Leçon 4 — Calcul des probabilités

Univers, événements, axiomes de Kolmogorov, probabilité classique, formules fondamentales et dénombrement

I. De la fréquence à la probabilité

Les statistiques descriptives (Leçons 1–3) décrivent ce qui s'est passé. Les probabilités modélisent ce qui va se passer dans une expérience aléatoire. Le lien entre les deux est fondamental : la probabilité d'un événement est la limite de sa fréquence relative quand le nombre d'expériences tend vers l'infini.

🔍 Loi des grands nombres — le pont entre fréquence et probabilité

Si on lance une pièce équilibrée 10 fois, on peut obtenir 3 fois Face (fréquence 30 %). Mais si on la lance 10 000 fois, la fréquence sera très proche de 50 %. C'est la loi des grands nombres (Bernoulli, 1713) : la fréquence relative d'un événement converge vers sa probabilité quand le nombre d'expériences grandit.

Ce principe est à la base de tout : les assurances calculent les primes en observant les fréquences des accidents sur des millions de cas pour estimer les probabilités futures. L'INSD du Burkina Faso utilise de grandes enquêtes pour estimer les probabilités d'événements démographiques.

mascotte Nerveux
Nerveux explique : Les agronomes du Centre de coopération internationale en recherche agronomique pour le développement (CIRAD) travaillent au Burkina Faso pour estimer la probabilité qu'une pluviométrie suffisante arrive avant le 15 juillet — date critique pour les semis de mil. Cette probabilité est estimée en observant les données météo des 40 dernières années. Si sur 40 ans, il y a eu 28 fois assez de pluie avant le 15 juillet, la probabilité estimée est \(28/40 = 0{,}70 = 70\%\). C'est la définition fréquentiste : probabilité = fréquence relative sur grand nombre d'observations.

II. Vocabulaire — univers, issues, événements

Expérience aléatoire
Une expérience dont le résultat n'est pas prévisible à l'avance mais dont l'ensemble des résultats possibles est connu.

Exemples : lancer un dé, tirer une carte, mesurer la pluviométrie d'un jour donné.

Univers \(\Omega\)
L'ensemble de tous les résultats possibles. Chaque élément de \(\Omega\) est une issue (ou résultat élémentaire).
\(\Omega = \{\omega_1, \omega_2, \ldots\}\)

Dé : \(\Omega=\{1,2,3,4,5,6\}\)

Événement \(A\)
Tout sous-ensemble de \(\Omega\). L'événement \(A\) se réalise si l'issue obtenue est dans \(A\).

"Obtenir un pair" = \(\{2,4,6\}\)

\(A \subseteq \Omega\)
Événements spéciaux

Événement certain : \(\Omega\) — toujours réalisé.

Événement impossible : \(\emptyset\) — jamais réalisé.

Événement élémentaire : \(\{\omega\}\) — une seule issue.

Événement contraire : \(\bar{A} = \Omega\setminus A\).

III. Axiomes de Kolmogorov — la définition rigoureuse

La théorie moderne des probabilités repose sur trois axiomes formulés par Andreï Kolmogorov en 1933. Toute propriété des probabilités se déduit de ces trois axiomes, sans exception.

Axiome 1 — Positivité

Pour tout événement \(A\subseteq\Omega\) : \(P(A) \geq 0\)

Axiome 2 — Normalisation

La probabilité de l'événement certain est 1 : \(P(\Omega) = 1\)

Axiome 3 — Additivité (pour événements incompatibles)

Si \(A\) et \(B\) sont deux événements incompatibles (\(A\cap B = \emptyset\)) :

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

Plus généralement, pour une suite finie d'événements deux à deux incompatibles : \(P\!\left(\bigcup_i A_i\right) = \sum_i P(A_i)\)

📐 Toutes les formules se déduisent des axiomes

P(∅) = 0 : \(\Omega\) et \(\emptyset\) sont incompatibles et \(\Omega\cup\emptyset=\Omega\). Par l'Axiome 3 : \(P(\Omega)+P(\emptyset)=P(\Omega)\), soit \(P(\emptyset)=0\). \(\square\)

