Sommaire Combinatoire et dénombrement Probabilités et statistiques

Outils mathématiques pour l’informatique

Combinatoire et probabilités

Christophe Clavier

Université de Limoges

Licence 3 informatique

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 1 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Sommaire

1 Combinatoire et dénombrement
Notions de base sur les ensembles
Arrangements, permutations, combinaisons

2 Probabilités et statistiques
Espace de probabilités, événement
Distributions de probabilité
Probabilité conditionnelle, théorème de Bayes
Variable aléatoire, espérance, écart-type
Des boules et des urnes

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 2 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

1 Combinatoire et dénombrement
Notions de base sur les ensembles
Arrangements, permutations, combinaisons

2 Probabilités et statistiques
Espace de probabilités, événement
Distributions de probabilité
Probabilité conditionnelle, théorème de Bayes
Variable aléatoire, espérance, écart-type
Des boules et des urnes

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 3 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Notions de base sur les ensembles

Notions de base sur les ensembles

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 4 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Notions de base sur les ensembles

Notions de base sur les ensembles

Définition
On appelle cardinal d’un ensemble fini E , noté Card(E ), le nombre d’éléments
de cet ensemble.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 4 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Notions de base sur les ensembles

Notions de base sur les ensembles

Définition
On appelle cardinal d’un ensemble fini E , noté Card(E ), le nombre d’éléments
de cet ensemble.

Exemples
Le cardinal de l’ensemble E = {0, 1, 3, 4, 5, 8, 9} est . . . ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 4 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Notions de base sur les ensembles

Notions de base sur les ensembles

Définition
On appelle cardinal d’un ensemble fini E , noté Card(E ), le nombre d’éléments
de cet ensemble.

Exemples
Le cardinal de l’ensemble E = {0, 1, 3, 4, 5, 8, 9} est 7.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 4 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Notions de base sur les ensembles

Notions de base sur les ensembles

Définition
On appelle cardinal d’un ensemble fini E , noté Card(E ), le nombre d’éléments
de cet ensemble.

Exemples
Le cardinal de l’ensemble E = {0, 1, 3, 4, 5, 8, 9} est 7.
Le cardinal de l’ensemble des entiers premiers inférieurs à 30 est . . . ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 4 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Notions de base sur les ensembles

Notions de base sur les ensembles

Définition
On appelle cardinal d’un ensemble fini E , noté Card(E ), le nombre d’éléments
de cet ensemble.

Exemples
Le cardinal de l’ensemble E = {0, 1, 3, 4, 5, 8, 9} est 7.
Le cardinal de l’ensemble des entiers premiers inférieurs à 30 est 10.
(E = {2, 3, 5, 7, 11, 13, 17, 19, 23, 29})

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 4 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Notions de base sur les ensembles

Notions de base sur les ensembles

Définition
On appelle cardinal d’un ensemble fini E , noté Card(E ), le nombre d’éléments
de cet ensemble.

Exemples
Le cardinal de l’ensemble E = {0, 1, 3, 4, 5, 8, 9} est 7.
Le cardinal de l’ensemble des entiers premiers inférieurs à 30 est 10.
(E = {2, 3, 5, 7, 11, 13, 17, 19, 23, 29})

Définition
On appelle complémentaire d’un ensemble A dans un ensemble E , noté A,
l’ensemble des éléments de E qui n’appartiennent pas à A.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 4 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Notions de base sur les ensembles

Notions de base sur les ensembles

Définition
On appelle partition d’un ensemble fini E , une famille de sous-ensembles de E
notés A1 , . . . , An vérifiant les propriétés suivantes :
∀16i <j 6n Ai ∩ Aj = ∅
∪ni=1 Ai = A1 ∪ . . . ∪ An = E

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 5 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Notions de base sur les ensembles

Notions de base sur les ensembles

Définition
On appelle partition d’un ensemble fini E , une famille de sous-ensembles de E
notés A1 , . . . , An vérifiant les propriétés suivantes :
∀16i <j 6n Ai ∩ Aj = ∅
∪ni=1 Ai = A1 ∪ . . . ∪ An = E

Proposition
Soit {A1 , . . . , An } une partition d’un ensemble E , alors :

Card(A1 ) + . . . + Card(An ) = Card(E )

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 5 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Notions de base sur les ensembles

Notions de base sur les ensembles

Proposition
Soit A et B deux parties d’un ensemble E , alors :
Card(A ∪ B) = Card(A) + Card(B) − Card(A ∩ B)
d’où, si A et B sont disjoints alors :

Card(A ∪ B) = Card(A) + Card(B)

Card(A) = Card(E ) − Card(A)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 6 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Notions de base sur les ensembles

Notions de base sur les ensembles

Proposition
Soit A et B deux parties d’un ensemble E , alors :
Card(A ∪ B) = Card(A) + Card(B) − Card(A ∩ B)
d’où, si A et B sont disjoints alors :

Card(A ∪ B) = Card(A) + Card(B)

Card(A) = Card(E ) − Card(A)

Exemple
Dans une classe de ne étudiants, nr d’entre eux aiment le rap et nv pratiquent
le vélo. n0 étudiants n’aiment ni le rap ni la pratique du vélo.
Combien d’étudiants aiment le rap et pratiquent le vélo ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 6 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Arrangements

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 7 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Arrangements

Définition
Étant donné un ensemble E de n éléments, on appelle arrangement de taille k
de E une suite ordonnée de k éléments distincts de E .

Notation
On note Akn le nombre d’arrangements de taille k d’un ensemble à n éléments.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 7 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Arrangements

Définition
Étant donné un ensemble E de n éléments, on appelle arrangement de taille k
de E une suite ordonnée de k éléments distincts de E .

Notation
On note Akn le nombre d’arrangements de taille k d’un ensemble à n éléments.

Exemple
Lors de la finale du 400 mètres des jeux olympiques huit coureurs sont au
départ. Combien de podiums sont possibles ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 7 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Arrangements

Réponse
Le vainqueur peut être n’importe lequel des 8 coureurs.
Connaissant le vainqueur, le deuxième peut être n’importe lequel des 7
autres.
Il reste 6 façons d’attribuer la médaille de bronze.
Donc le nombre de podiums possibles est :
8!
A38 = 8 × 7 × 6 = = 336
5!

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 8 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Arrangements

Réponse
Le vainqueur peut être n’importe lequel des 8 coureurs.
Connaissant le vainqueur, le deuxième peut être n’importe lequel des 7
autres.
Il reste 6 façons d’attribuer la médaille de bronze.
Donc le nombre de podiums possibles est :
8!
A38 = 8 × 7 × 6 = = 336
5!

Proposition
n!
Akn = n × (n − 1) × . . . × (n − k + 1) =
(n − k)!

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 8 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Permutations

Définition
Dans le cas où k est égal à n, un arrangement de taille k est appelé une
permutation de l’ensemble à n éléments.

Notation
On note Pn = Ann = n! le nombre de permutations d’un ensemble à n éléments.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 9 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Permutations

Définition
Dans le cas où k est égal à n, un arrangement de taille k est appelé une
permutation de l’ensemble à n éléments.

Notation
On note Pn = Ann = n! le nombre de permutations d’un ensemble à n éléments.

Exemple
De combien de manières peut-on attribuer quatre cadeaux à quatres
personnes ? (un cadeau par personne !)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 9 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Permutations

Définition
Dans le cas où k est égal à n, un arrangement de taille k est appelé une
permutation de l’ensemble à n éléments.

Notation
On note Pn = Ann = n! le nombre de permutations d’un ensemble à n éléments.

Exemple
De combien de manières peut-on attribuer quatre cadeaux à quatres
personnes ? (un cadeau par personne !)

Réponse
De P4 = 4! = 24 manières différentes.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 9 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Combinaisons

Définition
On appelle combinaison de taille k d’un ensemble E à n éléments tout
sous-ensemble de k éléments distincts de E .

Notation
On note Cnk le nombre de combinaisons de taille k d’un ensemble à n éléments.
Remarque : en anglais on note kn et on dit  n choose k .

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 10 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Combinaisons

Définition
On appelle combinaison de taille k d’un ensemble E à n éléments tout
sous-ensemble de k éléments distincts de E .

Notation
On note Cnk le nombre de combinaisons de taille k d’un ensemble à n éléments.
Remarque : en anglais on note kn et on dit  n choose k .

