1

Introduction
La théorie des probabilités est une
branche des mathématiques qui permet
de modéliser des expériences où le
«hasard » intervient et d'en faire l'étude
théorique.
2
 I. Définitions préliminaires
 Expérience aléatoire :
Une expérience est dite aléatoire lorsque
son résultat est déterminé par le hasard.
Il ne peut donc pas être prévu à l'avance
avec certitude. 3
 I. Définitions préliminaires (suite)
Exemple : Le lancer d’un dé ordinaire est une
expérience aléatoire car le résultat de
l’expérience est inconnu au départ.
Par contre, le lancer d’un dé tel que toutes les
faces portent le numéro 1, ce ne serait pas une
expérience aléatoire; car le résultat serait
connu: il est certain que le numéro 1 sortirait.
4
 I. Définitions préliminaires (suite)
 Univers: On représente le résultat de cette
expérience comme un élément w de l´ensemble
Ω (prononcer « oméga ») de tous les résultats
possibles. Ω est appelé l'ensemble fondamental
ou encore l’univers des possibles (i.e. : Ω
représente tous les états possibles dans
l’expérience).
5
Exemples :
1) Lancer un dé : Ω ={1,2,3,4,5,6}
2) Lancer une pièce de monnaie: Ω={P,F} .
3) Considérer une urne dans laquelle il y a deux
boules blanches (B1, B2) et une boule rouge
(R). Alors l’épreuve consiste à tirer
simultanément deux boules. Dans ce cas la
l’univers Ω ={{B1, B2},{B1, R} ; {B2, R}}
6
Exemples (suite):
L'univers peut contenir un nombre infini
d’éléments.

4) On note le revenu mensuel d'un individu

choisi au hasard d’une population donnée.
Ω = [ 0 DH, 7 000DH ]
(En admettant que le revenu mensuel ne peut
excéder 7 000DH.) 7
 I. Définitions préliminaires (suite)
 Evénement: Un sous-ensemble de l’ univers,
Ω, est appelée événement. Il est constitué par
des issues (ou des résultats) d'une expérience
aléatoire.
Exemple: A=«La somme des points est
supérieur à 10 » est un événement que l'on
peut obtenir en lançant deux dés. 8
 I. Définitions préliminaires (suite)
 Evénements particuliers:
L’événement Ω est appelé événement
certain. Il se réalise toujours.
Exemple :

« Tirer un nombre entre 1 et 6 » en lançant un

dé numéroté de 1 à 6 est l'événement certain.
9
 Evénements particuliers (suite)
 L’événement , ensemble vide, est appelé
événement impossible. Il ne se réalise jamais.
Exemple : «Tirer un 7 » est un événement
impossible lorsque l'on lance un dé numéroté de
1 à 6.
 On appelle événement élémentaire une partie
de Ω réduite à un seul élément (i.e : un
singleton de Ω ). Il se réalisé d’une seule façon.
10
 Evénements particuliers (suite)
 Soit un évènement contraire de A qu’on

note par ( ), est l’ ensemble des éventualités

(événements élémentaires) de Ω
n’appartiennent pas à A. Autrement dit c’est
le complémentaire de A dans Ω.
Exemple: 11
Exemple:
On lance un dé et on regarde
le nombre obtenu. On considère
l’événement A : "Le résultat est
impair". Son événement contraire
est :«Le résultat est pair».
12
 Evénements particuliers (suite)
Deux événements A et B sont incompatibles
s’ils ne peuvent pas se réaliser en même
temps, c’est-à-dire si AB=,
Exemple: On tire un dé. Soient l’événement A
est « obtenir 2, 4 ou 6 » et l’événement B
«obtenir 1». Les événements A et B sont
incompatibles (ou disjoints). 13
 Opérations sur les événements
Les événements étant des ensembles,
on utilisera trois operateurs définis sur
les ensembles:
 L’union, « »
 L’intersection, «∩»
 Le complémentaire, «\»
Soient A et B deux événements d’un
univers, . 14
 Opérations sur les événements (suite)
AB (prononcer A inter B)= événement « A
et B »: signifie que A et B se réalisent
simultanément.
AB (prononcer A union B)= événement «A
ou B» : signifie qu’au moins un des
événements A ou B se réalise.
 A\B = A : signifie que A se réalise seul.
15
 Loi de Morgan
 E et F étant des événements de Ω, on a :
 
 Généralisation, soient A1, A2, …, An des
événements de Ω alors on a:
n n
  Ai   Ai
i=1 i=1
n n
  Ai   Ai
i=1 i=1
 Tribu (ou algèbre) d’événements
Quand Ω est infini non dénombrable on
ne peut plus en général considérer que
tous les éléments de (Ω) sont des
événements.
Définition: On appelle tribu ou
algèbre (lire sigma-algèbre) sur Ω toute
partie, , de (Ω) telle que :
 Définition (suite)

1)  ;
2) A; (=\A);
3) Si (An)n est une suite
d’éléments de  alors:
 A n et  A n sont dans .
n  n
 Exemples :
 Tribu grossière ={, }

 Tribu des parties (appelée aussi tribu discrète) = ()

 Tribu des boréliens ={]a,+[, a (ou )}, lorsque = 

 Tribu des boréliens ={]a,b[, a<b, (a,b)  ²}, lorsque =I

intervalle de .

