Pourquoi étudier la théorie des probabilités ?
La connaissance statistique dev ient absolument indispensablle au savant, a l'administratewr, au
juriste, au médecin, 4 homme politique, l'ingénieur et au technicien. Le caraetere
d’universalité de la statistique se confirme chaque jour davantage. L’aléatoire ( c'est-a-dire Ia
variable liée au hasard) appartient en effet aussi bien aux mi cro-univers qu’aux macro-univers
qui préoccupent la science mod eme. La plupart des décisions intervenant dans I’économie, les
affaires, la science et la vie quotidienne, impliquent des risques, done une évaluatiom des
probabilités. Celles-ci sont plus faciles concevoir et a illustrer dans les jeux de hasard parce
qu'il est possible d'assigner des probabilités objectives aux divers événements auxquels ils
donnent lieu. Cependant, la raison essenticlle qui conduit a 1
étude des probabilités est qu'elle
nous aide a prendre des décisions avisées lorsque se préscatent des situations de risque ou
@Fncertitude, qu’il s’agisse d’Economie, d'affaires, de science ou tout simplement de la vie
quotidicnne. En effet, Phomme a toujours utilisé ses facul tés d’analyse logique pour rraieux
comnaitre le monde physique et aujourd’hui, il entreprend, de les exercer dans univers de
Traction :des techniques ont &1é reconnues comme particuligrement utiles que résume la
référence de plus en plus fréquente dans les milieux de l'admainistration, de l'économie, ou des
atfuires . aux notions de statistique de « calcul economique », oa de recherche opérationnelle
Daas Ja mesure méme oti la vocation des études économiques et de gestion est de préparex les
jeunes a devenir des hommes d'action, il est naturel que les facultés des sciences
économiques et les écoles de gestion se soient préoccupés dene pas tenir leurs étudiants &
T'Ecart de cette évolution. Un enseignement des techniques de prise de décisions a caractére
mathématique, a été crée. Les probabilités font partie de ce puissant outil d’analyse
maathématique que constitue la statistique. 1] importe toutefois, ayant prononcé ce terme die
bien s’entendre sur son sens. A. vrai dire, en effet, la disciplime statistique comporte deux
aspects bien distinets :
1- L’un correspondant & ce qu’on peut appeler la « statistique descriptive », revient &
mettre en ordre les résul tats dun certain nombre d’olbservations et résumer ces
résultats par quelques caractéristiques : cet 4 aspect auquel on se référe lorsqu’ome
Evoque « les statistiques » au pluriel dans les expressions comme « statistiques
démographiques », « Jes statistiques d’accidents » ow encore dans une phrase corrame :
« il ne faut pas se fier aux statistiques »
Cette statistique descriptive est pratiquement indéperndante de toute notion de
probabilité ; elle vise résumer quantitativement 'imformation recueillie sur un
univers concret au moyen d'une investigation exhavistive, telle une population
humaine étudiée a wavexs un recensement général. Seon but n’est pas d’expliquer maisau contraire de décrire: avec des outils appropriés dle dégager l’essentiel, de réailiser des
synthéses, en utilisant un langage quantitatif c’est- d-dire celui du chiffre
La statistique descriptive permet souvent a elle setale de tirer des observations
recueillies un certain nombre de conclusions susce ptibles de guider l'action.
2. Mais lorsque la statistique descriptive ne conduit aus &i des conclusions suffisamment
précises, on peut recousrir au second aspect de la statistique : celui-ci, qui correspond a
ce que 'on convient en général d’appeler « la statistique inductive », consiste dans
« Vinterprétation des faits observes par référence des modéles probabilistes. » : il
s‘agit ici, en d’autres termes, de vérifier que, « touat se passe comme si» le
phénoméne observé obéissait & une certaine loi de probabilité, afin utiliser ensuite
les propriétés mathém atiques de cette loi pour préciser la signification et la portée des
observations recueillies.
La ¢ statistique induct.ive » reposant essentiellement sur le calcul des probabil ités, les
quelques pages qui suitvent n’ont pas la prétention le donner un exposé cohérennt et
précis du calcul des probabilités ; elles sont sculemaent destinges & rassembler les
définitions grdce auxq-uelles la description de la méthode de taccordement des: données
observées a un modéle probabiliste est possible.
