Probabilités

Blaise Pascal (1623-11662)

Table des matières

1 Les ensembles …nis 3
1.1 Equipotence d’ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Cardinal d’un ensemble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2 Applications entre ensembles …nis 4

2.1 Injections, surjections . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Carctérisation des bijections . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

3 Dénombrements usuels 5
3.1 Produit cartésiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2 Ensembles d’applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

4 Arrangements et combinaisons 7
4.1 Nombre d’arrangements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4.2 Nombres de combinaisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4.3 Exemples de dénombrements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

5 Expérience aléatoire 11
5.1 Univers …ni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5.2 Evénements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

6 Espaces probabilisés …nis 14

6.1 probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
6.2 Probabilité uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
6.3 Calcul de probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

7 Probabilité conditionnelle 17
7.1 Conditionnement par un évènement . . . . . . . . . . . . . . . . . . . . . . . . . . 17
7.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
7.3 Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Enfant précoce, à onze ans, il aurait démontré la 32e proposition du Ier livre d’Euclide (concernant la somme
des angles d’un triangle). À 19 ans, il invente la première machine à calculer. Il développe en 1654 une méthode de
résolution du « problème des partis » qui, donnera naissance au calcul des probabilités.

1
PROBABILITÉS 2

8 Variables aléatoires 22
8.1 Dé…nitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
8.2 Lois usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
8.3 Couples de variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

9 Espérance mathématique 30
9.1 Dé…nition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
9.2 Calcul de l’espérance pour les lois usuelles . . . . . . . . . . . . . . . . . . . . . . . 31
9.3 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

10 Variance 34
10.1 Dé…nitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
10.2 Calcul de variances usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
10.3 Inégalité de Bienaymé-Tchebychev . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
10.4 Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

11 Corrigés des exercices 39

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 3

1 Les ensembles …nis

1.1 Equipotence d’ensembles
Dé…nition : On dit qu’un ensemble E est équipotent à un ensemble F s’il existe une
bijection de E vers F . On note alors E F .

Remarques : On a clairement E E, si E F alors F E et si E F et F G

alors E G. On en déduit que la relation d’équipotence est une relation déquivalence.

Exemples : Les ensembles fa; b; cg et f1; 2; 3g sont équipotents mais on a aussi N et

N équipotents il su¢ t de prendre l’aplication ' : n 7 ! n + 1:

Exercice : Montrer que

8
< N !Z
': n=2 si n est pair
: n7 !
(n + 2) =2 sinon

est une bijection. En déduire que N Z

Remarques :
On peut montrer que les ensembles N et N2 sont équipotents.
On peut aussi montrer que les ensembles N et Q sont équipotents.
En revanche, on peut montrer que les ensembles N et R ne sont pas équipotents : ils
correspondent à des ensembles in…nis de tailles di¤érentes. Cette problématique sera
approfondie en seconde année en introduisant la notion d’ensemble dénombrable.

1.2 Cardinal d’un ensemble

On note : Nn = f1; ; ng

Dé…nition : On dit qu’un ensemble est …ni s’il existe n 2 N tel que E Nn .

On montre que n est unique et

Dé…nition : On appelle cardinal de l’ensemble E l’unique n tel que E Nn et on

note
Card E = n
Exemples :

Card Nn = n et pour tout p; q 2 N Card (fp; p + 1; ; qg) = q p + 1.

On a Card N = +1 et Card ; = 0:
On a :
1 si a = b
Card (fa; bg) =
2 sinon

Théorème : Soit A et B deux ensembles disjoints. Si A et B sont …nis alors leur

union l’est aussi et
Card (A [ B) = Card (A) + Card (B)

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 4

Soit (Ai )1 i n une famille d’ensembles …nis disjoints deux à deux alors leur union est
aussi …nie et !
n
[ n
X
Card Ai = Card (Ai )
i=1 i=1

Soit Card (A) = n et Card (B) = p alors existe f une bijection de A ! Nn et g une
bijection de B ! Np , dans ces conditions

A [ B ! Nn+p
h: f (x) si x 2 A
x7 !
n + g (x) si x 2 B

L’application h est bien dé…nie car A et B sont disjoints et c’est une bijection.
La deuxième proposition se montre par récurrence sur n 2.
En particulier, A et CE A forment une partition de E et donc

Card E = Card (A [ CE A) = Card (A) + Card (CE A)

Corollaire : Si A est une partie d’un ensemble …ni E alors

Card CE A = Card E Card A

On en déduit aussi la notation

CE A = EnA et AnB = A \ CA B =

Théorème : Soit A et B deux ensembles …nis alors

Card (A [ B) = Card (A) + Card (B) Card (A \ B)

Exercices :
1. Soit A; B deux parties …nies de E Card (A) = Card (AnB) + Card (A \ B)
2. Soit A; B; C trois parties d’un ensemble …ni E. Exprimer Card (A [ B [ C) en fonction des
cardinaux de A; B; C; A \ B; B \ C; C \ A et A \ B \ C.
3. Dans un bus, 35 personnes pratiquent le ski, 20 le surf, 5 le monoski. Parmi ces personnes, 10
pratiquent le ski et le surf, 3 le ski et le monoski, 1 le surf et le monoski et en…n 1 personne
pratique le ski, le surf et le monoski. Combien y a-t-il de personnes au total, sachant que les
sports de glisse pratiqués se limitent au ski, au surf et au monoski ?

2 Applications entre ensembles …nis

2.1 Injections, surjections

Proposition : Soit E et F deux ensembles et une application f : E ! F: Si E est

un ensemble …ni alors f (E) est une partie …nie de F et

Card (f (E)) Card (E)

Si de plus f est injective

Card (f (E)) = Card (E)

Il su¢ t d’écrire E = fx1 ; ; xn g et donc f (E) = ff (x1 ) ; ; f (xn )g et Card (f (E))

n avec l’égalité si et seulement si f est injective.
Exercices :

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 5

1. Soit A et B deux parties de E et F . Étant donnée une application f : E ! F , est-il vrai

que :
(a) Si A est une partie …nie de E alors f (A) est une partie …nie de F .
(b) Si f (A) est une partie …nie de F alors A est une partie …nie de E.
(c) Si B est une partie …nie de F alors f 1 (B) est une partie …nie de E.
(d) Si f 1 (B) est une partie …nie de E alors B est une partie …nie de F ?
2. Soit E un ensemble. Montrer que E est in…ni si, et seulement si, pour toute fonction f :
E ! F , il existe A E avec A 6= ; et A 6= E f (A) A.

2.2 Carctérisation des bijections

Théorème : Soit f : E 7 ! F avec E et F deux ensembles …nis véri…ant :
Card E = Card F
On a équivalence entre :
f est bijective () f est injective () f est surjective
Il est clair que (i) ) (ii).
Si f injective Card (f (E)) = Card (E) = Card (F ) donc F = f (E) et f est surjective.
(ii) =) (iii)
Si f non injective alors Card (f (E)) < Card (E) = Card (F ) alors f non surjective.
(iii) =) (i)

Remarque : ce résultat ne s’applique pas dans le cas d’ensembles in…nis par exemple ' :
N ! N n 7 ! n+1 est injective mais pas surjective puisque 0 n’aura pas d’antécédent.

Exercices :
1. Soit ' : N ! N n 7 !E(n=2). Montrer que ' est surjective sans être injective.
2. Soit E un ensemble …ni de cardinal n. Calculer :
P
(a) Card (X)
PX E
(b) Card (X \ Y )
PX;Y E
(c) X;Y E Card (X [ Y )

3 Dénombrements usuels
Pour dénombrer un ensemble …ni, la démarche rigoureuse consiste à expliciter une bijec-
tion entre cet ensemble et un ensemble de cardinal connu ou à raisonner par opérations
sur les ensembles …nis. Cependant, il est souvent plus "léger " de proposer une construc-
tion algorithmique des éléments de l’ensemble et de calculer le nombre de possibilités
que celles-ci o¤rent sachant que :
- on multiple les possibilités, lorsque l’on passe d’une étape à l’étape suivante dans la
construction ;
- on somme les possibilités, lorsqu’il y a une alternative stricte dans la construction.
Cette démarche algorithmique cache en fait la construction d’une bijection mais ne
s’embarrasse pas de la décrire...

Exemples
Combien y a-t-il de couples (x; y) 2 f 2; 1; 0; 1; 2g2 tels que xy 0 :
Couples solutions avec x = 0 : 5 choix de y et autant de possibilités.
Couples solutions avec x > 0 : 2 choix de x et 3 choix de y soit 6 possibilités.
Couples solutions avec x < 0 : 2 choix de x et 3 choix de y soit 6 possibilités.
Au total : 5 + 6 + 6 = 17 possibilités.

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 6

3.1 Produit cartésiens

Théorème : Si E et F sont deux ensembles …nis alors E F l’est aussi et

Card (E F ) = Card E Card F

Si l’on note Fi = fxi g F où xi 2 fx1 ; ; xn g = E alors les Fi \ Fj = ; si i 6= j et

n
[
Fi = E F
i=1

Corollaire : Soit Ei ; ; En des ensembles …nis alors

n
! n
Y Y
Card Ei = Card (Ei )
i=1 i=1

En particulier
n
Card (E n ) = (Card E)

3.2 Ensembles d’applications

Soit f une application de f1; 2; 3g ! fu1 ; ; u6 g par exemple f (1) = u2 ; f (2) = u6
et f (3) = u2 .
Une telle application peut s’identi…er à 3 tirages successifs avec remise dans une urne
par exemple ici f , au premier tirage on a eu u2 puis au deuxième tirage u6 et en…n au
3ieme tirage on a eu de nouveau u2 (puisqu’il y a remise).
Il y aura autant de tirages possibles (avec remise) que ce qu’il y a d’appications de
f1; 2; 3g dans fu1 ; ; u6 g :

Théorème : Si E et F sont des ensembles …nis alors l’ensemble des applications de

E vers F noté A (E; F ) est un ensemble …ni et
Card E
Card (A (E; F )) = (Card F )

Soit E = fx1 ; ; xn g alors une applications f 2 A (E; F ) est dé…nie par le choix d’un
n-uplet (y1 ; ; yn ) dans F n avec f (xi ) = yi pour tout i 2 f1; ; ng. On en déduit
n Card E
que Card (A (E; F )) = (Card F ) = (Card F ) .

Exercice : Soit E un ensemble. Montrer que pour toute application f : E 7 ! f0; 1g, il
existe A E tel que f = A . En déduire que si E est …ni alors Card (P (E)) = 2Card(E) :

Théorème : Soit E un ensemble, Card E = n, on note S (E) l’ensemble des bijections

E dans E
Card (S (E)) = n!
Exercices :
1. Combien existe-t-il de suites (x1 ; ; xn ) telles que chaque xi soit un nombre entier tel que
2 xi 2 ? Comment se note l’ensemble formé de ces suites ?
2. Combien existe-t-il de distributions possibles de 13 cartes distinctes entre 4 joueurs distincts ?
(Par exemple (fA; R; D; V; 10g ; f9; 8; 7g ; f6; 5; 4; 3; 2g ; fg), est une distribution possible).

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 7

4 Arrangements et combinaisons
4.1 Nombre d’arrangements
Soit f une injection de f1; 2; 3g ! fu1 ; ; u6 g par exemple f (1) = u2 ; f (2) = u6 et
f (3) = u4 .
Une telle injection peut s’identi…er à 3 tirages successifs et sans remise dans une urne
par exemple ici f , au premier tirage on a eu u2 puis au deuxième tirage u6 6= u2
puisque f est injective et en…n au 3ieme tirage u4 2 F fu2 ; u6 g.
Il y aura autant de tirages possibles (sans remise) que ce qu’il y a d’injections de
f1; 2; 3g dans fu1 ; ; u6 g où de triplets (ui ; uj ; uk ) formés d’éléments distincts deux à
deux fu1 ; ; u6 g.

Dé…nition : On appelle arrangement de p éléments d’un ensemble E ayant n élé-

ments et n p tout p-uplet (x1 ; ; xp ) formé d’éléments de E deux à deux distincts.

Exemples : Soit E = fa; b; cg alors f(a; b) ; (a; c) ; (b; a) ; (b; c) ; (c; a) ; (c; b)g est l’en-
semble de tous les arrangements possibles de deux éléments dans E et (b; c) peut être
identi…er par l’injection

f : f1; 2g ! fa; b; cg telle que f (1) = b et f (2) = c

Notons que p n et si p = n alors une injection de f1; ; ng sur fx1 ; ; xn g = E

est aussi surjective et donc le nombre d’arragements de n éléments parmi n est aussi le
nombre des permutations Card (S (E)) = n!:

Théorème : Le nombre d’arrangements de p éléments dans un ensemble E ayant n

éléments et n p que l’on note :
n!
Apn =
(n p)!

4.2 Nombres de combinaisons

Considérons cette fois un tirage simultané de p éléments d’un ensemble E tel que
Card E = n. D’une part, on ne peut pas tirer deux fois le même élément ce qui se
rapprocherait des arrangements mais surtout on ne peut pas tenir compte de l’ordre
puisque le tirage des p éléments sont simultanés. Ainsi le résultat correspond à un sous
ensemble de p éléments de E.

Dé…nition : On appelle combinaison de p élements dans E toute partie de E ayant

p éléments (distincts deux à deux ) fx1 ; ; xp g E.

Exemples :
Soit E = fa; b; c; dg alors ffa; b; cg ; fa; b; dg ; fa; c; dg ; fb; c; dgg est l’ensemble des com-
binaisons de 3 éléments de E.

Théorème : Soit E tel que Card (E) = n et n p; le nombre de combinaisons de p

éléments est :
n n!
Cnp = =
p (n p)!p!

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 8

Exemples :
Le nombre de mains de 5 cartes, prises dans un jeu de 52 cartes, est
52
= 2 598 960
5

Le nombre de tiquets possibles (6 numéros entre 1 et 49) au Loto est

49
= 13 983 816
6

Propositions : Pour tout n; p 2 N et p n

n n n n
1. n =1= 0 et 1 = n 1 =n
n n
2. p = n p
n n n+1
3. p + p+1 = p+1
n n n 1
4. p = p p 1

Exercices :
10
1. Quel est le coe¢ cient de a2 b5 c3 dans (a + b + c) ?
2. Montrer que pour tout entier 0 j k n
n n j n k
=
j k j k j

3. Montrer que pour tout (n; p) 2 N N p n

n n 1 n 2 p p 1
= + + + +
p p 1 p 2 p 1 p 1
4. Formule de Vandermonde :
n
X N M N +M
=
k n k n
k=0

5. Dans un jeu de 52 cartes calculer le nombre de mains de poker contenant :

(a) Une quinte ‡ush
(b) Un carré
(c) Un full
(d) Une couleur
(e) Une quinte (pas quinte ‡ush)
(f) Un brelan
(g) Une double paire
(h) Une paire
6. Toto n’a pas …ni de colorier l’album de dix pages que Fred lui a o¤ert. Les pages sont mal
reliées et se détachent. Il en a colorié cinq : deux en rose et trois en vert.
(a) Combien y a-t-il de permutations de ces dix pages alternant une page coloriée et une
page non coloriée ?
(b) Combien y a-t-il de permutations de ces dix pages telles que les pages vertes et les pages
roses se trouvent alternées parmi les blanches.
(c) Il dispose de trois crayons de couleurs di¤érentes. Combien y a-t-il de manières de
colorier les pages qui restent sachant qu’elles sont numérotées de 6 à 10 ? (Il ne peut
concevoir que des pages monochromes).