\(P(\bar{A})=1-P(A)\) : \(A\) et \(\bar{A}\) sont incompatibles et \(A\cup\bar{A}=\Omega\). Par l'Axiome 3 et l'Axiome 2 : \(P(A)+P(\bar{A})=1\). \(\square\)

\(0\leq P(A)\leq 1\) : De l'Axiome 1, \(P(\bar{A})\geq0\), et \(P(\bar{A})=1-P(A)\), donc \(P(A)\leq1\). \(\square\)

IV. Formules fondamentales

Formule de l'union (probabilité de A ou B) : \[P(A\cup B) = P(A) + P(B) - P(A\cap B)\] Si \(A\cap B=\emptyset\) (incompatibles) : \(P(A\cup B)=P(A)+P(B)\)
📐 Preuve de la formule de l'union

On décompose \(A\cup B\) en trois parties deux à deux incompatibles :

\(A\cup B = (A\setminus B) \cup (A\cap B) \cup (B\setminus A)\)

De même, \(A = (A\setminus B)\cup(A\cap B)\) et \(B=(B\setminus A)\cup(A\cap B)\), donc :

\(P(A\setminus B)=P(A)-P(A\cap B)\) et \(P(B\setminus A)=P(B)-P(A\cap B)\)

Par l'Axiome 3 (additivité sur les incompatibles) :

\(P(A\cup B)=P(A\setminus B)+P(A\cap B)+P(B\setminus A)\)

\(=[P(A)-P(A\cap B)]+P(A\cap B)+[P(B)-P(A\cap B)]=P(A)+P(B)-P(A\cap B) \quad\square\)

Événement contraire
\[P(\bar{A}) = 1 - P(A)\]

Très utile : "au moins un" = contraire de "aucun".

\(P(\text{au moins un}) = 1-P(\text{aucun})\)
Monotonie
Si \(A\subseteq B\) : \[P(A) \leq P(B)\]

Un événement contenu dans un autre a une probabilité plus petite.

\(A\subseteq B \Rightarrow P(A)\leq P(B)\)

V. Probabilité classique (équiprobabilité)

Quand toutes les issues sont également probables (équiprobabilité), la probabilité d'un événement est le rapport du nombre d'issues favorables au nombre total d'issues.

Définition classique (Laplace) — si toutes les issues sont équiprobables : \[P(A) = \frac{\text{nombre d'issues favorables à } A}{\text{nombre total d'issues}} = \frac{|A|}{|\Omega|}\] Condition d'application : l'expérience doit être symétrique — pièce équilibrée, dé non pipé, tirage au hasard
🔍 Quand l'équiprobabilité ne s'applique pas

La définition classique suppose que toutes les issues ont la même probabilité. Ce n'est pas toujours le cas :

  • Un dé pipé (truqué) n'est pas équiprobable.
  • La probabilité de pluie à Ouagadougou n'est pas 1/2 (pluie ou pas pluie ne sont pas également probables).
  • La probabilité de naître garçon vs fille est ≈ 51% vs 49%, pas exactement 50%.

Dans ces cas, on utilise soit la définition fréquentiste (observation de la fréquence sur de nombreuses répétitions), soit un modèle probabiliste basé sur des hypothèses physiques ou biologiques.

VI. Éléments de dénombrement

Pour calculer une probabilité classique, il faut souvent compter des issues. Les formules de dénombrement permettent ce comptage sans lister toutes les issues.

