Abderrazak Chakor 6 février 2024 Espaces probabilisés finis Notes
Chapitre Espaces probabilisés finis
Ω désigne un ensemble non vide
Pour tout A ⊂ Ω,on note Ā = Ω\A le complémentaire de A dans Ω
I - Espaces probabilisés :
Définition 1.1 Expérience aléatoire
• On appelle expérience aléatoire toute expérience dont le résultat
dépend du hasard, c’est-à-dire tout expérience qui, renouvelée dans
les mêmes conditions, ne donne pas à chaque essai les mêmes
résultats.
• On appelle issue ou réalisation d’une expérience aléatoire tout
résultat possible de cette expérience.
• L’ensemble des issues,(ou résultats observables), d’une expérience
aléatoire est appelé univers de cette expérience et est noté tradi-
tionnellement Ω.
L’ensemble des événements est alors P(Ω).
(Ω, P(Ω)) est dit un espace probabilisable
Exemple 1.1
• Le lancer d’un dé est une expérience aléatoire.
Il existe six issues possibles : «tirer un 1», «tirer un 2», «tirer un 3», «tirer un 4», «tirer un 5»,
«tirer un 6». Pour simplifier on notera ces issues 1, 2, 3, 4, 5, 6. L’univers de cette expérience
aléatoire est alors ? = 1, 2, 3, 4, 5, 6
Définition 1.2 Vocabulaire sur les événements
• On appelle événement toute partie de l’univers d’une expérience
aléatoire.
• Un événement est dit élémentaire si c’est un singleton.
• On appelle événement contraire d’un événement A le complémen-
taire A de cet événement dans l’univers.
• Si A et B sont deux événements :
l’ événement A et B est la partie A ∩ B.
l’ événement A ou B est la partie A ∪ B. T
A et B sont incompatibles si l’événement A B est impossible.
• ∅ est appelé événement impossible.
• Ω est appelé l’événement certain.
• On appelle système complet d’événements toute partition de l’univers
Remarques 1.1
• Un événement et son événement contraire sont incompatibles.
• Si A est un événement possible, alors {A, A} est un système complet d’événements.
• Si Ω désigne l’univers, {{ω}/ω ∈ Ω} est un système complet d’événements.
Définition 1.3 Espace Probabilisé fini Soit (Ω, P(Ω)) un
espace probabilisable fini.
On appelle probabilité sur Ω toute application P : P (Ω) → [0, 1] qui
satisfait aux axiomes suivants :
1. (Axiome1) :P (Ω) = 1
2. (Axiome2) :Si A, B sont deux événements de incompatibles
alors P (A ∪ B) = P (A) + P (B)
Le cas échéant
1. Le triplet (Ω, P(Ω), P ) est appelé un espace probabilisé fini .
2. P est entièrement déterminée par la famille (P ({ω}ω∈Ω )) de
réels positifs ayant pour somme égale à 1
3. Pour tout événement A de P(Ω), P (A) est appelé la probabilité
de A.
— Si P (A) = 0 est dit négligeable ou presque impossible.
— Si P (A) = 1 est dit presque sûr (P.p.s) ou presque certain.
1
Abderrazak Chakor 6 février 2024 Espaces probabilisés finis Notes
Exemple 1.2
Pour Ω = [[1, n]]
• une probabilité P est entièrement déterminée par la donnée de { (k, pk )/k ∈ [[1, n]] }
Xn
avec ∀k ∈ [[1, n]] /P ({k}) = pk ≥ 0 et pk = 1
k=1
1
• Le cas d’équiprobabilité est ∀k ∈ [[1, n]] , pk =
n
Dans tout ce qui suit (Ω, P(Ω), P ) est un espace probabilisé fini .
Propriétés 1.1
Si (Ω, P(Ω)P ) un espace probabilisé. Alors :
1. P (∅) = 0.
2. Si A est un événement de P(Ω)
alors P (Ā) = 1 − P (A).
3. Si A1 , . . . , An sont des événements de P(Ω) deux à deux incompatibles
alors P (A1 ∪ · · · ∪ An ) = P (A1 ) + · · · P (An ).
4. Soient A et B deux événements de P(Ω). Alors :
— P (B \ A) = P (B) − P (A ∩ B).
En particulier si
A ⊂ B alors P (B \ A) = P (B) − P (A)
P (B \ A) = P (B) − P (A)
— Si A ⊂ B alors
P (A) ≤ P (B)
— P (A ∪ B) = P (A) + P (B) − P (A ∩ B).
5. Sous additivité :
Si A1 , . . . , An sont des événements de T
alors P (A1 ∪ · · · ∪ An ) ≤ P (A1 ) + · · · P (An ).
Exercice 1.1 Formule du crible de Poincaré
Pour (A1 , . . . , An ) ∈ T n on a :
n
[ n
X X X \
P( Ai ) = (−1)k+1 P (Ai1 ∩· · ·∩Aik ) = (−1)|I|+1 P ( Ai )
i=1 k=1 1≤i1 <···<ik ≤n I⊂[[1,n]] i∈I
II - Evénements indépendants :
Définition 2.1
Soit (Ω, P(Ω), P ) un espace probabilisé.
— Deux événements A et B de P(Ω) sont dits indépendants
si P (A ∩ B) = P (A)P (B).
de P(Ω) est dite indépendante si
— Une famille (Ai )i∈Id’événements
\ Y
∀J ⊂ I fini, on a P Aj = P (Aj ).
j∈J j∈J
Proposition 2.1
Soit (Ω, P(Ω), P ) un espace probabilisé.
Si A et B sont deux événements indépendants de P(Ω) alors A et B̄ le sont
Preuve:
P (A∩B̄) = P (A\(A∩B)) = P (A)−P (A)P (B) = P (A)(1−P (B)) = P (A)P (B̄)
.
