0% ont trouvé ce document utile (0 vote)
42 vues35 pages

Chapitre 1

Le document présente un cours sur les probabilités, structuré en plusieurs chapitres abordant les bases des probabilités, les variables aléatoires, les lois usuelles, les vecteurs aléatoires et la convergence. Il inclut des définitions clés, des théorèmes, des propriétés élémentaires, ainsi que des applications pratiques illustrant des concepts comme la probabilité conditionnelle et les événements indépendants. Le professeur Jamali-Alaoui Amine enseigne ce cours aux filières DPI et GLD.

Transféré par

ezzahi.afrae
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
0% ont trouvé ce document utile (0 vote)
42 vues35 pages

Chapitre 1

Le document présente un cours sur les probabilités, structuré en plusieurs chapitres abordant les bases des probabilités, les variables aléatoires, les lois usuelles, les vecteurs aléatoires et la convergence. Il inclut des définitions clés, des théorèmes, des propriétés élémentaires, ainsi que des applications pratiques illustrant des concepts comme la probabilité conditionnelle et les événements indépendants. Le professeur Jamali-Alaoui Amine enseigne ce cours aux filières DPI et GLD.

Transféré par

ezzahi.afrae
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Probabilités

Filières DPI & GLD- S1

Professeur: JAMALI-ALAOUI AMINE

September 30, 2024

September 30, 2024 1 / 26


Architecture du cours

Chapitre 1: Les bases des probabilités

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 2 / 26


Architecture du cours

Chapitre 1: Les bases des probabilités


Chapitre 2: Variables aléatoires

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 2 / 26


Architecture du cours

Chapitre 1: Les bases des probabilités


Chapitre 2: Variables aléatoires
Chapitre 3: Lois Usuelles

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 2 / 26


Architecture du cours

Chapitre 1: Les bases des probabilités


Chapitre 2: Variables aléatoires
Chapitre 3: Lois Usuelles
Chapitre 4: Vecteur aléatoire

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 2 / 26


Architecture du cours

Chapitre 1: Les bases des probabilités


Chapitre 2: Variables aléatoires
Chapitre 3: Lois Usuelles
Chapitre 4: Vecteur aléatoire
Chapitre 5: Convergence et théorèmes limites

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 2 / 26


Chapitre I

LES BASES DES


PROBABILITÉS

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 3 / 26


Plan

1 Espace probabilisé

2 Probabilité conditionnelle

3 Evénements indépendants

4 Espace mesurable et tribu de Borel

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 4 / 26


Plan

1 Espace probabilisé

2 Probabilité conditionnelle

3 Evénements indépendants

4 Espace mesurable et tribu de Borel

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 5 / 26


Espace probabilisé

Une épreuve est une expérience dont l’issue n’est pas prévisible car
répétée dans des conditions identiques, elle peut donner lieu à des
résultats différents ou aléatoires (expérience aléatoire). L’ensemble
des résultats possibles s’appelle l’ensemble fondamental (ou
référentiel, univers des possibles) et sera noté Ω.
Un événement est un ensemble de résultats (un sous-ensemble de
l’univers) d’une expérience aléatoire. Comme l’événement est une
affirmation concernant le résultat d’une expérience, nous devons
pouvoir dire, pour tout résultat de l’univers, si l’événement se réalise
ou non. Un événement donné, souvent défini par une proposition, est
identifié à la partie de l’univers pour laquelle il est réalisé.

