Cours 3: Rappels de probabilits

A- Notions de base
B- Variables alatoires
C- Lois classiques
D-Convergence de v.a.

A- Notions de base
Thorie des probabilits

Dcrit le comportement de phnomnes dont le rsultat est soumis au
hasard

permet de modliser la frquence de ralisation d vnements
alatoires.

A.1 Notions de base : quelques dfinitions

Exprience alatoire :
exprience dont le rsultat ne
peut pas tre dtermin avec
certitude a priori.

Univers de E = ensemble des
rsultats possibles de E . On le
note .

Rsultat lmentaire de E =
rsultat possible de E. Cest un
lment de . On le note

Ex1 :

E : lancer dun d rgulier

={1,2,3,4,5,6}=[|1,6|],
=2 est un rsultat possible

Ex2 : E : jet de deux pices de

monnaie distinguables .
={(P,P) ; (P,F) ; (F,P) ; (F,F)}.
= (P,P) est un rsultat possible
Ex3 : E : lancer dun crayon sur une
feuille de papier de dim l* L. Chaque
point de la feuille est repr par son
abscisse et son ordonne.
=={(x,y), x [0,l], y [0,L]}
infini
=(l/2,L/2)

A.2 Notions de base: vnements

Ensemble P(
) des parties de
: ensemble constitu de tous les
sous-ensembles (parties) de

Evnement (alatoire)
=une partie (sous-ensemble) de
= assertion, qui peut ou non se
raliser suivant l'issue de E.

Ralisation dun vnement :

Soit A un vnement de . Soit le
rsultat de lexprience

A se ralise A
CP : A= se ralise toujours. On
lappelle vnement certain.
A= ne se ralise jamais. On
lappelle vnement impossible.
A={w} sappelle vnement
lmentaire.

Ex0 : Si = { a, b, c } , P ( ) a 8

lments.
l'ensemble vide :
les parties un lt. : { a },{b}, {c}
les parties deux lts. : {b,c},{a,c},{a,b}
les parties trois lments : {a,b, c}=
Ex1 : A= le lancer est pair ={2,4,6}.

Ex2 : A= on obtient deux

piles ={(P,P)}
Si le rsultat de E est =(F,P) alors A ne
se ralise pas.
Ex3: A= le lancer a une abscisse
>l/2 =]l/2,l]*[0,L]

A.2 Notions de base: vnements

Oprations sur les vnements
 Complmentaire de A : vnement constitu des rsultats lmentaires de qui
ne sont pas dans A. Soit le rsultat de lexprience :

A = { , A}

( A se ralise ssi A ne se ralise pas : non A).



Runion de A et B: vnement constitu des rsultats lmentaires de qui

appartiennent A ou B (ou aux deux). Soit le rsultat de lexprience :

A B = { , A ou B}
( A B se ralise ssi A se ralise ou B se ralise : A ou B).

 Intersection de A et B: vnement constitu des rsultats lmentaires de qui

appartiennent la fois A et B. Soit le rsultat de lexprience

A B = { , A et B}
( A B se ralise ssi A et B se ralisent : A et B).

B
A

A.2 Notions de base: vnements

 Relations particulires :

Inclusion : A est inclus dans B ssi tout lment de A appartient B :

A B ( A B )

A
B

(Si A est ralis alors B est ralis).

Disjonction ou incompatibilit: A et B sont disjoints ssi A et B nont pas

dlments communs :

A et B disjoints (A B = )
(A et B disjoints : A et B sont incompatibles).

A
B

A.2 Notions de base: vnements

Systme complet dvnements : Soient A1 , A2 , ... , An n

vnements. On dit que (A1 , A2 , ... , An) constitue un systme
complet d'vnements si ils forment une partition de :
- ils sont deux deux incompatibles
p q Ap Aq =
- si leur runion est l'vnement certain

A2
A1

A4
A3

Ap =
p =1

Ex :

( A, A)

forme un systme complet dvnements.

A.2 Notions de base: vnements

Tribu dvnements de , espace probabilisable
 Tribu dun ensemble de parties de : Soit A P() . A est une tribu ou sigmaalgbre si elle contient et est stable par complmentation et runion
dnombrable. On dit alors que (,A) est un espace probabilisable.
Exemples :

Tribu grossire A={, }

Tribu des parties (appele aussi tribu discrte) A = P()
Tribu des borliens A={]a,+[, a Q (ou R)}, lorsque =R
Tribu des borliens A={]a,b[, a<b, (a,b) I}, lorsque =I intervalle de R
Autres exemples de tribus A ={A, A, , }
={a,b,c,d}, A={,{a},{b,c,d},}

 Choix dune tribu : se fait en fonction de linformation quon a sur le problme.

lorsque lunivers est fini ou dnombrable, on travaille gnralement avec la tribu
discrte. Lorsque lunivers est infini (=R ou I) on travaille avec la tribu
borlienne.