Exemple
Supposons que l’on n’accorde pas d’importance à l’ordre d’arrivée des trois
athlètes formant un podium.
Combien de tels podiums indifférenciés existe-t-il ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 10 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Combinaisons
Réponse
Un podium indifférencié correspond au choix d’un sous-ensemble de 3 coureurs
parmi les huit participants.
Si (A, B, C ) est un podium indifférencié, ces trois coureurs auraient pu se
classer de 6 manières différentes pour former un podium :

(A, B, C ), (A, C , B), (B, C , A), (B, A, C ), (C , A, B), (C , B, A)

Il y a donc 6 fois moins de podiums indifférenciés que de podiums. Donc le

nombre de podiums indifférenciés est :

C83 = A38 /6 = (8 × 7 × 6)/6 = 56

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 11 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Combinaisons
Réponse
Un podium indifférencié correspond au choix d’un sous-ensemble de 3 coureurs
parmi les huit participants.
Si (A, B, C ) est un podium indifférencié, ces trois coureurs auraient pu se
classer de 6 manières différentes pour former un podium :

(A, B, C ), (A, C , B), (B, C , A), (B, A, C ), (C , A, B), (C , B, A)

Il y a donc 6 fois moins de podiums indifférenciés que de podiums. Donc le

nombre de podiums indifférenciés est :

C83 = A38 /6 = (8 × 7 × 6)/6 = 56

Proposition
Akn n!
Cnk = =
k! k! (n − k)!

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 11 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Coefficients binomiaux
Exercice
Développer l’expression : (a + b)5

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 12 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Coefficients binomiaux
Exercice
Développer l’expression : (a + b)5

Réponse

(a + b)5 = (a + b) · (a + b) · (a + b) · (a + b) · (a + b)
= a5 + 5a4 b + 10a3 b 2 + 10a2 b 3 + 5ab 4 + b 5

Remarque : dans le terme 10a3 b 2 , 10 est le nombre de façons de choisir 2 fois

le facteur b parmi les 5 termes (a + b) du produit. C’est donc C52 .

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 12 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Coefficients binomiaux
Exercice
Développer l’expression : (a + b)5

Réponse

(a + b)5 = (a + b) · (a + b) · (a + b) · (a + b) · (a + b)
= a5 + 5a4 b + 10a3 b 2 + 10a2 b 3 + 5ab 4 + b 5

Remarque : dans le terme 10a3 b 2 , 10 est le nombre de façons de choisir 2 fois

le facteur b parmi les 5 termes (a + b) du produit. C’est donc C52 .

Définition
Les nombres Cnk sont appelés coefficients binomiaux car

(a + b)n = Σnk=0 Cnk an−k b k

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 12 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Quelques identités
Donner des interprétations (souvent ensemblistes) permettant d’établir les identités
suivantes :
a) Cn0 = 1 et Cnn = 1
b) Cn1 = n
c) Cnk = Cnn−k
d) Σnk=0 (−1)k · Cnk = 0
e) Σnk=0 Cnk = 2n
k
f) Cn+1 = Cnk + Cnk−1

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 13 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Quelques identités
Donner des interprétations (souvent ensemblistes) permettant d’établir les identités
suivantes :
a) Cn0 = 1 et Cnn = 1
b) Cn1 = n
c) Cnk = Cnn−k
d) Σnk=0 (−1)k · Cnk = 0
e) Σnk=0 Cnk = 2n
k
f) Cn+1 = Cnk + Cnk−1

Convolution de Vandermonde
Comment généraliser la dernière identité ?
k
Si n, m > k alors Cn+m =?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 13 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Quelques identités
Donner des interprétations (souvent ensemblistes) permettant d’établir les identités
suivantes :
a) Cn0 = 1 et Cnn = 1
b) Cn1 = n
c) Cnk = Cnn−k
d) Σnk=0 (−1)k · Cnk = 0
e) Σnk=0 Cnk = 2n
k
f) Cn+1 = Cnk + Cnk−1

Convolution de Vandermonde
Comment généraliser la dernière identité ?
k
Si n, m > k alors Cn+m = Σki=0 Cni Cm
k−i

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 13 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Le triangle de Pascal

Le triangle de Pascal contient à la ligne n et à la colonne k la valeur de Cnk .

k 0 1 2 3 4
n
0 C00
1 C10 C11
2 C20 C21 C22
3 C30 C31 C32 C33
4 C40 C41 C42 C43 C44
5 ...

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 14 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Le triangle de Pascal

Le triangle de Pascal contient à la ligne n et à la colonne k la valeur de Cnk .

k 0 1 2 3 4
n
0 1
1 1 C11
Cn0 = 1 2 1 C21 C22
3 1 C31 C32 C33
4 1 C41 C42 C43 C44
5 ...

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 14 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Le triangle de Pascal

Le triangle de Pascal contient à la ligne n et à la colonne k la valeur de Cnk .

k 0 1 2 3 4
n
0 1
1 1 1
Cn0 = 1 2 1 C21 1 Cnn = 1
3 1 C31 C32 1
4 1 C41 C42 C43 1
5 ...

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 14 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Le triangle de Pascal

Le triangle de Pascal contient à la ligne n et à la colonne k la valeur de Cnk .

k 0 1 2 3 4
n
0 1
1 1 1
Cn0 = 1 2 1 2 1 Cnn = 1
3 1 C31 C32 1
4 1 C41 C42 C43 1
5 ...

k−1
Cnk = Cn−1
k
+ Cn−1

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 14 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Le triangle de Pascal

Le triangle de Pascal contient à la ligne n et à la colonne k la valeur de Cnk .

k 0 1 2 3 4
n
0 1
1 1 1
Cn0 = 1 2 1 2 1 Cnn = 1
3 1 3 C32 1
4 1 C41 C42 C43 1
5 ...

k−1
Cnk = Cn−1
k
+ Cn−1

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 14 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Le triangle de Pascal

Le triangle de Pascal contient à la ligne n et à la colonne k la valeur de Cnk .

k 0 1 2 3 4
n
0 1
1 1 1
Cn0 = 1 2 1 2 1 Cnn = 1
3 1 3 3 1
4 1 C41 C42 C43 1
5 ...

k−1
Cnk = Cn−1
k
+ Cn−1

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 14 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Le triangle de Pascal

Le triangle de Pascal contient à la ligne n et à la colonne k la valeur de Cnk .

k 0 1 2 3 4
n
0 1
1 1 1
Cn0 = 1 2 1 2 1 Cnn = 1
3 1 3 3 1
4 1 4 6 4 1
5 ...

k−1
Cnk = Cn−1
k
+ Cn−1

De proche en proche, il ainsi est possible de calculer tous les Cnk .

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 14 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Coefficients multinomiaux
Exercice
De combien de manières différentes est-il possible de placer les 32 pièces d’un jeu
d’échec sur l’échiquier ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 15 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Coefficients multinomiaux
Exercice
De combien de manières différentes est-il possible de placer les 32 pièces d’un jeu
d’échec sur l’échiquier ?

Réponse
Étant donnée une configuration des pièces, permuter entre eux de manière quelconque
les 8 pions noirs ne modifiera pas la configuration.
On commence donc par choisir 8 cases parmi les 64 sur lesquelles seront placés les
pions noirs. Puis il reste à placer les 24 pièces restantes sur les 56 cases vides.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 15 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Coefficients multinomiaux
Exercice
De combien de manières différentes est-il possible de placer les 32 pièces d’un jeu
d’échec sur l’échiquier ?

Réponse
Étant donnée une configuration des pièces, permuter entre eux de manière quelconque
les 8 pions noirs ne modifiera pas la configuration.
On commence donc par choisir 8 cases parmi les 64 sur lesquelles seront placés les
pions noirs. Puis il reste à placer les 24 pièces restantes sur les 56 cases vides.
De même, on choisit 8 cases parmi 56 pour les pions blancs, puis 2 cases parmi 48
pour les tours noires, . . .

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 15 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Coefficients multinomiaux
Exercice
De combien de manières différentes est-il possible de placer les 32 pièces d’un jeu
d’échec sur l’échiquier ?

