Vous êtes sur la page 1sur 27

Probabilits pour la prpa

Paul Pichaureau
Professeur en CPGE

Cours et 353 exercices corrigs


MPSI PCSI PTSI
MP PC PSI PT

Table des matires


Comment utiliser ce livre ?

Univers finis
I Dnombrement

11

I.1 Ensembles finis cardinal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12

I.2 Dnombrements lmentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . .

15

I.3 Coefficients binomiaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

20

Exercices de rfrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

25

Exercices dentranement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

33

Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

37

II Probabilit

43

II.1 Lunivers des possibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43

II.2 vnements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

45

II.3 La notion de probabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

46

II.4 Comment dfinir une probabilit ? . . . . . . . . . . . . . . . . . . . . . . . . . .

49

II.5 Un exemple fondamental : la probabilit uniforme . . . . . . . . . . . . . . . .

51

Exercices de rfrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

53

Exercices dentranement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

58

Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

61

III Indpendance, probabilit conditionnelle

65

III.1 Deux points de vue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

65

III.2 Probabilit conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

66

III.3 vnements indpendants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

67

III.4 Trois formules essentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

70

Exercices de rfrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

75

Exercices dentranement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

80

Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

84

IV Variable alatoire relle finie

91

IV.1 Dfinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

91

IV.2 Loi dune variable alatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

92

IV.3 Fonction dune variable alatoire . . . . . . . . . . . . . . . . . . . . . . . . . . .

94

IV.4 Esprance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

94

IV.5 Variance et cart-type . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

98

IV.6 Deux ingalits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100


IV.7 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

Table des matires

IV.8 Loi de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103


IV.9 Loi binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
Exercices de rfrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
Exercices dentranement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
V Vecteurs alatoires rels finis

127

V.1 Couple de variables alatoires, lois . . . . . . . . . . . . . . . . . . . . . . . . . . 127


V.2 Modliser, cest rflchir dans le bon ordre . . . . . . . . . . . . . . . . . . . . . 130
V.3 Couple de variables alatoires indpendantes . . . . . . . . . . . . . . . . . . . 131
V.4 Fonction de deux variables alatoires . . . . . . . . . . . . . . . . . . . . . . . . 134
V.5 Thorme de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
V.6 Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
V.7 Gnralisation au cas de n variables alatoires . . . . . . . . . . . . . . . . . . . 143
Exercices de rfrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
Exercices dentranement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163

II

Univers infinis dnombrables

175

VI Univers dnombrables Tribus

177

VI.1 Ensembles dnombrables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177


VI.2 Tribus et vnements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
Exercices de rfrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
Exercices dentranement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
VII Probabilit dans un univers dnombrable

193

VII.1 Une nouvelle dfinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193


VII.2 Comment dfinir une probabilit ? . . . . . . . . . . . . . . . . . . . . . . . . . . 194
VII.3 Deux exemples et quelques remarques . . . . . . . . . . . . . . . . . . . . . . . . 195
VII.4 Proprits des probabilits dans les espaces dnombrables . . . . . . . . . . . 197
VII.5 Probabilit conditionnelle Indpendance . . . . . . . . . . . . . . . . . . . . . 201
Exercices de rfrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
Exercices dentranement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
VIII Variable alatoire discrte

211

VIII.1 Une nouvelle dfinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211


VIII.2 Vecteurs alatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
VIII.3 Loi gomtrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
VIII.4 Loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
VIII.5 Un exemple de loi conditionne : loi de Poisson/loi binomiale . . . . . . . . . 222
VIII.6 Indpendance de variables alatoires discrtes . . . . . . . . . . . . . . . . . . 223
VIII.7 Fonctions de deux variables alatoires discrtes . . . . . . . . . . . . . . . . . . 225

Table des matires

Exercices de rfrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228


Exercices dentranement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
IX Esprance

245

IX.1 Le problme de la somme infinie . . . . . . . . . . . . . . . . . . . . . . . . . . . 245


IX.2 Esprance dune variable alatoire relle discrte . . . . . . . . . . . . . . . . . 247
IX.3 Proprits de lesprance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
IX.4 Thormes dexistence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
IX.5 Variance dune variable alatoire relle discrte infinie . . . . . . . . . . . . . . 252
IX.6 Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
IX.7 Fonctions gnratrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
Exercices de rfrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
Exercices dentranement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
X Convergence et approximations

279

X.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279


X.2 Loi faible des grands nombres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
X.3 Ingalits de Markov et de Bienaym-Tchebychev . . . . . . . . . . . . . . . . . 283
Exercices de rfrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
Exercices dentranement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290

Annexes
A Dautres horizons

295
295

A.1 Tribus et borliens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295


A.2 Quelle probabilit ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
A.3 Une tribu, pour quoi faire ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
A.4 Le tour de passe-passe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
A.5 Et vogue, plein desprance ! . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
Index

301

Premire partie

Univers finis
MPSI PCSI PTSI

Chapitre I

Dnombrement
Jai 6 centimes deuro dans ma poche. Combien de pices ai-je ? De combien de faons
puis-je les aligner sur la table ? Et si jai n centimes deuro avec n quelconque ?
Au fait, combien y a-t-il dentiers ? Et les nombres complexes ? Y en a-t-il autant ou plus que
dentiers ?
Avec un papier, un crayon et un peu de patience, il est facile de rpondre aux deux premires
questions. Mais la troisime et les suivantes exigent une bonne organisation. Lobjet de ce
chapitre est prcisment de sapprter affronter des situations de plus en plus complexes.
Dans ltude du nombre dlments dun ensemble on rencontre deux grosses difficults.
La premire est de pouvoir parler densembles complexes dcrire et la seconde de pouvoir
parler densembles infinis.
De faon tout fait remarquable, la mthode intuitive la plus simple va nous donner la cl
de ces deux problmes. Comment compte-t-on le nombre de personnes dans une pice ? Et
bien on attribue un et un seul numro chaque personne, dans lordre : 1, 2, 3, etc., jusquau
dernier numro qui donne le nombre de personnes. Peu importe qui reoit le numro 1 ou le
numro 25, lessentiel est que chaque personne ait un unique numro et que chaque numro
soit associ une seule personne.
Lide mathmatique qui est derrire ce procd est dtablir une bijection entre lensemble
des entiers {1, 2, . . . , n} et lensemble des personnes. Lentier n dsigne prcisment le nombre
cherch. rigeons ce beau principe en dfinition.
Df. I.1 On dira que deux ensembles non vides E et F ont le mme cardinal si et seulement
si il existe une bijection entre E et F.
Nous avons suppos les ensembles non vides pour viter de nous retrouver dans des situations logiques un peu dlicates. Le mot cardinal , emprunt aux grammairiens, dsigne ici la
quantit, le nombre dlments dun ensemble.
Appliquons ce concept des ensembles simples, par exemple des ensembles finis. Quest-ce
quun ensemble fini ? La premire ide qui vient lesprit est quelque chose comme {a, b, c} ou
{1, 2, 3}. Cest une bonne ide... une bijection prs !

