Probabilités discrètes

Plan du chapitre
I - Probabilités discrètes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 2
1) Tribus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 2
2) Espaces probabilisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 3
3) Propriétés des probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .page 3
4) Evénements négligeables, événements presque sûrs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 6
5) Systèmes complets d’événements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .page 7
6) Détermination d’une probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 7
II - Probabilités conditionnelles. Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 8
1) Probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 8
1-a) Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 8
1-b) Formule des probabilités composées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 9
1-c) Formule des probabilités totales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 10
1-d) Formule de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 10
2) Evénements indépendants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 12
2-a) Cas de deux événements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 12
2-b) Familles d’événements mutuellement indépendants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 13

c Jean-Louis Rouget, 2017. Tous droits réservés.

1 http ://www.maths-france.fr
I - Probabilités discrètes
1) Tribus
Il s’agit de généraliser la notion d’événement exposée en maths sup. En maths sup, l’univers des possibles Ω est fini et
un événement (qui aura ensuite une probabilité une fois celle-ci définie) est une partie quelconque de Ω. La probabilité
d’un événement est alors la somme finie des probabilités des événements élémentaires constituant cet événement.
En maths spé, nous passons à la situation plus générale où Ω est au plus dénombrable c’est-à-dire fini ou infini et
dénombrable. Les probabilités à calculer seront alors des sommes (discrètes) de séries à termes positifs. Quand on continuera
à généraliser (plus en maths spé), les sommes discrètes deviendront des sommes continues c’est-à-dire des intégrales et
on sait qu’il existe des fonctions non intégrables même sur un segment. Il n’est donc plus possible à terme, de calculer la
probabilité de n’importe quelle partie de Ω. La définition 1 ci-dessous, met en place la notion qui définit axiomatiquement
les événements dont on calculera la probabilité : c’est la notion de tribu. En maths spé, cette notion n’est pas encore
absolument indispensable dans la pratique mais son introduction est prévue par le programme officiel.
Définition 1. Soit Ω un ensemble non vide au plus dénombrable, c’est-à-dire fini ou infini et dénombrable.
Une tribu ou σ-algèbre sur Ω est un sous-ensemble A de P(Ω) vérifiant :
1) A 6= ∅,
2) ∀A ∈ A , c A ∈ A (stabilité par passage au complémentaire),
+∞
[
3) ∀ (An )n∈N ∈ A N , An ∈ A (stabilité par réunion dénombrable).
n=0

Un élément de A s’appelle alors un événement et le couple (Ω, A ) est un espace probabilisable.

Exemples.
• A = {∅, Ω} est une tribu sur Ω appelée tribu grossière.
• A = P(Ω) est une tribu sur Ω.
• Soit A ∈ Ω. A = {∅, A, c A, Ω} est une tribu sur Ω.
• On peut montrer qu’une intersection de tribus est une tribu. En conséquence, si B est un sous-ensemble quelconque de
P(Ω), on peut montrer qu’il existe une plus petite tribu (au sens de l’inclusion) contenant B. Elle est obtenue comme
intersection de toutes les tribus contenant B et s’appelle la tribu engendrée par B. ❏
Les axiomes de la définition 1 entrainent un certain nombre de propriétés obligatoirement vérifiées par une tribu :
Théorème 1. Soit Ω un ensemble non vide au plus dénombrable, c’est-à-dire fini ou infini et dénombrable. Soit A
une tribu sur Ω.
1) Ω ∈ A et ∅ ∈ A .
n
[
2) A est stable par réunion finie : ∀n ∈ N∗ , ∀ (Ak )16k6n ∈ A n , Ak ∈ A .
k=1

3) A est stable par intersection finie ou dénombrable.

4) ∀(A, B) ∈ A 2 , B \ A ∈ A .
Démonstration.
1) D’après l’axiome 1, A 6= ∅. Donc, il existe A ∈ A . D’après l’axiome 2, c A ∈ A . Donc, si on pose A0 = c A et pour
+∞
[
n > 1, An = A, alors d’après l’axiome 3, Ω = An ∈ A .
n=0
Mais alors, d’après l’axiome 2, ∅ = c Ω ∈ A .
2) Soient n ∈ N∗ puis (Ak )16k6n ∈ A n . Pour k ∈ N∗ , on pose Bk = Ak si 1 6 k 6 n et Bk = ∅ si k > n ou si k = 0.
n
[ +∞
[
Alors, Ak = Bk ∈ A .
k=1 k=0

3) Soit (An )n∈N ∈ A N . Pour n ∈ N, on pose Bn = c An . Alors, pour tout n ∈ N, Bn ∈ A puis

+∞ +∞ +∞
!
\ \ [
c
An = Bn = c Bn ∈ A .
n=0 n=0 n=0

c Jean-Louis Rouget, 2017. Tous droits réservés.

