Chapitre III : Probabilités discrètes Extrait du programme : I. Rappels

Chapitre III : Probabilités discrètes
Extrait du programme :
I. Rappels
a. Définitions
Prop 1 : Une probabilité est toujours comprise entre 0 et 1.
Prop 2 Si A est l’événement certain, p(A) = 1.
Si A est l’événement impossible, p(A) = 0.
Prop 3 : On dit qu’il y a équiprobabilité, quand tous les événements élémentaires ont la même chance
de se produire. Dans ce cas :
s’il y a n résultats possibles, la probabilité d’un événement élémentaire est donc de 
n.
La probabilité d’un événement A est : p(A)=cardA
card = nb de cas favorables
nb de cas possibles
b. Probabilité d’une intersection et d’une réunion d’événements
 Pour l’intersection :
Si A et B sont incompatibles, alors A  B =  et p(A  B) = 0.
 Si A et B ne sont pas incompatibles, il faut déterminer les résultats favorables à A  B puis
calculer p(A  B) directement.
Il n’y a pas de formule !
 Pour la réunion :
- Si A et B sont incompatibles, alors p(A  B) = p(A) + p(B).
- Si A et B ne sont pas incompatibles, alors : p(A  B) = p(A) + p(B) – p(A  B).

c. Variable aléatoire
On considère une expérience aléatoire et  l’univers fini des réalisations possibles lié à cette
expérience. Une variable aléatoire X sur  est une fonction définie sur l’univers  et prenant n
valeurs réelles xl , x2, ...,xn .
La loi de probabilité de X est l’ensemble des couples (xi ; p(X = xi)) pour i entier variant de 1 à n.
Remarques : - On note souvent pi = p(X = xi)
- La somme des réels pi est toujours égale à 1.
- Les événements élémentaires sont naturellement deux à deux disjoints.
d. Espérance, variance et écart-type d’une variable aléatoire
Définition : Soit X une variable aléatoire réelle prenant les valeurs x1 , x2 , ..., xn avec les probabilités
respectives p1 , p2 , ..., pn.
- On appelle espérance mathématique de X , le réel E(X) défini par :
E(X) = x1p1 + x2p2 + ... + xnpn  
i 
i n
xi pi
- On appelle variance de X, notée V(X), le réel défini par :
V(X) = ( ) x – EX2p1 + ... + ( ) xn – EX2pn = 
i 
i n
( ) xi – EX2pi = 
i
n pi
xi²[EX]²
- On appelle écart-type de X le réel (X) défini par (X) = VX .
Remarques :
- L’espérance d’une variable aléatoire correspond à la notion de moyenne pondérée en statistiques, la fréquence
d’apparition étant remplacée par la probabilité.
- Un jeu est dit « équitable» lorsque E(X) = 0.
e. Loi (ou épreuve ou schéma) de Bernoulli
Définition : On appelle loi (ou épreuve) de Bernoulli, une loi de probabilité définie sur un univers 
formé de deux issues possibles, nommées « succès » (1) et « échec » (0). La loi est alors de la forme :
avec p  ] 0 ; 1[
Exemples : Lancer d’une pièce de monnaie. Obtenir ou non le 6 lors du jeter d’un dé.
Propriété : L’espérance de la loi de Bernoulli vaut p et sa variance p(1 – p).
f. Loi binomiale
Définition
Lorsqu’on répète n fois une épreuve de Bernoulli et que le résultat d’une épreuve ne dépend pas des
résultats obtenus aux épreuves précédentes, ces épreuves sont indépendantes. On s’intéresse à la
variable aléatoire X prenant pour valeur le nombre k de succès obtenus durant les n épreuves.
La loi de probabilité de X suit la loi binomiale de paramètres n et p, où n est le nombre d’épreuves et
p la probabilité de succès. On note B(n, p) cette loi.
xi
0
1
pi
1 – p
p

Exemples : Jeter six fois de suite la même pièce de monnaie ; choisir cinq fois de suite un jeton dans un sac
contenant des jetons verts et des jetons bleus, en remettant à chaque fois le jeton tiré ; lancer un dé cubique
parfaitement équilibré, quatre fois de suite.
Expression de la loi binomiale
Soit X la variable aléatoire qui indique le nombre k de succès au cours des n épreuves. Alors on a :
pk = p(X = k) = ( )
n
k pk(1 – p)n – k
Espérance, variance et écart-type de la loi binomiale
Théorème( admis) :
L’espérance mathématique d’une loi binomiale de paramètres n et p est :
E(X)= n p.
La variance d’une loi binomiale de paramètres n et p est V(X)= n p( 1– p).
L’écart-type (X) vaut : (X) = n p – p
Exercice de rappel :
Dans une production de fruits, il y a 30% de fruits abîmés. On prélève un échantillon aléatoire de 80
fruits ( la population est suffisamment grande pour considérer qu’il s’agit de tirages avec remise).
Quelle est la probabilité d’avoir exactement 10 fruits abîmés ?
Quelle est la probabilité qu’il y ait au moins 8 fruits abîmés ?
II. Probabilité conditionnelle
Définition : Soient A et B deux événements avec PA≠.
On appelle probabilité conditionnelle de B sachant A le nombre noté PAB défini par :
PAB PAB
PA
Remarque : Cela peut aussi s’écrire P(A) PA(B)= P(AB)
On en déduit que P(A) PA(B) = P(B) PB(A), les deux membres étant égaux à P(AB)
Point-Méthode 12 : Calculer la probabilité d’une intersection
Tous les élèves de Terminale d’un lycée ont passé un test de certification en anglais.
(1) 80% ont réussi le test
(2) Parmi ceux qui ont réussi le test, 95% n’ont jamais redoublé
(3) Parmi ceux qui ont échoué au test, 2% n’ont jamais redoublé.
Il faut définir les événements utilisés :
On considère les événements T : « l’élève a réussi le test » et D : « l’élève a déjà redoublé ».
On traduit les données de l’énoncé sous forme de probabilités :
Alors (1) se traduit par : P(T)=80% ; (2) par PT(D) = 95% et (3) par P
T(
D)=2%.
La probabilité de T D « L’élève a réussi le test et n’a jamais redoublé » est :
P(T DP(T) PT( D) = 0,8 0,95=0,76

