Chapitre 1 : Espaces probabilisés

I Expériences aléatoires
Définition 1 On appelle expérience aléatoire, toute expérience dont le résultat ne peut être déterminé
a priori, c’est-à-dire qui dépend du hasard.
Exemple 1:
Si on lance un dé cubique dont les faces sont numérotées de 1 à 6 et que l’on note le résultat on effectue
une expérience aléatoire. Dans la suite nous appellerons cette expérience, l’expérience *.

1 Univers
Définition 2 On appelle univers de l’expérience aléatoire, l’ensemble Ω des issues ou résultats possibles
de
l’expérience. Les éléments de Ω se notent souvent ω.
Exemples 2 :
— Dans l’exemple précédent, l’univers de l’expérience de lancer de dé est Ω = {1, 2, 3, 4, 5, 6}.
— Lorsqu’on lance une pièce et que l’on regarde si elle tombe sur pile ou face l’univers est
Ω = {pile, f ace}.
— Si on choisit 5 cartes dans un jeu de 32 cartes, l’univers est l’ensemble de tous les sous-ensembles à
5 éléments des 32 cartes. Attention ici il n’y a pas d’ordre...
— Si on lance trois fois de suite un dé à 6 faces et que l’on note les trois résultats, on réalise une expé-
rience dont l’univers est Ω = {(x, y, z)/x, y, z ∈ {1, 2, 3, 4, 5, 6}}. Attention ici l’ordre est important.
— Si on choisit au hasard un réel compris entre 0 et 1, l’univers de l’expérience est [0; 1].

2 Événement
Lorsqu’on effectue une expérience aléatoire, certains faits liés à cette expérience peuvent se produire
ou non : on les appelle des événements.
Exemple 3:
Dans l’expérience *, on peut par exemple considérer l’événement, que nous noterons A1 , « le nombre
obtenu est pair ». L’événement A1 est réalisé lorsque le résultat est 2, 4 ou 6. On écrit alors A1 = {2, 4, 6}.

Définition 3 Un événement est une partie de l’univers Ω de l’expérience aléatoire.

Notation : L’ensemble des parties de Ω, donc l’ensemble des événements, est noté P(Ω).
Vocabulaire :
- un événement qui est toujours réalisé est appelé un événement certain, il est donc représenté par
l’ensemble Ω.
- un événement qui n’est jamais réalisé est appelé un événement impossible, il est représenté par
l’ensemble vide ∅.
Comme un événement est une partie de Ω, on peut appliquer aux événements tout le vocabulaire des
ensembles.
 Propriété 1
Soient A et B deux événements associés à une même expérience aléatoire.
— L’événement contraire de A, c’est-à-dire « non A », est représenté par le complémentaire de A
dans Ω que l’on note A.
— L’événement « A et B sont réalisés » est représenté par A ∩ B.
— L’événement « A ou B est réalisé » est représenté par A ∪ B.
— On dit que les événements A et B sont incompatibles s’il ne peuvent pas être réalisés simulta-
nément, c’est-à-dire si A ∩ B = ∅.
— L’événement « A est réalisé et B n’est pas réalisé » est représenté par A \ B.
— On dit que A implique B, si la réalisation de A entraîne la réalisation de B, c’est-à-dire si A ⊂ B.

Définition 4 Les événements qui sont représentés par un singleton {ω} sont appelés des événements
élémentaires.
Exemple 4:
Lorsqu’on lance un dé à 6 face et que l’on note le résultat, l’événement « obtenir 2 » se note {2}, c’est
un événement élémentaire.

3 Notion de probabilité
Soit e une expérience aléatoire. Tous les événements liés à e n’ont pas la même « chance » de se
produire.
Pour essayer de « mesurer » cette chance, il nous faut répéter plusieurs fois l’expérience. Si on répète
r
n fois l’expérience, on compte le nombre r de fois où l’événement A se produit. Le réel est appelé
n
r
fréquence d’apparition de A ou fréquence de A, et on note f (A) = . Voici les propriétés que vérifie
n
f :
— f (A) ∈ [0; 1]
— Si A et B sont deux événements incompatibles alors f (A ∪ B) = f (A) + f (B)
— f (A) = 1 − f (A)
— f (Ω) = 1 et f (∅) = 0
Intuitivement, lorsque n tend vers +∞, f (A) admet une limite finie. Cette limite s’appelle la proba-
bilité de A et on la note P (A).