2 http ://www.maths-france.fr
4) Soit (A, B) ∈ A 2 . Alors, B \ A = B ∩ c A ∈ A .

Le vocabulaire sur les événements mis en place en première année se généralise à l’identique. Par exemple, deux événements
A et B sont disjoints ou incompatibles si et seulement si A ∩ B = ∅, Ω est l’événement certain et ∅ est l’événement
impossible ...
2) Espaces probabilisés
On définit maintenant la notion de probabilité sur un espace probabilisable :
Définition 2. Soit (Ω, A ) un espace probabilisable au plus dénombrable (c’est-à-dire soit Ω un ensemble non vide
au plus dénombrable et soit A une tribu sur Ω).
Une probabilité sur (Ω, A ) est une application P de A dans [0, +∞[ vérifiant de plus :
1) P(Ω) = 1,
2) Pour toute suite (An )n∈N ∈ A N d’événements deux à deux disjoints,
+∞
! +∞
[ X
P An = P (An ) (σ-additivité de P).
n=0 n=0

Un espace probabilisé au plus dénombrable est un triplet (Ω, A , P) où (Ω, A ) est un espace probabilisable au plus
dénombrable et P est une probabilité sur (Ω, A ).
Commentaire. La définition ci-dessus contient implicitement le fait que pour toute suite (An )n∈N d’événements deux à
deux disjoints, la série de terme général P (An ), n ∈ N, converge. En particulier, il est obligatoire que pour toute suite
(An )n∈N d’événements deux à deux disjoints, on ait lim P (An ) = 0. ❏
n→+∞

3) Propriétés des probabilités

On a déjà toutes les formules de maths sup qui se généralise à l’identique :
Théorème 2. Soit (Ω, A , P) un espace probabilisé au plus dénombrable.
1) P(∅) = 0.
2) a) ∀(A, B) ∈ A 2 , (A ∩ B = ∅ ⇒ P(A ∪ B) = P(A) + P(B)).
b) Plus généralement, pour tout n ∈ N∗ puis tout n-uplet (Ak )16k6n ∈ A n d’événements deux à deux disjoints,
n
! n
[ X
P Ak = P (Ak ) .
k=1 k=1
c
3) a) ∀A ∈ A , P ( A) = 1 − P(A).
b) ∀A ∈ A , P(A) ∈ [0, 1].
4) a) ∀(A, B) ∈ A 2 , A ⊂ B ⇒ P(B \ A) = P(B) − P(A).
b) ∀(A, B) ∈ A 2 , A ⊂ B ⇒ P(A) 6 P(B).
5) ∀(A, B) ∈ A 2 , P(A ∪ B) = P(A) + P(B) − P(A ∩ B).
n
! n
[ X
6) Pour tout n > 2 puis pour tout (Ak )16k6n ∈ A n , P Ak 6 P (Ak ).
k=1 k=1

Démonstration.
1) Pour n ∈ N, on pose An = ∅.
+∞
! +∞ +∞
[ X X
P(∅) = P An = P (An ) = P (∅)
n=0 n=0 n=0
+∞
X
et donc P(∅) = 0 puis P(∅) = 0.
n=1

2) a) Soit (A, B) ∈ A 2 tel que A ∩ B = ∅. On pose A0 = A, A1 = B et pour n > 2, An = ∅. Les An , n ∈ N, sont deux à
deux disjoints et donc

c Jean-Louis Rouget, 2017. Tous droits réservés.

3 http ://www.maths-france.fr
 +∞
! +∞
[ X
P(A ∪ B) = P An = P (An ) = P(A) + P(B).
n=0 n=0

b) Par récurrence sur n. Le cas n = 2 est a).

3) a) Soit A ∈ A . Puisque A ∩ c A = ∅,

P(A) + P (c A) = P (A ∪ c A) = P(Ω) = 1.

b) Soit A ∈ A . P(A) = 1 − P (c A) 6 1.
4) a) Soit (A, B) ∈ A 2 tel que A ⊂ B. Alors B = (B \ A) ∪ A avec (B \ A) ∩ A = ∅. Donc,

P(A) + P(B \ A) = P(A ∪ (B \ A)) = P(B).

b) Soit (A, B) ∈ A 2 tel que A ⊂ B. P(B) = P(A) + P(B \ A) > P(A).

5) Soit (A, B) ∈ A 2 . (B \ (A ∩ B)) ∩ A = ∅ avec A ∩ B ⊂ B et donc

P(A ∪ B) = P(A ∪ (B \ (A ∩ B))) = P(A) + P(B \ (A ∩ B)) = P(A) + P(B) − P(A ∩ B).
n
! n
[ X
n
6) Montrons par récurrence que pour tout n > 2 puis pour tout (Ak )16k6n ∈ A , P Ak 6 P (Ak ).
k=1 k=1

• Soient A1 et A2 deux événements.

