SlideShare une entreprise Scribd logo
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Processus Stochastiques & Applications
Financières
Chapitre 2
Espace Probabilisé
OUESLATI Amor
Université de la Manouba
École Nationale des Sciences de L’Informatique
2 février 2022
Omar OUESLATI 1 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Sommaire
1 Introduction
2 Tribu
3 Variable aléatoire
4 Mesure de Probabilité
5 Distribution ou loi
Omar OUESLATI 2 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Définition
On appelle expérience aléatoire ou épreuve aléatoire toute sorte
d’opération dont le résultat ne peut pas être prévu d’avance avec certitude.
Omar OUESLATI 3 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple
L’opération qui consiste :
à jeter un dé,
à jeter une pièce de monnaie,
de prendre une carte parmi un jeu de 32 cartes, ...
chacune d’elles représente une expérience aléatoire.
Omar OUESLATI 4 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Définition
L’ensemble fondamental ou l’espace fondamental ou univers des
possibles ou états du monde = {wi : i ∈ I} est l’ensemble de tous les
résultats possibles associés à une expérience aléatoire.
Omar OUESLATI 5 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Remarque
I représente un ensemble d’indices.
Par exemple,
I = {0, 1, 2, ..., T},
I = N,
I = Z,
I = [0, ∞), etc.
On constate que selon les cas, est fini, infini, dénombrable ou non
dénombrable.
Omar OUESLATI 6 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple
On jette un dé une fois :
= {1, 2, 3, 4, 5, 6}
Deux tirages successifs à Pile ou Face :
= {(P, P) , (P, F) , (F, P) , (F, F)}
ou
= {(x1, x2) /x1 = P ou F; x2 = P ou F}
Omar OUESLATI 7 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple (Suite)
Tirage de deux dés :
= {(i, j) |1 ≤ i ≤ 6; 1 ≤ j ≤ 6}
Durée de vie d’une ampoule électrique :
= R+
Nombre de pannes d’une machine :
= N
Omar OUESLATI 8 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Définition
Un évènement est une propriété dont on peut dire si elle est vraie ou non,
une fois l’expérience est réalisée.
En terme mathématique, un évènement E est un sous-ensemble ou une
partie de .
Omar OUESLATI 9 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
L’évènement certain :
L’évènement impossible : ∅
Un évènement est dit élémentaire s’il est composé d’un seul élément :
{w}.
L’évènement "A et B" : A ∩ B
L’évènement "A ou B" : A ∪ B
L’évènement contraire ou complémentaire de A : Ac
ou A
Deux évènements A et B sont dits distincts ou disjoints si leurs
éléments sont tous différents : A ∩ B = ∅
Omar OUESLATI 10 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple
Soit l’espace fondamental = {1, 2, 3, 4, 5, 6}.
Chacun des ensembles associées aux évènements suivants :
Obtenir le nombre 1 : A = {1}
Obtenir un nombre pair : B = {2, 4, 6}
Obtenir un nombre premier : C = {1, 3, 5}
Omar OUESLATI 11 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Remarque
L’èvènement A est appelée évènement élémentaire car cet ensemble
est réduit à un seul élément.
Les ensembles B et C sont des évènements distincts (A et C le sont
aussi) car B ∩ C = ∅ et A ∩ B = ∅.
Omar OUESLATI 12 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple
On jette deux dés, un rouge et un noir.
