Probabilités et variables aléatoires

Partie 2
Pr. SAHLAOUI Mohammed
École Supérieur en Sciences
Appliquées de Tlemcen
2020/2021

1
 2ième définition de probabilité
Reprenons le jeu de pile ou face et faisons un
test sur n parties. Au bout de n parties nous
aurons nA fois l’évènement pile et n – nA fois
face. Soit
𝑛𝐴
𝑓=
𝑛
𝑓 s'appelle la fréquence de pile sur n parties.
Traçons la valeur de f en fonction de n sur
une série d'épreuves.
2
Si l'on poursuit le jeu sur un grand nombre d'épreuves, la
fréquence f se rapproche de plus en plus de 1/2. Autrement dit, la
fréquence « f » tend vers la probabilité d'apparition de
l'événement «𝑃(𝐴)», lorsque le nombre d'épreuves tend vers
l'infini
(𝑓 − 𝑃(𝐴)) → 0 lorsque 𝑛 → ∞
3
Ceci amène à une deuxième définition de la
probabilité :
La probabilité d'un événement est le nombre vers
lequel tend sa fréquence d'apparition lorsque le
nombre d'épreuves augmente indéfiniment.

Cette définition permet d'évaluer la probabilité

d'un événement de manière empirique en se
basant sur la continuité des causes qui peuvent le
provoquer. Les événements répondant à cette
définition sont dits « aléatoires stationnaires ».
4
 Expérience aléatoire et événements
Définitions : Il est naturel de représenter une
expérience aléatoire par l’ensemble de toutes ses
éventualités.

Par exemple lancer un dé peut se représenter par

l’ensemble Ω = {1,2,3,4,5,6}
Un événement est un ensemble d’éventualités; par
exemple "il sort un nombre pair" est représenté par le
sous-ensemble A = {2, 4, 6}.
L’ensemble des éventualités autres que celles de A est
un événement appelé contraire de A ; il est noté 𝐴.ҧ
Toujours avec le même exemple, 𝐴ҧ = {1, 3, 5}.
5
Deux événements A et B peuvent avoir des
éventualités en commun.
L’ensemble des éventualités communes à A et B
constitue un événement noté A∩B et appelé
conjonction des événements A et B. Avec l’exemple
ci-dessus, si A = "il sort un nombre pair"= {2, 4, 6} et
B ="il sort un nombre supérieur ou égal à 4" = {4, 5,
6}, on a A ∩ B = {4, 6}.

Si on réunit les éventualités de deux événements A

et B, on obtient un événement appelé événement A
ou B et noté A∪B. Toujours avec l’exemple
précédent, on a A∪B = {2, 4, 5, 6}.
6
 Expérience aléatoire probabilisée
Expérience aléatoire ℇ : expérience dont le résultat ne
peut pas être déterminé avec certitude.

Univers de ℇ = ensemble des résultats possibles de ℇ. On

le note Ω.

Définition : Si une expérience aléatoire ℇ est schématisée

par un ensemble fini Ω appelé univers des possibles,
alors :
• les éléments de Ω sont appelés éventualités.
• les éléments de l’ensemble 𝒫(Ω) des parties de Ω sont
appelés événements.

Résultat élémentaire de ℇ = résultat possible de ℇ. C’est

un élément de Ω . On le note ω
7
Ex1 : l’expérience ℇ : « lancer d’un dé régulier »
Ω = {1,2,3,4,5,6}, ω = 2 est un résultat possible

Ex2 : l’expérience ℇ : « jet de deux pièces de

monnaie distinguables ». Ω={(P,P) ; (P,F) ; (F,P) ;
(F,F)}. ω = (P,P) est un résultat possible.

Ex3 : l’expérience ℇ : « lancer d’un crayon sur une

feuille de papier de dim l·L ». Chaque point de la
feuille est repéré par son abscisse et son ordonnée.
Ω={(x,y), x∈ [0,l], y ∈[0,L]} = infini. ω = (l/2,L/2) est
un résultat possible.

