 ?
Rponse
Pour occuper le poste A, il y a cinq candidats
possibles. Une fois que le poste A est combl, il
reste 4 candidats possibles pour combler le poste
B.
Donc, il existe 5 X 4 = 20 faons diffrentes
Opration B : combler le poste 2 une fois le poste 1 est
combl = 4 faons diffrentes
Opration A : combler le poste 1 = 5 faons diffrentes
Analyse combinatoire : Exemples

Exemple 2
De combien de faons peut-on distribuer deux prix
diffrents parmi dix enfants si les deux prix peuvent
tre accords un mme enfant ?
Rponse
Pour attribuer le prix 1, il y a 10 enfants candidats.
Une fois que le prix 1 est attribu, tous les enfants,
cest--dire les 10, sont encore candidats pour le
deuxime prix puisque le mme enfant peut gagner
deux prix.
Donc, il existe 10 X 10 = 100 faons diffrentes.

Opration B : attribuer le prix 2 une fois le prix 1 est
attribu = 10 faons diffrentes
Opration A : attribuer le prix 1 = 10 faons diffrentes
notions
gnrales
La notion factorielle : Dfinition
On dsigne par factorielle n et lon note n!, le produit des n

premiers entiers positifs.
n! = n (n-1) (n-2) 3 2 1
Par convention, on a 0! = 1
Exemples :
4! = 4 3 2 1 = 24
5! = 5 4 3 2 1 = 120
Rgle de simplification
Calculer 10!/6! ?
Rponse : 10!/6! = (10 9 8 7 6!) / 6! = 5040
Arrangement sans rptition
Dfinition
Soit un ensemble S de n lments distincts ;

on appelle arrangement sans rptitions de
ces n lments pris la fois (r n) toute
disposition ordonne
de r lments
distincts choisis dans S. Le nombre de ces
dispositions est le suivant :
n!
A n (n 1) (n 2) ... (n r 1)
(n p)!
p
n
Analyse combinatoire: Arrangement sans

rptition
Exemple explicatif
Soit un ensemble S = {a, b, c, d}, on cherche lensemble de

toutes les dispositions ordonnes de 2 lments.
Rponse
D1 = (a ; b)
D2 = (a ; c)
D3 = (a ; d)
D4 = (b ; c)
D5 = (b ; d)
D6 = (c ; d)
tape 1 : On cherche tout dabord tous
les sous-ensembles de 2 lments
quon peut construire partir de A
D7 = (b ; a)
D8 = (c ; a)
D9 = (d ; a)
D10 = (c ; b)
D11 = (d ; b)
D12 = (d ; c)
A42
4! 4 3 2!
12
2!
2!
tape 2 : On cherche ensuite pour chaque

sous-ensemble les diffrentes dispositions
ordonnes quon peut avoir

rptition
Exemple 1
Dans une comptition de patinage artistique,
trois mdailles (or, argent, bronze) sont convoites

par douze candidates. De combien de faons
lattribution de ces mdailles peut-elle se faire sil ne
peut y avoir dex quo ?
Rponse
Rq1 : chaque candidat ne peut avoir quune seule mdaille.
Rq2 : une mdaille ne peut tre attribuer quun seul candidat
puisque il ne peut y avoir dex quo.
12 11 10 1320
Mthode 1 : principe de multiplication
A123
12!
12 11 10 9!
1320
(12 3)!
9!
Mthode 2 : Arrangement

rptition
Exemple 2
Dans un groupe on compte 18 filles et

garons. On veut former un comit excutif
quatre membres pour remplir les postes
prsident, de vice-prsident, de secrtaire et
trsorier. De combien de faons peut-on former
comit :
13
de
de
de
ce
a) sil ny a pas de contrainte ?

b) si les postes de prsident et de secrtaire doivent
tre occups par une fille et les autres postes par
un garon ?

