Chapitre 20 Espaces probabilisés infinis

I. Ensemble des événements

I.1 Tribu d’événements

Motivation : on a vu que si l’univers Ω était un ensemble fini, une probabilité est définie sur P(Ω),
l’ensemble des parties de Ω.
Si par exemple on considère l’expérience suivante : on lance des fléchettes sur une cible en forme de
disque D.
aire(A)
La probabilité d’atteindre une région A donnée est P(A) = .
aire(D)
Mais il existe des parties du disque dont on ne peut pas calculer l’aire. Ainsi, cette probabilité P ne peut
pas être définie sur P(Ω) tout entier mais sur un sous-ensemble de P(Ω).
S’il n’est pas possible que le domaine de définition de la probabilité P soit P (Ω), alors on définit P sur un
sous-ensemble A de P (Ω). Une probabilité sera une application P : A → [0, 1] avec A ⊂ P(Ω) et vérifiant
certaines propriétés que nous verrons dans ce chapitre.

✘✘✘ A TTENTION ! A n’est pas une partie quelconque, il vérifie certaines propriétés qui per-
mettent de calculer effectivement les probabitités de ces éléments.

Définition Ensemble des événements

Un ensemble des événements sur Ω est une famille A de sous-ensembles de Ω vérifiant les
trois propriétés suivantes :
1) Ω∈A

2) Si F ∈ A alors F ∈ A . On dit que A est stable par complémentaire.

[ +∞
[
3) Si (Fn )n∈N est une suite d’éléments de A alors Fn = Fn ∈ A .
n∈N n=0
On dit que A est stable par réunion dénombrable.
Le couple (Ω, A ) est appelé espace probabilisable.

$$ R EMARQUES
• Les éléments de A sont appelés des événements. Les singletons {w} de A sont les événe-
ments élémentaires.
• Ω est l’événement certain et ∅ = Ω ∈ A est l’événement impossible.
Si (Fn ) est une suite d’événements de A alors
la suite des événements contraires (Fn ) est une suite d’éléments de la tribu A .
[ \
A est stable par intersection dénombrable : Fn = Fn ∈ A (lois de Morgan généra-
n∈N n∈N
lisées)

Exemples de tribus
1. {∅, Ω} est une tribu sur Ω appelé tribu grossière. P(Ω) est aussi une tribu sur Ω appelé tribu discrète.
http://ranierig.free.fr/

2. Si A ⊂ Ω alors T = {∅, A, A, Ω} est la plus petite tribu

n sur Ω contenant Ao: on lance un dé cubique,
on considère l’événement « le résultat est pair ». ∅, {2, 4, 6}, {1, 3, 5}, J1, 6K est une tribu adaptée à
cette expérience.

Classe préparatoire ECG − Lycée Couperin

 I.2 Intersection et réunion infinie d’événements
On considère dans la suite l’espace probabilisable (Ω, A ).

Définition

Soit I ⊂ N (finie ou non), soit (Ai )i∈I une suite d’événements de la tribu A .
[
1) w ∈ Ai si et seulement si ∃i ∈ I, w ∈ Ai
i∈I
[
Ai est réalisé si et seulement si l’un au moins des événements Ai est réalisé.
i∈I

\
2) w∈ Ai si et seulement si ∀i ∈ I, w ∈ Ai
i∈I
\
Ai est réalisé si et seulement si tous les événements Ai sont réalisés.
i∈I

Les propriétés vues dans le chapitre sur les univers finis se généralisent :

Propriétés
Soit (Ai )i∈I une suite d’événements de A et B ∈ A alors
\
\ [
[
1) B ∪ Ai = (B ∪ Ai ) et B ∩ Ai = (B ∩ Ai )
i∈I i∈I i∈I i∈I

2) Lois de Morgan généralisées (admis) :

[ \ \ [
Ai = Ai et Ai = Ai
i∈I i∈I i∈I i∈I

Exemple 1
Une fourmi se déplace sur un triangle de sommets A, B, C. Chaque seconde n, elle peut soit rester en
A, soit aller en B ou en C. On note
An l’événement « à l’instant n, la fourmi se trouve en A »

Bn l’événement « à l’instant n, la fourmi se trouve en B »

Cn l’événement « à l’instant n, la fourmi se trouve en C »

[
a⌋ Que signifie « l’événement Ai » est realisé ?
i∈I

\
b⌋ Que signifie « l’événement Bi » est realisé ?
i∈I
http://ranierig.free.fr/

\
c⌋ Que signifie « l’événement A1 ∩ B2 ∩ B3 ∩ Ci » est realisé ?
i>4

Classe préparatoire ECG − Lycée Couperin

 Exemple 2. On lance un dé à 6 faces. On note
An l’événément « on obtient un 6 lors du nème lancers ».

