Chapitre 1

Probabilité : théorèmes généraux

Sommaire
1.1 Généralité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3 Probabilité conditionnelle . . . . . . . . . . . . . . . . . . . . . . 2
1.4 Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.1 Généralité
— L’expérience aléatoire : c’est toute expérience dont le résultat dépend du
hasard.
— Univers Ω : l’ensemble de tous les résultats possibles.
— Evénement : toute partie A ⊂ Ω.
— Ω : dénombrable ou continu.
— Evénement A : réalisable si w ∈ A ou non réalisable si w ∈/ A.
— ∅ : événement impossible.
— Ω : événement certain.
— Ā : événement contraire à A.
— A ∩ Ā = ∅ : événement incompatible.
— A ∪ B : A ou B.
— A ∩ B : A et B.

1.2 Probabilité
Définition 1.2.1. On appelle probabilité toute application

1
2 CHAPITRE 1. PROBABILITÉ : THÉORÈMES GÉNÉRAUX

P : P (Ω) → [0, 1]
A �→ P( A)
Vérifiant :
1. P(Ω) = 1
2. P(∪i Ai ) = ∑i P( Ai ) ; ∀{ Ai } deux à deux disjoints.
Proposition 1.2.1. Soit P une probabilité sur Ω.
1. P( Ā) = 1 − P( A)
2. P(∅) = 0
3. ∀ A, B; P( A ∪ B) + P( A ∩ B) = P( A) + P( B)
4. A ⊂ B ⇒ P( A) ≤ P( B)
Exemple 1.2.1. "Probabilité uniforme“
Soit Ω un univers fini ; Ω = {w1 , · · · , wn } alors il existe un unique probabilité
sur Ω vérifiant
1
P ( wi ) = , ∀ i
n
Cette probabilité est appelée probabilité uniforme et dans ce cas

card( A) | A|
P( A) = =
n n
Remarque 1.2.1. :
— On ne peut pas définir la probabilité uniforme sur un univers Ω infini.
— Dans le cas où Ω est dénombrable Ω = {w1 , w2 , · · · }. La connaissance de P(wi )
suffit pour connaître P.
Car ∀ A, P( A) = P(∪i {wi }) = ∑wi ∈ A P(wi ).

1.3 Probabilité conditionnelle

Définition 1.3.1. Soit P une probabilité définie sur Ω et soit A tel que P( A) �= 0. On
appelle probabilité conditionnelle à A la probabilité

PA = P(./A) : P (Ω) → [0, 1]

P( A ∩ B)
B �→ PA ( B) = P( B/A) =
P( A)

Exemple 1.3.1. Vérifiant que PA est une probabilité

P(Ω ∩ A) P( A)
— PA (Ω) = = =1
P( A) P( A)
— Soit { Bi } une famille d’événement deux à deux disjoints

P((∪i Bi ) ∩ A) P( Bi ∩ A)
PA (∪i Bi ) =
P( A)
= ∑ P( A)
= ∑ PA ( Bi )
i i

����� �� ����������� � �������� ������� � ����� � ���� �

1.4. INDÉPENDANCE 3

Proposition 1.3.1. "Formule de probabilité totale"

Soit P une probabilité sur Ω et soit { Ai } un système complet d’événement c-à-d
Ai ∩ A j = ∅; ∀i �= j et ∪i Ai = Ω.

∀ B; P( B) = ∑ P( B/Ai ) P( Ai )
i

Démonstration.
B ⊂ Ω ⇒ B = B ∩ Ω = B ∩ (∪i Ai )
⇒ B = ∪i ( B ∩ Ai )
⇒ P( B) = P(∪i ( B ∩ Ai )) = ∑i P( B ∩ Ai )

P( X ∩ Y )
P( X/Y ) =
P (Y )
⇒ P( B) = ∑ P( B/Ai ) P( Ai )
i

Proposition 1.3.2. "Formule de Bays"

Soit P une probabilité sur Ω et soit { Ai } un système complet d’événement.

P( B/Ai ) P( Ai )
∀ B; P( Ai /B) =
∑ j P( B/A j ) P( A j )

Proposition 1.3.3.

P( A1 ∩ A2 ∩ · · · ∩ An ) = P( A1 ) P( A2 /A1 ) P( A3 /( A1 ∩ A2 )) · · · P( An /( A1 ∩ · · · ∩ An−1 ))

Démonstration. Par récurrence sur n.

1.4 Indépendance
Définition 1.4.1. Soit P une probabilité sur Ω, on dit que A et B sont indépendants si :

P( A ∩ B) = P( A) P( B)

Remarque 1.4.1. :
— ∅ et A sont indépendants ∀ A.
— Ω et A sont indépendants ∀ A.
— A et B sont indépendants ⇔ P( A/B) = P( A) ⇔ P( B/A) = P( B).
— Si A et B sont indépendants alors ( Ā, B), ( A, B̄)et ( Ā, B̄) sont indépendants.

Définition 1.4.2. Soit P une probabilité sur Ω, et soit ( A1 , · · · , An ) n-événements.

— On dit que les Ai sont deux à deux indépendants si

∀i �= j; P( Ai ∩ A j ) = P( Ai ) P( A j )

����� �� ����������� � �������� ������� � ����� � ���� �

4 CHAPITRE 1. PROBABILITÉ : THÉORÈMES GÉNÉRAUX

— On dit qu’ils sont globalement indépendants si

∀ I ⊂ {1, 2, · · · , n}; P(∩i∈ I Ai ) = ∏ P( Ai )

i∈ I

Remarque 1.4.2. :
— globalement indépendants implique deux à deux indépendants.
— Deux à deux indépendants n’implique pas en général globalement indépendants.

����� �� ����������� � �������� ������� � ����� � ���� �