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 6 / 26


Espace probabilisé

La collection C des événements dispose de la structure d’une algèbre


de Boole, i.e :
1 Ω ∈ C; ∅ ∈ C .
2 si A ∈ C; ⇒ Ā ∈ C
3 si A, B ∈ C ⇒ A ∪ B ∈ C et A ∩ B ∈ C .
On peut préciser le calcul de probabilités d’un événement E. De
manière simplifiée, la probabilité théorique vaut

nombre de cas favorables


P (E ) =
nombre total de cas

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 7 / 26


Espace probabilisé

Exemples:
• Si on lance un dé à 6 faces, le référentiel est composé des six
faces Ω = {1, 2, 3, 4, 5, 6}.
• Si on lance trois fois une pièce, le référentiel est composé des 23
arrangements avec répétition des 2 faces distinctes notées P et
F : Ω = {PPP , PPF , PFP , PFF , FPP , FPF , FFP , FFF }.
• Si on lance trois pièces identiques simultanément, le référentiel
est composé des 3-combinaisons avec répétition des 2 faces
distinctes notées P et F : Ω = {PPP , PPF , FFP , FFF }. de
cardinal K23 .

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 8 / 26


Espace probabilisé

définition
Deux événements A et B sont dits incompatibles s’ils ne peuvent se réaliser
simultanément c’est-à-dire lorsque l’intersection des sous-ensembles A et B est vide :
A ∩ B = ∅.

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 9 / 26


Espace probabilisé

définition
Deux événements A et B sont dits incompatibles s’ils ne peuvent se réaliser
simultanément c’est-à-dire lorsque l’intersection des sous-ensembles A et B est vide :
A ∩ B = ∅.

Définition: Axiomatique de Kolmogorov


Soient Ω est l’ensemble des événements et C une classe de parties de Ω. On appelle
probabilité sur (Ω, C), ou loi de probabilité, une application P de C dans [0, 1] telle
que :
1 Pour tout événement A, 0 ≤ P (A) ≤ 1.
2 P (Ω) = 1
3 pour tout ensemble dénombrable d’événements incompatibles A1 , A2 , . . . , An ,
on a

X
P (∪Ai ) = P (Ai ) . (σ -additivité de P )

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 9 / 26


Espace probabilisé

définition
Soient Ω est l’ensemble fondamental, C est une collection de des
parties de Ω possédant la structure de σ -algèbre de Boole et
P : C → [0, 1] est une mesure de probabilité sur C .
Alors le triplé (Ω, C, P ) est appelée espace probabilisé.

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 10 / 26


Espace probabilisé
Propriétés élémentaires
De l’axiomatique de Kolmogorov, on peut déduire les propriétés
suivantes :
1 P (∅) = 0
2 P (Ā) = 1 − P (A)
3 P (A ∪ B ) = P (A) + P (B ) − P (A ∩ B )
4 P (A) ≤ P (B ) si A ⊂ B (inégalité de Boole)
P
5 P (∪i Ai ) ≤ i P (Ai ) (Il n’y a stricte égalité que si les
événements Ai sont deux à deux incompatibles.)
6 Si la suite (An ) croît vers A (c’est-à-dire ∀n, An ⊂ An+1 et
∪An = A ) alors lim P (An ) = P (A).
7 Continuité monotone séquentielle. Soient
A1 ⊃ A2 ⊃ · · · ⊃ An ⊃ ∅. Si limn→∞ An = ∅ alors
limn→∞ P (An ) = 0

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 11 / 26


Espace probabilisé

Théorème des probabilités totales


Soit Ω = ∪Bi un système complet d’événements (i.e. tel que les { Bi}
constituent une partition de Ω ). Alors
X
∀A : P (A) = P ( A ∩ Bi )
i

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 12 / 26


Plan

1 Espace probabilisé

2 Probabilité conditionnelle

3 Evénements indépendants

4 Espace mesurable et tribu de Borel

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 13 / 26


Probabilité conditionnelle

On considère la réalisation de deux événements A et B.


Que peut-on déduire sur la probabilité de l’événement B sachant que
l’événement A est réalisé? Cette probabilité est appelée probabilité
conditionnelle de A sachant B et se note P (A/B ) ou PB (A).
Par définition, on a

P (A ∩ B )
P (A/B ) =
P (B )
Cette probabilité a posteriori est dite Probabilité de Bayes.