8
Ensemble 𝓟(𝛀) des parties de Ω : ensemble
constitué de tous les sous-ensembles (parties)
de Ω.
Ex0 : Si Ω = {a, b, c} , 𝒫(Ω) a 8 éléments :
• l'ensemble vide : ∅
• les parties à un élément seul : {a},{b}, {c}
• les parties à deux éléments : {b,c},{a,c},{a,b}
• les parties à trois éléments : {a, b, c} = Ω

9
Evènement (aléatoire) = une partie (sous-ensemble) de Ω, ou
une assertion (affirmation), qui peut ou non se réaliser suivant
l'issue de ℇ.
Réalisation d’un événement : Soit A un évènement de Ω. Soit
ω le résultat de l’expérience. On dit que l’événement A s’est
réalisé ssi l’une des éventualités constituant A s’est réalisée.
Ainsi on a :
• 𝐴 réalisé ⇔ 𝜔 ∈ 𝐴 𝑒𝑡 𝐴ҧ non réalisé
• A = Ω se réalise toujours. On l’appelle évènement certain.
• A = ∅ ne se réalise jamais. On l’appelle évènement
impossible.
• A = {w} s’appelle événement élémentaire.
• 𝐴⋂𝐵 réalisé ⇔ 𝐴 réalisé et B réalisé
• 𝐴⋃𝐵 réalisé ⇔ 𝐴 réalisé ou B réalisé

10
Ex1 : A = « le lancer est pair » = {2,4,6}.
Ex2 : A = « on obtient deux piles » = {(P,P)}
Si le résultat de ℇ est ω = (F,P) alors A ne se
réalise pas

11
On utilisera le vocabulaire suivant :

12
 Opérations sur les évènements
Complémentaire de A : événement constitué des résultats élémentaires
de Ω qui ne sont pas dans A. Soit ω le résultat de l’expérience :
𝐴ҧ = 𝜔 ∈ Ω ⇔ 𝜔 ∉ 𝐴
𝐴ҧ se réalise ssi A ne se réalise pas : non A

Réunion de A et B: évènement constitué des résultats élémentaires de

Ω qui appartiennent à A ou à B (ou aux deux). Soit ω le résultat de
l’expérience :
𝐴 ∪ 𝐵 = 𝜔 ∈ Ω, 𝜔 ∈ A ou 𝜔 ∈ B
𝐴 ∪ 𝐵 se réalise ssi A se réalise ou B se réalise : A ou B

Intersection de A et B: évènement constitué des résultats élémentaires

de Ω qui appartiennent à la fois à A et à B. Soit ω le résultat de
l’expérience
𝐴 ∩ 𝐵 = 𝜔 ∈ Ω, 𝜔 ∈ A et 𝜔 ∈ B
𝐴 ∩ 𝐵 se réalise ssi A et B se réalisent : A et B
13
 Relations particulières
Inclusion : A est inclus dans B ssi tout élément de
A appartient à B :
𝐴 ⊂ 𝐵 ⇔ ( 𝜔 ∈ A ⇒ 𝜔 ∈ B)
Si A est réalisé alors B est réalisé

Disjonction ou incompatibilité: A et B sont

disjoints ssi A et B n’ont pas d’éléments communs
:
𝐴 et 𝐵 disjoints ⇔ (𝐴 ∩ 𝐵) = ∅
A et B disjoints : A et B sont incompatibles
14
 Relations particulières
Système complet d’évènements : Soient A1, A2, A3,…, An,
n événements. On dit que {A1, A2, A3,…, An} constitue un
système complet d'événements s’ils forment une
partition de Ω : c.-à-d.
• s’ils sont deux à deux incompatibles
∀𝑖 ≠ 𝑗, (𝐴𝑖 ∩ 𝐵𝑗 ) = ∅
• si leur réunion est l'événement certain Ω
𝑛

ራ 𝐴𝑖 = Ω
𝑖=1

Ex : (𝐴,ҧ 𝐴) forme un système complet d’évènements.

15
 Tribu d’évènements de Ω,
espace probabilisable
Tribu d’un ensemble de parties de Ω: Soit 𝒜 ∈ 𝒫(Ω). 𝒜 est
une tribu ou sigma-algèbre si elle contient Ω et est stable par
complémentation et réunion dénombrable. On dit alors que
(Ω,A) est un espace probabilisable.
Exemples :
• Tribu grossière 𝒜 = { ∅ , Ω }
• Tribu des parties (appelée aussi tribu discrète) 𝒜 = 𝒫(Ω)
• Tribu des boréliens 𝒜 = {]a, + ∞[, a ∈ ℚ (ou ℝ)}, lorsque
Ω =ℝ
• Tribu des boréliens 𝒜 = {]a, b[, a < b, (a, b) ∈ I 2 }, lorsque
Ω = I intervalle de ℝ
Autres exemples de tribus
• 𝒜 = { A, 𝐴,ҧ ∅ , Ω },
• Si Ω = {a,b,c,d}, 𝒜 = { ∅, {a}, {b, c, d} , Ω }
16
 Tribu d’évènements de Ω,
espace probabilisable

Choix d’une tribu : se fait en fonction de

l’information qu’on a sur le problème. lorsque
l’univers est fini ou dénombrable, on travaille
généralement avec la tribu discrète. Lorsque
l’univers est infini (Ω = ℝ ou I) on travaille avec
la tribu borélienne.