rptition
Rponse
a) Sil ny a pas de contrainte ?
31 30 29 28 755160
A314
31!
31 30 29 28 27!
755160
(31 4)!
27!
a) Si les postes du prsident et du secrtaire doivent tre

occups une fille et les autres postes par un garon ?
18 13 17 12 47736
18!
13!
A182 A132
18 17 13 12 47736
(18 2)! (13 2)!
Analyse combinatoire: Arrangement avac rp

Dfinition
Soit un ensemble S de n lments distincts ; on

appelle arrangement avec rptitions de ces n
lments (r n) toute disposition ordonne de r
lments distincts choisis dans S avec rptition.
Le nombre de ces dispositions est le suivant :
A n n n ... n n
p
n
Analyse combinatoire: Arrangement avec

rptition
Exemple 1:
combien de mots de 3 lettres peut-on

former avec lalphabet ( on ne tient pas
compte du sens du mot).
Rponse:
ce nombre de mots est gal au nombre
darrangement avec rptition de 3lettres
parmi les 26 lettres de lalphabet soit:
A 26 26 26 26
3
26
Analyse combinatoire: Arrangement avec

rptition
Exemple 2:
Quelle est la capacit thorique dun standard

tlphonique de numros 10 chiffres?
Rponse:
Chaque chiffre peut tre choisi de 10 faons.
On dispose de
A 10
10
10
possibles thoriquement
10
lignes
Analyse combinatoire: Permutation sans

rptition
Dfinition
Soit un ensemble A de n lments distincts ;
une permutation sans rptitions de ces n
lments est un arrangement sans rptitions
de ces n lments pris n la fois.
Une permutation sans rptition de n
lments nest quune faon particulire
dordonner ces lments. Ainsi le nombre de
permutations est dtermin de la manire
suivante :
Pn
n
An
n!

rptition
Exemple 1:
Soit un ensemble A = {a, b, c}, on cherche
toutes les dispositions ordonnes de ces 3
lettres.
Rponse:
D1 = (a ; b ; c)
D2 = (a ; c ; b)
D3 = (b ; a ; c)
D4 = (b ; c ; a)
D5 = (c ; a ; b)
D6 = (c ; b ; a)
A33
3! 3 2
6 P3 3! 3 2 1
0!
1
Case 1
Case 2
Case 3
Objet 1
Objet 2
Objet 3
3 possibilits
Case 1
Case 2
Case 3
2 possibilits
Case 1
Case 3
1 possibilit
Case 1

rptition
Exemple 2 :
Calculer le nombre de possibilits quil y a de
ranger sur une tagre de bibliothque 5 gros
livres, 4 livres de grosseur moyen et 3 livres
beaucoup plus minces. Sachant que les livres
de mme dimension sont placs les uns
cot des autres.
Rponse :
G
M P
5!4!3!3! 103680
5!
4! 3!

rptition
Exemple 3 :
Dans le cadre dun jeu, il faut placer sur une
range de cinq siges cinq enfants dont Anne
et Pierre. Trouvons le nombre de faons de
procder :
b) si Anne et Pierre doivent tre assis cte cte ?
c) si Anne et Pierre ne doivent pas tre assis cte
cte ?
Rponse :
a) 5! = 120 faons diffrentes.
b) Il y a quatre faons pour que Anne et pierre sassoient
lun cot de lautre : APEEE, EAPEE, EEAPE et EEEAP.

rptition
Rponse exemple ...
Cas 1
A P E E E
2!
3! = 12 faons diffrentes
Cas 2
E A P E E
2!
Cas 3
E E A P E
2!
Cas 4
E E E A P
2!