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 14 / 26


Probabilité conditionnelle
Formule de Bayes
La formule de Bayes est

P (B /A)P (A)
P (A/B ) =
P (B )
On remarque que
P (B ) = P (A ∩ B ) + P (Ā ∩ B ) = P (B /A)P (A) + P (B /Ā)P (Ā), ainsi

P (B /A)P (A)
P (A/B ) =
P (B /A)P (A) + P (B /Ā)P (Ā)
Plus généralement si {Aj } est une partition de l’ensemble des
possibles, pout tout i,

P (B /Ai ) P (Ai )
P (Ai /B ) = P
j P (B /Aj ) P (Aj )

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 15 / 26


Probabilité conditionnelle

Exercice d’application
Dans une usine, on utilise conjointement deux machines M1 et M2
pour fabriquer des pièces cylindriques en série. Pour une période
donnée, leurs probabilités de tomber en panne sont respectivement
0, 01 et 0, 008. De plus la probabilité de l’événement "la machine M2
est en panne sachant que M1 est en panne" est égale à 0, 4.
1 Quelle est la probabilité d’avoir les deux machines en panne au
même moment ?
2 Quelle est la probabilité d’avoir au moins une machine qui
fonctionne ?

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 16 / 26


Probabilité conditionnelle

Proposition: Formule des probabilités composées


Soient n événements A1 , . . . , An tels que P (A1 ∩ · · · ∩ An ) ̸= 0.
Alors :

P (A1 ∩ · · · ∩ An ) =P (A1 ) P (A2 | A1 ) P (A3 | A1 ∩ A2 ) · · ·


P (An | A1 ∩ · · · An−1 )

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 17 / 26


Probabilité conditionnelle

Proposition: Formule des probabilités composées


Soient n événements A1 , . . . , An tels que P (A1 ∩ · · · ∩ An ) ̸= 0.
Alors :

P (A1 ∩ · · · ∩ An ) =P (A1 ) P (A2 | A1 ) P (A3 | A1 ∩ A2 ) · · ·


P (An | A1 ∩ · · · An−1 )

Exercice d’application
Une urne contient initialement 7 boules noires et 3 boules blanches.
On tire successivement 3 boules: si on tire une noire, on l’enlève, si on
tire une blanche, on la retire, et on ajoute une noire à la place. Quelle
est la probabilité de tirer 3 blanches à la suite?

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 17 / 26


Probabilité conditionnelle

Proposition: Formule des probabilités totales


Soit {An ; n ∈ N} un système complet d’événements, tous de
probabilité non nulle. Soit B un événement. Alors :
X
P (B ) = P (An ) P (B /An )
n∈N

Cette formule permet de calculer la probabilité d’un événement B en le


décomposant suivant un système complet d’événements (En effet, B
est égal à la réunion disjointes des B ∩ An ).

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 18 / 26


Plan

1 Espace probabilisé

2 Probabilité conditionnelle

3 Evénements indépendants

4 Espace mesurable et tribu de Borel

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 19 / 26


Evénements indépendants

Soient 2 événements A et B. Ils sont indépendants si la réalisation de


A n’affecte pas la réalisation de B, et inversement. On peut alors écrire

P (A/B ) = P (A)
P (B /A) = P (B )
On dit encore que A et B sont indépendants si et seulement la
probabilité de réalisation simultanée de ces événements est égal au
produit de leurs probabilités individuelles :

P (A ∩ B ) = P (A) · P (B )

Si deux événements A et B sont indépendants, alors il en est de


même pour A et B c , Ac et B , Ac et B c .

