Académique Documents
Professionnel Documents
Culture Documents
https://www.youtube.com/channel/UCWrHPjpNXZiGHqSw6hseiLw?view_as=subscriber
https://ettahrifouad1.wixsite.com/prepasmarrakech
9 mars 2021
1
Probabilités (partie 1)
Sommaire
I) Espaces probabilisés 3
1) Espaces probabilisables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2) Espaces probabilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3) Événements négligeables, événements quasi certains . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
4) Construction d'une probabilité sur un univers au plus dénombrable . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Exemples
I Soit n ∈ N∗ . On lance une pièce n fois, on compte le nombre de lancés pour avoir pille : Ω = [[1, n]] (est ni).
I On lance une pièce une innité de fois, on compte le nombre de pilles obtenus : Ω = N (est dénombrable).
I On observe une bactérie, on s'intéresse à la durée de vie de la bactérie : Ω = [0, +∞[ (intervalle de R, n'est pas dénom-
brable).
Dénition 2 (Tribu).
Soit Ω un ensemble non vide et T une famille de parties de Ω.
I On dit que T est une tribu sur Ω si :
B Ω∈T,
B T est stable par complémentaire : ∀A ∈ T , Ac ∈ T , [
B T est stable par union dénombrable : ∀n ∈ N, An ∈ T , An ∈ T .
n∈N
I Tout élément de T est appelé événement.
Exemples
I T = {∅, Ω} est une tribu sur Ω, dite la tribu grossière.
I T = P(Ω) est une tribu sur Ω, dite la tribu discrète.
Remarque 1.
I On vérie aisément qu'une intersection de tribus sur Ω est une tribu sur Ω.
I Soit A ⊂ P(Ω). On appelle tribu engendrée par A l'intersection de toutes les tribus sur Ω qui contiennent A, c'est
la plus petite tribu sur Ω contenant A.
I Lorsque Ω = R, la tribu engendrée par l'ensemble des intervalles ouverts de R est dite la tribu borélienne de R et
notée B(R).
2) Espaces probabilisés
Dénition 3 (Probabilité).
Soit (Ω, T ) un espace probabilisable.
I On appelle probabilité sur l'espace (Ω, T ) toute application P : T → [0, 1] telle que :
B P(Ω) = 1, !
[ +∞
X
B Pour toute suite (An )n∈N d'événements deux à deux incompatibles (disjoints), on a P An = P(An ).
n∈N n=0
I La propriété précédente est appelée la σ -additivité de P.
I Le triplet (Ω, T , P) est appelé un espace probabilisé.
card(A)
Exemple (Probabilité uniforme) sur Ω un univers ni, on dénit la probabilité uniforme par ∀A ∈ P(Ω), P(A) = card(Ω)
n
! n
[ X
± Pour toute suite nie (Ai )1≤i≤n d'événement, P Ak ≤ P(Ak ).
k=1 k=1
La propriété ± est appelée la sous-additivité de P.
Exercice 1
On lance un dé équilibré une innité de fois. Quelle est la probabilité que tous les lancés donnent le nombre 6.
Solution
Pour tout n ≥ 1, on considère les événements A " Tous les lancés donnent le nombre 6
An " Les n premiers
" et lancés donnent
6". n
\ 1
Comme la suite (An )n≥1 est décroissante et A= An , alors P(A) = lim P (An ) = lim =0
n→+∞ n→+∞ 6
n≥1
Exercice 2
On lance un dé équilibré jusqu'à l'obtention d'un 2. Quelle est la probabilité que tous les nombres obtenus soient pairs.
Solution
Pour tout n ≥ 1, on considère les événements A " Tous les nombres obtenus soient pairs " et An " Les n − 1 premiers lancés
donnent 4
ou 6 et le n-ème lancé donne 2 ".
Comme les An sont disjoints (pour n < m, si An est réalisé alors le n-ème lancé donne 2 et si Am est réalisé, alors le n-ème lancé
+∞ +∞ n−1
[ X X 2 1 1
donne 4 ou 6, donc An ∩ Am = ∅) et A = An , alors P(A) = P (An ) = × =
n=1 n=1
6 6 4
n≥1
I Le tirage est successif et avec remise (ou non exhaustifs) : après chaque tirage la bille est remise dans l'urne.
