Chapitre 1

Sommaire
Vocabulaire des probabilités

Probabilité conditionnelle et indépendance
Variable aléatoire
Lois usuelles
Chapitre 1 : Introduction au calcul des

probabilités
I. MAHFOUDHI & R. OUNI
École Nationale d’ingénieurs de Monastir (ENIM)
30 janvier 2018
Version provisoire merci de me signaler les erreurs!

I. MAHFOUDHI ENIM-2016
Sommaire
Lois usuelles

Définition
On dit qu’une expérience est aléatoire si elle vérifie les deux conditions
suivantes :
- On peut déterminer parfaitement, par avance, toutes les issues

possibles ;
- On ne peut pas prévoir, par avance laquelle de ces issues sera
réalisée.
On appelle univers de l’expérience aléatoire, et on note Ω l’ensemble formé de
toutes les issues possibles de cette expérience.
Un événement est une partie de l’univers, formée d’une ou de plusieurs issues
possibles.
Un événement élémentaire est une partie de l’univers, formée d’une seule issue
possible.
Sommaire
Lois usuelles
Exemple
Lancer un dé à 6 faces et noter le chiffre apparent sur la face supérieure, est une
expérience aléatoire :
Il y a 6 issues possibles ;
L’univers de l’expérience est Ω = {1, 2, 3, 4, 5, 6}
A =le résultat est pair est un événement écrit en langage courant ; qu’on
peut exprimer en langage symbolique comme un ensemble : A = {2, 4, 6}.
B = le résultat est un 6 est un événement élémentaire écrit en langage
courant ; qu’on peut exprimer en langage symbolique comme un ensemble :
B = {6}. Noter que 6 est une issue possible, alors que l’événement B est
un ensemble qui contient cette seule issue.
Sommaire
Lois usuelles
Espace de probabilité
Un espace de probabilité est un triplet (Ω, T , P) où :
Ω est un ensemble,
T est une tribu (ou σ algèbre) sur Ω,
P est une (mesure de) probabilité sur Ω.
Définition
Une tribu (ou σ-algèbre) sur Ω est une famille T de sous-ensembles de Ω (appelés
”événements”) tels que

 (i) ∅ ∈ T ,
(ii) A ∈ T ⇒ Ac ∈ T ,
∞
(iii) (An )∞
n=1 ⊂ T ⇒ ∪n=1 An ∈ T .


En particulier : A, B ∈ T ⇒ A ∪ B ∈ T et A ∩ B ∈ T .
Sommaire
Lois usuelles
Définition
On appelle probabilité définie sur l’espace (Ω, T , P) tout application P : Ω 7→ [0, 1]
vérifier les propriétes suivants :
1 P(Ω) = 1 et P(∅) = 0
2 Pour tout familles fini ou dénombrable (Ai )i∈I deux à deux disjoint on a :
X
P(∪i∈I Ai ) = P(Ai ).
i∈I
Sommaire
Lois usuelles
Théorème
Soient (Ω, T , P) un espace de probabilité, A et B deux événements,
alors on a
1 P(Ā) = 1 − P(A) et P(∅) = 0.
2 P(A\B) = P(A) − P(A ∩ B).
3 Si A ⊂ B ⇒ P(A) ≤ P(B).
4 P(A ∪ B) = P(A) + P(B) − P(A ∩ B).
Sommaire
Lois usuelles
Remarque
On suppose que Ω est fini. on dit qu’il y a équiprobabilité lorsque la probabilité de
deux événements élémentaire sont égaux.
Application 1.
On lance un dé cubique parfaitement équilibré deux fois de
suites.
Quelles est la probabilité de l’evénement
- A := { la somme des façes obtenu est égale à 6} ?
2
Ω = {1, 2, 3, 4, 5, 6}
A = {(i, j)/i + j = 6} = {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)}
5
P(A) = 36 .
Sommaire
Lois usuelles
Remarque
On suppose que Ω est fini. on dit qu’il y a équiprobabilité lorsque la probabilité de
deux événements élémentaire sont égaux.
Application 1.
On lance un dé cubique parfaitement équilibré deux fois de
suites.
Quelles est la probabilité de l’evénement
- A := { la somme des façes obtenu est égale à 6} ?
2
Ω = {1, 2, 3, 4, 5, 6}
A = {(i, j)/i + j = 6} = {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)}
5
P(A) = 36 .
Sommaire
Lois usuelles
Application 2.
On lance une pièce de monnaie dont la probabilité d’obtenir pule est p ∈]0, 1[
et en répete l’expérience jusqu’à ce que la coté pule apparaissent pour la 1er
fois.
- Quelle est la probabilité de l’événement.

