Cours de probabilits

Cornou Jean-Louis

Chapitre 1 Probabilits sur un univers ni.

Aucun prrequis de probabilits n'est ncessaire pour suivre ce cours. Toutefois, une bonne matrise du vocabulaire ensembliste est un atout (union, intersection, antcdent, etc). Plusieurs notions de probabilits du programme de lyce sont rappelles et tendues.

1.1 Exprience alatoire et univers, notion d'vnement.

Dnition. L'ensemble des rsultats possibles d'une exprience alatoire est appel univers ,
souvent not . Dans ce cours, nous nous restreignons au cas o cet univers est ni.

Exemple.

 Lors du lancer d'un d 6 faces, l'univers est l'ensemble 1 = {1, 2, 3, 4, 5, 6}.  On lance deux ds 6 faces, et on examine la somme du rsultat des deux ds. L'univers considr est alors l'ensemble 2 = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}.  Lors d'un jet d'une pice de monnaie, on peut considrer l'univers 3 = {P ile, F ace}.  Lors du jet rpt n fois d'une pice de monnaie, l'univers est l'ensemble 4 = {P ile, F ace}n .

Exercice. On considre 3 enfants jouant au ballon, Ariane, Bilal et Chung. Le premier enfant

ayant la balle est choisi alatoirement. A chaque tour, ils peuvent garder ou lancer le ballon un autre enfant de manire alatoire. Le jeu s'arrte au bout de 3 tours. Dcrire l'univers de cette exprience alatoire. partie est un singleton, on l'appelle
vnement lmentaire .

Dnition. Un vnement d'une exprience alatoire est une partie de son univers. Si cette
{2, 4, 6} de l'univers . L'vnement  le d tombe sur 6  est un vnement lmentaire. . l'vnement \A, galement not A

Exemple. Lors du lancer d'un d 6 faces, l'vnement  Rsultat pair  est la partie A =
vnement contraire

Dnition. Soit A un vnement d'un univers , on appelle

de A

Exemple. Lors du lancer d'un d 6 faces, l'vnement  le rsultat est impair  est l'vnement
contraire de A = {2, 4, 6}. L'vnement contraire de  Le d tombe sur 6  est l'ensemble B = {1, 2, 3, 4, 5}. 1

Dnition. Soit A et B deux vnements d'un univers . On appelle  A et B  (respectivement  A ou B ) l'vnement A B (respectivement A B ). Exemple. Soit A l'vnement  le rsultat est suprieur ou gal 4 , et B  le rsultat est
impair  pour un lancer de d 6 faces. Alors  A et B  = {5}, et  A ou B  = {1, 3, 4, 5, 6}.
L'vnement impossible

Dnition.

dits incompatibles

est l'ensemble vide . Deux vnements A et B sont si  A et B  est l'vnement impossible.

deux ds est gale 2 . Donner l'ensemble des lments des trois vnements A, B et C et donner leur cardinal. Dcrire par une phrase l'vnement  B et C . De quoi est constitu A C ? Y a-t-il incompa et B par une phrase. tibilit ? Dcrire les vnements A

Exercice. On considre 2 lancers successifs de d 6 faces. Soit A l'vnement  La somme des deux ds est suprieure ou gale 11 , B l'vnement  Le rsultat du premier d est suprieur strictement celui du deuxime , et enn C l'vnement  La distance entre les rsultats des

Dnition. Un systme complet d'vnements est un ensemble de parties (Ai )iI telles que les Ai sont deux deux incompatibles, et Ai = .
i I

Exemple.

de .  L'ensemble des vnements lmentaires d'un univers forme un systme complet d'vnements de celui-ci. = { }.

) forme un systme complet d'vnements  Soit A un vnement. Alors (A, A

 Les vnements B1 = {1, 6}, B2 = {2, 5} et B3 = {3, 4} forment un systme complet d'vnements de l'univers d'un lancer de d 6 faces.
Exercice. On considre le tirage d'une carte d'un jeu de 32 cartes. Montrer que les vnements F :  La carte est une gure , et G :  La carte est un nombre , forment un systme complet

d'vnements. Qu'en est-il des vnements  Pic ,  Tre ,  Coeur , et  Carreau  ? Exercice de synthse proposer ? Voir documentation.