Solution
On pose N = N1 + N2 le nombre de billes dans l'urne.
On dit que B est quasi certain (on dit aussi presque sûr), si P(B) = 1.
Exemples
I L'événement impossible ∅ est négligeable.
I L'événement certain Ω est quasi-certain.
I A, B ∈ T , alors
Soit
B A est négligeable =⇒ A ∩ B est négligeable.
B B est quasi-certain =⇒ A ∪ B est quasi-certain.
[
I Soit (An )n∈N une famille d'événements négligeables, alors An est négligeable.
n∈N
\
I Soit (Bn )n∈N une famille d'événements quasi certains, alors Bn est quasi certain.
n∈N
Solution
\ [ [ \ [ [ +∞
X
Pour tout n ∈ N, Ak ⊂ Ak , donc 0 ≤ P Ak ≤ P Ak ≤ P(Ak ).
n∈N k≥n k≥n n∈N k≥n k≥n k=n
X +∞
X \ [
Puisque la série P(An ) est convergente, alors P(Ak ) −→ 0, par suite P Ak = 0
n→+∞
n≥0 k=n n∈N k≥n
X
I Dans ce cas ∀A ∈ T , P(A) = pω .
ω∈A
I On dit que la famille (pω )ω∈Ω dénit une loi de probabilité sur (Ω, T ).
Exemples
n k n−k
I Soit p ∈ [0, 1], ∀k ∈ Ω = [[0, n]], pk =k p (1 − p) .
(pk )k∈[[0,n]] dénit une loi de probabilité sur ([[0, n]], P([[0, n]]), dite loi uniforme de paramètre n et p.
1) Probabilités conditionnelles
T → [0, 1]
L'application PB : est une probabilité sur (Ω, T ), appelée probabilité conditionnelle sachant l'événement
A 7→ P(A∩B)
P(B)
B.
(On note aussi P(A/B) = PB (A)).
Remarque 3.
La formule des probabilités composées permet de calculer la probabilité d'une intersection d'évènements dépendants à
l'aide de probabilités conditionnelles.
Exercice 5
Soit n ∈ N∗ . Une urne contient n boules blanches et n boules rouges. On tire les boules deux par deux et sans remise jusqu'à
vider l'urne.
¬ Calculer la probabilité pn que l'on tire à chaque tirage une boule blanche et une boule rouge.
Étudier la convergence de la suite (pn )n∈N∗ . Interpréter le résultat.
Solution
Pour k ∈ [[1, n]], on!note Ak l'évènement " on tire une boule blanche et une boule rouge au k-ème tirage ".
\n
¬ pn = P Ak , On utilise la formule des probabilités composées
k=1
n−1
!
\
pn = P(A1 )P(A2 /A1 )P(A3 /A1 ∩ A2 )...P An / Ak
k=1
n n n−1 n−1 1 1
1 × 1 1 × 1 1 × 1 n!2n
= 2n
× 2n−2
× ... × 2
=
2 2 2
(2n)!
2(n+1)2
pn+1
X
Comme ∀n ≥ 1, pn > 0 et
pn = → 21
(2n+1)(2n+2) n→+∞ < 1,
pn convergente, par suite
par le critère d'Alembert, la série
n≥1
pn → 0. Quand le nombre de boules est très grand, il est très peu probable de tirer à chaque fois une boule blanche et une
n→+∞
boule rouge
X X
P(B) = P(B ∩ Ak ) = P(B/Ak )P(Ak )
k∈I k∈I
Remarque 4.
La formule des probabilités totales est un théorème qui permet de calculer la probabilité d'un événement B en le décom-
posant suivant un système complet d'événements (Ak )k∈I .
!
