Académique Documents
Professionnel Documents
Culture Documents
Chapitre n◦ 8
Probabilités discrètes
2 Espaces probabilisés 5
2.1 Probabilité sur un univers fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Probabilité sur un univers quelconque . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1. E est dit fini ssi il existe un entier naturel n non nul et une bijection e : 1, n −→ E.
Dans ce cas, les éléments de E peuvent être énumérés en notant E = {e1 , . . . , en }.
Le nombre n des éléments de E est appelé cardinal de E et noté card (E) ou |E|.
Pour ce qui suit, on considère une expérience aléatoire E (ou épreuve), dont le résultat ne peut être
prévu à l’avance (il est soumis au hasard) et on note Ω l’ensemble des résultats possibles.
2. lancer une pièce jusqu’à obtenir pile et noter le nombre de lancers effectués ;
3. attendre un métro sachant qu’il en passe toutes les cinq minutes et noter le temps écoulé.
[
(Aj )j∈J , où J ⊂ N, ∀j ∈ J, Aj ⊂ Ω, Aj = Ω, (Aj )j∈J est un système
j∈J
est une partition de Ω. ∀i, j ∈ J, i 6= j, Ai ∩ Aj = ∅. complet d’événements de Ω.
Cas particuliers : − Si Ω = { ωi , i ∈ I } alors {ωi } i∈I est un système complet d’événements.
− Pour tout événement A, (A, A) est un système complet de deux événements contraires.
− Si (An )n∈N est une suite d’événements associés à E et si ω est le résultat de E, alors on a :
ω ∈ A1 ∩ · · · ∩ Ap ⇐⇒ ∀j ∈ 1, p , ω ∈ Aj ; ω ∈ A1 ∪ · · · ∪ Ap ⇐⇒ ∃j ∈ 1, p , ω ∈ Aj ;
+∞
\ +∞
[
ω∈ An ⇐⇒ ∀n ∈ N, ω ∈ An ; ω∈ An ⇐⇒ ∃n ∈ N, ω ∈ An .
n=0 n=0
2. En particulier, E p = |E × E ×
{z. . . × E
} = (x 1 , x2 , . . . , x p ) / ∀i ∈ 1, p , xi ∈ E .
p facteurs
Modèle de tirages successifs dans des urnes différentes : Si on tire successivement un élément dans
l’urne E1 contenant n1 éléments, un élément dans E2 à n2 éléments, ..., un élément dans Ep à np
éléments, alors il y a n1 × n2 × · · · × np tirages possibles (principe multiplicatif).
Modèle de tirages successifs avec remise dans une urne : Effectuer p tirages successifs avec remise
dans une urne contenant n éléments, c’est choisir une p-liste d’éléments de cette urne. Il y a donc np
façons de le faire. Dans ce cas, l’ordre intervient et il peut y avoir répétition d’un élément.
Propriété 5. Soit E de cardinal n, et p ∈ 1, n . Le nombre de p-listes d’éléments distincts
n!
de E (sans répétition) est : = n × (n − 1) × · · · × (n − p + 1).
(n − p)!
Modèle de tirages successifs sans remise dans une urne : Effectuer p tirages successifs et sans remise
dans une urne contenant n éléments, c’est choisir une p-liste sans répétition dans cette urne.
n!
Il y a donc façons de le faire. Dans ce cas, l’ordre intervient et il n’y a pas de répétition.
(n − p)!
Propriété 6. Soit E de cardinal n et p ∈ 0, n . Le nombre de parties à p éléments de E est :
n n! n × (n − 1) × · · · × (n − p + 1)
= = .
p (n − p)!p! p!
Modèle de tirage simultané dans une urne : Tirer simultanément p éléments dans une urne qui en
contient n, c’est
choisir une p-combinaison d’éléments de cette urne.
n
Il y a donc façons de le faire. Dans ce cas, il n’y a ni ordre, ni répétition d’un élément.
p
n!
si p ≤ n, le nombre d’applications de E dans F injectives est .
(n − p)!
2 Espaces probabilisés
P(Ω) −→ [0, 1]
Définition 3. Une probabilité sur Ω fini est une application P : vérifiant :
A 7−→ P(A)
1. P(Ω) = 1.
Dans cette section, Ω = {ω1 , . . . , ωn } et (Ω, P(Ω), P) est un espace probabilisé fini.
Propriété 8. (sous additivité finie) Soit (A1 , . . . , Ap ) une famille d’événements. Alors
Remarque : ∀i ∈ 1, n , P({ωi }) ∈ R+ et P({ω1 }) + · · · + P({ωn }) = P(Ω) = 1.
Remarque : Une probabilité P sur l’espace probabilisable fini (Ω, P(Ω)) est entièrement déterminée
par la distribution de probabilité (P({ωi }))1≤i≤n .
