Introduction aux Probabilités - Université Rennes 2

Introduction aux Probabilités - Université Rennes 2 Introduction aux Probabilités - Université Rennes 2

sites.univ.rennes2.fr
from sites.univ.rennes2.fr More from this publisher
26.06.2013 Views

Chapitre 1 Espaces probabilisés Introduction Dans ce premier chapitre, on commence par définir axiomatiquement la notion de probabilité sur un ensemble cohérent d’événements (ou tribu). L’idée de probabilité conditionnelle en découle alors très simplement. Elle est entre autres liée à la notion d’indépendance, fondamentale en probabilités comme en statistiques. 1.1 Qu’est-ce qu’une probabilité? Avant de définir ce qu’est une probabilité sur un ensemble d’événements, il faut commencer par préciser les propriétés souhaitables pour cet ensemble d’événements. 1.1.1 Tribu On s’intéresse à une expérience aléatoire dont le résultat est appelé événement élémentaire ω. L’ensemble des résultats possibles, c’est-à-dire l’union des événements élémentaires, est noté Ω et appelé univers ou ensemble fondamental. Exemples : 1. Lancer d’un dé : on s’intéresse au résultat ω du lancer d’un dé à 6 faces. On a donc ω = 1 ou ω = 2, etc. L’espace fondamental est donc Ω = {1,2,3,4,5,6}. Cet univers Ω est fini. 2. Infinité de lancers d’une pièce : on lance une infinité de fois une pièce dont l’une des faces est numérotée 0 et l’autre 1. Un événement élémentaire est donc cette fois une suite de 0 et de 1 : ω = {u1,u2,...} avec un =0 ou 1 pour tout n deÆ∗ . L’espace fondamental est cette fois l’ensemble de toutes les suites possibles formées de 0 et de 1. Cet univers Ω est clairement infini. Dans la suite, on va vouloir calculer la probabilité de certaines parties de l’espace fondamental Ω. Malheureusement, sauf lorsque Ω sera fini ou dénombrable, on ne pourra pas s’intéresser à l’ensemble P(Ω) de toutes les parties de Ω, celui-ci étant en quelque sorte “trop gros”. On se restreindra donc à un sous-ensemble F de P(Ω), qui constituera l’ensemble des parties dont on peut calculer la probabilité. Afin d’obtenir un modèle aussi cohérent que possible, il importe néanmoins d’imposer certaines conditions de stabilité à F : par union, intersection, passage au complémentaire, etc. C’est en ce sens qu’intervient la notion de tribu.

Chapitre 1<br />

Espaces probabilisés<br />

<strong>Introduction</strong><br />

Dans ce premier chapitre, on commence par définir axiomatiquement la notion de probabilité sur<br />

un ensemble cohérent d’événements (ou tribu). L’idée de probabilité conditionnelle en découle alors<br />

très simplement. Elle est entre autres liée à la notion d’indépendance, fondamentale en probabilités<br />

comme en statistiques.<br />

1.1 Qu’est-ce qu’une probabilité?<br />

Avant de définir ce qu’est une probabilité sur un ensemble d’événements, il faut commencer par<br />

préciser les propriétés souhaitables pour cet ensemble d’événements.<br />

1.1.1 Tribu<br />

On s’intéresse à une expérience aléatoire dont le résultat est appelé événement élémentaire ω.<br />

L’ensemble des résultats possibles, c’est-à-dire l’union des événements élémentaires, est noté Ω et<br />

appelé univers ou ensemble fondamental.<br />

Exemples :<br />

1. Lancer d’un dé : on s’intéresse au résultat ω du lancer d’un dé à 6 faces. On a donc ω = 1<br />

ou ω = 2, etc. L’espace fondamental est donc Ω = {1,2,3,4,5,6}. Cet univers Ω est fini.<br />

2. Infinité de lancers d’une pièce : on lance une infinité de fois une pièce dont l’une des faces est<br />

numérotée 0 et l’autre 1. Un événement élémentaire est donc cette fois une suite de 0 et de<br />

1 : ω = {u1,u2,...} avec un =0 ou 1 pour tout n deÆ∗ . L’espace fondamental est cette fois<br />

l’ensemble de toutes les suites possibles formées de 0 et de 1. Cet univers Ω est clairement<br />

infini.<br />

Dans la suite, on va vouloir calculer la probabilité de certaines parties de l’espace fondamental Ω.<br />

Malheureusement, sauf lorsque Ω sera fini ou dénombrable, on ne pourra pas s’intéresser à l’ensemble<br />

P(Ω) de toutes les parties de Ω, celui-ci étant en quelque sorte “trop gros”. On se restreindra<br />

donc à un sous-ensemble F de P(Ω), qui constituera l’ensemble des parties dont on peut calculer la<br />

probabilité. Afin d’obtenir un modèle aussi cohérent que possible, il importe néanmoins d’imposer<br />

certaines conditions de stabilité à F : par union, intersection, passage au complémentaire, etc.<br />

C’est en ce sens qu’intervient la notion de tribu.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!