Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Introduction à la probabilité
3-602-84
Modèles probabilistes et stochastiques de la gestion
Geneviève Gauthier
HEC Montréal
Dernière version: automne 2007
1
Ensemble fondamental
Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Ensemble fondamental
De…nition
L’ensemble fondamental Ω= fωi :i 2 Igest l’ensemble de tous les résultats possibles d’une expérience aléatoire. I représente un ensemble d’indices. Par exemple,
I =f0,1,2, ...,Tg,I = f0,1,2, ...g,I = [0,∞), etc.
Exemple. Si l’expérience aléatoire consiste à lancer un dé, alors Ω=n1 , 2, 3, 4, 5, 6 o
.
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Événement
De…nition
Unévénementest un sous-ensemble de Ω. Exemple (suite).
A=le résultat est pair=n 2, 4, 6o .
3
Ensemble fondamental Événement Variable aléatoire
Probabilité Probabilité conditionnelle Indépendance Distribution
Variable aléatoire I
De…nition
Dé…nition incomplète. Unevariable aléatoire X :Ω!R est une fonction à valeurs réelles ayant comme domaine l’ensemble fondamentalΩ.
Par convention, les variables aléatoires sont généralement représentées par des lettres majuscules choisies à la …n de l’alphabet. Attention! Il ne faut pas confondre les concepts
”d’ensemble fondamental” et de ”variable aléatoire”.
Exemple. Si l’expérience aléatoire consiste à choisir une carte au hasard parmi un jeu de 52 cartes, alors
l’événement ”tirer un roi de coeur” n’est pas une variable aléatoire car, entre autres, ”roi de coeur” n’est pas un
Ensemble fondamental Événement Variable aléatoire
Probabilité Probabilité conditionnelle Indépendance Distribution
Variable aléatoire II
C’est pour cette raison que nous avons choisi de dénoter les résultats possibles du lancer d’un dé par des nombres encadrés a…n de di¤érencier l’événement n
4o
= ”la face contenant quatre points” et la variable aléatoire associant à chacune des faces le nombre de points s’y trouvant.
5
Ensemble fondamental Événement Variable aléatoire
Probabilité Probabilité conditionnelle Indépendance Distribution
Variable aléatoire III
Exemple. X,Y,Z et W sont des variables aléatoires : ω X(ω) Y(ω) Z(ω) W (ω)
1 0 0 0 5
2 0 5 0 5
3 5 5 0 5
4 5 5 5 5
5 10 5 10 0
6 10 10 10 10
Ensemble fondamental Événement Variable aléatoire
Probabilité Probabilité conditionnelle Indépendance Distribution
Variable aléatoire IV
Si X et Y sont des variables aléatoires et aune constante réelle, alorsaX,X +Y,XY sont aussi des variables aléatoires.
De plus, si 0 n’est pas une valeur possible pour Y (@ω2 Ωtel queY (ω) =0), alors XY est aussi une variable aléatoire.
7
Ensemble fondamental Événement Variable aléatoire
Probabilité Probabilité conditionnelle Indépendance Distribution
Processus stochastique I
De…nition
Unprocessus stochastiqueX =fXt :t 2 T g est une famille de variables aléatoires, toutes construites sur le même espace ΩoùT représente un ensemble d’indices.
Ensemble fondamental Événement Variable aléatoire
Probabilité Probabilité conditionnelle Indépendance Distribution
Processus stochastique II
Exemple. Supposons que l’ensemble fondamental est Ω=fω1,ω2,ω3,ω4get que T = f0,1,2,3g. Le processus stochastiqueX = fXt :t 2 f0,1,2,3gg représente l’évolution du prix d’une action,Xt = le prix de l’action à la fermeture de la Bourse aut ième jour, l’instantt =0 représentant
aujourd’hui.
ω X0(ω) X1(ω) X2(ω) X3(ω) ω1 1 1/2 1 1/2 ω2 1 1/2 1 1/2
ω3 1 2 1 1
ω4 1 2 2 2
Cet exemple est tiré de Stochastic Calculus, A Tool for Finance, de
Daniel Dufresne. 9
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Mesure de probabilité I
De…nition
Dé…nition incomplète. P est unemesure de probabilitésur l’ensemble Ωsi
(P1) P(Ω) =1.
(P2) Pour tout événement AdeΩ, 0 P(A) 1.
(P3) Pour tous événementsA1,A2, ... mutuellement disjoints, P Si 1Ai =∑i 1P(Ai) où deux événementsAi et Aj
sont disjoints siAi \Aj =?.
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Mesure de probabilité II
Exemple (suite). La mesure de probabilitéP représente la situation où le dé est bien balancé, tandis queQ modélise un cas où le dé est pipé.
