Espérances et probabilités conditionnelles

M. Badaoui

2022-2023

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 1 / 31

 Plan

1 Espérances et probabilités conditionnelles

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 2 / 31

 Plan

Avant-propos

Ce cours s’appuie éssentiellement sur

le livre de Yves Caumel : Probabilités et processus stochastiques,
Springer-Verlag France, 2011.
le cours de Aimé LACHAL : Modélisation en univers aléatoire, INSA
Lyon.
L’étudiant motivé pourra donc s’orienter vers ces références s’il veut
approfondir ses connaissances sur la thématique

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 3 / 31

 Espérances et probabilités conditionnelles Probabilités conditionnelles

1 Espérances et probabilités conditionnelles

Probabilités conditionnelles
Indépendance conditionnelle
Espérance et densité conditionnelles

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 4 / 31

 Espérances et probabilités conditionnelles Probabilités conditionnelles

Probabilités conditionnelles

Définition
Soit (Ω, P(Ω), P) un espace probabilisé fini et A un événement donné tel
que P(A) 6= 0, B un événement quelconque. On appelle probabilité
conditionnelle de B sachant que A est réalisé le nombre:

P(A ∩ B)
P(B | A) =
P(A)

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 5 / 31

 Espérances et probabilités conditionnelles Probabilités conditionnelles

Probabilités conditionnelles

Remarque
La probabilité de B sachant A correspond à la part de B dans A, c’est à
dire la part hachurée dans l’ensemble A

Nbre d’éléments communs à A et B

P(B | A) =
Nbre d’élément de A
P(A ∩ B)
=
P(A)

La probabilité de B sachant A correspond à la part de l’ensemble B dans

l’ensemble A

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 6 / 31

 Espérances et probabilités conditionnelles Probabilités conditionnelles

Probabilités conditionnelles

Exemple
On tire au hasard une carte parmi 10 (numérotées de 1 à 10).
soit S l’événement ”le numéro tiré est multiple de 3 à condition qu’il soit
supérieur ou égal à 7”

Soient E l’événement ”le numéro tiré est multiple de 3” et F l’événement

”le numéro tiré est supérieur ou égal à 7”.
On a Ω l’esemble de toute les ventualités possibles, c’est l’ensemble
{1, 2, . . . , 10}, son cardinal est 10. On a E = {3, 6, 9} donc Card(E ) = 3
3
et P(E ) = 10 .
4
On a F = {7, 8, 9, 10} donc P(F ) = 10 , comme E ∩ F = {9}, donc
1
P(E ∩ F ) = 10 . Si on cherche la probabilité conditionnelle
1
P(E ∩F ) 1
P(E | F ) = P(F ) = 10
4 = 4
10

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 7 / 31

 Espérances et probabilités conditionnelles Probabilités conditionnelles

Probabilités conditionnelles

Remarques
1 L’événement contraire de A | B est Ā | B.
2 Cas particulier si A ⊂ B alors P(A) ≤ P(B) et P(A ∩ B) = P(A) d’où

P(A ∩ B) P(A)
P(A | B) = = .
P(B) P(B)
3 On note parfois P(A | B) = PB (A), rappelons que PB (.) est une
probabilité à part entière, Elle s’appelle la loi conditionnelle sachant B.

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 8 / 31

 Espérances et probabilités conditionnelles Probabilités conditionnelles

Probabilités conditionnelles

Remarques
1 Formules des probabilités composées:

P(A ∩ B) = P(A | B) × P(B) = P(B | A) × P(A).

2 Le double conditionnement se traite ainsi :

P(A ∩ B ∩ C ) = P(A ∩ B | C ) × P(C ) = PC (A ∩ B) × P(C )

= PC (A | B) × PC (B) × P(C )
= P(A | B, C ) × P(B | C ) × P(C )
|{z}
i.e B∩C

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 9 / 31

 Espérances et probabilités conditionnelles Probabilités conditionnelles

Probabilités conditionnelles

Proposition [Formules des probabilités totale]

Soit Ω un univers muni d’une probabilité P. Si des parties B1 , B2 . . . Bn
constituent une partition de Ω (i.e Bi ∩ Bj = ∅ pour i 6= j et
B1 ∪ B2 ∪ . . . ∪ Bn = Ω) alors pour tout élément A on a :
n
X n
X
P(A) = P(A ∩ Bk ) = P(A | Bk )P(Bk ).
k=1 k=1

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 10 / 31

 Espérances et probabilités conditionnelles Probabilités conditionnelles

Probabilités conditionnelles

Par exemple pour une

partition de Ω en trois
ensembles : A1 , A2 et
A3 .