Principe fondamental : Si une expérience se décompose en \(k\) étapes indépendantes avec \(n_1, n_2, \ldots, n_k\) choix respectifs, le nombre total de résultats est : \[n_1 \times n_2 \times \cdots \times n_k\] Exemple : un code PIN de 4 chiffres a \(10\times10\times10\times10 = 10^4 = 10\,000\) possibilités
Arrangements (avec ordre, sans répétition)
Nombre de façons de choisir et d'ordonner \(r\) éléments parmi \(n\) : \[A_n^r = \frac{n!}{(n-r)!} = n(n-1)\cdots(n-r+1)\]
\(A_n^n = n!\)

Permutation de \(n\) éléments : \(n!\)

Combinaisons (sans ordre, sans répétition)
Nombre de façons de choisir \(r\) éléments parmi \(n\) (l'ordre ne compte pas) : \[\binom{n}{r} = C_n^r = \frac{n!}{r!(n-r)!}\]
\(\binom{n}{0}=\binom{n}{n}=1\)

\(A_n^r = r!\binom{n}{r}\)

📐 Pourquoi diviser par \(r!\) pour les combinaisons

Avec les arrangements, l'ordre compte : (A,B,C) et (B,A,C) sont deux arrangements différents. Pour les combinaisons, l'ordre ne compte pas : {A,B,C} = {B,A,C}.

Pour chaque combinaison de \(r\) éléments, il existe exactement \(r!\) arrangements (les \(r!\) permutations de ces éléments). Donc :

\(\text{nombre d'arrangements} = r! \times \text{nombre de combinaisons}\)

\(\binom{n}{r} = \frac{A_n^r}{r!} = \frac{n!}{r!(n-r)!} \quad \square\)

VII. Diagramme de Venn et opérations sur les événements

\(A\cup B\) — "A ou B" A B \(P(A)+P(B)-P(A\cap B)\) \(A\cap B\) — "A et B" A B Partie commune \(\bar{A}\) — "non A" A \(\bar{A}\) \(P(\bar{A})=1-P(A)\) A, B incompatibles A B \(A\cap B=\emptyset\), \(P(A\cup B)=P(A)+P(B)\) Formules clés : \(P(\Omega)=1\) \(P(\emptyset)=0\) \(P(\bar{A})=1-P(A)\) \(P(A\cup B)=P(A)+P(B)-P(A\cap B)\) Incompatibles: \(P(A\cup B)=P(A)+P(B)\) Classique: \(P(A)=|A|/|\Omega|\)

Diagrammes de Venn — les quatre situations fondamentales et les formules associées

VIII. Exemples travaillés

Exemple 1 — Probabilité classique avec un dé

On lance un dé cubique équilibré. \(\Omega=\{1,2,3,4,5,6\}\), \(|\Omega|=6\).


A = "obtenir un nombre pair" = {2, 4, 6} :

\(P(A) = \frac{|A|}{|\Omega|} = \frac{3}{6} = \frac{1}{2}\)


B = "obtenir un multiple de 3" = {3, 6} :

\(P(B) = \frac{2}{6} = \frac{1}{3}\)


\(A\cap B\) = "pair et multiple de 3" = {6} :

\(P(A\cap B) = \frac{1}{6}\)


\(P(A\cup B)\) = "pair ou multiple de 3" :

\(P(A\cup B) = P(A)+P(B)-P(A\cap B) = \frac{1}{2}+\frac{1}{3}-\frac{1}{6} = \frac{3}{6}+\frac{2}{6}-\frac{1}{6} = \frac{4}{6} = \frac{2}{3}\)

Vérification : \(A\cup B=\{2,3,4,6\}\), 4 issues sur 6 = 2/3 ✓

\(P(A)=\frac{1}{2}\)  |  \(P(B)=\frac{1}{3}\)  |  \(P(A\cup B)=\frac{2}{3}\)
Exemple 2 — Dénombrement : combinaisons et arrangements

Dans un groupe de 8 étudiants de l'Université Joseph Ki-Zerbo, on doit choisir :


a) Un président, un secrétaire et un trésorier (rôles distincts, ordre compte) :

\(A_8^3 = 8\times7\times6 = 336\) façons


b) Un comité de 3 personnes (pas de rôles, ordre ne compte pas) :

\(\binom{8}{3} = \frac{8!}{3!\times5!} = \frac{8\times7\times6}{3\times2\times1} = \frac{336}{6} = 56\) façons


c) La probabilité que le comité contienne les deux étudiants les plus anciens (disons Ali et Binta) :

Comités favorables : les 2 fixés + 1 parmi les 6 restants = \(\binom{6}{1}=6\) comités.