ω P(ω) Q(ω)
1 16 124
2 16 121
3 16 121
ω P(ω) Q(ω)
4 16 121
5 16 121
6 16 124
11
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Propriétés
Mesure de probabilité
(P4) Pour tout événement AdeΩ,P(Ac) =1 P(A). (P5) P(?) =0.
(P6) Pour tous deux événementsA etB de Ω(pas nécessairement disjoints),
P(A[B) =P(A) +P(B) P(A\B). (P7) Si A B Ωalors P(A) P(B).
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Preuve de (P4)
Mesure de probabilité
À montrer. Pour tout événement A de Ω, P(Ac) =1 P(A).
Preuve.
1 = P(Ω) par (P1)
= P(A[Ac)
= P(A) +P(Ac) par (P3)
13
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Preuve de (P5)
Mesure de probabilité
À montrer. À montrer : P(?) =0.
Rappel. Pour tout événement A de Ω, P(Ac) =1 P(A).
Preuve. La propriété (P5) n’est qu’un cas particulier de (P4) : remplaçons Apar Ω.
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Preuve de (P6) I
Mesure de probabilité
À montrer. pour tous deux événements A et B de Ω (pas nécessairement disjoints),
P(A[B) =P(A) +P(B) P(A\B). Preuve. Comme
A= (A\B)[(A\Bc) et B = (B\A)[(B\Ac) alors en utilisant (P3), nous obtenons
P(A) = P(A\B) +P(A\Bc) et P(B) = P(B\A) +P(B\Ac).
15
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Preuve de (P6) II
Mesure de probabilité
D’autre part,
A[B = (A\Bc)[(B\Ac)[(A\B), ce qui implique que
P(A[B)
= P(A\Bc) +P(B\Ac) +P(A\B)
= [P(A\Bc) +P(A\B)]
+ [P(B\Ac) +P(A\B)] P(A\B)
= P(A) +P(B) P(A\B).
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Preuve de (P7)
Mesure de probabilité
À montrer. Si A B Ω,alors P(A) P(B). Preuve. CommeA B,alors A\B =A. En utilisant (P3),
P(B) = P(A\B) + P(Ac\B)
| {z }
0 par (P2)
P(A\B)
= P(A).
17
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle
Partition
Indépendance Distribution
Probabilité conditionnelle I
De…nition
Pour tout événementAayant une probabilité positive de se réaliser,P(A)>0, laprobabilité conditionnelle étant donnée A, notée P( jA), est dé…nie pour tout événement B par
P(BjA) = P(B\A) P(A) .
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle
Partition
Indépendance Distribution
Interprétation I
Probabilité conditionnelle
Considérons, par exemple, l’expérience aléatoire consistant à lancer un dé.
Si le dé est bien balancé, quelle est la probabilité d’obtenir plus de trois points?
La réponse est 12.
Maintenant, si, après le lancer du dé, je vous informe que le nombre de points obtenus est pair, quelle est la
probabilité que la face du dé ait plus de trois points?
Il faut modi…er la réponse donnée précédemment pour pro…ter de l’information fournie.
Comme sur les trois situations où le nombre de points est pair, il y en a deux pour lesquelles le nombre de points est aussi supérieur à trois, la réponse est 23.
19
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle
Partition
Indépendance Distribution
Interprétation II
Probabilité conditionnelle
P n
4 , 5 , 6 o , n
2 , 4 , 6 o
=
P n
4, 5, 6o
\n2, 4 , 6 o
P n
2, 4, 6 o
=
P n
4, 6o
P n
2, 4, 6o
=
2 6 3 6
= 2 3.
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle
Partition
Indépendance Distribution
Exemple I
Probabilité conditionnelle
Soit le processus stochastiqueX =fXt :t =0,1,2,3g représentant l’évolution du prix d’une part d’un titre.
ω X0(ω) X1(ω) X2(ω) X3(ω) P(ω)
ω1 1 12 1 12 ?
ω2 1 12 1 12 ?
ω3 1 2 1 1 38
ω4 1 2 2 2 28
21
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle
Partition
Indépendance Distribution
Exemple II
Probabilité conditionnelle
Question. Sachant que le prix du titre vaut un dollar au temps t=2, est-ce que les probabilités associées aux prix possibles du titre au tempst =3 sont modi…ées?
Réponse. Oui. Soit
A=fω 2Ω:X2(ω) =1g=fω1,ω2,ω3g. Comme P(A) = Pfω1,ω2,ω3g
= Pfω1,ω2g+Pfω3g
= 3 8+3
8 = 3 4,
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle
Partition
Indépendance Distribution
Exemple III
Probabilité conditionnelle
alors
P X3 = 1
2 jfX2 =1g = P(fω1,ω2g \ fω1,ω2,ω3g) Pfω1,ω2,ω3g
= Pfω1,ω2g P(A)
= 3 8 4 3
= 1 2 6= 3 8
= P X3 = 1 2 ;
23
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle
Partition
Indépendance Distribution
Partition I
Probabilité conditionnelle
Theorem
Soit A un événement etfBi :i 2 f1,2, ...,ngg une partition de Ω(c’est-à-dire que Bi\Bj =?lorsque i 6=j et [ni=1Bi =Ω) telle que8i 2 f1,2, ...,ng, P(Bi)>0. Alors
P(A) =∑ni=1P(AjBi)P(Bi).