On a alors :

P(B) = P(A1 ∩ B) + P(A2 ∩ B) + P(A3 ∩ B).

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 11 / 31

 Espérances et probabilités conditionnelles Probabilités conditionnelles

Probabilités conditionnelles

Théorème [de Bayes]

n
[
Soit {Bi , i = 1 . . . n} tel que Bi = Ω et Bi ∩ Bj = ∅ pour tout i 6= j
k=1
avec P(Bi ) > 0. Soit A ∈ P(Ω) on a:

P(A | Bk ) P(Bk )
P(Bk | A) = Pn .
i=1 P(A | Bi ) P(Bi )

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 12 / 31

 Espérances et probabilités conditionnelles Probabilités conditionnelles

Probabilités conditionnelles

Exemple
Fiabilité d’un système de détection
Un système de détection répond par une alerte à la détection d’une panne
intervenant sur une machine donnée. Soient A l’événement ”l’alerte est
donnée”, et B l’événement ”le système est en panne”, vérifiant les
probabilités conditionnelles suivantes : P(A|B) = 0, 99 et
P(A|B) = 0, 002.
Le problème que se pose le service de sécurité est le suivant : si l’alerte est
donnée, quelle est la probabilité pour qu’elle corresponde à une panne,
sachant qu’une panne survient avec une probabilité égale à 0,01 ?
Il s’agit de calculer P(B|A) égal à :

P(A|B)P(B) 0, 99 × 0, 01
= ' 0, 83.
P(B)P(A|B) + P(B)P(A|B) 0, 01 × 0, 99 + 0, 99 × 0, 002

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 13 / 31

 Espérances et probabilités conditionnelles Probabilités conditionnelles

Probabilités conditionnelles

Exemple
Fiabilité d’un système de détection
Un système de détection répond par une alerte à la détection d’une panne
intervenant sur une machine donnée. Soient A l’événement ”l’alerte est
donnée”, et B l’événement ”le système est en panne”, vérifiant les
probabilités conditionnelles suivantes : P(A|B) = 0, 99 et
P(A|B) = 0, 002.
Le problème que se pose le service de sécurité est le suivant : si l’alerte est
donnée, quelle est la probabilité pour qu’elle corresponde à une panne,
sachant qu’une panne survient avec une probabilité égale à 0,01 ?
Il s’agit de calculer P(B|A) égal à :

P(A|B)P(B) 0, 99 × 0, 01
= ' 0, 83.
P(B)P(A|B) + P(B)P(A|B) 0, 01 × 0, 99 + 0, 99 × 0, 002

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 13 / 31

 Espérances et probabilités conditionnelles Indépendance conditionnelle

1 Espérances et probabilités conditionnelles

Probabilités conditionnelles
Indépendance conditionnelle
Espérance et densité conditionnelles

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 14 / 31

 Espérances et probabilités conditionnelles Indépendance conditionnelle

Indépendance de deux événements

Définition
Deux événements A et B sont indépendants si P(B ∩ A) = P(B) × P(A)

Remarque
Comme P(B ∩ A) = P(B | A) × P(A) si P(A) > 0, A et B sont
indépendants si et seulement si P(B | A) = P(B) c’est-à-dire si le fait de
savoir que A est réalisé ne change pas la probabilité de B.
Un événement de probabilité nulle est indépendant de n’importe quel autre
événement.

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 15 / 31

 Espérances et probabilités conditionnelles Indépendance conditionnelle

Indépendance conditionnelle

Définition
Soit C un événement tel que P(C ) > 0. Deux événements A et B sont dit
indépendants conditionnellement à l’événement C si

P(A ∩ B | C ) = P(A | C ) × P(B | C ).

