Axiomes des probabilites

Axiomes des probabilites

Axiomes des probabilités

Dans la théorie des probabilités, une mesure de probabilité (ou plus brièvement probabilité) \ P est une application qui à un évènement \ A quelconque lié à l'expérience aléatoire \mathcal E associe un nombre réel (noté \ P(A)) définie de telle manière qu'elle satisfasse les axiomes des probabilités ou axiomes de Kolmogorov, du nom d'Andrei Nikolaievitch Kolmogorov, mathématicien russe qui les a développés

Sommaire

Premier axiome

Pour tout évènement \ A :

0 \leq P(A) \leq 1.

C'est-à-dire que la probabilité d'un évènement est représentée par un nombre réel compris entre 0 et 1.

Deuxième axiome

\ \Omega désignant l'univers associé à l'expérience aléatoire considérée,

\ P(\Omega) = 1,

C'est-à-dire que la probabilité de l'évènement certain, ou d'obtenir un quelconque résultat de l'univers, est égale à 1. Autrement dit, la probabilité de réaliser l'un ou l'autre des évènements élémentaires est égale à 1.

Troisième axiome

Toute suite d'évènements deux à deux disjoints (on dit aussi : deux à deux incompatibles), A_1,\, A_2, \dots satisfait :

P(A_1 \cup A_2 \cup \cdots) = \sum_{i = 1}^{+\infty} P(A_i).

C'est-à-dire que la probabilité d'un évènement qui est la réunion (dénombrable) disjointe d'évènements est égale à la somme des probabilités de ces évènements. Ceci s'appelle la σ-additivité, ou additivité dénombrable (si les évènements ne sont pas deux à deux disjoints, cette relation n'est plus vraie en général).

Conséquences

À partir des axiomes, se démontrent un certain nombre de propriétés utiles pour le calcul des probabilités, par exemple :

  • P(\emptyset)=0.
Démonstration

Utilisons le 3ème axiome avec \scriptstyle\ A_k=\emptyset\ pour tout \scriptstyle\ k.\ On obtient

P(\emptyset)=\sum_{k\ge 1}P(\emptyset),

relation qui n'est pas satisfaite si \scriptstyle\ P(\emptyset)\in]0,1],\ puisqu'alors le terme de droite vaut \scriptstyle\ +\infty.\ Donc il ne reste que \scriptstyle\ P(\emptyset)=0,\ qui d'ailleurs convient.

  • Si \ A, \ B sont deux évènements incompatibles (ou disjoints), alors
P(A \cup B) = P(A) + P(B).
  • Plus généralement, si \ (A_k)_{1\le k\le n} est une famille d'évènements 2 à 2 incompatibles, alors
P\left(\bigcup_{1\le k\le n} A_k\right) = \sum_{1\le k\le n}P(A_k).
Démonstration

Utilisons le 3ème axiome avec \scriptstyle\ A_k=\emptyset\ pour tout \scriptstyle\ k\ge n+1.\ On obtient bien une suite d'évènements incompatibles 2 à 2 tels que

\bigcup_{1\le k\le n} A_k=\bigcup_{k\ge 1} A_k,

donc

P\left(\bigcup_{1\le k\le n} A_k\right)=P\left(\bigcup_{k\ge 1} A_k\right),

mais en vertu du troisième axiome

P\left(\bigcup_{k\ge 1} A_k\right)=\sum_{k\ge 1}P\left(A_k\right)

et finalement, puisque pour tout \scriptstyle\ k\ge n+1,\ P\left(A_k\right)=P\left(\emptyset\right)=0,\ on obtient le résultat désiré.

  • P(B \setminus A) = P(B) - P(A \cap B);

Cette relation signifie que la probabilité que B se réalise, mais pas A, est égale à la différence P(B) - P(A \cap B). Cette relation découle de ce que B est réunion disjointe de B \setminus A et de A \cap B.

  • En particulier, si A \subset B, alors
P(A) \leq P(B)

C'est la propriété de croissance de la probabilité. En effet, dans le cas particulier où A \subset B, la propriété précédente s'écrit

P(B \setminus A) =P(B) - P(A),\ où le premier terme est clairement positif ou nul.
  • Dans le cas particulier où B = Ω, cela donne que, pour tout évènement \ A,
P(\Omega \setminus A) = 1 - P(A)

Ceci signifie que la probabilité pour qu'un évènement ne se produise pas est égale à 1 moins la probabilité pour qu'il se réalise ; cette propriété s'utilise lorsqu'il est plus simple de déterminer la probabilité de l'évènement contraire que celle de l'évènement lui-même.

  • Pour tous évènements \ A, \ B,
P(A \cup B) = P(A) + P(B) - P(A \cap B).

Ceci signifie que la probabilité pour que l'un au moins des évènements A ou B se réalise est égale à la somme des probabilités pour que \ A se réalise, et pour que \ B se réalise, moins la probabilité pour que \ A et \ B se réalisent simultanément. De même,

P(A \cup B \cup C) = P(A) + P(B) + P(C) - P(B \cap C) - P(C \cap A) - P(A \cap B) + P(A \cap B \cap C).
\mathbb{P}\left(\,\bigcup_{i=1}^n A_i\,\right)=\sum_{k=1}^n \left((-1)^{k-1} \sum_{1\leq i_1<i_2<\ldots<i_k\leq n} \mathbb{P}\left(A_{i_1}\cap A_{i_2}\cap \ldots \cap A_{i_k}\right)\right),

qui donne la probabilité de la réunion de n ensembles non nécessairement disjoints.