P (A1 ∪ A2 ) = P (A1 ) + P (A2 ) − P (A1 ∩ A2 ) 6 P (A1 ) + P (A2 ) .

n
! n
[ X
n
• Soit n > 2. Supposons que pour tout (Ak )16k6n ∈ A , P Ak 6 P (Ak ). Soit (Ak )16k6n+1 ∈ A n+1 .
k=1 k=1

n+1
! n
! !
[ [
P Ak =P Ak ∪ An+1
k=1 k=1
n
!
[
6P Ak + P (An+1 ) (d’après le cas n = 2)
k=1
n+1
X
6 P (Ak ) (par hypothèse de récurrence).
k=1

n
! n
[ X
n
On a montré par récurrence que pour tout n > 2 puis pour tout (Ak )16k6n ∈ A , P Ak 6 P (Ak ).
k=1 k=1

En maths spé, on complète ces propriétés avec :

Théorème 3. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (An )n∈N une suite d’événements.
1) (continuité croissante) Si la suite (An )n∈N est croissante pour l’inclusion, alors la suite numérique (P (An ))n∈N
converge et de plus,
+∞
!
[
lim P (An ) = P Ak .
n→+∞
k=0

2) (continuité décroissante) Si la suite (An )n∈N est décroissante pour l’inclusion, alors la suite numérique (P (An ))n∈N
converge et de plus,
+∞
!
\
lim P (An ) = P Ak .
n→+∞
k=0

c Jean-Louis Rouget, 2017. Tous droits réservés.

4 http ://www.maths-france.fr
Démonstration.
1) Soit (An )n∈N une suite d’événements, croissante pour l’inclusion. Donc, ∀k ∈ N, Ak ⊂ Ak+1 .
On se ramène au cas d’événements deux à deux disjoints : on pose B0 = A0 et pour k ∈ N∗ , on pose Bk = Ak \ Ak−1 . Les
Bk sont deux à disjoints et, par récurrence,
n
! n
[ [
∀n ∈ N∗ , An = A0 ∪ (Ak \ Ak−1 ) = Bk .
k=1 k=0
+∞
[ +∞
[
Ceci fournit déjà Bk = Ak et d’autre part, pour n ∈ N∗ ,
k=0 k=0 !
n
[ n
X
P (An ) = P Bk = P (Bk ) .
k=0 k=0
n
!
X
Puisque (Bk )k∈N est une suite d’événements deux à deux disjoints, la suite (P (An ))n∈N = P (Bk ) converge et
k=0 n∈N
n
! +∞ +∞
! +∞
!
X X [ [
lim P (An ) = lim P (Bk ) = P (Bk ) = P Bk =P Ak .
n→+∞ n→+∞
k=0 k=0 k=0 k=0

2) Soit (An )n∈N une suite d’événements, décroissante pour l’inclusion. Si pour n ∈ N, on pose An′ = c An , la suite
(An′ )n∈N est une suite d’événements, croissante pour l’inclusion. D’après 1), la suite (P (An′ )) converge et donc la suite
(P (An ))n∈N = (1 − P (An′ ))n∈N converge. De plus,

lim P (An ) = 1 − lim P (An′ )

n→+∞ n→+∞
+∞
! +∞
! +∞
!!
[ [ \
′ c c
=1−P Ak = 1 − P ( Ak ) =1−P Ak
k=0 k=0 k=0
+∞
!
\
=P Ak .
k=0

Commentaire. Dans la démonstration précédente, dans le cas d’une suite d’événements (An )n∈N croissante pour l’in-
clusion, on aurait également pu constater que la suite (P (An ))n∈N était une suite numérique croissante, majorée par 1 et
donc convergente. ❏
Théorème 4. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (An )n∈N une suite d’événements. Alors,
+∞
! +∞
[ X
P Ak 6 P (An ) .
k=0 n=0

n
[ n
[ n
[
Démonstration. Pour n ∈ N, posons An′ = Ak de sorte que pour n ∈ N, Ak′ = Ak .
k=0 k=0 k=0 !
+∞
[
La suite (An′ )n∈N est une suite croissante pour l’inclusion. Donc, la suite (P (An′ ))n∈N converge vers P Ak′ =
! k=0
+∞
[
P Ak . D’autre part, pour n ∈ N, d’après le théorème 3,
k=0 !
n
[ n
X
P (An′ ) =P Ak 6 P (Ak ) (∗).
k=0 k=0

La série numérique de terme général P (Ak ), n ∈ N, à termes positifs, converge dans R vers un réel positif ou vers +∞.
Quand n tend vers +∞ dans l’inégalité (∗), on obtient
+∞
! +∞
[ X
P Ak 6 P (Ak ) , (le second membre étant réel ou infini).
k=0 k=0

c Jean-Louis Rouget, 2017. Tous droits réservés.