On déduit encore que Ā et B puis Ā et B̄ sont aussi indépendants
Exercice 2.1
Soient A1 , A2 , ..., An n événements indépendants
Pour i ∈ [[1, n]] on pose Aei = Ai ou = Ai
1. Montrer que les événements A 2
e1 , A2 , ..., An sont indépendants
2. Déduire que les événements A
e1 , A en sont indépendants
e2 , ..., A
Abderrazak Chakor 6 février 2024 Espaces probabilisés finis Notes
Remarque 2.1
— Si (Ai )i∈I est une famille indépendante d’événements de P(Ω) alors ses éléments
sont deux à deux indépendants.
La réciproque est fausse.
— Soit A1 , . . . , An , (n ≥ 3) des événelents de P(Ω).
Si P (A1 ∩ · · · ∩ An ) = P (A1 ) · · · P (An ) alors la famille (A1 , . . . , An ) n’est
pas forcément indépendante
III - Probabilité conditionnelle :
Définition 3.1
Soient (Ω, P(Ω), P ) un espace probabilisé fini et B un événement de P(Ω) tel que
P (B) ̸= 0.
On appelle probabilité sachant B, l’application notée PB et définie sur P(Ω)
P (A ∩ B)
par PB (A) = .
P (B)
Pour tout événement A de P(Ω), PB (A) se lit "probabilité de A sachant B". PB (A) se
note aussi P (A|B)
Notez bien: : Soient (Ω, P(Ω), P ) un espace probabilisé fini et B un événement
de P(Ω) tel que P (B) ̸= 0.
1. (Ω, P(Ω), PB ) est un espace probabilité fini .PB est notée aussi P (.|B)
Pour A événements de P(Ω) on a :
2. P (A ∩ B) = P (B)P (A|B).
Si, en plus, P (A) ̸= 0 alors P (A ∩ B) = P (A)P (B|A)
3. A et B sont indépendants si et seulement si P (A|B) = P (A).
Dans ce cas, P (A ∩ B̄) = P (A)P (B̄)
Définition 3.2 Système complet d’événements
Soit (Ω, P(Ω), P ) un espace probabilisé fini
On dit qu’une famille (Ai )i∈I d’événements, où I est fini,forme un
système complet d’événements si :
1. ∀i, j ∈ I tels que i ̸= j on a Ai ∩ Aj = ∅.
[
2. Ai = Ω.
i∈I
Théorème 3.1
Soient (Ω, P(Ω), P ) un espace probabilisé et (Ai )i∈I une famille finie qui forme un
système complet d’événements de P(Ω) .
Pour B un événement de P(Ω)
— Formule de probabilité totales :
X X
P (B) = P (B ∩ Ai ) = P (Ai )P (B|Ai )
i∈I i∈I
P (Ai )̸=0
.
— Formule de Bayes : Si P (B) ̸= 0 et que ∀i ∈ I, P (Ai ) ̸= 0. alors
P (Ai )P (B|Ai )
∀i ∈ I, P (Ai |B) = X
P (Ak )P (B|Ak )
k∈I
.
Remarques 3.1
1. L’intérêt de la formule probabilité totales
est de retrouver P (B) connaissant les probabilités conditionnelles P (B|Ai ) et
P (Ai )
l’idée est de départager B en des sous événements incompatibles dont la probabi-
lité est simple à calculer
3
Abderrazak Chakor 6 février 2024 Espaces probabilisés finis Notes
2 L’intérêt de la formule de Bayes
permet de remonter le temps, en déterminant la probabilité qu’une certaine
cause Ai ait eu lieu sachant la conséquence B.
Pour cette raison, cette formule est aussi souvent appelée formule de probabilité
des causes
Exercice 3.1
On fait un tirage sans remise dans une urne contenant 3 boules blanches et 5 boules
rouges
1. Calculer la probabilité que la deuxième boule soit rouge
2. Calculer la probabilité que la première boule soit blanche sachant que la deuxième
est rouge
Exercice 3.2 Fonction d’Euler φ
On choisit au hasard un des nombres 1, 2, ...n,tous les choix étant
équiprobables.
Pour p ∈ [[1, n]] ; Ap est l’événement :"le nombre choisi est divisible
par p"
1. Calculer P (Ap ) lorsque p divise n
2. n ≥ 2. Montrer que si p1 , p2 , ..., pk sont des diviseurs premiers
distincts de n alors les événement Ap1 , Ap2 , ..., Apk sont indé-
pendants
3. On a par définition φ(n) = card{k ∈ [[1, n]] et k ∧ n = 1}.
Q 1
Montrer que φ(n) = n 1−
p/n p
ppremier
Proposition 3.1 Formule des probabilités composées
1. Si A, B sont deux événements et que P (A ∩ B) ̸= 0
alors P (A ∩ B) = P (A)PA (B)
2. Plus généralement n ≥ 2 si A1 , A2 , ...., An son n événe-
n Pour
T
ments et que P Ak ̸= 0
n k=1
T
Alors P Ak = P (A1 )PA1 (A2 )PA1 ∩A2 (A3 )...Pn−1
T (An )
k=1 Ak
k=1
Exercice 3.3 Formule de Bayes
Une maladie M affecte un français sur mille.
On dispose d’un test sanguin qui détecte M avec une fiabilité de
99% lorsque cette maladie est effectivement présente .
Cependant ,on obtient un résultat faussement positif pour 0, 2% des
personnes saines testées.
Quelle est la probabilité qu’une personne soit réellement malade
lorsqu’elle a un test positif ?Conclure sur la fiabilité du test