L’espace fondamental associé à cette expérience aléatoire est :
= {(x1, x2) /x1 = 1, 2, ..., 6; x2 = 1, 2, ..., 6}
Omar OUESLATI 13 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple (Suite)
Considérons les évènements suivants :
A : la somme des chiffres obtenus sur les deux dés est égale à 3
A = {(1, 2) , (2, 1)}
B : la somme des chiffres obtenus sur les deux dés est égale à 7
B = {(1, 6) , (6, 1) , (2, 5) , (5, 2) , (4, 3) , (3, 4)}
C : les deux dés présentent le même nombre.
C = {(1, 1) , (2, 2) , (3, 3) , (4, 4) , (5, 5) , (6, 6)}
Omar OUESLATI 14 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Sommaire
1 Introduction
2 Tribu
3 Variable aléatoire
4 Mesure de Probabilité
5 Distribution ou loi
Omar OUESLATI 15 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Question Si Card( ) = n < ∞
Combien y a-t-il d’évènements distincts?
Réponse 2n
.
Un évènement est un sous-ensemble de
= {ω1, ..., ωn}.
Lorsque nous créons un évènement A ⊆ , nous avons,
pour chacun des ωi , deux choix possibles : soit ωi ∈ A
où bien ωi /
∈ A.
Omar OUESLATI 16 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple
Si n = 3, alors :
F = {∅, {ω1} , {ω2} , {ω3} , {ω1, ω2} , {ω1, ω3} , {ω2, ω3} , }
Omar OUESLATI 17 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Remarque
Généralement, nous n’avons pas besoin de connaitre les probabilités
associées à chacun des évènements de .
Cela est particulièrement fréquent lorsque Card( ) est grand ou infini.
Omar OUESLATI 18 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple
Soit = {1, 2, 3, 4, 5, 6}.
Supposons qu’on s’intéresse uniquement à la variable aléatoire X définie
par :
ω 1 2 3 4 5 6
X (ω) 0 0 1 1 2 2
Omar OUESLATI 19 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Alors, les évènements qui caractérisent la distribution de X sont :
{X = 0} = {1, 2}
{X = 1} = {3, 4}
{X = 2} = {5, 6} .
Omar OUESLATI 20 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Par conséquent, pour déterminer la distribution de X, nous avons besoin
seulement que des probabilités associées aux évènements {1, 2}, {3, 4} et
{5, 6}.
Omar OUESLATI 21 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Ainsi, la connaissance de la probabilité de l’évènement {1} ne nous apporte
aucune information supplémentaire sur la distribution de la variable
aléatoire X.
Omar OUESLATI 22 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Les propriétés d’une mesure de probabilité font en sorte que si on
connait la probabilité d’un évènement A, alors on connait aussi celle
associée à son complément Ac
car P(Ac
) = 1 − P(A).
On est aussi capable de déterminer la probabilité associée à l’union
d’un certain nombre d’évènements caractérisant la distribution de X à
cause des propriétés de la mesure de probabilité.
Omar OUESLATI 23 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Définition
Une tribu (ou σ−algèbre) F est une famille de sous-ensemble d’évènements
de , tel que :
1 ∈ F.
2 A ∈ F =⇒ Ac
∈ F.
3 Si (Ai )∞
i=1 ∈ F =⇒ ∪∞
i=1Ai ∈ F.
Dans le cas où Card( ) < ∞, (Ai )n
i=1 ∈ F =⇒ ∪n
i=1Ai ∈ F
Intuitivement, la tribu est l’ensemble des évènements auxquels on s’intéresse
toujours.
Omar OUESLATI 24 / 69 Processus Stochastiques & Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Remarque
En particulier :
A, B ∈ F =⇒

