Revision sheet: Introduction aux Ensembles et Probabilités

📋 Plan du Cours

1. Ensembles d´enombrables
2. Expérience aléatoire
3. Univers d´issues possibles
4. Événements et parties
5. Espaces probabilistes
6. Probabilités conditionnelles
7. Formules de probabilité

📖 1. Ensembles d´enombrables

🔑 Notions clés & Définitions

Ensemble d´énumérable : Un ensemble est dit d´énumérable s´il peut être mis en extension par une suite {xₙ | n ∈ N}, c’est-à-dire qu’il existe une correspondance entre ses éléments et l’ensemble des entiers naturels. Aucune référence d’auteur ou de théoricien n’est fournie dans la source.

Exemple d'ensemble dénombrable :

• N = {n | n ∈ N} est un ensemble dénombrable.
• Z = {n | n ∈ N} ∪ {−n | n ∈ N} est dénombrable.
• L’ensemble des entiers pairs {2k | k ∈ N} est dénombrable.

Ensemble fini : Un ensemble qui possède un nombre fini d’éléments. Tous les ensembles finis sont dénombrables.

Ensemble non dénombrable : Un ensemble qui ne peut pas être mis en correspondance avec N. Par exemple, l’ensemble R (les réels) n’est pas dénombrable.

📝 Points essentiels

• Un ensemble est dénombrable s’il peut être listé en une suite indexée par les entiers naturels, c’est-à-dire qu’il existe une correspondance bijective avec N.
• Tous les ensembles finis sont dénombrables, ce qui signifie qu’ils peuvent être énumérés en une liste finie.
• Certains ensembles infinis, comme R, ne sont pas dénombrables, ce qui implique qu’ils ne peuvent pas être mis en correspondance avec N.
• Des exemples classiques d’ensembles dénombrables incluent N, Z, et l’ensemble des entiers pairs.

💡 À retenir

Comprendre la notion d’ensembles dénombrables est fondamental pour étendre les probabilités des univers finis aux univers infinis mais listables.

📖 2. Expérience aléatoire

🔑 Notions clés & Définitions

Expérience aléatoire : Une expérience dont le résultat ne peut être prédit à l’avance. Elle est caractérisée par l’incertitude quant à son résultat, même si ses conditions sont identiques à chaque réalisation.

Résultat aléatoire : Le résultat spécifique obtenu lors de la réalisation d’une expérience aléatoire. Il ne peut être prévu avec certitude à l’avance.

Exemple d’expérience aléatoire : Lancer d’un dé équilibré ou le lancer répété d’une pièce jusqu’à obtenir pile. Ces exemples illustrent des expériences dont le résultat est incertain et dépend du hasard.

📝 Points essentiels

Une expérience aléatoire est une expérience dont le résultat ne peut être prédit à l’avance, ce qui signifie qu’il est impossible de connaître à l’avance le résultat précis de chaque réalisation. Par exemple, le lancer d’un dé équilibré ou le lancer répété d’une pièce jusqu’à obtenir pile sont des exemples typiques d’expériences aléatoires. Ces expériences sont fondamentales en probabilités, car elles permettent de définir l’univers et les événements liés à ces expériences. La notion d’expérience aléatoire formalise ainsi le concept d’incertitude et de hasard, qui constitue la base de toute modélisation probabiliste.

💡 À retenir

L’expérience aléatoire formalise le concept d’incertitude et de hasard, constituant la base essentielle pour la modélisation probabiliste.

📖 3. Univers d´issues possibles

🔑 Notions clés & Définitions

Univers de l'expérience aléatoire : L'ensemble de tous les résultats possibles d'une expérience aléatoire. Il est noté Ω. Selon la nature de l'expérience, cet univers peut être fini ou infini dénombrable.

Issue : Résultat ou résultat possible d'une expérience aléatoire. Chaque issue est un élément de l'univers Ω.

Cardinalité de l’univers : Nombre d’éléments dans l’univers Ω. Elle peut être finie ou infinie dénombrable, selon l’expérience.

Ordre dans l’univers : La manière dont les éléments de Ω sont organisés ou disposés. L’ordre peut être important (ex : tirage ordonné) ou non (ex : tirage sans ordre).

