Formulaires: Espaces probabilis´ es et variables al´ eatoires
D´ efinition 1:
On note souvent+∞
[
i=1
Ai l’ensemble [
i∈N?
Ai. Notation similaire avec les intersections.
D´ efinition 2:
Soient Ω un ensemble non vide et T un sous-ensemble de P(Ω). On dit que T est une tribu sur Ω si les trois conditions suivantes sont v´erifi´ees :1. Ω ∈ T
2. T est stable par passage au compl´ementaire, c’est-`a-dire que si A∈ T alors A∈ T. 3. T est stable par union d´enombrable, c’est-`a-dire que si (An)n∈N∈ TN alors [
n∈N
An∈ T.
D´ efinition 3:
Soit (Ω,T) un espace probabilisable. Soit P une application de T dans R. On dit que P est une probabilit´e sur (Ω,T) si les trois conditions suivantes sont v´erifi´ees :1. Pour tout ´el´ement A de T, on a : P(A)>0.
2. P(Ω) = 1.
3. Pour toutes suites ´ev´enements (Ai)i∈
N deux-`a-deux incompatibles, X
P(Ai) converge et on a :
+∞
X
i=0
P(Ai) = P
+∞
[
i=0
Ai
! .
D´ efinition 4:
Soient I une partie deN et (Ai)i∈I une famille d’´ev´enements. On dit que (Ai)i∈I est un syst`eme quasi-complet d’´ev´enements si les deux conditions suivantes sont v´erifi´ees :1. ∀(i, j)∈JIK
2, i6=j ⇒Ai∩Aj =∅ . 2. X
i∈I
P(Ai) = 1 (ce qui est moins fort que[
i∈I
Ai = Ω que l’on a dans les syst`emes complets d’´ev´enements).
Proposition 5:
Soit (Ω,T, P) un espace probabilis´e. Soient A etB deux ´ev´enements, on a :1. Si A ⊂B, on a :P(A)6P(B).
2. P(A∪B) =P(A) +P(B)−P(A∩B).
3. P(B\A) =P(B)−P(A∩B).
Proposition 6:
Soient Ω un ensemble fini,P la probabilit´e uniforme sur (Ω,P(Ω)) et A un ´ev´enement, on a :P(A) = Card (A)Card (Ω) ce que l’on peut ´ecrire ainsi : P(A) = Nombre de cas o`u A se r´ealise
Nombre de cas possible .
1
D´ efinition 7:
Soit (Ω,T, P) un espace probabilis´e et A un ´ev´enement de probabilit´e non nulle. Pour tout B de T, on pose : PA(B) = P(A∩B)P(A) .
Proposition 8:
Formule des probabilit´es compos´ees Soient (Ω,T, P) un espace probabilis´e et A1,· · · , An n (n entier sup´erieur `a 2) ´ev´enements. On suppose que P(A1 ∩ · · · ∩ An−1)6= 0, on a alors :P(A1∩ · · · ∩An) = P(A1)×PA1(A2)PA1∩A2(A3)× · · · ×PA1∩···∩An−1(An).
En particulier :
1. Si A et B sont deux ´ev´enements tels que P(A)6= 0 alors P(A∩B) =P(A)×PA(B).
2. Si A, B et C sont trois ´ev´enements tels que P(A∩B)6= 0 alors P(A∩B∩C) est P(A)× PA(B)×PA∩B(C).
Proposition 9:
Formule des probabilit´es totales Soient (Ω,T, P) un espace probabilis´e, I une partie de N et (Ai)i∈I un syst`eme quasi-complet d’´ev´enements. Soit B un´
ev´enement. X
i∈I
P(B ∩Ai) existe et on a : P(B) =X
i∈I
P(B∩Ai), soit :
P(B) =X
i∈I
P(Ai)×PAi(B).
En particulierP(B) =P(A)×PA(B)+(1−P(A))×PA(B) siAest un ´ev´enement tel queP(A)6= 0 et P(A)6= 1.
Proposition 10:
Formules de Bayes Soit (Ω,P(Ω), P) un espace probabilis´e.1. Si A et B sont deux ´ev´enements de probabilit´e non nulle alors : PB(A) = PA(B)×P(A)
P(B) .
2. Si B est un ´ev´enement de probabilit´e non nulle, I une partie de N et (Ai)i∈I un syst`eme quasi-complet d’´ev´enements alors : PB(Ai) = PAi(B)×P(Ai)
X
j∈I
P(Aj)×PAj(B) .
D´ efinition 11:
Soit (Ω,T, P) un espace probabilis´e et A et B deux ´ev´enements. On dit que A et B sont ind´ependants (pour la probabilit´eP) si : P(A∩B) = P(A)×P(B).D´ efinition 12:
Soient (Ω,T, P) un espace probabilis´e,I une partie deNet (Ai)i∈I un famille d’´ev´enements.1. On dit que les ´ev´enements (Ai)i∈I sont deux-`a-deux ind´ependants si :
∀(i, j)∈I2, i6=j ⇒P(Ai∩Aj) =P(Ai)×P(Aj).
2
2. On dit que les ´ev´enements A1,· · · , An sont mutuellement ind´ependants si, pour tout sous- ensemble J non vide de I, on a :
P \
i∈J
Ai
!
=Y
i∈J
P(Ai).
D´ efinition 13:
On appelle fonction de r´epartition de X, une variable al´eatoire, l’ap- plication FX :(
R →[0,1]
x 7→P(X 6x).
Proposition 14:
La fonction de r´epartition FX de X, une variable al´eatoire, v´erifie les propri´et´es suivantes :• FX est croissante.
• lim
x−→−∞(FX(x)) = 0 et lim
x−→+∞(FX(x)) = 1.
• Pour tous r´eels a etb tels que a < b, on a :P(a < X 6b) = FX(b)−FX(a).
• FX est continue `a droite en tout point.
Proposition 15:
Si E(X2) est d´efini alors X une variable al´eatoire admet une esp´erance et une variance etV(X) est E(X2)−(E(X))2 (Formule de Kœnig-Huygens).Proposition 16:
• αX+β, avecα etβ deux r´eels etX une variable al´eatoire admettant une variance, admet une variance et on aV(αX +β) = α2V(X).
• αX +βY, avec α et β deux r´eels et X et Y deux variables al´eatoires admettant une esp´erance, admet une esp´erance et E(αX+βY) = αE(X) +βE(Y).
D´ efinition 17:
• On dit que X est une variable, une variable al´eatoire, est centr´ee si E(X) = 0. On appelle variable centr´ee associ´ee `aX la variable X−E(X).
• On dit queX est une variable, une variable al´eatoire, est r´eduite si V(X) = 1. On appelle variable centr´ee r´eduite associ´ee `a X la variable X−E(X)
σ(X) (qu’on note souvent X?).
Proposition 18:
SoientX une variable al´eatoire positive admettant une esp´erance et a un r´eel strictement positif alors : P(X >a)6 E(X)a (In´egalit´e de Markov).
Th´ eor` eme 19:
Soient X une variable al´eatoire admettant une variance et ε un r´eel strictement positif alors :P (|X−E(X)|>ε)6 V(X)
ε2 (In´egalit´e de Bienaym´e-Tchebychev).
3