1. On tire successivement et sans remise trois boules. Quelle est la probabilité d’obtenir :
a) un tirage bicolore ? b) un tirage contenant exactement une rouge et un numéro 3 ?
2. Idem pour des tirages successifs avec remise, puis pour un tirage simultané de trois boules.
Remarque : Si, par exemple, Ω est un intervalle de R, alors il y a des parties de Ω dont on ne peut
pas calculer la probabilité. C’est pourquoi nous considérerons comme ensemble des événements, un
ensemble A de parties de Ω ayant de bonnes propriétés pour le calcul des probabilités. Pour de nom-
breuses situations (relativement compliquées), l’espace probabilisable (Ω, A ) ne sera pas explicité.
1. Ω ∈ A ;
+∞
[
3. pour toute suite (An )n∈N d’éléments de A , An ∈ A (stable par union dénombrable).
n=0
Dans ce cas, tout élément de A est appelé événement et (Ω, A ) est un espace probabilisable.
Cas particuliers : − {∅, Ω}, {∅, A, A, Ω} et P(Ω) sont des tribus sur Ω.
− Si Ω est fini ou dénombrable, on pourra toujours choisir comme tribu A = P(Ω) ;
− Si Ω n’est pas fini ou dénombrable, on supposera qu’il existe une tribu A adéquat sur Ω.
\ [ [ \
1. Aj = Aj ∈ A et Aj = Aj ∈ A ;
j∈J j∈J j∈J j∈J
\ \ [ [
2. B ∪ Aj = (B ∪ Aj ) ∈ A et B∩ Aj = (B ∩ Aj ) ∈ A .
j∈J j∈J j∈J j∈J
A −→ [0, 1]
Définition 6. Une probabilité sur (Ω, A ) est une application P : vérifiant :
A 7−→ P(A)
1. P(Ω) = 1 ;
Remarque : Les propriétés 7. et 8. sont encore vraies dans un espace probabilisé quelconque.
+∞ +∞
!
[ X
3. Dans tous les cas, on a : P An ≤ P(An ) (sous additivité).
n=0 n=0
1. A est dit presque sûr (resp. négligeable) ssi P(A) = 1 (resp. P(A) = 0).
P(A ∩ B)
P(B|A) = , noté aussi PA (B).
P(A)
A −→ [0, 1]
Alors l’application PA : est une probabilité sur (Ω, A ).
B 7−→ PA (B) = P(B|A)
Exercice 5. On considère un triangle équilatéral ABC de centre de gravité G. Une puce, qui se trouve
initialement en G, se déplace d’un point à un des trois autres avec la même probabilité.
Dans les deux cas, on adopte la convention P(An )P(B|An ) = 0 lorsque P(An ) = 0.
Exercice 6. Des boules numérotées 1, 2, . . . sont placées au hasard dans trois boites, successivement
et indépendamment les unes des autres.
1. On note Di :”deux boı̂tes sont non vides pour la 1ere fois lorsqu’on range la i-ième boule”.
+∞
X
Calculer P(Di ) puis P(Di ). Interpréter ce résultat.
i=2
2. On note Tj :”trois boı̂tes sont non vides pour la 1ere fois lorsqu’on range la j-ième boule”.
+∞
X
Calculer P(Tj ) puis P(Tj ). Interpréter ce résultat.
j=3
Propriété 16. (formule de Bayes) Soit A et B deux événements de A de probabilités non nulles.
P(A)P(B|A)
Alors on a : P(A|B) = .
P(B)
Remarque : Deux événements sont indépendants ssi la réalisation de l’un n’a aucune influence sur
celle de l’autre. Attention, deux événements de probabilités non nulles incompatibles ne sont pas
indépendants car P(A ∩ B) = 0.
On dit que (A1 , . . . , Ap ) est une famille d’événements (mutuellement) indépendants pour
\ Y
la probabilité P ssi ∀J ⊂ 1, p , P Aj = P(Aj ).
j∈J j∈J
Exercice 8. On lance deux dés bien équilibrés, un noir et un blanc. Montrer que les événements
suivants sont deux à deux indépendants, mais pas mutuellement indépendants :
A : ”le chiffre du dé noir est pair”;
B : ”le chiffre du dé blanc est impair”;
C : ”les deux chiffres ont la même parité”.
Exercice 9. Un archer tire sur deux cibles, une située à 20m et l’autre à 50m. Il effectue trois tirs
en changeant de cible à chaque fois. La probabilité d’atteindre la plus proche est p et la probabilité
d’atteindre la plus éloignée est q avec q < p. On suppose les tirs indépendants. Il gagne le jeu si il
atteint deux cibles consécutivement.
Par quelle cible a-t-il intérêt à commencer ?