A.3 Notions de base: probabilit

Probabilit= fonction permettant de mesurer la chance de ralisation
dun vnement de P() (ou plus gnralement dune tribu A)

Dfinition : Soit (,A) un espace probabilisable. Une probabilit sur
(,A) est une application P : A [0,1] satisfaisant les 3 axiomes
suivants :

0 P ( A) 1, A A
P ( ) = 1
P( Ai ) = P( Ai ),
iN

iN

( Ai )iN ensemble dnombrable

d'vnements disjoints

Ds lors que P est dfinie, (,A,P) sappelle un espace probabilis.

A.3 Notions de base: probabilit

Oprations sur les probabilits :

CP: Si P(A)=0 alors A est presque impossible. On crit A = p.s.

Si P(A)=1 alors A est presque sr. On crit A = p.s.

Axiome des probabilits totales : ( Ai )1i n

systme complet dvnements :
n

B A , P ( B ) = P ( B Ai )
i =1

A1 A2 A3 A4

A.3 Notions de base: probabilit

Construction pratique dune probabilit en univers fini ou
dnombrable
On suppose que l'ensemble des vnements possibles est fini ou
dnombrable. On note = { ,...,n ,....} l'ensemble des rsultats
1
possibles.
 on dfinit la probabilit pi de chaque rsultat lmentaire i
on a alors une suite (p1,...,pn.) de nombres tels que : 0 pi 1
n
pi = 1
i=1
 la probabilit dun vnement quelconque A est donn par

P( A) = pi
iA

A.3 Notions de base: probabilit

 CP dun univers fini quiprobable : Lorsquil ny a pas lieu dattacher
aux diffrents vnements lmentaires des probabilits diffrentes, on
a pour tout i, pi = p. On dit que lunivers est quiprobable. Lorsque
lunivers est fini, de cardinal ||, on a pi = p =1/||.On dfinit alors la
probabilit P comme prcdemment : soit A un vnement quelconque.

P( A) =

| A|
||

Cette probabilit est appele probabilit uniforme sur .

A.3 Notions de base: probabilit

Ex 2 : E : jet de deux pices de monnaie distinguables . ={(P,P) ; (P,F) ;
(F,P) ; (F,F)} est quiprobable. Soit A= On obtient au moins une fois
P ={(P,P) ; (P,F) ; (F,P) }. P(A)=3/4
Ex1bis : E: jet dun d pip : le 6 apparat 2 fois plus que les autres . W
non quiprobable : p1=p2=p3=p=p5=p; p6=2p, p tel que :5p+2p=1,
p=1/7
A= le lancer est pair ; P(A)=p2+p4+p6=4/7.
Ex3 : E= lancer de la mine de crayon . Soit A un vnement (surface sur
la feuille) de daire A. Si tous les emplacements sur la feuille ont la
mme chance dtre atteints, intuitivement, on peut dfinir P(A)=A/l*L
Par contre, P({(x,y})=0 (lorsque est infini, on admet que la
probabilit de tomber sur un point particulier est nulle).

A.4 Notions de base: probabilit

conditionnelle, indpendance

Probabilit conditionnelle de A sachant B: P( A / B) = P( A B)
P( B)
(probabilit que A se ralise sachant que B se ralise). Cest une
probabilit sur B.

Indpendance de deux vnements A et B

P ( A B ) = P ( A) P ( B )
P ( A / B ) = P ( A)

Rq : Deux vnements disjoints ne sont pas indpendants. P ( B / A) = P ( B )

Indpendance mutuelle dune squence dvnements ( Ai )

I P (2,..n), P ( Ai ) = P ( Ai )
I

A.4 Notions de base: probabilit

conditionnelle, indpendance

Thorme de Bayes
 pour deux vnements A et B:

P( A / B) =

P( B / A) P( A)
P( B)