12

I. Dnombrement

I.1 Ensembles finis cardinal

Df. et thm. I.2 Un ensemble E non vide est un ensemble fini si et seulement si il existe
un entier non nul n tel que les ensembles E et 1 ; n sont en bijection.
Dans ce cas, lentier n est unique. Il sappelle le cardinal de E et se note card E.
Si E = , par convention E est fini et card E = 0.
La dmonstration de lunicit de n est assez technique, cest pourquoi je ne la donne pas.
Cet entier n correspond lide intuitive du nombre dlments. On le note aussi #E ou |E|.
Une bijection entre E et 1 ; n sappelle une numration de E : cest une faon possible
de compter les lments de E. Ainsi un ensemble fini peut tre crit sous une des deux formes


E = (1), (2), , (n) = {x 1 , x 2 , , x n }
en utilisant , une des bijections entre 1 ; n et E, ou bien en utilisant une notation indicielle.
Deux ensembles de mme cardinal sont en bijection, comme nous pouvons le vrifier
rapidement.
Prop. I.3 Si deux ensembles finis non vides E et F ont le mme cardinal alors il existe une
bijection entre E et F.
Dm. Si E et F ont le mme cardinal, alors il existe une bijection de 1 ; n dans E et une bijection de
1 ; n dans F dans 1 ; n . Alors 1 est une application de E dans F qui est bijective, car elle est la
compose de deux bijections.

Les ensembles de cardinal n forment une classe densembles invariante par la bijection.
Autrement dit, et cest un point important, nimporte quel ensemble fini de cardinal n peut
servir de rfrence dans notre travail de dnombrement.
Thm. I.4 Thorme de dnombrement Soient E un ensemble fini non vide et F un
ensemble quelconque. Sil existe une bijection entre E et F, alors F est de cardinal fini, et card E =
card F.
Dm. Notons n le cardinal de lensemble E. Il existe une bijection de 1 ; n dans E et une bijection
de E dans F. Alors est une bijection de 1 ; n dans F. Cela assure que lensemble F est fini et de
cardinal n.

Cest la mthode de dnombrement par excellence. Pour dterminer le cardinal dun ensemble fini E, il suffit de le dcrire en tablissant une bijection avec un ensemble bien connu.
Principe daddition Dessinons une grille 4 4. Combien de carrs
a-t-on dessin en tout ? Les carrs peuvent avoir plusieurs tailles : leurs
cts peuvent mesurer une unit, deux units, etc. Une ide toute
simple consiste compter les carrs de chaque taille et additionner
les rsultats entre eux. On trouve respectivement 16 carrs de ct 1,

I.1 Ensembles finis cardinal

13

9 de ct 2, 4 de ct 3 et 1 carr de ct 4. Ainsi, le nombre total de carrs est exactement de


16 + 9 + 4 + 1 = 30 1 .

Ce raisonnement illustre le principe le plus lmentaire du dnombrement. On partitionne


lensemble dnombrer en sous-ensembles deux deux disjoints. Le thorme de base utilis
est que le cardinal de lunion de deux ensembles finis disjoints est gal la somme des cardinaux.
Thm. I.5 Principe daddition Soient E et F deux ensembles finis disjoints. Alors E F est
fini et card(E F) = card E + card F.
Dm. Nous allons utiliser le thorme de dnombrement. Notons n = card E et p = card F. Il sagit donc
dexhiber une bijection entre 1 ; n + p et E F. Pour cela, partons dune bijection entre 1 ; n et E et
dune bijection entre 1 ; p et F.
Dfinissons lapplication entre 1 ; n + p et E F de la faon suivante :
k 1 ; n + p

si 1 k n

si p + 1 k n + p

(k) = (k)
(k) = (k p)

La fonction est surjective, puisque

1 ; n = E
donc

et

p + 1 ; n + p = F

E F = 1 ; n p + 1 ; n + p 1 ; n + p

De plus, elle injective. En effet, si deux entiers k et k0 vrifient (k) = (k0 ), alors ou bien (k) E,
auquel cas 1 ( (k)) = 1 ( (k0 )) implique k = k0 , ou bien (k) est dans F et on trouve aussi k = k0 en
appliquant 1 .
Lapplication est donc une bijection de 1 ; n + p dans EF, et donc EF est fini et de cardinal n+ p.

Ce rsultat se gnralise par rcurrence lunion disjointe de plusieurs ensembles finis.


Cor. I.5.1 Soient E1 , E2 , . . . , E p p ensembles finis ( p 2). Si ces ensembles sont disjoints
deux deux, alors E1 E2 E p est fini et
card(E1 E2 E p ) =

p
X

card(E k )

k=1

En particulier, si A 1 , A 2 , . . . , A p est une partition de E, alors card E =

k=p
X

card A k .

k=1

Le principe daddition permet de dmontrer plusieurs proprits utiles du cardinal. Dmontrons tout dabord, partir du principe dadditivit, que les sous-ensembles dun ensemble sont
finis.
Thm. I.6 Soient E un ensemble fini et A une partie de E.
Alors A est un ensemble fini et card A card E.
Si, de plus, card A = card E alors A = E.

1. En guise dexercice, on pourra traiter le cas gnral dune grille n n.

24

I. Dnombrement

Formulaire : combinaisons sommes finies

n
X

Ex. I.2

n(n + 1)
2

n N

n(n + 1)(2n + 1)
6

n N

n2 (n + 1)2
4

n N

k=

k=1

Ex. I.2

n
X

k2 =

k=1
n
X

k3 =

k=1


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

(n, k) N2 , 0 k n

n
n
=
k
nk

n N, k Z

n
n
n+1
+
=
k
k+1
k+1

n N, k Z

Symtrie

Formule de Pascal

Petite formule

Formule de Vandermonde

n
n1
=n
k
k1

a+b
X
a
b
a+b
=
k nk
n
k=0
n
X
k

Ex. I.2

k=p

n+1
p+1

(a, b, n) N2

(k, n, p) N2

p n
n nk
=
k p
k pk

Ex. I.27

Ex. I.28

n N, k Z

p

X
pk k
k=0

p+1
=
n
m+n+1

(k, n, p) N2

(m, n, p) N2

Exercices de rfrence

25

Exercices de rfrence

Exercice de rfrence I.1 Anagrammes


1. Combien y a-t-il danagrammes du mot ANGELOT ?
2. Combien y a-t-il danagrammes du mot BAOBAB ?
Solution
Les anagrammes dun mot sont obtenus par permutation des lettres de ce mot.
1. Dans le cas du mot ANGELOT, on cherche le nombre des permutations de {A, N, G, E, L, O, T},
soit 7 lettres distinctes. Cest directement une question de cours : il y en a 7! = 5040.
2. Dans le cas du mot BAOBAB, les choses se compliquent. On dispose des 3 lettres A, B, et O
et on cherche des mots crits avec 6 lettres dont 3 B et 2 A .
Une premire faon de faire consiste choisir la place des lettres, parmi 7 places possibles.