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 9

4.3 Exemples de dénombrements

4.3.1 Nombre d’anagrammes

Un mot M de n lettres est écrit avec p caractères di¤érents a1 ; ; ap . Le caractère ak
apparaît nk fois à l’intérieur du mot M (et donc n1 + + np = n ).
Combien peut-on composer d’anagrammes distincts du mot M ?
En indexant les lettres du mot M , chacune des n! permutations de f1; ; ng permet
de dé…nir un anagramme de M . Cependant, les lettres n’étant pas distinctes, plusieurs
permutations conduisent un même anagramme. Pour un anagramme donné, il y a n1 !
permutations des lettres a1 conduisant au même anagramme. En étudiant de même les
permutations des lettres a2 ; ; ap , on obtient que le nombre d’anagrammes cherché
est
n!
n1 ! np !
n
Remarque : Ce nombre est aussi le coe¢ cients de xn1 1 xp p dans le développement
n
de (x1 + + xp ) et cela s’explique parfaitement par considérations d’anagrammes.

Exercice : Déterminer le nombre de solutions de l’équation

x1 + + xp = n

où xi 2 N pour tout i 2 f1; ; pg :(On pourra identi…er les solutions avec des ana-
grammes d’un certains nombre de "1" et de " + ").

4.3.2 Nombre d’applications croissantes

Combien y a-t-il d’applications strictement croissantes de f1; ; pg dans f1; ; ng ?
Une telle application est entièrement déterminée par son image qui est une partie à
p élément de f1; ; ng. En e¤et, il su¢ t d’ordonner les éléments de l’image pour
retrouver l’application.
Il y a donc exactement np applications strictement croissantes de f1; ; pg dans
f1; ; ng :

Exercices :
1. Pour tout k 2 f1; ; pg et pour toute application f croissante de f1; ; pg dans f1; ; ng :
Soit
f1; ; pg ! f1; ;n + p 1g
g:
k 7 ! f (k) + k 1
(a) Montrer que g est strictement croissante de f1; ; pg dans f1; ; n + p 1g et récipro-
quement à toute fonction g strictement croissante de f1; ; pg dans f1; ; n + p 1g
correspond une et une seule fonction f croissante de f1; ; pg dans f1; ; ng.
(b) En déduire combien il y a d’applications croissantes de f1; ; pg dans f1; ; ng.
2. Combien existe-t-il de suites strictement croissantes de p entiers choisis dans f1; :::; ng ?

4.3.3 Nombre de solutions de l’équation x1 + + xp = n

On étudie le nombre de solutions (x1 ; ; xp ) à l’équation x1 + + xp = n avec
x1 ; ; xp 2 N
Chaque solution est entièrement déterminée à partir de (x1 ; ; xp 1 ) véri…ant x1 +
+ xp 1 n:
Un tel p 1-uplet est déterminé par l’application croissante de f1; ; p 1g dans
f0; ; ng dé…nie par
f (k) = x1 + + xk

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 10

Ainsi, il y a exactement
n+p 1
p 1
solutions

Remarque : On peut aussi résoudre ce problème en étudiant les anagrammes compor-

tant n lettres "1" et p 1 lettres " + ".
Exercice : Combien existe-t-il de distributions possibles de 13 cartes indistinctes entre 4
joueurs distincts ? (Par exemple (5; 6; 1; 1) ; (7; 5; 0; 1) sont des distributions possibles).

4.3.4 Nombre de surjections

Soit E et F deux ensembles …nis et non vides de cardinaux respectifs p et n . On désire
calculer Spn le nombre de surjections f de E sur F . On a
1
Card f (F ) Card (F ) n

et comme f 1 (F ) E on en déduit que p n.

Une surjection de E sur F détermine par restriction une application de Enfag vers F .
Cette restriction peut être surjective ou non.
Il y a exactement Spn 1 surjections de Enfag vers F et l’on peut prolonger une telle
application en une surjection de E sur F en choisissant une valeur quelconque pour
l’élément a parmi les n possibles. Il y a donc nSpn 1 surjections de E vers F dont la
restriction au départ de Enfag est encore surjective.
Il reste à déterminer celles dont la restriction à Enfag n’est pas surjective. Pour
construire une telle surjection, il convient de choisir l’image b de a parmi les n pos-
sibles puis de poursuivre la construction de l’application à l’aide d’une surjection de
Enfag sur F nfbg. Cela o¤re nSpn 11 possibilités.
Au …nal, on en déduit la formule

Spn = n Spn 1 + Spn 1

1

Montrons par récurrence sur p que

n
X n k n p
8p 1 8n 2 N 1 n p Spn = ( 1) k
k
k=1

Pour p = n = 1 S11 = 1.
On pourra véri…er que pour tout p 1 Sp1 = 1:
Pour p 2 Sp2 = 2p 2. C’est aussi le nombre d’applications de N2 dans Np sauf les
deux applications constantes qui ne sont pas surjectives.
Supposons la relation vraie pour p 1 1 et pour tout n 2 N 1 n p 1 alors

Spn = n Spn 1 + Spn 1

1
n n
!
X n k n p X1 n 1 k n 1
1 p 1
= n ( 1) k + ( 1) k
k k
k=1 k=1
n
X1 n k n n 1
= n ( 1) kp 1
+ np
k k
k=1
n
X1 n
X1
n k n 1 p 1 p n k k n p 1
= n ( 1) k +n =n ( 1) k + np
k 1 n k
k=1 k=1
n
X n k n p
= ( 1) k
k
k=1

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 11

Exercice : On note dn le nombre de permutations de de f1; ; ng véri…ant

8k 2 f1; ; ng (k) 6= k

On dit est un dérangement de f1; ; ng. On convient d0 = 1.

1. Établir
n
X n
8n 2 N n! = dn k
k
k=0

2. En déduire
n
X n k n
8n 2 N dn = ( 1) k!
k
k=0

5 Expérience aléatoire
5.1 Univers …ni
L’étude des probabilités est la tentative de dé…nir une mesure du hasard (hasard vient
de l’arabe az-zar qui veut dire dé à jouer ).
Si l’on jette deux dés de couleurs di¤érentes et que l’on observe le résultat du jet,
on a alors une expérience dont on ne peut prévoir le résultat, c’est une expérience
aléatoire. Par exemple, un résultat possible est le couple (2; 5). On ne s’intéressera
qu’aux expériences aléatoires dont on peut indiquer l’ensemble des résultats que l’on
appelle l’univers et que l’on note : L’univers, dans l’exemple précédent, est

= f(x; y) 2 f1; 2; ; 6g f1; 2; ; 6gg

Dé…nition : L’ensemble des résultats considérés d’une expérience aléatoire est appelé
univers et est généralement noté . Les éléments ! de sont les résultats (ou les
issues ) considérées de l’expérience aléatoire.

Remarques :
Si l’on jette deux dés et que seule la somme des deux dés nous intéresse au …nal, on
peut choisir = f2; ; 12g
Si l’on jette un dé, il est assez naturel de choisir = f1; ; 6g :
Le choix de l’univers dépend de la modélisation choisie pour l’expérience aléatoire
– il ne doit pas être trop petit pour pouvoir étudier toutes les issues souhaitées ;
– il ne doit pas être inutilement grand en prenant en compte des phénomènes inutiles.

Exemples :
On lance une pièce, il est assez naturel de choisir = fP; F g pour traduire si l’on a
obtenu pile ou face.
On distribue cinq cartes à un joueur de Poker, il est assez naturel de choisir égal à
l’ensemble des parties à 5 éléments de l’ensemble des cartes du jeu. On pourrait aussi
choisir l’ensemble des tuples de longueur 5 à éléments distincts si l’on tient à prendre
en compte l’ordre dans lequel le joueur reçoit ses cartes.
Une urne contient 1 boule blanche et 4 boules rouges. On tire successivement deux
boules avec remise :

= f(B; B); (B; R); (R; B); (R; R)g

On tire successivement deux boules sans remise :

= f(B; R); (R; B); (R; R)g

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 12

On tire simultanément deux boules :

= ffB; Rg; fR; Rgg

On étudie la répartition des tailles (au centimètre près) des individus dans une popu-
lation souhaitée.
Prendre = f10; ; 300g semble su¢ sant pour traiter toutes les situations rencon-
trées.
Prendre = f10; ; 300g fF; Gg permettra de poursuivre l’étude selon le sexe des
individus...

Exercice : Pour chaque expérience aléatoire, proposer un univers dont on indiquera le

cardinal :
1. Lancer trois fois une pièce.
2. Lancer une pièce et un dé en même temps.
3. Choisir mille français (pour un sondage. . . )
4. Choisir deux élèves (dont l’ordre n’importe pas) de la classe.
5. Choisir deux élèves de la classe, dans un certain ordre.
6. Une urne contient 3 boules blanches et 2 boules rouges en proportion. On tire n boules avec
remise dans cette urne.

5.2 Evénements
Dé…nition : On appelle événement toute partie A de ou encore tout élément A 2
P ( ).

Par exemple, si l’on jette deux dés de couleurs di¤érentes, l’évènement A : ”la somme
fait 7" alors :
A = f(1; 6) ; (2; 5) ; (3; 4) ; (4; 3) ; (5; 2) ; (6; 1)g
On parlera d’évènement impossible pour dire que l’évènement ne se produira jamais
ou qu’il est vide, par exemple ”la somme fait 1”, ou d’évènement certain” pour dire
que l’évènement contient tout l’univers, par exemple ”la somme fait moins de 13”. Un
évènement contenant qu’un seul élément est appelé un évènement élémentaire, par
exemple B : ”la somme fait 12”
B = f(6; 6)g
Exemple : On tire successivement deux boules dans une urne contenant 4 boules
blanches et 6 boules rouges.

= f(B; B); (B; R); (R; B); (R; R)g

L’évènement « la première boule tirée est rouge » correspond à la partie

A = f(R; B); (R; R)g

L’évènement « les deux boules tirées sont de couleurs di¤ érentes » correspond à la
partie

B = f(B; R); (R; B)g

L’évènement contraire de A est l’évènement comprenant tous les éléments de n’ap-
partenant pas à A et on le note A. L’évènement "A et B" est noté A \ B.
L’évènement "A ou B" est noté A [ B.
Dans le cas où A \ B = ;, on dit que A et B sont des événements incompatibles.

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 13

Soit (Ai )1 i n une famille …nie d’événements de on dira que (Ai )1 i n est un sytème
complet d’événements si pour tout
n
[
i 6= j Ai \ Aj = ; et Ai =
i=1
.
Exemple : Soit n urnes U1 ; ; Un . L’urne Uk contient k boules blanches et n k boules
noires 1 k n. On choisit une urne au hasard, puis on tire une boule au hasard dans
l’urne choisie. On note Ak l’événement "On choisit l’urne Uk " alors (A1 ; ; An ) et un
système complet d’événements.

Exercices :
1. Soit A; B; C trois évènements d’un espace probabilisable. Exprimer les évènements suivants :
(a) Aucun des évènements A; B ou C n’est réalisé.
(b) Un seul des trois évènements A; B ou C est réalisé.
(c) Au moins deux des trois évènements A; B ou C sont réalisés.
(d) Pas plus de deux des trois évènements A; B ou C sont réalisés.
2. On a placé dans un sac 25 cartons sur lesquels sont inscrits les nombres de 1 à 25. On tire
au hasard un carton.
(a) Expliciter l’univers de cette expérience aléatoire.
(b) Soit A l’évènement ”le carton porte un multiple de 5 ”, B l’évènement ”le nombre inscrit
est paire” et C l’évènement ”le nombre inscrit est au plus 5”. Expliciter les évènements
suivants : A; A; B; B; A \ B; A [ B et C.
(c) Exprimer en langage courant ce que sont les évènements A; B; C; A \ C et A \ B:
3. On jette deux fois un dé. Expliciter les évènements suivants et indiquer leurs cardinaux :
(a) A = "le premier jet a donné 1".
(b) B = "le premier jet a été inférieur ou égal au second ".
(c) C ="la somme des deux dés est 7".
(d) D = B C.
(e) E = "on a au moins un six ".
(f) F = E.
4. Une urne contient 3 boules blanches numérotées de 1 à 3 et 2 boules rouges numérotées de
1 à 2. On tire n boules avec remise dans cette urne. Calculer les cardinaux des événements
suivants : Bk "Avoir k boules blanches" k 2 f0; ; ng :

Lois de Morgan : Pour tout évènement A et B de on a :

A [ B = A \ B et A \ B = A [ B

On rappelle aussi la formule

Proposition : Pour tout évévènement A; B de on a :

Card (A [ B) = Card A + Card B Card (A \ B)

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 14

6 Espaces probabilisés …nis

6.1 probabilité
Soit une expérience aléatoire conduisant à l’univers = fx1 ; x2 ; ; xn g,

Dé…nition : On appelle loi de probabilité sur une fonction

P : P ( ) ! [0; 1]

telle que
P( )=1
pour tout A; B 2 P ( ) tels que A \ B = ; (i.e.) incompatibles alors

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

On dit alors que ( ; P ) est un espace probabilisé.

On lance un dé et l’on considère = f1; ; 6g :

Pour A , on pose
1
P (A) = Card (A)
6
L’application P est une probabilité sur l’univers :
L’espace probabilisé ( ; P ) modélise le tirage d’un dé « équilibré » .
Pour A , posons maintenant

1 si 6 2 A
P 0 (A) =
0 sinon
L’application P 0 dé…nit aussi une probabilité sur l’univers :
L’espace probabilisé ( ; P 0 ) modélise le tirage d’un dé assurant des 6.

Exercices :
1. Déterminer une probabilité sur = f1; ; ng telle que la probabilité de l’événement fkg
soit proportionnelle à k.
2. Soit P1 , P2 deux probabilités dé…nie sur un univers alors on dé…nit

P = P1 + (1 ) P2

Montrer que P est une probabilité.

6.2 Probabilité uniforme

Dé…nition : On appelle probabilité uniforme sur un univers …ni l’application

P : P ( ) ! [0; 1]

dé…nie par
Card (A)
P (A) =
Card ( )
On dit alors que l’univers est muni d’une équiprobablité.

Remarque : Oon peut munir d’une équiprobablité lorsque dans le texte on a : "choix
au hasard ", "dé non pipé", "pièce bien équilibrée"...

Exemples :

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 15

– On lance deux dés et l’on s’intéresse à la somme obtenue. Munir = f2; ; 12g de la
probabilité uniforme ne correspondrait pas à des dés équilibrés ! Bien que ce ne soit que la
somme des dés qui nous intéresse ici, il est plus pertinent de choisir

= f1; ; 6g f1; ; 6g

muni de la probabilité uniforme que de considérer = f2; ; 12g muni d’une probabilité
qui reste à calculer...
– On tire simultanément 3 boules dans une urne contenant 5 boules blanches et 10 boules
noires. On peut considérer = f(3; 0); (2; 1); (1; 2); (0; 3)g déterminant par des couples le
nombre de boules blanches et noires tirées, mais il serait di¢ cile de déterminer une probabilité
convenable sur .
– Si en revanche on choisit de distinguer les boules (par exemple en les numérotant de 1 à 5
pour les blanches et de 6 à 15 pour les noires) on peut choisir égal à l’ensemble des parties
à 3 éléments de f1; ; 15g muni de la probabilité uniforme.
Si A désigne l’évènement « le tirage ne comporte pas de boules blanches »
10
3 120
P (A) = 15 =
3
455

Exercices : On lance une pièce de monnaie trois fois de suite.