Bn l’événément « on obtient au moins un 6 lors des n premiers ».

a⌋ Exprimer l’événement Bn en fonction de (Ak ).

b⌋ Soi Cn l’événément « les n premiers lancers donne un 6 ».

Exprimer l’événement Cn en fonction des (Ak ).

c⌋ Que représente les événements D1 = B1 et pour n > 2, Dn = Bn \ Bn−1 ?

Exprimer l’événement Dn en fonction des (Ak ).

d⌋ E l’événement « on obtient au moins un 6 sur une infinité de lancers ».

Exprimer l’événement E en fonction des (Ak ), puis des (Bk ).

e⌋ Exprimer l’événement F « on n’obtient jamais de 6 » (sur une infinité de lancers) sous forme d’une
intersection.

f⌋ Soit G l’événement « on obtient toujours un 6 ».

Que représente l’événement G ?

g⌋ Exprimer l’événement H : « on n’obtient qu’un nombre fini de 6 » en fonction des (Ak ).

h⌋ Exprimer l’événement K : « on obtient un nombre infini de 6 » en fonction des (Ak ).

Définition

• On appelle système complet d’événements toute famille dénombrable d’événements

deux à deux disjoints et dont la réunion est Ω.

• Soit (An )n∈N une suite d’événements, on dit que

1. la suite (An ) est une suite croissante d’événements si ∀n ∈ N, An ⊂ An+1 .
2. la suite (An ) est une suite décroissante d’événements si ∀n ∈ N, An+1 ⊂ An .

Exemples classiques
n
[ n
\
Si (An ) est une suite quelconque d’événements, on pose Bn = Ai et Cn = Ai . Vérifier que la suite
i=1 i=1
(Bn ) est croissante, puis que la suite (Cn ) est décroissante.
http://ranierig.free.fr/

Classe préparatoire ECG − Lycée Couperin

 II. Probabilités sur un ensemble infini

Dans la suite, on considère (Ω, A ) un espace probabilisable.

II.1 Généralisations

Définition

On appelle probabilité sur (Ω, A ) toute application P : A → [0, 1] vérifiant :

1. P (Ω) = 1

2. Pour toute suite d’événements deux à deux disjoints (An ) de A , on a

+∞
[ +∞
X
P( An ) = P (An ) propriété appelée σ−additivité
n=0 n=0

Si P est une probabilité sur (Ω, A ), on dit que le triplet (Ω, A , P) est un espace probabilisé

On considère dans la suite un espace probabilisé (Ω, A , P ).

Proposition
X
Si (An )n∈I est un SCE alors la série P(An ) converge vers 1.
n∈I

Exemple 3. On lance plusieurs fois un dé équilibré à six faces.

1. Quel est l’univers des résultats ? Ω = J1, 6KN .
2. On note, pour i ∈ N∗ , Ai l’événement « on ème tirage » B l’événement « on obtient le
Xobtient un 6 au i i
premier 6 au ième tirage ». Justifier que P(Bn ) converge vers 1.
n>1

La définition de probabilités conditionnelles, la formule des probabilités composées restent iden-

tiques.

Définitions - proposition

Probabilité conditionnelle :
Si A ∈ A tel que P (A) 6= 0 et B ∈ A quelconque, on appelle probabilité conditionnelle de
P (A ∩ B)
B sachant A le nombre PA (B) = .
P (B)
Dans ce cas, on a les propriétés suivantes

• PA est une probabilité sur (Ω, A ).