Réponse
Étant donnée une configuration des pièces, permuter entre eux de manière quelconque
les 8 pions noirs ne modifiera pas la configuration.
On commence donc par choisir 8 cases parmi les 64 sur lesquelles seront placés les
pions noirs. Puis il reste à placer les 24 pièces restantes sur les 56 cases vides.
De même, on choisit 8 cases parmi 56 pour les pions blancs, puis 2 cases parmi 48
pour les tours noires, . . . puis enfin il faut placer successivement les 4 dernières pièces
différentes (rois et dames) sur les 36 cases encore libres.
8 8 2 2 2 2 2 2 1 1 1 1
N = C64 · C56 · C48 · C46 · C44 · C42 · C40 · C38 · C36 · C35 · C34 · C33

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 15 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Coefficients multinomiaux
Exercice
De combien de manières différentes est-il possible de placer les 32 pièces d’un jeu
d’échec sur l’échiquier ?

Réponse
Étant donnée une configuration des pièces, permuter entre eux de manière quelconque
les 8 pions noirs ne modifiera pas la configuration.
On commence donc par choisir 8 cases parmi les 64 sur lesquelles seront placés les
pions noirs. Puis il reste à placer les 24 pièces restantes sur les 56 cases vides.
De même, on choisit 8 cases parmi 56 pour les pions blancs, puis 2 cases parmi 48
pour les tours noires, . . . puis enfin il faut placer successivement les 4 dernières pièces
différentes (rois et dames) sur les 36 cases encore libres.
8 8 2 2 2 2 2 2 1 1 1 1
N = C64 · C56 · C48 · C46 · C44 · C42 · C40 · C38 · C36 · C35 · C34 · C33
64! 56! 38! 36! 35! 34! 33!
= · ... · · · ·
8! · 56! 8! · 48! 2! · 36! 1! · 35! 1! · 34! 1! · 33! 1! · 32!

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 15 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Coefficients multinomiaux
Exercice
De combien de manières différentes est-il possible de placer les 32 pièces d’un jeu
d’échec sur l’échiquier ?

Réponse
Étant donnée une configuration des pièces, permuter entre eux de manière quelconque
les 8 pions noirs ne modifiera pas la configuration.
On commence donc par choisir 8 cases parmi les 64 sur lesquelles seront placés les
pions noirs. Puis il reste à placer les 24 pièces restantes sur les 56 cases vides.
De même, on choisit 8 cases parmi 56 pour les pions blancs, puis 2 cases parmi 48
pour les tours noires, . . . puis enfin il faut placer successivement les 4 dernières pièces
différentes (rois et dames) sur les 36 cases encore libres.
8 8 2 2 2 2 2 2 1 1 1 1
N = C64 · C56 · C48 · C46 · C44 · C42 · C40 · C38 · C36 · C35 · C34 · C33
64! 56! 38! 36! 35! 34! 33!
= · ... · · · ·
8! · 56! 8! · 48! 2! · 36! 1! · 35! 1! · 34! 1! · 33! 1! · 32!
64!
=
8! · 8! · 2! · 2! · 2! · 2! · 2! · 2! · 1! · 1! · 1! · 1! · 32!

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 15 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Coefficients multinomiaux

Proposition
Le nombre de façons de permuter n objets répartis en k groupes de n1 , . . . , nk
objets indistinguables est :
n!
Cnn1 ,...,nk =
n1 ! . . . nk !
C’est aussi le nombre de façons de ranger n objets dans k boı̂tes où ni est le
nombre d’objets placés dans la boı̂te numéro i.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 16 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Arrangements, permutations, combinaisons

Coefficients multinomiaux

Proposition
Le nombre de façons de permuter n objets répartis en k groupes de n1 , . . . , nk
objets indistinguables est :
n!
Cnn1 ,...,nk =
n1 ! . . . nk !
C’est aussi le nombre de façons de ranger n objets dans k boı̂tes où ni est le
nombre d’objets placés dans la boı̂te numéro i.

Définition
n ,...,nk
Les nombres Cn 1 sont appelés coefficients multinomiaux car
n
(a1 + . . . + ak )n = Σn1 +...+nk =n Cnn1 ,...,nk a1n1 . . . akk

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 16 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

1 Combinatoire et dénombrement
Notions de base sur les ensembles
Arrangements, permutations, combinaisons

2 Probabilités et statistiques
Espace de probabilités, événement
Distributions de probabilité
Probabilité conditionnelle, théorème de Bayes
Variable aléatoire, espérance, écart-type
Des boules et des urnes

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 17 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Espace de probabilités

Définition
On appelle expérience aléatoire une expérience dont on ne connaı̂t pas le
résultat à l’avance.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 18 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Espace de probabilités

Définition
On appelle expérience aléatoire une expérience dont on ne connaı̂t pas le
résultat à l’avance.

Définition
On appelle univers des possibles, ou espace de probabilités, l’ensemble de tous
les résultats possibles d’une expérience aléatoire.

Remarque : dans toute cette section, on n’étudiera que des cas où l’univers des
possibles est fini.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 18 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Événement
Soit E un espace de probabilités.

Définitions
On appelle événement toute partie de E .
Un événement ne contenant qu’un unique élément de E est appelé
événement élémentaire.
L’ensemble E est l’événement certain, l’ensemble vide est l’événement
impossible.
On appelle événement contraire d’un événement A (que l’on note A)
l’événement constitué par le complémentaire de A dans E .
On dit qu’un événement A est réalisé lors d’une exéprience aléatoire si
l’événement élémentaire issu de l’expérience aléatoire appartient à A.
Deux événements sont dits incompatibles s’ils ne peuvent être réalisés
simultanément. Ils correspondent à deux ensembles disjoints de E .

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 19 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.
L’univers des possibles est . . . ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.
L’univers des possibles est E = {1, 2, 3, 4, 5, 6}.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.
L’univers des possibles est E = {1, 2, 3, 4, 5, 6}.
L’événement la valeur du dé est paire est . . . ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.
L’univers des possibles est E = {1, 2, 3, 4, 5, 6}.
L’événement la valeur du dé est paire est A = {2, 4, 6}.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.
L’univers des possibles est E = {1, 2, 3, 4, 5, 6}.
L’événement la valeur du dé est paire est A = {2, 4, 6}.
Le dé est tombé sur 5 est un . . . ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.
L’univers des possibles est E = {1, 2, 3, 4, 5, 6}.
L’événement la valeur du dé est paire est A = {2, 4, 6}.
Le dé est tombé sur 5 est un événement élémentaire. (A = {5})

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.
L’univers des possibles est E = {1, 2, 3, 4, 5, 6}.
L’événement la valeur du dé est paire est A = {2, 4, 6}.
Le dé est tombé sur 5 est un événement élémentaire. (A = {5})
L’événement certain est . . . ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.
L’univers des possibles est E = {1, 2, 3, 4, 5, 6}.
L’événement la valeur du dé est paire est A = {2, 4, 6}.
Le dé est tombé sur 5 est un événement élémentaire. (A = {5})
L’événement certain est A = {1, 2, 3, 4, 5, 6}.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.
L’univers des possibles est E = {1, 2, 3, 4, 5, 6}.
L’événement la valeur du dé est paire est A = {2, 4, 6}.
Le dé est tombé sur 5 est un événement élémentaire. (A = {5})
L’événement certain est A = {1, 2, 3, 4, 5, 6}.
A = ∅ est . . . ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.
L’univers des possibles est E = {1, 2, 3, 4, 5, 6}.
L’événement la valeur du dé est paire est A = {2, 4, 6}.
Le dé est tombé sur 5 est un événement élémentaire. (A = {5})
L’événement certain est A = {1, 2, 3, 4, 5, 6}.
A = ∅ est l’événement impossible.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.
L’univers des possibles est E = {1, 2, 3, 4, 5, 6}.
L’événement la valeur du dé est paire est A = {2, 4, 6}.
Le dé est tombé sur 5 est un événement élémentaire. (A = {5})
L’événement certain est A = {1, 2, 3, 4, 5, 6}.
A = ∅ est l’événement impossible.
Le contraire de l’événement A = {4, 5} est . . . ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.
L’univers des possibles est E = {1, 2, 3, 4, 5, 6}.
L’événement la valeur du dé est paire est A = {2, 4, 6}.
Le dé est tombé sur 5 est un événement élémentaire. (A = {5})
L’événement certain est A = {1, 2, 3, 4, 5, 6}.
A = ∅ est l’événement impossible.
Le contraire de l’événement A = {4, 5} est A = {1, 2, 3, 6}.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.
L’univers des possibles est E = {1, 2, 3, 4, 5, 6}.
L’événement la valeur du dé est paire est A = {2, 4, 6}.
Le dé est tombé sur 5 est un événement élémentaire. (A = {5})
L’événement certain est A = {1, 2, 3, 4, 5, 6}.
A = ∅ est l’événement impossible.
Le contraire de l’événement A = {4, 5} est A = {1, 2, 3, 6}.
Les événements A = {4, 5} et B = {2, 6} sont . . . ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.
L’univers des possibles est E = {1, 2, 3, 4, 5, 6}.
L’événement la valeur du dé est paire est A = {2, 4, 6}.
Le dé est tombé sur 5 est un événement élémentaire. (A = {5})
L’événement certain est A = {1, 2, 3, 4, 5, 6}.
A = ∅ est l’événement impossible.
Le contraire de l’événement A = {4, 5} est A = {1, 2, 3, 6}.
Les événements A = {4, 5} et B = {2, 6} sont incompatibles.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Espace de probabilités, événement