1.2 Espaces probabiliss nis.

Dnition. Une probabilit sur un univers ni est une application P de P () dans [0, 1]
telle que  P () = 1 et,  pour toutes parties disjointes A et B , P (A B ) = P (A) + P (B ). Le couple (, P ) est alors appel espace probabilis ni. bilit sur l'univers .

Exemple. Pour un lancer de d 6 faces, la fonction A P (A) = card(A)/6 est une probaThorme.
Une probabilit P est entirement dtermine par la donne de ses valeurs sur les vnements lmentaires.

Dmonstration. Un vnement A est constitu de parties disjointes que sont ses vnements lmentaires. Ainsi, P (A) = P ({ }).
A

Exemple. Imaginons le lancer d'un d pip. On peut dnir une probabilit P sur cet univers par les donnes suivantes
i 1 2 3 4 5 6 P ({i}) 1/6 1/4 1/6 1/4 0 1/6

Remarquer qu'on dnit bien une probabilit car P () = uniforme.

P ({i}) = 1
i=1

Thorme.

La fonction P : A card(A)/card() est une probabilit appele probabilit

Dmonstration. On a bien P valeurs dans [0, 1] par croissance du cardinal et P () = card()/card() = 1. De plus, pour deux parties disjointes A et B , card(A B ) = card(A) + card(B ) card(A B ) = card(A) + card(B ), ainsi P (A B ) = P (A) + P (B ).

Proprit.

Soit A et B deux vnements, alors  P (A) = 1 P (A)  P (B \A) = P (B ) P (B A).  Si A B , P (A) P (B ).

sont disjoints donc P (A) + P (A ) = P (A A ) = P () = 1, donc Dmonstration. A et A ) = 1 P (A). P (A De mme, B \A et B A sont disjoints, donc P (B \A) + P (B A) = P ((B \A) (B A)) = P (B ). D'o la seconde galit. Enn, si A B , B A = A, et l'galit prcdente donne P (B ) P (A) = P (B \A) 0,

d'o l'ingalit de la proposition.

Exemple. Prvoir une application Proprit. Soit A et B deux vnements, alors P (A B ) = P (A) + P (B ) P (A B ).
Ainsi, on a
Dmonstration. On partitionne A B en trois parties disjointes A\(A B ), B \(A B ) et A B .

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

On a donc d'aprs la proposition prcdente,

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

D'o le rsultat. Faire une gure pour la preuve.

Exemple. Application
Exercices prvoir. 3

1.3 Probabilits conditionnelles.

Lors d'une exprience alatoire, il se peut qu'on dispose d'informations supplmentaires. Cette information permet de restreindre le champ des rsultats possibles et de connatre la probabilit d'un vnement particulier avec  plus de prcision . Par exemple, lors d'un tirage d'un jeu de 32 cartes, on cherche savoir si l'on va tirer un coeur, mais on a aperu que la carte tire tait rouge. La probabilit que ce soit un coeur, n'est alors plus de 8/32 = 1/4, mais de 8/16 = 1/2. A sachant B le rel P (A|B ) = PB (A) = P (A B )/P (B ). Faire une gure l'aide de l'exemple d'introduction.

Dnition. Soit B un vnement tel que P (B ) > 0, on appelle probabilit conditionnelle de

Thorme.

L'application PB ainsi dnie est une probabilit.

Dmonstration. A B B , donc P (A B ) P (B ), d'o PB (A) 1. De plus, PB () = P ( B )/P (B ) = P (B )/P (B ) = 1. Enn, si A1 et A2 sont deux parties disjointes, A1 B et A2 B sont galement disjointes, ce qui donne

PB (A1 A2 ) =

P ((A1 B ) (A2 B )) P ((A1 A2 ) B ) = P (B ) P (B ) P (A1 B ) + P (A2 B ) = PB (A1 ) + PB (A2 ) P (B )

Soit
PB (A1 A2 ) =

Soit A1 , A2 , . . . , Am des vnements tels que P (A1 Am ) = 0. Alors P (A1 Am ) = P (A1 )P (A2 |A1 )P (A3 |A1 A2 ) . . . P (Am |A1 Am1 ). Dmonstration. Procdons par rcurrence. Le cas m = 1 est immdiat et n'appelle pas de commentaires particuliers. Supposons donc l'galit vraie un rang m 1, et prouvons la au rang m + 1. Posons B = A1 . . . Am , et appliquons l'galit P (Am+1 B ) = P (Am+1 |B )P (B ). On obtient

