Académique Documents
Professionnel Documents
Culture Documents
Il est fini.
Exemple 1.1.2. h
Au nombre de globules blancs. L’univers est représenté par :
Ω = {1, 2, 3, . . . , n, . . . } ,
Il est infini dénombrable.
Dans ces deux exemples, l’univers est discret. Cependant, il se peut que l’univers soit continu
lorsqu’on s’intéresse :
Exemple 1.1.3. h
Au taux de glycémie. L’univers est défini par Ω = [0, 15] tel que au-delé de 15, l’individu n’est plus
en état de subir une prise de sang. L’univers est encore infini mais non dénombrable.
De maniére générale, lorsque l’univers est un intervalle de R, on parle d’univers continu.
1
Espaces de probabilités 2
Exemple 1.2.1. h
Dans l’expérience qui consiste é jeter deux dés numérotés de 1 é 6. L’univers est :
Ω = {(i, j) : i, j = 1, 2, 3, 4, 5, 6} ,
On considére l’événement :
A = {(1, 6); (2, 5); (3, 4); (4, 3); (5, 2); (6, 1)} .
Exemple 1.2.2. h
Dans l’expérience qui consiste é jouer é pile ou face jusqu’é l’obtention d’un pile. L’univers est
donné par :
Ω = {P, F P, F F, F F P, F F F P, . . . } ,
on considére l’événement :
Alors
B = {P, F P, F F P, F F F P } .
Exemple 1.2.3. h
Par rapport au taux de glycémie lors d’un contréle sanguin mentionné précédemment, on considére
l’événement :
C : ≪ Le taux de glycémie est supérieur é 15 ≫,
on déduit que :
C = [15, ∞[.
2
Espaces de probabilités 3
3
Espaces de probabilités 4
4
Espaces de probabilités 5
1.2.5 Propriétés
Rappelons les propriétés des opérateurs logiques
• Commutativité :
A ∪ B = B ∪ A,
A ∩ B = B ∩ A.
• Associativité :
A ∪ (B ∪ C) = (A ∪ B) ∪ C = A ∪ B ∪ C,
A ∩ (B ∩ C) = (A ∩ B) ∩ C = A ∩ B ∩ C.
• Distributivité :
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C),
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C).
Les relations entre les trois opérations de base consistant é former des unions, des intersec-
tions ou des complémentarités, sont trés utilisées et sont connues sous le nom des lois de
Morgan :
• Lois de Morgan :
A ∪ B = A ∩ B,
A ∩ B = A ∪ B.
• Extension des lois de Morgan :
∞
[ ∞
\
An = An ,
n=1 n=1
∞
\ ∞
[
An = An .
n=1 n=1
5
Espaces de probabilités 6
1.3 Probabilités
1.3.1 Définition et propriétés
Soit Ω l’univers d’une expérience aléatoire E et A une tribu.
Définition 1.3.1. h
On appelle probabilité sur (Ω, A), toute application P de A dans [0, 1] telle que :
1. P(Ω) = 1,
2. Si A et B sont deux événements aléatoires incompatibles, alors
P(A ∪ B) = P(A) + P(B),
3. Si (An )n∈N est une famille des événements aléatoires deux é deux incompatibles, alors
+∞
[ +∞
X
P( An ) = P(An ).
n=0 n=0
Solution :
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
1 1
= + − P ({P P })
2 2
3
P (A ∪ B) = .
4
6
Espaces de probabilités 7
Exercice 1.3.1. h
Soient A, B et C trois événements aléatoires, montrer que :
P(A ∪ B ∪ C) = P(A) + P(B) + P(C) − P(A ∩ B) − P(A ∩ C) − P(B ∩ C) + P(A ∩ B ∩ C).
Solution :
On est bien dans le cadre d’une probabilité uniforme avec :
Card(Ω) = ∁515 = 1001,
Soit A l’ événement aléatoire :
A : ≪ Le comité est composé de 3 hommes et 2 femmes ≫,
Comme on dispose de 6 hommes et 9 femmes, le nombre de cas favorables est :
Card(A) = ∁36 .∁29 = 240,
Finalement on trouve que :
240
P(A) = .
1001
7
Espaces de probabilités 8
P(A ∩ B)
P(A | B) = P(A/B) = ,
P(B)
P(A ∩ B)
P(B | A) = P(B/A) = .
P(A)
Exemple 1.4.1. h
Une piéce de monnaie est lancée deux fois. L’univers est :
Ω = {P P, P F, F P, F F }.
Quelle est la probabilité conditionnelle que les deux jets aménent é face sachant que le premier est
déjé un face ?
Solution :
Soient A et B les événements aléatoires suivants :
8
Espaces de probabilités 9
précédente respectivement par P (B) pour la premiére formule et par P (A) pour la deuxiéme formule
on obtient :
P(B)P(A | B) si P(A) ̸= 0
P(A ∩ B) = P(A)P(B | A) si P(B) ̸= 0
0 sinon
Cette définition est ainsi assez souvent utilisée pour calculer des probabilités d’intersection.
Exemple 1.4.2. h
Une étudiante hésite entre suivre un cours de langue ou un cours de science. Méme si elle préfére
suivre un cours de science, elle estime é 1/3 la probabilité d’obtenir la note C au cours de langue
contre 2/3 pour le cours de science. L’étudiante se base sur le jet d’une piéce de monnaie équilibrée
pour prendre sa décision.
Quelle est la probabilité d’obtenir la note C en cours de science ?
Solution :
Soient A et B les événements aléatoires suivants :
A = A ∩ Ω = A ∩ (B ∪ B) = (A ∩ B) ∪ (A ∩ B)
Car tout élément de A doit se trouver soit dans A et B é la fois, soit dans A mais pas dans B.