17
 Notions de base: probabilité
La Probabilité est une fonction permettant de « mesurer
» la chance de réalisation d’un évènement de 𝒫(Ω) (ou
plus généralement d’une tribu 𝒜).

Soit n > 0 un entier fixé. Notons fA la fréquence de

l’événement A au cours de n répétitions successives de
l’expérience aléatoire. On voit immédiatement que
l’application 𝐴 ↦ 𝑓𝐴 possède les deux propriétés
suivantes :
1) 𝑓Ω = 1
2) 𝐴 ∩ 𝐵 = ∅ ⇒ 𝑓𝐴⋃𝐵 = 𝑓𝐴 + 𝑓𝐵
Les axiomes des probabilités sont calqués sur ces
propriétés de la fréquence.

18
 Notions de base: probabilité
Définition : L’univers fini Ω est probabilisé si à
chaque événement 𝐴 ∈ 𝒫(Ω) est associé un
nombre P(A) ≥ 0, appelé probabilité de A de
telle sorte que pour 𝐴, 𝐵 ∈ 𝒫(Ω) les deux
propriétés suivantes soient satisfaites :
• 𝑃 Ω = 1,
• 𝐴 ∩ 𝐵 = ∅ ⇒ P A⋃B = P A + P B
• Le couple (Ω, P) où l’application P définie sur
𝒫(Ω) vérifie les conditions ci-dessus, est
appelé espace probabilisé.

19
 Notions de base: probabilité
Les propriétés immédiates de la probabilité sont les suivantes :
Proposition : Si (Ω, P) est un espace probabilisé fini, pour tous
A, B ∈ 𝒫(Ω), on a
• 0 ≤ 𝑃 𝐴 ≤ 1, ∀𝐴 ∈ 𝒜
• 𝑃 𝐴ҧ = 1 − 𝑃(𝐴)
• P ∅ =0
• P A⋃B = P A + P B − 𝑃 𝐴 ∩ 𝐵
• 𝑃 𝐴 ≤ 𝑃 𝐵 , 𝑠𝑖 𝐴 ⊂ 𝐵

De plus si A1 . . . , An sont des événements deux à deux

incompatibles,
𝑛 𝑛

𝑃 ራ 𝐴𝑖 = ෍ 𝑃(𝐴𝑖 ) ,
𝑖=1 𝑖=1
20
 Notions de base: probabilité
Dès lors que P est définie, (Ω, 𝒜, 𝑃) s’appelle un espace
probabilisé.
Si 𝑃 𝐴 = 0, A est presque impossible. On écrit 𝐴 = ∅ p.i
Si 𝑃 𝐴 = 1, A est presque sûr. On écrit 𝐴 = Ω p.s

Définition : Soit Ω = {ω , . . . , ω } un espace probabilisé

fini et soient 𝑝1 = 𝑃 ω ,1… , 𝑝𝑛 =𝑛 𝑃 ω les probabilités
des éventualités de Ω. La 1
suite des nombres
𝑛
𝑝𝑖 , 𝑖 =
1, … , 𝑛, s’appelle la distribution de probabilité sur Ω.

Ces nombres 𝑝𝑖 vérifient les propriétés suivantes :

1. 0 ≤ 𝑝𝑖 ≤ 1, pour tout 𝑖 ∈ {1, … , 𝑛}
2. σ𝑛𝑖=1 𝑝𝑖 = 1
3. si 𝐴 = ⋃𝑖∈𝐽{ω } alors 𝑃 𝐴 = σ𝑖∈𝐽 𝑝𝑖
𝑖
21
 Notions de base: probabilité
Définition : Etant donné un univers Ω, on appelle
système complet d’événements toute partition
(𝐴𝑖 )𝑖∈I de l’ensemble Ω. Autrement dit les 𝐴𝑖 sont
des événements deux à deux incompatibles et de
réunion égale à Ω.