Thorme (Formule des probabilits composes).

alors

P (A1 Am Am+1 ) = P (Am+1 |A1 Am )P (A1 Am )

Or d'aprs l'hypothse de rcurrence, P (A1 Am ) = P (A1 )P (A2 |A1 ) . . . P (Am |A1 Am1 ). Ce qui prouve le rsultat.

tels que P (Bi ) = 0 pour tout i, alors P (A) =

Thorme (Formule des probabilits totales).

Soit (Bi )iI un systme complet d'vnements iI P (A|Bi )P (Bi )

Dmonstration. D'aprs la dnition des probabilits conditionnelles,

P (A|Bi )P (Bi ) =
i I iI

P (A

Bi ). Or comme les (Bi )iI forment un systme complet d'vnements, les (A Bi )iI sont une partition de A, donc P (A Bi ) = P ( (A Bi )) = P (A).
iI i I

Thorme (Formule de Bayes). Soit A et B deux vnements tels que P (A) = 0 et P (B ) = 0, alors P (A|B ) = P (B |A)P (A)/P (B ). Soit (Ai )1in un systme complet d'vnements de probabilits non nulles, alors
P (Aj |B ) =
n i=1

P (B |Aj )P (Aj ) P (B |Ai )P (Ai )

Dmonstration. On a P (B |A)P (A)/P (B ) = P (A B )/P (A)P (A)/P (B ) = P (A B )/P (B ) = P (A|B ).

Il sut d'appliquer l'galit prcdente Aj et B , et remarquer que P (B ) = d'aprs la formule des probabilits totales. Exercices.

P (B |Ai )P (Ai )
i=1

1.4 Evnements indpendants

B, si P (A|B ) = P (A).
J de {1, . . . , m}, on a

Dnition. Soit A et B deux vnements tels que P (B ) = 0, on dit que A est indpendant de

Dnition. On dit que A1 , . . . , Am sont mutuellement indpendants si, pour toute famille nie
P
j J

Aj

=
j J

P (Aj )

Exemple. Attention, si 3 variables sont deux deux indpendantes, elles ne le sont pas forcment mutuellement. Contre-exemple. Partie dvelopper.

Chapitre 2 Variables alatoires sur un espace probabilis ni

2.1 Variables alatoires
Dnition. Une variable alatoire est une application dnie sur l'univers valeurs dans un ensemble E . Lorsque E R, la variable alatoire est dite relle. Notation. Si X est une variable alatoire et si A est une partie de E , on note {X A} ou
(X A), l'vnement X 1 (A).

Dnition. Pour X une variable alatoire, on appelle loi de X l'application PX de P (E ) dans

[0, 1] qui A associe P (X 1 (A)) (encore not P (X A)).

Notation. On note P (X = x) la quantit P (X 1 {x}) Dnition. On appelle fonction de rpartition de la variable alatoire relle X , la fonction
FX (x) = P (X x) = P (] , x])

Proprit. Soit F

la fonction de rpartition d'une variable alatoire relle. Alors F : R [0, 1] est croissante. De plus, limx+ F (x) = 1 et limx F (x) = 0.

Dmonstration. La croissance de F vient naturellement de la croissance de P . Si x y , ] , x] ] , y ], donc P (] , x]) P (] , y ]), d'o F (x) F (y ). dmo pour les limites

base sur univers ni.

Thorme.

L'application PX est dnie par la donne des P (X = x) pour x dans X ()

Dmonstration. A partitionne selon les {x} de X (). PX (A) =

xX ()

P (X = x)1xA

Dnition. Soit X : E une variable alatoire et f : E F une application. On appelle

image de X par f , la variable alatoire f X : F , note f (X ).

Thorme.

La loi de f (X ) est donne par Pf (X ) (B ) = PX (f 1 (B ))

2.2 Lois usuelles

Dnition. On appelle loi uniforme sur , la loi dtermine par P (X = x) = 1/card() pour
tout x de .