 Gnralisation pour un systme complet dvnements A1 , A2 , ... , An :

n

P ( B ) = P ( B / Ai ) P ( Ai )
i =1

P ( Ai / B ) =

P ( B / Ai ) P ( Ai )
n

P( B / A ) P( A )
i =1

B.1 Variable alatoire relle (v.a.r):

dfinition

Dfinition : On suppose une exprience dont lunivers est muni dune tribu A
dvnements et dune probabilit P ( (,A,P) espace probabilis) . Une variable
alatoire relle X est une caractre quantitatif, discret ou continu, dont la valeur
est fonction du rsultat de lexprience :

X : E

X ( ) = x
(E est lensemble des valeurs possibles de X)
qui est mesurable, cest dire telle que limage rciproque X 1 ( B ) = { , X ( ) B}
de tout lment B de la tribu B associe E est un vnement de A.
Rq : Notation :
1
1

B B , X ( B ) A

X ( B) = { X B}

Alors, on peut attribuer une chance de ralisation tout lment B de B

Rq : la mesurabilit de X dpend des tribus A et B choisie sur . La tribu B
est gnralement P( E) en discret, la tribu borlienne en continu.

B.1 Variable alatoire relle (v.a.r):

dfinition
Rq : Lorsque X est une variable discrte, la squence dvnements { X = x}
forme une partition de . On lappelle partition engendre par X.

Ex1 : lancer dun d rgulier. (, P(), P) est un espace probabilis. Soit X

la fonction de dans {0,1} valant 1 si le lancer est pair , 0 sinon. X est
une fonction du rsultat de lexprience et elle est mesurable. En effet,
B={{0},{1},{0,1},}
On a {X=0}={1,3,5}P()
{X=1}={2,4,6} P()
{X {0,1}}={X=0 ou X=1}= P()
{X }= P()

B.1 Variable alatoire relle (v.a.r):

dfinition
Ex2 : On fait lexprience E : on lance 2 pices de monnaie rgulires .
Soit X le nombre de P obtenu : X prend les valeurs quantitatives
discrtes 0, 1ou 2 (E={0,1,2}), selon le rsultat de lexprience :
w=(F,F) X(w)=0
w=(F,P) ou w=(P,F) X(w)=1
w=(P,P) X(w)=2
X est donc une variable alatoire discrte.
Lvnement engendr par la valeur 0 est lvnement { X = 0} = {( F , F )}
Lvnement engendr par la valeur 1 est lvnement { X = 1} = {( P, F ),( F , P )}
Lvnement engendr par la valeur 2 est lvnement { X = 2} = {( P, P )}
On a :
{ X = 0} { X = 1} { X = 2} =

B.1 Variable alatoire relle (v.a.r):

dfinition
Ex 3 : Soit X labscisse de la mine : X prend des valeurs
quantitatives continues entre 0 et l (E=[0,l]), selon le rsultat de
lexprience : si le rsultat de lexprience est =(x,y) X()=x.
On associe E et les tribus borliennes A et B
respectivement engendres par les ouverts de [0,l] et de
[0,l]*[0,L] (qui contiennent tous les intervalles associs ces
ensembles). Alors, limage rciproque de tout lment de B
(tout intervalle I de [0,l] est dans A (cest un intervalle de
[0,l]*[0,L])
{X }={=(x,y), x ,y [0,L]} B
X est donc une variable alatoire (continue).

B.2 Variable alatoire relle (v.a.r): Loi

Loi dune variable alatoire :
La mesurabilit de X assure que l'image rciproque de tout lment
B B est dans A donc possde une probabilit. On peut ainsi dfinir,
sur ( E , B ) une mesure de probabilit, appele loi de X et note PX
par

B B , PX ( B) = P( X 1 ( B)) = P( X B)

B.2 Variable alatoire relle (v.a.r): Loi

Variable alatoire relle discrte

Df : X prend ses valeur dans un
ensemble E discret de valeurs
relles (v.a.r.d.).

variable alatoire relle continue

Df : X prend ses valeur dans un
ensemble E continu de valeurs
relles (v.a.r.c.).