[ [
B =B∩Ω=B∩ Ak = (B ∩ Ak )
k∈I k∈I
Exercice 6
Une urne A contient 6 boules blanches et 5 noires, tandis qu'une urne B contient 4 boules blanches et 8 boules noires. On
transfère aléatoirement deux boules de l'urne B dans l'urne A, puis on tire une boule dans l'urne A.
¬ Calculer la probabilité que l'on tire une boule blanche.
On a tiré une boule blanche. Calculer la probabilité qu'au moins une boule blanche ait été transférée de l'urne B à l'urne A.
Solution
Notons B l'évènement " on a tiré une boule blanche " et pour k ∈ [[0, 2]], Ak l'évènement " on a transféré k boules blanches de
l'urneB dans l'urne A ".
(82) 28 (8)(4) (42)
On a P(A0 ) = 12 =
66 , P(A1 ) = 1 12 1 = 32
66 , P(A2 ) = 12 6
= 66 .
(2) (2) (2)
¬ Comme (A0 , A1 , A2 ) est un système complet d'événements, d'après la formule des probabilités totales
2) Indépendances
L'indépendance est une notion probabiliste qualiant de manière intuitive des événements aléatoires n'ayant aucune inuence
l'un sur l'autre. Il s'agit d'une notion très importante en statistique et en théorie des probabilités.
Proposition 6.
c
A et B sont indépendants
Si A et B sont deux événements indépendants, alors Ac et B sont indépendants
c
A et B c sont indépendants
Remarque 6.
Une famille (Ak )k∈I d'événements deux à deux indépendants n'est pas nécessairement mutuellement indépendants, comme
le montre l'exemple suivant :
On lance deux dés équilibrés,
A " Le premier nombre obtenu est pair ", B " Le deuxième nombre nombre est pair " et C " La somme des nombres
obtenus est pair ".
Solution
Comme p est un diviseur positif de n, ∃q ∈ N, n = pq .
c ∈ Ap ⇐⇒ ∃k ∈ Z, c = kp
⇐⇒ ∃k ∈ [[1, q]], c = kp, car 1 6 c 6 n ⇐⇒ 1 6 kp 6 pq ⇐⇒ 1 6 k 6 q
⇐⇒ c ∈ {p, 2p, 3p, ..., qp}
card(Ap ) q 1
Ainsi Ap = {p, 2p, 3p, ..., qp}, par suite P(Ap ) = card([[1,n]]) = n = p.
(a) Montrons que les événements Ap1 , Ap2 , ..., Apr sont mutuellement indépendants.
\
c∈ Apnk ⇐⇒ ∀k ∈ [[1, s]], c ∈ Apnk
16k6s
⇐⇒ ∀k ∈ [[1, s]], pnk divise c
Ys
⇐⇒ ∀k ∈ [[1, s]], pnk divise c
k=1
car des nombres premiers distincts sont premiers entre eux
s
Y
⇐⇒ c ∈ Ap avec p = p nk
k=1
\ s
Y
Ainsi Ap n k = Ap avec p= pnk
16k6s k=1
s s
\ 1 1 Y 1 Y
Par suite P Apnk = P(Ap ) = = s = = P(Apnk ).
p Y pnk
16k6s p nk k=1 k=1
k=1
(b) i) Soit k ∈ [[1, n]].
k ∈ A ⇐⇒ k∧n=1
⇐⇒ ∀i ∈ [[1, r]], k ∧ pi = 1, car p1 , p2 , ..., pr les diviseurs premiers de n
⇐⇒ ∀i ∈ [[1, r]], pi ne divise pas k
⇐⇒ ∀i ∈ [[1, r]], k ∈ (Api )c
\ r
⇐⇒ k ∈ (Api )c
i=1
r
\
Ainsi A= (Api )c .
i=1
card(A) card{k∈[[1,n]], k∧n=1}
ii) On a P(A) = card([[1,n]]) n = = ϕ(n)
n .