5 http ://www.maths-france.fr
Remarque. Dans la planche d’exercices
! no 37 de maths sup (« Dénombrements »), on détaille la formule du crible qui
n
[
donne le calcul de card Ak . Cette démonstration et la formule qui en résulte, peuvent être reproduite à l’identique
k=0
pour les probabilités en remplaçant card par P.
4) Evénements négligeables, événements presque sûrs
∅ est l’événement impossible. Sa probabilité est nulle. Mais il dorénavant possible de trouver des événements non vides
de probabilité nulle. Par exemple, si on choisit un entier au hasard, la probabilité que cet entier soit 0 est nulle.
De même, P(Ω) = 1 mais P(A) = 1 6⇒ A = Ω. Ceci nous conduit à poser la définition suivante :

Définition 4. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit A ∈ A .

A est un événement négligeable si et seulement si P(A) = 0.
A est un événement presque sûr si et seulement si P(A) = 1.

Théorème 5. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (A, B) ∈ A 2 .

• Si B est négligeable, alors P(A ∩ B) = 0 et P(A ∪ B) = P(A).

• Si B est presque sûr, alors P(A ∩ B) = P(A) et P(A ∪ B) = 1.
Démonstration.
• Supposons P(B) = 0. Puisque A ∩ B ⊂ B, P(A ∩ B) 6 P(B) = 0 puis P(A ∩ B) = 0. Mais alors,

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

• Supposons P(B) = 1. Puisque B ⊂ A ∪ B, 1 = P(B) 6 P(A ∪ B) puis P(A ∪ B) = 1. Mais alors,

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

Théorème 6. Soit (Ω, A , P) un espace probabilisé au plus dénombrable.

Une réunion finie ou dénombrable d’événements négligeables est un événement négligeable.
Une intersection finie ou dénombrable d’événements presque sûrs est un événement presque sûr.
Démonstration.
• Soit (An )n∈N ∈ A N . Supposons chaque An , n ∈ N, négligeable. D’après le théorème 4 de la page précédente,
+∞
! +∞ +∞
[ X X
P An 6 P (An ) = 0 = 0.
n=0 n=0 n=0
+∞
!
[
et donc P An = 0. Ceci démontre le résultat pour une réunion dénombrable d’événements négligeables. Le cas
n=0
d’une famille finie d’événements négligeables s’obtient en prenant les An vides à partir d’un certain rang.
• Soit (An )n∈N ∈ A N . Supposons chaque An , n ∈ N, presque sûr. On en déduit que chaque c An est négligeable et donc
+∞
! +∞ +∞
\ [ \
c c
que An = An est négligeable puis que An est un événement presque sûr.
n=0 n=0 n=0

Exercice 1. Soit (An )n∈N une suite d’événements d’un espace probabilisé au plus dénombrable (Ω, A , P) tel que la
série de terme général P (An ), n ∈ N, converge.
+∞
!
\ +∞ [
Montrer que l’événement Ap est négligeable.
n=0 p=n
S+∞
Solution 1. Pour n ∈ N, posons Bn = p=n Ap . (Bn )n∈N est une suite d’événements, décroissante pour l’inclusion. Par
continuité décroissante,
+∞ +∞
!! +∞
!
\ [ \
P Ap =P Bn = lim P (Bn ) .
n→+∞
n=0 p=n n=0

c Jean-Louis Rouget, 2017. Tous droits réservés.

6 http ://www.maths-france.fr
 +∞
! +∞
[ X
Maintenant, pour n ∈ N, P (Bn ) = P Ap 6 P (An ) = Rn . Pour n > 1, Rn est le reste à l’ordre n − 1 de la série
p=n p=n
de terme général P (An ), n ∈ N, qui est convergente. On sait alors que pour chaque n ∈ N∗ , Rn existe dans R puis que
lim Rn = 0. On en déduit que lim P (Bn ) = 0 puis que
n→+∞ n→+∞
+∞
!!
\ +∞ [
P Ap = 0.
n=0 p=n
+∞ +∞
!
\ [
L’événement Ap est donc négligeable.
n=0 p=n

5) Systèmes complets d’événements

Définition 5. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (An )n∈N ∈ A N .
(An )n∈N est un système complet d’événements si les événements An , n ∈ N, sont deux à deux disjoints et
+∞
[
An = Ω.
n=0

Définition 5 bis. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (An )n∈N ∈ A N .
(An )n∈N est un système quasi-complet
! d’événements si les événements An , n ∈ N, sont deux à deux disjoints et
+∞
X +∞
[ +∞
[
P (An ) = 1 (ou encore P An = 1 ou encore An est un événement presque sûr).
n=0 n=0 n=0