6
Dabord les places des 3 B , il y a 3 choix possibles ;

3
puis les places des 2 A parmi les 3 restantes : 2 choix ;
puis la dernire place pour le O .

6
3
65432
6!

=
=
= 60
3! 2!
3! 2!
3
2

Il y a donc

anagrammes.

Le lecteur consciencieux vrifiera que lordre de placement des lettres (dabord O , puis
A , etc.) dans ce raisonnement na pas dimportance.
On peut aussi utiliser un principe de symtrie. Distinguons momentanment les 3 B et
les 2 A . Il y a alors 6! permutations de {B1 , A 1 , O, B2 , A 2 , B3 }. Mais la symtrie introduite
fait la distinction entre les mots B1 A 1 OB2 A 2 B3 et B3 A 2 OB1 A 1 B2 par exemple. Il faut tenir
compte des 3! faons de numroter les B et des 2! faons de numroter les A . On
regroupe les mots indics par paquets de 3! = 6 puis on efface la numrotation des B. On
se retrouve avec 6 fois moins de mots, de la forme BA 1 OBA 2 B et BA 2 OBA 1 B par exemple.
6!
On fait ensuite de mme avec les A. On trouve encore
anagrammes possibles.
3! 2!

Exercice de rfrence I.2 Une somme classique

n
X
k
n+1
1. Dmontrer que, pour (n, p) N2 ,
=
.
p
p+1
k=p

2. Retrouver cette galit par un dnombrement : compter les sous-ensembles p + 1 lments de


1 ; n + 1 daprs leur plus grand lment.
n
P
n(n+1)
3. Retrouver que
k = 2 (considrer le cas p = 1).

4. Calculer

n
P
k=1

k=1

k(k 1) et retrouver

n
P
k=1

k2 .

Exercices dentranement

33

Exercices dentranement
Ex. I.10 Dans une pice il y a 25 personnes.
1. De combien de faons diffrentes peut-on les compter ?
2. De combien de faons si lon compte une certaine personne toujours en premier ?
3. Et sil y a 15 filles et 10 garons et que lon compte dabord les filles et ensuite les garons ?
Ex. I.11

1. Une compagnie daviation dessert n villes. Tous les trajets entre les villes

sont possibles. Combien de billets diffrents doit-elle diter ?


2. Dans une soire, n personnes se serrent la main. Combien de poignes de main sont
changes ?
Ex. I.12 Code Morse Une lettre de lalphabet Morse est reprsente par une succession de
signaux courts (les points ) et de signaux longs (les traits ). Combien de lettres diffrentes
peut-on coder avec des squences dau plus n symboles ? Trouver le plus petit n suffisant pour
coder les 26 lettres de lalphabet.
Ex. I.13 On constitue un comit de 8 personnes choisies parmi 15 femmes et 12 hommes.
1. Combien y a-t-il de comits possibles ?
2. Mme question si le comit contient 4 hommes et 4 femmes.
3. Mme question si le comit compte au moins 2 femmes.
Ex. I.14 Toujours des anagrammes On dispose de 10 jetons de Scrabble portant les
lettres de lalphabet de A J .
1. Combien de mots peut-on crire avec ces dix lettres ?
2. Combien de mots peut-on crire avec ces dix lettres o B , A et C apparaissent
dans cet ordre et cte cte ?
3. Combien de mots peut-on crire avec ces dix lettres o B , A et C apparaissent
dans cet ordre ?
4. Combien de mots peut-on crire avec ces dix lettres o B prcde A et D prcde C ?
Ex. I.15 Soit E un ensemble fini de cardinal n > 0. Calculer la somme

card(X).

XP (E)

? Ex. I.16

Soit E un ensemble fini, non vide, n lments.

1. Dterminer le nombre de partitions de E en deux sous-ensembles (lun pouvant tre


vide).
2. Dterminer le nombre de partitions de E en sous-ensembles contenant tous 2 lments
(en supposant n pair).
3. On suppose que E a a b lments. Dterminer le nombre de partitions de E en a parties
b lments.

Solutions

37

Solutions
Ex. I.10 1. Il sagit simplement de permuter 25 personnes, do 25! faons de les compter.
2. On permute les 24 autres personnes, donc 24! comptages possibles.
3. On permute filles puis garons. Daprs le principe de multiplication, 15! 10! mthodes possibles.
Ex. I.11 1. Les billets sont des couples (D, A) de villes (D pour la ville de dpart et A pour la ville
darrive). Il sagit bien de couples et non de combinaisons, puisquil faut faire la distinction entre ville
de dpart et darrive. Cela fait un total de n(n 1) billets diffrents.
2. Une poigne de main peut tre reprsente par une combinaison
{p1 , p2 } de deux personnes, puisquon

n
ne fait pas de distinction entre deux personnes. Il y a 2 = n(n 1)/2 poignes de mains changes.
Pn
Ex. I.12 Code Morse En introduisant k, la longueur dune lettre, avec 1 k n, on trouve k=1 2k =
2n+1 1 lettres possibles. Il faut au moins 4 signaux pour coder 26 lettres, ce qui correspond lusage.

27
Ex. I.13 1. Il sagit dune combinaison de 8 personnes parmi les 27 possibles : il y en a 8 .


15
12
2. On choisit dabord 4 femmes parmi les 15, puis 4 hommes parmi les 12 : 4 4 comits possibles.

12
3. Lensemble complmentaire est celui des comits avec au plus une femme. Il y a 8 comits sans
 


 
15 12
27
12
15 12
femme et 1 8 comits avec une femme. Il y a donc 8 8 1 8 comits avec au moins
deux femmes.
Ex. I.14 Toujours des anagrammes
1. Il y a 10! anagrammes dun mot crit avec 10 lettres distinctes.
2. En considrant BAC comme une lettre unique, il y a 8 lettres placer
: 8! mots possibles.

