Mme BENYELLES WAFAA
(suite du cours MI)
Partie I
Espace de Probabilité
1 Algèbre des événements
1.1 L’expérience aléatoire
On appelle expérience aléatoire, toute expérience dont le résultat ne peut etre
prédit avec certitude. L’ensemble des résultats possibles est par contre com-
plètement déterminé à l’avance.
1.2 L’ensemble fondamental
On appelle ensemble fondamental ou espace échantillon ou ensemble référentiel
ou espace des événements ou univers, l’ensemble ; associé à notre expérience
aléatoire qui représente tous les résultats possibles de l’expérience en question.
Exemples
1. Soit l’expérience du jet d’un dé (on observera le nombre sur la face supérieure
du dé) ! = f1; 2; 3; 4; 5; 6g
2. On compte le nombre de voitures qui traversent un pont dans une période
donnée ! = f0; 1; 2; 3; :::g = N
3. La durée de vie d’une lampe ! = [0; t[
4. On jette deux pièces de monnaies ! = f(p; p) ; (p; f ) ; (f; p) ; (f; f )g p =
pile; f = f ace
1.3 L’algèbre des événements
1.3.1 L’événement : A,B,C
Soit l’espace échantillon associé à une expériénce aléatoire. On appelle un
"événement A" tout sous-ensemble de
Soit8A l’élément de la famille -F, -F est la partition de
>
> -F contient tous les singletons de
<
-F contient l’espace échantillon
ie
>
> 8 A 2 F
- C A 2 -F
:
8 A,B 2 -F A [ B 2 -F
1
Exemple
Soit l’expérience du jet d’un dé où l’on observera le nombre sur la face
supérieure du dé. Soit A l’événement "avoir un nombre pair".
Déterminer et A.
= f1; 2; 3; 4; 5; 6g donc A = f2; 4; 6g
Remarques
1. est dit événement certain.
2. ? est dit événement impossible.
3. les singletons f! i g , avec ! i élément de , sont dits événements élémen-
taires.
4. On dit qu’un événement A se réalise (à travers ! ) si et seulement si le
résultat de l’expérience appartient à A
A se realise () !2A
A ne se realise pas () !2
= A
5. tout événement A est une réunion d’événements élémentaires.
1.3.2 L’événement contraire: A; B; C
L’événement contraire A est dé…ni par le complémentaire de A dans ie
A = C A de plus si
! 2 A () ! 2
= A
1.3.3 Opérations sur les événements
L’Union l’événement A[B se réalise si et seulement si les événements A ou B
se réalisent
! 2 A [ B () ! 2 A ou ! 2 B
2
L’intersection l’événement A\B se réalise si et seulement si les événements A et B
se réalisent (en meme temps)
! 2 A \ B () ! 2 A et ! 2 B
La di¤érence l’événement B A se réalise si et seulement si l’événement B
se réalise sans A (tout seul)
! 2 B A () ! 2 B et ! 2
=A
() ! 2 B et ! 2 A
() ! 2 A\B
La di¤erence symétrique l’événement B4A se réalise si et seulement si ou
bien l’événement A se réalise ou bien l’événement B se réalise
! 2 B4A () ! 2 B A ou ! 2 A B
B4A = (B A) [ (A B)
1.3.4 les événements incompatibles
On appelle des événements incompatibles ou disjoints ou mutuellement exclusifs
si la réalisation de l’un exclut la réalisation de l’autre
A et B disjoints () A \ B = ;
3
1.3.5 Le système complet
On appelle un système complet de , toutes partitions de véri…ant les condi-
tions suivantes:
Soient A1 ; A2 ; A3 ; :::; An ; des événements de
8 tels que:
>
> Ai 6= ; 8i = 1; n
>
< Ai \ Aj = ; 8i 6= j
[n
>
> Ai =
>
:
i=1
Remarque: A ; A forment un système complet de
Exemple récapitulatif
On jette un dé et on observe le chi¤re obtenu, on dé…nit les événements
suivants:
A "avoir un chi¤re pair"
B "avoir un chi¤re impair"
C "avoir un chi¤re premier"