A Ω
A
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle
Partition
Indépendance Distribution
Partition II
Probabilité conditionnelle
Preuve.
P(A) = P(A\Ω)
= P A\
[n
i=1
Bi
!!
=P [n
i=1
(A\Bi)
!
=
∑
n i=1P(A\Bi) car A\B1, ...,A\Bn sont disjoints
=
∑
n i=1P(AjBi)P(Bi)
car
P(AjBi) = P(A\Bi)
P(Bi) )P(A\Bi) =P(AjBi)P(Bi).
25
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle
Partition
Indépendance Distribution
Exemple
Probabilité conditionnelle
Deux familles ont respectivement 3 et 5 enfants.
Il y a deux garçons dans chacune des familles.
Nous choisissons un enfant au hasard de la façon suivante:
un dé est lancé et l’enfant est sélectionné dans la première famille si le résultat est inférieur ou égal à quatre et dans la deuxième sinon.
Une fois la famille déterminée, les enfants de cette famille ont tous la même chance d’être sélectionné. Quel est la probabilité que l’enfant choisi soit un garçon?
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle
Partition
Indépendance Distribution
Solution
Probabilité conditionnelle
A=l’enfant choisi est un garçon
B1 =l’enfant provient de la première famille B2 =l’enfant provient de la deuxième famille
P(A) = P(AjB1)P(B1) +P(AjB2)P(B2)
= 2 3
4 6 +2
5 2 6
= 26 45
= 0,57778.
27
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Indépendance I
De…nition
Deux événementsA etB sont ditsindépendantssi P(A\B) =P(A)P(B).
À partir de cette dé…nition, il est possible de montrer que si P(A)>0,alors les événements A etB sont
indépendants si et seulement si
P(BjA) =P(B),
c’est-à-dire que le fait de savoir que l’événementA s’est réalisé nous est d’aucune utilité pour prédire la réalisation
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Démonstration I
Indépendance
())Supposons que les événements Aet B sont indépendants. Partant de la dé…nition de probabilité conditionnelle,
P(BjA) = P(B\A) P(A)
= P(A)P(B)
P(A) car Aet B sont indépendants.
= P(B).
29
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Démonstration II
Indépendance
(()Supposons maintenant que P(BjA) =P(B). Nous voulons montrer que les événements Aet B sont
indépendants, c’est-à-dire queP(A\B) =P(A)P(B). P(A)P(B) = P(A)P(BjA) par hypothèse.
= P(A)P(B\A) P(A)
= P(B\A).
De façon symétrique, si P(B)>0,alors les événementsA et B sont indépendants si et seulement si
P(AjB) =P(A).
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Distribution de variable aléatoire
Les mesures de probabilité construites sur Ωexistent indépendamment des variables aléatoires et vice versa.
Quel est le lien qui les unit?
C’est le sujet traité à la prochaine section.
31
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Dé…nition
Distribution de variable aléatoire
De…nition
Ladistribution oula loid’une variable aléatoire X est caractérisée par safonction de répartition
FX : R![0,1]
x !probabilité que la v.a. X soit inférieure ou égale àx.
Par conséquent, siP est la mesure de probabilité qui prévaut surΩ,alors
8x2R, FX(x) =Pfω2 ΩjX(ω) xg. Remarque. A…n d’alléger la notation, il est courant
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Propriétés de la fonction de répartition
Distribution de variable aléatoire
(R1) F est une fonction non décroissante, c’est-à-dire que x1 <x2 )F(x1) F (x2).
(R2) limx! ∞F(x) =0 et limx!∞F(x) =1.
(R3) F est continue à droite, c’est-à-dire que 8x 2R, limε#0F (x+ε) =F(x).
Preuve de (R1). Puisque les événements
fω2ΩjX(ω) x1g et fω2ΩjX(ω) x2g sont tels que le premier est inclus dans le second, alors en utilisant (P7),
F(x1) =PfX x1g PfX x2g=F(x2).
33
Ensemble fondamental Événement Variable aléatoire Probabilité Probabilité conditionnelle Indépendance Distribution
Type de variables aléatoires I
Distribution de variable aléatoire
Des exemples suivront lorsque nous étudierons les di¤érents types de variables aléatoires.
Il y a trois types de variables aléatoires : les variables aléatoires discrètes, les variables aléatoires continues et les variables aléatoires mixtes.