A ∪ B ∈ F
A ∩ B ∈ F
.
Omar OUESLATI 25 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple
La tribu complète, c’est la plus grande tribu :
F = P( ) = {∅, {1} , {2} , ..., }
Omar OUESLATI 26 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple (Suite)
La tribu triviale :
{∅, }
Omar OUESLATI 27 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple (Suite)
La plus petite tribu contenant l’évènement A est :

∅, A, Ac
, .
Omar OUESLATI 28 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple (Suite)
Soit = {1, 2, 3, 4, 5, 6}. La plus petite tribu contenant les évènements {1, 2},
{3, 4} et {5, 6} est :
F = {∅, {1, 2} , {3, 4} , {5, 6} , {1, 2, 3, 4} , {1, 2, 5, 6} , {3, 4, 5, 6} , }
Omar OUESLATI 29 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple (Suite)
Soit = [0, 1] et I1, ..., In une famille d’intervalles formant une partition de .
La famille des sous-ensembles définie par :
G = {∅, I1, I2, ..., I1 ∪ I2, ..., I1 ∪ I2 ∪ I3, ..., }
est une tribu sur .
Omar OUESLATI 30 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Définition
Soit A = {Ai ; i ∈ I} une famille de sous-ensembles de .
Alors la tribu engendrée par A est la plus petite tribu sur qui contient
tous les sous-ensembles Ai ; i ∈ I.
Elle est notée σ(A) ou A.
Les éléments de A sont appelés les atomes de A.
N.B. : l’ensemble I n’est pas forcément dénombrable.
Omar OUESLATI 31 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple
Soit = {1, 2, 3, 4, 5, 6}.
La plus petite tribu engendrée par l’évènement
A = {{1, 2} , {3, 4} , {5, 6}}
est donnée par :
σ(A) = {∅, {1, 2} , {3, 4} , {5, 6} , {1, 2, 3, 4} ,
{1, 2, 5, 6} , {3, 4, 5, 6} , }
Omar OUESLATI 32 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Définition
Une famille P = {A1, ..., An} d’évènements de est appelée une partition finie
de si :
1 ∀i ∈ {1, ..., n}, Ai 6= ∅
2 ∀i ∈ {1, ..., n} tels que : i 6= j, Ai ∩ Aj = ∅
3 ∪n
i≥1Ai = .
Omar OUESLATI 33 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
On note par P ( ), l’ensemble de toutes les parties de .
Définition
Une tribu F est dite engendrée par la partition finie P si elle est la plus petite
tribu contenant les éléments de P. On la dénote aussi par σ(P).
Omar OUESLATI 34 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple
Soit = {1, ..., 6}.
Si A1 = {{1}}, alors :
σ(A1) = {∅, {1} , {2, ..., 6} , }
Si A2 = {1, 3, 5}, alors :
σ(A2) = {∅, {1, 3, 5} , {2, 4, 6} , }
Soit = [0, 1]. Si A = {I1, ..., In}, alors :
σ(A) = G
Omar OUESLATI 35 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exercice
Si A = {{1, 3, 5} , {1, 2, 3}}.
Déterminer σ(A) =?.
Omar OUESLATI 36 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Définition
Soit = R.
La tribu borélienne sur R est la tribu engendrée par la famille des
sous-ensembles
A = {]a; b[: 0 ≤ a  b ≤ 1}
= {intervalles ouverts dans R}
Elle est notée par B(R).
Elle contient un très grand nombre de sous-ensembles.
Omar OUESLATI 37 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Remarque
Pour un ensemble fini, on choisit souvent F = P( ).
Pour ⊂ R ou ⊂ Rn
, on choisit souvent F = B( )
Omar OUESLATI 38 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Définition
Une sous-tribu de F est une tribu G telle que si A ∈ G alors A ∈ F. On note
G ⊂ F.
Omar OUESLATI 39 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Définition
Le couple ( , F), formé d’un ensemble fondamental et d’une tribu est appelé
Espace Probabilisable.
Omar OUESLATI 40 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Sommaire
1 Introduction
2 Tribu
3 Variable aléatoire
4 Mesure de Probabilité
5 Distribution ou loi
Omar OUESLATI 41 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Définition
Une variable aléatoire X, construite sur l’espace probabilisable ( , F), est
une fonction à valeurs réelles ayant comme domaine l’ensemble fondamental
telle que :
X : → A ⊆ R
∀x ∈ A, {ω ∈ |X(ω) ≤ x} ∈ F (1)
Omar OUESLATI 42 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Attention! Il ne faut pas confondre les concepts d”ensemble
fondamental’ et de ’variable aléatoire’
Omar OUESLATI 43 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Remarque
Contrairement à ce qu’on pense, l’appellation variable aléatoire n’est pas :
une variable, mais c’est une application de −→ A
aléatoire, mais c’est un élément déterminé de ( , F)
Omar OUESLATI 44 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple
Si l’expérience aléatoire consiste à choisir une carte au hasard parmi un jeu
de 52 cartes,
Alors, l’évènement tirer un roi de coeur n’est pas une variable
aléatoire car, entre autres, roi de coeur n’est pas un nombre réel.
Cependant, si l’on associe 10 points au fait de tirer une figure et la
valeur de la carte autrement, alors cette relation est une variable
aléatoire.
Omar OUESLATI 45 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple
Soient X, Y, Z et W des variables aléatoires :
ω X(ω) Y(ω) Z(ω) W(ω)
1 0 0 0 5
2 0 5 0 5
3 5 5 0 5
4 5 5 5 5
5 10 5 10 0
6 10 10 10 10
Omar OUESLATI 46 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Remarque
Si Card( )  ∞, alors la condition [1] est équivalente à :
∀x ∈ A, {ω ∈ |X(ω) = x} ∈ F
Il s’en suit alors que :
X : → A est une variable aléatoire sur l’espace probabilisable ( , F) si et
seulement si :
les évènements qui caractérisent sa distribution sont des éléments de
F
Omar OUESLATI 47 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Remarque
1 X est aussi dite une fonction (ou v.a.) F−mesurable
2 Si F = P( ), alors X est toujours F−mesurable.
3 Si = R et F = B(R), alors X est dite une fonction Borélienne.
Omar OUESLATI 48 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Si F et G sont deux tribus de alors :
Il est possible que X soit une variable aléatoire sur l’espace
probabilisable ( , F)
Mais qu’elle n’en soit pas une sur l’espace ( , G).
Pour bien exprimer que la tribu F contient les évènements
caractérisant la distribution de X, on dit que X est F−mesurable.
Omar OUESLATI 49 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple
Soient = {1, 2, 3, 4, 5, 6} et F = {∅, {1, 3, 5} , {2, 4, 6} , }
La fonction
X : → R
ω 7→

