Vous êtes sur la page 1sur 6

CHAPITRE 2 : ESPACES DE

PROBABILITE

1
I/ Définitions :
A/ Soit ꭥ un ensemble et soit A une famille de parties de ꭥ .
On dit que A est une algèbre si et seulement si :

- ꭥ ∈A

- si A ∈ A alors Ᾱ = ꭥ - A ∈A

- si A et B ∈ A alors A ∪ B ∈ A

Conséquences :
- ∅ ∈ A car ∅ = ꭥ
- si A et B ∈ A alors A ∩ B ∈ A car :

A ∩ B = Ᾱ∪B.
Si la stabilité par union finie est vérifiée pour une union infinie dénombrable,
alors la structure s'appelle σ – algèbre ou tribu notée ζ :

∀ ( An) n∈ℕ ∈ ζ , U An ∈ ζ .

B/ Soit ꭥ un ensemble et ζ une tribu sur ꭥ .

Le couple (ꭥ , ζ ) s'appelle espace probabilisable.

Soit P : ζ ℝ

On dit que P est additive si ∀ A et B ∈ ζ

t.q A ∩ B = ∅ , P (A ∪ B ) = P (A) + P(B).

Conséquences
- P (∅) = 0
car : P(A) = P( A ∪ ∅ ) = P(A) + P(∅)
- ACB P (B - A) = P(B) - P(A)
car : B = A ὑ (B - A) P(B) = P(A) + P (B – A)
2
- si P est positive alors P est croissante.
En effet : A C B P(B) – P(A) = P(B – A) ≥ 0

- ∀ A , B ∈ ζ , A ∪ B = A ὑ (B – (A ∩ B ) )
donc P (A ∪ B ) = P(A) + P(B) – P (A ∩ B ).
Si on généralise la propriété d'additivité à une famille dénombrable infinie alors
on obtient la σ – additivité c.a.d :

∀ ( An) n∈ℕ ∈ ζ t.q A; ∩ A j = ∅ si i ≠ j ,

P ( U An ) = ∑∞
𝑛=1 𝑃 (An)

On appelle probabilité P une fonction σ – additive , positive avec P(ꭥ) = 1

(ꭥ , ζ , P ) s'appelle espace probabilisé ou espace de probabilité.

Remarques

1) ∀ A ∈ ζ , ∅ C A C ꭥ 0 ⩽ P(A) ⩽ 1
2) Un espace probabilisé est un espace mesuré.

La réciproque est vraie si (ꭥ) est finie.

3) Soit (ꭥ , ζ , P ) un espace probabilisé , et soit U une famille de parties

de ꭥ .
On appelle tribu engendrée par U notée σ (U ) , la plus petite tribu qui
contient U qui est aussi l'intersection de toutes les tribus qui
contiennent U .

On appelle tribu de Borel sur ℝ , la tribu engendrée par les intervalles


de ℝ , quelque soit la nature de ces intervalles.
Cette tribu de Borel est notée B ℝ .

II/ Probabilités conditionnelles :

Soit (ꭥ , ζ , P ) un espace probabilisé et soit A ∈ ζ tel que P(A) ≠ 0

3
Pour B ∈ ζ , on définit la probabilité conditionnelle de B par A comme suit :
𝑃(A ∩ B )
P( B/A ) = .
𝑃 (𝐴)

Ainsi , 𝑃(A ∩ B) = P(A) . P(B/A)


P (A ∩ B ∩ C ) = P (𝐴 ∩ B ) . P ( C / 𝐴 ∩ B )
= P (A) P (B/A) P (C / 𝐴 ∩ B )
Posons alors l'hypothèse de récurrence :
P ( A1 ∩ A2 ∩ … ∩ An ) = P (A1) . P (A2 / A1 ) … P ( An / A1 ∩ … ∩ A n-1 )

Alors :
P ( A1 ∩ … An ∩ A n+1 ) = P ( A1 ∩ … ∩ An ) . P ( A n+1 / A1 ∩ … An )

= P (A1) …… P (An / A1 ∩ … ∩ A n-1 ) . P ( A n+1 / A1 ∩ … A n )


Ainsi, la formule des probabilités composées est démontrée.