 Autres exemples de tribus ={A, , , }; ={a,b,c,d},

={,{a},{b,c,d}, }
 Choix d’une tribu :
Le 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 (=  ou I) on travaille avec la
tribu borélienne.
 II Espaces probabilisés
L’idée est de construire un cadre
mathématique (un modèle probabiliste) où on
cherche à remplir les conditions suivantes :
•Attribuer une probabilité à toute partie de .
•Respecter quelques règles simples de calcul.
Dans la pratique, on attribue une probabilité,
non pas à toute partie de , mais …
 II Espaces probabilisés (suite)

… seulement aux parties appartenant à

une certaine classe , en général contenue
dans l’ensemble P(), où  est l’ensemble
des événements élémentaires.
Le but est de construire un triplet
(,,P) avec lequel on peut étudier
(modéliser) toute expérience aléatoire.
 a) Espace probabilisable

Définition :
On appelle espace probabilisable
(,) tout couple formé d’un
ensemble non vide 
.
 b) Espace probabilisé

Définition :
On appelle "espace probabilisé"
tout triplet (,,P), où P est
une probabilité sur (,).
 c) Probabilité
Définition
On appelle probabilité (ou mesure de
probabilité) sur algèbre  toute
application
P  [0; 1]
AP(A)
vérifiant les deux axiomes suivants :
 c) Probabilité (suite)
1) P() = 1.
2) Pour toute suite A1,A2, . . . d’événements
de  disjoints ( i.e. pour tout i  j,

AiAj=), on a:  
P (  A i )=  P (A i )
i= 1 i= 1

Dès lors que P est définie, le triplet (, , P)

s’appelle un espace probabilisé.
 Interprétation
Quand une expérience aléatoire est répétée
un très grand nombre de fois, la fréquence
relative, f, de réalisation d'un événement se
rapproche d'une valeur particulière : la
probabilité de réalisation de cet événement. En
effet, Blaise Pascal (1623-1662), Pierre Fermat
(1601-1665) Avec N répétitions d’une expérience aléatoire, f
f le nombre de fois que l’événement A s’est
P (A)  lim produit. P(A) est la probabilité de l’événement
N  N A. C’est la loi des grands nombres.
 Propriétés
Soit P une probabilité définit de  vers [0,1],
nous pouvons établir les propriétés suivantes:
1)P()=0 ;
2)P( )=1P(A) ( 
3)AB alors P(A) P(B) (P est croissante) ;
4)P(AB)= P(A)+ P(B)P(AB).
 Probabilités discrètes
(probabilité en univers fini ou dénombrable)
On suppose que l'ensemble des événements
possibles est fini ou dénombrable. On note
(= {0,…,n,…}= {n, n} où les points
i sont distincts) l'ensemble des résultats
dénombrable.
 On définit la probabilité pi de chaque résultat
élémentaire i on a alors une suite
(p0,...,pn….) de nombres tels que : 0 ≤ pi ≤ 1
et =1

 La probabilité d’un événement quelconque A

est donné par: p(A)= i

 Cas d’un univers fini équiprobable
C’est le cas où cardinal de  est fini, égal à N,
et où tous les pi sont égaux (forcément à 1/N).
On notera que si A est une partie de  , on a
alors : cardinal A A
p(A)  
cardinal  
Cette probabilité est appelée probabilité uniforme sur Ω.
Exemple:
 Dans l’exemple précédent du lancer de dé, on a nomme A
l’événement « obtenir 2 ou 5 », donc A={2,5}.
On a: card (A) 2
P(A)= 
card () 6
 On tire avec une pièce non truquée jusqu’à obtenir
pile. L’univers est *, et pour n*, on a évidemment
1
P(n )= n .
2
 III Conditionnement et Indépendance
a) Probabilité conditionnelle
Définition:
Si P(B)>0, on appelle probabilité conditionnelle de A sachant B,
le réel :

PB(A) = P(A|B) =

b) Formule des probabilités composées

Il est courant de connaître directement P(A|B), ce qui permet de
calculer la probabilité conjointe par la formule de probabilités
composées
= P(A|B)×
c) Indépendance d’événements
Définition:
Soit (; ; P) un espace probabilisé. On dit que deux événements A et
B sont indépendants si l’on a la relation :
P(AB)=P(A)×P(B)
Théorème :
Si A et B sont deux évènements indépendants et que P(B)≠ 0 alors ceci
équivaut à affirmer que
PB(A) = P(A|B) = P(A)
Interprétation: Lorsque deux évènements sont indépendants, le fait que
l’un des évènements soit réalisé, n’apporte aucune information sur la
réalisation de l’autre
Propriété:
Soient A et B deux événements tels que P(B)>0, alors

P(B|A)
P(A|B) =

Cette formule permet de lier les probabilités

conditionnelles P(A|B) et P(B|A).
d) Partition Probabilités totales
d.1) Partition
Les événements B1, B2, …, Bn forment une partition de 
signifié qu’ils sont deux á deux incompatibles et que leur
réunion est .

d.2) Formule de probabilités totales

Si les événements B1, B2, …, Bn forment une
partition de , alors pour tout événement A :
n n
P(A)= P(A  Bi )   P(A | Bi )  P(Bi ).
i=1 i=1
e) Théorème de Bayes
Un corollaire au théorème des probabilités totales est
connu sous le nom de formule de Bayes.
Théorème (Formule de Bayes):
Si les événements A1, A2,….,Ai,…..,An forment une
partition de , et quel que soit l’évènement B tel
que P(B) ≠ 0, alors:
P(B | Ai )p(Ai )
P(Ai |B ) 
P(B | A1 )p(A1 )  P(B | A2 )p(A2 )    P(B | A n )p(An )

P(B | A i )p(A i )
 n

 P(B | A )p(A )
i=1
i i
Formule de Bayes (suite)
Cette dernière formule s’utilise souvent aussi avec
l’événement A et son contraire . On obtient :

P(A|B) =