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 16 / 31

 Espérances et probabilités conditionnelles Indépendance conditionnelle

Indépendance conditionnelle

Remarque
Deux événements A et B peuvent être indépendants et ne pas être
indépendants conditionnellement à un événement C. Considérer par
exemple les événements suivants associés au lancer de deux dés :
A : ”le résultat du premier dé est impair”
B : ”le résultat du second dé est pair”
C : ”les résulats des deux dés sont de même parité”
1
P(A ∩ B) = 4 = P(A) × P(B), P(A ∩ B | C ) = 0 alors que
P(A | C ) = P(B | C ) = 12

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 17 / 31

 Espérances et probabilités conditionnelles Indépendance conditionnelle

Indépendance conditionnelle

Remarque
De même, deux événements peuvent ne pas être indépendants mais être
indépendants conditionnellement à un autre événement.
Par exemple, considérons deux pièces A1 et A2 . Supposons que A1 a une
probabilité 0, 9 de tomber sur face et que A2 a une probabilité 0, 1 de
tomber sur face. On choisit au hasard une des deux pièces et on lance la
pièce choisie deux fois. Notons Fi l’événement ”on a obtenu face au i-ème
lancer” pour i = 1 ou 2. Les événements F1 et F2 sont indépendants
conditionnellement à l’événement ”la pièce lancée est A1 ”. Par contre, les
événements F1 et F2 ne sont pas indépendants.

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 18 / 31

 Espérances et probabilités conditionnelles Indépendance conditionnelle

Indépendance conditionnelle

Proposition
Soit A, B et C des événements tels que P(C ) > 0 et P(B ∩ C ) > 0. Deux
événements A et B sont indépendants conditionnellement à l’événement C
si et seulement si
P(A | B ∩ C ) = P(A | C ).

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 19 / 31

 Espérances et probabilités conditionnelles Indépendance conditionnelle

Indépendance d’une famille finie d’événements

Définition
m événements A1 , A2 , . . . , Am sont dits indépendants si et seulement si la
probabilité de l’intersection d’un nombre quelconque d’entre eux est le
produit de leurs probabilités : pour tout k ∈ {2, . . . , m} et
1 ≤ i1 ≤ . . . ≤ ik ≤ m,

P(Ai1 ∩ . . . ∩ Aik ) = P(Ai1 ) . . . P(Aik ).

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 20 / 31

 Espérances et probabilités conditionnelles Indépendance conditionnelle

Indépendance d’une famille finie d’événements

Remarque
Trois événements peuvent être indépendants deux à deux mais ne pas être
indépendants dans leur ensemble. C’est le cas par exemple des événements
A, B et C définis à la remarque précédente.

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 21 / 31

 Espérances et probabilités conditionnelles Espérance et densité conditionnelles

1 Espérances et probabilités conditionnelles

Probabilités conditionnelles
Indépendance conditionnelle
Espérance et densité conditionnelles
Cas des variables aléatoires discrètes finies
Cas des variables continues

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 22 / 31

 Espérances et probabilités conditionnelles Espérance et densité conditionnelles

Espérance et densité conditionnelles : Cas des variables

aléatoires discrètes finies

Soit (Ω, P(Ω), P) un espace probabilisé fini,et soient X : Ω → E et

Y : Ω → F deux variables aléatoires discrètes.
Définition [Loi conditionnelle]
Soit A un événement donné de probabilité non nulle i.e P(A) 6= 0, on
appelle loi conditionnelle de X sachant A la probabilité PX (. | A) définie
sur E par PX ({x} | A) = P (X = x | A). En particulier, si P (Y = y ) 6= 0,
on appelle loi conditionnelle de X sachant (Y = y ) la probabilité sur E
définie par

P ((X = x) ∩ (Y = y ))
PX ({x} | (Y = y )) =
P(Y = y )

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 23 / 31

 Espérances et probabilités conditionnelles Espérance et densité conditionnelles

Définition [Espérence conditionnelle]

Soit A un événement donné de probabilité non nulle i.e P(A) 6= 0, on
appelle espérance conditionnelle de X sachant A l’espérance de X dans
la situation où A est réalisé, c’est-à-dire
X
E (X | A) = xP (X = x | A)
x∈E

Théorème
X
E (Y ) = P (X = x) E (Y | X = x)
x∈E

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 24 / 31

 Espérances et probabilités conditionnelles Espérance et densité conditionnelles

Exemple
Soit le vecteur (X,Y) de distribution définie par la figure suivante:

Figure: Répartition discrète.