Limites croissantes et décroissantes

  • Toute suite croissante d'évènements A_1\,\subset\, A_2\,\subset\, A_3\,\subset\,\dots satisfait :
P(A_1 \cup A_2 \cup \cdots) = \lim_{n} P(A_n).

C'est-à-dire que la probabilité d'un évènement qui est la réunion (dénombrable) d'évènements croissants est égale à la limite des probabilités de ces évènements.

Démonstration

On pose

B_1=A_1\quad\text{et}\quad\forall n\ge 2, \ B_n=A_n\backslash A_{n-1}.

Alors les Bi sont disjoints et vérifient

\bigcup_{n\ge 1}B_n=\bigcup_{n\ge 1}A_n\quad\text{et}\quad\forall n\ge 1, \ \bigcup_{k= 1}^nB_k=A_n.

Les propriétés de σ-additivité et d'additivité, respectivement, entrainent alors que

\sum_{n\ge 1}P(B_n)=P\left(\bigcup_{n\ge 1}A_n\right)\quad\text{et}\quad\forall n\ge 1, \ \sum_{k= 1}^nP(B_k)=P(A_n).

Alors \scriptstyle\ P(A_1 \cup A_2 \cup \cdots) = \lim_{n} P(A_n) n'est autre que la définition de la somme d'une série comme limite de ses sommes partielles.

  • Toute suite décroissante d'évènements A_1\,\supset\, A_2\,\supset\, A_3\,\supset\,\dots satisfait :
P(A_1 \cap A_2 \cap \cdots) = \lim_{n} P(A_n).

C'est-à-dire que la probabilité d'un évènement qui est l'intersection (dénombrable) d'évènements décroissants est égale à la limite des probabilités de ces évènements.

Formulation à partir de la théorie de la mesure

Article détaillé : Théorie de la mesure.

De manière équivalente, on définit plus simplement mais plus abstraitement ce qui précède par un triplet (\Omega,\mathcal{A},P) représentant un espace de probabilités, ce qui permet d'utiliser directement les résultats de la théorie de la mesure et de l'intégration de Lebesgue.

Articles de mathématiques en rapport avec les probabilités ou les statistiques
  • Portail des probabilités et des statistiques Portail des probabilités et des statistiques
Ce document provient de « Axiomes des probabilit%C3%A9s ».

Wikimedia Foundation. 2010.

Contenu soumis à la licence CC-BY-SA. Source : Article Axiomes des probabilites de Wikipédia en français (auteurs)

Игры ⚽ Нужна курсовая?

Regardez d'autres dictionnaires:

  • Axiomes Des Probabilités — Dans la théorie des probabilités, une mesure de probabilité (ou plus brièvement probabilité) est une application qui à un évènement quelconque lié à l expérience aléatoire associe un nombre réel (noté ) définie de telle manière qu elle satisfasse …   Wikipédia en Français

  • Axiomes des probabilités — Dans la théorie des probabilités, une mesure de probabilité (ou plus brièvement probabilité) est une application qui à un évènement A quelconque associe un nombre réel (noté ). Une mesure de probabilité doit satisfaire les axiomes des… …   Wikipédia en Français

  • Théorie des probabilités — Pour les articles homonymes, voir Interconnexions entre la théorie des probabilités et les statistiques. Courbes de probabilité. La théorie des probabilités est l étude mathématique des phén …   Wikipédia en Français

  • Theorie des probabilites — Théorie des probabilités Courbes de probabilité. La Théorie des probabilités est l étude mathématique des phénomènes caractérisés par le hasard et l incertitude. Les objets centraux de la théorie des probabilités sont les variables aléatoires,… …   Wikipédia en Français

  • Vocabulaire élémentaire des probabilités — Probabilités (mathématiques élémentaires) Cet article fait partie de la série Mathématiques élémentaires Algèbre Logique Arithmétique Probabilités …   Wikipédia en Français

  • Axiomes de Kolmogorov — Axiomes des probabilités Dans la théorie des probabilités, une mesure de probabilité (ou plus brièvement probabilité) est une application qui à un évènement quelconque lié à l expérience aléatoire associe un nombre réel (noté ) définie de telle… …   Wikipédia en Français

  • Probabilites (mathematiques elementaires) — Probabilités (mathématiques élémentaires) Cet article fait partie de la série Mathématiques élémentaires Algèbre Logique Arithmétique Probabilités …   Wikipédia en Français

  • Probabilités élémentaires — Probabilités (mathématiques élémentaires) Cet article fait partie de la série Mathématiques élémentaires Algèbre Logique Arithmétique Probabilités …   Wikipédia en Français

  • Probabilités (mathématiques élémentaires) — Pour les articles homonymes, voir Interconnexions entre la théorie des probabilités et les statistiques. Les probabilités sont nées du désir de prévoir l imprévisible ou de quantifier l incertain. Mais il faut avant tout préciser ce qu elles ne… …   Wikipédia en Français

  • Axiomes — Axiome Un axiome (du grec ancien αξιωμα/axioma, « considéré comme digne, convenable, évident en soi ») désigne une vérité indémontrable qui doit être admise. Pour certains philosophes grecs de l Antiquité, un axiome était une… …   Wikipédia en Français

Share the article and excerpts

Direct link
… Do a right-click on the link above
and select “Copy Link”