Documente Academic
Documente Profesional
Documente Cultură
1 Introduction
Le modèle du chapitre un (univers fini) n’est pas suffisant. Ainsi
par exemple, dans l’expérience aléatoire "jouer à pile où face jusqu’à
ce qu’il sorte pile pour la première fois", on est amené à considérer un
univers d’éventualités infini dénombrable :
1
Exercice 2.2 : Soit F est une tribu sur Ω.
1) Montrer que F est stable par intersections dénombrables (utiliser les
propriétés 2) et 3) de la définition 2.1).
2) Montrer que F est stable par intersections et réunions finies.
2
Remarque 2.6 : Si Ω = {ω1 , ω2 , . . .} est dénombrable, on peut tou-
jours supposer que P(Ω) est la tribu des événements donc toutes les
éventualités ω ∈ Ω sont des événements7 . Si on connait la distribution
de probabilité : p1 = P(ω1 ), p2 = P(ω2 ),. . . alors on connait la proba-
bilité de n’importe quel événement car tout événement A est réunion
(finie ou dénombrable) de ses éventualités c’est à dire A = ∪i∈J {ωi }
où J est fini ou dénombrable
P ; la propriété de sigma-additivité implique
alors que P(A) = i∈J pi .
On notera cependant qu’il n’est plus possible de parler de probabilité
équidistribuée sur Ω. En effet s’il existait une constante a ≥ 0 telle que
pour tout ω P ∈ Ω, P(ω) = a, la propriété de sigma-additivité imposerait
1 = P(Ω) = ω∈Ω) P(ω) ce qui est absurde car la somme de la série est
infinie si a > 0 et nulle si a = 0.
3
être remise en question. On doit considérer une nouvelle probabilité PB
qui tienne compte du fait nouveau. On l’appelle la probabilité condi-
tionnelle sachant B.
(2) P(A1 ∩ A2 ∩ . . . ∩ Ak ) =
P(A1 )P(A2 |A1 )P(A3 |A1 ∩ A2 ) . . . P(Ak |A1 ∩ . . . ∩ Ak−1 ).
démonstration : On a
4
Exercice 3.5 : Une personne dispose de N clés (d’aspect identique) et
veut ouvrir sa porte dans l’obscurité. Elle essaye les clés les unes après
les autres, en les mettant de côté après essai. Quelle est la probabilité
que la porte s’ouvre à la k-ième tentative (1 ≤ k ≤ N ) ?
solution : Considérons les événements Ai ="le i-ème essai est un échec"
(i = 1, 2, . . . , k −1) et Ak ="le k-ième essai est le bon". Comme Ak ⊂ Ai
(si i < k), par la formule de l’intersection, on a
P(A|Ai )P(Ai )
(4) P(Ai |A) = P
j P(A|Aj )P(Aj )
5
i ∩A) i )P(Ai )
démonstration : P(Ai |A) = P(A = PP(A|A où on a utilisé la
P(A) j P(A|Aj )P(Aj )
formule de la probabilité totale pour exprimer le dénominateur.
di pi
.
d1 p1 + d2 p2 + d3 p3 + d4 p4
Remarquer qu’on peut résoudre facilement cet exercice par des cal-
culs de pourcentage et qu’on n’a pas réellement besoin de la formule
de Bayes. Cependant la notion de probabilité conditionnelle, par sa
généralité, permet de résoudre de la même façon tout un éventail de
questions formellement identiques à l’exemple précédent.
4 Événements indépendants
4.1 Introduction et définitions
Soient A et B deux événements (de probabilité non nulle). Si P(A|B) =
P(A) cela signifie concrètement que la réalisation de l’événement B ne
modifie pas les chances de réalisation de A c’est à dire que B n’influe
pas sur A. Dans ce cas on a P(A ∩ B) = P(A)P(B) et on voit qu’on
a aussi P(B|A) = P(B) donc A n’influe pas sur B et la non infuence
est donc réciproque. Si maintenant l’un des événements A ou B est de
probabilité nulle, il est intuitivement clair qu’il n’influe pas sur l’autre.
Pour tenir compte de ce fait on préfère définir l’indépendance entre
deux événements de la manière suivante
6
2) Les tribus F1 , . . . , Fn sont indépendantes si
7
Les sous-ensembles de Ω de la forme A1 × · · · × An où pour tout i =
1, . . . , n, Ai ∈ Fi , s’appellent pavés mesurables de Ω. La tribu F sur
Ω engendrée8 par les pavés mesurables s’appelle la tribu produit des
tribus Fi et on la note
F = Fi ⊗ · · · ⊗ Fn
8
Exemple 4.9 (les tirages avec remise) : L’expérience aléatoire tirer
au hasard n fois avec remise un élément dans un ensemble fini E est
modélisée par l’espace produit (Ω, F, P) où Ω = E n = E × E × · · · × E
(n fois), P = U ⊗n = U ⊗· · ·⊗U (n fois) où U est la probabilité uniforme
sur E et F = P(E n ) la tribu de toutes les parties de E n (c’est, dans ce
cas, la tribu produit P(E)⊗n ).
Exercice 4.10 : Une urne contient N boules dont NB blanches et NR
rouges (N = NB + NR ). On fait n(≥ 1) tirages avec remise dans l’urne.
Montrer que la probabilité d’avoir tiré k boules rouges (0 ≤ k ≤ n) est
n−k
égale à Cnk ( NNR )k 1 − NNR .
9
d’une infinité dénombrable de copies de l’ensemble E. Ω est l’ensemble
des suites infinies (x1 , x2 , . . . , xn , . . .) avec xi ∈ E pour tout i ≥ 1. On
appelle ensembles cylindriques ou plus Q+∞simplement cylindres les
sous-ensembles de Ω de la forme C = i=1 Ai , tels que Ai ⊂ E et
Ai = E pour tout i assez grand, c’est à dire tels qu’il existe un entier
KC (qui varie avec C) tel que
+∞
Y
(8) C = A1 × · · · × AKC × E × E × · · · = A1 × · · · × AKC × E.
i=KC +1
Remarque 4.14 : Comme dans la remarque 4.8, on voit que des évé-
nements relatifs à des coordonnées différentes, sont des événements in-
dépendants pour la probabilité P.
Répétition d’une infinité d’expériences indépendantes
Ak = E1 ∩ E2 ∩ . . . ∩ Ek−1 ∩ Sk ,
10
où Ei ="échec à la i-ème tentative, (i = 1, . . . , k − 1) et Sk ="succès à la
k-ième tentative". Comme les événements Ei et Sk sont indépendants
puisque relatifs à des répétitions indépendantes d’une expérience aléa-
toire (cf. la remarque 4.14), on a P(Ak ) = (1 − p)k−1 p.
2) Modélisons la n-ième répétition de l’expérience par l’espace Ωn =
{E, S} muni de la probabilité Pn telle queQPn (E) = 1 − p et Pn (S) = p
et considérons l’espace produit infini Ω = +∞ n=1 Ωn muni de la probabi-
lité produit des Pn qui modélise la répétition illimitée de l’expérience.
Alors Ak est justement l’événement cylindrique
+∞
Y
Ak = {E} × · · · × {E} ×{S} × Ωn .
| {z }
k−1fois n=k+1
11