Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2 Introduction aux Probabilités - Université Rennes 2
2 Chapitre 1. Espaces probabilisés Définition 1.1 (Tribu) Soit Ω un univers et F un sous-ensemble de parties de Ω, i.e. F ⊆ P(Ω). On dit que F est une tribu, ou une σ-algèbre, si elle vérifie les 3 conditions suivantes : (i) Ω ∈ F ; (ii) si A appartient à F, alors son complémentaire A (encore noté A c ) appartient aussi à F ; (iii) si (An)n∈Æest une suite de F, alors +∞ n=0 An appartient à F. On appelle dès lors événements les éléments de la tribu F. Rappelons que si A est un événement, alors A = Ω \ A est l’événement contraire de A. Par ailleurs, dire que l’événement +∞ n=0An se réalise signifie que l’un au moins des événements An se réalise : ω ∈ +∞ n=0 An ⇔ ∃n ∈Æ:ω ∈ An. On vérifie sans problème à partir des trois axiomes ci-dessus que toute tribu F contient l’ensemble vide ∅, est stable par union finie, intersection finie ou dénombrable. Ainsi, on retiendra qu’une tribu est stable par combinaisons au plus dénombrables d’opérations usuelles sur les ensembles, bref par toutes les manipulations classiques. Exemples. Voici trois exemples classiques de tribus : – La tribu triviale : F = {∅,Ω}. – La tribu engendrée par une partie A de Ω : F = {∅,A,A,Ω}. – La tribu pleine : F = P(Ω). En pratique, lorsque Ω est fini ou dénombrable, on considère en général la tribu pleine P(Ω). C’est le cas par exemple si Ω = {1,2,3,4,5,6}, ensemble des résultats possibles du lancer d’un dé, ou si Ω =Æ∗ , date d’apparition du premier Pile dans une succession de lancers d’une pièce (lorsqu’on exclut le cas improbable où Pile n’apparaît jamais). Si Ω n’est pas dénombrable, comme c’est le cas dans l’exemple d’une suite infinie de lancers (Ω = {0,1}Æ∗ ), on ne considérera pas la tribu F = P(Ω), mais une tribu plus petite. 1.1.2 Probabilité Une fois fixés un univers Ω et une tribu F de Ω, on peut définir proprement ce qu’est une probabilité sur (Ω,F). Un point de vocabulaire auparavant : on dit que deux événements A et B sont incompatibles (ou disjoints) si A∩B = ∅, et on dit que (An)n≥0 est une suite d’événements deux à deux incompatibles si pour tout couple d’indices distincts (i,j), on a Ai ∩Aj = ∅. Définition 1.2 (Probabilité) On appelle probabilité sur la tribu F de Ω toute applicationÈ:F → [0,1] telle que (i)È(Ω) = 1; (ii) σ-additivité : si (An)n≥0 est une suite d’événements deux à deux incompatibles de F, alors : È +∞ n=0 An On dit alors que (Ω,F,È) est un espace probabilisé. = +∞ n=0È(An). Exemple. Reprenons l’exemple du lancer de dé. On a vu que l’univers est Ω = {1,2,3,4,5,6} et qu’on le munit de la tribu F = P(Ω). On vérifie alors que l’applicationÈ:F → [0,1] qui à A ∈ F Arnaud Guyader - Rennes 2 Probabilités
1.1. Qu’est-ce qu’une probabilité? 3 associeÈ(A) = #A/6 est une probabilité sur F, où la notation #A signifie “cardinal de l’ensemble A”. Généralisation : équiprobabilité sur un univers fini. Dès qu’on considère un univers Ω de cardinal fini sur lequel tout événement élémentaire ω a la même chance d’apparition, on le munira généralement de la même probabilitéÈque pour le lancer de dé, appelée équiprobabilité. C’est-à-dire que pour tout événement A, on aura : È(A) = #A #Ω . Nous allons maintenant énoncer diverses propriétés d’une probabilité qui nous seront utiles dans la suite du cours. Rappelons au passage la définition de la soustraction ensembliste “\” (figure 1.1) : B \A = B ∩A. A B \ A Figure 1.1 – Soustraction ensembliste : B \A = B ∩A. Propriétés 1.1 (Propriétés d’une probabilité) Soit (Ω,F,È) un espace probabilisé. Tous les ensembles considérés sont supposés appartenir à F. – Monotonie : si A ⊆ B, alorsÈ(A) ≤È(B). Plus précisément : È(B) =È(A)+È(B \A). – Additivité forte : È(A)+È(B) =È(A∪B)+È(A∩B). – Sous−σ−additivité : È +∞ n=0 An ≤ +∞ B n=0È(An). – Continuité monotone croissante : si (An)n∈Æest une suite d’événements croissante pour l’inclusion (figure 1.2), alors : È +∞ n=0 An = lim n→∞È(An). Probabilités Arnaud Guyader - Rennes 2 Ω
- Page 1: Université Rennes 2 Licence MASS 2
- Page 5: Chapitre 1 Espaces probabilisés In
- Page 9 and 10: 1.1. Qu’est-ce qu’une probabili
- Page 11 and 12: 1.2. Conditionnement 7 Exemple : On
- Page 13 and 14: 1.2. Conditionnement 9 Bref il suff
- Page 15 and 16: 1.3. Indépendance 11 1. On lance u
- Page 17 and 18: 1.4. Exercices 13 1.4 Exercices Exe
- Page 19 and 20: 1.4. Exercices 15 4. Que vaut le ca
- Page 21 and 22: 1.4. Exercices 17 (b) An =]−∞,
- Page 23 and 24: 1.4. Exercices 19 2. Méthode B : o
- Page 25 and 26: 1.4. Exercices 21 1. Quelle est la
- Page 27 and 28: 1.4. Exercices 23 Exercice 1.43 (Le
- Page 29 and 30: 1.5. Corrigés 25 Exercice 1.53 (Ut
- Page 31 and 32: 1.5. Corrigés 27 1.0 0.9 0.8 0.7 0
- Page 33 and 34: 1.5. Corrigés 29 2. Le triangle de
- Page 35 and 36: 1.5. Corrigés 31 L’hypothèse de
- Page 37 and 38: 1.5. Corrigés 33 et on peut donc u
- Page 39 and 40: 1.5. Corrigés 35 2. Soit A et B de
- Page 41 and 42: 1.5. Corrigés 37 - Concernant la l
- Page 43 and 44: 1.5. Corrigés 39 q Figure 1.9 - Un
- Page 45 and 46: 1.5. Corrigés 41 et pour l’Europ
- Page 47 and 48: 1.5. Corrigés 43 3. On cherche cet
- Page 49 and 50: 1.5. Corrigés 45 Exercice 1.27 (La
- Page 51 and 52: 1.5. Corrigés 47 Exercice 1.31 (Le
- Page 53 and 54: 1.5. Corrigés 49 qui se calcule à
- Page 55 and 56: 1.5. Corrigés 51 2. Cette fois la
1.1. Qu’est-ce qu’une probabilité? 3<br />
associeÈ(A) = #A/6 est une probabilité sur F, où la notation #A signifie “cardinal de l’ensemble<br />
A”.<br />
Généralisation : équiprobabilité sur un univers fini. Dès qu’on considère un univers Ω<br />
de cardinal fini sur lequel tout événement élémentaire ω a la même chance d’apparition, on le<br />
munira généralement de la même probabilitéÈque pour le lancer de dé, appelée équiprobabilité.<br />
C’est-à-dire que pour tout événement A, on aura :<br />
È(A) = #A<br />
#Ω .<br />
Nous allons maintenant énoncer diverses propriétés d’une probabilité qui nous seront utiles dans la<br />
suite du cours. Rappelons au passage la définition de la soustraction ensembliste “\” (figure 1.1) :<br />
B \A = B ∩A.<br />
A<br />
B \ A<br />
Figure 1.1 – Soustraction ensembliste : B \A = B ∩A.<br />
Propriétés 1.1 (Propriétés d’une probabilité)<br />
Soit (Ω,F,È) un espace probabilisé. Tous les ensembles considérés sont supposés appartenir à F.<br />
– Monotonie : si A ⊆ B, alorsÈ(A) ≤È(B). Plus précisément :<br />
È(B) =È(A)+È(B \A).<br />
– Additivité forte : È(A)+È(B) =È(A∪B)+È(A∩B).<br />
– Sous−σ−additivité : È +∞<br />
n=0<br />
An<br />
<br />
≤<br />
+∞<br />
B<br />
n=0È(An).<br />
– Continuité monotone croissante : si (An)n∈Æest une suite d’événements croissante pour l’inclusion<br />
(figure 1.2), alors :<br />
È<br />
+∞<br />
<br />
n=0<br />
An<br />
= lim<br />
n→∞È(An).<br />
<strong>Probabilités</strong> Arnaud Guyader - <strong>Rennes</strong> 2<br />
Ω