10
3. On choisit dabord 3 places parmi les 10 possibles, ce qui fait 3 choix possibles. On y place B ,
A et C dans cet ordre. Puis on
 fait un anagramme avec les 7 lettres restantes que lon place telles
10
quelles aux places restantes : 3 7! mots possibles.
4. Mme principe : on choisit les places de B et A , puis de D et C , puis on place les 6 lettres
10 8
restantes dans un ordre quelconque : 2 2 6! mots possibles.
Ex. I.15 On procde en rangeant les parties de X par cardinal
n
n
X
X
X
X
X
card X =
card X =
k
XP (E)

k=0 XP (E)
card X=k

k=0 XP (E)
card X=k

Dans la seconde somme, il y a autant de termes que de sous-ensembles de E k lments, cest--dire


De plus tout ces termes ont la mme valeur, do
X
XP (E)

card X =

n
X
n
k=0

k = n2n1

n
k

cf. exercice I.25

Ex. I.16 1. Choisissons un des 2n sous-ensembles quelconques A de E. On lui associe alors une partition de E : {A, A}. Mais une partition en deux sous-ensembles {A, B} de E on peut associer lun des
deux sous-ensembles A ou B.
Il y a donc 2n /2 = 2n1 partitions de E en deux sous-ensembles. 
n
2. Choisissons dabord un ensemble A 1 2 lments de E : il y en a 2 . Puis un second ensemble A 2 de

n2
2 lments parmi les n 2 restants : 2 , et ainsi de suite jusqu A n/2 , pour puiser les lments de
n/2
Q n2k
E. On a ainsi
= 2n!
n/2 choix possibles.
2
k=0

Toutes les permutations de (A 1 , A 2 , . . ., A n/2 ) correspondent la mme partition de E. Daprs le


n!
principe de symtrie, on trouve donc n/2
partitions de cette sorte.
2 (n/2)!

Chapitre II

Probabilit
II.1 Lunivers des possibles
Si alatoire est compris au sens d imprvisible , alors toute exprience humainement
ralisable est alatoire. Cela parat vident avec une exprience aussi simple que le lancer
dun d. Ce lancer est dterministe : avec une capacit de calcul illimite et une connaissance
parfaite des conditions initiales, le rsultat du lancer pourrait tre calcul. Mais la moindre
imprcision dans la mesure des conditions initiales, le plus petit changement dans les conditions
de lexprience modifieront normment ce rsultat. Et comme, justement, une prcision
illimite ou un contrle parfait sont impossibles raliser en pratique, on prfre qualifier cette
exprience dalatoire.
Dans le cadre de la mcanique quantique, lalatoire devient une donne constitutive des
systmes. Rien nest prvisible exactement. Les vnements surviennent avec une certaine
probabilit (prvisible, dans une certaine mesure). Sans aller jusqu de tels extrmes, toute
exprience ralisable dans un laboratoire est fortement teinte dalatoire. Les imprcisions
exprimentales, les incertitudes de mesure, la complexit des systmes (des systmes vivants,
notamment) engendrent un inconnu que les scientifiques recouvrent dun voile pudique marqu
alatoire .
Pourtant cet alatoire studie de faon relativement commode. La premire tape de cette
modlisation consiste choisir un ensemble de rfrence dont les lments reprsenteront
tous les rsultats possibles de lexprience. Il faut bien comprendre que ce choix dunivers est
arbitraire, et quil simplifie normment le problme initial.
Un d 6 faces

Lorsque lon lance un d, un rsultat de lexprience serait la position du d

dans le rfrentiel terrestre, la position de lexprimentateur, la temprature de la pice, etc.


Aprs tout, il ny a aucune raison de se limiter la lecture dun simple numro sur une seule
des faces du d.
Mais il est clair que la modlisation la plus vidente est de prendre = 1 ; 6 , lensemble
des entiers de 1 6.
Deux lancers dun d 6 faces

Lanons ce mme d deux fois. Ici, la reprsentation la plus

naturelle des rsultats est lensemble des couples de deux nombres compris entre 1 et 6


= (i, j) avec i 1 ; 6 , j 1 ; 6 = 1 ; 6 2
Le premier entier dune paire reprsente le rsultat du premier lancer, le second le rsultat du
second lancer.

Chapitre III

Indpendance, probabilit conditionnelle


La plupart du temps, lorsquun processus exprimental complexe est mis en jeu, le rsultat
final est difficile dcrire directement. Il est prfrable de dcomposer lexprience globale en
plusieurs tapes. La notion de probabilit conditionnelle permet dtudier sparment chacune
des tapes.

III.1 Deux points de vue


Replaons-nous au carrefour du dbut du chaB

pitre II. Deux observateurs A et B comptent les voitures grises. Lobservateur A se situe avant lembranchement et observe toutes les voitures arrivant. Lobservateur B se situe sur lembranchement de droite et nobserve que les voitures sur
cette partie de la route.

Lobservateur A compte N voitures, dont NG


sont grises. Lobservateur B compte ND voitures ayant tourn droite, dont NGD sont grises.
Les deux observateurs nobservent pas les mmes vnements. Le premier peut estimer la
probabilit de lvnement G une voiture arrivant au carrefour est grise . De son point de
vue P(G) ' NG /N. Lobservateur B ne voit pas les mmes voitures que A. Il ne peut estimer que
la probabilit quune voiture qui a tourn droite soit grise. On peut la noter PD (G) et estimer
que PD (G) ' NGD /ND .
Essayons de calculer la probabilit quune voiture arrivant lembranchement soit grise et
tourne droite. On cherche donc P(G D). Bien sr P(G D) ' NGD /N. Seul lobservateur A
a accs cette probabilit. De l o il est plac, B ne peut pas la calculer.
Pour le premier observateur, lunivers est lensemble des voitures arrivant lembranchement, pour le second cest lensemble D des voitures ayant tourn droite. Mais D est un
sous-ensemble de . Les probabilits que calcule B sont donc accessibles A. Par exemple
PD (G) '

NGD
NGD N
P(G D)
=
'
ND
N ND
P(D)

En gnralisant cette galit, on dfinit une probabilit sur lunivers D issue de la probabilit
sur lunivers complet de lexprience.

