Chap1 Proba-Stat L2

1 Espaces probabilisés
Expérience aléatoire
Évènements
Notions de base pour le calcul de probabilités Espaces probabilisés
Dr. SIRIKI Ben 2 Conditionnement

Définition
INSTITUT SUPÉRIEUR D’INGÉNIERIE ET DE SANTÉ Quelques formules liées à la probabilité conditionnelle
17 janvier 2021
3 Indépendance
Indépendance d’une famille d’évènements
Cas d’un espace probabilisé produit
logo-isis-universite.jpg logo-isis-universite.jpg
1/34 2/34
Plan
1 Espaces probabilisés Évènements
Expérience aléatoire Espaces probabilisés
Évènements
Espaces probabilisés 2 Conditionnement
Définition
2 Conditionnement Quelques formules liées à la probabilité conditionnelle
3 Indépendance 3 Indépendance
3/34 4/34
Espaces probabilisés Espaces probabilisés
⇝ Expérience aléatoire ⇝ Expérience aléatoire
Définitions 1.1.
• On appelle expérience aléatoire une expérience (ou une situation) Exemple 1. On lance un dé cubique numéroté de 1 à 6 et on
dont le résultat (ou l’issue) ne peut pas être prévu de manière s’intéresse au numéro apparaissant sur la face supérieure du dé.
certaine. • Cette expérience est aléatoire car on ne peut pas prévoir à l’avance
• L’ensemble des résultats possibles d’une expérience aléatoire est le numéro qui apparaît.
appelé univers (ou univers des possibles, ou ensemble • L’univers de cette expérience aléatoire est Ω = {1, 2, 3, 4, 5, 6}.
fondamental), noté en général Ω. • Une éventualité est 𝜔 = {1}.
• Tout singleton de cet ensemble Ω est appelé un possible ou une
éventualité ou une issue. Il est dit réalisé s’il est effectivement
constaté lors d’un déroulement particulier de l’expérience.
5/34 6/34
Espaces probabilisés
⇝ Expérience aléatoire
Évènements
Exemple 2. On dispose de huit ampoules électriques et on s’intéresse Espaces probabilisés
à la durée de vie de chacune d’elles.
• Cette expérience est aléatoire car on ne peut pas prévoir à l’avance 2 Conditionnement
la durée de vie de ces ampoules. Définition
• L’univers de cette expérience aléatoire est ℝ∗+ =]0, +∞[ ; en effet Quelques formules liées à la probabilité conditionnelle
une durée de vie d’une ampoule qui fonctionne est un nombre
strictement positif.
Cet univers est un ensemble infini non dénombrable. 3 Indépendance
• Une éventualité est {1}.
7/34 8/34
⇝ Évènements ⇝ Évènements
Définitions 1.3.
Définition 1.2. Soit Ω un univers.
On appelle événement, toute partie de l’univers Ω, c’est-à-dire un • Pour tout événement 𝐴 de Ω, le complémentaire de 𝐴 dans Ω,
élément de 𝒫(Ω). noté 𝐴, est un événement,
• La réunion 𝐴 ∪ 𝐵 de Ω est un événement, appelé « 𝐴 ou 𝐵 »
− On appelle Ω évènement certain et ∅ l’évènement impossible. • L’intersection 𝐴 ∩ 𝐵 de Ω est un événement, appelé « 𝐴 et 𝐵 ».
Dans le cas où 𝐴 ∩ 𝐵 = ∅, on dit que les évènements 𝐴 et 𝐵 sont
− Un événement contenant un seul élément, si c’est possible, est appelé
incompatibles.
événement élémentaire de Ω.
9/34 10/34
⇝ Évènements ⇝ Évènements
Définition 1.4.
Soit (Ω, 𝒯) un ensemble probabilisable. On appelle système complet
d’événements de cet espace probabilisable toute famille finie ou
dénombrable (𝐴𝑖 )𝑖∈𝐼 d’événements, où 𝐼 = ℕ ou 𝐼 = �1, 𝑛� (𝑛 ∈ ℕ∗ ),
L’ensemble des évènements est appelé tribu, qu’on note 𝒯 :
s’ils sont deux à deux incompatibles et si ∪𝑖∈𝐼 𝐴𝑖 = Ω.
− quand Ω est fini ou dénombrable, on prend 𝒯 = 𝒫(Ω) ;
− quand Ω n’ est pas dénombrable, 𝒯 est une partie stricte de 𝒫(Ω).
Le couple (Ω, 𝒯) est appelé ensemble probabilisable.
Exemple 3.
− Si 𝐴 est un évènement, (𝐴, 𝐴) est un système complet
d’événements.
− Si l’univers est fini i.e Ω = {𝜔1 , 𝜔2 , … , 𝜔𝑛 }, la famille formée des
évènements élémentaires ({𝜔1 }, … , {𝜔𝑛 }) est un système complet
d’événements.
11/34 12/34
⇝ Espaces probabilisés
Évènements
Espaces probabilisés Définition 1.5.
On appelle probabilité sur l’espace probabilisable (Ω, 𝒯) toute
application ℙ ∶ 𝒯 → ℝ+ vérifiant
2 Conditionnement • ℙ (Ω) = 1,
Définition • pour toute suite (𝐴𝑖 )𝑖∈ℕ d’événements deux à deux incompatibles,
Quelques formules liées à la probabilité conditionnelle la série de terme général ℙ (𝐴𝑖 ) converge et
+∞
3 Indépendance ℙ (⋃ 𝐴𝑖 ) = ∑ ℙ (𝐴𝑖 ) .
𝑖∈ℕ 𝑖=0
Indépendance d’une famille d’évènements Pour tout 𝐴 ∈ 𝒯, ℙ (𝐴) est appelée la probabilité de l’événement 𝐴.
Le triplet (Ω, 𝒯, ℙ) est appelé espace probabilisé.