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 20 / 26


Evénements indépendants

Définition: Ensemble d’événements totalement indépendant


Un ensemble d’événements A1 , A2 , . . . , An est dit totalement
indépendant si pour tout sous ensemble I ⊂ {1, 2, . . . , n}
Y
P (∩i ∈I Ai ) = P (Ai )
i ∈I

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 21 / 26


Plan

1 Espace probabilisé

2 Probabilité conditionnelle

3 Evénements indépendants

4 Espace mesurable et tribu de Borel

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 22 / 26


Espace mesurable et tribu de Borel

Définition: Tribu et espace mesurable


Soit F un ensemble de parties de Ω. On dit que F est une tribu (ou
σ -algèbre sur Ω si :
• Ω ∈ F.
• Si A ∈ F , alors Ac ∈ F .
• Si (An , n ∈ N) une suite d’éléments de F , alors An ∈ F .
S

Le couple (Ω, F) est appelé espace mesurable. Un ensemble A ⊆ Ω


est dit mesurable, si A ∈ F .

Exemple: dans la séance du cours.

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 23 / 26


Espace mesurable et tribu de Borel

Définition: Tribu de Borel


La tribu borélienne sur Rd est la plus petite tribu qui contienne tous les
ouverts de Rd . On la note B(Rd ). Tout ensemble A ∈ B(Rd ) est
appelé borélien.
Si K est un borélien, on note B(K ) = {A ⊂ K ; A ∈ B(Rd )}.

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 24 / 26


Espace mesurable et tribu de Borel

Définition: Tribu de Borel


La tribu borélienne sur Rd est la plus petite tribu qui contienne tous les
ouverts de Rd . On la note B(Rd ). Tout ensemble A ∈ B(Rd ) est
appelé borélien.
Si K est un borélien, on note B(K ) = {A ⊂ K ; A ∈ B(Rd )}.

Définition: Espace mesurable produit


Soient n ∈ N∗ et ((Ωi , Fi ), 1 ≤ i ≤ n) une famille d’espaces
mesurables. L’espace produit est Ω = Ω1 × Ω2 × .....Ωn et la tribu
produit ,F , est la plus petite tribu de Ω qui contienne
{A1 × A2 × .....An ; A1 ∈ F1 ....An ∈ Fn }.
L’espace mesurable (Ω, F) est appelé espace mesurable produit.

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 24 / 26


Espace mesurable et tribu de Borel

Définition: Application mesurable


′ ′
Soient (Ω, F) et (Ω , F ) deux espaces mesurables et X une fonction

de Ω vers Ω .

On dit que X est une application mesurable si pour tout A ∈ F , on a
X −1 (A) ∈ F .

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 25 / 26


Espace mesurable et tribu de Borel

Définition: Application mesurable


′ ′
Soient (Ω, F) et (Ω , F ) deux espaces mesurables et X une fonction

de Ω vers Ω .

On dit que X est une application mesurable si pour tout A ∈ F , on a
X −1 (A) ∈ F .

Proposition
La composée de deux applications mesurables est mesurable.

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 25 / 26


Espace mesurable et tribu de Borel

Proposition
Soit X une application de Ω vers Rd . X est une application mesurable
de (Ω, F) dans (Rd , B(Rd )) si et seulement si l’une au moins des
conditions suivantes est satisfaite :
1 Pour tout ouvert O ⊂ Rd , X −1 (O ) ∈ F .
2 Pour tout a1 < b1 , a2 < b2 ,..., ad < bd , on a
X −1 ([a1 , b1 ] × [a2 , b2 ] × ...[ad , bd ]) ∈ F .

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 26 / 26


Espace mesurable et tribu de Borel

Proposition
Soit X une application de Ω vers Rd . X est une application mesurable
de (Ω, F) dans (Rd , B(Rd )) si et seulement si l’une au moins des
conditions suivantes est satisfaite :
1 Pour tout ouvert O ⊂ Rd , X −1 (O ) ∈ F .
2 Pour tout a1 < b1 , a2 < b2 ,..., ad < bd , on a
X −1 ([a1 , b1 ] × [a2 , b2 ] × ...[ad , bd ]) ∈ F .

Exemple: Dans la séance du cours.

Professeur: JAMALI-ALAOUI AMINE () September 30, 2024 26 / 26

Vous aimerez peut-être aussi