- Ak :=< l’expérience s’arrête aux kème étapes > ?
- P(Ak ) = (1 − p)k−1 p.
- Vérification :
+∞ +∞
X X 1
(1 − p)k−1 p = p (1 − p)k−1 = p = 1.
1 − (1 − p)
k=1 k=1
Sommaire
Lois usuelles
Application 2.
On lance une pièce de monnaie dont la probabilité d’obtenir pule est p ∈]0, 1[
et en répete l’expérience jusqu’à ce que la coté pule apparaissent pour la 1er
fois.
- Quelle est la probabilité de l’événement.

- Ak :=< l’expérience s’arrête aux kème étapes > ?
- P(Ak ) = (1 − p)k−1 p.
- Vérification :
+∞ +∞
X X 1
(1 − p)k−1 p = p (1 − p)k−1 = p = 1.
1 − (1 − p)
k=1 k=1
Sommaire
Lois usuelles
Probabilité conditionnelle
Théorème et définition
Soient (Ω, T , P) un espace probabilisé et A un événement de probabilité non nul.
Alors pour tous événements A et B, on définit la probabilité de l’événement A
sachant que l’événement B est réalisable par :
P(A ∩ B)
P(A|B) =
P(B)
Sommaire
Lois usuelles
Evénéments indépendants
Intuitivement : Deux événements A et B sont indépendants pour la
probabilité P si la probabilité de réalisé l’un de ces événements n’est pas
influencée par l’autre.
Mathématiquement : si P(A) 6= 0 et P(B) 6= 0 alors :
- P(A|B) = P(A) et P(B|A) = P(B).
Autrement P(A ∩ B) = P(A).P(B).
Sommaire
Vocabulaire des probabilités Loi de probabilité d’une variable aléatoire réelle discrète
Probabilité conditionnelle et indépendance Fonction de répartition
Variable aléatoire Les moments d’une variable aléatoire
Lois usuelles
• Variable aléatoire réelle discrète

Définition
Soit (Ω, T , P) un espace de probabilité.
• Une variable aléatoire réelle (souvent abrégé v.a.r par la suite) est
une application X : Ω → R
• On appelle vecteur aléatoire tout application
X : Ω → Rd
ω 7→ (x1 (ω), ..., xd (ω)) où d ≥ 2
Si d = 2 alors X = (x1 , x2 ) est appelé couple aléatoire.
Sommaire
Lois usuelles
Proposition
Soient X et Y deux variables aléatoires et λ ∈ R. Alors
X + Y, λX, sup(X, Y) et inf(X, Y)

sont aussi des variables aléatoires.
Sommaire
Lois usuelles
. Loi de probabilité d’une variable aléatoire réelle discrète

Définition
Soit X une variable aléatoire réelle définie sur (Ω, T , P)
X(Ω) = {xi /i ≥ 1} , si Ω est fini X(Ω) = {x1 , x2 , ..., xn } . On
appelle loi de probabilité de la variable aléatoire réelle X ou loi de X
l’ensemble des couples (xi , Pi ) où

xi ∈ X(Ω),
Pi = P(X = xi ).
Exercice
On jette deux tétraèdres réguliers numérotés de 1 à 4 et soit X la
variable aléatoire qui prend la plus grand valeur amené par les
faces cachées de tétraèdre.
1) Déterminer la loi de probabilité de la variable X.
Sommaire
Lois usuelles
Solution
Ω = {1, 2, 3, 4}2 et X(Ω) = {1, 2, 3, 4}
xi 1 2 3 4
1 3 5 7
Pi 16 16 16 16
Vérification :
4
X 16
Pi (X = xi ) = =1
16
i=1
Remarque Si {(xi , Pi ), i ≥ 1} est une loi de la variable aléatoire

∞
X
réelle X alors Pi = 1.
i=1
Sommaire
Lois usuelles
Définition
Soient (Ω, T , P) un espace de probabilité et X une variable aléatoire
réelle. On appelle fonction de répartition de P l’application :
F : R −→ [0, 1]
x −→ F(x) = P(X ≤ x)
Sommaire
Lois usuelles
Proposition
Soit X la variable aléatoire réelle de loi {(xi , Pi ), 1 ≤ i ≤ n}.
Avec X(Ω) = {x1 , . . . , xn } tels que x1 < x2 < · · · < xn , alors
∀x ∈] − ∞, x1 [; F(x) = 0
k
X
∀x ∈ [xk , xk+1 [; F(x) = Pi
i=1
∀x ∈ [xn , +∞[; F(x) = 1
Pi = F(xi ) − F(xi−1 ); pour tout 2 ≤ i ≤ n
Exemple :
Construire graphiquement la fonction de répartition F dans
l’exercice précédent ?
Sommaire
Lois usuelles
Espérance mathématique :
Si X = {x1 , x2 , ..., xn } est une variable aléatoire et
P(X = xi ) = pi . Alors
n
X
E(X) = pi xi = m.
i=1
Remarque
Y = aX + b ⇒ E(Y) = aE(X) + b
La variable Y = X − E(X) est centrée c-a-d (E(Y) = 0).
Xn
k
Moment d’ordre k : E(X ) = pi xki
i=1
Sommaire
Lois usuelles
Variance d’une variable aléatoire :