Chapitre IV

Variable alatoire relle finie


IV.1 Dfinition
Revenons sur un point de vocabulaire. Considrons une exprience alatoire bucolique :
choisir un brin dherbe dans une prairie verdoyante. Quappelle-t-on rsultat de cette exprience ? Lensemble des brins dherbes collects ? La prairie ? La prairie et la couleur du ciel, la
position des vaches, le sourire de la crmire ?
Soyons srieux un instant. En bons scientifiques, nous voudrions que le rsultat soit une
quantit mesurable : un nombre rel. Par exemple le poids du brin dherbe, sa teneur en eau,
sa concentration en chlorophylle, etc. Considrons sa taille en centimtres, qui est un nombre
rel entre 0 et 100. Est-ce que ce nombre permet de remonter au rsultat de lexprience ?
Bien sr que non : il la rsume, mais lensemble 0 ; 100 nest pas lunivers de lexprience.
Ce nombre rel dpend du rsultat de lexprience ; il est alatoire dans le sens o sa valeur
est issue dune exprience alatoire.
Cette faon dassocier une valeur numrique chaque rsultat de lexprience est si courante
que lon dfinit
Df. IV.1 Variable alatoire relle finie Soit (, P) un espace probabilis fini et E un
ensemble non vide. On appelle variable alatoire toute application de dans E.
Lorsque E R, on parle de variable alatoire relle.
Nous nabordons dans ce chapitre que les variables alatoires valeurs relles.
Support

Lensemble des valeurs prises par X , not X(), sappelle le support de la variable

alatoire. Comme est fini, cet ensemble lest galement. On peut le noter
X() = {x i , i 1 ; p }

vnements associs

Une variable alatoire ne fait pas que transformer les vnements

lmentaires en rels : elle redfinit compltement lespace dtude. Ainsi, tout sous-ensemble
de R va devenir un vnement tudiable . Soyons plus prcis.
Thm. IV.2 Soit X une variable alatoire sur un espace probabilis fini (, P). Alors pour
tout sous-ensemble A de R, lensemble X 1 A est un vnement.

Chapitre V

Vecteurs alatoires rels finis


V.1 Couple de variables alatoires, lois
Exemple V.1

Considrons une exprience alatoire en deux temps : une urne contient 6

boules numrotes de 1 6. On en tire une et on note son numro X . On retire alors toutes
les boules dont le numro est strictement suprieur X . On tire une nouvelle boule, dont le
numro est not Y .
La premire de ces deux expriences est classique ; on sait que X suit la loi uniforme
sur 1 ; 6 . La seconde est fortement lie la premire. Lvnement (X = k) tant ralis
(avec k 1 ; 6 ), Y suit la loi uniforme sur 1 ; k .
Une telle faon de dcrire un processus alatoire est plutt naturelle. On ralise une succession dtapes, en ayant une connaissance parfaite du lien entre une tape et la suivante. Notre
objectif est alors dexpliciter compltement la variable alatoire finale Y .
On va utiliser le principe de modlisation suivant : nous nous plaons dans un univers
trs large et tudions X et Y comme un tout, comme une seule variable alatoire (X, Y) valeurs
dans R2 . Rien ne nous empchera ensuite den extirper quelques informations utiles, comme la
loi de X ou celle de Y . Ainsi le couple (X, Y) prend ses valeurs dans lensemble

X,Y = {(i, j),

1 i j 6}

On peut reprsenter cet ensemble par un nuage de points ou par un tableau a deux entres
(que nous rempliront progressivement par les probabilits).
j

i 1

1
2
3
4
5
i

Figure V.1 : Deux reprsentations de X,Y .

Mais on va justement sloigner de cet ensemble limit et prendre nos aises. Les valeurs de
X stalent de 1 6. De mme, Y va de 1 6 : mme si les valeurs de Y dpendent des valeurs

Deuxime partie

Univers infinis dnombrables


MP PC PSI PT

Chapitre VI

Univers dnombrables Tribus


VI.1 Ensembles dnombrables
Des ensembles tels que N, Z, Q, R ou C sont qualifis d infinis car on pourra toujours
trouver N lments distincts de ces ensembles, quel que soit le nombre N fix davance.
Dans le premier chapitre de ce livre, nous avions donn la dfinition suivante de lexpression
avoir le mme cardinal
Df. VI.1 On dira que deux ensembles non vides E et F ont le mme cardinal si et seulement
si il existe une bijection entre E et F.
Essayons donc de savoir si ces diffrents ensembles infinis ont le mme cardinal, cest--dire
le mme nombre dlments.
Est-ce que N et N ont le mme cardinal ? En dautre termes, y a-t-il une bijection entre N
et N ? La rponse est oui ! Par exemple, lapplication f dfinie sur N par
f (n) = n + 1

n N

et qui est valeurs dans N ralise un dcalage vers la droite de lensemble N.

10

10

N
f
N

Figure VI.1 : Un exemple de bijection entre N et N .

Cette application est bien bijective : sa bijection rciproque est le dcalage vers la gauche
dfini sur N par
n N

f 1 (n) = n 1

Mais une minute... ainsi N aurait autant dlments quun de ses sous-ensembles ? Cest
surprenant ! Puisque N est strictement inclus dans N, il devrait tre plus petit que N, non ?
Tout dpend de ce quon appelle petit . Au sens de linclusion, N est bien strictement plus

Chapitre VII

Probabilit dans un univers dnombrable


VII.1 Une nouvelle dfinition
Nous navons pas fini dtudier lexprience lancer une pice de monnaie jusqu obtenir
Face . Nous avons vu au chapitre prcdent que cette exprience prenait sa place dans lunivers

= {0, 1}N
des suites infinies de 0 et de 1. Ici 0 rprsente Pile et 1 reprsente Face. Comme je lai dj
dit, cet univers nest pas dnombrable, et son tude complte dpasse donc les limites de notre
programme.
Pourquoi ne pas prendre un univers plus simple ? Par exemple celui qui scrit

= {, 1, 01, 001, 0001, . . .}


Cest lensemble des suites ne contenant que des Piles et se terminant par un Face. On lui ajoute
lvnement qui correspond une suite infinie de Piles.
Il y a une bijection naturelle entre et N : la fonction qui fait correspondre lentier
0, et qui fait correspondre aux autres rsultats le nombre de Piles observs. Lunivers est donc

dnombrable. Conformment ce que nous avions dit lexemple VI.2.4 (p. 185) du chapitre
prcdent, la tribu naturelle dtude est P ().
Comment dfinir une probabilit sur un tel univers ? Les axiomes II.3 ne suffisent plus, car
il ne permettent pas de traiter des unions infinies dvnements (comme par exemple lunion
de tous les vnements de ). Transformons le second axiome pour inclure ce cas.
Df. VII.1 Axiomes des probabilits Soit (, T ) un espace probabilisable. On appelle
probabilit sur (, T ) la donne dune fonction P : T [ 0 ; 1 ] telle que
i) P() = 1
ii) pour toute suite dvnements (A n )nN deux deux incompatibles

 X
[
P
An =
P(A n )
nN

additivit

nN

La donne dun espace probabilisable (, T ) et dune probabilit P sur cet espace dfinit un
espace probabilis (, T , P).