1. (a) Expliciter l’univers de cette expérience aléatoire.
(b) On suppose que la probabilité associée à chaque élément de est la même. Quel est ce
nombre ?
(c) Expliciter l’événement A ”la pièce tombe sur face au 2eme lancer” Déterminer sa pro-
babilité P (A).
(d) Expliciter l’événement B ”on obtient une seule fois face au cours des 3 lancers” Déter-
miner sa probabilité P (B) :
2. Une urne contient 3 boules blanches numérotées de 1 à 3 et 2 boules rouges numérotées de
1 à 2. On tire n boules avec remise dans cette urne. Soit les événements Bk "Avoir k boules
blanches" k 2 f0; ; ng : Calculer la probabilité des événements Bk :

6.3 Calcul de probabilités

Soit ( ; P ) un espace probabilisé.

Proposition : Pour tout évènement A 2 P ( )

P A =1 P (A)

Par dé…nition, on a A [ A = et A \ A = ;, étant donné P ( ) = 1 alors P A [ A =

P (A) + P A = 1 d’où
P A =1 P (A)
En particulier si A = ; alors A = et

P ; =P( )=1=1 P (;)

d’où
P (;) = 0

Exemple : On tire simultanément 3 boules dans une urne contenant 5 boules blanches
et 10 boules noires. Déterminons la probabilité de l’évènement A = "le tirage comporte

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 16

au moins une boule noire". Il est plus facile de raisonner par complément car A ="le
tirage ne comporte pas de boules noires"
5
3
P (A) = 1 P A =1 15
3

Proposition : Pour tout évènement A et B de , on a

P (A [ B) = P (A) + P (B) P (A \ B)

Exercices :
1. On tire une carte, au hasard, dans un jeu de 52 cartes. On considère les événements suivants :
A ”la carte tirée est un pique”
B ”la carte tirée est rouge”
C ”la carte tirée est une …gure”
D ”la carte tirée n’est ni un pique ni une …gure”
Calculer les probabilités des événements suivants : A; B; C; A \ B; A \ C; B \ C; A [ B; A [
C; B [ C et D
2. Que peut-on dire des événement de , A et B si l’on a P A [ B = 1 (?) et si l’on a
P A [ B = 0?
3. Une urne contient des boules blanches et des boules noires sur chacune d’elle est inscrit un
entier. La probabilité de tirer une boule noire est 3=4, celle de tirer une boule avec un numéro
pair est 2=3.
(a) Montrer que la probabilité p de tirer une boule noire ayant un numéro pair est supérieure
à 5=12.
(b) Faire deux schémas : un qui corresponde à p = 5=12, l’autre à p > 5=12.
4. Une pièce de monnaie est lancée quatre fois de suite. On note à chaque fois le côté exposé :
p pour pile et f pour face. Exemple (p; p; f; p) etc. Quel est l’événement le plus probable :
répartition 2 2 (i.e.) 2 piles et 2 faces, ou la répartition 3 1 (i.e.) 3 piles et 1 face ou 3
faces et 1 pile ?
5. On lance un dé 3 fois de suite.
(a) Dé…nir l’univers.
(b) Calculer le cardinal de l’univers.
(c) Calculer la probabilité d’obtenir 2 as au moins (exactement 2 as).
(d) Comparer les probabilités des événements suivants ”la somme des dés fait 9” et ”la
somme fait 10”.
6. Dans une classe de 25 élèves, 15 élèves s’intéressent à la musique, 8 élèves s’intéressent au
jeu d’échecs et 3 élèves s’intéressent à la fois à la musique et au jeu d’échecs.
(a) Combien d’élèves ne s’intéressent ni à la musique ni au jeu d’échecs ?
(b) On interroge un élève au hasard. Calculer la probabilité des événements suivants :
i. L’élève s’intéresse à la musique.
ii. L’élève s’intéresse à la musique ou au jeu d’échecs.
7. Dans une classe de 35 élèves, on se propose de calculer la probabilité qu’au moins deux élèves
aient la même date de naissance.
(a) On considère que dans une année, il y a 365 jours. On considère l’univers de toutes les
classes de 35 élèves classées par ordre alphabétique, distinctes par les dates de naissance
des élèves. Quelle est le cardinal de l’univers ?

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 17

(b) Quelle est la probabilité d’avoir une classe dans laquelle aucun élève n’a la même date
de naissance ?
Conclure.

(c) Calculer combien faut-il d’élèves pour que la probabilité d’avoir au moins deux élèves
ayant la même date de naissance soit supérieure à 0,5 ?

7 Probabilité conditionnelle
7.1 Conditionnement par un évènement
Reprenons l’expérience aléatoire du lancer de deux dés de couleur di¤érente et dont
l’univers
= f(x; y) 2 f1; 2; ; 6g f1; 2; ; 6gg
Soit les événements A : "obtenir une somme égal à 5" et l’évènement B : "avoir au
moins 1 trois". A = f(1; 4) ; (2; 3) ; (3; 2) ; (4 ; 1)g et B = B1 [ B2 B1 : "avoir
exactement 1 trois" et B2 : "avoir 2 trois" et Card B = Card B1 + Card B2 = 11. On
se propose de calculer la probabilité de l’évènement conditionnel C = BjA : "obtenir
un trois sachant qu’on a obtenu une somme égale à 5", c’est l’évènement B sachant A.
On note PA (B) la probabilité de l’évènement BjA et

P (A \ B) 1
PA (B) = P (BjA) = =
P (A) 2

Dé…nition : Soit P une probabilité sur un univers et A un évènement tel que

P (A) 6= 0. Pour tout B, on appelle probabilité de B sachant A le réel

P (A \ B)
PA (B) = P (BjA) =
P (A)

Proposition : Si P (A) 6= 0 alors l’appication

(
P ( ) ! [0; 1]
PA :
B 7 ! P P(A\B)
(A)

est une probabilité sur .

Exercices :
1. Quelle est la probabilité "obtenir une somme au moins égale à 5 sachant qu’on a eu un 3" ?
2. Quelle est la probabilité que la somme des faces obtenues soit paire sachant que l’on a un 3 ?
3. Dans une famille ayant deux enfants :
(a) Quelle est la probabilité que l’ainé des enfants soit un garçon ?
(b) Sachant qu’il y une …lle qu’elle est la probabilité que l’ainé soit un garçon ?

7.2 Propriétés
Soit P une probabilité sur un univers et A un évènement tel que P (A) 6= 0, on
remarquera
– D’après la dé…nition de P (A) PA (B) =

P (A \ B) = P (A) PA (B)

de même si P (B) 6= 0 alors P (A \ B) = P (B) PB (A) :

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 18

– On peut généraliser : soit A1 ; ; An des événements de tels que P (A1 \ \ An 1) 6= 0

alors

P (A1 \ \ An ) = P (A1 ) PA1 (A2 ) PA1 \A2 (A3 ) PA1 \ \An 1 (An )

Par récurrence P (A1 \ \ An+1 ) = P (A1 \ \ An ) P(A1 \ \An ) (An+1 ).

Exemple : Considérons une urne contenant 4 boules blanches et 6 boules rouges. On

tire successivement 3 boules sans remise. Quelle est la probabilité d’obtenir un tirage
constitué de 3 boules blanches ?
On note Ai l’évènement "la i-ème boule tirée est blanche". Clairement P (A1 ) = 4=10 =
2=5.
Le calcul direct de P (A2 ) est moins évident car on ne connaît pas la composition
précise de l’urne lors du deuxième tirage. Cependant, le calcul de PA1 (A2 ) est facile et
PA1 (A2 ) = 3=9 = 1=3. De même, PA1 \A2 (A3 ) = 2=8 = 1=4:
Par probabilités composées P (A1 \ A2 \ A3 ) = 2=5 1=3 1=4 = 1=30:

P (A\A) P (A)
– PA (A) = P (A) = P (A) =1
PA (A) = 1
P (A) P (A\B ) P (A\B)
–P A \ B [ (A \ B) = P (A) = P A \ B +P (A \ B) d’où P (A) = P (A) + P (A) =1
P (A\B )
et P (A) = 1 P P(A\B)
(A)
PA B = 1 PA (B)
– Si A et B sont incompatibles et P (B) 6= 0 alors P (A \ B) = 0 et donc

PA (B) = PB (A) = 0

7.2.1 Formule des probabilités totales

Théorème : Soit (Ai )1 i n est un système complet d’évènements de l’espace probabi-
lisé ( ; P ) de probabilités non nulles alors pour tout évènement B de
n
X
P (B) = PAi (B)P (Ai )
i=1

n
[
Il su¢ t d’écrire que B = B \ Ai et que les B \ Ai sont incompatibles deux à deux.
i=1
Exemples : On tire successivement sans remise, trois boules dans une urne contenant
6 boules blanches et 4 boules noires. Déterminons la probabilité de l’évènement B = "la
troisième boule tirée est blanche". On considère le système complet d’évènements
A0 = "Les deux premiers tirages comporte 0 boule blanche"
A1 = "Les deux premiers tirages comporte 1 boule blanche"
A2 ="Les deux premiers tirages comporte 2 boules blanches"
Notons aussi Bi l’évènement "la boule du i-ème tirage est blanche" de sorte que B3 = B.
Par la formule des probabilités totales

P (B) = P (A0 )PA0 (B) + P (A1 )PA1 (B) + P (A2 )PA2 (B)

Puisque l’on connaît la composition de l’urne lorsque l’évènement Ak est réalisé PA0 (B) =
6=8, PA1 (B) = 5=8 et PA2 (B) = 4=8:
Puisque A0 = B1 \ B2 , par probabilités composées

P (A0 ) = P B1 PB1 B2 = 4=10 3=9

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 19

Puisque A1 = B1 \ B2 [ B1 \ B2 et B1 \ B2 et B1 \ B2 sont incompatibles donc

P (A1 ) = P B1 \ B2 + P B1 \ B2 = 6=10 4=9 + 4=10 6=9

En…n A2 = B1 \ B2 donc
P (A2 ) = P (B1 )PB1 (B2) = 6=10 5=9

Finalement

P (B) = 3=5
Ce résultat pouvait être attendu car, par raison de symétrie, la probabilité que la
troisième boule tirée soit blanche est la même que celle que la première tirée soit
blanche...

7.2.2 Formule de Bayes

Théorème : Soit A et B deux évènements de probabilité non nulle. On la relation
suivante, appelée "Formule de Bayes"
PA (B) P (A)
PB (A) =
PA (B) P (A) + PA (B) P A
Remarque : La formule de Bayes est utile pour les raisonnements « rétroactifs » . Si
on sait mesurer la conséquence B d’un évènement A et que l’on sait l’évènement B
réalisé, la formule de Bayes permet de savoir si l’évènement A l’a été.

Exemple : On dispose de 100 dés cubiques, dont 25 exactement sont truqués et donnent
6 avec une probabilité de 1=2. On choisit un dé au hasard et on fait 6. Quelle est la
probabilité qu’il soit truqué.
On appelle A = "le dé est truqué" et B = "On fait 6 ". La question revient à calculer
PA (B) P (A) 1=2 1=4 1
PB (A) = = =
PA (B) P (A) + PA (B) P A 1=2 1=4 + 1=6 3=4 2

Exercices :
1. Soit A et B deux évènements tels que
P (A) = 0; 3 ; P (B) = 0; 7 et P (A [ B) = 0; 8
Calculer P (A \ B), PA (B) et PB (A) :
2. Montrer
PA (B [ C) = PA (B) + PA (C) PA (B \ C)
3. Deux urnes U1 et U2 contenant respectivement cinq boules rouges, trois boules vertes et
une rouge, quatre boules vertes. On choisit une urne au hasard, puis on prélève au hasard
une boule dans cette urne. La boule est rouge quelle est la probabilité qu’elle provienne de U1 ?

4. Le test de dépistage d’une maladie possède les caractéristiques suivantes :

- la probabilité qu’un individu malade ait un test positif est 0,99 ;
- la probabilité qu’un individu sain ait un test négatif est 0,99 ;
Exprimer en fonction de p (proportion de malades dans la population) la probabilité qu’un
individu, dont le test est positif, soit malade.

5. On dispose de 1000 pièces de monnaie : 999 tout à fait normales et 1 fausse avec deux faces
marquées pile. On tire une pièce au hasard et on la lance 10 fois. Sachant qu’on a obtenu 10
fois pile, quelle est la probabilité qu’on ait tiré la fausse pièce ?
6. Jacques dit : "Les jours de pluie, j’oublie mon parapluie une fois sur trois. Au bout du compte
je me mouille une fois sur quatre". Qu’elle est la probabilité qu’il pleuve dans cette ville ?

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 20

7.3 Indépendance
Exemple : Toujours dans l’expérience aléatoire, on lance successivement deux dés,
proposons nous de trouver la probabilité de l’évènement "avoir un 6 au deuxième dé,
sachant qu’on a eu un 6 au premier dé". Si l’on note A l’évènement : "avoir un 6 au
premier dé" et l’évènement B "avoir un 6 au deuxième dé" alors

P (A \ B) 1=36 1
PA (B) = = =
P (A) 1=6 6
1
et comme P (B) = 6 on a donc

P (A \ B) 1
= P (B) = () P (A \ B) = P (A) P (B) :
P (A) 6

Dé…nition : On dira que deux évènements A et B sont indépendants si P (A) = 0

ou
PA (B) = P (B) () P (A \ B) = P (A) P (B)

Remarque : Si P (A) = 0 alors pour tout B A\B A on a P (A \ B) = P (A) =

0 = P (A) P (B)

Exercice : Montrer que si A est indépendant avec tout événements B alors

P (A) = 0 ou P (A) = 1

On montrera qu’alors les évènements A et B sont aussi indépendants et on retiendra

Propriété : Si les évènements A et B sont indépendants alors les évènements A et B

sont aussi indépendants.

Exercice : Montrer que si les événements A et B sont indépendants alors A et B le sont.

Et pourtant, soit A l’événement : "perdre mon portable aujourd’hui " et B l’évènement

"perdre mon portable demain". Les événements A et B sont incompatibles et donc en
général P (A) P (B) 6= P (A \ B) = 0, par contre rien n’empêche que la probabilité
de ne pas le perdre demain soit indépendante de ne pas l’avoir perdu aujourd’hui et
dans ce cas PA B = P B : Expliquez ? ?

Exemple : On interroge les parents d’une famille pour connaître le rhésus sanguin de
leurs enfants : positif ou négatif. On considère les évènements A : "les enfants n’ont pas
tous le même rhésus" et B :"au plus, un enfants est de rhésus négatif "
– Les parents ont deux enfants. Les évènements A et B sont-ils indépendants ?
L’ensemble des issues possibles E = f(+; +) ; (+; ) ; ( ; +) ; ( ; )g et P (A) = 12 , P (B) =
3 1
4 P (A \ B) = 2 6= P (A) P (B) les évènements A et B sont indépendants.
– Les parents ont trois enfants. Montrer que les évènements A et B sont indépendants.