\(P = \frac{6}{56} = \frac{3}{28} \approx 0{,}107\)

336 arrangements  |  56 comités  |  \(P(\text{Ali et Binta}) = 3/28 \approx 10{,}7\%\)
Exemple 3 — Événement contraire ("au moins un")

Dans une urne contenant 4 boules rouges et 6 boules bleues, on tire 3 boules successivement avec remise. Calculer la probabilité d'obtenir au moins une boule rouge.


L'événement contraire est "aucune boule rouge", soit "3 bleues".

\(P(\text{aucune rouge}) = \left(\frac{6}{10}\right)^3 = \left(\frac{3}{5}\right)^3 = \frac{27}{125}\)

\(P(\text{au moins une rouge}) = 1 - \frac{27}{125} = \frac{98}{125} = 0{,}784 = 78{,}4\%\)

Bien plus simple que de calculer directement P(1 rouge) + P(2 rouges) + P(3 rouges).

\(P(\text{au moins une rouge}) = 98/125 \approx 78{,}4\%\)
Exemple 4 — Vérification des axiomes

Dans une enquête sur 200 ménages de Ouagadougou, on a relevé :

118 ménages ont un téléphone portable (T), 95 ont accès à internet (I), 70 ont les deux.


Vérifier que les probabilités forment bien un modèle cohérent et calculer :

\(P(T)=\frac{118}{200}=0{,}59\)  ;  \(P(I)=\frac{95}{200}=0{,}475\)  ;  \(P(T\cap I)=\frac{70}{200}=0{,}35\)

\(P(T\cup I)\) = "téléphone ou internet" :

\(P(T\cup I)=0{,}59+0{,}475-0{,}35=0{,}715\)

Vérification directe : \(118+95-70=143\) ménages ont l'un ou l'autre, \(143/200=0{,}715\) ✓


Ménages sans téléphone ni internet :

\(P(\overline{T\cup I})=1-0{,}715=0{,}285\) soit 57 ménages sur 200 ✓

\(P(T\cup I)=71{,}5\%\)  |  28,5 % des ménages n'ont ni téléphone ni internet

IX. Application concrète ⭐

⭐ Situation concrète Loterie de la Fête de l'Indépendance du Burkina Faso

Lors des festivités du 11 décembre (Fête de l'Indépendance du Burkina Faso), une tombola est organisée. Une urne contient :

  • 10 billets numérotés 1 à 10, dont les numéros pairs sont gagnants
  • Parmi les gagnants, les numéros divisibles par 4 donnent le grand prix
  • a) Définir l'univers \(\Omega\), l'événement G (gagner) et l'événement GP (grand prix).
  • b) Calculer \(P(G)\), \(P(GP)\) et \(P(G\cap GP)\).
  • c) Calculer \(P(G\cup GP)\) et interpréter.
  • d) On tire deux billets successivement sans remise. Calculer la probabilité que les deux soient gagnants.
  • e) On tire 3 billets simultanément. Combien de tirages possibles ? Calculer la probabilité qu'exactement 2 soient gagnants.
Exemple 5 — Tombola du 11 Décembre

a) Définitions :

\(\Omega=\{1,2,3,4,5,6,7,8,9,10\}\), \(|\Omega|=10\)

\(G=\{2,4,6,8,10\}\) (pairs gagnants), \(|G|=5\)

\(GP=\{4,8\}\) (divisibles par 4 dans \(\{1,\ldots,10\}\)), \(|GP|=2\)


b) Probabilités :

\(P(G)=5/10=1/2\)  ;  \(P(GP)=2/10=1/5\)

Remarque : \(GP\subseteq G\) car tout multiple de 4 est pair. Donc \(G\cap GP=GP\).

