Espaces Probabilisés

Notations et Vocabulaires :
Univers :
C’est l’ensemble Ω des résultats/états possibles dans une expérience. Exp : Ω étant l’ensemble des
nombres binaires à 2 chiffres, Ω = {(0, 0), (0, 1), (1, 0), (1, 1)}. L’ensemble des évènements de Ω est noté
𝒫𝒫(Ω)

Évènement :
Exp : L’évènement A de lancer un double dé, A = {(𝑖𝑖, 𝑖𝑖) | 𝑖𝑖 ∈ ⟦1, 6⟧}
Un événement appartient à 𝑃𝑃(Ω)

Probabilité :
Une probabilité sur un univers fini Ω est une application ℙ: 𝒫𝒫(Ω) → [0, 1]
ℙ(Ω) = 1
ℙ(∅) = 0
ℙ(𝐴𝐴̅) = 1 − ℙ(𝐴𝐴)
ℙ(𝐴𝐴 ∩ 𝐵𝐵) = ℙ(𝐴𝐴)ℙ(𝐵𝐵)
ℙ(𝐴𝐴 ∪ 𝐵𝐵) = ℙ(𝐴𝐴) + ℙ(𝐵𝐵) − ℙ(𝐴𝐴 ∩ 𝐵𝐵)
𝐴𝐴 ∩ 𝐵𝐵 = ∅ ⇒ ℙ(𝐴𝐴 ∪ 𝐵𝐵) = ℙ(𝐴𝐴) + ℙ(𝐵𝐵)

Distribution de probabilités :
On appelle distribution de probabilité sur Ω toute famille finie (𝑝𝑝𝜔𝜔)𝜔𝜔∈𝛺𝛺 indexée par Ω de réels positifs
dont la somme fait 1.

ℙ est une probabilité ssi �ℙ({𝜔𝜔})�𝜔𝜔∈𝛺𝛺 est une distribution de probabilité

Probabilité Uniforme :
𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶(𝐴𝐴)
ℙ(𝐴𝐴) =
𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶(Ω)

Espaces Probabilisés :
C’est un univers infini qui préserve l’axiome :

ℙ �� 𝐴𝐴𝑖𝑖 � = � ℙ(𝐴𝐴𝑖𝑖 )
𝑖𝑖∈𝐼𝐼 𝑖𝑖∈𝐼𝐼

Tribu :
Soit Ω un ensemble. Une tribu sur Ω est un ensemble ℱ de parties de Ω vérifiant les axiomes suivants :
1. Ω ∈ ℱ
2. Si A ∈ ℱ alors 𝐴𝐴̅ = Ω\A ∈ ℱ
 3. ℱ est stable par réunion dénombrable :
(𝐴𝐴𝑛𝑛 )𝑛𝑛∈ℕ ∈ ℱ ⇒ � 𝐴𝐴𝑛𝑛 ∈ ℱ
𝑛𝑛∈ℕ

On dit que (Ω, ℱ) est un espace probabilisable.

Exemples :
1. {∅, Ω} 𝑒𝑒𝑒𝑒 𝒫𝒫(Ω) sont des tribus sur Ω
2. 𝐴𝐴 ∈ 𝒫𝒫(Ω) ⇒ 𝜎𝜎({𝐴𝐴}) = {∅, 𝐴𝐴, 𝐴𝐴̅, Ω} est une tribu sur Ω

-Proposition :
Soit ℰ ⊂ 𝒫𝒫(Ω) quelconque. L’ensemble de parties

𝜎𝜎(ℰ): = � ℱ
ℱ 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡⊃ℰ

est une tribu : c’est la plus petite tribu contenant ℰ appelée tribu engendrée par ℰ.

Mesure :
� + véri�iant :
Une mesure sur une tribu ℱ est une application 𝜇𝜇: ℱ → ℝ
1. 𝜇𝜇(∅) = 0
2. Pour toute famille (𝐴𝐴𝑛𝑛 )𝑛𝑛∈ℕ d’éléments de ℱ disjoints 2 à 2, on a :

𝜇𝜇 �� 𝐴𝐴𝑛𝑛 � = � 𝜇𝜇(𝐴𝐴𝑛𝑛 )
𝑛𝑛∈ℕ 𝑛𝑛∈ℕ

Si de plus 𝜇𝜇(Ω) = 1, alors 𝜇𝜇 est une mesure de probabilité, qu’on va noter ℙ.