13/34 14/34
⇝ Espaces probabilisés ⇝ Espaces probabilisés
Théorème 1.7.
Proposition 1.6. Pour tout système fini d’événements (𝐴1 , ..., 𝐴𝑛 ) de l’espace
Soit (Ω, 𝒯, ℙ) un espace probabilisé. On a alors : probabilisé (Ω, 𝒯, ℙ), on a
𝑛
• ℙ (∅) = 0, ℙ (Ω) = 1 ; ∑ ℙ (𝐴𝑖 ) = 1.
• pour tout évènement 𝐴, 𝑖=1
ℙ (𝐴) = 1 − ℙ (𝐴) , 0 ≤ ℙ (𝐴) ≤ 1;

• pour tout couple d’évènements (𝐴, 𝐵),
ℙ (𝐴 ∪ 𝐵) = ℙ (𝐴) + ℙ (𝐵) − ℙ (𝐴 ∩ 𝐵) ; Proposition 1.8.
• pour tout couple d’évènements (𝐴, 𝐵) vérifiant 𝐴 ⊂ 𝐵, on a : Pour tout système complet fini d’événements (𝐴1 , ..., 𝐴𝑛 ) de l’espace
probabilisé (Ω, 𝒯, ℙ) et tout événement B, on a
ℙ (𝐵 ∖ 𝐴) = ℙ (𝐵) − ℙ (𝐴) , ℙ (𝐴) ≤ ℙ (𝐵) . 𝑛
ℙ (𝐵) = ∑ ℙ (𝐵 ∩ 𝐴𝑖 ) .
𝑖=1
15/34 16/34
Espaces probabilisés Plan
⇝ Espaces probabilisés
Définition 1.9.
Si Ω = {𝜔1 , … , 𝜔𝑛 } est un univers fini, l’unique probabilité ℙ vérifiant 1 Espaces probabilisés
1
∀𝑖 ∈ �1, 𝑛�, ℙ ({𝜔𝑖 }) =
𝑛 2 Conditionnement
est appelée probabilité uniforme sur Ω. Dans ce cas on parle
Définition
d’équiprobabilité.
Quelques formules liées à la probabilité conditionnelle
3 Indépendance
Théorème 1.10.
Soit Ω est un univers fini et 𝐴 un évènement. Si ℙ est la probabilité
uniforme sur Ω, alors
𝑐𝑎𝑟𝑑(𝐴)
ℙ (𝐴) =
𝑐𝑎𝑟𝑑(Ω)
17/34 18/34
Conditionnement
⇝ Conditionnement
Évènements
Espaces probabilisés Définition 2.1.
Soit 𝐴 un évènement de l’espace probabilisé (Ω, 𝒯, ℙ) vérifiant
ℙ (𝐴) ≠ 0, l’application :
2 Conditionnement
ℙ𝐴 ∶ 𝒯 ⟶ ℝ
Définition
Quelques formules liées à la probabilité conditionnelle ℙ(𝐵 ∩ 𝐴)
𝐵⟼
ℙ(𝐴)
est une probabilité sur (Ω, 𝒯, ℙ), appelée la probabilité conditionnelle
3 Indépendance relative à 𝐴.
Indépendance d’une famille d’évènements Pour tout évènement 𝐵, ℙ𝐴 (𝐵) qui est encore noté ℙ (𝐵|𝐴) est la
Cas d’un espace probabilisé produit probabilité de 𝐵 sachant 𝐴.
19/34 20/34
Conditionnement
⇝ Quelques formules liées à la probabilité conditionnelle