Le calcul des probabilités a pour objet I’étude des rnécanismes aléatoires et des
propriétés que possédeat les produits de ces mécan ismes. Fondé sur la notion de
probabilité, il se développe a partir de deux axiomes fondamentaux : les axiomes des
probabilités totales et composées. Essentiellement zibstrait et solidement bati sur une
construct
caicul des probabilités_n’en demeure pas moins for tement imprégné par Iétud.e des
univers statistiques, ofsjet méme de la statistique descriptive. La probabilité qu'un
mécanisme aléatoire conduise & |’apparition de tel événement est trés analogue, du
point de vue formel, Ja fréquence des individus qui, dans un univers donné, présente
tel caractére. La notion intuitive de la probabilité est d°ailleurs bien celle d’une sorte
de fréquence potentielle : la probabilité d’un événement est la fréquence d’apparition
de cet événement sur vm nombre infiniment grand ci épreuves identiques
indépendantes.
La statistique descriptive est un auxiliaire précieux du calcul des probabilités : les
notions de population, de fréquence, de caractére pxéparent a celle d’ ensemble
fondamental, d’événerment et de probabilité ; la variable aléatoire plus claire & qui est
familier de la variable statistique ; 'espérance matlxmatique semble le prolon gement
naturel de la moyenne statistique. La statistique descriptive, par les problémes qu’elle
pose et les limites qu’elle rencontre, est précisémerat un tremplin au calcul des
probabilités,
on mathématique étrangére & toute préoccupation concréte immédiate. le
En premiére année, nous avorss étudié la statistique descriptive, c’est-a-dire les métiaodes qui
permettent d’ordonner les Observations statistiques em distribution, de les représenter
graphiquement, de les résumer par des caractéristiques de tendance centrale et de dispersion,
ou s'il ya des séries complexes, par des indices statistiques, L’efficacité de ces rméthodes
purement descriptives ne doit pas étre sous-estimée : elles permettent les rapprocheme nts et lescomparaisons et peuvent maettre en lumiére certaines panticularités importantes qui, autrement,
seraient restées ignorées. D ans la plupart des cas, ces techniques élémentaires seront s uffisantes
pour éclairer la prise des décisions au sein de l’entreprise.
Un pas important reste A franchir : c'est, dans certains; cas favorables, la représentation des
phénoménes observés par cles modéles probabilistes, de s « lois statistiques »qui permnettent de
calculer la probabilité d’van événement déterming. Orr pourra ainsi résoudre de mouveaux
problémes : estimations ou contréles sur échantillon. La définition de ces « lois
“théoriques »repose sur la notion de probabilité. C’est pourquoi avant d’étudier le cata logue des
-Prineipales lois utilisées pour décrire les phénoménes statistiques, nous consacrerons une partie
de ce cours a une introduction élémentaire au calcul des probabilités. De nos jours le calcul de
robabilités est exposé A partir d'une théorie axiomatiq-ue faisant largement appel au langage
ces ensembles. Le calcul des probabilités a aussi son vocabulaire que nous introduirons
‘uparavant. Dans ce qui va suivre, nous commencerons par observer le certain en ap prenant &
c&nombrer tous les cas possibles, puisque ce dénombrement est nécessaire pour calleuler la
probabilité. Ensuite, nous verrons quelques théorémes fomdamentaux du calcul des pro-babilités.
Un apergu sur les notions cle variable aléatoire et de loi de probabilité poursuivra ce «ours. La
tatistiques peuvent Gtre déerits par
probabilistes ou lois de probaabilité. Naturellement, lorsque cette représentation est possible, elle
fournit une description beaucoup plus riche du phénoméne que le simple calcul des
Caractéristiques de tendance centrale et de dispersion. Elle permet notamment de calleuler la
probabilité de certains évén.cments et, par conséquent, de préciser dans une certaine rnesure la
représentation que I’on peut se faire de Pavenir.
Tl convient done de connaitre les modéles probabilistes les plus courants de fagon & pouvoir
rechercher dans ce catalogue celui qui est susceptible de convenir a la description d'un
pphénoméne aléatoire déterminé.
Le lecteur ne doit pas s’étonner de importance donnée eux calculs manuels notamment quand
is‘agit de méthodes de simplification. Qu’il sache que les machines a calculer électro niques et
les ordinateurs ne « pensent pas » et par suite leur utilisation en vue d'un résultat dorané ou de
1a solution d’un probléme posé postule une maitrise des connaissances et des méthodes qui les
concernent. II faut aussi perdre I'illusion que la machine fait tout dés qu’elle est programmée.
