1
2
3
4
1. Espaces Probabilisés
1.1 Epreuves
Définition
5
6
1.2 Evénements
1.2.1 Définitions
Exemple :
E : on lance un dé non pipé et on considère le nombre
obtenu. Ω1 = {1, 2, 3, 4, 5, 6} = [ 1 , 6 ]
L’événement A : "on obtient un nombre pair"
A = {2,4,6} 7
1.2.2 Types d’évènements
8
9
Intersection d’événements :
Définition :
L’intersection de deux événements A et B qui
est notée par A B signifie que A et B se réalise
à la fois.
Exemple :
Pour , on a
L’évènement A : « le numéro du 1er dé est pair »
L’évènement B : « la somme des numéros est
plus de 4 ».
A B ou « A et B » est l’évènement : A B = {2,4,6}
10
Réunion d’événements :
Définition :
La réunion de deux événements A et B qui est
notée par A B signifie que A se réalise ou B se
réalise.
Exemple :
Pour , on a
L’évènement A : « le numéro du 1er dé est pair »
L’évènement B : « la somme des numéros est plus
de 4 ».
= 11
Différence et Différence symétrique:
Définitions
12
Evénements Incompatibles :
Définition :
Deux événements A et B sont incompatibles
s’ils ne peuvent pas se réaliser en même temps
Exemple :
A: « On obtient un 5 » et B : « On obtient un 1 »
A et B sont incompatibles car si A qui se
réalise alors et B ne se réalise pas et contraire.
Et on écrit :
13
Système complet :
Définition :
Soient A1 , A2 , A3 , …, An est famille de n
événement 2 à 2 incompatibles tels que
A1 A2 A3 … An = .
Alors cette famille est appelée un système
complet
14
1.3 Tribu
Définition
Soit un espace fondamentale associé à
une épreuve E , et soit F un ensemble
définie sur .
On dit que F est une tribu si les
conditions suivantes sont vérifiées :
1) Ω .
2) A , Ã . (Ã est le complément de A)
3) Si A1 , A2 , A3 , …, An , , alors
A1 A2 A3 … An
15
Exemple
,
1. F ={Ø,{2,4,6},{1,3,5}, }
C’est une tribu.
2. F = ( ), c’est une tribu.
3.
Remarque :
Le couple (Ω, F ) est appelé espace
probabilisable.
16
1.4 Mesure de Probabilités
Soit (Ω, F ) un espace probabilisable. On
appelle mesure de probabilité ou
simplement (probabilité) sur (Ω, F ) une
mesure telle que :
P : F 0, 1
A 0 PA 1
Qui associée à tout élémentF
A de un
nombre P(A), appelé probabilité de A, qui
satisfait aux 17
axiomes suivants:
1. F ,
2.
3.
F , 2 à 2 incompatibles
alors
Remarque :
Le triplet (Ω‚ F , P) est appelé espace
probabilisé 18
Exemple :
19
Proposition :
Définition :
-On appelle événement quasi-impossible
2
un événement A tel que P(A)=0 .
-Un événement quasi-impossible n’est pas
forcément égal à ∅. 20
-On appelle événement quasi-certain un
événement A tel que P(A)=1.
Remarques :
Si A et B sont disjoints alors P(A ∪
B)=P(A)+P(B)
21
1. 5 Probabilités composées :
1.5.1 Probabilités Conditionnelles :
22
23
Définition
probabilisé (Ω, F ,P)
24
la probabilité qu'un évènement se produise
sachant qu'un autre s'est produit.
25
Résultats :
ii)
probabilisé (Ω, F ,P) , on a
26
27
28
Remarque :
1.5.2 Indépendance de deux événements :
Définition
Deux événements A et B sont dits
indépendants si P(A ∩ B) = P(A) · P(B)
Soient trois événements A, B et C, ils sont
mutuellement indépendants si
29
-P(A ∩ B) = P(A) · P(B)
- P(A ∩ C) = P(A) · P(C)
- P(B ∩ C) = P(B) · P(C)
- P(A ∩ B ∩ C) = P(A) · P(B) · P(C)
Si on a uniquement les trois premières
conditions, on dit que les événements
sont deux à deux indépendants.
Exemple :
On lance deux dés : un rouge et l’autre
bleu, on a alors Ω = , A = β(Ω) et P
(uniforme). 30
Soient les trois événements :
A "le dé rouge amène un numéro pair".
B "le dé bleu amène un numéro pair".
C "la somme des numéros est paire".
P(A) = P(B) = P(C) =
P(A ∩ B) = P(A ∩ C) = P(B ∩ C)=1/4
P(A ∩ B ∩ C) =
Les événements sont deux à deux
indépendants mais pas tous mutuellement.
31
1.5.3 Formule des Probabilités
Totales et Formule de Bayes :
Proposition :
Soit {Hk /k = 1, 2, ...} un système complet
d’événements, tous de probabilité non
nulle. Alors, on a :
∀A ∈ F , P(A) = ∑ P(Hk)P(A| Hk)
Cette formule est dite "formule des
probabilités totales".
32
Si de plus P(A) > 0, on a :
Cette formule est dite "formule de
Bayes".
33
Exemple :
On tire au hasard un individu d’une population où un
homme sur 104 est malade. On dispose d’un test : le
test est fiable pour une personne malade dans 99% des
cas, et 0,1% des personnes saines (non malades) ont un
test positif.
Sachant que la réaction de l’individu au test est
positive, quelle est la probabilité qu’il soit réellement
malade ?
Soit l’épreuve E :
« On choisit au hasard un individu dans la population".
34
Maintenant, construisons les événements suivants :
H1 : "l’individu est malade".
H2 : "l’individu choisi n’est pas malade".
H2 Hc1 donc {H1 , H2 } forme un système complet
d’événements.
A : "l’individu choisi au hasard présente une réaction
positive au test".
Nous cherchons alors, PH1 /A
On sait déjà que
et que
35
D’où
La probabilité d’être réellement malade est de 9 %. Le
fait que P(H1|A) soit faible provient du fait que la
maladie est rare.
36