Évènements
2 Conditionnement Théorème 2.2. Formule des probabilités composées

Définition Si 𝐴1 , 𝐴2 , … , 𝐴𝑛 sont des événements tels que ℙ (𝐴1 ∩ ⋯ ∩ 𝐴𝑛 ) > 0,
alors
Quelques formules liées à la probabilité conditionnelle ℙ (𝐴1 ∩ 𝐴2 ∩ ⋯ ∩ 𝐴𝑛 ) = ℙ (𝐴1 ) ℙ (𝐴2 |𝐴1 ) ℙ (𝐴3 |𝐴1 ∩ 𝐴2 ) … ℙ (𝐴𝑛 |𝐴1 ∩ 𝐴2 ∩ ⋯ ∩ 𝐴𝑛−1 ) .
3 Indépendance
21/34 22/34
Conditionnement Conditionnement
⇝ Quelques formules liées à la probabilité conditionnelle ⇝ Quelques formules liées à la probabilité conditionnelle
Exemple 4. On dispose d’une urne avec 4 boules noires et 3 boules

rouges. On tire successivement 3 boules sans remise. Quelle est la
probabilité de n’avoir tiré que des boules noires ? Théorème 2.3. Formule des probabilités totales
Pour tout système complet fini d’événements (𝐴1 , ..., 𝐴𝑛 ) tel que
ℙ (𝐴𝑖 ) ≠ 0 pour tout 𝑖 ∈ �1, 𝑛� et si 𝐵 est un évènement, alors
Solution. Soient les évènements suivants : 𝐴 : « tirer que des boules 𝑛
noires au cours des trois tirages », 𝑅𝑖 : « tirer une boule rouge au 𝑖e ℙ (𝐵) = ∑ ℙ (𝐴𝑖 ) ℙ𝐴𝑖 (𝐵) .
𝑖=1
tirage », 𝑁𝑖 : « tirer une boule noire au 𝑖e tirage ».
Si on sait que l’événement 𝑁1 ∩ 𝑁2 ∩ ⋯ ∩ 𝑁𝑖 a été réalisé, il reste 4 − 𝑖
boules noires et 7 − 𝑖 boules dans l’urne. Ainsi
4 3 2 4
ℙ (𝐴) = ℙ (𝑁1 ) ℙ (𝑁2 |𝑁1 ) ℙ (𝑁3 |𝑁2 ∩ 𝑁1 ) = × × = .
7 6 5 35
23/34 24/34
Conditionnement Conditionnement
⇝ Quelques formules liées à la probabilité conditionnelle ⇝ Quelques formules liées à la probabilité conditionnelle
Exemple 5. On dispose d’une urne avec 4 boules noires et 3 boules