Loi : Squence des probabilits :

Loi : x E , P ( X = x ) = 0
Par contre P ( X [ x, x + dx[) 0
La loi de X est dfinie via la fonction
f de R dans R, appel densit de
probabilit : f ( x ) dx = P ( X [ x, x + dx[)

p X ( x) = P( X = x), x E
Proprits :

0 p X ( x) 1
p X ( x) = 1
xE
B B , p X ( B ) = p X ( x )
xB

Proprits : 0 f ( x )

f ( x ) dx = 1

B R , p X ( B ) = f ( x ) dx
B

B.2 Variable alatoire relle (v.a.r): Loi

Prsentation : la loi de X est
prsente dans un tableau (tableau
de la loi de X ou tableau en
frquences):

Prsentation : La loi de X est

donne par la fonction f

Reprsentation graphique : courbe

de la densit

Reprsentation graphique :
diagramme en btons

B.2 Variable alatoire relle (v.a.r): Loi

Fonction de rpartition de la loi de X
Dfinition :

F : R [0,1]
x P( X x)

Proprits : (i) F est croissante

(ii) F est continue droite
(iii) lim
F ( x) = 1, lim
x +

F ( x) = 0

B.2 Variable alatoire relle (v.a.r): Loi

Variable discrete
F est une fonction en escalier, continue
droite

F ( x) =

p X ( y)

y x, yE

P ( a X < b ) = F (b ) F ( a )
P( X > x) = 1 F ( x)

Variable continue
F est une fonction continue

F '( x ) = f ( x )
x
F ( x ) = f (t ) dt = Aire sous la courbe de la densit avant x
b
P ( a X < b ) = P ( a X b ) = F (b ) F ( a ) = a f ( x ) dx
+
P ( X > x ) = P ( X x ) = 1 F ( x ) = x f (t ) dt

B.2 Variable alatoire relle (v.a.r): Loi

B.2 Variable alatoire relle (v.a.r): Loi

Exemple 2 : On fait lexprience E :
on lance 2 pices de monnaie
rgulires . Soit X le nombre de
P obtenu .

Exemple 3 : E: lancer de la mine de

crayon. X= abscisse
f(x)dx=P[x<X<x+dx]=P({=(t,u),
x<t<dx, O<u<L})=dx*L/l *L si
0<=x<=l, 0 sinon. Donc f(x)=1/l si
0<=x<=l, O sinon. On reconnat :

X U [0, l ]
1/l
l

1.0

fd r d e X

0.6

0.8

0.0

0.2

0.4

f(x)

-1

1
x

B.3 Variable alatoire relle (v.a.r):

moments
Esprance dune v.a.r.d.

E ( X ) = xp X ( x)

Esprance dune v.a.r.c.

E ( X ) = xf ( x)dx
R

xE

Esprance de Y=g(X), X v.a.r.d.

E (Y ) = g ( x) p X ( x)
xE

Proprits :

Rq : Lesprance peut ne pas exister

Esprance de Y=g(X), X v.a.r.c.

E (Y ) = g ( x) f ( x) dx
R

B.3 Variable alatoire relle (v.a.r):

moments

Dfinitions

V ( X ) = X2 = E ( ( X E ( X )) )

 Variance de X
 Ecart-type de X

X = V (X )

Proprits :
 Thorme de Koenig :
 Autres

V ( X ) = E ( X ) ( E ( X ))

V ( X + a) = V ( X )
V ( aX + b) = a V ( X )
V ( X ) = 0 X = cste p.s.

V (X ) 0

X 0

B.3 Variable alatoire relle (v.a.r):

moments

Moment centr dordre k :

k = E ( ( X E ( X )) k )

1 = 0, 2 = Var ( X )
Pour une loi symtrique : 2 k +1 = 0 k 0

Moment non centr dordre k :

mk = E ( X k )

m1 = E ( X )

Coefficient dasymtrie (skewness)

1 = 33

Coefficient daplatissement (kurtosis)

2 =

4
4

B.3 Variable alatoire relle (v.a.r):

moments

Quelques ingalits classiques
 Ingalit de markov

k > 0, P (| X |> k )

 Ingalit de Bienaym Tchebychev

E (| X |)
k

k > 0, P (| X E ( X ) |> k )

 Ingalit de Jensen; soit g convexe g ( E ( X )) E ( g ( X ))

 Ingalit de Hlder

E (| XY |) E (| X | p )1/ p E (| Y |q )1/ q

 CP : Ingalit de Cauchy-Schwarz

E (| XY |) E ( X ) E (Y ) , E (| X |) E ( X )

V (X )
k

B.4 Variable alatoire relle (v.a.r):

couples de v.a.r.

Dfinition : On appelle couple de variables alatoires, deux variables alatoires
X et Y dfinies sur le mme univers (issues de la mme exprience) valeurs
respectivement dans E et F.