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 21

Dé…nition : Soit A1 ; ; An des évènements de l’espace probabilisé ( ; P ). On dit que

ces évènements sont mutuellement indépendants si
m
! m
\ Y
8m 2 f1; ; ng ; 81 i1 < i2 < : : : < im n; P Aik = P (Aik )
k=1 =1

Exemples :
On lance n fois une pièce. Soit Ai l’évènement "on obtient face lors du i-ième lancer ".
Les évènements A1 ; ; An sont mutuellement indépendants.
Il ne faut pas confondre indépendance mutuelle et indépendance deux à deux.
On lance deux dés discernables et l’on considère les évènements A ="le premier dé
lancé donne un résultat pair " B ="le second dé lancé donne un résultat pair " et C ="la
somme des deux dés est un résultat pair "
Les évènements A, B et C sont deux à deux indépendants. Cependant, il ne sont pas
mutuellement indépendants car
P (A \ B \ C) = P (A \ B) = 1=4 et P (A)P (B)P (C) = 1=8

Exercices :
1. On tire une carte d’un jeu de 32 cartes ; étudier l’indépendance des évènements :
(a)
A : tirer un coeur
B : tirer une …gure
C : tirer un 10
(b)
A : tirer deux coeurs
B : tirer deux …gures
C : tirer un as et un roi
2. On considère pour une famille de n enfants.
(a) Étudier l’indépendance des événements :

A : il y a au plus une …lle

B : il y a au moins une …lle et au moins un garçon

(b) Y a-t-il des valeurs de n pour lesquelles ces évènements sont indépendants ?
3. Montrer que si A et B sont indépendants alors A et B sont indépendants.
4. Montrer que l’évènement C : "avoir un double" est indépendant des évènements A et B;
si l’on note A l’évènement : "avoir un 6 au premier dé" et l’évènement B "avoir un 6 au
deuxième dé". Étudier la mutuelle indépendance des événements A; B; C.
5. On lance n fois une pièce de monaie équilibrée. Quelle est la probabilité de l’évènement A :
"on obtient au moins une fois pile" ?
6. Une famille possède deux enfants.
(a) Quelle est la probabilité que les deux soient des garçons ?
(b) Quelle est la probabilité que les deux soient des garçons sachant que l’un des deux
enfants est un garçon ?
(c) Quelle est la probabilité que les deux soient des garçons sachant que l’aîné est un garçon ?
(d) Quelle est la probabilité que les deux soient des garçons sachant que l’un des deux
enfants est un garçon né le 29 février ?

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 22

7. Dans une ville, les taxis sont numérotés 1; 2; 3; ; n. Dans la rue, on observe les quatre
premiers taxis qui passent, et on note leurs numéros : 93; 205; 77 et 191: Un chau¤eur de
taxi prétend qu’il y aurait 650 taxis. Quel crédit peut-on donner à cette a¢ rmation ?

8. Combien de raisins de Corinthe doit-on mettre dans 2 kg de pâte pour être certain à 99%
qu’il y ait au moins un raisin dans chaque petit pain de 50 g ? (On veut que la probabilité
pour un pain d’avoir au moins un grain de raisin soit 0; 99).

8 Variables aléatoires
Soit l’univers correspondant à l’ensemble des résultats possibles d’une expérience
aléatoire.

8.1 Dé…nitions
Dé…nition : On appelle variable aléatoire d’un espace probabilisé ( ; P ) toute fonc-
tion X : ! E où E est un ensemble …ni, souvent E est une partie de R dans ce cas
on dit que X est une variable aléatoire réelle.

Exemples :
– On choisit une carte à l’intérieur d’un jeu de 32 cartes. La variable aléatoire fournissant la hau-
teur de la carte est une application de le jeu de 32 cartes dans X ( ) = f7; 8; 9; 10; V; D; R; ASg.
– Dans l’expérience du jet de 2 dés de couleur di¤érente, on peut dé…nir la variable aléatoire
qui à chaque issue associe la somme des dés. L’univers image

X ( ) = f2; 3; 4; 5; 6; 7; 8; 9; 10; 11; 12g

L’événement de noté fX = ig = fxj 2 ; X (xj ) = i g. Dans l’univers précédent

fX = 5g = f(1; 4) ; (2; 3) ; (3; 2) ; (4; 1)g

– Une urne contient p boules blanches et q boules rouges. On tire avec remise n boules à
l’intérieur de cette urne : = F (f1; ; ng ; fB; Rg). L’application X : ! R donnée
par X (!) est égal au nombre de boules blanches dans le tirage dé…nit une variable aléatoire
réelle sur .

Remarques :
Si X est une variable aléatoire sur alors X( ) est un ensemble …ni correspondant à
l’ensemble des valeurs prises pas X. D’autre part,
[ [
= f! 2 X (!) = xg = fX = xg
x2X( ) x2X

et si x 6= x0 comme X est une fonction X (!) ne peut pas être égal à x et à x0 alors

fX = xg \ fX = x0 g = ;

et la famille (fX = xg)x2X( ) est un système complet d’événements.

L’appellation variable aléatoire est usuelle bien que malheureuse. En e¤et, X n’est pas
une variable mais bien une fonction et celle-ci n’est pas aléatoire mais plutôt parfaite-
ment déterminée. Ce sont les valeurs de X qui correspondent à des quantités qui vont
varier selon le résultat de l’expérience aléatoire.
Soit A X ( ) on note fX 2 Ag = X 1 (A) = f! 2 X (!) 2 Ag :

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 23

fX 2 Ag\fX 2 Bg = fX 2 A \ Bg, fX 2 Ag[fX 2 Bg = fX 2 A [ Bg et X 2 A =

fX 2 Ag
De même fX ag = X 1 (] 1; a]) etc.

Dé…nition : On appelle loi image de la variable aléatoire X dé…nie sur l’espace de

probabilité ( ; P ), l’application
P (X ( )) ! [0; 1]
PX :
A 7 ! P (X 2 A)
Théorème : L’application PX dé…ni une probabilité sur l’univers image X ( ) :

Exemples :
– Dans l’exemple précédent :
PX (5) = P (f(1; 4) ; (2; 3) ; (3; 2) ; (4; 1)g) = 4=36
et plus généralement :

X( ) 2 3 4 5 6 7 8 9 10 11 12
PX 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
– Dans une urne contenant n boules blanches et n boules rouges, on tire sans remise n boules.
En discernant les boules, on prend l’ensemble des parties à n éléments de f1; ; 2ng.
Considérons la variable aléatoire X donne le nombre de boules blanches obtenues alors
X( ) = f0; ; ng et
n n
k n k
PX (k) = P (X = k) = 2n
n
Remarque : On en déduit la formule
n
X n
X n
X 2
n n 2n n
PX (k) = 1 () = =
k n k n k
k=0 k=0 k=0

Exercices :
1. Montrer que si l’on lance deux dés marqués de la façon suivante f1; 2; 2; 3; 3; 4g et f1; 3; 4; 5; 6; 8g,
on obtient la même loi image Z = X + Y qu’avec deux dés habituelles.
2. Une variable aléatoire X suit une loi binomiale de taille n et de paramètre p. Quelle est la
loi suivie par la variable Y = n X ?

8.2 Lois usuelles

Soit X une variable aléatoire sur l’espace probabilisé ( ; P ):

8.2.1 Loi uniforme

Dé…nition : On dit que la variable aléatoire X suit une loi uniforme sur X ( ) si
Card (X ( )) = n et
8x 2 X ( ) ; P (X = x) = 1=n
Exemples :
– On choisit une carte à l’intérieur d’un jeu de 32 cartes. La variable aléatoire fournissant la
hauteur de la carte suit une loi uniforme sur f7; 8; 9; 10; V; D; R; ASg.
– La variable aléatoire donnant la couleur de la carte suit une loi uniforme sur l’ensemble des
quatre couleurs possibles et X ( ) = fT; K; C; P g :
– On lance deux dés discernables équilibrés. La variable aléatoire fournissant la valeur du
premier dé suit une loi uniforme répartie sur f1; ; 6g.

Notation : Si la variable aléatoire X suit une loi uniforme sur f1; ; ng, on note
X = U (n).

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 24

8.2.2 Loi de Bernouilli

Dé…nition : On dit qu’une variable aléatoire X suit une loi de Bernoulli de para-
mètre p (avec p 2]0; 1[) si

X ( ) = f0; 1g P (X = 1) = p P (X = 0) = 1 p

On note alors X = B (p).

Remarque :
Les variables aléatoires X suivant une loi de Bernoulli servent à modéliser les situations
à deux issues : succès (valeurs 1, probabilité p) ; échec (valeur 0, probabilité q = 1 p).

Exemple :
Une urne contient des boules blanches en proportion p et des boules rouges en propor-
tion q = 1 p. On tire une boule de cette urne et l’on pose X = 1 si celle-ci est blanche,
0 sinon. La variable X suit une loi de Bernoulli de paramètre p.

8.2.3 Loi binomiale

Dé…nition : On dit qu’une variable aléatoire X suit une loi binomiale de paramètres
n et p (avec n 2 N et p 2]0; 1[) si X( ) = f0; ; ng et

n k n k
8k 2 f0; ; ng ; P (X = k) = p (1 p)
k

On note alors X = B(n; p).

Remarque : Puisque
n
X n k n k n
p (1 p) = (p + (1 p)) = 1
k
k=0

il est probable qu’une telle loi existe ...

Exemples :
– Une urne contient des boules blanches en proportion p et des boules rouges en proportion
q = 1 p. On tire n boules avec remise dans cette urne le nombre X de boules blanches tirées
suit une loi binomiale de paramètre n; p.
– On lance n fois une pièce équilibrée et l’on compte X le nombre de "faces" obtenus. La
variable aléatoire X suit une loi binomiale de paramètres n et p = 1=2.

Exercice :
1. On lance cinq fois de suite une pièce de monnaie équilibrée.
(a) Décrire l’univers correspondant à cette expérience aléatoire.
(b) Soit X la variable qui décompte la longueur de la première série de faces consécutivess
ainsi X (F F P F P ) = 2, X (P F F P F ) = 2; X (P P P P P ) = 0: Déterminer la loi de X
et calculer E (X) :
(c) Soit Y la variable qui décompte la longueur de la plus longue série de piles consécutives.
Déterminer la loi de Y et calculer E (Y ).
(d) Soit Z la variable qui décompte la longueur de la plus longue série (de piles ou de faces
consécutives). Déterminer la loi de Z et calculer E (Z) :

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 25

2. On lance deux dés équilibrés, on note U1 et U2 les variables aléatoires correspondant aux
résultats obtenus. On appelle X = min(U 1; U 2) et Y = max(U 1; U 2). Donner les lois de X
et Y .
3. Une variable aléatoire réelle X suit une loi binomiale de taille n et de paramètre p 2]0; 1[.
On note pk = P (X = k) :
pk
(a) Déterminer tous les k tel que Pk 1 1
(b) En déduire la valeur de k, pour laquelle la probabilité pk = P (X = k) est maximale ?

8.2.4 Variable aléatoire composée

Soit X une variable aléatoire sur l’espace probabilisé ( ; P ) à valeurs dans un ensemble
E.

Dé…nition : Si f est une application dé…nie au moins sur X( ) E à valeurs dans

un ensemble E 0 , on appelle variable aléatoire composée f (X) la variable aléatoire
Y =f X Y : ! E 0 avec Y (!) = f (X (!)).

Exemple :
On tire simultanément n boules dans une urne contenant p boules blanches et q boules
rouges (avec n p + q ).
On note X la variable aléatoire donnant le nombre de boules blanches contenues dans
le tirage.
Considérons f : k 7 ! n k et Y = f (X).
La variable aléatoire Y détermine le nombre de boules rouges contenues dans le tirage.
Cette variable aléatoire Y est simplement notée Y = n X.

Remarques :
Si la fonction f est une fonction présentant une notation usuelle particulière, on adapte
celle-ci à la description de la variable aléatoire f (X). C’est ainsi qu’on pourra écrire
p
X 2 ; X; jXj ; aX + b; etc.

Si Y = f (X), par dé…nition PY (B) = P (Y 2 B) = P (f (X) 2 B) or f (X) 2 B ()

X 2 f 1 (B) :
En pratique, connaître la loi de X su¢ ra pour déterminer les lois des variables aléatoires
composées déduites de X.

Exemple : Si X = B (n; p) alors Y = 1 X = B (n; q)

8.3 Couples de variables aléatoires

8.3.1 Loi conjointe
Dé…nition : Soit X et Y deux variables aléatoires dé…nies sur le même espace probabi-
lisé ( ; P ) et à valeurs dans des ensembles E et F respectivement. On appelle couple
de variables aléatoires X et Y la variable aléatoire

Z: !E F ! 7 ! (X (!) ; Y (!))

La loi Z s’appelle la loi conjointe des variables X et Y .

Exemples :

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 26

– On choisit une carte à l’intérieur d’un jeu de 32 cartes. On désigne par X la hauteur et Y
la couleur de cette carte. La variable aléatoire Z = (X; Y ) détermine alors parfaitement la
carte tirée.
– On lance deux dés équilibrés et on note X la plus grande des deux valeurs et Y leur somme.
On a X ( ) = f1; ; 6g et Y ( ) = f2; ; 12g. la loi conjointe Z = (X; Y ) se déduit du
tableau suivant :
Y nX 2 3 4 5 6 7 8 9 10 11 12
1 1/36 0 0 0 0 0 0 0 0 0 0
2 0 1/18 1/36 0 0 0 0 0 0 0 0
3 0 0 1/18 1/18 1/36 0 0 0 0 0 0
4 0 0 0 1/18 1/18 1/18 1/36 0 0 0 0
5 0 0 0 0 1/18 1/18 1/18 1/18 1/36 0 0
6 0 0 0 0 0 1/18 1/18 1/18 1/18 1/18 1/36

8.3.2 Lois marginales

Soit Z une variable aléatoire sur l’espace probabilisé ( ; P ) à valeurs dans un produit
cartésien E F .
Pour chaque ! 2 , Z (!) désigne un couple élément de E F . Notons X (!) 2 E et
Y (!) 2 F les deux éléments de ce couple. La variable Z se comprend alors comme le
couple (X; Y ).

Dé…nition : On appelle lois marginales de la variable Z les lois des deux variables
X et Y .

Remarque : En d’autres termes, la loi conjointe détermine les lois marginales et cela
peut se visualiser par un tableau

Y nX 2 3 4 5 6 7 8 9 10 11 12 PX
1 1/36 0 0 0 0 0 0 0 0 0 0 1/36
2 0 1/18 1/36 0 0 0 0 0 0 0 0 3/36
3 0 0 1/18 1/18 1/36 0 0 0 0 0 0 5/36
4 0 0 0 1/18 1/18 1/18 1/36 0 0 0 0 7/36
5 0 0 0 0 1/18 1/18 1/18 1/18 1/36 0 0 1/4
6 0 0 0 0 0 1/18 1/18 1/18 1/18 1/18 1/36 11/36
PY 1/36 1/18 1/12 1/9 5/36 1/6 5/36 1/9 1/12 1/18 1/36

En revanche, les lois marginales ne su¢ sent pas à déterminer la loi conjointe.
Par exemple, les deux tableaux ci-dessous correspondent à de mêmes lois marginales
pour des lois conjointes di¤érentes.

Y nX 0 1 PX Y nX 0 1 PX
0 1/2 0 1/2 0 0 1/2 1/2
et
1 0 1/2 1/2 1 1/2 0 1/2
PY 1/2 1/2 PY 1/2 1/2

Exercice : Soit (X; Y ) un couple de variables aléatoires suivant une loi uniforme sur
2
f0; ; ng . Déterminer la loi de X, la loi de Y , la loi de X + Y .

8.3.3 Lois conditionnelles

Soit X et Y deux variables aléatoires sur un espace probabilisé ( ; P ).

Dé…nition : Pour x 2 X( ) tel que P (X = x) 6= 0, on appelle loi conditionnelle

de Y sachant X = x la loi de Y pour la probabilité conditionnelle PfX=xg . Autrement
dit :

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 27

P (fY 2 Bg \ fX = xg)
8B Y ( ); P (fY 2 Bg j fX = xg) =
P (X = x)
Remarque : Cette loi est entièrement déterminée par la connaissance de

P (fX = xg \ fY = yg)
P (Y = yjX = x) = pour tout y 2 Y ( )
P (X = x)
Exemple :
Supposons X et Y variables aléatoires de loi conjointe donnée par

Y nX 0 1 PX
0 0.1 0.3 0.4
1 0.2 0.4 0.6
PY 0.3 0.7

La loi Y sachant X = x est alors

X=0 X=1
P (Y = 0jX = x) 0.25 0.33
P (Y = 1jX = x) 0.75 0.67

8.3.4 Couple de variables indépendantes

Dé…nition : On dit que deux variables aléatoires X et Y sur le même espace probabilisé
( ; P ) sont indépendantes si

8(A; B) 2 P(X( )) P(Y ( )); P (X 2 A; Y 2 B) = P (X 2 A)P (Y 2 B)

Autrement dit, les évènements fX 2 Aget fY 2 Bg sont toujours indépendants.