Théorème :
Il existe une unique mesure sur �ℝ, ℬ(Ω)� notée 𝜆𝜆 est appelée mesure de Lebesgue, telle que :

𝜆𝜆(]𝑎𝑎, 𝑏𝑏[) = 𝑏𝑏 − 𝑎𝑎, ∀(𝑎𝑎, 𝑏𝑏) ∈ ℝ2 ; 𝑎𝑎 < 𝑏𝑏

Conséquence :
Contrairement à la mesure de Dirac (qui est atomique), la mesure de Lebesgue est diffuse :
𝜆𝜆({𝑥𝑥}) = 0 Par conséquence : 𝜆𝜆(ℕ) = 𝜆𝜆(ℤ) = 𝜆𝜆(ℚ) = 0 et
𝜆𝜆(]𝑎𝑎, 𝑏𝑏[) = 𝜆𝜆([𝑎𝑎, 𝑏𝑏[) = 𝜆𝜆(]𝑎𝑎, 𝑏𝑏]) = 𝜆𝜆([𝑎𝑎, 𝑏𝑏]) = 𝑏𝑏 − 𝑎𝑎

Construction de probabilité :
Proposition : Soit (Ω, ℱ) un espace probabilisé, A et B deux événements de ℱ.

1. ℙ(𝐴𝐴̅) = 1 − ℙ(𝐴𝐴)
2. ℙ(𝐴𝐴 ∪ 𝐵𝐵) = ℙ(𝐴𝐴) + ℙ(𝐵𝐵) − ℙ(𝐴𝐴 ∩ 𝐵𝐵)
3. ℙ(𝐴𝐴 ∪ 𝐵𝐵) ≤ ℙ(𝐴𝐴) + ℙ(𝐵𝐵)
4. Si 𝐴𝐴 ⊂ 𝐵𝐵, 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 ℙ(𝐴𝐴) ≤ ℙ(𝐵𝐵)
Probabilité Conditionnelle :
Définition : Soit (Ω, ℱ) un espace probabilisé, A et B deux événements de ℱ tel que ℙ(𝐵𝐵) ≠ 0. La
probabilité de A sachant B, notée ℙ(𝐴𝐴|𝐵𝐵) est définie par :
ℙ(𝐴𝐴 ∩ 𝐵𝐵)
ℙ(𝐴𝐴|𝐵𝐵) =
ℙ(𝐵𝐵)
RQ :
ℙ(𝐴𝐴 ∩ 𝐵𝐵)
ℙ(𝐴𝐴 ∩ 𝐵𝐵) =
ℙ(Ω) = 1
Propriétés :
ℙ(𝐴𝐴|𝐵𝐵) = 0 𝑠𝑠𝑠𝑠 𝐴𝐴 ∩ 𝐵𝐵 = ∅
ℙ(𝐵𝐵|𝐵𝐵) = 1

Indépendance :
Définition : Soit (Ω, ℱ) un espace probabilisé, A et B deux événements de ℱ sont indépendants quand :
ℙ(𝐴𝐴 ∩ 𝐵𝐵) = ℙ(𝐴𝐴)ℙ(𝐵𝐵)
Théorème de Bayes :
ℙ(𝐵𝐵|𝐴𝐴)ℙ(𝐴𝐴)
ℙ(𝐴𝐴|𝐵𝐵) =
ℙ(𝐵𝐵)
������ = ℙ(𝐴𝐴̅|𝐵𝐵) = 1 − ℙ(𝐴𝐴|𝐵𝐵)
RQ : ℙ�𝐴𝐴|𝐵𝐵

Probabilités totales :
Théorème : Soit (Ω, ℱ) un espace probabilisé, (𝐴𝐴𝑛𝑛 )𝑛𝑛∈ℕ ⊂ ℱ une partition de Ω telle que ℙ(𝐴𝐴𝑛𝑛 ) ≠ 0 on
a:

ℙ(𝐵𝐵) = � ℙ(𝐵𝐵|𝐴𝐴𝑛𝑛 )ℙ(𝐴𝐴𝑛𝑛 )

𝑛𝑛

Probabilités Composées :
Théorème : Soit 𝐴𝐴1 , … , 𝐴𝐴𝑚𝑚 des événements tels que ℙ(𝐴𝐴1 ∩ … ∩ 𝐴𝐴𝑚𝑚 ) ≠ 0 Alors :
𝑚𝑚 𝑛𝑛−1

ℙ(𝐴𝐴1 ∩ … ∩ 𝐴𝐴𝑚𝑚 ) = � ℙ �𝐴𝐴𝑛𝑛 | � 𝐴𝐴𝑘𝑘 �

𝑛𝑛=1 𝑘𝑘=1