rptition
Rponse exemple ...
c) Le nombre de faons pour que Anne et pierre ne soient pas
assis lun cot de lautre est le suivant :
5! 48 = 120 48 = 72 faons diffrentes
Le nombre de permutations pour

que Anne soit cot de Pierre
Le nombre total de permutations
Analyse combinatoire: Permutation avec

rptition
Dfinition
Soit un ensemble A de n lments non
tous discernables; on repartit ces n lments
en k groupes discernable. Les lments dun
mme groupe sont indiscernables.
Le
nombre
de
permutations
avec
rptitions de ces n lments est donn par;
n!
Pn1,n2,,,,,,,,,,nk ! ! !
n1 n2 nk
n
Analyse combinatoire: Permutation avec

rptition
Exemple:
De combien de faon peut-on ranger 5 boules
blanche, 3boules noires et 2 boules rouges si lon suppose
indiscernables les boules de mme couleur.
10
5 , 3, 2
10!
5 !3 !2 !
Analyse combinatoire: Combinaison sans

rptition
Dfinition
Soit un ensemble A de n lments distincts ;
toute disposition non-ordonne de r lments
distincts
(r n) choisis dans A est une
combinaison sans rptitions de r lments
pris la fois.
Une combinaison sans rptition est le nombre
de sous-ensembles de cardinalit r quon peut
construire partir dun ensemble A de
cardinalit n. Ce nombre est pdtermin de la
An
manire suivante
: n!
p
Cn
p!(n p)!
p!

rptition
Exemple explicatif
Soit un ensemble A = {a, b, c, d}, on cherche
tous les sous-ensembles de cardinalit 2
quon peut construire partir de lensemble
A.
Rponse
SE1 = {a, b}
SE2 = {a, c}
SE3 = {a, d}
SE4 = {b, c}
SE5 = {b, d}
SE6 = {c, d}
4!
4 3 2!
C
6
2!(4 2)!
2!2!
4
2

rptition
Exemple 1:
Dans une universit, il y a 5 conomistes
et 6 sociologues. On doit former un comit
compos de 3 conomistes et de 3
sociologues. Combien de comits diffrentes
pourrait-on former si :
a) Tous peuvent y participer
b) Un conomiste ne peut y participer
c) Deux sociologues doivent absolument faire partie
de ce comit.

rptition
Rponse:
a)
5!
6!
C C
200
3!(5 3)! 3!(6 3)!
b)
4!
6!
C C
80
3!( 4 3)! 3!(6 3)!
c)
5!
4!
C C
40
3! (5 3)! 1! (4 1)!
3
5
3
4
3
5
3
6
3
6
1
4

rptition
Exemple 2
De combien de faons on peut slectionner
personnes dun groupe de 5 couples maris :
a) Sil doit y avoir deux hommes et deux femmes ?

b) Si le mari et son pouse ne peuvent tre choisis ?
Rponse
5!
C C (
) 2 100
2!(5 2)!
b) Il y a cinq cas :
a)
2
5
2
5
Cas1 : choisir 4 homme et aucune femme OU

Cas2 : choisir 3 hommes et une femme qui nest pas lpouse daucun de ces derniers OU
Cas3 : choisir 2 hommes et 2 femmes qui ne sont pas pouses daucun de ces derniers OU
Cas4 : choisir un homme et 3 femmes qui ne sont pas lpouse de ce dernier OU
Cas5 : choisir 4 femmes et aucun homme

rptition
Rponse exemple 2
Cas1 : choisir 4 hommes et aucune femme OU
C45 C05 5
Cas2 : choisir 3 hommes et une femme qui nest pas lpouse daucun de ces derniers OU
5
53
3
1
C C
20
Cas3 : choisir 2 hommes et 2 femmes qui ne sont pas pouses daucun de ces derniers OU
C25 C25 2 30
Cas4 : choisir un homme et 3 femmes qui ne sont pas lpouse de ce dernier OU
C15 C351 20
Cas5 : choisir 4 femmes et aucun homme
C05 C45 5
5 + 20 + 30 + 20 + 5 = 80 faons diffrentes

rptition
Exemple 3
Un club de bridge est compos de cinq
couples de gens maris. Afin dorganiser un
tournoi, il faut choisir un comit de quatre
membres. De combien de faons ce comit
peut-il tre constitu :
b) si les femmes doivent tre reprsentes ?
Rponse
10!
10
a) C4
4!(10 4)!
210
b) C15 C35 C25 C25 C35 C15 C45 C05 205

