Chapitre 1:

Introduction au calcul des probabilits,

cas dun univers fini.

1 Introduction
Des actions comme lancer un d, tirer une carte dun jeu, obser-
ver la dure de vie dune ampoule lectrique, etc...sont des expriences
alatoires. Leur rsultat nest connu que lorsque lexprience alatoire a
pris fin. On peut cependant envisager a priori des ventualits (des r-
sultats possibles) mais seule la fin de lexprience nous permet de savoir
si telle ventualit est ralise ou non. Un vnement est un ensemble
dventualits qui est ralis si lune de ces ventualits est ralise.
Dans une exprience alatoire certains vnements sont plus probables
que dautres ; do lide de chiffrer les chances qua un vnement de
se produire. Cette ide trouve une justification exprimentale connue
sous le nom de loi empirique des grands nombres :
Soit A un vnement relatif une certaine exprience alatoire (par
exemple A="sortir pile" quand on joue pile ou face). Rptons N
fois (dans les mmes conditions exprimentales) lexprience alatoire
et soit NA le nombre de fois o A sest ralis au cours des N essais.
On constate que le rapport fA = NNA appel frquence de lvnement
A, reste pratiquement constant pour N assez grand, de sorte quon
peut considrer ce nombre comme une caractristique intrinsque de
lvnement A. Dans le cas de lexemple, pour une pice correcte, on
constate que fA = 0, 5 ds que N est assez grand.

2 Exprience alatoire et vnements

2.1 Dfinitions
Il est naturel de reprsenter une exprience alatoire par lensemble
de toutes ses ventualits (quon suppose pour linstant en nombre fini).
Par exemple lancer un d peut se reprsenter par lensemble

(1) = {1, 2, 3, 4, 5, 6} .

Notes du cours de Probabilits de M1 de M. L. Gallardo, Universit de Tours,
anne 2008-2009. Les dmonstrations sont dtailles dans le cours oral.

1
Un vnement est un ensemble dventualits ; par exemple "il sort un
nombre pair" est reprsent par le sous-ensemble A = {2, 4, 6}.
Lensemble des ventualits autres que celles de A est un vnement
Toujours avec le mme exemple,
appel contraire de A ; il est not A.

A = {1, 3, 5}.
Deux vnements A et B peuvent avoir des ventualits en commun.
Lensemble des ventualits communes A et B constitue un vnement
not AB et appel conjonction des vnements A et B. Avec lexemple
ci-dessus, si A ="il sort un nombre pair"= {2, 4, 6} et B ="il sort un
nombre suprieur ou gal 4"= {4, 5, 6}, on a A B = {4, 6}.
Si on runit les ventualits de deux vnements A et B, on obtient
un vnement appel vnement A ou B 1 et not A B. Toujours avec
lexemple prcdent, on a A B = {2, 4, 5, 6}.

2.2 Ralisation dun vnement

On dit que lvnement A sest ralis si et seulement si lune des
ventualits constituant A sest ralise. Ainsi on a :

A ralis A non ralis

A B ralis A ralis et B ralis
A B ralis A ralis ou B ralis

3 Exprience alatoire probabilise

Dfinition 3.1 : Si une exprience alatoire est schmatise par un
ensemble fini appel univers des possibles, alors :
les lments de sont appels ventualits.
les lments de lensemble P() des parties de sont appels v-
nements.

Remarque 3.2 : Dsormais on considrera un vnement comme un

sous-ensemble de sans faire rfrence sa ralisation ou sa non-
ralisation. Les oprations ensemblistes , et trouvent alors une
interprtation en termes dvnements. On utilisera le vocabulaire sui-
vant :

criture ensembliste formulation probabiliste

vnement certain
vnement impossible
A( P()) vnement A
A vnement non A
AB vnement A et B
AB vnement A ou B
AB = A et B sont incompatibles
AB A implique B

1
attention, il sagit du ou mathmatique, cest dire le ou non exclusif.