Exemples :
– On lance deux dés discernables. La variable X détermine la valeur du premier et Y celle du
second. Il est usuel de modéliser X et Y en tant que variables indépendantes.
– Une première urne contient 2 boules blanches et 3 boules noires et une seconde l’inverse. On
jette une pièce et si l’on obtient "face", on pioche une boule dans la première urne, sinon,
on pioche cette boule dans la seconde urne. On note X la valeur du lancer de la pièce et Y
la couleur de la boule tirée. Les variables X et Y ne sont pas indépendantes !

Théorème : On a équivalence entre :

(i) les variables aléatoires X et Y sont indépendantes ;
(ii) pour tout x 2 X( ) avec P (X = x) 6= 0, la loi de Y sachant fX = xg est égale à
la loi de Y ;
(iii) 8(x; y) 2 X( ) Y ( ), P (X = x; Y = y) = P (X = x)P (Y = y)

Supposons (i) alors 8 (x; y) 2 X ( ) Y ( ) P (X = x) 6= 0 P (Y = yjX = x) =

P (fY =yg\fX=xg)
P (X=x) = P (Y = y)
Supposons (ii) si P (X = 0) alors 8y 2 Y ( ),P (X = x; Y = y) = 0 car fX = xg \
fY = yg fX = xg et P (X = x; Y = y) = 0 = P (X = x) P (Y = y) sinon
P (X = x) 6= 0 alors P (X = x; Y = y) = P (X = x) PfX=xg (Y = y) = P (X = x)
P (Y = y) :

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 28

Supposons (iii) Soit (A; B) 2 X ( ) Y ( ) alors

X
P (X 2 A; Y 2 B) = P (X = x; Y = y)
(x;y)2A B
X
= P (X = x) P (Y = y)
(x;y)2A B
XX
= P (X = x) P (Y = y)
x2A y2B
X X
= P (X = x) P (Y = y)
x2A y2B
= P (X 2 A) P (Y 2 B)

Exemple : Supposons X et Y variables aléatoires de loi conjointe donnée par

XnY 0 1 PX
0 1/12 2/12 3/12
1 3/12 6/12 9/12
PY 4/12 8/12

La loi de Y sachant X = x est alors

X=0 X=1
P (Y = 0 j X = x) 1=3 = P (Y = 0) 3=9 = P (Y = 0)
P (Y = 1 j X = x) 2=3 = P (Y = 1) 6=9 = P (Y = 1)

Exercice :
2
1. Soit (X; Y ) un couple de variables aléatoires suivant une loi uniforme sur f0; ; ng .
(a) Déterminer la loi de X, la loi de Y , la loi de X + Y .
(b) Les lois X et Y sont-elles indépendantes ?
(c) Les lois X et X + Y sont-elles indépendantes ?

8.3.5 Variables mutuellement indépendantes

Dé…nition : On dit que des variables aléatoires X1 ; ; Xn sont mutuellement in-
dépendantes si
n n
! n
Y \ Y
8 (Ai )1 i n 2 P (Xi ( )) P fXi 2 Ai g = P (Xi 2 Ai )
i=1 i=1 i=1

Exemples :
– On répète n fois la même expérience aléatoire et l’on note X1 ; ; Xn les résultats successifs.
En supposant que le résultat d’une expérience est sans incidence sur les autres, il est usuel de
modéliser l’expérience en supposant les variables X1 ; ; Xn mutuellement indépendantes.
– On lance n fois une pièce de monnaie. On pose Xi = 1 si le i-ème lancer donne "face", on pose
Xi = 0 sinon. Les variables X1 ; ; Xn peuvent être supposées mutuellement indépendantes.
– On tire des boules dans une urne contenant des boules blanches et rouges. On note Xi la
couleur obtenue lors du i-ème tirage. Si l’on suppose que le tirage a lieu avec remise, il est
usuel de supposer les variables X1 ; ; Xn mutuellement indépendantes. Si l’on ne suppose
pas la remise, les variables Xi ne sont plus indépendantes !

Remarques :
L’indépendance mutuelle ne doit pas être confondues avec l’indépendance deux à deux.

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 29

Si on lance deux dés discernables que l’on note X et Y les parités de chaque dé et Z
la parité de la somme alors les variables X; Y; Z sont deux à deux indépendantes, mais
pas mutuellement indépendantes en e¤et

P (X = 1; Y = 1; Z = 1) = 1=4 6= P (X = 1) P (Y = 1) P (Z = 1) = 1=8

Exercice : Soit A1 ; ; An n événements d’un espace probabilisé ( ; P ). On les sup-

pose mutuellement indépendants et de probabilités respectives pi = P (Ai ). Donner une
expression simple de P (A1 [ [ An ) en fonction de p1 ; ; pn .

Application : on suppose qu’une personne est soumise à n expériences indépendantes

les unes des autres et qu’à chaque expérience, elle ait une probabilité p d’avoir un
accident. Quelle est la probabilité qu’elle ait au moins un accident ?

8.3.6 Schéma de Bernoulli

Dé…nition : On appelle schéma de Bernoulli de paramètre p 2]0; 1[ toute suite
X1 ; ; Xn de variables aléatoires mutuellement indépendantes suivant chacune une
même loi de Bernoulli de paramètre p 2]0; 1[.

Exemples :
On lance plusieurs n fois une pièce et l’on pose Xi = 1 ou 0 selon que le i-ème tirage a
donné "face" ou non. Les variables X1 ; ; Xn dé…nissent un schéma de Bernoulli.
On tire avec remise n boules dans une urne contenant des boules blanches et rouges et
l’on pose Xi = 1 ou 0 selon que le i-ème tirage est une boule blanche ou rouge.

Remarque :
Si X1 ; ; Xn est un schéma de Bernoulli, il est fréquent d’étudier la variable S =
X1 + + Xn qui se comprend comme égale au nombre de succès.

Théorème : Si X1 ; ; Xn dé…nissent un schéma de Bernoulli de paramètre p 2]0; 1[

alors S = X1 + + Xn suit une loi binomiale de paramètres n et p.

On raisonne par récurrence sur n 2 N . La propriété voulue est vraie quand n = 1 car
1 1 1 0
P (S = 1) = 11 p1 (1 p) = p et P (S = 0) = 10 p0 (1 p) = 1 p.
Supposons la propriété vraie au rang n 1.
Soit X1 ; ; Xn+1 un schéma de Bernoulli de paramètre p. Posons S = X1 + +Xn+1
et T = X1 + + Xn .
Par hypothèse de récurrence T est une loi binomiale de paramétre n; p.
Soit k 2 f1; ; ng. Les évènements

P (S = k) = P (fS = kg \ fXn+1 = 0g) + P (fS = kg \ fXn+1 = 1g)

et
P (fS = kg \ fXn+1 = 0g) = P (fT = kg \ fXn+1 = 0g)
de plus les événements fT = kg et fXn+1 = 0g sont indépendants donc

P (fS = kg \ fXn+1 = 0g) = P (fT = kg \ fXn+1 = 0g) =

n k
P (T = k) P (Xn+1 = 0) = nk pk (1 p) (1 p)

et de même
P (fS = kg \ fXn+1 = 1g) = P (fT = k 1g \ fXn+1 = 1g) =
n k+1
P (T = k 1) P (Xn+1 = 1) = k n 1 pk 1 (1 p) p

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 30

donc
n n n+1 k n+1 k n+1 k
P (S = k) = + pk (1 p) = p (1 p)
k 1 k k

la récurrence est établie.

Exercices :
1. Soit X et Y deux variables aléatoires indépendantes. Montrer que les variables aléatoires
X + Y et X Y ne sont pas en général indépendantes. (On pourra prendre l’exemple de deux
loi de Bernoulli de paramètre 1=2).
2. Deux variables aléatoires indépendantes X et Y suivent des lois binomiales de tailles n et m
et de même paramètre p. Montrer que la loi suivie par la variable aléatoire Z = X + Y est
une loi binomiale dont on précisera les paramètres.

9 Espérance mathématique
Soit ( ; P ) un univers probabilisé et X une variable aléatoire dé…nie sur ( ; P ).

9.1 Dé…nition
Dé…nition : On appelle espérance d’une variable aléatoire réelle X et on note E (X)
X X
E (X) = X (!) P (f!g) = xP (X = x)
!2 x2X( )

Cette quantité ne dépend que de la loi de la variable X.

Remarques : L’espérance se comprend alors comme la moyenne des valeurs prises par
la variable X pondérée par la probabilité de l’évènement associé.
L’événement
fX = xg = f! [ 2 X (f!g) = xg
= f!g
!2fX=xg

et donc X
P (X = x) = P (f!g)
!2fX=xg

X X X X
E (X) = xP (f!g) = x P (f!g)
x2X( ) !2fX=xg x2X( ) !2fX=xg
0 1
X [ X
= xP @ f!gA = xP (X = x)
x2X( ) !2fX=xg x2X( )

Dans l’exemple de l’expérience aléatoire : on lance deux dés distincts et on s’intéresse

à la somme des deux dés une variable aléatoire réelle
1 1 1 1
E (X) = 2 +3 +4 +5
36 18 12 9
5 1 5 1
+6 +7 +8 +9
36 6 36 9
1 1 1
+10 + 11 + 12
12 18 36
= 7

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 31

Proposition : Soit X une variable aléatoire réelle dé…nie sur un espace probabilisé
( ; P ) alors pour tout a; b 2 R

E (aX + b) = aE (X) + b

Si l’on note Y = aX + b alors par dé…nition

X
E (aX + b) = (aX (!) + b) P (f!g)
!2
X X
= a X (!) P (f!g) + b P (f!g)
!2 !2
= aE (X) + b

Dé…nition : Une variable aléatoire réelle est dite centrée lorsque son espérance est
nulle. On dira qu’un jeu est équitable si l’espérance des gains est nulle.

Exemple : La variable Y = X E (X) est centrée.

Exercices :
1. Soit le jeu suivant : on parie 500 francs sur une liste ordonnée de 3 chevaux parmi 10. Si
on gagne dans l’ordre on touche 100.000 francs, par contre si on gagne dans le désordre on
touche 4500 francs. Quelle est l’espérance du gain ?
2. Soit X une variable aléatoire réelle sur un espace probabilisé …ni. Établir
2
E (X) E X2

9.2 Calcul de l’espérance pour les lois usuelles

9.2.1 Variable aléatoire réelle constante

Si la loi X est constante X : ! fag

E (X) = aP (X = a) = a

9.2.2 Variable aléatoire uniforme

1
Si la loi X est uniforme X : ! f1; ; ng (i.e.) P (X = k) = n alors
n
X n
1X n+1
E (X) = kP (X = k) = k=
n 2
k=1 k=1

9.2.3 Variable aléatoire de Bernouilli

Si la loi X est une loi de Bernoulli, X : ! f0; 1g de paramètre p (i.e.) P (X = 1) =
p
E (X) = 0 (X = 0) + 1 (X = 1) = p

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 32

9.2.4 Variable aléatoire binomiale

Si la loi X est une loi binomiale, X : ! f0; ; ng de paramètre n; p (i.e.) P (X = k) =
n k n k
k p (1 p)
n
X
E (X) = kP (X = k)
k=1
Xn
n k n k
= k p (1 p)
k
k=1

or
n n 1
k =n
k k 1
et
n
X n 1 k 1 n k
E (X) = np p (1 p) = np
k 1
k=1

9.3 Propriétés
Proposition : Si X et Y sont des variables aléatoires réelles sur ( ; P ) alors

8 ; 2 R E ( X + Y ) = E (X) + E (Y )
8X 0 =) E (X) 0
8X; Y X Y =) E (X) E (Y )

En e¤et,
X
E( X + Y) = ( X + Y ) (!) P (f!g)
!2
X X
= X (!) P (f!g) + Y (!) P (f!g)
!2 !2
= E (X) + E (Y )

Remarques : Autrement dit, l’espérance dé…nit une application linéaire sur l’espace
vectoriel des variables aléatoires réelles sur ( ; P ).
On peut retrouver l’espérance d’une loi binomiale de paramètres n et p en observant que
c’est la somme de n lois de Bernoulli indépendantes de paramètre p E(X1 + + Xn ) =
E(X1 ) + + E(Xn ) = np:

Exercices :
2
1. Calculer E (X E (X)) et E (X E (X)) .
2. Soit le jeu lancer deux dés et on gagne la somme fait par les dés. Quelle somme doit-on miser
pour que le jeu soit équitable ?

Proposition : Si X est une variable aléatoire réelle sur ( ; P ) et f une fonction

numérique réelle dé…nie sur X ( ) alors
X X
E (f (X)) = f (x) P (X = x) = aP (f (X) = a)
x2X( ) a2f (X( ))

En e¤et, X
E (f (X)) = f (X (!)) P (f!g)
!2

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 33

[ [
et comme = f! 2 X (!) = xg = fX = xg est une partition (X
x2X( ) x2X( )
est une fonction) en événements incompatibles de et
X X X
f (X (!)) P (f!g) = f (X (!)) P (f!g)
!2 x2X( ) !2
X(!)=x
X X
= f (x) P (f!g)
x2X( ) !2
X(!)=x
X
= f (x) P (X = x)
x2X( )

[ [
et de même = f! 2 f (X (!)) = ag = f f (X) = ag
a2f (X( )) a2f (X( ))
X X
E (f (X)) = f (X (!)) P (f!g)
a2f (X( )) !2
f (X(!))=a
X X
= a P (f!g)
a2f (X( )) !2
f (X(!))=a
X
aP (f (X) = a)
a2f (X( ))

P P
Exemple : E X 2 = x2X( ) x2 P (X = x) = a2X 2 ( ) aP X 2 = a :

Proposition : Soit X une variable aléatoire réelle positive. Pour tout a 0

aP (X a) E (X)

En e¤et, X
P (X a) = P (X = ai )
ai 2X( )
ai a

et
X X
E (X) = ai P (X = ai ) ai P (X = ai )
ai 2X( ) ai 2X( )
ai a
X
a P (X = ai ) aP (X a)
ai 2X( )
ai a

En particulier
1
8" > 0 P (jX E (X)j ") E (jX E (X)j)
"
Proposition : Si X; Y sont deux variables indépendantes

E (XY ) = E (X) E (Y )

On a : P P
E (X) E (Y ) = xP (X = x) y2Y ( ) yP (Y = y)
P x2X( )
(x;y)2X( ) Y ( ) xyP (X = x) P (Y = y)

et comme les variables X et Y sont indépendantes alors

X
E (X) E (Y ) = xyP (fX = xg \ fY = yg)
(x;y)2X( ) Y ( )

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 34

or
8! 2 X (!) Y (!) 6= xy =) fX = xg \ fY = yg = ;
et donc dans cette somme, il n’apparaît que les termes (x; y) 2 X ( ) Y ( ) tels que

9! 2 ! 2 fX = xg \ fY = yg
P
xyP (fX = xg \ fY = yg)
P
(x;y)2X( ) Y( )
= !2 X (!) Y (!) P (f!g) = E (XY )
Remarques : Ça ne marche pas en général si les variables ne sont pas indépendantes
par exemple : X ( ) = f 1; 1g avec P (X = 1) = P (X = 1) = 1=2 alors E X 2 = 1
et E (X) = 0.