Une femme
2 femmes
3 femmes
4 femmes
Analyse combinatoire: Combinaison avec

rptition
Dfinition:
Le nombre de combinaisons de r lments
pris parmi n lments avec remise est
p
n p 1
(n p 1)!
p!(n 1)!
Exemple:
Les combinaisons avec rptition deux
lments de lensemble {1,2,3} sont: {1,1},{1,2},
{1,3},{2,2},{2,3} et {3,3}
2
3 2 1
(3 2 1)!
6
2!(3 1)!
Probabilit conditionnelle: Introduction

Dfinition:
La notion des probabilits conditionnelles
sintroduit chaque fois que lon dispose dune
information partielle sur le rsultat dune
exprience alatoire.
Dune manire gnrale, il est possible de
dfinir la probabilit dun vnement A
sachant
quon
possde
une
certaine
information reprsente par un autre
vnement B. Cette probabilit conditionnelle
sera reprsente formellement de la manire
suivante :
P( A / B)
Linformation quon possde

ou quon connat
P(A sachant que B sest ralis) =

Exemple:
on lance un d 6 faces. Soient les
vnements;
A avoir le chiffre 2
C avoir un chiffre
impair
B avoir
un chiffre pair D avoir un chiffre
1
P (0
A)
6
1
P(A sachant que B sest ralis) =
3
() P(A)
P(A sachant que D sest ralis) = 0 () P(A)

P(A sachant que C sest ralis) =
1
6
(=) P(A)
Si A est un vnement associ une

exprience alatoire et B un vnement de
probabilit non nulle associ la mme
exprience alatoire, alors la probabilit de
ralisation de A lorsque B est ralis sappelle
la probabilit conditionnelle de A sachant B et
lon note :
P( A B)
P( A | B)
o P(B) 0
P( B)

Exemple:
Dans lexprience alatoire consistant
lancer deux ds, quelle est la probabilit davoir
une somme gale 8 sachant que les deux ds
indiquent des rsultats diffrents ?
Rponse
A : Obtenir une somme gale 8
B : les deux ds indiquent des rsultats diffrents
S (1,1), (1,2), (1,3),..., (6,6) 36 rsultats

A ( 2,6), (3,5), ( 4,4), (5,3), (6,2) 5 rsultats
B (1,2), (1,3)..., (1,6), (2,1), (2,3),..., ( 2,6),...
P( A / B)
P( A B) (4 / 36)
0.133
P( B)
(30 / 36)
6!
A 30
4!
6
2
30 rsultats
Probabilit conditionnelle: Indpendance en

probabilit
Lorsque la ralisation dun vnement B ne modifie pas
la probabilit de la ralisation dun vnement A, on dit
alors que B est indpendant de A.
Dfinition
Les vnements A et B sont dit indpendants en
probabilit si et seulement si :
P ( A B ) P ( A) P( B )
Note : indpendance versus incompatibilit (ou m.e)
Incompatibilit signifie que les deux vnements A et B

( A Bpar
)0
ne peuvent se raliser simultanment Pet
consquent
Indpendance signifie que la probabilit de ralisation
de lvnement A nest pas modifie par la ralisation
de lvnement B et par consquent
P( A | B) P( A)

probabilit
Exemple:
Soit lexprience consistant tablir la composition dune famille
de trois enfants ; considrons les vnements suivants :
A: lane est une fille
B: le deuxime enfant est une fille
C: la famille comprend une suite de deux filles
Parmi eux dterminons quelles sont les paires dvnements
indpendants.
Rponse
S = {(f, f, f), (f, f, g), (f, g, f), (g, f, f)
(g, g, g), (f, g, g), (g, f, g), (g, g, f)}
A = {(f, f, f), (f, f, g), (f, g, f), (f, g, g)}
P(A) = 4/8 = 0.5
B = {(f, f, f), (f, f, g), (g, f, f), (g, f, g)}
P(B) = 4/8 = 0.5
C = {(f, f, f), (f, f, g), (g, f, f)}
P(C) = 3/8 = 0.375