Remarque:
Si la réalisation de l'événement A n'a aucun impact sur la réalisation ou la non
réalisation de B alors P (B/A) = P(B) et P(𝐴 ∩ B ) = P(A) . P(B)
On dit alors que A et B sont indépendants.
On généralise cette définition à n événements :

A1 , … , An sont indépendants ⇔ P (∩ni=1 Ai ) = πn i=1 P( Ai )

Exemple 1:
Une urne contient 3 boules rouges, 5 vertes, 6 blanches équiprobables.
On tire 3 boules une par une et on cherche la probabilité pour que la première
boule tirée soit rouge , la deuxième verte et la troisième blanche.
Définissons les trois événements :

4
R = la première boule tirée est rouge.
V = la deuxième boule tirée est verte.
B = la troisième boule tirée est blanche.
P ( R ∩ V ∩ B ) = P(R) . P (V/R) . P (B/R ∩ V )
si le tirage est sans remise :
3 5 6
P(R∩V∩B)= * *
14 13 12

si le tirage est avec remise :


3 5 6
P(R∩V∩B)= * *
14 14 14

Remarque :
Le tirage avec remise correspond à l'indépendance des événements.

III/ Théorème des probabilités des causes ( BAYE ):


Un responsable s'approvisionne de 3 fournisseurs dans les proportions 30 % ,
50 % et 20 % .
Les taux de défectuosité pour ces 3 fournisseurs sont respectivement : 4 % ,
3 % et 6 % .
On contrôle une pièce au hasard et elle s'avère défectueuse.
Quelle est la probabilité que cette pièce provienne du 2ème fournisseur ?

Définissons les événements :


Ai = la pièce provient du fournisseur i , i = 1 , 2 , 3
A = la pièce est défectueuse.
D'après les données précédentes :
P(A1) = 0.3 , P(A2) = 0.5 , P(A3) = 0.2
P(A/A1) = 0.04 , P(A/A2) = 0.03 , P(A/A3) = 0.06

5
𝑃(𝐴∩A2) 𝑃(𝐴2).𝑃(𝐴/𝐴2)
P(A2/A) = =
𝑃(𝐴) 𝑃(𝐴)

A = ( A ∩ A1 ) ὑ ( A ∩ A2 ) ὑ P ( A ∩ A3 )
P(A) = P ( A ∩ A1 ) + P ( A ∩ A2 ) + P ( A ∩ A3 )
= P(A1) . P(A/A1) + P(A2) . P(A/A2) + P(A3) . P(A/A3)
0.5∗0.03
Donc P(A2/A) =
0.3∗0.04+ 0.5∗0.03 + 0.2∗0.06
0.015
= = 0.3846.
0.039

Comme cette probabilité ne dépasse pas 0.5, il faut tester les autres cas:
0.2∗0.06
P(A3/A) = = 0.30769
0.039

et P(A1/A) = 0.3077.
Finalement , c'est A2 le plus probable pour être à l'origine ou être la cause de
l'événement A .
Généralisons cet exemple .

Soit (ꭥ , ζ , P ) un espace probabilisé et soit ( A n ) n ∈ ℕ une suite de ζ t.q:

Ai ∩ Aj = ∅ si i ≠ j avec U Ai = ꭥ .

Soit A ∈ ζ t.q P(A) ≠ 0 .

On suppose que les suites :

P (A / An ) n ∈ ℕ et P(An ) n ∈ ℕ sont connues .

Alors le théorème de BAYE donne pour un événement particulier Ai :

P (Ai / A ) = (P(Ai ) . P(A / Ai )) / ( ∑𝑛 𝑃 (An ) . P ( A / An ) )

Remarque
P(A) = ( ∑𝑛 𝑃 (An ) . P ( A / An ) est la formule des probabilités totales.

Vous aimerez peut-être aussi