II Espaces probabilisés

1 Espace probabilisé fini

Définition 5 Soit Ω un ensemble fini et P(Ω) l’ensemble de ses parties. Le couple (Ω, P(Ω)) s’appelle
un espace probabilisable.
« probabilisable » signifie qu’on peut le munir d’une probabilité.

Définition 6 Soit (Ω, P(Ω)) un espace probabilisable. On appelle probabilité définie sur cette espace,
toute application P de P(Ω) dans [0; 1] qui vérifie :
(i) P (Ω) = 1.
(ii) Si A et B sont deux événements incompatibles, alors P (A ∪ B) = P (A) + P (B).
Le triplet (Ω, P(Ω), P ) s’appelle un espace probabilisé fini et pour tout événement A, le réel
P (A) s’appelle la probabilité de l’événement A.
 2 Cas général
Les univers que vous allez rencontrer ne seront pas tous finis. Lorsque Ω est infini la construction d’une
probabilité est un peu plus compliquée.
Exemple 5:
- On considère l’expérience suivante : on lance une pièce jusqu’à obtenir pile et on note le nombre de
lancers qui ont été nécessaires pour obtenir le premier pile. On voit ici que l’univers de cette expérience est
l’ensemble Ω = N∗ car le nombre de lancers nécessaires pour obtenir pile peut être n’importe quel nombre.
- On considère l’expérience aléatoire suivante : on tire au hasard sur une cible plane C. On suppose que
chaque coup atteint la cible. Le résultat de chaque tir est représenté par le point d’impact M . L’univers
de l’expérience est donc Ω, l’ensemble des points de la cible.
Soit A une partie de Ω, on considère l’événement A : « l’impact est dans A ». Intuitivement, on voit
aire(A)
que P (A) = , mais on voit qu’il faut donc être capable de calculer l’aire de A, donc on ne peut pas
aire(C)
prendre n’importe quelle partie de Ω pour calculer P (A).
Contrairement au cas fini, parmi les parties de Ω, il ne faut s’intéresser qu’à celles dont on peut calculer
la probabilité.

a Tribu
Définition 7 Soient Ω un ensemble et A une partie de P(Ω), c’est-à-dire un ensemble de parties de Ω.
On dit que A est une tribu ou une σ-algèbre de parties de Ω si :
1. Ω ∈ A
2. Si A ∈ A alors A ∈ A
S
3. Pour tout partie I de N, et toute famille (Ai )i∈I d’éléments de A, i∈I Ai ∈ A.
Les éléments de A sont des événements
Par exemple, P(Ω) est une tribu de parties de Ω.

Définition 8 Soient Ω un ensemble et A une tribu de partie de Ω. Le couple (Ω, A) s’appelle un espace
probabilisable.
Propriété 2
Soient Ω un ensemble et A une tribu de partie de Ω.
1. ∅ ∈ A.
2. Si A et B sont deux événements de A, alors A ∪ B, A ∩ B et A \ B sont dans A.
T
3. Si I est une partie de N et si pour tout i ∈ I, Ai ∈ A alors i∈I Ai ∈ A.

b Espace probabilisé
Définition 9 Soit (Ω, A) un espace probabilisable. On appelle probabilité sur (Ω, A) tout application P
de A dans [0; 1] vérifiant :
1. P (Ω) = 1
2. Si (An )n∈N est une suite d’événements deux à deux incompatibles alors :
+∞
! +∞
[ X
P An = P (An )
n=0 n=0

(Ω, A, P ) est alors appelé espace probabilisé.

La principale différence par rapport au cas fini est que dans la deuxième propriété, il a fallu prendre
une suite infinie d’événements ce qui n’était pas possible dans le cas fini car il n’existe qu’un nombre fini
d’événements.

3 Propriétés
Définition 10 Un événement A ∈ A est dit négligeable si P (A) = 0 et presque sûr si P (A) = 1.

Propriété 3
Soit (Ω, A, P ) un espace probabilisé et soient A et B deux événements.
1. P (A) = 1 − P (A), donc P (∅) = 0
2. P (A \ B) = P (A) − P (A ∩ B)
3. Si A ⊂ B alors P (A) 6 P (B)
4. P (A ∪ B) = P (A) + P (B) − P (A ∩ B)

Théorème 1 Formule du crible (ou de Poincaré)

Soit (Ω, A, P ) un espace probabilisé. Pour toute famille (Ai )16i6n d’événements, on a :
n
! n
[ X X
P Ai = P (Ai ) + · · · +(−1)k+1 P (Ai1 ∩ · · · ∩ Aik )+
i=1 i=1 16i1 <i2 <···<ik 6n