probabilit
A B
= {(f, f, f), (f, f, g)}P ( A B ) 2 / 8 0.25
AC
= {(f, f, f), (f, f, g)}P ( A C )
B C
= {(f, f, f), (f, f, g), (g, f, f)}P ( B C ) 3 / 8 0.375
2 / 8 0.25
On cherche savoir si
P( A B) P( A) P( B)
0.25 = 0.5 * 0.5
oui
P( A C ) P( A) P(C ) 0.25 0.5 * 0.375 non

P( B C ) P( B) P(C ) 0.375 0.5 * 0.375 non

probabilit
Formule
composes
des
probabilits
P( A B) P ( A) P( B | A)
P( B) P( A | B)
avec P ( A) 0 et P ( B ) 0
Dcoule directement de la dfinition
de la probabilit conditionnelle

probabilit
Exemple:
Soit lexprience qui consiste tirer au hasard, lune
aprs lautre, sans remise, deux ampoules lectriques
dans une bote contenant 10 ampoules dont 3 sont
dfectueuses et 7 sont bonnes. Soient :
Di lvnement lampoule choisie au ime tirage est
Dfectueuse, i = 1,2.
Bi lvnement lampoule choisie au ime tirage est
Bonne, i = 1,2.
On pourrait sintresser lvnement choisir deux
ampoules dfectueuses dans les deux tirages :
( D2 D1 )
La probabilit associe cet vnement P
est:
P( D2 D1 ) P( D1 ) P( D2 / D1 )
3 2 2

10 9 30
Probabilit conditionnelle: probabilit totale
Contexte
Lorsque, dans le cadre de certaines expriences
alatoires, on cherche valuer la probabilit dun vnement
E, il peut arriver quil soit trs difficile dvaluer directement
P(E) alors quil est assez facile dvaluer la probabilit de E
conditionne par dautres vnements Ei, i= 1,..,n. Dans ce
cas, il plus adquat dutiliser la formule des probabilits
totales.
Dfinition
Soit E1, E2, E3, En, un groupe dvnements

incompatibles deux deux et dont la runion est
lensemble fondamental (partition de S) et soit E un
vnement quelconque nde S alors :
P ( E ) P(Ei ) . P(E|Ei )
i 1
Probabilit conditionnelle: probabilit totale

Exemple:
Dans un cgep, il y a 3 filles pour 4 garons. Il est
connu que 35% des garons sont des fumeurs contre
seulement 20% des filles. Trouver la probabilit quen
interrogeant un tudiant au hasard dans ce cgep, on
Rponseun fumeur.
choisisse
F : la personne interroge est une fille
G : la personne interroge est un garon
E : la personne interroge est un fumeur
P(E) = P(F).P(E/F) + P(G).P(E/G)

= (3/7)*(0.2) + (4/7)*(0.35) =
0.286
Probabilit conditionnelle: probabilit bayes

Contexte
Dans un premier temps on obtient une partition de S
reprsente par les vnements E1, E2, E3, En avec leur
probabilit P(Ei), i=1,,n associe.
Dans un deuxime temps, on dispose dun vnement
A pour lequel on connat les probabilits conditionnelles
P(A/Ei), i=1,,n.
On demande de calculer P(Ei/A), Ei est lun des
vnements E1, E2, E3, En , cest--dire dvaluer les
probabilits de diverses causes de A.