Exercice : On lance deux dés équilibrés, on note U1 et U2 les variables aléatoires cor-
respondant aux résultats obtenus. On appelle X = min(U 1; U 2) et Y = max(U 1; U 2).
1. Donner la loi de X. En déduire E(X).
2. Exprimer X + Y en fonction de U1 et U2 . En déduire E(Y ).
3. Exprimer XY en fonction de U1 et U2 . En déduire Cov(X; Y ). Les variables X et Y sont-elles
indépendantes ?

10 Variance
10.1 Dé…nitions
Dé…nition : La variance d’une variable aléatoire réelle X sur un espace probabilisé
( ; P ) est le réel
2 2
V (X) = E (X E (X)) = E X2 E (X)

On appelle écart-type de la variable X le réel

p
(X) = V (X)

Remarque : La variance est la moyenne des carrés des écarts entre l’espérance et les
valeurs de cette variable pondérée par P .

Proposition :
8a; b 2 R V (aX + b) = a2 V (X)

10.2 Calcul de variances usuelles

10.2.1 Variable aléatoire réelle constante
Si X est une variable aléatoire réelle constante alors V (X) = 0.
Inversement, si V (X) = 0 alors
2
V (X) = E (X E (X)) =
X 2
(X (!) E (X)) P (f!g) = 0
!2

On en déduit P (f! 2 X (!) = E (X)g) = 1. On dit que la variable X est presque

sûrement constante.

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 35

10.2.2 Variable aléatoire uniforme

Si X est une variable aléatoire uniforme sur f1; ; ng alors
2
V (X) = E X2 E (X)
Xn 2
1 n+1
= k2
n 2
k=1
2
1 n (n + 1) (2n + 1) (n + 1)
=
n 6 4
n2 1
=
12

10.2.3 Variable de Bernouilli

Si X suit une loi de Bernoulli sur f0; 1g de paramètre p

2
V (X) = E X2 E (X)
= p p2 = pq

10.2.4 Variable binomiale

Si X suit une loi binomiale de paramètre n; p
2
V (X) = E (X (X 1)) + E (X) E (X)

et
n
X n k n k
E (X (X 1)) = k (k 1) p (1 p)
k
k=1
Xn
n k n k
= k (k 1) p (1 p)
k
k=2

et on utilise la transformation
n n 2
k (k 1) = n (n 1)
k k 2

d’où
n
X
2 n 2 k 2 n k
E (X (X 1)) = p n (n 1) p (1 p)
k 2
k=2
= n (n 1) p2

d’où
2
V (X) = n (n 1) p2 + np (np) = npq
Exercices :
1. Un étudiant résout un QCM constitué de n questions o¤rant chacune quatre réponses pos-
sibles. Pour chaque question, et indépendamment les unes des autres, il a la probabilité p de
savoir résoudre celle-ci. Dans ce cas il produit la bonne réponse. Si en revanche, il ne sait pas
résoudre la question, il choisit arbitrairement l’une des quatre réponses possibles. On note X
la variable aléatoire déterminant le nombre de questions qu’il savait résoudre et Y le nombre
de questions qu’il a correctement résolues parmi celles où il a répondu « au hasard » .
(a) Reconnaître la loi de Z = X + Y .

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 36

(b) Calculer l’espérance et la variance de Z.

2. Soit X une variable aléatoire binomiale de taille n et de paramètre p 2 ]0; 1[. Calculer
l’espérance de la variable
1
Y =
1+X
3. Une urne contient n boules blanches et n boules rouges. On tire simultanément n boules dans
celle-ci et on note X le nombre de boules rouges obtenues lors de ce tirage.
(a) Quelle est la loi de X ?
(b) Calculer son espérance, sa variance.

10.3 Inégalité de Bienaymé-Tchebychev

Théorème : Soit X une variable aléatoire réelle sur un espace probabilisé ( ; P ). Pour
tout " > 0,
V (X)
P (jX E(X)j ")
"2
On a vu que que pour tout variable aléatoire Y positive et pour tout a > 0 on a
1
P (Y a) E (Y )
a
En particulier, pour tout " > 0
1
P jX E(X)j2 "2 E jX E(X)j2
"2
et d’autre part, les événements jX E(X)j2 "2 = jX E(X)j " et donc

P jX E(X)j2 "2 = P (jX E(X)j ")

d’où le résultat
V (X)
P (jX E(X)j ")
"2
Exemple : On veut estimer l’équilibre d’une pièce. On note p la probabilité (inconnue)
que la pièce donne « face » lors d’un lancer. On lance n fois la pièce et l’on pose X
égale au nombre de lancers ayant donné « face » . On sait que X suit une loi binomiale
de paramètre n et p.
Sachant E(X) = np et V (X) = np(1 p) n=4, comme
"
jX npj " = jX=n pj
n
l’inégalités de Bienaymé-Tchebychev donne
n " n
P (jX npj ") () P (jX=n pj )
4"2 n 4"2
Pour "=n = 0; 01, on obtient que X=n est une valeur approchée de p à " près avec une
probabilité supérieure à 95% sous réserve de prendre n 50 000 !

Exercices :
1. On lance un dé cubique parfait. Déterminer un nombre de lancers à e¤ectuer pour pouvoir
a¢ rmer, que la fréquence d’apparition du 6 au cours de ces lancers di¤ère de 1/6 de plus
1/100, avec un risque d’erreur inférieur à 5% ?
2. On jette 3600 fois un dé équilibré.
(a) Minorer la probabilité que le nombre d’apparitions du numéro 1 soit compris entre 480
et 720.

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 37

(b) Quel nombre de fois faut-il lancer le dé pour que la fréquence di¤ère obtenue de la
probabilité de 3% soit inférieure à 1% ?
(c) On a lancé le dé 12000 fois on a obtenu 1599 fois 1. Peut-on dire que le dé est bien
équilibré ?
3. Soit (Xn ) une suite de variables aléatoires dé…nies sur le même espace probabilisé …ni . On
suppose qu’elles sont mutuellement indépendantes, qu’elles ont même espérance m et même
variance 2 . On pose Sn = X1 + +Xn . Démontrer que, pour tout " > 0 P Snn m " !
0 quand n ! +1.

10.4 Covariance

Dé…nition : On appelle covariance de deux variables aléatoires réelles X et Y sur

l’espace probabilisé ( ; P ) le réel

Cov(X; Y ) = E[(X E(X))(Y E(Y ))]

Remarque : Cov(X; X) = V (X).

Proposition : Si X et Y sont deux variables aléatoires réelles sur l’espace probabilisé

( ; P ) alors

Cov(X; Y ) = E(XY ) E(X)E(Y )

Remarques :
Si les variables X et Y sont indépendantes Cov(X; Y ) = 0. La réciproque est fausse.
Si V (X) = 0 alors X = E (X) et Cov(X; Y ) = 0

Proposition : Si X et Y sont deux variables aléatoires réelles sur l’espace probabilisé

( ; P ) alors

V (X + Y ) = V (X) + 2 Cov(X; Y ) + V (Y )
Remarques : Si les variables X et Y sont indépendantes

V (X + Y ) = V (X) + V (Y )

Proposition : Si X et Y sont deux variables aléatoires réelles sur l’espace probabilisé

( ; P ) alors
p
j Cov(X; Y )j V (X)V (Y )
Pour 2 R, introduisons Z = X + Y . On a V (Z) 0 avec

2
V (Z) = V (X) + 2 Cov(X; Y ) + V (Y )
Si V (X) = 0, on a nécessairement Cov(X; Y ) = 0 et la relation est véri…ée.pour que
V (Z) soit positif pour tout 2 R.
Sinon V (X) 6= 0, et pour que V (Z) 0 pour tout on a nécessairement

= Cov(X; Y )2 V (X)V (Y ) 0

Remarque : Si V (X); V (Y ) 6= 0, on introduit

Cov(X; Y )
cor(X; Y ) = p 2 [ 1; 1]
V (X) V (Y )

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 38

appelé coe¢ cient de corrélation de X et Y .

Si les variables X et Y sont indépendantes, ce coe¢ cient est nul.
Si les variables X et Y ont des « comportements analogues » , ce coe¢ cient est proche
de 1.
Si les variables X et Y ont des « comportements opposés » , ce coe¢ cient est proche
de 1.

Exemple : Soit X et Y deux variables aléatoires réelles sur l’espace probabilisé ( ; P )

avec V (X) 6= 0.
On cherche a; b 2 R tels que la quantité

E([Y (aX + b)]2 )

soit minimale
On a

E([Y (aX + b)]2 ) = V (Y (aX + b)) + E(Y (aX + b))2

D’une part

V (Y (aX + b)) = V (Y aX) = a2 V (X) 2a Cov(X; Y ) + V (Y )

et donc

Cov(X; Y ) 2 V (Y )V (X) (Cov(X; Y ))2

V (Y (aX +b)) = V (Y aX) = V (X)(a ) +
V (X) V (X) V (X)
| {z }
0

Cov(X;Y )
sera minimum pour a = V (X)
D’autre part,

E(Y (aX + b))2 = 0

pour
b = E(Y ) aE(X)
On en déduit que E([Y (aX + b)]2 ) est minimale pour

Cov (X; Y ) E (Y ) V (X) E (X) Cov (X; Y )

a= et b =
V (X) V (X)

Ces valeurs de a et b réalisent une régression linéaire : elles donnent la meilleure ex-
pression linéaire de Y en fonction de X.

Exemple : Une étude médicale sur l’e¤et du tabac est menée dans un hopital. Les 2278
patients sont divisés en deux groupes : ceux atteints d’un cancer pulmonaire (X = 1)
et les autres (X = 0). Les membres de chaque groupe sont ensuite répartis selon le
nombre Y de paquets de cigarettes fumés par jour.

XnY 0 1 2 3 4 Total
0 1247 492 319 58 9 2125
1 66 50 28 6 3 153
Total 1313 542 347 64 12 2278

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 39

On souhaite étudier l’association entre cancer pulmonaire et la consommation de ciga-

rette en calculant la covariance.
153 542+2 347+3 64+4 12
p 15
p
E (X) = q 2278 ; E (Y ) = 2278 ; V (X) = 134 5
991 867 50+2 28+3 6+4 3
V (Y ) = 1297 321 ; E (XY ) = 2 2278
Cov (X; Y ) = E (XY ) E (X) E (Y ) ' 1:4 10 2
cor (X; Y ) = pCov(X;Y ) ' 0:064
V (X)V (Y )

11 Corrigés des exercices

1. Montrer que 8
< N !Z
': n=2 si n est pair
: n7 !
(n + 2) =2 sinon
est une bijection. En déduire que N Z
2. Soit A; B deux parties …nies de E Card (A) = Card (AnB) + Card (A \ B) : Rép. (AnB) [
(A \ B) = A et sont disjoints.
3. Soit A; B; C trois parties d’un ensemble …ni E. Exprimer Card (A [ B [ C) en fonction des
cardinaux de A; B; C; A \ B; B \ C; C \ A et A \ B \ C.
Rép. Card (A [ B [ C) = Card (A) + Card (B) + Card (C) Card (A \ B) Card (B \ C)
Card (C \ A) + Card (A \ B \ C)
4. Dans un bus, 35 personnes pratiquent le ski, 20 le surf, 5 le monoski. Parmi ces personnes, 10
pratiquent le ski et le surf, 3 le ski et le monoski, 1 le surf et le monoski et en…n 1 personne
pratique le ski, le surf et le monoski. Combien y a-t-il de personnes au total pratiquant les
sports de glisse, sachant que les sports de glisse pratiqués se limitent au ski, au surf et au
monoski ? Rép. 47
5. Soit A et B deux parties de E et F . Étant donnée une application f : E ! F , est-il vrai
que :
(a) Si A est une partie …nie de E alors f (A) est une partie …nie de F . Rép. Vrai
(b) Si f (A) est une partie …nie de F alors A est une partie …nie de E. Rép. Faux
1
(c) Si B est une partie …nie de F alors f (B) est une partie …nie de E. Rép. Faux
1
(d) Si f (B) est une partie …nie de E alors B est une partie …nie de F:Rép. Faux f :
f1; 2g ! N f (i) = 0 alors f 1 (N) = f1; 2g.
6. Soit E un ensemble. Montrer que E est in…ni si, et seulement si, pour toute fonction f :
E ! F , il existe A E avec A 6= ; et A 6= E f (A) A.
Rép. Si E = fx1 ; ; xn g et f (xi ) = xi+1 et f (xn ) = x1 alors 8A E A 6= ; et A 6= E
f (A) * A. Réciproquement soit x 2 E f k (x) k2N s’il existe p 2 N f p (x) = x alors
A = x; ; f p 1 (x) sinon A = f k (x) k 2 N :
7. Soit ' : N ! N n 7 !E(n=2). Montrer que ' est surjective sans être injective. Rép. ' (3) =
' (2) = 1
8. Soit E un ensemble …ni de cardinal n. Calculer :
P
(a) Card (X). Rép. n2n 1
PX E
(b) X;Y E Card (X \ Y ).
Rép. Considérons les parties Z ayant k éléments au nombre de nk telles que X \Y = Z.
Les parties X contenant Z ayant l éléments où l 2 f1; ; n kg sont au nombre de
n k
l . Les parties Y telles que X \ Y = Z sont les parties contenant Z et des éléments
de EnX au nombre de 2n l k ; d’où des parties X; Y telles que X \ Y = Z
n
Xk n k n k
2n k l
= (1 + 2) = 3n k
l
l=0

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 40

et donc
X n
X n n k
Card (X \ Y ) = k 3
k
X;Y E k=1
n 0 n 1 Pn n
On a ((3 + X) ) = n (3 + X) = k=1 k k 3n k
Xk 1
donc
X
Card (X \ Y ) = n4n 1

X;Y E

Remarque : on compte X \ Y et Y \ X.
P
(c) X;Y E Card (X [ Y ).
Rép. On a
Card (X [ Y ) = Card (X) + Card (Y ) Card (X \ Y )
et donc
X X X X X X
Card (X [ Y ) = Card (X) + Card (Y ) Card (X \ Y ) =
X;Y E Y EX E X EY E X;Y E

2n n2n 1
+ 2n n2n 1
n4n 1
= 3n4n 1

9. Combien existe-t-il de suites (x1 ; ; xn ) telles que chaque xi soit un nombre entier tel
que 2 xi 2 ? Comment se note l’ensemble formé de ces suites ? Rép. Si l’on note
E = fx1 ; ; xn g et F = f 2; 1; 0; 1; 2g L’ensemble cherché est F E .
10. Combien existe-t-il de distributions possibles de 13 cartes distinctes entre 4 joueurs distincts ?
(Par exemple (fA; R; D; V; 10g ; f9; 8; 7g ; f6; 5; 4; 3; 2g ; fg), est une distribution possible).
11. Soit E un ensemble. Montrer que pour toute application f : E 7 ! f0; 1g, il existe A E tel
que f = A . En déduire que si E est …ni alors Card (P (E)) = 2Card(E) :
10 10 8 3
12. Quel est le coe¢ cient de a2 b5 c3 dans (a + b + c) ? Rép. 2 5 3 = 2520
13. Montrer que pour tout (n; p) 2 N N p n

n n 1 n 2 p p 1
= + + + +
p p 1 p 1 p 1 p 1
p p 1
Rép. Par récurrence sur n. Pour n = p p = p 1 . Supposons que la proposition et vraie
pour n et pour tout p n alors

n+1 n n
= +
p p p 1
n 1 n 2 p p 1
= + + + + +
p 1 p 1 p 1 p 1
n 1 n 2 p 1 p 2
+ + + +
p 2 p 2 p 2 p 2
n 1 n 1 p 1 p 1 p 2
= + + + + +
p 1 p 2 p 1 p 2 p 2

et d’après la formule de Pascal

n+1 n n p p 2
= + + + +
p p 1 p 1 pp 1 2
n n p p 1
= + + + +
p 1 p 1 p 1 p 1

et la récurrence est établie.