\(P(G\cap GP)=P(GP)=1/5\)


c) Union :

\(P(G\cup GP)=P(G)+P(GP)-P(G\cap GP)=1/2+1/5-1/5=1/2\)

Normal : puisque \(GP\subset G\), "G ou GP" = G. \(P(G\cup GP)=P(G)=1/2\).


d) Deux billets sans remise, tous deux gagnants :

Premier tirage gagnant : \(P_1=5/10=1/2\). Second gagnant sachant premier gagnant : \(P_2=4/9\) (4 gagnants restants sur 9 billets).

\(P=\frac{5}{10}\times\frac{4}{9}=\frac{20}{90}=\frac{2}{9}\approx22{,}2\%\)


e) Tirage de 3 billets simultanément :

Tirages possibles : \(\binom{10}{3}=\frac{10\times9\times8}{6}=120\)

Cas favorables (exactement 2 gagnants) : choisir 2 parmi 5 gagnants ET 1 parmi 5 perdants :

\(\binom{5}{2}\times\binom{5}{1}=10\times5=50\)

\(P=\frac{50}{120}=\frac{5}{12}\approx41{,}7\%\)

\(P(\text{gagner})=1/2\)  |  \(P(\text{2 gagnants sans remise})=2/9\)  |  \(P(\text{exactement 2 sur 3})=5/12\)

✏️ Exercices d'application

Exercice 1 — Vérification des axiomes et formules

Deux événements \(A\) et \(B\) vérifient \(P(A)=0{,}6\), \(P(B)=0{,}5\), \(P(A\cup B)=0{,}8\).

  • a) Calculer \(P(A\cap B)\).
  • b) Calculer \(P(\bar{A})\) et \(P(\bar{B})\).
  • c) Calculer \(P(\bar{A}\cap\bar{B})\). (Indication : \(\overline{A\cup B}=\bar{A}\cap\bar{B}\))
  • d) Les événements A et B sont-ils incompatibles ? Justifier.
a) \(P(A\cap B)=P(A)+P(B)-P(A\cup B)=0{,}6+0{,}5-0{,}8=\mathbf{0{,}3}\).

b) \(P(\bar{A})=1-0{,}6=0{,}4\). \(P(\bar{B})=1-0{,}5=0{,}5\).

c) \(P(\bar{A}\cap\bar{B})=P(\overline{A\cup B})=1-P(A\cup B)=1-0{,}8=\mathbf{0{,}2}\).

d) Non incompatibles : \(P(A\cap B)=0{,}3\neq0\) — ils ont des issues communes.
Exercice 2 — Dénombrement au marché de Pissy

Au marché de Pissy à Ouagadougou, une commerçante dispose de 5 modèles de pagnes (P1, P2, P3, P4, P5) et 3 modèles de boubous (B1, B2, B3).

  • a) Combien de tenues différentes peut-on former (1 pagne + 1 boubou) ?
  • b) On choisit 2 pagnes parmi les 5 pour une promotion. Combien de paires possibles ?
  • c) Un client veut ranger ses achats en ordre dans un sac : 3 articles choisis parmi les 8 (5P + 3B). Combien d'arrangements distincts ?
a) Principe multiplicatif : \(5\times3=\mathbf{15}\) tenues différentes.

b) \(\binom{5}{2}=\frac{5\times4}{2}=\mathbf{10}\) paires de pagnes.

c) Arrangements de 3 parmi 8 : \(A_8^3=8\times7\times6=\mathbf{336}\) façons.
Exercice 3 — Probabilité classique

Une urne contient 6 boules numérotées 1 à 6. On tire une boule au hasard.