Un système complet d’événements est en particulier un système quasi -complet d’événements. L’intérêt d’un système
quasi-complet d’événements réside dans le théorème suivant :

Théorème 7. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (An )n∈N ∈ A N un système quasi-
complet d’événements. Soit B ∈ A . Alors,
+∞
X
P(B) = P (B ∩ An ) .
n=0

+∞ +∞
! +∞
[ [ [
Démonstration. Puisque An est presque sûr, on a P B ∩ An = P(B) d’après le théorème 5. Mais B∩ An =
n=0 n=0 n=0
+∞
[
(B ∩ An ) et de plus, les événements B ∩ An , n ∈ N, sont deux à deux disjoints. On en déduit que
n=0 !
+∞
[ +∞
X
P(B) = P B ∩ An = P (B ∩ An ) .
n=0 n=0

6) Détermination d’une probabilité

Dans ce paragraphe, on se place dans le cas particulier où A = P(Ω).
Théorème 8. Soit Ω un univers non vide, fini ou dénombrable.
1) Soit P une probabilité sur l’espace probabilisable (Ω, P(Ω)). Pour ω ∈ Ω, on pose pω = P({ω}). Alors, (pω )ω∈Ω
est une famille de réels positifs, sommable, de somme 1. De plus, pour A ∈ P(Ω),
X
P(A) = pω .
ω∈A

2) Inversement, soit (pω )ω∈Ω une famille de réels positifs indexée par Ω, sommable, de somme 1. Il existe une
probabilité P et une seule sur l’espace probabilisable (Ω, P(Ω)) telle que

∀ω ∈ Ω, P({ω}) = pω .

c Jean-Louis Rouget, 2017. Tous droits réservés.

7 http ://www.maths-france.fr
Démonstration.
[
1) Les pω , ω ∈ Ω, sont des réels positifs. Ensuite, Ω = {ω} et donc, puisque les {ω}, ω ∈ Ω, sont deux à deux
ω∈Ω
disjoints,
X X
1 = P(Ω) = P({ω}) = pω .
ω∈Ω ω∈Ω

Ceci montre que la famille dénombrable (pω )ω∈Ω est sommable, de somme 1. Dit autrement, ({ω})ω∈Ω est un système
complet d’événements. D’après le théorème 7, pour A ∈ P(Ω),
X X X
P(A) = P (A ∩ {ω}) = P ({ω}) = pω .
ω∈Ω ω∈A ω∈A

2) Soit (pω )ω∈Ω une famille de réels positifs indexée par Ω, sommable, de somme 1. D’après 1), si P est une probabilité
sur (Ω, P(Ω)) telle que ∀ω ∈ Ω, P({ω}) = pω , on a nécessairement
X
∀A ∈ P(Ω), P(A) = pω ,
ω∈A

ce qui montre l’unicité de P. Il s’agit alors de vérifier que P ainsi définie, est bien une probabilité.
Pour chaque A ∈ P(Ω), la famille (pω )ω∈A est sommable en tant que sous-famille de la famille sommable (pω )ω∈Ω et
de plus
X X
0 6 P(A) = pω 6 pω = 1.
ω∈A ω∈Ω

Donc, P est une application de P(Ω) dans [0, 1]. Ensuite,

X
P(Ω) = pω = 1.
ω∈Ω
+∞
[
Soit enfin (An )n∈N une suite d’éléments de P(Ω) deux à deux disjoints. L’événement A = An est une partie de
n=0
+∞
[ +∞
[
l’ensemble dénombrable Ω et donc An est au plus dénombrable. On peut poser An = {ωk , k ∈ I} où l’ensemble
n=0 n=0
des indices I est soit vide, soit un ensemble du type J1, pK, p ∈ N∗ , soit N. Pour chaque n, on note In l’ensemble des
indices k ∈ I tels que ω ∈ An . Les ensembles In sont deux à deux disjoints et leur réunion est I.
Puisque la famille (pω )ω∈A est sommable, le théorème de sommation par paquets permet d’écrire
+∞ +∞
!
X X X X
P (An ) = pωk = pωk = P(A).
n=0 n=0 k∈In k∈I

Puisque P est une probabilité sur l’espace (Ω, P(Ω)) et que ∀ω ∈ Ω, P(ω) = pω , P convient.

II - Probabilités conditionnelles. Indépendance

1) Probabilités conditionnelles
a) Définition

Définition 6. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (A, B) ∈ A 2 .

Si P(A) 6= 0, la probabilité de B sachant A, notée PA (B), est

P(A ∩ B)
PA (B) = .
P(A)

c Jean-Louis Rouget, 2017. Tous droits réservés.