📝 Points essentiels

L’univers Ω rassemble tous les résultats possibles d’une expérience aléatoire. Il peut être fini, ce qui signifie qu’il contient un nombre limité d’éléments, ou infini dénombrable, lorsque ses éléments peuvent être mis en correspondance avec N* (les nombres entiers naturels non nuls). La cardinalité de Ω dépend de la nature de l’expérience.

L’ordre dans l’univers peut être significatif ou non. Si l’ordre est important, par exemple lors d’un tirage ordonné, chaque résultat est considéré dans une séquence ou une succession. En revanche, si l’ordre n’a pas d’importance, seul le résultat final compte, comme dans un tirage sans ordre.

💡 À retenir

L’univers rassemble tous les résultats possibles d’une expérience aléatoire, sa nature (fini ou infini dénombrable) dépend de l’expérience, et l’importance de l’ordre dans cet univers influence la façon dont on le structure pour définir les événements et calculer les probabilités.

📖 4. Événements et parties

🔑 Notions clés & Définitions

Événement : Un événement est une partie de l'univers Ω, c'est-à-dire un sous-ensemble de Ω. Il représente un fait observable ou une situation possible dans l’expérimentation ou la modélisation.

Événement élémentaire : Un événement élémentaire est un singleton {ω} dans Ω, où ω est un élément précis de l’univers. Il correspond à un résultat unique et indivisible de l’expérimentation.

Événement certain : (non explicitement défini dans la source, mais généralement connu comme l’ensemble Ω lui-même) c’est l’événement qui inclut tous les résultats possibles, c’est-à-dire l’univers tout entier.

Événement impossible : (non explicitement défini dans la source, mais généralement connu comme l’ensemble vide) c’est l’événement qui ne peut pas se réaliser, l’ensemble vide ∅.

Événements incompatibles : Deux événements sont incompatibles s’ils ne peuvent pas se réaliser simultanément, c’est-à-dire si leur intersection est vide : A ∩ B = ∅.

Système complet d'événements : Une famille d’événements deux à deux incompatibles dont l’union est Ω. Autrement dit, ils forment une partition de l’univers, couvrant tous les résultats possibles sans chevauchement.

📝 Points essentiels

Un événement est une partie de l’univers Ω, ce qui signifie qu’il appartient à l’ensemble des sous-ensembles de Ω. L’événement élémentaire est un singleton {ω} dans Ω, représentant un résultat précis. Les événements peuvent être combinés par union, intersection ou complémentaire :

• Union (A ∪ B) représente la réalisation de l’un ou l’autre événement.
• Intersection (A ∩ B) représente la réalisation simultanée des deux événements.
• Complémentaire (Aᶜ) représente l’événement que A ne se réalise pas.

Un système complet d’événements est une famille d’événements qui sont incompatibles deux à deux, c’est-à-dire qu’ils ne peuvent pas se produire en même temps, et dont la réunion couvre tout Ω. Cela signifie que l’un de ces événements doit forcément se réaliser.

Les événements incompatibles ne peuvent pas se produire simultanément, ce qui implique que leur intersection est vide. Par conséquent, si A et B sont incompatibles, alors :
$A ∩ B = ∅$

💡 À retenir

Les événements sont les sous-ensembles de l’univers Ω qui modélisent les faits observables. Leur relation d’inclusion ou d’exclusion (incompatibilité) est fondamentale pour comprendre la structure des probabilités et la modélisation des phénomènes aléatoires.

📖 5. Espaces probabilistes

🔑 Notions clés & Définitions

Espace probabilisé fini : Un espace probabilisé où l’univers Ω est fini, c’est-à-dire qu’il contient un nombre fini d’événements élémentaires. La probabilité est définie sur l’ensemble des sous-ensembles de Ω, avec une valeur pour chaque événement.

Espace probabilisé dénombrable : Un espace probabilisé où l’univers Ω est dénombrable, c’est-à-dire qu’il peut être mis en bijection avec l’ensemble des nombres entiers naturels. La probabilité est définie sur P(Ω) et doit vérifier la σ-additivité.

Application de probabilité : Fonction P : P(Ω) → [0,1] vérifiant P(Ω) = 1. Elle attribue une probabilité à chaque événement, respectant la règle de normalisation.

Additivité des probabilités : Propriété selon laquelle, pour deux événements incompatibles (mutuellement exclusifs), la probabilité de leur union est la somme de leurs probabilités : si A et B sont incompatibles, alors P(A ∪ B) = P(A) + P(B).