Comme (A ∩ B) et (A ∩ B) s’excluent mutuellement, la formule de probabilité totale est donnée
par :
Propriété 1.4.2. k
Soit A et B deux événements aléatoires avec P (A) ̸= 0 et P (B) ̸= 0. Alors,
9
Espaces de probabilités 10
Remarque 1.4.1. k
• Cette formule est extrémement utile puisqu’elle nous permet dans pas mal de cas de déterminer la
probabilité d’un événement en commenéant par le conditionner selon l’apparition ou non d’un autre
événement. En d’autres termes, il existe de nombreuses situations oé il est difficile de calculer direc-
tement la probabilité d’un événement mais oé il est par contre possible de la calculer en connaissant
ses probabilités conditionnelles.
• La formule des probabilités totales, peut étre interprétée de la faéon suivante : la probabilité
de l’événement A est une moyenne pondérée de la probabilité conditionnelle de A lorsque B est
apparu et de la probabilité conditionnelle du méme A lorsque B n’est pas apparu, les poids sont les
probabilités des événements conditionnels.
Exemple 1.4.3. h
On considére que 35% des abonnés aux réseaux mobiles sont des clients de l’opérateur A.
Parmi les clients de l’opérateur A, 25% ont un forfait 4 G alors que pour les autres opérateurs 15%
seulement ont un forfait de 4 G.
Quelle est la probabilité qu’un abonné quelconque ait un forfait 4 G ?
Solution :
On considére les événements aléatoires suivants :
A : ≪ Être un abonné de l’opérateur A ≫ et B : ≪ L’abonné a un forfait 4G ≫ , tels que P (A) = 0.35,
P (A) = 0.65, P (B/A) = 0.25, P (B/A) = 0.75, P (B/A) = 0.15 et P (B/A) = 0.85.
La probabilité qu’un abonné quelconque ait un forfait 4G c’est é dire P (B) est calculé en utili-
sant la formule de probabilité totale :
10
Espaces de probabilités 11
Propriété 1.4.3. Soient A et B deux événements aléatoires avec P (A) ̸= 0 et P (B) ̸= 0. Alors, on
a:
P (A)P (B/A)
P (A/B) = .
P (A)P (B/A) + P (A)P (B/A)
Exemple 1.4.4. h
Dans une population donnée, la proportion des fumeurs est de 30%. Sur la base d’une enquéte qui a
été menée, on a constaté que parmi les fumeurs 20% sont malades alors que uniquement 1% des non
fumeurs sont malades.
On préléve au hasard une personne, sachant qu’elle malade qu’elle est la probabilité qu’elle soit
fumeur ?
Solution :
On considére les événements aléatoires suivants :
F : ≪ La personne est fumeur ≫ et M : ≪ La personne est malade ≫, tels que P (F ) = 0.3, P (F ) =
0.7, P (M/F ) = 0.2, P (M /F ) = 0.8, P (M/F ) = 0.01 et P (M /F ) = 0.99.
P (M/F )P (F )
P (F/M ) =
P (M/F )P (F ) + P (M/F )P (F )
0.2 × 0.3
=
0.2 × 0.3 + 0.01 × 0.7
= 0.81
Propriété 1.4.4. Soient A1 , . . . , An , B des événements aléatoires non nuls. Alors pour tout entier j,
on a :
P (B/Aj )P (Aj )
P (Aj /B) = n .
X
P(B/Ai )P(Ai )
i=1
11
Espaces de probabilités 12
1.4.8 Indépendance
Définition 1.4.2. h
Soient (Ω, A, P ) un espace de probabilité et A et B deux événements aléatoires. On dit que A et B
sont indépendants si :
P (A ∩ B) = P (A)P (B).
Exemple 1.4.5. h
On jette deux piéces de monnaies équilibrées. Les quatre résultats possibles sont équiprobables.
Soient A et B les événements aléatoires suivants :
A La premiére piéce montre pile et B : La deuxiéme piéce montre face.
A et B sont ils indépendants ?
Solution :
A et B sont indépendants, en effet :
P (A ∩ B) = P {P F } = 1/4.
P (A) = P {P P ; P F } = 1/2.
P (B) = P {F F ; P F } = 1/2.
Donc :
P (A ∩ B) = P (A)P (B).
Remarque 1.4.2. h
Il ne faut pas confondre indépendance et incompatibilité . Si A et B sont indépendants alors :
P (A ∩ B) = P (A)P (B).
A∩B =∅ et P (A ∩ B) = 0.
P (A ∩ B) P (A)P (B)
P (A/B) = = = P (A).
P (B) P (B)
Propriété 1.4.5. h
Soient A et B deux événements aléatoires indépendants avec P (A) ̸= 0 et P (B) ̸= 0
— On a P (A/B) = P (A) et P (B/A) = P (B).
— De plus, on a :
— A et B sont indépendants.
— A et B sont indépendants.
— A et B sont indépendants.
h
Indépendance de plusieurs événements :
12
Espaces de probabilités 13
Définition 1.4.3. h
Soient A1 , A2 , . . ., An n événements aléatoires.
— On dit que A1 , A2 , . . . , An sont mutuellement indépendants si, pour toute famille finie J de
{1, ..., n}, on a : \ Y
P ( Aj ) = P (Aj ).
j∈J j∈J
— On dit que A1 , A2 , . . . , An sont deux é deux indépendants si, pour tous i et j de {1, ..., n}, on
a:
P (Ai ∩ Aj ) = P (Ai )P (Aj ).
13