8 http ://www.maths-france.fr
 Théorème 9. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit A ∈ A tel que P(A) 6= 0.
PA est une probabilité sur l’espace probabilisable (Ω, A ).
Démonstration.
• Puisque P(A) 6= 0, pour tout B ∈ A , PA (B) existe dans R et de plus PA (B) > 0.
P(A ∩ Ω) P(A)
• PA (Ω)) = = = 1.
P(A) P(A)
• Soit (Bn )n∈N une suite d’événements deux à deux disjoints.
+∞
! +∞
! +∞ +∞
[ 1 [ 1 X X
PA Bn = ×P Bn = P (Bn ) = PA (Bn ) .
P(A) P(A)
n=0 n=0 n=0 n=0

On a montré que PA est une probabilité sur l’espace probabilisable (Ω, A ).

On note que si A est un événement tel que P(A) 6= 0 alors PA (A) = 1.

b) Formule des probabilités composées
Un résultat immédiat est :
Théorème 10. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (A, B) ∈ A 2 .
Si P(A) 6= 0, P(A ∩ B) = P(A) × PA (B).
Si P(B) =
6 0, P(A ∩ B) = P(B) × PB (A).
Plus généralement,
Théorème 11. (formule des probabilités composées)
Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (An )n∈N ∈ A N une suite d’événements tels que ∀n ∈ N,
P (A0 ∩ . . . ∩ An ) 6= 0.
Pour tout n ∈ N∗ ,

P (A0 ∩ . . . ∩ An ) = PA0 ∩...∩An−1 (An ) × PA0 ∩...∩An−2 (An−1 ) × . . . × PA0 (A1 ) × P (A0 ) .

Démonstration. Pour n ∈ N, posons pn = P (A0 ∩ . . . ∩ An ). Par hypothèse, pour tout n ∈ N, pn 6= 0.

Soit n ∈ N∗ . Pour k ∈ J0, n − 1K,

P (A0 ∩ . . . ∩ Ak+1 ) pk+1

PA0 ∩...∩Ak (Ak+1 ) = = .
P (A0 ∩ . . . ∩ Ak ) pk
Par suite, pour n ∈ N∗ ,

P (A0 . . . ∩ An ) = pn
n−1
Y pk+1
= p0 (produit télescopique)
pk
k=0
= P (A0 ) × PA0 (A1 ) × . . . × PA0 ∩...∩An−2 (An−1 ) × PA0 ∩...∩An−1 (An ) .

c Jean-Louis Rouget, 2017. Tous droits réservés.

9 http ://www.maths-france.fr
Exercice 2. (d’après CCP 2017, MP, Maths 2)
Une particule possède deux états possibles, l’état A et l’état B et passe d’un état à l’autre de façon aléatoire. L’état
de la particule au temps n + 1 dépend uniquement de son état au temps n de la façon suivante :
1
• si au temps n, la particule est dans l’état A, au temps n + 1, elle passe à l’état B avec une probabilité .
2
1
• si au temps n, la particule est dans l’état B, au temps n + 1, elle passe à l’état A avec une probabilité .
4
1
A l’étape 0, la particule est dans l’un des deux états A ou B avec la même probabilité égale à .
2
Pour n ∈ N, on note Tn l’événement : « la première étape où la particule est à l’état A est l’étape n ».
Calculer P (Tn ) en fonction de n.
Solution 2. Pour n ∈ N, on note An l’événement : « à l’étape n, la particule est dans l’état A » et Bn l’événement : « à
l’étape n, la particule est dans l’état B ».
1
T0 est l’événement A0 et donc P (T0 ) = P (A0 ) = . Ensuite
2
1 1 1
P (T1 ) = P (B0 ∩ A1 ) = PB0 (A1 ) × P (B0 ) = × =
4 2 8
Soit n > 1. Tn est l’événement B0 ∩ B1 ∩ . . . ∩ Bn−1 ∩ An . D’après la formule des probabilités composées et puisque l’état
de la particule à chaque étape dépend uniquement de l’état de la particule à l’état précédent,

P (Tn ) = PTn−1 Bk (An ) × PTn−2 Bk (Bn−1 ) × . . . × PB0 (B1 ) × P (B0 )

k=0 k=0

= PBn−1 (An ) × PBn−2 (Bn−1 ) × . . . × PB0 (B1 ) × P (B0 )

 n−1
1 3 3 1 1 3
= × × ...× × =
4 |4 {z 4} 2 8 4
n−1
 n
1 3
=
6 4
 n
1 1 3
ce qui reste vrai quand n = 1. Donc, P (T0 ) = et ∀n > 1, P (Tn ) = .
2 6 4

c) Formule des probabilités totales

Le théorème 7 fournit la formule des probabilités totales :
Théorème 12. (formule des probabilités totales)
Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (Ai )i∈I ∈ A I un système complet d’événements, au
plus dénombrable, tels que ∀i ∈ I, P (Ai ) 6= 0.
Pour tout B ∈ A ,
X X
P(B) = P (B ∩ Ai ) = PAi (B) × P (Ai ) .
i∈I i∈I

d) Formule de Bayes

Théorème 13. (formule de Bayes ou formule de probabilité des causes)

Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (Ai )j∈I ∈ A I un système complet d’événements, au
plus dénombrable, tels que ∀i ∈ I, P (Ai ) 6= 0.
Soit B ∈ A tel que P(B) 6= 0. Alors, pour tout i ∈ I,

P (Ai ) × PAi (B)

PB (Ai ) = X
P (Aj ) × PAj (B)
j∈I

c Jean-Louis Rouget, 2017. Tous droits réservés.