Souvent on attache plus d’importance à un système

complet d’événements (𝐴𝑖 )𝑖∈I et aux événements
obtenus comme réunion de certains 𝐴𝑖 qu’aux
éventualités (i.e. les éléments de Ω). Dans ce cas, on
considère les (𝐴𝑖 )𝑖∈I comme de nouvelles
éventualités et on n’utilise alors que la distribution de
probabilité associée aux 𝐴𝑖 .

22
 Notions de base: probabilité
Exemple : Si on joue avec 2 dés, blanc et rouge,
l’expérience aléatoire peut être modélisée par
l’ensemble Ω des couples (b, r) où b le numéro
obtenu avec le dé blanc et r le numéro obtenu
avec le dé rouge. Autrement dit Ω est le produit
cartésien
Ω = 1, … , 6 × 1, … , 6
Considérons les événements 𝐴𝑖 , 2 ≤ 𝑖 ≤ 12
définis par :
𝐴𝑖 = ”𝑙𝑎 𝑠𝑜𝑚𝑚𝑒 𝑑𝑒𝑠 𝑝𝑜𝑖𝑛𝑡𝑠 𝑚𝑎𝑟𝑞𝑢é𝑠 é𝑔𝑎𝑙𝑒 𝑖”

23
 Notions de base: probabilité
Les, 𝐴𝑖 (2 ≤ 𝑖 ≤ 12) forment un système complet d’événements.
Si on ne s’intéresse qu’à la somme des points marqués, il est plus
commode d’introduire un nouvel espace Ω′ = {𝐴2 , 𝐴3 , . . . , 𝐴12 } dont
les nouvelles éventualités sont les 𝐴𝑖 et la distribution de probabilité
sur Ω′ est :
1 2 4 4
𝑃 𝐴2 = , 𝑃 𝐴3 = , 𝑃 𝐴4 = , 𝑃 𝐴5 = ,
36 36 36 36
5 6 5 4
𝑃 𝐴6 = , 𝑃 𝐴7 = , 𝑃 𝐴8 = , 𝑃 𝐴9 = ,
36 36 36 36
3 2 1
𝑃 𝐴10 = , 𝑃 𝐴11 = , 𝑃 𝐴12 =
36 36 36

Soit A l’événement "la somme des points marqués est supérieure ou

égale à 10". On a
3 2 1 1
𝑃 𝐴 = 𝑃 𝐴10 + 𝑃 𝐴11 + 𝑃 𝐴12 = + + =
36 36 36 6

24
 Probabilité équidistribuée
Généralités
Soit Ω = {ω1 . . . , ω𝑛 } un ensemble fini, P une
probabilité sur Ω, et 𝑝1 = 𝑃 ω1 , … , 𝑝𝑛 = 𝑃 ω𝑛 la
distribution de probabilité correspondante sur Ω.

Lorsqu’il n’y a pas lieu d’attacher aux différents

évènements élémentaires des probabilités
différentes, on a pour tout ω𝑖 , 𝑝𝑖 = 𝑝 . On dit que
l’univers est équiprobable.
Lorsque l’univers est fini, de cardinal card Ω = |Ω|,
on a
1
p= .
Ω
25
 Probabilité équidistribuée
Définition : On dit que la probabilité est
équidistribuée (ou uniforme) sur Ω si
1
𝑝1 = 𝑝2 = ⋯ = 𝑝𝑛 =
𝑛
Proposition : Si la probabilité est équidistribuée sur
Ω, pour tout événement A, on a
𝑐𝑎𝑟𝑑 𝐴
𝑃 𝐴 =
𝑐𝑎𝑟𝑑Ω

en d’autres termes plutôt anciens,

𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑎 𝐴
𝑃 𝐴 =
𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑠 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒𝑠

26
 Probabilité équidistribuée
La plupart des exemples élémentaires de probabilité équidistribuée ont
trait aux jeux de hasard :

Ex1 : Quand on lance un dé, quelle est la probabilité d’obtenir un nombre

supérieur à 4 (événement A) ? L’expérience aléatoire se modélise par
l’ensemble Ω = {1, ..., 6}. Si le dé n’est pas truqué, il est naturel d’admettre
qu’aucune face n’est privilégiée donc que la probabilité est équidistribuée.
On a donc P(A) = p5 + p6 = 2/6=1/3.

Ex2 : En tirant une carte d’un jeu de 32 cartes, quelle est la probabilité
d’obtenir un as (événement A) ? L’expérience a ici 32 éventualités chacune
équiprobable. Donc P (A) = 4/32 = 1/8.