Dnition. On appelle loi de Bernouilli de paramtre p dans [0, 1], la loi dnie sur X () =
{0, 1} par P (X = 0) = 1 P (X = 1) = 1 p On note alors X B (p).

Typiquement, on considre le succs d'une exprience alatoire (i.e un vnement S ), et on dnit la variable alatoire X ( ) = 1 si S , 0 sinon. C'est l'indicatrice de l'vnement S .
k k p (1 p)nk pour tout k dans miale de paramtres n et p, si X () = [[0, n]] et P (X = k ) = Cn [[0, n]]. On note alors X B (n, p).

Dnition. Pour n dans N, et p dans [0, 1], on dit qu'une variable alatoire suit une loi bino-

Si une exprience alatoire X suit une loi de Bernouilli de paramtre p, l'exprience considre en la rptant n fois, et en comptant le nombre de succs de X suit une loi binomiale de paramtres n et p.

2.3 Couples de variables alatoires

Dnition. Soit X : E et Y : F deux variables alatoires. On peut alors considrer
le couple (X, Y ) comme une variable alatoire de dans E F . On appelle loi conjointe de X et Y la loi de la variable alatoire (X, Y ). Les lois de X et Y sont appelles lois marginales de la variable (X, Y ). Attention, la loi conjointe d'un v.a.r n'est pas dtermine par les lois marginales.

Dnition. Soit X et Y deux v.a.r, et x dans X (), on appelle loi conditionnelle de Y sachant X = x, la donne des P (Y = y |X = x) pour y dans Y ()
Extension aux n-uplets de variables alatoires.

2.4 Indpendance de variables alatoires

Dnition. On dit que deux v.a.r X et Y sont indpendantes si P ((X, Y ) A B ) = P (X
A)P (Y B ).

Dnition. Soit X1 , . . . , Xn n variables alatoires, on dit qu'elles sont mutuellement indpendantes si pour tous A1 , . . . , An P (Xi ()), les vnements (Xi Ai ) sont mutuellement indpendants. Proprit. Soit X1 , . . . , Xn des v.a.r mutuellement indpendantes de loi B(p), alors X1 + . . . Xn
est de loi B (n, p).

Proprit.

Soit X et Y deux v.a.r indpendantes, alors f (X ) et g (Y ) le sont galement.

2.5 Esprance
On se limite prsent des variables alatoires relles.

Dnition. On appelle esprance d'une variable alatoire relle la quantit E (X ) = Dnition. Une v.a.r relle est dite centre si son esprance est nulle. Proprit.

P ({ })X ( )

Soit a un rel et X , Y deux v.a.r relles. Alors E (aX + Y ) = aE (X ) + E (Y ). Si X 0, E (X ) 0. Si X Y , E (X ) E (Y ).

Proprit.

L'esprance d'une v.a.r constante est gale cette constante. Si X B (p), alors E (X ) = 1 p. Si X B (n, p), E (X ) = n(1 p).

Proprit (Formule de transfert). E (f (X )) =

xX ()

P (X = x)f (x)

Noter que l'esprance de X est dtermine par la loi de X .

Proprit (Ingalit de Markov). P (X a) E (X )/a Proprit.

Si X et Y sont indpendantes, E (XY ) = E (X )E (Y ).

Attention, la rciproque est fausse en gnral.

2.6 Variance, cart type et covariance

Dnition. Le moment d'une variable alatoire X d'ordre k, pour k dans N est l'esprance de
X k.

Son cart-type est (X ) = Mesure de dispersion

Dnition. La variance d'une variable alatoire X est la quantit V (X ) = E ((X E (X ))2 ).

V (X )

Proprit. V (X ) = E (X 2 ) E (X )2 Proprit. V (aX + b) = a2 V (X ) Proprit. V (B(p)) = p(1 p)

V (B (n, p)) = np(1 p)

Proprit. Ingalit de Bienaym-Tchebyshev. Pour tout rel a non nul, on a P (|X E (X )|

a) V (X )/a2 .

Dnition. Covariance de deux variables alatoires Cov(X, Y ) = E ((X E (X ))(Y E (Y ))).

Cov (X, Y ) = E (XY ) E (X )E (Y ). Nulle si indpendance.

Proprit. V (X + Y ) = V (X ) + 2Cov(X, Y ) + V (Y ).
8