1 si le résultat est pair
0 sinon
est une variable aléatoire sur ( , F).
En effet,
{ω ∈ |X (ω) = x} =
(
{1, 3, 5} ∈ F si x = 0
{2, 4, 6} ∈ F si x = 1
∅ ∈ F sinon
Omar OUESLATI 50 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Tandis que la fonction
Y : → R
ω 7→

1 si le résultat est inférieur à 4
0 sinon
n’est est pas une variable aléatoire sur ( , F).
En effet,
{w ∈ |Y (w) = y} =
(
{4, 5, 6} /
∈ F si y = 0
{1, 2, 3} /
∈ F si y = 1
∅ ∈ F sinon
On dit que X est F−mesurable tandis que Y ne l’est pas.
Omar OUESLATI 51 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Par contre X et Y sont G− mesurables où :
G = σ {{2} , {5} , {1, 3} , {4, 6}}
=





∅, {2} , {5} , {1, 3} , {4, 6} , {2, 5} , {1, 2, 3} ,
{1, 3, 5} , {2, 4, 6} , {4, 5, 6} , {1, 2, 3, 5} ,
{1, 3, 4, 6} , {2, 4, 5, 6} , {1, 3, 4, 5, 6} ,
{1, 2, 3, 4, 6} ,





Omar OUESLATI 52 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Les prochains résultats nous permettront de déterminer la plus petite tribu
qui permet à une ou plusieurs variables aléatoires d’être mesurables.
Omar OUESLATI 53 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Théorème
Soient,
( , F), Card( )  ∞, un espace probabilisable
et P = {A1, ..., An} , la partition finie de engendrant F.
La fonction X : → R est une variable aléatoire sur cet espace (X est
F−mesurable) si et seulement si X est constante sur les atomes de F.
Omar OUESLATI 54 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Corollaire
1 Toute variable aléatoire sur un espace probabilisable muni de la tribu
triviale est constante.
2 Si F = P( ) alors toute fonction à valeurs réelles sur (X : → R) est
F−mesurable.
Omar OUESLATI 55 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Définition
Soit X : → R.
La plus petite tribu F qui fait en sorte que X soit une variable aléatoire sur
l’espace probabilisable ( , F), est appelée la tribu engendrée par X et notée
σ(X).
Omar OUESLATI 56 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Remarque
Si Card( )  ∞ alors X ne peut prendre qu’un nombre fini de valeurs,
soient x1, ..., xm ; ∀i ∈ {1, ..., m}
Posons Ai = {ω ∈ |X(ω) = xi }.
Alors, P = {A1, ..., Am} est une partition finie de et σ {X} = σ {P}.
Omar OUESLATI 57 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Théorème
Supposons que Card( )  ∞.
Si X : → R et Y : → R sont F−mesurables alors :
∀a, b ∈ R, aX + bY
est aussi F−mesurable
Omar OUESLATI 58 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Preuve.
Comme Card( )  ∞, les variables aléatoires X et Y ne peuvent prendre
qu’un nombre fini de valeurs, disons x1  ...  xm et y1  ...  yn
respectivement.
∀z ∈ R, {ω ∈ |aX(ω) + bY(ω)  z}
= ∪
axi +byj z
{ω ∈ |X(ω) = xi et Y(ω) = yj }
= ∪
axi +byj z
{ω ∈ |X(ω) = xi }
| {z }
∈F
∩ {ω ∈ |Y(ω) = yj }
| {z }
∈F
∈ F
Omar OUESLATI 59 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Remarque
Ce théorème indique que toute combinaison linéaire de variables aléatoires
construites sur le même espace probabilisable est une variable aléatoire de
cet espace.
Omar OUESLATI 60 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Proposition
Si g : R −→ R est Borélienne et X : −→ R est une v.a., alors g(X) est une
v.a.
Omar OUESLATI 61 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Sommaire
1 Introduction
2 Tribu
3 Variable aléatoire
4 Mesure de Probabilité
5 Distribution ou loi