Exemple

Exemple
Considérons l’expérience aléatoire d’un jet de dé.
L’univers des possibles est E = {1, 2, 3, 4, 5, 6}.
L’événement la valeur du dé est paire est A = {2, 4, 6}.
Le dé est tombé sur 5 est un événement élémentaire. (A = {5})
L’événement certain est A = {1, 2, 3, 4, 5, 6}.
A = ∅ est l’événement impossible.
Le contraire de l’événement A = {4, 5} est A = {1, 2, 3, 6}.
Les événements A = {4, 5} et B = {2, 6} sont incompatibles.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 20 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Distribution et fonction de probabilité

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 21 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Distribution et fonction de probabilité

Définitions
On appelle distribution (ou loi) de probabilité sur E = {e1 , . . . , en } une
fonction p : E → R telle que :
0 6 p(ek ) 6 1 et Σni=1 p(ei ) = 1

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 21 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Distribution et fonction de probabilité

Définitions
On appelle distribution (ou loi) de probabilité sur E = {e1 , . . . , en } une
fonction p : E → R telle que :
0 6 p(ek ) 6 1 et Σni=1 p(ei ) = 1

Étant donnée une distribution de probabilité p sur E , on appelle (fonction

de) probabilité la fonction P : P(E ) → R définie par :
P(A) = Σe∈A p(e)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 21 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Distribution et fonction de probabilité

Définitions
On appelle distribution (ou loi) de probabilité sur E = {e1 , . . . , en } une
fonction p : E → R telle que :
0 6 p(ek ) 6 1 et Σni=1 p(ei ) = 1

Étant donnée une distribution de probabilité p sur E , on appelle (fonction

de) probabilité la fonction P : P(E ) → R définie par :
P(A) = Σe∈A p(e)

Proposition
Soit P une fonction de probabilité sur E . Pour tout A, A1 , A2 ⊆ E :
0 6 P(A) 6 1
P(A1 ∪ A2 ) = P(A1 ) + P(A2 ) − P(A1 ∩ A2 )
P(A) = 1 − P(A)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 21 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Distribution uniforme

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 22 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Distribution uniforme

Définition
On appelle distribution uniforme la distribution qui assigne une même
probabilité à chaque événement élémentaire.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 22 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Distribution uniforme

Définition
On appelle distribution uniforme la distribution qui assigne une même
probabilité à chaque événement élémentaire.

Proposition
Soit p est une distribution uniforme sur E .
1 Card(A)
∀e ∈ E p(e) = et ∀A ⊆ E P(A) =
Card(E ) Card(E )

Calculer la probabilité d’un événement A revient donc à dénombrer les

événements élémentaires qui réalisent A puis à diviser par le nombre total
d’événements élémentaires. (nombre de cas favorables / nombre de cas possibles)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 22 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Exemple
Au loto chaque tirage de 6 numéros est un événement élémentaire. Il existe
6
C49 = 13 983 816 tirages possibles. L’événement les 6 numéros issus du tirage
sont précisément ceux que j’ai cochés sur ma grille est élémentaire.
1
Donc la probabilité qu’une grille permette de gagner le gros lot est : 13 983 816

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 23 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Exemple
Au loto chaque tirage de 6 numéros est un événement élémentaire. Il existe
6
C49 = 13 983 816 tirages possibles. L’événement les 6 numéros issus du tirage
sont précisément ceux que j’ai cochés sur ma grille est élémentaire.
1
Donc la probabilité qu’une grille permette de gagner le gros lot est : 13 983 816

Exercice
1 Une salle de classe compte 40 élèves. Quelle est la probabilité qu’au moins
deux élèves aient la même date d’anniversaire ? (l’année ne compte pas)
1
2 À partir de combien d’élèves cette probabilité excède 2
?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 23 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Exemple
Au loto chaque tirage de 6 numéros est un événement élémentaire. Il existe
6
C49 = 13 983 816 tirages possibles. L’événement les 6 numéros issus du tirage
sont précisément ceux que j’ai cochés sur ma grille est élémentaire.
1
Donc la probabilité qu’une grille permette de gagner le gros lot est : 13 983 816

Exercice
1 Une salle de classe compte 40 élèves. Quelle est la probabilité qu’au moins
deux élèves aient la même date d’anniversaire ? (l’année ne compte pas)
1
2 À partir de combien d’élèves cette probabilité excède 2
?

Réponse
1 Un événement élémentaire est un 40-uplet de dates d’anniversaire.
P40 (A) = 1 − P40 (A) = 1 − A40
365 /365
40
' 0, 891
2 On a : P22 (A) ' 0, 476 et P23 (A) ' 0, 507

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 23 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Loi de Bernoulli

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 24 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Loi de Bernoulli

Définitions
Une expérience de Bernoulli est une expérience aléatoire ne pouvant
avoir que deux issues possibles.
Par convention on notera souvent 0 et 1 ces deux issues possibles.
(0 ↔ échec, 1 ↔ succès, si ces notions ont du sens)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 24 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Loi de Bernoulli

Définitions
Une expérience de Bernoulli est une expérience aléatoire ne pouvant
avoir que deux issues possibles.
Par convention on notera souvent 0 et 1 ces deux issues possibles.
(0 ↔ échec, 1 ↔ succès, si ces notions ont du sens)

On appelle loi de Bernoulli de paramètre p ∈ [0, 1] la distribution de

probabilité définie sur E = {0, 1} par :

p(1) = p
p(0) = 1−p

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 24 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Loi binomiale

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 25 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Loi binomiale

Définition
On appelle loi binomiale de paramètres p ∈ [0, 1] et n ∈ N? la distribution de
probabilité définie pour chaque entier k ∈ E = {0, 1, . . . , n} par la probabilité
que n expériences de Bernoulli indépendantes de paramètre p aient conduit
à k succès.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 25 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Loi binomiale

Définition
On appelle loi binomiale de paramètres p ∈ [0, 1] et n ∈ N? la distribution de
probabilité définie pour chaque entier k ∈ E = {0, 1, . . . , n} par la probabilité
que n expériences de Bernoulli indépendantes de paramètre p aient conduit
à k succès.
On a donc :

∀k ∈ {0, . . . , n} p(k) = B(k; n, p) = ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 25 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Loi binomiale

Définition
On appelle loi binomiale de paramètres p ∈ [0, 1] et n ∈ N? la distribution de
probabilité définie pour chaque entier k ∈ E = {0, 1, . . . , n} par la probabilité
que n expériences de Bernoulli indépendantes de paramètre p aient conduit
à k succès.
On a donc :

∀k ∈ {0, . . . , n} p(k) = B(k; n, p) = Cnk p k (1 − p)n−k

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 25 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Loi binomiale

Définition
On appelle loi binomiale de paramètres p ∈ [0, 1] et n ∈ N? la distribution de
probabilité définie pour chaque entier k ∈ E = {0, 1, . . . , n} par la probabilité
que n expériences de Bernoulli indépendantes de paramètre p aient conduit
à k succès.
On a donc :

∀k ∈ {0, . . . , n} p(k) = B(k; n, p) = Cnk p k (1 − p)n−k

Exemple
On lance 5 fois une pièce équilibrée. Quelle est la distribution de probabilité
associée au nombre de fois où la pièce est tombée sur pile ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 25 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Loi binomiale
Réponse
Il s’agit d’une loi binomiale de paramètres p = 21 et n = 5. On a donc :