Soient X = {x1 , x2 , ..., xn } est une variable aléatoire et
P(X = xi ) = pi .
Alors
Xn
2
V(X) = σ = pi (xi − m)2 = E(X2 ) − m2 .
i=1
Remarque
Y = aX + b ⇒V(Y) = a2 V(X).
X et Y indépendantes, V(X + Y) = V(X) + V(Y).
Sommaire
Lois usuelles
Lois discrètes usuelles

Loi de Bernoulli
Soit une expérience aléatoire qui n’admet que deux issues : 1 pour
”succès ”, 0 pour ”échec”. est une distribution discrète de probabilité,
qui prend la valeur 1 avec la probabilité p et 0 avec la probabilité
q = 1 − p. En d’autres termes
Pour chaque k ∈ X(Ω) = {0, 1}

 p si k = 1
P(X = k) = 1 − p si k = 0
0 si non

On dit alors que X suit une loi de Bernoulli de paramètre

p (X ∼ B(p)).
Sommaire
Lois usuelles
Loi Binomiale
Soit (un )n∈N une suite fini de n experiènce aléatoire (u1 , u2 , ...., un )
vérifie les conditions suivantes :
1 Chaque expérience suit une loi de Bernoulli de même paramètre.
2 Le résultat d’une expérience est indépendant des résultats des
autres.
Soit X une v.a.r qui associe le nombre de fois où on obtient le succès
après les n−expériences.
Pour chaque k ∈ X(Ω) = {0, 1, ..., n} alors P(X = k) = Ckn pk (1 − p)n−k .
On dit que X suit la loi Binomiale de paramètre p et n, on note
X ∼ B(n, p).
n
X
Vérification : Ckn pk (1 − p)n−k = (p + 1 − p)n = 1.
k=0
Sommaire
Lois usuelles
Loi géométrique
On répète l’expérience de Bernoulli jusqu’à le succès soit réalisé pour

la 1er fois, soit X le nombre des preuves effectuée.
X(Ω) = N∗ , soit k ∈ X(Ω) alors P(X = k) = (1 − p)k−1 p.
On dit que X suit une loi géométrique de parametre p, on note :
X ∼ g(p).
Xn n
X
Vérification : p(1 − p)k−1 = p p(1 − p)k = 1.
k=1 k=0
Sommaire
Lois usuelles
Loi de poisson
Une variable aléatoire suit la loi de poisson si X(Ω) = N et pour tout

k ∈ N,
k
P(X = k) = e−λ . λk!
On note X ∼ P(λ). !
+∞ k +∞ k
X λ X λ
Vérfication : e−λ = e−λ = e−λ eλ = 1.
k! k!
k=0 k=0
| {z }
eλ

Chapitre 1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre 1

Transféré par

Droits d'auteur :

Formats disponibles

Sommaire

Vocabulaire des probabilités

Chapitre 1 : Introduction au calcul des

I. MAHFOUDHI & R. OUNI

École Nationale d’ingénieurs de Monastir (ENIM)

Version provisoire merci de me signaler les erreurs!

Vocabulaire des probabilités

- On peut déterminer parfaitement, par avance, toutes les issues

- Quelle est la probabilité de l’événement.

- Quelle est la probabilité de l’événement.

• Variable aléatoire réelle discrète

Si d = 2 alors X = (x1 , x2 ) est appelé couple aléatoire.

X + Y, λX, sup(X, Y) et inf(X, Y)

. Loi de probabilité d’une variable aléatoire réelle discrète

Remarque Si {(xi , Pi ), i ≥ 1} est une loi de la variable aléatoire

Variance d’une variable aléatoire :

Lois discrètes usuelles

On dit alors que X suit une loi de Bernoulli de paramètre

On répète l’expérience de Bernoulli jusqu’à le succès soit réalisé pour

Une variable aléatoire suit la loi de poisson si X(Ω) = N et pour tout

Vous aimerez peut-être aussi