En statistique particuli¢rement les données paramétriques peuvent étre peu nombreuses auregard des données numeriques et par suite le travail d’introduction des données: num:
peut étre non seulement considérable mais encore tributaire d’erreurs humaines
PLAN DU COURS
De nos jours, le calcul des probabilités est exposé 4 partir d’une axiomatique faisamt appel au
Jangage des ensembles. Le premier chapitre donnera quelques éléments de la théorrie des
ensembles. Pour rester plus proche du concret, nous iratroduirons le calcul des pro babilités a
partir d’exemples empruntés aux jeux de hasard, en nous référant au concept d’éwénements
élémentaires équiprobab Tes. C’est pourquoi, aprés la théorie des ensembles nous -présentons
au chapitre 2 ,les figures combinatoires classiques : arrangements, permutations,
combinaisons ,avec ou sans répétition. On développe quelques techniques permetttant de
déterminer sans dénombr ement direct, le nombre de rEsultats possibles d’ une experience
particuliére, ou encore le nombre d’éléments d'un ensemble particulier. De telles techniques
regoivent le nom d’analyse combinatoire . Aucune connaissance mathématique préalable
n'est nécessaire Ala cornpréhension de ce chapitre. C” est peut tre paradoxalement, ce qui le
rend rclativement difficile. La probabilité est une notion dont la présentation est délicate.
Elle est envisagée dans le chapitre 3 en deux étapes : d’une part, nous étudierons lanotion
intuitive de probabilité dans le cas d'un systéme d’événements équiprobables en nombre fini
puis nous verrons Ia formulation axiomatique de la probabilité considérée comme une mesure
attachée d diverses parties de J eusembie tondamental, Ln effet, la notion de probaabilite a
abord été introduite dams le cas oii on pouvait définix un systéme d’événements
<équiprobables. Mais prog ressivement il a fallu I’étendre pour décrire des épreuves: plus
complexes oit aucune comsidération de symétrie, ne permettait d’affecter des valeurs
numériques au degré de vraisemblance des divers résultats possibles. On a done été conduit
laborer une axiomatique du calcul des probabilités : le probabilité d’un événementt est un
nombre attaché a ect évérnement, et les probabilités atteichées aux événements d'une méme
famille d’événement probabilisés satisfont a certaines «conditions de cette axiomatique
Les variables aléatoires font objet du chapitre 4 : déffnition axiomatique d’une variable
aléatoire considérée comme une application d’un ensernble probabilisé sur la droite réelle,
puis sur R". Les notions de variables aléatoires indépendantes, de distributions rnarginales
et conditicnnelles de caractéristiques synthétiques des variables aléatoires a plusieurs
dimensions ne serons pas abordées, ici:
Le chapitre 5 constitue ume sorte de catalogue des lois de probabilités usuelles, étudiges du
point de vue de leurs proprriétés, de leurs comportements asymptotiques et de leurss conditions
de validité. Nous ne traiterons pas des convergences stechastiques et de la loi des serands
nombres, ainsi que des nombres au hasard.
‘Avant de terminer cet avant- propos, il m’est agréable exprimer mes plus grands:
remerciements a tous ceux qui m’ont aidé a batir ce cours par leurs encouragemenits. leurs
amicales critiques, leurs suggestions et leurs conseils. Ames amis DO ANGO SIMPPLICIO etel hadj TOUNKOUROU qui ont bien voulu lire et xelire le manuscrit et me fournir maintes
oceasions de l’améliorer, aux étudiants de la deuxiéme année de la faculté de Groit et des
sciences économiques de l’université Omar Bongo ct des éléves de I"école sup érieure de
commerce et de management de Libreville, qui m’ ont permis de modifier certains passages
grace 4 leur questions pertinentes lors du déroulemment du cours.
Que tous trouvent ici, expression de ma tres véritable et trés sincére gratitude:
Jean Romain MIHINDOU Mikass
Docteur d'état es-
jemces économiques, enseignaint.
CHAPITRE 1 : LA THIEORIE DES ENSEMBLES
Ce chapitre est consacré aux notions élémentaires et aux concepts généraux de Ia théorie des
ensembles, dont on a besoin pour un
probabilités . II est difficile de donner une véritable définition d’un ensemble. La plupart des
auteurs admettent que c'est une « notion premiére »> des mathématiques, suppeasée connue et
sur laquelle s'échafaude le reste de cette science. Des exemples permettrons de cemer
suffisamment cette notion
traduction rnodeme a la théorie du calcul des
CHAPITRE 2 : ELEMENTS D’ ANALYSE COMB INATOIRE
La connaissance des résultats généraux de l'analyse combinatoire est utile a étude du calcul
des probabilités. C’est pourquoi ce deuxiéme chapitze est consacré aux figures A
On représente les négations de p ¢ A, A C Bet A= B par respectivement ,
PEA ACB AB
On particularise un ensemble donné soit en dénombrant ses éléments soit en établissant des
propriétés caractérisant ses éléments. Par exemple :
A=(1,3,5, 7,9}.
Signific que A est l'ensemble vonstitué des nombres
1,3, 5, 7,9 et B= fx: x est un nomibre premier, x< 15}
Signifie que B est ensemble des mombres premiers inférieurs & 15.