D'autre part , puisque les événements Ap1 , Ap2 , ..., Apr sont mutuellement indépendants, alors
r
! r r r
\
c
Y Y Y 1
P(A) = P (Api ) = P ((Api )c ) = (1 − P(Api ) = 1− . Par suite
i=1 i=1 i=1 i=1
pi
r
Y 1 Y 1
ϕ(n) = n 1− =n 1−
i=1
pi p premier
p
p divise n
1) Généralités
Remarque 7.
Toute application de X : Ω −→ R est une variable aléatoire sur (Ω, P(Ω), P).
I On considère l'expérience aléatoire " on lance une pièce " (donc Ω = {P, F }).
Soit X " le nombre de pilles obtenus ".
Ω −→ (
R
Alors X: 1 si ω=P est une v.a.r sur (Ω, P(Ω), P).
ω 7−→
0 si ω=F
I On considère l'expérience aléatoire " on lance un dé deux fois " (donc Ω = {(i, j)/ i, j ∈ [[1, 6]]}).
Soit X " le
(somme des nombres obtenus ".
Ω −→ R
Alors X: est une v.a.r sur (Ω, P(Ω), P).
ω = (i, j) 7−→ i + j
Notation
Soit X une v.a.r sur (Ω, T , P) et A ⊂ R, On note (X ∈ A) l'ensemble X −1 (A) = {ω ∈ Ω, X(ω) ∈ A}.
En particulier, si a ∈ R, (X = a) = {ω ∈ Ω, X(ω) = a}, (X ≤ a) = {ω ∈ Ω, X(ω) ≤ a} et (X > a) = {ω ∈ Ω, X(ω) > a}.
Soit X1 , X2 , ..., Xn des v.a.r sur (Ω, T , P) et f : Rn → R continue, alors f (X1 , X1 , ..., Xn ) est une v.a.r sur (Ω, T , P).
® Soit (Xn )n∈N une suite de variable aléatoire qui converge simplement vers une application X : Ω → R, alors X est
une v.a.r sur (Ω, T , P).
Exemples
I Si X est une v.a.r sur (Ω, T , P), alors [X], X 2 sont des v.a.r sur (Ω, T , P).
I Si X, Y sont des v.a.r sur (Ω, T , P), alors X + Y , XY sont des v.a.r sur (Ω, T , P).
Application 1.
n
X n
Y
Soit X1 , X2 , ..., Xn des v.a.r sur (Ω, T , P), alors Xk , Xk , min(X1 , X2 , ..., Xn ) et max(X1 , X2 , ..., Xn ) sont des v.a.r
k=1 k=1
sur (Ω, T , P).
n
I(R) −→ [0, 1]
!
n
P(X1 ,...,Xn ) : \
I1 × ... × In 7−→ P
(Xk ∈ Ik )
k=1
(
R −→ R
FX :
t 7−→ PX (t) = P(X ≤ t)
Exemples (
0 si t≤c
I La fonction de répartition de la v.a.r constante X=c est donnée par : FX (t) = .
1 si t > c
I On considère l'expérience aléatoire " on lance une pièce deux fois, de faces numérotées par 1 et 2 ".
Soit X " la somme
des nombres obtenus ".
0 si t<2
1
si 26t<3
Alors FX (t) = 4
3
si 36t<4
4
1 si t>4
Proposition 9 (Propriétés de FX ).
I FX est croissante sur R.
I P(a ≤ X < b) = lim FX (x) − lim FX (x) et P(a < X < b) = lim FX (x) − FX (a).
x→b− x→a− x→b−
Exemple On lance un dé deux fois, on note X "le premier nombre obtenu" et Y "le deuxième nombre obtenu", alors X et Y
sont indépendantes, (car le deuxième lancé ne dépend pas du premier).
Exemples
I Si (X, Y ) est indépendante, alors (f (X), g(Y )) est indépendante.
En particulier (X, Y 2 ) est indépendante.
I Si (X, Y, Z) est indépendante, alors les familles (f1 (X), f2 (Y ), f3 (Z)), (g1 (X, Y ), g2 (Z)), (h1 (X), h2 (Y, Z)) et (k1 (X, Z), k2 (Y ))
sont indépendantes.
En particulier (X + Y, Z 2 ) est indépendante.