Loi jointe dun couple de variables alatoires :
 Cas discret : cest la squence

( P({ X = x} {Y = y}) )

xE , yF

 Cas continu : cest la fonction f de R dans R, appele densit jointe telle que

f ( x, y )dxdy = P ( X [ x, x + dx ] Y [ y, y + dy ]

Lois marginales de X
 Cas discret : P ( X = x ) =

P ( X = x, Y = y )
yF

 Cas continu :

f ( x) =

f ( x, y )dy

B.4 Variable alatoire relle (v.a.r):

couples de v.a.r.

Lois conditionnelles de Y sachant X=x
 Cas discret

P(Y = y / X = x) =

 Cas continu

f ( y / x) =

f ( x, y )
f ( x)

P ( X = x, Y = y )
P( X = x)
y R

y F

B.4 Variable alatoire relle (v.a.r):

couples de v.a.r.

Esprance conditionnelle
Lesprance conditionnelle E(Y/X) est une variable alatoire de mme
loi que X, dont les ralisations possibles sont les valeurs {E (Y / X = x)}xE
, valeurs des esprances des lois conditionnelles de Y/X=x
 Cas discret :E (Y / X = x) = yP (Y = y / X = x), x E
yF

E(Y/X)

E(Y/X=x1)

..

E(Y/X=xn)

P(E(Y/X)=x)

P(X=x1)

P(X=xn)

 Cas continu

E (Y / X = x) = yf ( y / X = x)dy prise avec la densit f(x).

R

 Proprit : esprance de lesprance conditionnelle

E ( E (Y / X )) = E (Y )

B.4 Variable alatoire relle (v.a.r):

couples de v.a.r.

Covariance entre X et Y

Cov( X , Y ) = E ( ( X E ( X ))(Y E (Y ) )

Proprits
 Thorme de Koenig gnralis Cov ( X , Y ) = E ( XY ) E ( X ) E (Y )
 Autres

Cov( X , Y ) = Cov(Y , X )
Cov(aX + bY , Z ) = aCov( X , Z ) + bCov(Y , Z )
Cov( X , aY + bZ ) = aCov( X , Y ) + bCov( X , Z )

Cov(a, Y ) = Cov(Y , a ) = 0
V (aX + bY ) = a V ( X ) + b V (Y ) + 2abCov( X , Y )

B.4 Variable alatoire relle (v.a.r):

couples de v.a.r.

Vecteur esprance du couple (X, Y)

E( X )
M ( X ,Y ) =

E
(
Y
)

Matrice de variance-covariance

Cov( X , Y )
V (X )
( X , Y ) =

(
,
)
(
)
Cov
X
Y
V
Y

Elle est symtrique, semi-dfinie positive

B.4 Variable alatoire relle (v.a.r):

couples de v.a.r.

Corrlation entre X et Y

( X ,Y ) =

Cov( X , Y )
( X ) (Y )

( X , Y ) = Cov( X *, Y *)

O X* et Y* sont les variables centres-rduites associes X et Y.

Proprits

1 ( X , Y ) 1
( X ,Y ) = 1

( X ,Y ) = 0

Dautant plus proche de 1 en valeur absolu que le lien linaire est fort
entre X et Y.
Lien linaire parfait : Y=aX+b
Absence de lien linaire (pas forcement indpendance entre X et Y)

Cov( X , Y ) = 0

V ( X + Y ) = V ( X ) + V (Y )
E ( XY ) = E ( X ) E (Y )

B.5 Variable alatoire relle (v.a.r):

indpendance

Dfinition : On dit que deux variables alatoires X et Y valeurs dans (E,B1) et
(F,B2)sont indpendantes si et seulement si pour tout (B1,B2) (B1,B2), les
vnements {XB1} et {Y B2} sont indpendants.
 Cas discret

( x, y ) E F , P( X = x, Y = y ) = P ( X = x) P (Y = y )
( x, y ) R , f ( x, y ) = f ( x) f ( y )

 Cas continu

la loi jointe est gale au produit des lois marginales

Dfinition quivalentes

( x, y ) E F , P(Y = y / X = x) = P (Y = y )

( x, y ) R , f ( y / x) = f ( y )

Proprit : Deux variables alatoires indpendantes sont non corrles, la
rciproque tant fausse (deux variables nayant pas de lien du tout nont en
particulier pas de lien linaire, linverse tant faux)

B.5 Variable alatoire relle (v.a.r):

indpendance

Proprits :
E ( XY ) = E ( X ) E (Y )

X Y cov( X , Y ) = r ( X , Y ) = 0
V ( X + Y ) = V ( X ) + V (Y )