Chapitre VIII

Variable alatoire discrte

VIII.1 Une nouvelle dfinition

Tout comme au chapitre prcdent, nous nous plaons dsormais dans le cadre gnral
des univers infinis. La notion de variable alatoire doit alors tre redfinie, et nous allons en
profiter pour lui donner une plus grande gnralit.
Df. VIII.1 Soit (, T , P) un espace probabilis. On appelle variable alatoire discrte
valeurs dans un ensemble E toute application X de dans E telle que
i) lensemble X() est au plus dnombrable ;
ii) si x X() alors lensemble X 1 {x} est un vnement :
x E

X 1 {x} T

Lide sous-jacente est que lon veut sassurer que X = x puisse bien sinterprter comme
un vnement. Si X est une variable alatoire discrte et si x X(), lensemble X 1 {x}, qui
donc est un vnement, est not plus simplement (X = x).
Cette dfinition sapplique aussi bien des variables support fini qu des variables
support infini dnombrable. Comme les variables finies ont fait lobjet de la premire partie de
cet ouvrage, nous supposerons frquemment que X() est dnombrable.
Cette dfinition gnralise la prcdente dans deux directions. La premire est que lensemble darrive E nest pas ncessairement R : il peut sagir de R2 , C, etc. Nous tirons parti
de ce point pour tudier les variables alatoires discrtes et les couples de variables alatoires
discrtes dans ce mme chapitre (voir un peu plus bas).
Exemple VIII.1

Dans le cas o E = R, on parle de variable alatoire relle discrte. Dans ce

cas, les vnements (X = x) sont vides, sauf pour des points isols de R.
Lensemble X() est un ensemble infini qui ne contient pas dintervalles de R (sinon il
ne serait pas dnombrable). Dun point de vue topologique, puisque X() ne contient aucun
voisinage de ses points, tous les points de X() sont isols. Typiquement X() est N, N , Z, etc.

Chapitre IX

Esprance
Nous poursuivons notre revue des modifications apporter la thorie dans le cas des
variables alatoires discrtes. Au chapitre prcdent nous les avons dfinies, ainsi que leur loi.
Dans le cadre des variables alatoires finies, nous avons rencontr les notions desprance,
variance, etc. Comment les dfinir ici ?

IX.1 Le problme de la somme infinie


Pour dfinir lesprance dune variable alatoire relle discrte X on voudrait gnraliser la
formule
X

E(X) =

x P(X = x)

xX()

bien tablie dans le cas dun support X() fini.


Si le support est dnombrable, on peut le noter X() = {x i , i N}. Lesprance deviendraitelle alors
E(X) =

x n P(X = x n )

iN

Mais cest une somme infinie ? Elle doit tre convergente ! Mieux ! Elle doit tre absolument
convergente ! Essayons de comprendre pourquoi.
Du point de vue technique, la notion de somme infinie pose deux difficults principales. La
premire est bien connue : cest celle de la convergence de la somme. Par exemple la somme de
la famille de rels
1

na pas de sens en tant que nombre rel. Cette somme effectue terme aprs terme prend
alternativement les valeurs 1 et 1. Ces sommes partielles ne convergent vers aucune valeur.
La somme de ces rels ne semble pas pouvoir tre dfinie.
Lorsquelle peut ltre, nous rencontrons une autre difficult. Considrons par exemple la
famille de rels
1

1
2

1
3

=
3

1
1

,n N ,n N
n
n

Comment dfinir la somme des termes de cette famille ? Le lecteur de ces lignes peut penser
additionner les termes dans lordre dans lequel je les lui donne ci-dessus. On trouve alors
successivement 1, puis 0, puis 1/2, puis 0, puis 1/3, puis 0, etc. Les sommes partielles impaires

Chapitre X

Convergence et approximations

X.1 Introduction
Si vous le souhaitez, vous pouvez sauter cette introduction et commencer votre lecture la
section suivante.
La tlpathie, a marche ! Enfin cest ce quun jour une de mes aimables voisines bulgares
ma affirm avec vhmence. Sous le sceau du plus grand secret (aujourdhui bris), elle ma
rvl que sa sur et elle sont si proches quelles peuvent lire dans les penses lune de lautre.
Jtais plus que curieux de voir un tel phnomne se produire. Aussi leur ai-je demand une
petite dmonstration. Aucun problme, me dit Boyana (ma voisine). Jappelle tout de suite
ma sur Albana, et nous allons nous livrer une exprience qui te convaincra srement !
Voici ce dont nous avions convenu : Boyana sassoirait dans une pice calme, en face dune
feuille de papier. Pour ma part, je me tiendrais derrire elle. intervalles rguliers, jenverrai
un SMS sa sur Albana contenant un chiffre au hasard entre 0 et 9. Albana penserait trs fort
ce chiffre, Boyana le devinerait par tlpathie et lcrirait sur une feuille de papier.
Nous ralismes lexprience avec une premire srie de 10 chiffres. la fin de lexprience,
Boyana avait lair dpit. Javais du mal me concentrer, je ne sais pas si a a bien march.
Jai alors vrifi les correspondances : il y en avait 3.
Incroyable, Paul ! sexclama Boyana. En moyenne, jaurais d trouver une seule correspondance, or jen trouve trois. Nest-ce pas extraordinaire ?
Je rflchis un moment. Supposons que les deux surs ne soient pas tlpathes et que
Boyana crive un chiffre compltement au hasard sur la feuille. La probabilit quelle y parvienne
un coup donn est 1/10. Si je suppose (pour me simplifier ltude) que les choix se font
indpendamment les uns des autres, le nombre de correspondances suit une loi binomiale de
paramtres 10 et 1/10.
Comme le dit justement Boyana, le nombre moyen de correspondances est donc de 1.
Boyana trouve exceptionnel que le rsultat observ sloigne de la moyenne attendue. Mais
en cela elle a tort. Comme beaucoup de gens, Boyana pense que lesprance est la valeur la plus
probable dune variable alatoire. Ce nest en gnral pas le cas.
Pourtant, dans le cas de la loi binomiale B (10, 1/10), Boyana a raison, comme on le voit
sur la table de cette loi.

Annexe A

Dautres horizons
Lorsquon essaye de munir un espace quelconque dune probabilit, de nombreuses difficults thoriques et pratiques surgissent. Et pourtant les mathmaticiens ont tendu cette probabilisation des domaines extrmement varis, aussi bien en mathmatiques fondamentales
quappliques ( la biologie, aux finances, aux statistiques, etc.).
Jaimerais, pour finir, vous donner un aperu de ses difficults, afin de mieux clairer les
limites et les choix des programmes de CPGE.