··· + (−1)n+1 P (A1 ∩ · · · ∩ An )

En particulier :

P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B) − P (A ∩ C) − P (B ∩ C) + P (A ∩ B ∩ C)

La formule est à connaître pour 2, 3 ou 4 événements mais la formule générale sera obligatoirement
rappelée dans une épreuve de concours.
 4 Événements élémentaires
Dans le cas où Ω est fini on a : Ω = {ω1 , · · · , ωn }. Les événements {ωi } s’appellent les événements
élémentaires.
Propriété 4
Soit (Ω, P(Ω), P ) un espace probabilisé fini. Pour tout événement A on a :
X
P (A) = P ({ωi })
i/ωi ∈A

Grâce à cette propriété, on voit que pour déterminer entièrement une probabilité P , c’est-à-dire être
capable de calculer P (A) pour n’importe quel A, il suffit de savoir calculer les probabilités des événements
élémentaires.

Cas d’événement élémentaires équiprobables :

Définition 11 On dit que deux événements sont équiprobables s’ils ont la même probabilité.
1
Si tout les événements élémentaires sont équiprobables alors nécessairement on a : P ({ωi }) = . Grâce
n
à la propriété précédente on en déduit que pour tout événement A :
X card(A)
P (A) = P (ωi ) =
n
i/ωi ∈A

Exemple 6:
3 1
Dans l’expérience * l’événement A : « obtenir un nombre pair » est donc de probabilité P (A) = = .
6 2

5 Système complet d’événements

Définition 12 Soit (Ω, A) un espace probabilisable. On appelle système complet d’événements de
Ω toute famille (Ai )i∈I (I est une partie de N) d’éléments de A telle que
1. Les événements Ai sont deux à deux incompatibles
S
2. Ω = i∈I Ai

Exemple 7:
Dans l’expérience *, on avait Ω = {1, 2, 3, 4, 5, 6}.
— La famille d’événements ({1}; {2}; {3}; {4}; {5}; {6}) est le système complet d’événement composé
des événements élémentaires.
— On note A l’événement « obtenir un nombre pair », et B l’événement « obtenir un nombre impair ».
Alors (A, B) est un système complet d’événements. On dit aussi que les événements A et B forment
un système complet d’événements.
Propriété 5
Soit (Ω, A, P ) un espace probabilisé et soit (Ai )i∈I (I partie de N) un système complet d’événements.
X
Alors P (Ai ) = 1.
i∈I

6 Propriété de la limite monotone

Théorème 2 Soit (Ω, A, P ) un espace probabilisé
1. Si (An )n∈N est une suite croissante d’événements de A ( An ⊂ An+1 ) alors la suite (P (An ))n∈N
converge et : !
+∞
[
P An = lim P (An )
n→+∞
n=0

2. Si (An )n∈N est une suite décroissante d’événements de A ( An+1 ⊂ An ) alors la suite (P (An ))n∈N
converge et : !
+∞
\
P An = lim P (An )
n→+∞
n=0

Corollaire 3 Soit (Ω, A, P ) un espace probabilisé

Si (An )n∈N est une suite d’événements de A alors :
+∞
! n
!
[ [
P Ak = lim P Ak
n→+∞
k=0 k=0

+∞
! n
!
\ \
P Ak = lim P Ak
n→+∞
k=0 k=0

III Probabilité conditionnelle

1 Définition

Théorème 4 Soit (Ω, A, P ) un espace probabilisé et A un événement de probabilité non nulle.

P (A ∩ B)
Pour tout événement B, on pose PA (B) = .
P (A)
Alors PA est une probabilité sur (Ω, A) appelée probabilité conditionnelle relative à A ou encore
probabilité sachant A. PA (B) est parfois noté P (B/A).

Remarques :
— On peut déduire de la définition P (A ∩ B) = P (A) × PA (B).
P (B ∩ A)
— Si P (B) 6= 0, on peut aussi écrire PB (A) = et donc P (B ∩ A) = P (B) × PB (A)
P (B)
— Comme P (A ∩ B) = P (B ∩ A) on a P (A) × PA (B) = P (B) × PB (A)
— Le but de vos exercices est de vous faire « jouer » avec toutes ces égalités.
— Comme PA est une probabilité, toutes les propriétés de la propriété 3 et du théorème 2 peuvent lui
être appliquées.