Omar OUESLATI 62 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Définition (Mesure de Probabilité)
Soit l’espace probabilisable ( , F). La fonction P : F → [0, 1] est une mesure
de probabilité sur ( , F) si :
1 P( ) = 1, P (∅) = 0.
2 ∀A ∈ F, 0 ≤ P(A) ≤ 1.
3 ∀A1, A2, ... ∈ F tels que Ai ∩ Aj = ∅ si i 6= j, alors P (∪i≥1Ai ) =
X
i≥1
P(Ai ) .
Omar OUESLATI 63 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
En particulier :
A, B ∈ F et A ∩ B = ∅ alors :
P(A ∪ B) = P(A) + P(B)
De plus :
Si (Ai )∞
i=1 ⊂ F ;Ai ⊂ Ai+1 et ∪∞
i=1Ai = A; alors :
lim
n−
→∞
P(Ai ) = P(A)
Si (Ai )∞
i=1 ⊂ F ;Ai ⊃ Ai+1 et ∩∞
i=1Ai = A; alors :
lim
n−
→1
P(Ai ) = P(A)
Omar OUESLATI 64 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Exemple (dé)
On considère le lancer d’un dé.
La mesure de probabilité P représente la situation où le dé est bien
balancé
Tandis que la mesure de probabilité Q modélise un cas où le dé est
pipé.
ω P(ω) Q(ω)
1
1
6
1
12
2
1
6
1
12
3
1
6
4
12
4
1
6
1
12
5
1
6
1
12
6
1
6
4
12
Omar OUESLATI 65 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Définition (Espace Probabilisé)
Le triplet ( , F, P) composé d’un ensemble fondamental, d’une tribu sur et
d’une mesure de probabilité construite sur ( , F) est appelé Espace
Probabilisé.
Omar OUESLATI 66 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Sommaire
1 Introduction
2 Tribu
3 Variable aléatoire
4 Mesure de Probabilité
5 Distribution ou loi
Omar OUESLATI 67 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Définition (Distribution ou Loi)
La distribution ou la loi d’une variable aléatoire X est caractérisée par sa
fonction de répartition : probabilité que la v.a. X soit inférieure à x.
Par conséquent, si P est la mesure de probabilité qui prévaut sur alors :
FX : R → [0, 1]
x → P [X  x]
∀x ∈ R, FX (x) = P {ω ∈ |X(ω)  x}
Omar OUESLATI 68 / 69 Processus Stochastiques  Applications Financières
D
R
A
F
T
e
r
s
i
o
n
Introduction
Tribu
Variable aléatoire
Mesure de Probabilité
Distribution ou loi
Théorème
Dans le cas où Card( )  ∞, la distribution d’une variable aléatoire est aussi
caractérisée par sa fonction de masse :probabilité que la v.a. X égale à
x,c’est-à-dire que :
fX : R → [0, 1]
x → P [X = x]
∀x ∈ R, fX (x) = P {ω ∈ |X(ω) = x}
Omar OUESLATI 69 / 69 Processus Stochastiques  Applications Financières

Contenu connexe

Similaire à c h02EspaceProbTr.pdf

Slides ensae - Actuariat Assurance Non-Vie, #1
Slides ensae - Actuariat Assurance Non-Vie, #1Slides ensae - Actuariat Assurance Non-Vie, #1
Slides ensae - Actuariat Assurance Non-Vie, #1
Arthur Charpentier
 
Slides ensae-2016-2
Slides ensae-2016-2Slides ensae-2016-2
Slides ensae-2016-2
Arthur Charpentier
 
Slides ensae 4
Slides ensae 4Slides ensae 4
Slides ensae 4
Arthur Charpentier
 
COURS SUR LES SERIES TEMPORELLES
COURS SUR LES SERIES TEMPORELLESCOURS SUR LES SERIES TEMPORELLES
COURS SUR LES SERIES TEMPORELLES
Abdoulaziz ALHASSANE GARBA
 
regression_logistique.pdf
regression_logistique.pdfregression_logistique.pdf
regression_logistique.pdf
SidiAbdallah1
 
Classifieur d'entropie maximale (MaxEnt)
Classifieur d'entropie maximale (MaxEnt)Classifieur d'entropie maximale (MaxEnt)
Classifieur d'entropie maximale (MaxEnt)
Jean-Philippe Fauconnier
 
1_Probabilites et variables aleatoires.ppt
1_Probabilites et variables aleatoires.ppt1_Probabilites et variables aleatoires.ppt
1_Probabilites et variables aleatoires.ppt
thomharry78
 