A.1 Tribus et borliens


Le point de dpart demeure un ensemble qui contient tous les rsultats possibles dune exprience alatoire. Mais cet ensemble est dsormais indnombrable. Cest le nombre de chemins possibles allant dun point un autre, ou bien lensemble des programmes informatiques,
ou encore lensemble des thormes nonables en mathmatiques, etc.
Bien que tout vnement soit un sous-ensemble de , il nest pas possible, en gnral, de
dvelopper une thorie des Probabilits satisfaisante en supposant que tout sous-ensemble de

est un vnement. Au lieu de cela, la dnomination vnement va tre rserve une


partie seulement des sous-ensembles de .
Sur cette partie des sous-ensembles de , les oprations ensemblistes prcdentes doivent
toujours avoir un sens. Cela motive la dfinition des tribus vue au chapitre VII. Rappelons-la.
Df. A.1 Axiomes des tribus Une partie T de P () est une tribu (ou une algbre)
si et seulement si
i) T ;
ii) si A T alors A T ;
iii) si (A n )nN est une suite dlments de T alors

An T .

nN

Ces trois proprits suffisent pour que toutes les oprations ensemblistes aient un sens. Cest
une sorte de pralable la dfinition dune probabilit sur .
La mthode de raisonnement la plus courante consiste partir dune famille de sousensembles de , les appeler vnements , puis utiliser la plus petite tribu possible qui
contient ces vnements (les vnements de dpart ne formant pas ncessairement une tribu).

Index

-additivit . . . . . . . . . . . . . . . . . . . . . . . . . 193
additivit finie . . . . . . . . . . . . . . . . . . . . . . . . 47
anagramme . . . . . . . . . . . . . . . . . . . . . . . . . . 33
applications (dnombrement) . . . . . . . . 16
arrangement . . . . . . . . . . . . . . . . . . . . . . . . . 17

E
ensemble
au plus dnombrable . . . . . . . . . . . 179
dnombrable . . . . . . . . . . . . . . . . . . . 179
fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
intersection dnombrable. . . . . . .183
union densembles dnombrables180

union dnombrable . . . . . . . . . . . . 183

Bayes (formule de) . . . . . . . . . . . . . . . . . . . 74

quiprobabilit . . . . . . . . . . . . . . . . . . . . . . . 51

Bernoulli, loi de . . . . . . . . . . . . . . . . . . . . . 103

esprance

bijections (dnombrement) . . . . . . . . . . . 18
C
cardinal dun ensemble fini. . . . . . . . . . . .12
chemin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
coefficient binomial . . . . . . . . . . . . . . . . . . 20
petite formule . . . . . . . . . . . . . . . . . . . 21
coefficient de corrlation linaire . . . . 142
proprits . . . . . . . . . . . . . . . . . . . . . . 142
combinaison . . . . . . . . . . . . . . . . . . . . . . . . . 20
continuit croissante . . . . . . . . . . . . . . . . 197
continuit dcroissante . . . . . . . . . . . . . . 199
convergence absolue . . . . . . . . . . . . . . . . 246

cas dnombrable . . . . . . . . . . . . . . . 247


cas fini . . . . . . . . . . . . . . . . . . . . . . . . . . 95
dune loi uniforme . . . . . . . . . . . . . . . 96
du produit de variables alatoires finies indpendantes . . . . . . . . 138
linarit (cas dnombrable) . . . . 249
linarit (cas fini) . . . . . . 98, 138, 143
loi de Poisson . . . . . . . . . . . . . . . . . . 248
loi gomtrique . . . . . . . . . . . . . . . . 248
positivit (cas dnombrable) . . . . 249
positivit (cas fini) . . . . . . . . . . . . . . . 96
espace probabilis
cas dnombrable . . . . . . . . . . . . . . . 193

covariance
cas dnombrable . . . . . . . . . . . . . . . 255

cas fini . . . . . . . . . . . . . . . . . . . . . . . . . . 47

cas fini . . . . . . . . . . . . . . . . . . . . . . . . . 139

espace probabilisable . . . . . . . . . . . . . . . . 182

de deux variables alatoires finies in-

vnement

dpendantes . . . . . . . . . . . . . . 140

A et B . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

proprits . . . . . . . . . . . . . . . . . . . . . . 140

A implique B . . . . . . . . . . . . . . . . . . . . 45

croissance de la probabilit . . . . . . . . . . . 48

A ou B . . . . . . . . . . . . . . . . . . . . . . . . . . .45

lmentaire . . . . . . . . . . . . . . . . . . . . . 45
D

associs une variable alatoire . . 91

dnombrable . . . . . . . . . . . . . . . . . . . . . . . . 179

associs une variable alatoire dis-

302

Index

crte . . . . . . . . . . . . . . . . . . . . . . 211

de Bienaym-Tchebychev (cas fini)


101

certain . . . . . . . . . . . . . . . . . . . . . . . . . . 45
dfinition (cas dnombrable) . . . 182

de Markov (cas dnombrable) . . 283

dfinition (cas fini) . . . . . . . . . . . . . . 45

de Markov (cas fini) . . . . . . . . . . . . 100

impossible. . . . . . . . . . . . . . . . . . . . . . .45

indpendance

incompatibles . . . . . . . . . . . . . . . . . . . 45

de n variables alatoires finies . . 144

intersection dnombrable. . . . . . .183

de deux vnements (cas fini) . . . . 67

ngligeable . . . . . . . . . . . . . . . . . . . . . 201

de deux variables alatoires discrtes


223

presque sr. . . . . . . . . . . . . . . . . . . . .201


systme complet . . . . . . . . . . . . . . . . . 46

de deux variables alatoires finies132

union dnombrable . . . . . . . . . . . . 183

deux deux (vnements, cas dnombrable) . . . . . . . . . . . . . . . . . . . . 202


deux deux (vnements, cas fini)68

mutuelle (vnements, cas dnom-

fonction de deux variables alatoires finies

brable) . . . . . . . . . . . . . . . . . . . . 202

indpendantes . . . . . . . . . . . . 134
fonction gnratrice . . . . . . . . . . . . . . . . . 257
de la somme de deux variables alatoires indpendantes . . . . . . 259

mutuelle (vnements, cas fini) . . 68


indicatrice . . . . . . . . . . . . . . . . . . . . . . . . . . 104
injections (dnombrement) . . . . . . . . . . . 18

loi binomiale . . . . . . . . . . . . . . . . . . . 154


loi de Poisson . . . . . . . . . . . . . . . . . . 258
loi de Bernoulli . . . . . . . . . . . . . . . . . 154