Convergence de séries de probabilités : La somme infinie des probabilités des événements d’un système complet d’événements non nuls converge vers 1, notamment dans le contexte des espaces dénombrables, où la série ∑ P(An) est convergente.

📝 Points essentiels

Une probabilité est une application P : P(Ω) → [0,1] vérifiant P(Ω) = 1. Sur un univers fini, la probabilité est additive sur les événements incompatibles, ce qui signifie que si A et B ne peuvent pas se produire simultanément, alors P(A ∪ B) = P(A) + P(B). Sur un univers dénombrable, cette propriété s’étend à la σ-additivité, c’est-à-dire que la probabilité d’une union dénombrable d’événements incompatibles est la somme de leurs probabilités respectives. Les espaces probabilisés finis sont des cas particuliers des espaces dénombrables, avec un nombre fini d’événements élémentaires. Enfin, la somme des probabilités des événements élémentaires d’un espace dénombrable converge vers 1, assurant la normalisation de la mesure de vraisemblance.

💡 À retenir

L’espace probabilisé formalise la mesure de la vraisemblance des événements, en étendant la notion classique aux univers infinis dénombrables, tout en respectant la normalisation et la propriété d’additivité.

📖 6. Probabilités conditionnelles

🔑 Notions clés & Définitions

Probabilité conditionnelle
AUTEUR (date) : La probabilité de l’événement B sachant que l’événement A s’est produit, notée P_A(B), est définie lorsque P(A) > 0 par la formule :
$P_A(B) = \frac{P(A \cap B)}{P(A)}$
Elle représente la mise à jour de la probabilité de B en tenant compte de l’information que A est réalisé.

Probabilité conditionnelle relative à un événement
C’est la probabilité conditionnelle P_A(B), qui dépend de l’événement A. Elle est elle-même une probabilité sur l’univers Ω, c’est-à-dire qu’elle vérifie les axiomes de la probabilité dans l’espace conditionné par A.

Formule P(A∩B) = P(A) × P_A(B)
Cette formule permet de décomposer la probabilité d’un événement composé en la probabilité de l’événement A multipliée par la probabilité conditionnelle de B sachant A. Elle est essentielle pour la modélisation des événements dépendants.

Arbre de probabilités
C’est une représentation graphique qui illustre les événements et leurs probabilités conditionnelles. Chaque branche correspond à un événement, avec ses probabilités conditionnelles associées, permettant de visualiser facilement la décomposition des probabilités.

Chemin dans un arbre de probabilités
Un chemin correspond à une suite d’événements successifs le long d’un arbre. Il représente une réalisation particulière de l’expérience, en suivant une branche spécifique de l’arbre.

📝 Points essentiels

• La probabilité conditionnelle P_A(B) est définie lorsque P(A) > 0 par la formule :
  $P_A(B) = \frac{P(A \cap B)}{P(A)}$
• La probabilité conditionnelle est elle-même une probabilité sur Ω, adaptée à l’univers réduit à l’événement A.
• La formule P(A∩B) = P(A) × P_A(B) permet de décomposer les probabilités composées, facilitant le calcul dans des situations dépendantes.
• Les arbres de probabilités illustrent graphiquement ces concepts, en représentant les événements et leurs probabilités conditionnelles.
• Un chemin dans un arbre correspond à une suite d’événements successifs, permettant de suivre la réalisation d’une expérience dans le cadre de dépendances successives.

💡 À retenir

La probabilité conditionnelle actualise la probabilité d’un événement en fonction d’une nouvelle information, ce qui est fondamental pour modéliser des dépendances entre événements.

📖 7. Formules de probabilité

🔑 Notions clés & Définitions

Formule des probabilités composées : La probabilité de l’intersection de plusieurs événements $A_1, A_2, \ldots, A_n$ peut s’exprimer comme le produit des probabilités conditionnelles successives. Autrement dit,
$P\left(\bigcap_{i=1}^n A_i\right) = P(A_1) \times P_{A_1}(A_2) \times P_{A_1 \cap A_2}(A_3) \times \ldots$
où chaque terme est la probabilité conditionnelle de l’événement suivant, étant donné tous les précédents.

Formule des probabilités totales : Si un système d’événements $A_1, A_2, \ldots$ est tel que leur union couvre tout l’univers et qu’ils sont deux à deux incompatibles, alors pour tout événement $B$, on a :
$P(B) = \sum_{i} P(A_i) \times P_{A_i}(B)$
c’est-à-dire que la probabilité de $B$ peut être décomposée en somme pondérée des probabilités conditionnelles de $B$ sous chaque événement $A_i$.