Détermination de quelques probabilités marginales et conditionnelles :

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 25 / 31
 Espérances et probabilités conditionnelles Espérance et densité conditionnelles

Exemple
1+2+3 6
P(X = 2) = 15 = 15 = 25
P(X = 8) = 3+1 4 1+2
15 = 15 ou P(Y = 5) = 15 = 5 ;
1
1
P(Y = 5|X = 2) = 3 .
3 2 1
E(Y |X = 2) = (3 × 15 + 5 × 15 + 12 × 15 ) × 15 31
6 = 6
1 4
E(Y |X = 4) = (8 × 15 + 12 × 15 ) × 15
5 = 5
56

1 3
E(Y |X = 8) = (5 × 15 + 8 × 15 ) × 15 29
4 = 4 d’où E(Y ) = 116
15

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 26 / 31

 Espérances et probabilités conditionnelles Espérance et densité conditionnelles

1 Espérances et probabilités conditionnelles

Probabilités conditionnelles
Indépendance conditionnelle
Espérance et densité conditionnelles
Cas des variables aléatoires discrètes finies
Cas des variables continues

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 27 / 31

 Espérances et probabilités conditionnelles Espérance et densité conditionnelles

Espérance et densité conditionnelles : Cas des variables

continues
Il est aussi possible de définir la notion de loi conditionnelle de X sachant
Y dans le cas de variables aléatoires continues, mais c’est nettement plus
compliqué. Signalons simplement l’existence de la notion de densité
conditionnelle.
Définition [densité conditionnelle]
Si X et Y sont deux variables aléatoires telles que leur couple (X , Y )
admette
R une densité bivariable f (x, y ), et si de plus y0 est tel que
f (x, y0 )dx 6= 0, alors on appelle densité conditionnelle de X sachant
Y = y0 la fonction
f (x, y0 )
g (x | y0 ) = R .
f (t, y0 )dt
C’est une densité de probabilité.

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 28 / 31

 Espérances et probabilités conditionnelles Espérance et densité conditionnelles

Espérance et densité conditionnelles : Cas des variables

continues

Définition [Espérence conditionnelle]

On appelle espérance conditionnelle de X sachant {Y = y } la valeur :
Z
E (X | Y = y ) = xg (x | y ) dx = ϕ(y )
R

ϕ(Y ) est une variable aléatoire qui est entièrement déterminée par Y .

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 29 / 31

 Espérances et probabilités conditionnelles Espérance et densité conditionnelles

Espérance et densité conditionnelles : Cas des variables

continues

Remarque
Il existe de même une formule de l’espérance totale (ou théorème de
l’espérance mathématique conditionnelle) :

E (E (X | Y )) = E (X )
L’intérêt de cette formule réside dans le fait qu’il n’est plus nécessaire de
connaı̂tre la loi de X pour calculer son espérance et que les lois de X
conditionnées par Y suffisent.

M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 30 / 31

 Espérances et probabilités conditionnelles Espérance et densité conditionnelles

Espérance et densité conditionnelles : Cas des variables

continues
La formule d’espérance totale se généralise à tout produit de X par une
fonction de Y . Pour toute variable aléatoire f (Y ), de la propriété
précédente

E[Xf (Y )|Y ] = f (Y )E[X |Y ],

on peut déduire, en posant Z = E[X |Y ], les égalités:

E[Xf (Y )] = E[Zf (Y )]

Par exemple, si X ; Y sont des variables de Bernoulli de paramètre 12

indépendantes

E (X + Y )2 | Y = E X 2 | Y + 2E (XY | Y ) + E Y 2 | Y

1
= EX 2 + 2Y EX + Y 2 = + Y + Y 2 = ϕ(Y )
2
M. Badaoui (IG2) Processus stochastiques et File d’attente ESTO 31 / 31