L
linarit de lesprance
cas dnombrable . . . . . . . . . . . . . . . 249

loi gomtrique . . . . . . . . . . . . . . . . 258


loi uniforme . . . . . . . . . . . . . . . . . . . . 154
formule

cas fini . . . . . . . . . . . . . . . . 98, 138, 143


loi
binomiale . . . . . . . . . . . . . . . . . . . . . . 104

de Bayes . . . . . . . . . . . . . . . . . . . . . . . . 74

conditionne (cas dnombrable) 216

de Knig-Huyghens (cas dnom-

conditionne (cas fini) . . . . . . . . . . 130

brable) . . . . . . . . . . . . . . . . . . . . 253

dune fonction de deux variables ala-

de Knig-Huyghens (cas fini) . . . . . 99

toires finies . . . . . . . . . . . . . . . . 134

de Pascal . . . . . . . . . . . . . . . . . . . . . . . . 21

dune variable alatoire (cas fini) . 92

de Vandermonde . . . . . . . . . . . . . . . . 23

dune variable alatoire discrte.213

des probabilits composes . . . . . . 70

de Bernoulli . . . . . . . . . . . . . . . . . . . . 103

des probabilits totales (cas dnom-

de la somme de deux variables ala-

brable) . . . . . . . . . . . . . . . . . . . . 201

toires finies . . . . . . . . . . . . . . . . 134

des probabilits totales (cas fini) . 73

de la somme de deux variables ala-

du binme. . . . . . . . . . . . . . . . . . . . . . .22

toires discrtes . . . . . . . . . . . . 227

petite. . . . . . . . . . . . . . . . . . . . . . . . . . . .21

de Poisson . . . . . . . . . . . . . . . . . . . . . 219
de Poisson (esprance) . . . . . . . . . 248

I
ingalit

de Poisson (variance) . . . . . . . . . . . 254


gomtrique . . . . . . . . . . . . . . . . . . . 217

de Bienaym-Tchebychev (cas dnom-

gomtrique (esprance) . . . . . . . 248

brable) . . . . . . . . . . . . . . . . . . . . 284

gomtrique (variance). . . . . . . . .253

Index

gomtrique sur N . . . . . . . . . . . . . .218

gomtrique sur N . . . . . . . . . . . . . 217

303

somme de deux lois

marginale (cas dnombrable) . . . 216

binomiales indpendantes . . . . . . 136

marginale (cas fini). . . . . . . . . . . . .130

de Poisson indpendantes . . . . . . 227

mutuelle (cas dnombrable) . . . . 216

uniformes indpendantes . . . . . . . 135

mutuelle (cas fini) . . . . . . . . . . . . . . 129

sous-additivit . . . . . . . . . . . . . . . . . . . . . . 200

uniforme . . . . . . . . . . . . . . . . . . . 93, 102

suite dvnements

uniforme (esprance) . . . . . . . . . . . . 96
uniforme (variance) . . . . . . . . . . . . . 99
loi faible des grands nombres . . . . . . . . 283

croissante pour linclusion . . . . . . 197


dcroissante pour linclusion . . . . 199
support
dune variable alatoire finie . . . . . 91

M
moment

surjection (dnombrement) . . . . . . . . . . . 28
systme complet dvnements . . . . . . . . 46

dune variable alatoire discrte.252


dune variable alatoire finie . . . . . 98

T
thorme

de dnombrement . . . . . . . . . . . . . . . 12

Newton (binme de). . . . . . . . . . . . . . . . . .22

de transfert (cas dnombrable) . 249

nombre

de transfert (cas fini). . . . . . . .97, 137

dapplications . . . . . . . . . . . . . . . . . . . 16

tribu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182

dinjections . . . . . . . . . . . . . . . . . . . . . . 18
de bijections . . . . . . . . . . . . . . . . . . . . . 18
de surjections . . . . . . . . . . . . . . . . . . . 28

U
univers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
V

P
Pascal (formule de) . . . . . . . . . . . . . . . . . . . 21
permutation. . . . . . . . . . . . . . . . . . . . . . . . . .18
positivit de lesprance

Vandermonde
formule de . . . . . . . . . . . . . . . . . . . . . . 23
variable alatoire
vnements associs (cas fini) . . . . 91

cas dnombrable . . . . . . . . . . . . . . . 249

centre . . . . . . . . . . . . . . . . . . . . . . . . . . 98

cas fini . . . . . . . . . . . . . . . . . . . . . . . . . . 96

centre associe une variable ala-

probabilit
additivit finie . . . . . . . . . . . . . . . . . . . 48

toire . . . . . . . . . . . . . . . . . . . . . . . 98
centre rduite associe une va-

conditionnelle (cas dnombrable)201

riable alatoire . . . . . . . . . . . . 100

conditionnelle (cas fini). . . . . . . . . .66

certaine . . . . . . . . . . . . . . . . . . . . . . . . . 93

dfinition (cas dnombrable) . . . 193

discrte . . . . . . . . . . . . . . . . . . . . . . . . 211

dfinition (cas fini) . . . . . . . . . . . . . . 47

discrtes indpendantes . . . . . . . . 223

proprits usuelles. . . . . . . . . . . . . . .48

indpendantes (cas fini) . . . . . . . . 132

sous-additivit . . . . . . . . . . . . . . . . . 200

indicatrice . . . . . . . . . . . . . . . . . . . . . 104

probabilits composes (formule) . . . . . 70

loi finie . . . . . . . . . . . . . . . . . . . . . . . . . . 92

probabilits totales

loi (cas dnombrable) . . . . . . . . . . 213

cas dnombrable . . . . . . . . . . . . . . . 201

rduite . . . . . . . . . . . . . . . . . . . . . . . . . 100

cas fini . . . . . . . . . . . . . . . . . . . . . . . . . . 73

relle finie . . . . . . . . . . . . . . . . . . . . . . . 91

304

Index

somme (cas dnombrable) . . . . . . 227

indpendantes . . . . . . . . . . . . 145

uniforme . . . . . . . . . . . . . . . . . . . . . . . . 93

de la somme de deux variables ala-

variance

toires finies indpendantes . 141

cas dnombrable . . . . . . . . . . . . . . . 253

interprtation de la (cas fini) . 100

cas fini . . . . . . . . . . . . . . . . . . . . . . . . . . 98

loi de Poisson . . . . . . . . . . . . . . . . . . 254

de la somme de n variables alatoires

loi gomtrique . . . . . . . . . . . . . . . . 253

144

loi uniforme . . . . . . . . . . . . . . . . . . . . . 99

de la somme de n variables alatoires

proprits . . . . . . . . . . . . . . . . . . 99, 140

Cet ouvrage
est compos en Bitstream Charter,
cre par Matthew Carter.
Le logiciel de composition est pdfLATEX
(avec lextension microtype).
Les fontes mathmatiques
proviennent de lextension
Mathdesign.