1. Déterminer l’espace échantillon
2. Déterminer les événements suivants: A; B; C; A; B; C; A \ B; A \
C; B \ C; C A; A C; A (C \ B); A4C
3. Déterminer les événements qui forment un système complet.
Solution
1. = f1; 2; 3; 4; 5; 6g
2. A = f2; 4; 6g ; B = f1; 3; 5g ; C = f2; 3; 5g ;
A = f1; 3; 5g = B; B = f2; 4; 6g = A; C = f1; 4; 6g ;
A \ B = ;; A \ C = f2g ; B \ C = f3; 5g ;
C A = f3; 5g ; (de C on ote les éléments de A) A C = f4; 6g ; A
(C \ B) = f2; 4; 6g f3; 5g = f2; 4; 6g = A
A4C = (A C) [ (C A) = f3; 4; 5; 6g
4
2 Espace de probabilité
2.1 Dé…nition d’une mesure de probabilité
On dit que P dé…nit une mesure de probabilité ou tout simplement une proba-
bilité sur l’espace , si et seulement si (ssi) la fonction P véri…e les conditions
suivantes:
P : -F( ) ! [0; 1]
où -F( ) est une partition de (1)
A 7 ! P (A)
1. P ( ) = 1
2. 8A 2 -F( ); P (A) 0 (ou bien 0 P (A) 1)
3. 8A; B 2 -F( ); on a P (A [ B) = P (A) + P (B) ssi A \ B = ; ie A et B
sont des événements incompatibles
n
[ n
X
3 bis. P ( Ai ) = P (Ai ) ssi les événements (Ai )i=1;n sont disjoints deux à
i=1 i=1
deux Ai \ Aj = ; 8i 6= j
2.2 Le modèle uniforme
On désigne par modèle uniforme (cas des événements équiprobables) tout espace
de probabilité ( ; -F; P ) tel que:
doit etre un ensemble …ni ie card = N:
Tous les événements élementaires f! i g ont la meme chance de se réaliser
(sont équiprobables). Ainsi leurs probabilités est de 1/N (ie P (f! i g) =
1
N)
k
[
Soit A un événement de , A = f! 1 ; ! 2 ; ::::! k g = f! i g k n
i=1
5
on remarque, que:
P (A) = P (f! 1 ; ! 2 ; ::::! k g)
k
[
= P( f! i g)
i=1
k
X
= P (f! i g) (en utilisant la propriete 3:bis de (1))
i=1
1 1 1
= + + ::: + (k f ois)
N N N
k
=
N
card A
=
card
nombre de cas f avorable
=
nombre de cas possible
cardA = nombre d0 elements de l0 ensemble A
2.3 Construction d’une mesure de probabilité
Proposition 1 (cas discret) Soit l’espace de probabilité ( ; -F; P ) , P est une
mesure
8 de probabilité si et seulement si:
< X P (f! i g) 0 8! i 2
: P (f! i g) = 1
i
ainsi, pour tout évenement A, on aura 8A 2 -F( ); A 6= ;;
X
P (A) = P (f! i g)
! i 2A
Proposition 2 ( cas continu) Soit l’espace de probabilité ( ; -F; P ) (ici =R
et -F8= BR ); soit f : R ! R tel que:
< Z f (x) 0
> 8x 2 R
> f (x) dx = 1
:
R
ainsi, pour tout évenement A, on aura 8A 2 -F( ); A 6= ;;
Z
P (A) = f (x) dx
A
P ainsi dé…ni est une mesure de probabilité sur (R , BR )
6
2.4 Résultats et conséquences
Soit P une probabilité et A,B,C des événements de , on a:
P (A) = 1 P (A)
en e¤et: on a, A [ A = et A \ A = ;
on a : P ( ) = 1 () P (A [ A) = 1 selon propriété 1 de( 1)
() P (A) + P (A) = 1 selon propriété 3 de (1)
() P (A) = 1 P (A)
P (A B) = P (A) P (A \ B)
démonstration (à faire)
remaque: P (B A) = P (B) P (A \ B)
Si A B alors P (A B) = P (A) P (B)
P (A [ B) = P (A) + P (B) P (A \ B)
démonstration (à faire)
P (A[B[C) = P (A)+P (B)+P (C) P (A\B) P (A\C) P (B\C)+P (A\B\C)
démonstration (à faire en TD)
A B =) P (A) P (B)
démonstration (à faire)
P (A4B) = P (A) + P (B) 2 P (A \ B)
Exemple On reprend l’exemple récapitulatif précédent
On dé…nit une probabilité P sur
Calculer les probabilités de tous les événements précédents
7
Solution
on est dans un cas uniforme donc