Dfinition
Soit E1, E2, E3, En, une partition de S telle que P(Ei)>0,
i=1,,n et soit Ei un des vnements de cette partition et A
un vnement quelconque de S alors :
P( Ei / A)
P(Ei ) P ( A / Ei )
n
P(E ) . P(A|E )
i 1

Exemple:
Un professeur sait par exprience que la
probabilit de russir son cours est de 0,95 pour
ltudiant(e) qui travaille rgulirement, de 0,5 pour
celui ou celle qui travaille plus ou moins et de 0,2 pour
qui ne travaille pas du tout. Il estime, de plus, que
parmi les lves qui suivent son cours, 50 % travaillent
rgulirement et 35 % travaillent plus ou moins. Si lon
considre un(e) tudiant(e) au hasard dans un groupe
auquel ce professeur enseigne, trouver la probabilit :
a) quil (ou elle) russisse le cours
b)Rponse
Quayant russi, il (ou elle) nait pas travaill du tout.
A : ltudiant(e) qui travaille rgulirement

B : ltudiant(e) qui travaille + ou C : ltudiant qui ne travaille pas de tout
R : russir le cours
Formule de
Probabilit totale
a) P(R) = P(A).P(R/A) + P(B).P(R/B) + P(C).P(R/C)

= (0.5)*(0.95) + (0.35)*(0.5) + (0.15)*(0.2) =
0.68
b) P (C / R ) P (C ) P ( R / C ) 0.15 0.2 0.0441
P( R)
0.68
Formule de Bayes
Enseignante: A.
GUERRAB

Probability S

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Probability S

Hochgeladen von

Copyright:

Verfügbare Formate

Enseignante: A.

Introduction : la thorie des probabilits

La thorie des probabilits est une science

qui a pour but ltude des expriences

Introduction : notions lmentaires

Une exprience est tout processus impliquant une certaine

Introduction : notions lmentaires

Toute exprience qui satisfait aux deux conditions suivantes :

Introduction : notions lmentaires

On appelle ensemble fondamental S, lensemble

On lance deux ds et on note la somme des points

Introduction : notions lmentaires

Description explicite : numrer tous les lments

Description implicite : utiliser un formalisme

Introduction : notions lmentaires

S (1 , 2 , 3 ) tel que i P, F , i 1,2,3

Chaque rsultat peut tre soit Pile ou Face

S est un ensemble de triplets

Introduction : notions lmentaires

On appelle vnement tout sous-ensemble de

Introduction : notions lmentaires

Pour contrler la qualit dun lot de pices

( B, D, D), ( D, B, D), ( D, D, B), ( D, D, D)

Soit les deux vnements suivants :

Introduction : notions lmentaires

Introduction : notions lmentaires

( B, D, D), ( D, B, D), ( D, D, B), ( D, D, D)

A est un vnement simple

B et C sont deux vnements composs

Introduction au calculs de Probabilits

Introduction au calculs de Probabilits

Introduction au calculs de Probabilits

Sous lhypothse dquiprobabilit, on appelle

nombre de rsultats favorables E

Soit lvnement B = obtenir un nombre impair de

Introduction au calculs de Probabilits

Soient A et B deux vnements relatifs

mutuellement exclusifs alors

Introduction au calculs de Probabilits

Soient E et F deux vnements relatifs la mme

Introduction au calculs de Probabilits

nombre de rsultats favorables E

Il est souvent difficile dnumrer tous les rsultats

Analyse combinatoire : Contexte et

Lanalyse combinatoire est un ensemble de

Analyse combinatoire : contexte et

Dispositions Ordonnes ou non :

a} sont deux dispositions non ordonnes.

Les deux mots suivants : M1 = abc et M2 = acb sont deux

Dispositions formes dlments Distincts ou non :

La disposition suivante est forme dlments non distincts

Analyse combinatoire :notions

En analyse combinatoire, il est important

de distinguer deux principes

2.Le principe daddition : Si deux oprations A et

Analyse combinatoire : Exemples

Donc, il existe 10 X 10 = 100 faons diffrentes.

La notion factorielle : Dfinition

On dsigne par factorielle n et lon note n!, le produit des n

Arrangement sans rptition

Soit un ensemble S de n lments distincts ;

Analyse combinatoire: Arrangement sans

Soit un ensemble S = {a, b, c, d}, on cherche lensemble de