0 1
5 1 5 1 0
p(0) = C50 12 ' 0, 03 ; p(5) = C55



2 2 2
' 0, 03
1 4 1 4 1 1
p(1) = C51 12 1
' 0, 16 ; p(4) = C54





2 2 2
' 0, 16
2 3 1 3 1 2
p(2) = C52 12 1
' 0, 31 ; p(3) = C53





2 2 2
' 0, 31

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 26 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Loi binomiale
Réponse
Il s’agit d’une loi binomiale de paramètres p = 21 et n = 5. On a donc :

0 1
5 1 5 1 0
p(0) = C50 12 ' 0, 03 ; p(5) = C55



2 2 2
' 0, 03
1 4 1 4 1 1
p(1) = C51 12 1
' 0, 16 ; p(4) = C54





2 2 2
' 0, 16
2 3 1 3 1 2
p(2) = C52 12 1
' 0, 31 ; p(3) = C53





2 2 2
' 0, 31

Exemple
20% des conducteurs conduisent en état d’ébriété. (les soirs de réveillon)
Un gendarme effectue 10 alcotests. Quelle est la probabilité pour que 3 d’entre
eux se révèlent positifs ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 26 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Distributions de probabilité

Loi binomiale
Réponse
Il s’agit d’une loi binomiale de paramètres p = 21 et n = 5. On a donc :

0 1
5 1 5 1 0
p(0) = C50 12 ' 0, 03 ; p(5) = C55



2 2 2
' 0, 03
1 4 1 4 1 1
p(1) = C51 12 1
' 0, 16 ; p(4) = C54





2 2 2
' 0, 16
2 3 1 3 1 2
p(2) = C52 12 1
' 0, 31 ; p(3) = C53





2 2 2
' 0, 31

Exemple
20% des conducteurs conduisent en état d’ébriété. (les soirs de réveillon)
Un gendarme effectue 10 alcotests. Quelle est la probabilité pour que 3 d’entre
eux se révèlent positifs ?

Réponse
3
B(3; 10, 0.2) = C10 (0, 2)3 (0, 8)7 ' 0, 20

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 26 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Probabilité conditionnelle

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 27 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Probabilité conditionnelle

Définition
Soit A et B deux événements. On appelle probabilité conditionnelle de A
sachant B le rapport :
P(A ∩ B)
P(A | B) =
P(B)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 27 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Probabilité conditionnelle

Définition
Soit A et B deux événements. On appelle probabilité conditionnelle de A
sachant B le rapport :
P(A ∩ B)
P(A | B) =
P(B)

On peut voir l’événement B comme une observation susceptible de modifier la

probabilité que l’on attribue à l’événement A.
P(A) → probabilité a priori ; P(A | B) → probabilité a posteriori
L’observation de B apporte de l’information sur A.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 27 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Probabilité conditionnelle

Définition
Soit A et B deux événements. On appelle probabilité conditionnelle de A
sachant B le rapport :
P(A ∩ B)
P(A | B) =
P(B)

On peut voir l’événement B comme une observation susceptible de modifier la

probabilité que l’on attribue à l’événement A.
P(A) → probabilité a priori ; P(A | B) → probabilité a posteriori
L’observation de B apporte de l’information sur A.

Proposition
Si P(A) > 0 alors la fonction pA : E → R définie par pA (e) = P(e | A) est une
distribution de probabilité.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 27 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Événements indépendants

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 28 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Événements indépendants
Définition
On dit que deux événements A et B sont indépendants si et seulement si :

P(A ∩ B) = P(A) P(B)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 28 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Événements indépendants
Définition
On dit que deux événements A et B sont indépendants si et seulement si :

P(A ∩ B) = P(A) P(B)

Remarque
Soit A et B deux événements indépendants.
P(A)P(B)
Si P(B) > 0 alors P(A | B) = P(B)
= P(A)
P(A)P(B)
Si P(A) > 0 alors P(B | A) = P(A)
= P(B)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 28 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Événements indépendants
Définition
On dit que deux événements A et B sont indépendants si et seulement si :

P(A ∩ B) = P(A) P(B)

Remarque
Soit A et B deux événements indépendants.
P(A)P(B)
Si P(B) > 0 alors P(A | B) = P(B)
= P(A)
P(A)P(B)
Si P(A) > 0 alors P(B | A) = P(A)
= P(B)

. . . ce qui donne tout son sens à la notion d’événements indépendants :

les probabilités a priori et a posteriori sont identiques,
dit autrement, aucun des deux événements n’apporte de l’information sur
l’autre.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 28 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Exemple
Parmi les 132 étudiants d’une promo 25 jouent de la guitare et 45 sont enfants
uniques. 18 étudiants sont enfants uniques et jouent de la guitare.
1 Vous rencontrez un étudiant. Pensez-vous qu’il est fils unique ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 29 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Exemple
Parmi les 132 étudiants d’une promo 25 jouent de la guitare et 45 sont enfants
uniques. 18 étudiants sont enfants uniques et jouent de la guitare.
1 Vous rencontrez un étudiant. Pensez-vous qu’il est fils unique ?

Réponse
1 La probabilité a priori de l’événement enfant unique est :
Card({enfants uniques}) 45
P(enfant unique) = Card(promo)
= 132 ' 0, 34.
L’étudiant rencontré n’est probablement pas fils unique.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 29 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Exemple
Parmi les 132 étudiants d’une promo 25 jouent de la guitare et 45 sont enfants
uniques. 18 étudiants sont enfants uniques et jouent de la guitare.
1 Vous rencontrez un étudiant. Pensez-vous qu’il est fils unique ?
2 L’étudiant vous apprend qu’il joue de la guitare. Changez-vous d’avis ?

Réponse
1 La probabilité a priori de l’événement enfant unique est :
Card({enfants uniques}) 45
P(enfant unique) = Card(promo)
= 132 ' 0, 34.
L’étudiant rencontré n’est probablement pas fils unique.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 29 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Exemple
Parmi les 132 étudiants d’une promo 25 jouent de la guitare et 45 sont enfants
uniques. 18 étudiants sont enfants uniques et jouent de la guitare.
1 Vous rencontrez un étudiant. Pensez-vous qu’il est fils unique ?
2 L’étudiant vous apprend qu’il joue de la guitare. Changez-vous d’avis ?

Réponse
1 La probabilité a priori de l’événement enfant unique est :
Card({enfants uniques}) 45
P(enfant unique) = Card(promo)
= 132 ' 0, 34.
L’étudiant rencontré n’est probablement pas fils unique.
25
2 La probabilité qu’un étudiant joue de la guitare est 132 ' 0, 15.
La probabilité a posteriori de l’événement enfant unique est :
P(enfant unique & guitare)
P(enfant unique | guitare) = P(guitare)
= 18/132
25/132
' 0, 72.
Vous estimez maintenant que cet étudiant est probablement fils unique.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 29 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Théorème de Bayes

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 30 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Théorème de Bayes
Théorème des probabilités totales
Soit {Ai }i∈I une partition de E . Alors :
P(B) = Σi∈I P(B | Ai )P(Ai )

Preuve
{B ∩ Ai }i∈I forme une partition de B, donc P(B) = Σi∈I P(B ∩ Ai )

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 30 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Théorème de Bayes
Théorème des probabilités totales
Soit {Ai }i∈I une partition de E . Alors :
P(B) = Σi∈I P(B | Ai )P(Ai )

Preuve
{B ∩ Ai }i∈I forme une partition de B, donc P(B) = Σi∈I P(B ∩ Ai )

Théorème de Bayes
Si P(A) > 0 et P(B) > 0 alors :
P(B | A)P(A)
P(A | B) =
P(B)

Preuve
On remarque simplement que : P(A | B)P(B) = P(A ∩ B) = P(B | A)P(A)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 30 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Théorème de Bayes
Théorème de Bayes (variante)
Soit {Ai }i∈I une partition de E . Alors pour tout i ∈ I :

P(B | Ai )P(Ai )
P(Ai | B) =
Σj∈J P(B | Aj )P(Aj )

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 31 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Théorème de Bayes
Théorème de Bayes (variante)
Soit {Ai }i∈I une partition de E . Alors pour tout i ∈ I :

P(B | Ai )P(Ai )
P(Ai | B) =
Σj∈J P(B | Aj )P(Aj )

Exemple
On étudie la propriété G (grand) qu’un homme (H) ou une femme (F ) ait une
taille supérieure à 1,75 mètres. À partir d’un échantillon représentatif on
constate que p(H) = p(F ) = 0, 5, p(G | H) = 0, 60 et p(G | F ) = 0, 06.
Calculer p(H | G ) et p(F | G ).