10 http ://www.maths-france.fr
Démonstration. D’après la formule des probabilités totales, pour i ∈ I,

P (B ∩ Ai ) P (Ai ) × PAi (B)

PB (Ai ) = = X
P(B)
P (Aj ) × PAj (B)
j∈I

Exercice 3. (exercice d’oral de la banque CCP)

1) Enoncer la formule de Bayes.
2) On dispose de 100 dés dont 25 sont pipés.
1
Pour chaque dé pipé, la probabilité d’obtenir le chiffre 6 lors d’un lancer vaut.
2
a) On tire un dé au hasard parmi les 100 dés. On lance ce dé et on obtient le chiffre 6.
Quelle est la probabilité que ce dé soit pipé ?
b) Soit n ∈ N∗ .
On tire un dé au hasard parmi les 100 dés. On lance ce dé n fois et on obtient n fois le chiffre 6.
Quelle est la probabilité pn que ce dé soit pipé ?
c) Déterminer lim pn . Interpréter ce résultat.
n→+∞

Solution 3.
1) Formule de Bayes.
Soit (Ω, A , P) un espace probabilisé.
Soit (Ai )i∈I un système complet d’événements, au plus dénombrable, de cet espace tel que pour tout i ∈ I, P (Ai ) 6= 0.
Soit B un événement tel que P(B) 6= 0. Alors,

P (Ai ) × PAi (B)

∀i ∈ I, PB (Ai ) = X .
P (Aj ) × PAj (B)
j∈I

2) a) Notons A l’événement « le dé est pipé » et B l’événement « on obtient le chiffre 6 ». La probabilité demandée est
PB (A).

25 1
1 3 1
A, A est un système complet d’événements. On a P(A) = = 6= 0 et P A = 1 − = . Ensuite PA (B) = et
100 4 4 4 2
1
PA (B) = . Donc,
6

1 1 3 1 1
P(B) = P(A) × PA (B) + P A × PA (B) = × + × = 6= 0.
4 2 4 6 4
D’après la formule de Bayes,
1 1
P(A) × PA (B) × 1
PB (A) = = 4 2 = .
1


P(A) × PA (B) + P A × PA (B) 2
4
1
La probabilité que ce dé soit pipé est .
2
(b) Notons A l’événement « le dé est pipé » et Bn l’événement « on obtient n fois le chiffre 6 ». La probabilité demandée
est pn = PBn (A).

1
3 1
A, A est un système complet d’événements. On a toujours P(A) = 6= 0 et P A = . Ensuite PA (Bn ) = n et
4 4 2
1
PA (Bn ) = n . Donc,
6

1 1 3 1
P (Bn ) = P(A) × PA (Bn ) + P A × PA (Bn ) = × n + × n 6= 0.
4 2 4 6
D’après la formule de Bayes,

c Jean-Louis Rouget, 2017. Tous droits réservés.

11 http ://www.maths-france.fr
 1 1
P(A) × PA (Bn ) × n 1
pn = PBn (A) = = 4 2 = .
1 1 3 1 1


P(A) × PA (Bn ) + P A × PA (Bn ) × n + × n 1 + n−1
4 2 4 6 3
1
La probabilité que ce dé soit pipé est pn = .
1
1 + n−1
3
1
(c) lim n−1 = 0 et donc lim pn = 1. Ceci signifie que si au bout d’un grand nombre de lancers, on a obtenu à
n→+∞ 3 n→+∞
chaque fois le 6, il est quasiment sûr que le dé est pipé.

2) Evénements indépendants
a) Cas de deux événements

Définition 7. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (A, B) ∈ A 2 .

A et B sont indépendants si et seulement si P(A ∩ B) = P(A) × P(B).
Un résultat immédiat est :
Théorème 14. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (A, B) ∈ A 2 .
Si P(A) 6= 0, A et B sont indépendants si et seulement si PA (B) = P(B).