PB (A)P (A)
• PA (B) = pour tout (A, B) ∈ A 2 avec P (A) 6= 0 et P (B) 6= 0.
P (B)
Formule des probabilités composées :
Soit (A1 , A2 , ..., An ) n événements de A tels que P (A1 ∩ . . . An−1 ) 6= 0 alors on a
http://ranierig.free.fr/

P (A1 ∩ . . . An ) = P (A1 )PA1 (A2 )PA1 ∩A2 (A3 )...PA1 ∩...An−1 (An )

Classe préparatoire ECG − Lycée Couperin

 $$ R EMARQUES PA vérifie donc toutes les propriétés des probabilités :
• PA (Ω) = 1 et PA (∅) = 0.
• PA (B) = 1 − PA (B).
• PA (C ∪ D) = PA (C) + PA (D) − PA (C ∩ D).
On généralise la formule des probabilités totales et le théorème de Bayes :

Théorème
Soit I une partie finie ou non de N, si (Ai )i∈I est un système complet d’événements
alors pour tout B ∈ F , on a
Formules des probabilités totales
X X
P (B) = P (B ∩ Ai ) = PAi (B)P (Ai )
i∈I i∈I

Formules de Bayes généralisées :

PAi (B)P (Ai )

P (Ai |B) = PB (Ai ) = X
PAk (B)P (Ak )
k∈I

Les définitions d’indépendance deux à deux d’événements, d’indépendance mutuelle d’une famille d’évé-
nements restent identiques. Ainsi que les propriétés de ces événements. (Lemme des coalitions )

Exemple On reprend la situation de l’exemple 3

1. Pour n ∈ N∗ , exprimer Bn en fonction de Ai . En déduire P(Bn ).
2. Calculer la probabilité de l’événement C « le tirage suivant le premier 6 obtenu donne un 6 »
3. Une urne contient 8 boules rouges et 2 boules jaunes.
On réalise l’expérience suivante : si n tirages ont été nécessaire pour obtenir le premier 6, on effectue
n tirages de boules dans l’urne avec remise, on note J l’événement « au moins une boule jaune a été
obtenu ».

(a) Soit n ∈ N∗ , calculer PDn (J). complet d’événements .

(b) Justifier que les (Dn ) forment une système (c) Calculer P(J).

II.2 Evénements quasi-certain, événements quasi-impossible

Définitions

• On dit qu’un événement A est quasi-certain si A 6= Ω et P (A) = 1.

• On dit qu’un événement A est quasi-impossible si A 6= ∅ et P (A) = 0.

$$ R EMARQUE A est quasi-certain si et seulement si A est quasi-impossible.

Exemple 4
http://ranierig.free.fr/

On lance un pièce une infinité de fois, l’événement A « obtenir que des piles » est un événement quasi-
impossible. On le démontre dans le paragraphe suivant.

Classe préparatoire ECG − Lycée Couperin

 III. Indépendance en probabilités

Les définitions de l’indépendance deux à deux et de l’indépendance mutuelle données dans le

chapitre Probabilité sur une ensemble fini restent identiques.

Définition

Soit A un événement de probabilité non nulle, les événements A et B sont indépendants si

PA (B) = P (B).

Propriété
Soit A un événement de probabilité non nulle, les événements A et B sont indépendants si

P (A ∩ B) = P (A) × P (B)

Définition Généralisation

Soit I une famille finie ou infinies d’indices, une famille d’événements (Ak )k∈I est indépen-
dante ou mutuellement indépendantes si pour toute famille finie J = {k1 ...kj } ⊂ I,
j
Y \ Y
P (Ak1 ∩ Ak2 ... ∩ Akj ) = P (Aki ) s’écrit aussi P ( Aj ) = P (Aj )
i=1 j∈J j∈J

Propriété
Si (Ai )∈I est une famille d’événements indépendants si pour chaque i ∈ I, Bi = Ai ou Bi = Ai
alors la famille (Bi )i∈I est aussi une famille d’événements indépendants.

Exemple 4 retour
On lance un pièce une infinité de fois, l’événement A « obtenir que des piles » est un événement quasi-
impossible. On le démontre dans le paragraphe suivant.
http://ranierig.free.fr/

Classe préparatoire ECG − Lycée Couperin