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 31 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Probabilité conditionnelle, théorème de Bayes

Théorème de Bayes
Théorème de Bayes (variante)
Soit {Ai }i∈I une partition de E . Alors pour tout i ∈ I :

P(B | Ai )P(Ai )
P(Ai | B) =
Σj∈J P(B | Aj )P(Aj )

Exemple
On étudie la propriété G (grand) qu’un homme (H) ou une femme (F ) ait une
taille supérieure à 1,75 mètres. À partir d’un échantillon représentatif on
constate que p(H) = p(F ) = 0, 5, p(G | H) = 0, 60 et p(G | F ) = 0, 06.
Calculer p(H | G ) et p(F | G ).

Réponse
P(G |H)P(H) 0,60×0,5
P(H | G ) = P(G |H)P(H)+P(G |F )P(F )
= 0,60×0,5+0,06×0,5
' 0, 91
P(G |F )P(F ) 0,06×0,5
P(F | G ) = P(G |H)P(H)+P(G |F )P(F )
= 0,60×0,5+0,06×0,5
' 0, 09

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 31 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variable aléatoire

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 32 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variable aléatoire
Définition
On appelle variable aléatoire une fonction X : E → R

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 32 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variable aléatoire
Définition
On appelle variable aléatoire une fonction X : E → R

Une variable aléatoire assigne donc une valeur à tout événement élémentaire.
On notera :  
p(X = v ) = p X −1 (v )
= p ({e ∈ E : X (e) = v })

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 32 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variable aléatoire
Définition
On appelle variable aléatoire une fonction X : E → R

Une variable aléatoire assigne donc une valeur à tout événement élémentaire.
On notera :  
p(X = v ) = p X −1 (v )
= p ({e ∈ E : X (e) = v })

Exemple
Un jet de dé permet de gagner les nombres de points suivants :
Dé Points Dé Points Dé Points
1 10 3 1 5 1
2 1 4 -15 6 10
On appelle X la variable aléatoire correspondant au nombre de points gagnés.
1 2 3
p(X = −15) = 6
p(X = 10) = 6
p(X = 1) = 6
p(X ∈
/ {−15, 1, 10}) = 0

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 32 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variable aléatoire

Exemple
On considère la variable aléatoire X comme le nombre de fois qu’une pièce
lancée 3 fois est tombée sur pile.
3
Par exemple : p(X = 2) = p({PPF } ∪ {PFP} ∪ {FPP}) = 8

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 33 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variable aléatoire

Exemple
On considère la variable aléatoire X comme le nombre de fois qu’une pièce
lancée 3 fois est tombée sur pile.
3
Par exemple : p(X = 2) = p({PPF } ∪ {PFP} ∪ {FPP}) = 8

Plus généralement si X représente le nombre de succès obtenus lors de n

tirages indépendants d’une expérience de Bernoulli de paramètre p alors :
p(X = k) = B(k; n, p)
= Cnk p k (1 − p)n−k

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 33 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Espérance mathématique

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 34 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Espérance mathématique

Définition
On appelle espérance mathématique d’une variable aléatoire X définie sur E
équipé d’une distribution de probabilité p, la valeur :
E (X ) = Σe∈E p(e)X (e)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 34 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Espérance mathématique

Définition
On appelle espérance mathématique d’une variable aléatoire X définie sur E
équipé d’une distribution de probabilité p, la valeur :
E (X ) = Σe∈E p(e)X (e)

L’espérance mathématique d’une variable aléatoire correspond à la notion de

valeur moyenne de la variable aléatoire obtenue après une nombre important
(théoriquement infini) de tirages.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 34 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Espérance mathématique

Définition
On appelle espérance mathématique d’une variable aléatoire X définie sur E
équipé d’une distribution de probabilité p, la valeur :
E (X ) = Σe∈E p(e)X (e)

L’espérance mathématique d’une variable aléatoire correspond à la notion de

valeur moyenne de la variable aléatoire obtenue après une nombre important
(théoriquement infini) de tirages.

Proposition
E (X ) = Σe∈E p(e) · X (e) = Σv ∈X (E ) v · p(X = v )
Espérance mathématique ↔ Moyenne pondérée par la probabilité

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 34 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Espérance mathématique

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 35 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Espérance mathématique

Exemple
Pour le jeu de dé précédent, l’espérance du nombre de points gagnés est :
E (X ) = 10 · p(dé = 1) + 1 · p(dé = 2) + 1 · p(dé = 3)
+(−15) · p(dé = 4) + 1 · p(dé = 5) + 10 · p(dé = 6)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 35 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Espérance mathématique

Exemple
Pour le jeu de dé précédent, l’espérance du nombre de points gagnés est :
E (X ) = 10 · p(dé = 1) + 1 · p(dé = 2) + 1 · p(dé = 3)
+(−15) · p(dé = 4) + 1 · p(dé = 5) + 10 · p(dé = 6)
= −15 · p(X = −15) + 1 · p(X = 1) + 10 · p(X = 10)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 35 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Espérance mathématique

Exemple
Pour le jeu de dé précédent, l’espérance du nombre de points gagnés est :
E (X ) = 10 · p(dé = 1) + 1 · p(dé = 2) + 1 · p(dé = 3)
+(−15) · p(dé = 4) + 1 · p(dé = 5) + 10 · p(dé = 6)
= −15 · p(X = −15) + 1 · p(X = 1) + 10 · p(X = 10)
1 3 2
= −15 · + 1 · + 10 ·
6 6 6
' 1, 33

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 35 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Espérance mathématique

Définition
On dit que deux variables aléatoires X et Y sont indépendantes si et seulement
si :
p(X = v et Y = w ) = p(X = v ) p(Y = w )

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 36 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Espérance mathématique

Définition
On dit que deux variables aléatoires X et Y sont indépendantes si et seulement
si :
p(X = v et Y = w ) = p(X = v ) p(Y = w )

Propositions
E (X1 + . . . + Xn ) = E (X1 ) + . . . + E (Xn )
E (a · X + b) = a · E (X ) + b (a, b ∈ R)

Si X et Y sont indépendantes, alors E (X · Y ) = E (X ) · E (Y )

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 36 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Espérance mathématique

Exercice
1 Quelle est l’espérance d’une variable aléatoire X suivant une loi de
Bernoulli de paramètre p ?
2 Quelle est l’espérance d’une variable aléatoire Y suivant une loi binomiale
de paramètres p et n ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 37 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Espérance mathématique

Exercice
1 Quelle est l’espérance d’une variable aléatoire X suivant une loi de
Bernoulli de paramètre p ?
2 Quelle est l’espérance d’une variable aléatoire Y suivant une loi binomiale
de paramètres p et n ?

Réponse
1 E (X ) = 0 · (1 − p) + 1 · p = p
2 On peut exprimer Y comme la somme de n variables aléatoires suivant
une loi de Bernoulli.
⇒ E (Y ) = E (X1 + . . . + Xn ) = n p

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 37 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 38 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type

Définitions
On appelle variance et écart-type d’une variable aléatoire X , les valeurs :
V (X ) = E (X − E (X ))2


p
σ(X ) = V (X )

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 38 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type

Définitions
On appelle variance et écart-type d’une variable aléatoire X , les valeurs :
V (X ) = E (X − E (X ))2


p
σ(X ) = V (X )

L’écart-type et la variance sont des grandeurs représentatives de la

dispersion de la variable aléatoire autour de sa valeur moyenne.
L’écart-type est exprimé dans la même unité que la variable aléatoire.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 38 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type

Définitions
On appelle variance et écart-type d’une variable aléatoire X , les valeurs :
V (X ) = E (X − E (X ))2


p
σ(X ) = V (X )

L’écart-type et la variance sont des grandeurs représentatives de la

dispersion de la variable aléatoire autour de sa valeur moyenne.
L’écart-type est exprimé dans la même unité que la variable aléatoire.