Théorème 15. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (A, B) ∈ A 2 . Si A et B sont indépen-
dants, alors A et B sont indépendants, A et B sont indépendants et A et B sont indépendants.
Démonstration. Supposons A et B
indépendants. Donc P(A ∩ B) = P(A) × P(B). D’après la formule des probabilités
totales, P(B) = P (A ∩ B) + P A ∩ B et donc

P A ∩ B = P(B) − P(A ∩ B) = P(B) − P(A) × P(B) = P(B) 1 − P A


= P A × P(B),

et donc A et B sont indépendants. En appliquant à B et A, on a aussi A et B sont indépendants. Enfin, en appliquant à

A et B, on a aussi A et B sont indépendants.

On note enfin de manière un peu anecdotique que :

Théorème 16. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (A, B) ∈ A 2 .
Si A est négligeable, alors A et B sont indépendants.
Si A est presque sûr, alors A et B sont indépendants.
Démonstration. Si A est négligeable, alors P(A) = 0 puis P(A) × P(B) = 0. D’autre part, A ∩ B ⊂ A et donc P(A ∩ B) 6
P(A) = 0 puis P(A ∩ B) = 0 = P(A) × P(B). Ceci montre que A et B sont indépendants.
Si A est presque sûr, alors A est négligeable puis A et B sont indépendants d’après ce qui précède. On en déduit que A et
B sont indépendants d’après le théorème précédent.

c Jean-Louis Rouget, 2017. Tous droits réservés.

12 http ://www.maths-france.fr
b) Familles d’événements mutuellement indépendants

Définition 8. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (Ai )i∈I ∈ A I une famille non vide
d’événements au plus dénombrable.
La famille (Ai )i∈I ∈ A I est une famille d’événements mutuellement indépendants (ou plus simplement indé-
pendants) si et seulement si pout toute partie finie non vide J de I,
 
\ Y
P  Aj  = P (Aj ) .
j∈J j∈J

I
La famille (Ai )i∈I ∈ A est une famille d’événements deux à deux indépendants si et seulement si pour tout
(j, k) ∈ I2 ,

j 6= k ⇒ P (Aj ∩ Ak ) = P (Aj ) × P (Ak ) .

Un résultat immédiat est :
Théorème 17. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (Ai )i∈I ∈ A I une famille non vide
d’événements au plus dénombrable.
Si les événements Ai , i ∈ I, sont mutuellement indépendants, alors les événements Ai , i ∈ I, sont deux à deux
indépendants.
 Il faut prendre garde au fait que la réciproque est fausse ou encore deux à deux indépendants 6⇒ mutuellement
indépendants. Considérons par exemple un univers à quatre éléments Ω = {a, b, c, d}, muni de la probabilité uniforme
sur (Ω, P(Ω)). Soient A = {a, b}, B = {b, c} et C = {c, a}.
1 1 1
P(A ∩ B) = P({b}) = = × = P(A) × P(B). Puis, par symétrie des rôles,
4 2 2
P(A ∩ C) = P(A) × P(C) et P(B ∩ C) = P(B) × P(C). Donc, les événements A, B et C sont deux à deux indépendants.
 3
1
Maintenant, P(A ∩ B ∩ C) = P(∅) 6= = P(A) × P(B) × P(C). Donc, les événements A, B et C ne sont pas
2
mutuellement indépendants.

Théorème 18. Soit (Ω, A , P) un espace probabilisé au plus dénombrable. Soit (Ai )i∈I ∈ A I une famille non vide
d’événements au plus dénombrable.
Si les événements Ai , i ∈ I, sont mutuellement indépendants, alors les événements Bi , i ∈ I, sont mutuellement
indépendants où, pour tout i ∈ I, Bi est soit Ai , soit Ai .

Démonstration. Il suffit de démontrer le résultat quand un et un seul des Bi est Ai et tous les autres sont Ai . Le résultat
s’en déduit alors par récurrence (puisque I est au plus dénombrable).

Ai0 si i = i0
Soit i0 ∈ I. Pour i ∈ I, on pose Bi = .
Ai si i 6= i0 !
\ Y
Soit J une partie finie non vide de I ayant au moins deux éléments. Si i0 ∈
/ J, on a immédiatement P Bi = P (Bi ).
i∈J i∈I
\
Si i0 ∈ J, les événements Ai0 et Ai sont indépendants car
i∈J\{i0 }

   !
\ \ Y Y
P Ai0 ∩  Ai  = P Ai = P (Ai ) = P (Ai0 ) × P (Ai )
i∈J\{i0 } i∈J i∈J i∈J\{i0 }
 
\
= P (Ai0 ) × P  Ai 
i∈J\{i0 }

T
Mais alors, les événements Bi0 et Bi sont indépendants d’après le théorème 15 et donc
i∈J\{i0 }
!  
\ \ Y
P Bi = P (Bi0 ) × P  Bi  = P (Bi ) .
i∈J i∈J\{i0 } i∈J

On a montré que les Bi , i ∈ I, sont mutuellement indépendants.

c Jean-Louis Rouget, 2017. Tous droits réservés.

13 http ://www.maths-france.fr