Point méthode13 : Construire un arbre pour représenter une expérience et calculer des
probabilités :
Représenter l’expérience décrite ci-dessus par un arbre pondéré et retrouver le résultat précédent
Règle 1 : Sur les branches du 1er niveau, on inscrit les probabilités des
événements correspondants
Règle 2 : Sur les branches du 2ème niveau, on inscrit des probabilités
conditionnelles
Règle 3 : La somme des probabilités inscrites sur les branches issues
d’un même nœud est égale à 1.
Règle 4 : Le produit des probabilités des événements rencontrés le long
du chemin est égal à la probabilité de l’intersection de ces événements.
Ainsi pour le chemin rouge, on trouve : P(T D= 0,8 0,95 = 0,76
Point-méthode 14 : Probabilités conditionnelles à l’aide d’un tableau.
La répartition des voitures garées dans un parking est donnée
dans le tableau ci-contre. On choisir au hasard un véhicule
stationné dans ce parking. Sachant qu’il est de marque
française, quelle est la probabilité que ce soit un diesel ?
Considérons les événements :
F : « le véhicule est de marque française » D « le véhicule est un diesel ». On veut PF(D).
On sait que PF(D) = P ( DF )
P ( F ) . D’après le tableau, PF(D)= 0,43
0,55 soit environ 78%.
La probabilité de choisir un diesel sachant qu’il est de marque française est 0,78 (à 0,01 près)
III. Probabilités totales
Théorème des probabilités totales : Soit  un univers muni d’une loi de probabilité P , et soit A1 , A2
, … , An une partition de .
Alors, pour tout évènement B de  : P(B) = 
Démonstration :
B = (BA1)  (BA2)  … ( BAn) réunion d’évènements deux à deux
disjoints,
donc, P(B) = P(BA1) +P (BA2) + … +P( BAn)
=
CQFD
Remarque : on peut aussi exprimer ce théorème à partir d’un arbre de probabilité :
On appelle feuille d’un arbre l’extrémité du dernier niveau de branche.
Diesel
Essence
Total
Marque française
0,43
0,12
0,55
Marque étrangère
0,34
0,11
0,45
Total
0,77
0,23
1

Propriété : Formule des probabilités totales
La probabilité d’un événement associé à plusieurs feuilles d’un arbre est la somme des probabilités de
ces feuilles.
Point-méthode 15 : Construire et utiliser un arbre pondéré et la formule des probabilités totales
Trois candidats A, B et C se présentent à une élection. Ils obtiennent respectivement la moitié, les trois
dixièmes et le cinquième des suffrages. D’autre part, on sait que 50% des électeurs de A, 30 % des
électeurs de B et 40% des électeurs de C sont des hommes.
On interroge au hasard une personne s’étant prononcé pour l’un des trois candidats.
1. Décrire l’expérience aléatoire à l’aide d’un arbre pondéré.
2. En déduire la probabilité d’interroger un homme ayant voté pour le candidat C.
3. On interroge au hasard une personne s’étant prononcé pour l’un des trois candidats.
Déterminer la probabilité que ce soit une femme.
1. On note respectivement A, B et C les événements « avoir
voté pour le candidat A, B ou C », F et H les événements
« être une femme » et « être une homme ».
L’énoncé permet d’écrire : P(A)=0,5 ; P(B) = 0,3 et P(C) = 0,2 ; PA
(H)=0,5 ; PB(H)=0,3 et PC(H)=0,4
On peut donc construire un arbre pour représenter cette situation.
2. On cherche P(CH).
P(CH)=P(C)PC(H) = 0,20,4 = 0,08
La probabilité qu’un homme ait voté pour le candidat C est
de 0,08.
3. Une femme peut avoir voté pour le candidat A, B ou C.
Il s’agit d’un événement lisible sur 3 feuilles de l’arbre.
D’après la formule des probabilités totales, on a donc :
P(F)=P(AF)+P(BF)+P(CF)= 0,50,5 + 0,30,7 +0,20,6 = 0,58
La probabilité que la personne interrogée soit une femme est de 0,58.
Remarque : cas particulier : lorsque A est un événement tel que P(A)0 et P(A)1, alors A et A
forment une partition de , et donc pour tout événement B : P ( B ) = PA(B)P(A) + P A(B)P( A )
IV. Indépendance
Définition : Dire que deux événements A et B sont indépendants signifie que P(AB)=P(A)P(B).
Exemples :
- On lance un dé équilibré à 6 faces. Les événements A « le résultat est pair » et B : « Le
résultat est 2 » ne sont pas indépendants :
En effet, P ( A ) = 3
6 = 1 2 P ( B ) = 1 6 et P ( AB ) = 1 6 1 21 6
- On jette une pièce et un dé, tous deux équilibrés. On obtient alors des résultats sous la forme :
(2 ;Pile). Il y a 62=12 événements élémentaires et équiprobables.
Soient les événement D : « On obtient un 2 » et P : « On obtient pile ».