Propositions
V (a · X + b) = a2 · V (X ) (a, b ∈ R)

Si X et Y sont indépendantes, alors V (X + Y ) = V (X ) + V (Y )

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 38 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type

Exemple
Considérons la variable aléatoire X définie comme le nombre de points affichés
par un dé normal. Alors :

E (X ) = Σi=6
i=1 p(i) · X (i)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 39 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type

Exemple
Considérons la variable aléatoire X définie comme le nombre de points affichés
par un dé normal. Alors :

E (X ) = Σi=6
i=1 p(i) · X (i)
1+2+3+4+5+6
=
6
= 3, 5

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 39 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type

Exemple
Considérons la variable aléatoire X définie comme le nombre de points affichés
par un dé normal. Alors :

E (X ) = Σi=6
i=1 p(i) · X (i)
1+2+3+4+5+6
=
6
= 3, 5
V (X ) = Σi=6
i=1 p(i) · (X (i) − 3, 5)
2

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 39 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type

Exemple
Considérons la variable aléatoire X définie comme le nombre de points affichés
par un dé normal. Alors :

E (X ) = Σi=6
i=1 p(i) · X (i)
1+2+3+4+5+6
=
6
= 3, 5
V (X ) = Σi=6
i=1 p(i) · (X (i) − 3, 5)
2

(−2, 5)2 + (−1, 5)2 + (−0, 5)2 + (0, 5)2 + (1, 5)2 + (2, 5)2
=
6

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 39 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type

Exemple
Considérons la variable aléatoire X définie comme le nombre de points affichés
par un dé normal. Alors :

E (X ) = Σi=6
i=1 p(i) · X (i)
1+2+3+4+5+6
=
6
= 3, 5
V (X ) = Σi=6
i=1 p(i) · (X (i) − 3, 5)
2

(−2, 5)2 + (−1, 5)2 + (−0, 5)2 + (0, 5)2 + (1, 5)2 + (2, 5)2
=
6
' 2, 92

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 39 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type

Exemple
Considérons la variable aléatoire X définie comme le nombre de points affichés
par un dé normal. Alors :

E (X ) = Σi=6
i=1 p(i) · X (i)
1+2+3+4+5+6
=
6
= 3, 5
V (X ) = Σi=6
i=1 p(i) · (X (i) − 3, 5)
2

(−2, 5)2 + (−1, 5)2 + (−0, 5)2 + (0, 5)2 + (1, 5)2 + (2, 5)2
=
6
' 2, 92
p
σ(X ) = V (X )
' 1, 71

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 39 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type
Exemple
X est maintenant définie comme le nombre de points gagnés dans le jeu
introduit précédemment. Alors :

E (X ) = Σi=6
i=1 p(i) · X (i)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 40 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type
Exemple
X est maintenant définie comme le nombre de points gagnés dans le jeu
introduit précédemment. Alors :

E (X ) = Σi=6
i=1 p(i) · X (i)
10 + 1 + 1 − 15 + 1 + 10
=
6
= 8/6
' 1, 33

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 40 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type
Exemple
X est maintenant définie comme le nombre de points gagnés dans le jeu
introduit précédemment. Alors :

E (X ) = Σi=6
i=1 p(i) · X (i)
10 + 1 + 1 − 15 + 1 + 10
=
6
= 8/6
' 1, 33
V (X ) = Σi=6
i=1 p(i) · (X (i) − 8/6)
2

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 40 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type
Exemple
X est maintenant définie comme le nombre de points gagnés dans le jeu
introduit précédemment. Alors :

E (X ) = Σi=6
i=1 p(i) · X (i)
10 + 1 + 1 − 15 + 1 + 10
=
6
= 8/6
' 1, 33
V (X ) = Σi=6
i=1 p(i) · (X (i) − 8/6)
2

(10 − 8/6)2 + (1 − 8/6)2 + . . . + (10 − 8/6)2

=
6

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 40 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type
Exemple
X est maintenant définie comme le nombre de points gagnés dans le jeu
introduit précédemment. Alors :

E (X ) = Σi=6
i=1 p(i) · X (i)
10 + 1 + 1 − 15 + 1 + 10
=
6
= 8/6
' 1, 33
V (X ) = Σi=6
i=1 p(i) · (X (i) − 8/6)
2

(10 − 8/6)2 + (1 − 8/6)2 + . . . + (10 − 8/6)2

=
6
' 69, 56

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 40 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Variance et écart-type
Exemple
X est maintenant définie comme le nombre de points gagnés dans le jeu
introduit précédemment. Alors :

E (X ) = Σi=6
i=1 p(i) · X (i)
10 + 1 + 1 − 15 + 1 + 10
=
6
= 8/6
' 1, 33
V (X ) = Σi=6
i=1 p(i) · (X (i) − 8/6)
2

(10 − 8/6)2 + (1 − 8/6)2 + . . . + (10 − 8/6)2

=
6
' 69, 56
p
σ(X ) = V (X )
' 8, 34

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 40 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Covariance

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 41 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Covariance
Définitions
On appelle covariance de deux variables aléatoires X et Y , la valeur :
Cov (X , Y ) = E ((X − E (X )) (Y − E (Y )))

Remarque : la covariance généralise la notion de variance.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 41 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Covariance
Définitions
On appelle covariance de deux variables aléatoires X et Y , la valeur :
Cov (X , Y ) = E ((X − E (X )) (Y − E (Y )))

Remarque : la covariance généralise la notion de variance.

Propositions
Cov (X , Y ) = E (XY ) − E (X )E (Y )
Si X et Y sont indépendantes, alors Cov (X , Y ) = 0
Cov (X , X ) = V (X )
Cov (a · X , Y ) = a · Cov (X , Y ) (a ∈ R)

Cov (X + a, Y ) = Cov (X , Y ) (a ∈ R)

V (X + Y ) = V (X ) + V (Y ) + 2 Cov (X , Y )

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 41 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Inégalité de Bienaymé-Tchebychev

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 42 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Inégalité de Bienaymé-Tchebychev

Inégalité de Bienaymé-Tchebychev
Soit X une variable aléatoire d’espérance E (X ) = µ et de variance V (X ) = σ 2 .
Alors :
1
P (|X − µ|) > λ · σ 6 2
λ

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 42 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Variable aléatoire, espérance, écart-type

Inégalité de Bienaymé-Tchebychev

Inégalité de Bienaymé-Tchebychev
Soit X une variable aléatoire d’espérance E (X ) = µ et de variance V (X ) = σ 2 .
Alors :
1
P (|X − µ|) > λ · σ 6 2
λ

Exemple
Soit H32 le poids de Hamming d’un
√ entier aléatoire codé sur 32 bits.
On a E (H32 ) = 16 et σ(H32 ) = 8 ' 2, 83.
Soit λ = 16−4
√
8
1
On en déduit que P(H32 6 4 ou H32 > 28) 6 λ2
.
λ ' 4, 24 ⇒ p 6 0, 056
Remarque : en exercice on a vu que p < 2.10−5

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 42 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Des boules et des urnes

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 43 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Des boules et des urnes

Motivation
Des nombreuses situations concrètes peuvent se ramener au problème générique
abstrait consistant à répartir aléatoirement des boules dans des urnes.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 43 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Des boules et des urnes

Motivation
Des nombreuses situations concrètes peuvent se ramener au problème générique
abstrait consistant à répartir aléatoirement des boules dans des urnes.

Des boules et des urnes

Nous avons m boules et n urnes. Chaque boule est placée dans une urne choisie
aléatoirement indépendamment les unes des autres, avec distribution uniforme.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 43 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Des questions,. . . plein de questions !

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 44 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Des questions,. . . plein de questions !

De nombreuses questions peuvent se poser concernant la façon dont les boules
sont réparties :

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 44 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Des questions,. . . plein de questions !

De nombreuses questions peuvent se poser concernant la façon dont les boules
sont réparties :
Quelle est la pobabilité qu’une urne donnée soit vide ?
Quel est le nombre moyen d’urnes vides ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 44 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Des questions,. . . plein de questions !

De nombreuses questions peuvent se poser concernant la façon dont les boules
sont réparties :
Quelle est la pobabilité qu’une urne donnée soit vide ?
Quel est le nombre moyen d’urnes vides ?
Quelle est la probabilité pour que deux boules tombent dans la même urne
(collision) ?
Quelle est le nombre moyen de collisions ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 44 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Des questions,. . . plein de questions !

De nombreuses questions peuvent se poser concernant la façon dont les boules
sont réparties :
Quelle est la pobabilité qu’une urne donnée soit vide ?
Quel est le nombre moyen d’urnes vides ?
Quelle est la probabilité pour que deux boules tombent dans la même urne
(collision) ?
Quelle est le nombre moyen de collisions ?
Quelle est la probabilité qu’une urne donnée contienne exactement k
boules ?
Quelle est la probabilité qu’une urne donnée contienne au moins k boules ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 44 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Des questions,. . . plein de questions !