Système complet d’événements : Un ensemble d’événements $A_1, A_2, \ldots$ est dit complet si leur union couvre tout l’univers, même si la somme des probabilités $P(A_i)$ n’est pas nécessairement égale à 1. La formule des probabilités totales s’applique aussi dans ce cas.

Relation de récurrence en probabilités : La formule des probabilités totales est souvent utilisée pour établir des relations de récurrence dans des expériences répétées, en décomposant la probabilité d’un événement en fonction de partitions successives.

📝 Points essentiels

• La formule des probabilités composées exprime $P(\cap A_i)$ comme le produit de probabilités conditionnelles successives, permettant de calculer la probabilité d’événements conjoints complexes.
• La formule des probabilités totales décompose $P(B)$ en une somme pondérée de $P(A_i) \times P_{A_i}(B)$ sur un système complet d’événements, même si ces événements ne sont pas nécessairement mutuellement incompatibles.
• Ces formules s’appliquent aussi bien aux systèmes finis qu’infinis, offrant une méthode générale pour le calcul de probabilités complexes.
• La formule des probabilités totales est particulièrement utile pour établir des relations de récurrence dans des expériences répétées ou séquentielles.

💡 À retenir

Les formules fondamentales permettent de calculer des probabilités complexes en décomposant les événements selon des partitions ou des conditions successives, facilitant ainsi leur évaluation dans des situations variées.

📊 Tableaux de Synthèse

Thème	Notions clés	Exemple / Détails	Auteur / Référence
Ensembles dénombrables	Ensemble dénombrable : bijection avec N	N, Z, ensemble des entiers pairs	Aucun
Expérience aléatoire	Résultat aléatoire : résultat incertain	Lancer de dé, lancer de pièce jusqu’à obtenir pile	Aucun
Univers d’issues possibles	Univers Ω : ensemble des résultats possibles	Ω fini ou infini dénombrable, dépend de l’expérience	Aucun
Événements et parties	Événement : sous-ensemble de Ω	Événement certain : Ω, impossible : ∅, incompatibles : intersection vide	Aucun
Espaces probabilistes	Espace fini ou dénombrable, application P	P : sous-ensembles de Ω → [0,1], P(Ω)=1	Aucun

⚠️ Pièges & Confusions Fréquentes

1. Confondre ensemble fini et dénombrable : tous les ensembles finis sont dénombrables, mais l’inverse n’est pas vrai.
2. Confusion entre événement certain (Ω) et événement impossible (∅).
3. Mauvaise compréhension de la différence entre univers Ω et espace d’échantillonnage.
4. Confondre ensemble d’entiers naturels N et ensemble des entiers relatifs Z comme dénombrables.
5. Négliger la distinction entre univers ordonné et non ordonné dans la définition de l’univers Ω.
6. Confusion entre événements incompatibles (∅ intersection) et événements indépendants.
7. Oublier que la probabilité doit respecter la σ-additivité dans un espace probabiliste dénombrable.

✅ Checklist Examen

1. Connaître la définition d’un ensemble dénombrable et donner des exemples précis (N, Z, entiers pairs).
2. Savoir définir une expérience aléatoire et distinguer un résultat aléatoire.
3. Identifier l’univers Ω d’une expérience et préciser sa cardinalité (fini ou infini dénombrable).
4. Définir un événement comme sous-ensemble de Ω, avec exemples d’événements élémentaires.
5. Expliquer la différence entre événement certain (Ω), impossible (∅), et événements incompatibles.
6. Comprendre la notion d’espace probabiliste fini et dénombrable, avec la fonction P vérifiant P(Ω)=1.
7. Maîtriser la construction d’un système complet d’événements et leur rôle dans la partition de Ω.
8. Savoir utiliser les opérations sur les événements : union, intersection, complémentaire.
9. Connaître le concept d’ordre dans l’univers Ω et ses implications.
10. Identifier si un espace est fini ou infini dénombrable selon la nature de Ω.
11. Connaître le rôle de la σ-additivité dans la définition d’une application de probabilité.
12. Savoir distinguer un espace probabiliste fini d’un espace probabiliste dénombrable en termes de cardinalité et propriétés.