Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2 Introduction aux Probabilités - Université Rennes 2
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.
- Page 1: Université Rennes 2 Licence MASS 2
- Page 6 and 7: 2 Chapitre 1. Espaces probabilisés
- Page 8 and 9: 4 Chapitre 1. Espaces probabilisés
- Page 10 and 11: 6 Chapitre 1. Espaces probabilisés
- Page 12 and 13: 8 Chapitre 1. Espaces probabilisés
- Page 14 and 15: 10 Chapitre 1. Espaces probabilisé
- Page 16 and 17: 12 Chapitre 1. Espaces probabilisé
- Page 18 and 19: 14 Chapitre 1. Espaces probabilisé
- Page 20 and 21: 16 Chapitre 1. Espaces probabilisé
- Page 22 and 23: 18 Chapitre 1. Espaces probabilisé
- Page 24 and 25: 20 Chapitre 1. Espaces probabilisé
- Page 26 and 27: 22 Chapitre 1. Espaces probabilisé
- Page 28 and 29: 24 Chapitre 1. Espaces probabilisé
- Page 30 and 31: 26 Chapitre 1. Espaces probabilisé
- Page 32 and 33: 28 Chapitre 1. Espaces probabilisé
- Page 34 and 35: 30 Chapitre 1. Espaces probabilisé
- Page 36 and 37: 32 Chapitre 1. Espaces probabilisé
- Page 38 and 39: 34 Chapitre 1. Espaces probabilisé
- Page 40 and 41: 36 Chapitre 1. Espaces probabilisé
- Page 42 and 43: 38 Chapitre 1. Espaces probabilisé
- Page 44 and 45: 40 Chapitre 1. Espaces probabilisé
- Page 46 and 47: 42 Chapitre 1. Espaces probabilisé
- Page 48 and 49: 44 Chapitre 1. Espaces probabilisé
- Page 50 and 51: 46 Chapitre 1. Espaces probabilisé
- Page 52 and 53: 48 Chapitre 1. Espaces probabilisé
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.