2 Formules
Dans toute la suite (Ω, A, P ) désigne un espace probabilisé et I une partie de N.
a Formule des probabilités composées
 Théorème 5 Soit (Ai )16i6n une famille d’événements tels que P (A1 ∩ A2 ∩ · · · ∩ An−1 ) 6= 0. Alors on a :

n
!
\
P Ai = P (A1 )PA1 (A2 )PA1 ∩A2 (A3 ) . . . PA1 ∩A2 ∩···∩An−1 (An )
i=1

La démonstration se fait par récurrence sur n.

b Formule des probabilités totales

Théorème 6 Soit (Ei )i∈I un système complet d’événements de probabilités non nulles. Alors pour tout
événement B on a : X X
P (B) = P (Ei ∩ B) = P (Ei )PAi (B)
i∈I i∈I

Exemple 8:
Un sachet de 100 bonbons contient 40 bonbons acidulés, les autres bonbons sont à la guimauve. 18
des bonbons à la guimauve sont au parfum orange et 10 bonbons sont acidulés et au parfum orange. Les
bonbons qui ne sont pas au parfum orange sont à la fraise.
On choisit un bonbon au hasard dans ce sachet. On note :
— A l’événement « le bonbon est acidulé ».
— G l’événement « le bonbon est à la guimauve ».
— F l’événement « le bonbon est à la fraise ».
— O l’événement « le bonbon est à l’orange ».
On choisit un bonbon, quelles est la probabilité que ce bonbon soit à la fraise ?
On peut s’aider à visualiser la situation grâce à un arbre de probabilité : (rarement demandé aux
concours mais cela peut vous aider sur votre brouillon)

O
PG (O) = 0, 3
G
PG (F ) = 0, 7
P (G) = 0, 6 F

Bonbon

P (A) = 0, 4 O
PA (O) = 0, 25
A
PA (F ) = 0, 75
F

Les événements (G, A) forment un système complet d’événements. D’après la formule des probabilités
totales :
P (F ) = P (G) × PG (F ) + P (A) × PA (F ) = 0, 6 × 0, 7 + 0, 4 × 0, 75 = 0, 72
 c Formule de Bayes
Propriété 6
Si A et B sont deux événements de probabilités non nulles, on a :

P (A) × PA (B)
PB (A) =
P (B)

Démonstration :
P (A ∩ B)
Par définition on a PB (A) = .
P (B)
P (A) × PA (B)
De plus P (A ∩ B) = P (A) × PA (B), donc PB (A) = .
P (B)
2

Propriété 7
Soient (Ei )i∈I un système complet d’événements de probabilités non nulles et A et B deux événements
de probabilités non nulles. On a :

P (A)PA (B)
PB (A) = X
P (Ei )PEi (B)
i∈I

Il n’est pas indispensable de retenir par cœur cette formule car elle découle directement de la formule
de Bayes et de la formule des probabilités totales.

IV Indépendance d’événements
Définition 13 Ont dit que deux événements A et B sont indépendants pour la probabilité P si

P (A ∩ B) = P (A) × P (B)

On a donc alors PA (B) = P (B) et PB (A) = P (A).

Propriété 8
Si A et B sont deux événements indépendants alors A et B, A et B et A et B le sont aussi.

Définition 14 Soient A1 , . . . , An n événements.

- On dit que les événements sont deux à deux indépendants pour la probabilité P si pour
tout i 6= j Ai et Aj sont indépendants.
- On dit que les événements sont mutuellement indépendants pour la probabilité P ou tout
simplement indépendants
! pour la probabilité P si pour tout ensemble d’indices I choisis dans
\ Y
{1, . . . , n}, P Ai = P (Ai ).
i∈I i∈I

Propriété 9
Soient A1 , . . . , An n événements indépendants pour la probabilité P .
Si pour tout i ∈ {1, . . . , n}, Bi = Ai ou Ai alors les événements B1 , . . . , Bn sont indépendants pour la
probabilité P .
Définition 15 Soit (An )n∈N une suite infinie d’événements.
! les An sont indépendants pour la probabilité P si pour toute partie I finie de N, on
On dit que
\ Y
aP Ai = P (Ai ).
i∈I i∈I

Propriété 10
Soit (An )n∈N une suite infinie d’événements indépendants pour la probabilité P .
Si pour tout n ∈ N, Bn = An ou An alors (Bn )n∈N est une suite d’événements indépendants pour la
probabilité P .