Théorie et Calcul des Probabilités
Notes de Cours de Deuxième Année Mathématique
By Pr. Mbele Bidima Martin L.D.1
© 2022 - 2023. All rights reserved, except for
printing for study or teaching by citing the author.
1
Associate Professor of Applied Mathematics, University of Yaoundé I, Cameroon. For any typo or
remark kindly send to [email protected]
Chapitre 3
Espaces Probabilisés Conditionnels
et Indépendance
3.1 Espaces Probabilisés Conditionnels
Si l’on a l’information qu’un événement est réalisé avec une probabilité (à priori),
il est souvent courant de regarder la probabilité (à postériori) de réalisation d’un autre
événement coonnaissant la réalisation du premier. Ce concept est appelé probabilité
conditionnel et est défini formellement comme suit.
3.1.1 Définition de la Probabilité Conditionnelle
Définition 3.1.1. Soi (Ω, F, P) un espace probabilisé quelconque et B ∈ F un événement
telque P(B) > 0. On définit l’application notée PB ou P(·|B) de F vers l’intervalle [0, 1]
par,
P(A ∩ B)
PB (A) ≡ P(A|B) = , pour tout A ∈ F. (3.1)
P(B)
PB (A) ou P(A|B) se lit “probabilité de A conditionné par B” ou “probabilité de A sachant
B”. En effet,
Proposition et Définition 3.1.2. 1) PB est bien une probabilité sur l’espace proba-
bilisable (Ω, F).
2) (Ω, F, PB ) est ainsi appélé espace probabilisé conditionnel i.e., espace probabilisé
conditionné par l’événement B. P(B) est appelé ”probabilité à priori de (réalisation)
de l’événement B” et P(A|B) est appelé ”probabilité à postériori de (réalisation) d’un
événement A sachant que B est réalisé”.
Preuve. Trivial: on applique le fait que P est une probabilité, c.f. cours magistral.
36
MAT221 UYI 2022-2023 ©Pr. Mbele B.Chapitre 3. Espaces Probabilisés Conditionnels et Indépendance
3.1.2 Le Théorème de Bayes et ses Applications
La connaissance de base des espaces probabilisés conditionnels se resume à la compréhension,
la maı̂trise et l’application des résulats ci-après.
Proposition 3.1.3. (Formule des probabilités composées). Soit A et B deux événements
d’un espace probabilisé (Ω, F, P) de probabilités non nulles respectivement. Alors on a:
P(A ∩ B) = P(A|B)P(B) = P(B|A)P(A).
Preuve. Utiliser la définition de la probabilité conditionnelle!
Ensuite,
Définition 3.1.4. (Partition ou Système complet d’événements). On dit qu’une suite
d’événements d’un espace probabilisable (Ω, F) forme une partition ou un système complet
d’événements de Ω (ou d’un autre événement A) si aucun événement de la suite n’est
impossible, ils sont deux à deux incompatibles et leur disjonction est égale à Ω (ou A).
Exemple 3.1.5. Si A est un événememt non impossible (i.e., A 6= ∅) et distinct de
Ω, alors A et Ac forment une partition de l’univers des possibles Ω.
Proposition 3.1.6. (Formule des probabilités totales). Soit (Ω, F, P) un espace prob-
abilisé, et (Bn )n≥1 une partition finie ou dénombrable de Ω vérifiant P(Bn ) > 0 pour tout
entier n ≥ 1. Si A est un événement dans F telque P(A) > 0, alors on a
X
P(A) = P(A|Bn )P(Bn ). (3.2)
n≥1
Preuve. Indication: montrer d’abord que les A ∩ Bn forment une partition de A (ce
qui est trivial), puis appliquer la proposition précédente.
Théorème 3.1.7. (Théorème de Bayes). Soit (Ω, F, P) un espace probabilisé, et
(Bn )n≥1 une partition finie ou dénombrable de Ω vérifiant P(Bn ) > 0 pour tout entier
n ≥ 1. Si A est un événement dans F telque P(A) > 0, alors pour tout entier k ≥ 1, on a
P(A|Bk )P(Bk )
P(Bk |A) = P . (3.3)
n≥1 P(A|Bn )P(Bn )
Preuve. Indication: appliquer les Propositions 3.1.3 et 3.1.6 précédentes.
Ce théorème, quoique facile à démontrer, est moins évident à appliquer dans les
problèmes pratiques, comme le montre l’exercice suivant,
Exercice 3.1.8. (Application de Bayes en Statistique Médicale).
Un test médical a une probabilité de 0.95 de détecter le Covid-19 lorsqu’il est effec-
tivement présent. Il donne néanmoins un faux résultat positif pour 1% des personnes non
infectées. Si 0,5% de la population est porteuse du virus, quelle est la probabilité pour
qu’une personne ait le virus sachant qu’elle a un test positif?
37
MAT221 UYI 2022-2023 ©Pr. Mbele B.Chapitre 3. Espaces Probabilisés Conditionnels et Indépendance
3.1.3 Indépendance dans un Espace Probabilisé
Définition 3.1.9. (Indépendance d’événements). i) Soit A = {A1 , A2 , . . . , An } une
famille finie d’événements dans un espace probabilisé (Ω, F, P). On dit que les événements
Ai , i = 1, ...n, sont indépendants ou que la famille A forme un système indépendant
dévénements si pour tout sous-ensemble non vide d’indices I pris dans {1, 2, · · · , n}, on
a !
\ Y
P Ai = P(Ai ). (3.4)
i∈I i∈I
ii) En particulier, deux événements A et B de cet espace probabilisé sont dits indépendants
si l’on a P(A ∩ B) = P(A)P(B). On note dans ce cas A ⊥⊥ B.
iii) Une famille infinie {A1 , A2 , . . . , An , . . . } d’événements est dite former un système
indépendant d’évènements si pour tout sous-ensemble fini non vide d’indices I de N∗ , la
propriété (3.4) précédente est vérifiée.
On a:
Proposition 3.1.10. Deux événements A et B de probabilités non nulles dans un
espace probabilisé (Ω, F, P) sont indépendants si et seulement si P(A) = P(A|B) ou
P(B) = P(B|A).
Preuve. Indication: utiliser la formule des probabilités composées.
Définition 3.1.11. (Indépendance des σ-algèbres et d’un événement). Soit (Ω, F, P)
un espace probabilisé.
i) Un événement A est dit indépendant d’une sous-σ-algèbre G de F si A est indépendant
de tout événement B ∈ G.
ii) Des sous-σ-algèbres F1 , F2 , . . . , Fn de F sont dites indépendantes si pour tout Ai ∈
Fi , on a
P(A1 ∩ A2 ∩ · · · ∩ An ) = P(A1 )P(A2 ) · · · P(An ). (3.5)
Proposition 3.1.12. Soit A1 , A2 , . . . , An une famille d’événements d’un espace prob-
abilisé (Ω, F, P). Et soit Fi = {∅, Ai , Āi , Ω} les σ-algèbres engendrées par les Ai ’s.
Alors les σ-algèbres F1 , F2 , . . . , Fn sont indépendantes si et seulement si les événements
A1 , A2 , . . . , An sont indépendants.
Preuve. Exercice!
38
Bibliographie
[1] S. Ross; A First Course in Probability, Eighth Edition, Pearson Prentice Hall, 2010.
[2] C. Suquet; Introduction au Calcul des Probabilités, Université des Sciences et Tech-
nologies de Lille, 2007-2008.
61