2
Remarque 3.3 : Soit N > 0 un entier fix. Notons fA la frquence
de lvnement A au cours de N rptitions successives de lexprience
alatoire (voir le 1). On voit immdiatement que lapplication A 7 fA
possde les deux proprits suivantes :
1) f = 1
2) A B = = fAB = fA + fB .
Les axiomes des probabilits sont calqus sur ces proprits de la fr-
quence.

Dfinition 3.4 : Lunivers fini est probabilis si chaque vnement

A P() est associ un nombre P(A) 0, appel probabilit de A de
telle sorte que pour A, B P() les deux proprits suivantes soient
satisfaites :
1) P() = 1
2) A B = = P(A B) = P(A) + P(B).
Le couple (, P) o lapplication P dfinie sur P() vrifie les condi-
tions ci-dessus, est appel espace probabilis.
Les proprits immdiates de la probabilit sont les suivantes :

Proposition 3.5 : Si (, P) est un espace probabilis fini, pour tous

A, B P(), on a
1) 0 P(A) 1.
= 1 P(A).
2) P(A)
3) P() = 0.
4) P(A B) = P(A) + P(B) P(A B).
De plus si A1 . . . , An sont des vnements deux deux incompatibles,
n
X
P(ni=1 Ai ) = P(Ai ).
i=1

Dfinition 3.6 : Soit = {1 , . . . , n } un espace probabilis fini et

soient p1 = P(1 ), . . . , pn = P(n ) les probabilits des ventualits de
. La suite des nombres pi , i = 1, . . . , n sappelle la distribution de
probabilit sur .
Ces nombres pi vrifient les proprits suivantes :
1) 0P pi 1 pour tout i {1, . . . , n}.
2) ni=1 pi = 1. P
3) si A = iJ {i } alors P(A) = iJ pi .

Dfinition 3.7 : Etant donn un univers , on appelle systme com-

plet dvnements toute partition (Ai )iI de lensemble . Autrement
dit les Ai sont des vnements deux deux incompatibles et de runion
gale .
Souvent on attache plus dimportance un systme complet dvne-
ments (Ai )iI et aux vnements obtenus comme runion de certains Ai
quaux ventualits (i.e. les lments de ). Dans ce cas, on considre
les Ai (i I) comme de nouvelles ventualits et on nutilise alors que
la distribution de probabilit associe aux Ai .

3
Exemple 3.8 : Si on joue avec deux ds un blanc et un rouge, lexp-
rience alatoire peut tre modlise par lensemble des couples (a, b)
o a est le numro obtenu avec le d blanc et b le numro obtenu avec
le d rouge. Autrement dit est le produit cartsien

= {1, . . . , 6} {1, . . . , 6} .

Considrons les vnements Ai , 2 1 12 dfinis par :

Ai = la somme des points marqus gale i

Les Ai (2 i 12) forment un systme complet dvnements. Si on

ne sintresse qu la somme des points marqus, il est plus commode
dintroduire un nouvel espace 0 = {A2 , A3 , . . . , A12 } dont les nouvelles
ventualits sont les Ai et la distribution de probabilit sur 0 est don-
ne par :
1 2 3 4 5
P(A2 ) = 36 , P(A3 ) = 36 , P(A4 ) = 36 , P(A5 ) = 36 , P(A6 ) = 36 ,
6 5 4 3 2
P(A7 ) = 36 , P(A8 ) = 36 , P(A9 ) = 36 , P(A10 ) = 36 , P(A11 ) = 36 ,
1
P(A12 ) = 36 .
Soit A lvnement "la somme des points marqus est suprieure ou
gale 10". On a
3 2 1 1
P(A) = P(A10 ) + P(A11 ) + P(A12 ) = + + = .
36 36 36 6

4 Probabilit quidistribue
4.1 Gnralits
Soit = {1 , . . . , n } un ensemble fini, P une probabilit sur ,
et p1 = P(1 ), . . . , pn = P(n ) la distribution de probabilit correspon-
dante sur .