Ex3 : Si on tire successivement 3 cartes d’un jeu de 32 cartes (sans remise)

quelle est la probabilité d’obtenir 3 as (événement A) ? Ici la réponse
dépend d’une modélisation convenable de l’expérience aléatoire
consistant à tirer 3 cartes sans remise. Sa solution est étudiée dans le
paragraphe suivant.

27
 Tirages sans remise
Les tirages sans remise interviennent si souvent dans les
modèles probabilistes qu’il convient que le débutant ait des
idées claires sur cette question. Soit E un ensemble de N
objets.

Par définition «tirer un objet au hasard dans E» est une

expérience aléatoire probabilisée qu’on modélise par l’espace Ω
= E, et on suppose que la probabilité est équidistribuée sur Ω
(c’est ce qui justifie le terme tirer au hasard, ce qui suppose que
les objets ont été bien mélangés et que chaque objet a la même
probabilité d’être choisi).

Supposons qu’il y ait dans E un nombre NC d’objets possédant

une certaine caractéristique C, alors la probabilité de tirer un
objet de type C est égale à NC/N c.-à-d., c’est la proportion
d’objets de type C dans E.
28
 Tirages sans remise
Si maintenant on tire au hasard successivement r objets sans
remise dans 𝐸 (1 < 𝑟 ≤ 𝑁) (i.e. on tire un objet dans E puis
un deuxième dans E, etc... mais à chaque fois sans remettre les
différents objets déjà tirés).
Comment modéliser cette expérience aléatoire ?

On convient de ne s’intéresser qu’aux r objets tirés et non à

l’ordre dans lequel ils ont été tirés (autrement dit tout se passe
comme si on avait tiré les r objets d’un seul coup dans E). Tout
sous ensemble de E à r éléments est une éventualité. On
modélise donc l’expérience aléatoire «tirer r objets dans E sans
remise» par l’espace 𝛺 = {𝐹 ∈ 𝒫(𝐸); 𝑐𝑎𝑟𝑑𝐹 = 𝑟}
de toutes les parties de E ayant r éléments. On sait à partir de
l’analyse combinatoire que
𝑛!
𝑐𝑎𝑟𝑑 𝛺 = 𝐶𝑛𝑟 = .
𝑟! 𝑛−𝑟 !

29
 Tirages sans remise
Par définition (de "au hasard") on suppose que la
probabilité est équidistribuée sur Ω, c.-à-d., que chaque
éventualité a pour probabilité
1 1
= .
𝑐𝑎𝑟𝑑 𝛺 𝐶𝑛𝑟
Ainsi si on tire au hasard 3 cartes (sans remise) d’un jeu de
32 la probabilité d’obtenir 3 as (événement A) est égale à
𝑐𝑎𝑟𝑑 𝐴 𝐶43 4
𝑃 𝐴 = = 3 = = 0.0008
𝑐𝑎𝑟𝑑 𝛺 𝐶32 4960
La probabilité d’obtenir au moins un valet (événement B)
(en tirant toujours 3 cartes), vaut
3
𝐶28 819 421
𝑃 𝐵 = 1 − 𝑃 𝐵ത = 1 − 3 = =
𝐶32 1240 1240
Avec 𝑃 𝐵ത la probabilité de ne pas obtenir de valet. 30
 Tirages avec remise
Les tirages avec remise donnent lieu à une toute autre
modélisation. Faire n tirages au hasard avec remise dans
un ensemble E, c’est tirer un objet dans E, noter le
résultat observé, remettre l’objet dans E, mélanger les
objets puis ré-effectuer encore n − 1 fois la même
opération.
L’expérience aléatoire «tirer n objet au hasard avec
remise dans E» est donc représentée par l’univers
𝛺 = 𝐸 × · · · × 𝐸 = 𝐸𝑛
il est naturel de supposer que les éventualités sont toutes
équiprobables, c’est-à-dire
1
∀𝜔 ∈ 𝛺, 𝑃 (𝜔) =
(𝑐𝑎𝑟𝑑𝐸)𝑛

31
 Tirages avec remise
Exemple : si on tire 3 cartes au hasard avec
remise dans un jeu de 32 cartes, l’événement A
= «obtenir trois as» est composé de 4 × 4 × 4 =
64 éventualités différentes. On a donc
64
𝑃 (𝐴) = 3
32
Remarque : La notion de tirage avec remise est
liée à la notion de répétition d’expériences
aléatoires indépendantes que nous
modéliserons dans le chapitre suivant.
32