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 41

14. Formule de Vandermonde :

n
X N M N +M
=
k n k n
k=0

N +M N M
Rép. (a + b) = (a + b) (a + b) et

NX
+M N
!0 M 1
N + M n N +M X N i N X M
n i @ jA
a b = ab aj bM
n=0
n i=0
i j=0
j
NX
+M n
!
X N i N M
i
= ab an i bM n+i

n=0 i=0
i n i
NX
+M n
!
X N M
= an bN +M n

n=0 i=0
i n i

15. Dans un jeu de 52 cartes calculer le nombre de mains de poker contenant :

(a) Une quinte ‡ush. Rép. 9 4 = 36
(b) Un carré. Rép. 13 48 = 624
(c) Un full. Rép. 13 12 4 6 = 3744
13 12 11 10 9
(d) Une couleur. Rép. 5! 4 9 4 = 5112
(e) Une quinte (pas quinte ‡ush). Rép. 9 45 9 4 = 9180
(f) Un brelan. Rép. 13 4 48 44=2 = 54912
(g) Une double paire. Rép. 13 12=2 6 6 44 = 1:2355 105
(h) Une paire. Rép. 13 6 48 44 40=6 = 1:0982 106
16. Toto n’a pas …ni de colorier l’album de dix pages que Fred lui a o¤ert. Les pages sont mal
reliées et se détachent. Il en a colorié cinq : deux en rose et trois en vert.
(a) Combien y a-t-il de permutations de ces dix pages alternant une page coloriée et une
page non coloriée ?
(b) Combien y a-t-il de permutations de ces dix pages telles que les pages vertes et les pages
roses se trouvent alternées parmi les blanches.
(c) Il dispose de trois crayons de couleurs di¤érentes. Combien y a-t-il de manières de
colorier les pages qui restent sachant qu’elles sont numérotées de 6 à 10 ? (Il ne peut
concevoir que des pages monochromes).
17. Un mot M long de n lettres et constitués de r lettres di¤érentes. La j-ème lettre apparaît pj
fois dans le mot M et donc

p1 + + pr = n
n!
Combien d’anagrammes du mot M peut-on constituer ? Rép. p1 ! pn ! :
18. Déterminer le nombre de solutions de l’équation

x1 + + xp = n

où xi 2 N pour tout i 2 f1; ; pg :(On pourra identi…er les solutions dans Np avec des
anagrammes d’un certains nombre de "1" et de " + "). Rép. Une solution correspond à un
anagramme de n "1" et de p 1 " + " et donc

(n + p 1)! n+p 1
=
n! (p 1)! p 1

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 42

19. Combien existe-t-il de distributions possibles de 13 cartes indistinctes entre 4 joueurs dis-
tincts ? (Par exemple (5; 6; 1; 1) ; (7; 5; 0; 1) sont des distributions possibles). Rép. (i.e.) le
nombre de distributions peut s’identi…er aux nombres de solutions dans N4 de x1 + x2 + x3 +
x4 = 13
20. Pour tout k 2 f1; ; pg et pour toute application f croissante de f1; ; pg dans f1; ; ng :Soit

f1; ; pg ! f1; ;n + p 1g
g:
k 7 ! f (k) + k 1

(a) Montrer que g est strictement croissante de f1; ; pg dans f1; ; n + p 1g et récipro-
quement à toute fonction g strictement croissante de f1; ; pg dans f1; ; n + p 1g
correspond une et une seule fonction f croissante de f1; ; pg dans f1; ; ng.
(b) En déduire combien il y a d’applications croissantes de f1; ; pg dans f1; ; ng.
Rép. n+pp 1

21. Combien existe-t-il de suites strictement croissante de p entiers choisis dans f1; :::; ng ?
Rép. np
22. Combien existe-t-il de solutions (x1 ; ; xp ) avec x1 + + xp n et x1 ; ; xp 2 N ? Rép.
Pn k+p 1
k=0 p 1
23. On note dn le nombre de permutations de de f1; ; ng véri…ant

8k 2 f1; ; ng (k) 6= k

On dit est un dérangement de f1; ; ng. On convient d0 = 1.

(a) Établir
n
X n
X
n n
8n 2 N n! = dn k = dk
k k
k=0 k=0

Rép. Pour compter les 2 Sn , on peut les arranger en fonctions de l’ensemble des
points …xes et pour tout k 2 f0; ; ng il y a

n
dn k
k

permutations ayant k points …xes d’où le résultat.

(b) En déduire
n
X n k n
8n 2 N dn = ( 1) k!
k
k=0

Rép. Par récurrence sur n on suppose que pour tout p 2 f0; ;n 1g

p
X p k p
dp = ( 1) k!
k
k=0

Pn n k n Pn n
Pour montrer que dn = k=0 ( 1) k k!, on va montrer que n! = k=0 k dk .
On a !
Xn Xn Xp
n n p k p
dp = ( 1) k!
p p=0
p k
k=0 k=0

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 43

en intervertissant les sommes et compte tenu que kp n’a de sens que si p k, on a

0 1
0 1
p n p Bn C
X X n p X B Xk n p + k C
@ ( 1)
p k
k!A = B ( 1)
p
k!C
p k B p+k k C
k=0 p=k k=0 @ p=0 | {z }A
n k
(n k)! ( p )
n!

p n
!
X n! Xk p n k
= ( 1)
(n k)! p=0 p
k=0
Xp
n! n k
= (1 + ( 1))
(n k)!
k=0

n k
et (1 + ( 1)) = 0 sauf pour k = n = p donc la somme précédente vaut n! CQFD.
24. Pour chaque expérience aléatoire, proposer un univers dont on indiquera le cardinal :
(a) Lancer trois fois une pièce.
(b) Lancer une pièce et un dé en même temps.
(c) Choisir mille français (pour un sondage. . . )
(d) Choisir deux élèves (dont l’ordre n’importe pas) de la classe.
(e) Choisir deux élèves de la classe, dans un certain ordre.
25. Soit A; B; C trois évènements d’un espace probabilisable. Exprimer les évènements suivants :
(a) Aucun des évènements A; B ou C n’est réalisé.
(b) Un seul des trois évènements A; B ou C est réalisé.
(c) Au moins deux des trois évènements A; B ou C sont réalisés.
(d) Pas plus de deux des trois évènements A; B ou C sont réalisés.
26. On a placé dans un sac 25 cartons sur lesquels sont inscrits les nombres de 1 à 25. On tire
au hasard un carton.
(a) Expliciter l’univers de cette expérience aléatoire.
(b) Soit A l’évènement ”le carton porte un multiple de 5 ”, B l’évènement ”le nombre inscrit
est paire” et C l’évènement ”le nombre inscrit est au plus 5”. Expliciter les évènements
suivants : A; A; B; B; A \ B; A [ B et C.
(c) Exprimer en langage courant ce que sont les évènements A; B; C; A \ C et A \ B:
27. On jette deux fois un dé. Expliciter les évènements suivants et indiquer leurs cardinaux :
(a) A = "le premier jet a donné 1".
(b) B = "le premier jet a été inférieur ou égal au second".
(c) C ="la somme des deux dés est 7".
(d) D = B C.
(e) E = "on a au moins un six".
(f) F = E:
28. Une urne contient 3 boules blanches numérotées de 1 à 3 et 2 boules rouges numérotées de
1 à 3. On tire n boules avec remise dans cette urne. Calculer les cardinaux des événements :
Bk "Avoir k boules blanches" k 2 f0; ; ng :Rép. Bk = nk 3k 2n k
29. Déterminer une probabilité sur = f1; ; ng telle que la probabilité de l’événement fkg
soit proportionnelle à k.
2k
Rép. P (fkg) = n(n+1) :

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 44

30. Soit P1 , P2 deux probabilités dé…nie sur un univers alors on dé…nit

P = P1 + (1 ) P2

Montrer que P est une probabilité sur . Rép : Véri…er P ( ) = 1 et 8A; B 2 P ( ) A\B = ;
P (A [ B) = P (A) + P (B) :
31. On lance une pièce de monnaie trois fois de suite.
3
(a) Expliciter l’univers de cette expérience aléatoire. Rép : = fF; P g
(b) On suppose que la probabilité associée à chaque élément de est la même. Quel est ce
nombre ?
(c) Expliciter l’événement A ”la pièce tombe sur face au 2eme lancer” Déterminer sa pro-
babilité P (A). Rép : 1=2
(d) Expliciter l’événement B ”on obtient une seule fois face au cours des 3 lancers” Déter-
miner sa probabilité P (B) :Rép : 3=8:
32. Une urne contient 3 boules blanches numérotées de 1 à 3 et 2 boules rouges numérotées de
1 à 2. On tire n boules avec remise dans cette urne. Soit les événements Bk "Avoir k boules
blanches" k 2 f0; ; ng : Calculer la probabilité des événements Bk : Rép. : P (Bk ) =
(nk)3k 2n k
5n
33. On tire une carte, au hasard, dans un jeu de 52 cartes. On considère les événements suivants :
A ”la carte tirée est un pique”
B ”la carte tirée est rouge”
C ”la carte tirée est une …gure”
D ”la carte tirée n’est ni un pique ni une …gure”
Calculer les probabilités des événements suivants : A; B; C; A \ B; A \ C; B \ C; A [ B; A [
C; B [ C et D
34. Que peut-on dire des événement de , A et B si l’on a P A [ B = 1 (?) et si l’on a
P A [ B = 0 ? Rép : A \ B = ;.
35. Une urne contient des boules blanches et des boules noires sur chacune d’elle est inscrit un
entier. La probabilité de tirer une boule noire est 3/4, celle de tirer une boule avec un numéro
pair est 2/3.
(a) Montrer que la probabilité p de tirer une boule noire ayant un numéro pair est supérieure
à 5/12. Rép : Calculer P (P [ N ) 1
(b) Faire deux schémas : un qui corresponde à p = 5=12, l’autre à p > 5=12.
36. Une pièce de monnaie est lancée quatre fois de suite. On note à chaque fois le côté exposé :
p pour pile et f pour face. Exemple (p; p; f; p)etc. Quel est l’événement le plus probable :
répartition 2 2 (i.e.) 2 piles et 2 faces, ou la répartition 3 1 (i.e.) 3 piles et 1 face ou 3
faces et 1 pile ? Rép : P (2 2) = 38 et P (3 1) = 12
37. On lance un dé 3 fois de suite.
3
(a) Dé…nir l’univers. Rép : = f1; ; 6g :
(b) Calculer le cardinal de l’univers. Rép : 216
19 18
(c) Calculer la probabilité d’obtenir 2 as au moins (exactement 2 as). Rép : 216 , 216
(d) Comparer les probabilités des événements suivants ”la somme des dés fait 9” et ”la
somme fait 10”. Rép : 25=216 et 27=216.
38. Dans une classe de 25 élèves, 15 élèves s’intéressent à la musique, 8 élèves s’intéressent au
jeu d’échecs et 3 élèves s’intéressent à la fois à la musique et au jeu d’échecs.
(a) Combien d’élèves ne s’intéressent ni à la musique ni au jeu d’échecs ? Rép : 5
(b) On interroge un élève au hasard. Calculer la probabilité des événements suivants :
i. L’élève s’intéresse à la musique. Rép : 8/25

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 45

ii. L’élève s’intéresse à la musique ou au jeu d’échecs. Rép : 13/25

39. Dans une classe de 35 élèves, on se propose de calculer la probabilité qu’au moins deux élèves
aient la même date de naissance.
(a) On considère que dans une année, il y a 365 jours. On considère l’univers de toutes les
classes de 35 élèves classées par ordre alphabétique, distinctes par les dates de naissance
des élèves. Quelle est le cardinal de l’univers ?
35
Rép. (365)
(b) Quelle est la probabilité d’avoir une classe dans laquelle aucun élève n’a la même date
de naissance ?
Q n
n=365
Rép.P (A) = 365 ' 0; 18562
n=331
Conclure.
Rép. P A ' 1 0:18562 ' 0:814 38:
(c) Calculer combien faut-il d’élèves pour que la probabilité d’avoir au moins deux élèves
ayant la même date de naissance soit supérieure à 0,5 ?
Rép. n 23:
40. Quelle est la probabilité "obtenir une somme égale à 5 sachant qu’on a eu un trois" ? Rép :
41. Quelle est la probabilité que la somme des faces obtenues soit paire sachant que l’on a un 3 ?
Rép :
42. Dans une famille ayant deux enfants :
(a) Quelle est la probabilité que l’ainé des enfants soit un graçon ? Rép :
(b) Sachant qu’il y aune …lle qu’elle est la probabilité que l’ainé soit un garçon ? Rép :
43. Soit A et B deux évènements tels que

P (A) = 0; 3 ; P (B) = 0; 7 et P (A [ B) = 0; 8

Calculer P (A \ B), PA (B) et PB (A) :Rép :

44. Montrer
PA (B [ C) = PA (B) + PA (C) PA (B \ C)
45. Deux urnes U1 et U2 contenant respectivement cinq boules rouges, trois boules vertes et une
rouge, quatre boules vertes. On choisit une urne au hasard, puis on prélève au hasard une
boule dans cette urne. La boule est rouge quelle est la probabilité qu’elle provienne de U1 ?
Rép. P (U1 \ R) = P (U1 ) PU1 (R) = 21 5
8 de même P (U2 \ R) = 2
1 1
5 et P (R) =
33
P (U1 \ R) + P (U2 \ R) = 80 , et

P (U1 \ R) 5 80 25
PR (U1 ) = = = ' 0; 76:
P (R) 16 33 33

46. Le test de dépistage d’une maladie possède les caractéristiques suivantes :

-la probabilité qu’un individu malade ait un test positif est 0,99 ;
-la probabilité qu’un individu sain ait un test négatif est 0,99 ;
Exprimer en fonction de p (proportion de malades dans la population) la probabilité qu’un
individu, dont le test est positif, soit malade.
Rep. P+ (M ) = 9899 p+1p
et

p 0,001 0,01 0,1 0,3 0,5 0,8

P+ (M ) 0,09 0,5 0,92 0,98 0,99 0,997

Un test positif n’est probant que si p 0; 1:

47. On dispose de 1000 pièces de monnaie : 999 tout à fait normales et 1 fausse avec deux faces
marquées pile. On tire une pièce au hasard et on la lance 10 fois. Sachant qu’on a obtenu 10
1=1000
fois pile, quelle est la probabilité qu’on ait tiré la fausse pièce ? Rép. 1=000+999=1000 1=1024

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 46

48. Jacques dit : "Les jours de pluie, j’oublie mon parapluie une fois sur trois. Au bout du compte
je me mouille une fois sur quatre". Qu’elle est la probabilité qu’il pleuve dans cette ville ?
Rép. 3/4
49. Montrer que si les événements A et B sont indépendants alors A et B le sont. Rép. A et B
le sont donc A et B le sont.
50. Montrer que si A est indépendant avec tout événement B alors P (A) = 0 ou P (A) = 1.
2
Rép. En particulier B = A donne P (A \ A) = P (A) = P (A)
51. On tire une carte d’un jeu de 32 cartes ; étudier l’indépendance des évènements :
(a)
A : tirer un coeur
B : tirer une …gure
C : tirer un 10
(b)
A : tirer deux coeurs
B : tirer deux …gures
C : tirer un as et un roi
52. On considère pour une famille de n enfants les évènements :
(a) Étudier l’indépendance des événements suivants :