  • a) Calculer la probabilité d'obtenir un nombre impair.
  • b) Calculer la probabilité d'obtenir un nombre premier.
  • c) Calculer la probabilité d'obtenir un nombre impair ou un nombre premier.
  • d) Calculer la probabilité d'obtenir un nombre impair et un nombre premier.
a) Impairs : {1,3,5}. \(P=3/6=\mathbf{1/2}\).

b) Nombres premiers dans {1…6} : {2,3,5}. \(P=3/6=\mathbf{1/2}\).

c) Impair∪premier = {1,2,3,5}. \(P=4/6=\mathbf{2/3}\). Vérif: \(1/2+1/2-P(\text{impair}\cap\text{premier})=1-P(\{3,5\})=1-2/6=2/3\) ✓.

d) Impair∩premier = {3,5}. \(P=2/6=\mathbf{1/3}\).
Exercice 4 — Événement contraire — Pluie au Sahel

Dans la région du Sahel burkinabè, la probabilité qu'il pleuve un jour de juillet est de 0,35.

  • a) Quelle est la probabilité qu'il ne pleuve pas ce jour-là ?
  • b) On considère deux jours consécutifs indépendants. Quelle est la probabilité qu'il ne pleuve aucun des deux jours ?
  • c) Quelle est la probabilité qu'il pleuve au moins un des deux jours ?
  • d) Sur une semaine de 7 jours (indépendants), quelle est la probabilité qu'il pleuve au moins une fois ? (Donner une valeur approchée.)
a) \(P(\text{pas de pluie})=1-0{,}35=\mathbf{0{,}65}\).

b) \(P(\text{aucun des 2})=0{,}65^2=0{,}4225\approx\mathbf{42{,}3\%}\).

c) \(P(\text{au moins un})=1-0{,}4225=\mathbf{0{,}5775\approx57{,}8\%}\).

d) \(P(\text{au moins un en 7 jours})=1-0{,}65^7=1-0{,}0490\approx\mathbf{0{,}951=95{,}1\%}\). Il y a 95 % de chance de voir au moins une pluie dans la semaine.
Exercice 5 — Comité à l'Université Joseph Ki-Zerbo ⭐

Un département de l'Université Joseph Ki-Zerbo compte 12 étudiants : 7 hommes et 5 femmes. On tire au sort un comité de 4 personnes.

  • a) Combien de comités de 4 sont possibles ?
  • b) Calculer la probabilité que le comité soit entièrement composé d'hommes.
  • c) Calculer la probabilité qu'il contienne exactement 2 femmes.
  • d) Calculer la probabilité qu'il contienne au moins une femme en utilisant l'événement contraire.
a) \(\binom{12}{4}=\frac{12\times11\times10\times9}{24}=\mathbf{495}\) comités.

b) 4 hommes parmi 7 : \(\binom{7}{4}=35\). \(P=35/495=7/99\approx\mathbf{7{,}1\%}\).

c) 2 femmes parmi 5 et 2 hommes parmi 7 : \(\binom{5}{2}\times\binom{7}{2}=10\times21=210\). \(P=210/495=14/33\approx\mathbf{42{,}4\%}\).

d) Contraire : aucune femme = 4 hommes. \(P(\text{aucune femme})=35/495\). \(P(\text{au moins une femme})=1-35/495=460/495=92/99\approx\mathbf{92{,}9\%}\).
mascotte

À retenir

  • Univers \(\Omega\) : ensemble de toutes les issues. Événement \(A\subseteq\Omega\).
  • Axiomes de Kolmogorov : \(P(A)\geq0\), \(P(\Omega)=1\), additivité sur les incompatibles.
  • Conséquences : \(P(\emptyset)=0\), \(P(\bar{A})=1-P(A)\), \(0\leq P(A)\leq1\).
  • Formule de l'union : \(P(A\cup B)=P(A)+P(B)-P(A\cap B)\).
  • Probabilité classique : \(P(A)=|A|/|\Omega|\) si toutes les issues sont équiprobables.
  • Astuce "au moins un" : \(P(\text{au moins un})=1-P(\text{aucun})\) — passer par le contraire.
  • Arrangements : \(A_n^r=n!/(n-r)!\) — ordre compte, sans répétition.
  • Combinaisons : \(\binom{n}{r}=n!/[r!(n-r)!]\) — ordre ne compte pas, sans répétition.
  • Principe multiplicatif : \(n_1\times n_2\times\cdots\times n_k\) étapes indépendantes.

Supports Vidéo