Dfinition 4.1 : On dit que la probabilit est quidistribue sur si

p1 = p2 = . . . = pn = n1 .

Proposition 4.2 : Si la probabilit est quidistribue sur , pour tout

A
vnement A, on a P(A) = card
card
.
(en dautres termes plutt anciens, P(A) = nombre de cas favorables A
nombre total de cas possibles
).

Exemple 4.3 : La plupart des exemples lmentaires de probabilit

quidistribue ont trait aux jeux de hasard :
1) Quand on lance un d, quelle est la probabilit dobtenir un nombre
suprieur 4 (vnement A) ? Lexprience alatoire se modlise par
lensemble = {1, . . . , 6}. Si le d nest pas truqu, il est naturel dad-
mettre quaucune face nest privilgie donc que la probabilit est qui-
distribue. On a donc P(A) = p5 + p6 = 62 = 13 .
2) En tirant une carte dun jeu de 32 cartes, quelle est la probabilit
dobtenir un as (vnement A) ? Lexprience a ici 32 ventualits cha-
4
cune quiprobable. Donc P(A) = 32 = 81 .
3) Si on tire successivement 3 cartes dun jeu de 32 cartes (sans remise)

4
quelle est la probabilit dobtenir 3 as (vnement A) ? Ici la rponse d-
pend dune modlisation convenable de lexprience alatoire consistant
tirer 3 cartes sans remise. Sa solution est tudie dans le paragraphe
suivant.

4.2 Tirages sans remise

Les tirages sans remise interviennent si souvent dans les modles
probabilistes quil convient que le dbutant ait des ides claires sur cette
question. Soit E un ensemble de N objets (par exemple des cartes ou
dautres choses).
Par dfinition tirer un objet au hasard dans E est une exprience
alatoire probabilise quon modlise par lespace = E (car les ven-
tualits sont les divers objets quon peut tirer de lensemble E quon
assimile un sac dans lequel on va plonger le main pour en tirer un
objet) et on suppose que la probabilit est quidistribue sur (cest
ce qui justifie le terme tirer au hasard, ce qui suppose que les objets
ont t bien mlangs dans le sac E et que chaque objet a la mme
probabilit dtre choisi).
Supposons quil y ait dans E un nombre NC dobjets possdant une
certaine caractristique C alors la probabilit de tirer un objet de
type C est gale NNC cest dire cest la proportion dobjets de
type C dans E.
Si maintenant on tire au hasard successivement r objets sans remise
dans E (1 < r N ) (i.e. on tire un objet dans E puis un deuxime
dans E, etc... mais chaque fois sans remettre les diffrents objets dj
tirs). Comment modliser cette exprience alatoire ? :
On convient de ne sintresser quaux r objets tirs et non lordre dans
lequel ils ont t tirs (autrement dit tout se passe comme si on avait
tir les r objets dun seul coup dans E). Tout sous ensemble de E r
lments est une ventualit. On modlise donc lexprience alatoire
tirer r objets dans E sans remise par lespace

= {F P(E); cardF = r}

de toutes les parties de E ayant r lments. On sait depuis le lyce

n!
que card = Cnr = r!(nr)! . Par dfinition (de "au hasard") on suppose
que la probabilit est quidistribue sur , cest dire que chaque
ventualit a pour probabilit C1r .
n
Ainsi si on tire au hasard 3 cartes (sans remise) dun jeu de 32 la
probabilit dobtenir 3 as (vnement A) est gale

cardA C43 4 1
P(A) = 3
= 3
= = = 0, 0008.
C32 C32 4960 1240
La probabilit dobtenir au moins un valet (vnement B) (en tirant
toujours 3 cartes), vaut
3
= 1 C28 = 1 819 = 421 .
P(B) = 1 P(B) 3
C32 1240 1240