De nombreuses questions peuvent se poser concernant la façon dont les boules
sont réparties :
Quelle est la pobabilité qu’une urne donnée soit vide ?
Quel est le nombre moyen d’urnes vides ?
Quelle est la probabilité pour que deux boules tombent dans la même urne
(collision) ?
Quelle est le nombre moyen de collisions ?
Quelle est la probabilité qu’une urne donnée contienne exactement k
boules ?
Quelle est la probabilité qu’une urne donnée contienne au moins k boules ?
Que peut-on dire de la charge maximale ? (majoration, moyenne)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 44 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Des questions,. . . plein de questions !

De nombreuses questions peuvent se poser concernant la façon dont les boules
sont réparties :
Quelle est la pobabilité qu’une urne donnée soit vide ?
Quel est le nombre moyen d’urnes vides ?
Quelle est la probabilité pour que deux boules tombent dans la même urne
(collision) ?
Quelle est le nombre moyen de collisions ?
Quelle est la probabilité qu’une urne donnée contienne exactement k
boules ?
Quelle est la probabilité qu’une urne donnée contienne au moins k boules ?
Que peut-on dire de la charge maximale ? (majoration, moyenne)

Nous allons donner des réponses à ces questions, sans toujours les justifier.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 44 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Collisions
Quelle est la probabilité pour que deux boules données collisionnent ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 45 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Collisions
Quelle est la probabilité pour que deux boules données collisionnent ?
1
→ p= n

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 45 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Collisions
Quelle est la probabilité pour que deux boules données collisionnent ?
1
→ p= n
(sauriez-vous expliquer pourquoi ?)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 45 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Collisions
Quelle est la probabilité pour que deux boules données collisionnent ?
1
→ p= n
(sauriez-vous expliquer pourquoi ?)

Quel est le nombre moyen de collisions ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 45 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Collisions
Quelle est la probabilité pour que deux boules données collisionnent ?
1
→ p= n
(sauriez-vous expliquer pourquoi ?)

Quel est le nombre moyen de collisions ?

1 2
→ E (nombre de collisions) = n
· Cm

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 45 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Collisions
Quelle est la probabilité pour que deux boules données collisionnent ?
1
→ p= n
(sauriez-vous expliquer pourquoi ?)

Quel est le nombre moyen de collisions ?

1 2
→ E (nombre de collisions) = n
· Cm

Paradoxe des anniversaires

Combien faut-il de personnes dans une pièce pour avoir en moyenne 1 collision
de date d’anniversaire ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 45 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Collisions
Quelle est la probabilité pour que deux boules données collisionnent ?
1
→ p= n
(sauriez-vous expliquer pourquoi ?)

Quel est le nombre moyen de collisions ?

1 2
→ E (nombre de collisions) = n
· Cm

Paradoxe des anniversaires

Combien faut-il de personnes dans une pièce pour avoir en moyenne 1 collision
de date d’anniversaire ?
Les urnes sont les dates de l’année : n = 365
Les boules sont les dates de naissance des personnes : m personnes

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 45 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Collisions
Quelle est la probabilité pour que deux boules données collisionnent ?
1
→ p= n
(sauriez-vous expliquer pourquoi ?)

Quel est le nombre moyen de collisions ?

1 2
→ E (nombre de collisions) = n
· Cm

Paradoxe des anniversaires

Combien faut-il de personnes dans une pièce pour avoir en moyenne 1 collision
de date d’anniversaire ?
Les urnes sont les dates de l’année : n = 365
Les boules sont les dates de naissance des personnes : m personnes
1 2 1 2
→ m = 28 personnes ( 365 · C27 ' 0, 962 et 365
· C28 ' 1, 036)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 45 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Urnes vides

Quelle est la probabilité pour qu’une urne donnée soit vide ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 46 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Urnes vides

Quelle est la probabilité pour qu’une urne donnée soit vide ?

m
→ p = (1 − n1 )m ' ( e1 ) n

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 46 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Urnes vides

Quelle est la probabilité pour qu’une urne donnée soit vide ?

m
→ p = (1 − n1 )m ' ( e1 ) n
(sauriez-vous expliquer pourquoi ?)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 46 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Urnes vides

Quelle est la probabilité pour qu’une urne donnée soit vide ?

m
→ p = (1 − n1 )m ' ( e1 ) n
(sauriez-vous expliquer pourquoi ?)

Quel est le nombre moyen d’urnes vides ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 46 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Urnes vides

Quelle est la probabilité pour qu’une urne donnée soit vide ?

m
→ p = (1 − n1 )m ' ( e1 ) n
(sauriez-vous expliquer pourquoi ?)

Quel est le nombre moyen d’urnes vides ?

m
→ E (nombre d’urnes vides) = n · (1 − n1 )m ' n · ( e1 ) n

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 46 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Charge d’une urne

Quelle est la probabilité pour qu’une urne donnée

contienne exactement k boules ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 47 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Charge d’une urne

Quelle est la probabilité pour qu’une urne donnée

contienne exactement k boules ?
k

k
→ p = Cm · ( n1 )k · (1 − n1 )m−k 6 k!1 mn

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 47 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Charge d’une urne

Quelle est la probabilité pour qu’une urne donnée

contienne exactement k boules ?
k

k
→ p = Cm · ( n1 )k · (1 − n1 )m−k 6 k!1 mn
(sauriez-vous expliquer pourquoi ?)

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 47 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Charge d’une urne

Quelle est la probabilité pour qu’une urne donnée

contienne exactement k boules ?
k

k
→ p = Cm · ( n1 )k · (1 − n1 )m−k 6 k!1 mn
(sauriez-vous expliquer pourquoi ?)

Quelle est la probabilité pour qu’une urne donnée

contienne au moins k boules ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 47 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Charge d’une urne

Quelle est la probabilité pour qu’une urne donnée

contienne exactement k boules ?
k

k
→ p = Cm · ( n1 )k · (1 − n1 )m−k 6 k!1 mn
(sauriez-vous expliquer pourquoi ?)

Quelle est la probabilité pour qu’une urne donnée

contienne au moins k boules ?
k
→ difficile à calculer, mais on a la majoration p 6 Cm · ( n1 )k

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 47 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Charge maximale

Dans ce qui suit, on suppose que m = n.

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 48 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Charge maximale

Dans ce qui suit, on suppose que m = n.

Quelle est une majoration raisonnable (avec forte proba) de la charge maximale ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 48 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Charge maximale

Dans ce qui suit, on suppose que m = n.

Quelle est une majoration raisonnable (avec forte proba) de la charge maximale ?
→ avec probabilité (1 − n1 ) la charge maximale est majorée par 3 ln n
ln ln n

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 48 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Charge maximale

Dans ce qui suit, on suppose que m = n.

Quelle est une majoration raisonnable (avec forte proba) de la charge maximale ?
→ avec probabilité (1 − n1 ) la charge maximale est majorée par 3 ln n
ln ln n

Quelle est en moyenne la charge maximale ?

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 48 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Charge maximale

Dans ce qui suit, on suppose que m = n.

Quelle est une majoration raisonnable (avec forte proba) de la charge maximale ?
→ avec probabilité (1 − n1 ) la charge maximale est majorée par 3 ln n
ln ln n

Quelle est en moyenne la charge maximale ?

ln n
→ E (charge maximale) = ln ln n
(1 + O(1))

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 48 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Des boules et des urnes

Charge maximale

Dans ce qui suit, on suppose que m = n.

Quelle est une majoration raisonnable (avec forte proba) de la charge maximale ?
→ avec probabilité (1 − n1 ) la charge maximale est majorée par 3 ln n
ln ln n

Quelle est en moyenne la charge maximale ?

ln n
→ E (charge maximale) = ln ln n
(1 + O(1))

ln n 3 ln n
Exemple, pour n = 10 000, ln ln n
' 4, 15 ln ln n
' 12, 44

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 48 / 49

Sommaire Combinatoire et dénombrement Probabilités et statistiques

Outils mathématiques pour l’informatique

Combinatoire et probabilités

Christophe Clavier

Université de Limoges

Licence 3 informatique

Christophe Clavier (Unilim) Outils mathématiques pour l’informatique Licence 3 informatique 49 / 49