rouges. On tire successivement 2 boules sans remise. Quelle est la
probabilité d’avoir tiré une boule de chaque couleur ?
Théorème 2.4. Formule de Bayes
Pour tout système complet fini d’événements (𝐴1 , ..., 𝐴𝑛 ) , et tout
Solution. Soient les évènements suivants : événement 𝐵 de l’espace probabilisé (Ω, 𝒯, ℙ) de probabilité non
𝐴 : « tirer une boule de chaque couleur » nulle, tels que ℙ (𝐴𝑖 ) ≠ 0 pour tout 𝑖 ∈ �1, 𝑛�, on a
𝑅𝑖 : « tirer une boule rouge au 𝑖e tirage » ℙ𝐴𝑖 (𝐵) ℙ (𝐴𝑖 )
𝑁𝑖 : « tirer une boule noire au 𝑖e tirage » ℙ𝐵 (𝐴𝑖 ) = 𝑛 .
∑𝑗=1 ℙ𝐴𝑗 (𝐵) ℙ (𝐴𝑗 )
La famille (𝑁1 , 𝑅1 ) est un système complet d’événements donc
ℙ (𝐴) = ℙ (𝑁1 ) ℙ𝑁1 (𝐴) + ℙ (𝑅1 ) ℙ𝑅1 (𝐴)
= ℙ (𝑁1 ) ℙ𝑁1 (𝑅2 ) + ℙ (𝑅1 ) ℙ𝑅1 (𝑁2 )
4 3 3 4 4
= × + × = .
7 6 7 6 7 logo-isis-universite.jpg logo-isis-universite.jpg
25/34 26/34
Conditionnement Plan
⇝ Quelques formules liées à la probabilité conditionnelle
Exemple 6. On dispose d’une pièce équilibrée et d’une autre pièce 1 Espaces probabilisés
donnant Face avec la probabilité 13 . On prend une des deux pièces au
hasard, on la lance et on obtient Face. Quelle est la probabilité d’avoir 2 Conditionnement
utilisé la pièce équilibrée ?
3 Indépendance
Solution. Soient 𝐹 (resp. 𝑃) : « obtenir Face (resp. Pile) » et 𝐸:« utiliser Cas d’un espace probabilisé produit
la pièce équilibrée ». Comme les pièces sont choisies au hasard, on a
1
ℙ (𝐸) = ℙ (𝐸) = . Ainsi :
2
1
ℙ (𝐸) ℙ𝐸 (𝐹) ×1 3
ℙ𝐹 (𝐸) = = 1 21 21 1 = .
ℙ (𝐸) ℙ𝐸 (𝐹) + ℙ (𝐸) ℙ𝐸 (𝐹) 2 × 2 + 2 × 3
5
27/34 28/34
Indépendance
⇝ Indépendance d’une famille d’évènements

Évènements
Définitions 3.1.
Soit (Ω, 𝒯, ℙ) un espace probabilisé.
• Deux événements 𝐴 et 𝐵 de l’espace probabilisé (Ω, 𝒯, ℙ) sont dits
2 Conditionnement indépendants si
Définition ℙ (𝐴 ∩ 𝐵) = ℙ (𝐴) × ℙ (𝐵) .
Quelques formules liées à la probabilité conditionnelle
• On dit que les évènements 𝐴1 , ..., 𝐴𝑛 de (Ω, 𝒯, ℙ) sont des
événements mutuellement indépendants si pour toute partie
3 Indépendance non vide 𝐼 de �1, 𝑛�, on a
Cas d’un espace probabilisé produit ℙ (⋂𝐴𝑖 ) = ∏ ℙ (𝐴𝑖 ) .
𝑖∈𝐼 𝑖∈𝐼
29/34 30/34
Indépendance Indépendance
⇝ Indépendance d’une famille d’évènements ⇝ Indépendance d’une famille d’évènements
Proposition 3.2.
Deux événements 𝐴 et 𝐵 de l’espace probabilisé (Ω, 𝒯, ℙ) tels que 𝐴
Exemple 7. On lance n fois un dé équilibré. Quelle est la probabilité
ait une probabilité non nulle sont indépendants si, et seulement si,
de n’avoir eu le premier 6 qu’au 𝑛 e lancer ?
ℙ𝐴 (𝐵) = ℙ (𝐵).
Solution. Soit 𝑆𝑖 :« obtenir un 6 au 𝑖 e lancer ». On cherche alors ℙ (𝐴),