A : il y a au plus une …lle

B : il y a au moins une …lle et au moins un garçon
n+1 2n 2 n n+1 2n 2
Rép. P (A) = 2n et P (B) = 2n et P (A \ B) = 2n 6= 2n 2n
n
(b) Y a-t-il des valeurs de n pour lesquelles ces évènements sont indépendants ? Rép. 2n =
n+1 2n 2 n
2n 2n () 2 = 2 (n + 1) () n = 3

53. Montrer que si A et B sont indépendants alors A et B sont indépendants.

Rép. PB A = 1 PB (A) = 1 P (A) = P A .
54. Montrer que l’évènement C : "avoir un double" est indépendant des évènements A et B,
si l’on note A l’évènement : "avoir un 6 au premier dé" et l’évènement B "avoir un 6 au
deuxième dé".
Rép. P (A) = P (B) = P (C) = 1=6 et P (A \ B) = P (A \ C) = P (B \ C) = 1=36 par
contre sont non mutuellement indépendants puisque P (A \ B \ C) = 1=36.
55. On lance n fois une pièce de monaie équilibrée. Quelle est la probabilité de l’évènement A :
"on obtient au moins une fois pile" ?
56. Une famille possède deux enfants.
(a) Quelle est la probabilité que les deux soient des garçons ? Rép. i 2 f1; 2g Gi l’événement
le iieme enfant est un garçon. Les événements Gi sont indépendants : P (Gi ) = 1=2
P (G1 \ G2 ) = P (G1 ) P (G2 ) = 1=4:
P (G1 \G2 )
(b) Quelle est cette probabilité sachant que l’aîné est un garçon ? Rép. PG2 (G1 ) = P (G2 ) =
1=2
(c) On sait que l’un des deux enfants est un garçon, quelle est la probabilité que le deuxième
le soit aussi ?
Rép. P(G1 [G2 ) (G1 \ G2 ) = P (G1 \G2 ) 1=4
P (G1 [G2 ) = 1 1=4 = 1=3
(d) On sait que l’un des deux enfants est un garçon et est né un 29 février, quelle est
la probabilité que le deuxième soit un garçon ? Rép. i 2 f1; 2g Di l’événement le ieme
1
enfant est né le 29 février. Les événements Di sont indépendants et P (Di ) = 3 365+366 =

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 47

p et
P (G1 \ G2 \ ((G1 \ D1 ) [ (G2 \ D2 )))
P((G1 \D1 )[(G2 \D2 )) (G1 \ G2 ) =
P ((G1 \ D1 ) [ (G2 \ D2 ))
P ((G1 \ G2 \ D1 ) [ (G1 \ G2 \ D2 ))
=
P ((G1 \ D1 ) [ (G2 \ D2 ))
1=2p 1=4p2 2 p
= 2
= ' 0:5
p 1=4p 4 p

57. Dans une ville, les taxis sont numérotés 1; 2; 3; ; n. Dans la rue, on observe les quatre
premiers taxis qui passent, et on note leurs numéros : 93; 205; 77 et 191: Un chau¤eur de
taxi prétend qu’il y aurait 650 taxis. Quel crédit peut-on donner à cette a¢ rmation ?
Rép. Le schéma classique des tirages indépendants avec remise nous donne :
4
205 3
P (A) = ' 9:9 10
650
Si le chau¤eur a dit vrai l’évènement A a moins d’une chance sur 100 de se produire !
58. Combien de raisins de Corinthe doit-on mettre dans 2000 g de pâte pour être certain à 99%
qu’il y ait au moins un raisin dans chaque petit pain de 50 g ? (On veut que la probabilité
pour un petit pain d’avoir au moins un grain de raisin soit 0; 99).
Rép. La probabilité pour un grain de raisin d’être dans un petit pain est de 1/40. Soit Xi la
variable aléatoire qui prend la valeur 1 si le ieme grain de raisin est dans le pain et 0 sinon.
La variable Xi suit une loi de Bernouilli. Considérons (X1 ; ; Xn ) variables de Bernouilli
de même paramètre indépendantes alors

Y = X1 + + Xn

qui donne le nombre de grains de raisins dans un petit pain, alors Y suit une loi binomiale
de paramétre n; 1=40 et la prebabilité qu’il y ait au moins un grain de raisin dans un petit
pain et
0 n
1 39
1 P (Y = 0) = 1 0:99
40 40
Le calcul donne n 182 et la conclusion est que pour qu’un pain ait une probabilité supérieure
à 0:99 d’avoir un grain de raisin il faut 182 raisins por 2 kg de pâte.
Même question, mais au moins 2 grains de raisin par petit pain avec unen probabilté 0:99,
0 n n 1
1 39 n 1 39
1 P (Y = 0) P (Y = 1) = 1 0:99
40 40 1 40 40
Un petit programme donne n 263 pour 2 kg de farine.
59. Montrer que si l’on lance deux dés marqués de la façon suivante f1; 2; 2; 3; 3; 4g et f1; 3; 4; 5; 6; 8g,
on obtient la même loi image Z = X + Y qu’avec deux dés habituelles. Rép. Il faut trouver :

Z 2 3 4 5 6 7 8 9 10 11 12
P (Z = k) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

60. Soit X et Y deux variables aléatoires indépendantes. Montrer que les variables aléatoires
X + Y et X Y ne sont pas en général indépendantes. (On pourra prendre l’exemple de deux
loi de Bernoulli de paramètre 1=2).
Rép. P (X + Y = 2) = 1=4 et P (X Y = 0) = 1=2 or fX + Y = 2g fX Y = 0g et
donc

P (fX + Y = 2g \ fX Y = 0g) = 1=4 6= P (X + Y = 2) P (X Y = 0)

61. Une variable aléatoire réelle X suit une loi binomiale de taille n et de paramètre p 2]0; 1[.
On note pk = P (X = k) :

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 48

pk
(a) Déterminer tous les k tel que Pk 1 1: Rép. k (n + 1) p
(b) En déduire la valeur de k, pour laquelle la probabilité pk = P (X = k) est maximale ?
n n E((n+1)p)
Rép. E((n+1)p) pE((n+1)p) (1 p) :
6 1 1 5 5
Exemple : n = 6 p = 1=6 l’événement le plus probable est P (X = 1) = 1 6 6 .
62. Une variable aléatoire X suit une loi binomiale de taille n et de paramètre p. Quelle est la
loi suivie par la variable Y = n X ? Rép. B (n; 1 p)
2
63. Soit (X; Y ) un couple de variables aléatoires suivant une loi uniforme sur f0; ; ng .
(a) Déterminer la loi dePX, la loi de Y , la loi de X + Y .
n 1
Rép. P (X = k) = i=0 P (X = k; Y = i) = (n+1) et
k+1 2n k+1
Si k n P (X + Y = k) = (n+1)2 si n k P (X + Y = k) = (n+1)2
(b) Les lois X et Y sont-elles indépendantes ? Rép. P (X = i; Y = j) = P (X = i) P (Y = j)
(c) Les lois X et X + Y sont-elles indépendantes ? Rép. si j < n et k = n + j + 1 alors
P (fX + Y = kg \ fX = jg) = 0 et P (fX + Y = kg) 6= 0 et P (fX = jg) 6= 0
64. Soit A1 ; ; An n événements d’un espace probabilisé ( ; P ). On les suppose mutuellement
indépendants et de probabilités respectives pi = P (Ai ). Donner une expression simple de
P (A1 [ [ An ) en fonction de p1 ; ; pn . Qn Qn
Rép. P (A1 [ [ An ) = 1 P A1 [ [ An = 1 i=1 P Ai = 1 i=1 (1 pi ) :
Application : on suppose qu’une personne est soumise à n expériences indépendantes les
unes des autres et qu’à chaque expérience, elle ait une probabilité p d’avoir un accident.
n
Quelle est la probabilité qu’elle ait au moins un accident ? Rép. 1 (1 p)
65. Soit X et Y deux variables aléatoires indépendantes. Montrer que les variables aléatoires
X + Y et X Y ne sont pas en général indépendantes. (On pourra prendre l’exemple de deux
loi de Bernoulli de paramètre 1=2).
Rép. P (fX + Y = 1g \ fX Y = 0g) = 0 6= P (X + Y = 1) P (X Y = 0)
66. Deux variables aléatoires indépendantes X et Y suivent des lois binomiales de tailles n et m
et de même paramètre p. Montrer que la loi suivie par la variable aléatoire Z = X + Y est
une loi binomiale dont
Pk on précisera les paramètres.
Rép. P (Z = k) = l=0 nl pl q n l km l pk l q m k+l avec nl = 0 dés que l > n et de même
Pk Pk
avec km l dés que k l > m alors l=0 nl pl q n l km l pk l q m k+l = pk q n+m k l=0 nl km l =
pk q n+m k n+mk
67. On lance deux dés équilibrés, on note U1 et U2 les variables aléatoires correspondant aux
résultats obtenus. On appelle X = min(U 1; U 2) et Y = max(U 1; U 2).
(a) Donner la loi de X. En déduire E(X). Rép.
X=Y 1 2 3 4 5 6
P (X = k) 11/36 9/36 7/36 5/36 3/36 1/36
P (Y = k) 1/36 3/36 5/36 7/36 9/36 11/36

E (X) = 91=36 et E (Y ) = 161=36

(b) Exprimer X + Y en fonction de U1 et U2 . En déduire E(Y ). Rép. X + Y = U1 + U2 et
E (X + Y ) = E (X) + E (Y ) = E (U1 ) + E (U2 ) = 7:
(c) Exprimer XY en fonction de U1 et U2 . En déduire Cov(X; Y ). Les variables X et Y
sont-elles indépendantes ? Rép. XY = U1 U2 et E (XY ) = E (U1 ) E (U2 ) = 3:52 et
1225
Cov (X; Y ) = E (XY ) E (X) E (Y ) =
1296
68. Soit le jeu suivant : on parie 5 francs sur une liste ordonnée de 3 chevaux parmi 10. Si on
gagne dans l’ordre on touche 10.000 francs, par contre si on gagne dans le désordre on touche
450 francs. Quelle est l’espérance du gain ? Rép.
1 5 10 9 8 6
E (X) = 9995 + 445 5 ' 12
10 9 8 10 9 8 10 9 8

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 49

69. Soit X une variable aléatoire réelle sur un espace probabilisé …ni. Établir
2
E (X) E X2
Pn 2 Pn Pn
Rép. ( k=1 kP (X = k)) k=1 k 2 P (X = k) k=1 P (X = k) = E X 2 :
70. Un étudiant résout un QCM constitué de n questions o¤rant chacune quatre réponses pos-
sibles. Pour chaque question, et indépendamment les unes des autres, il a la probabilité p de
savoir résoudre celle-ci. Dans ce cas il produit la bonne réponse. Si en revanche, il ne sait pas
résoudre la question, il choisit arbitrairement l’une des quatre réponses possibles. On note X
la variable aléatoire déterminant le nombre de questions qu’il savait résoudre et Y le nombre
de questions qu’il a correctement résolues parmi celles où il a répondu « au hasard » .
(a) Reconnaître la loi de Z = X + Y . Rép.
k
X
P (X + Y = k) = P (fX = jg \ fY = k jg)
j=1
k
X
= P (X = j) P(X=j) (Y = k j)
j=1

Xk
n j n j n j k j n k
= p (1 p) (1=4) (3=4)
j=1
j k j

On remarque

n n j n! (n j)!
=
j k j j! (n j)! (n k)! (k j)!
n! k!
=
(n k)!k! j! (k j)!
n k
=
k j

d’où
Xk
n k j n j k j n k
P (X + Y = k) = p (1 p) (1=4) (3=4) =
j=1
k j

Xk
n n n k k k j j j
(1 p) (3=4) (1=4) p (1 p) (1=4) =
k j=1
j

Xk j
n n n k k k 4p
(1 p) (3=4) (1=4) =
k j=1
j (1 p)
k n k
n 1 + 3p 3
(1 p)
k 4 4

En conclusion Z = B n; 1+3p
4 :
(b) Calculer l’espérance et la variance de Z. Rép.

1 + 3p
E (Z) = n
4
et
1 + 3p 3 (1 p)
V (Z) = n
4 4

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 50

71. Soit X une variable aléatoire binomiale de taille n et de paramètre p 2 ]0; 1[. Calculer
l’espérance de la variable
1
Y =
1+X
1 (1 p)n+1
Rép. E (Y ) = p(n+1)
72. Une urne contient n boules blanches et n boules rouges. On tire simultanément n boules dans
celle-ci et on note X le nombre de boules rouges obtenues lors de ce tirage. Quelle est la loi
de X, son espérance, sa variance ?
(n)( n ) 1 Pn
Rép. P (X = k) = k 2nn k et E (X) = 2n n
n n
k=0 k k n k
(n)
n
X n
X
n n n 1 n
k = n
k n k k 1 n k
k=0 k=1
2n 1
= n
n 1
et donc
n
E (X) =
2
2n 1 Pn n n
On commence à calculer E (X (X 1)) = n k=0 k (k 1) k n k
n
X n
X
n n n 2 n
k (k 1) = n (n 1)
k n k k 2 n k
k=2 k=2
2n 2
= n (n 1)
n 2
d’où
n2
V (X) =
4 (2n 1)
73. On lance un dé cubique parfait. Déterminer un nombre de lancers à e¤ectuer pour pouvoir
a¢ rmer avec un risque d’erreur inférieur à 5% que la fréquence d’apparition du 6 au cours
de ces lancers di¤ère de 1/6 d’au plus 1/100 ?
Rép. P X n
1 1
6 < 1000 0:95 () P X n
1
6
1
1000 < 0:05 il su¢ t que

5 104
0:05 =) n 27778
36n
74. On jette 3600 fois un dé équilibré.
(a) Minorer la probabilité que le nombre d’apparitions du numéro 1 soit compris entre 480
500
et 720. Rép. P (jS 600j 120) 120 2 0:035 =) P (jS 600j < 120) > 1 0:035
96%:
(b) Quel nombre de fois faut-il lancer le dé pour que la fréquence di¤ère obtenue de la proba-
bilité de 3% soit inférieure à 1% ? Rép. P E(X)n
X
n n
" V (X)
"2 () P E(X) n
X
n
"
n = 0:03
5
n 36
0:032 n2 0:01 () n 15433.
(c) On a lancé le dé 12000 fois on a obtenu 1599 fois 1. Peut-on dire que le dé est bien
5
12000 36
équilibré ? Rép. P (jE (X) 1599j 400) 4002 ' 0:01 le dé est pipé avec une
probabilité de 1% de se tromper.
75. Soit (Xn ) une suite de variables aléatoires dé…nies sur le même espace probabilisé …ni . On
suppose qu’elles sont deux à deux indépendantes, qu’elles ont même espérance m et même va-
riance 2 . On pose Sn = X1 + +Xn . Démontrer que, pour tout " > 0 P Snn m " !
Sn Sn 1
Pn 2
0. Rép. E n = m et V n = n2 k=1 V (Xk ) = n et l’inégalité de Bienémé Tchebychef
Sn 2
Sn V n
P m " ! 0
n "2 n"2 n!+1

J.Wirth Lycée Blaise Pascal

PROBABILITÉS 51

76. Une variable aléatoire réelle X suit une loi binomiale de taille n et de paramètre p 2]0; 1[.
On note pk = P (X = k) :
pk
(a) Déterminer tous les k tel que Pk 1 1:Rép. k (n + 1) p
(b) En déduire la valeur de k, pour laquelle la probabilité pk = P (X = k) est maximale ?
Rép. k0 =E((n + 1) p)

J.Wirth Lycée Blaise Pascal