cardE nombre de cas f avorable
Si E est un événement alors P (E) = =
card nombre de cas possible
P (A) = cardA 3 1
card = 6 = 2 ; P (B) = cardB 3 1
card = 6 = 2 ;
P (C) = cardC 3 1
card = 6 = 2
cardA 1
P (A) = card = 2 ; P ( B) = 21 ; P ( C) = 21 ;
ou bien P (A) = 1 P (A) = 1 12 = 12
P (A \ B) = 0; P ( A \ C) = card (A\C)
card = 16 ;
2
P ( B \ C) = 6 ;
P (C A) = 26 ; P ( A C) = 62 ;
1
P (A (C \ B)) = P (A)= 2
ou bien P (C A) = P (C) P (C \ A) = 21 16 = 3 6 1 = 62 ;
P (A4C) = card(A4C)
card = 46 = 23
ou bien P (A4C) = P [(A C) [ (C A)] = P (A) + P (C) 2 P (A \ C) =
1
2 + 12 2 16 = 46
3 Probabilité conditionnelle et indépendance
3.1 La probabilité conditionnelle (événements liés)
De…nition 1 Soient deux événements A et B (avec P(A) 0 et P(B) 0),
il sera plus facile (quelques fois) de calculer la probabilité conditionnelle de A
sachant B, notée P (A=B) qui est dé…nie par:
P (A \ B)
P (A=B) =
P (B)
P (A\B)
de manière analogue: P (B=A) = P (A)
EXEMPLE Soient deux urnes U1 et U2 contenant chacune 3 boules rouges,3
boules blanches. On tire au hasard une boule de l’urne U1 et on l’a remet dans
l’urne U2 , ensuite, on tire une boule de l’urne U2 , en notant a chaque fois la
couleur
Quelle est la probabilité que les deux boules tirées ( de l’urne U1 et U2 )
soient blanches.
On dé…nit, les événements suivants:
A " la boule tirée de l’urne U1 est blanche"
B " la boule tirée de l’urne U2 est blanche"
8
Solution .1 notre problèmatique est de chercher la probabilité que les deux
boules tirées ( de l’urne U1 et U2 ) soient blanches. en d’autres termes, on
cherche P(A\B)
on a : P (B=A) = P P(A\B)
(A) =) P (A \ B) = P (B=A) P (A)
P (A) = card A
card = nombre de cas f avorable 3 1
nombre de cas possible = 6 = 2
nombre de cas f avorable 4
P (B=A) = nombre de cas possible = 7 (comme on a ajouté, une boule blanche
dans l’urne U2 on aura ainsi un e¤ ectif de 7 boules au total et de 4 boules
blanches)
1 4 2
conclusion P (A \ B) = P (B=A) P (A) = 2 7 = 7 = 0:285
3.2 Les événements indépendants
De…nition 2 Soit A et B deux événements de , On dit que A et B sont des
événements indépendants si et seulement si:
P (A=B) = P (A)
ou P (B=A) = P (B)
ou P (A \ B) = P (A) P (B)
Remarque Attention!, ne pas confondre "événements incompatibles, dis-
joints" et "événements indépendants"
Proposition 3 Soient A et B deux événements , les propriétés suivantes, sont
équivalentes:
1. A et B indépendants
2. A et B indépendants
3. A et B indépendants
4. A et B indépendants
Remarque Pour démontrer l’équivalence, Il su¢ t de démontrer que 1) =)
2) =) 3) =) 4) =) 1)
Preuve: on fera 1) =) 2) (les autres seront proposées comme exercice en TD)
l’hypothèse 1) ie A et B indépendants() P (A \ B) = P (A) P (B)
problèmatique 2) ie A et B indépendants() P (A \ B) = P (A) P (B)
P (A \ B) = P (A B)
= P (A) P (A \ B)
= P (A) P (A) P (B) (par hyp)
= P (A) [1 P (B)]
= P (A) P (B) cqfd
9
3.3 Formule des probabilités composées
Proposition 4 Etant donné "n" événements, A1 ; A2 ; A3 ; :::An ; tels que P (A1 \
A2 \ A3 \ ::: \ An 1 ) 0 alors on a:
P (A1 \A2 \A3 \:::\An ) = P (A1 ) P (A2 =A1 ) P (A3 =A1 \A2 ) ::: P (An =A1 \A2 \A3 \:::\An 1)
indication: on utilisera le raisonnement par récurrence pour la démonstra-
tion.