Proposition 3.3. où 𝐴 = 𝑆1 ∩ 𝑆2 ∩ … 𝑆𝑛 . L’énoncé sous-entend que les évènements 𝑆𝑖 sont
Si 𝐴 et 𝐵 sont deux événements indépendants de l’espace probabilisé mutuellement indépendants donc 𝑆1 , 𝑆2 , … , 𝑆𝑛 le sont aussi. Ainsi :
(Ω, 𝒯, ℙ), les événements 𝐴 et 𝐵, les événements 𝐵 et 𝐴 et les 𝑛−1
événements 𝐴 et 𝐵 sont indépendants. 5 𝑛−1 1
ℙ (𝐴) = ∏ ℙ (𝑆𝑖 ) 𝑆𝑛 = ( ) .
𝑖=1
6 6
La propriété précédente à toute famille finie d’évènement mutuellement

indépendants. logo-isis-universite.jpg logo-isis-universite.jpg
31/34 32/34
Indépendance
⇝ Cas d’un espace probabilisé produit

Évènements
Théorème 3.4.
Étant donnés deux espaces probabilisés finis (Ω1 , 𝒫(Ω1 ), ℙ1 ) et
2 Conditionnement (Ω2 , 𝒫(Ω2 ), ℙ2 ), il existe une probabilité ℙ sur l’espace probabilisable
Définition (Ω1 × Ω2 , 𝒫(Ω1 ) × 𝒫(Ω2 )) vérifiant, pour tout
Quelques formules liées à la probabilité conditionnelle (𝐴1 , 𝐴2 ) ∈ 𝒫(Ω1 ) × 𝒫(Ω2 )
ℙ (𝐴1 × 𝐴2 ) = ℙ1 (𝐴1 ) × ℙ2 (𝐴2 ).

3 Indépendance
Indépendance d’une famille d’évènements Cette probabilité est appelée probabilité produit ℙ1 de et de ℙ2 .
33/34 34/34

Chap1 Proba-Stat L2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chap1 Proba-Stat L2

Transféré par

Droits d'auteur :

Formats disponibles

1 Espaces probabilisés

Dr. SIRIKI Ben 2 Conditionnement

⇝ Expérience aléatoire ⇝ Expérience aléatoire

Espaces probabilisés Espaces probabilisés

Le triplet (Ω, 𝒯, ℙ) est appelé espace probabilisé.

Espaces probabilisés Espaces probabilisés

⇝ Espaces probabilisés ⇝ Espaces probabilisés

ℙ (𝐴) = 1 − ℙ (𝐴) , 0 ≤ ℙ (𝐴) ≤ 1;

⇝ Quelques formules liées à la probabilité conditionnelle

2 Conditionnement Théorème 2.2. Formule des probabilités composées

Exemple 4. On dispose d’une urne avec 4 boules noires et 3 boules

Exemple 5. On dispose d’une urne avec 4 boules noires et 3 boules

⇝ Indépendance d’une famille d’évènements

⇝ Indépendance d’une famille d’évènements ⇝ Indépendance d’une famille d’évènements

Solution. Soit 𝑆𝑖 :« obtenir un 6 au 𝑖 e lancer ». On cherche alors ℙ (𝐴),

La propriété précédente à toute famille finie d’évènement mutuellement

⇝ Cas d’un espace probabilisé produit

ℙ (𝐴1 × 𝐴2 ) = ℙ1 (𝐴1 ) × ℙ2 (𝐴2 ).

Vous aimerez peut-être aussi