Sauf indication contraire, on suppose que les ensembles considérés sont des sous-ensembles
@un ensemble qu’on appelle l'ensemble universel, et que l'on désigne E ici.On utilise &galement la notation pour désigner l'ensemble vide ou nul, c’est-a-dire ensemble
qui ne contient aucun élément. On considére que cet ensemble est sous-ensemble de tout autre
ensemble queleonque A, p CACE.
Exemple : les ensembles A ct B considerés ci-dessous peuvent également étre écrits sous la
forme :
A= {x : x est un nombre impair, x< 10} et B est l'ensemble B = {2, 3, 5, 7, 11, 13}.
Observe que 9 € A mais que 9 € Bet que 11 €B mais que 11 € A;
par contre 3 €Bet6€A,6€B,
On utilise les symboles spéciaux suivants
N= Lensemble des entiers naturel s 1, 2, 3,
Z
semble des entiers relatifs : -2, -1, 0, 1,2, ...
R= L'ensemble des nombres réels.
DesortequeNcZcR.
Exemple 3 = les intervalles de la droite réclle, définis ci-dessous, interviennent trés souvent en
mathématiques, a et b sont des nombres réels tels que a avec
PA)
robabilité que l’événement A se réalise
n= nomnbre de cas faveorables a la réalisation de I’événement AN= nombre total d’événements équiprobables
Cette définition permet d”établir des énoneés probabilistes 4 priori sur les piéces de monnaie ou
les dés bien équilibrés, sur les jeux de cartes de série : Autrement cit, sans jeter une piéce de
monnaie, sams lancer un dé, sans tirer une carte.
La fréquence relative ou probabilité empirique est fowrnie par le rapport entre le nombre de fois
ot. un événernent se produit et le nombre total de résultats effectifs om d’observations. A mesure
qu’augmente le nombre d’essais, d’eéipreuves ou d’expériences (lancer d’un dé par exemple)
La fréquence relative tend vers une Limite qui est égaik a la probabili 16 classique. La probabilité
subjective se rapporte au degré de Confiance avec lequel un indivielu attend issue favorable
d’un événemaent, quelles que soient Jes présomptions sur lesquelles il se fonde
Mais quel est 'inconvénient de chacun de ces types cle probabilités ?
L’approche Classique ( 4 priori) de La probabilité ne -peut s’appliquer qu’aux jeux de hasard-le
Jet d’une pie ce de monnaie bien équilibrée, le lancer d’un dé loyal, le tirage d’une carte dun
paquet ordirmire-parce que nous pouvons déterminer priori, sans expérimeratation, la
probabilité qu’un certain événement se produise. Cette méthode ne convient pas aux preblémes
réels qui se posent dans le monde Uc economic ou des affaires parce qu'il est souvent
impossible d ‘assigner des probabilités & priori a tel ou tel événement. L? approche empirique
permet de surmonter ce inconvénicrat en utilisant Ia stéquence relati.ve des événements passés
en tant que -tesure de Ia probabilit é. La difficulté est, par contre, est alors que la fréquence
relative varie avec le nombre d’essai s ou d’expériences.
La probabilité est un nombre compris entre 0 et 1. Plus ce nombre est voisin de 0, moins
Tevénement a de chances de se procluire. Par contre. plus la probabilité est proche de 1, plus
T'événement a de chances de se produire.
Si P(A)=0, I"événement est impossible : il ne peut se produire.
Si P(A)=I, ’événememt est certain,
Illustrons cela par exemple ; une tombola est émise, Elle comporte 1000 (mille) billets. Parmi
ceux-ci, on tixe un scul billet gagnant. La probabilité pour une perso-me n’ayant pas acheté de
0.
billet, de gagner le lot est, d’aprés la définition adoptée plus haut est égale a 0/100
sLa pro babilité d’un évémement impossitsic est donc nulle. C’est la probabilité attachée @ la partie:
« vide » de Pensemble des événements.
Suppo sons qu’ une personne ait acheté tous les billets. Sa probabilité de gagner le lot est égale
4 1000/1000=1. Un événement certain a done une probabilité égale a 1.c’est la probabilité
attachée a l’ensemble des événements lui-méme.
Entre ces deux extrémes, il ya toutes la gamme des événements qui sont simplement possibles.
Une probabilité est donc toujours comprise entre 0 et 1.
OsPs 1
Remarque : la somme des probabilités de tous les événements possibles mutuellement
incompatibles est égale 4 1
Désignnons par A’ la pro babilité de non-xéalisation de l’événemaent A (probabilité d’échec) :
P(A)+P(A’1
xemple 1 : pile (P) out face (F) sont les deux éventualités également possibles a issue du