3.4 Formule des probabilités totales
Proposition 5 Soit fB1 ; B2 ; B3 ; :::Bn g un système complet de et A un événe-
ment quelconque de , on a:
n
X
P (A) = P (A=Bi ) P (Bi )
i=1
10
8
>
< Bni \ Bj = ; 8i 6= j
Preuve: fB1 ; B2 ; B3 ; :::Bn g un système complet de ie [ ie
>
: Bi =
i=1
A = A\
n
[
= A\( Bi )
i=1
= (A \ B1 ) [ ::: [ (A \ Bn )
[n
= (A \ Bi )
i=1
11
P est une probabilité, ainsi:
n
X
P (A) = P (A \ Bi ) en utilisant la proprièté 3.bis
i=1
Xn
= P (A=Bi ) P (Bi ) cqfd
i=1
3.5 Formule des probabiités des causes ou formule de Bayes
Proposition 6 Soit fB1 ; B2 ; B3 ; :::Bn g un système complet de et A un événe-
ment quelconque de , on a:
P (A=Bj ) P (Bj )
P (Bj =A) =
P (A)
P (A=Bj ) P (Bj )
= n
X
P (A=Bi ) P (Bi )
i=1
Example 1 Dans une usine de pièces détachées; on a trois machines M1,
M2,M3, qui produisent respectivement 20%,50%,30% de pièces
La probabilité que la pièce soit défectueuse sachant qu’elle provient de la
machine M1 est de 0.05
La probabilité que la pièce soit défectueuse sachant qu’elle provient de la
machine M2 est de 0.02
La probabilité que la pièce soit défectueuse sachant qu’elle provient de la
machine M3 est de 0.01
A l’usine , ils ont un contrôle de qualité, le contrôleur choisit au hasard une
pièce.
1. Quelle est la probabilité que la pièce, choisie par le contrôleur, soit dé-
fectueuse?
2. Quelle est la probabilité que la pièce provienne de la machine M1, sachant
qu’elle est défectueuse?
Soient les événements suivants:
M1 " la pièce provient de la machine M1"
M2 " la pièce provient de la machine M2"
M3 " la pièce provient de la machine M3"
D " la pièce est défectueuse"
12
Solution .2 On a :
P(M1)=20%=0.20 P(M2)=50%=0.50 P(M3)=30%=0.30
P (D=M 1) = 0:05 P (D=M 2) = 0:02 P (D=M 3) = 0:01
de plus, on a la propriété suivante : P (E=F ) = 1 P (E=F )
ainsi P (D=M 1) = 0:95 P (D=M 2) = 0:98 P (D=M 3) = 0:99
1. Quelle est la probabilité que la pièce choisie par le contrôleur soit dé-
fectueuse ie on cherche P(D)?
selon la formule des probabilités totales, on a:
3
X
P (D) = P (D=M i) P (M i)
i=1
= P (D=M 1)P (M 1) + P (D=M 2)P (M 2) + P (D=M 3)P (M 3)
= 0:05 0:2 + 0:02 0:5 + 0:01 0:3
= 0:023
2. Quelle est la probabilité que la pièce provienne de la machine M1, sachant
qu’elle est défectueuse ie on cherche P’(M1/D)?
selon la formule de Bayes, on a:
P (D=M 1) P (M 1)
P (M 1=D) =
P (D)
0:05 02
=
0:023
= 0:435
ainsi, si la pièce est défectueuse on aura 43.5% de chance qu’elle provienne
de la machine M1.
13