4° exos loi-continues-sm.
4° exos loi-continues-sm.4° exos loi-continues-sm.
4° exos loi-continues-sm.Smaali Mondher
 
Chapitre1.pdf
Chapitre1.pdfChapitre1.pdf
Chapitre1.pdf
MedNajiBebeye
 
Polynesie2014maths s-oblig&spe
Polynesie2014maths s-oblig&spePolynesie2014maths s-oblig&spe
Polynesie2014maths s-oblig&speFabrice Lallemand
 
Discrimination et régression pour des dérivées : un résultat de consistance p...
Discrimination et régression pour des dérivées : un résultat de consistance p...Discrimination et régression pour des dérivées : un résultat de consistance p...
Discrimination et régression pour des dérivées : un résultat de consistance p...
tuxette
 
Calage sur bornes minimales
Calage sur bornes minimalesCalage sur bornes minimales
Calage sur bornes minimales
Antoine Rebecq
 
Slides ensae 7
Slides ensae 7Slides ensae 7
Slides ensae 7
Arthur Charpentier
 

Similaire à c h02EspaceProbTr.pdf (20)

Slides 2040-5
Slides 2040-5Slides 2040-5
Slides 2040-5
 
Slides ensae - Actuariat Assurance Non-Vie, #1
Slides ensae - Actuariat Assurance Non-Vie, #1Slides ensae - Actuariat Assurance Non-Vie, #1
Slides ensae - Actuariat Assurance Non-Vie, #1
 
Slides ensae-2016-2
Slides ensae-2016-2Slides ensae-2016-2
Slides ensae-2016-2
 
Slides ensae 4
Slides ensae 4Slides ensae 4
Slides ensae 4
 
Slides udm-080910
Slides udm-080910Slides udm-080910
Slides udm-080910
 
Slides 2040-7-a2013
Slides 2040-7-a2013Slides 2040-7-a2013
Slides 2040-7-a2013
 
COURS SUR LES SERIES TEMPORELLES
COURS SUR LES SERIES TEMPORELLESCOURS SUR LES SERIES TEMPORELLES
COURS SUR LES SERIES TEMPORELLES
 
Slides 2040-4
Slides 2040-4Slides 2040-4
Slides 2040-4
 
regression_logistique.pdf
regression_logistique.pdfregression_logistique.pdf
regression_logistique.pdf
 
Classifieur d'entropie maximale (MaxEnt)
Classifieur d'entropie maximale (MaxEnt)Classifieur d'entropie maximale (MaxEnt)
Classifieur d'entropie maximale (MaxEnt)
 
1_Probabilites et variables aleatoires.ppt
1_Probabilites et variables aleatoires.ppt1_Probabilites et variables aleatoires.ppt
1_Probabilites et variables aleatoires.ppt
 
4° exos loi-continues-sm.
4° exos loi-continues-sm.4° exos loi-continues-sm.
4° exos loi-continues-sm.
 
Slides udm-220910
Slides udm-220910Slides udm-220910
Slides udm-220910
 
Lmfi1
Lmfi1Lmfi1
Lmfi1
 
Chapitre1.pdf
Chapitre1.pdfChapitre1.pdf
Chapitre1.pdf
 
Polynesie2014maths s-oblig&spe
Polynesie2014maths s-oblig&spePolynesie2014maths s-oblig&spe
Polynesie2014maths s-oblig&spe
 
Slide 2040-1-a2013
Slide 2040-1-a2013Slide 2040-1-a2013
Slide 2040-1-a2013
 
Discrimination et régression pour des dérivées : un résultat de consistance p...
Discrimination et régression pour des dérivées : un résultat de consistance p...Discrimination et régression pour des dérivées : un résultat de consistance p...
Discrimination et régression pour des dérivées : un résultat de consistance p...
 
Calage sur bornes minimales
Calage sur bornes minimalesCalage sur bornes minimales
Calage sur bornes minimales
 
Slides ensae 7
Slides ensae 7Slides ensae 7
Slides ensae 7
 

Plus de MbarkiIsraa

NP-complet.ppt
NP-complet.pptNP-complet.ppt
NP-complet.ppt
MbarkiIsraa
 
Format.pptx
Format.pptxFormat.pptx
Format.pptx
MbarkiIsraa
 
correctionTD2JAVA.pdf
correctionTD2JAVA.pdfcorrectionTD2JAVA.pdf
correctionTD2JAVA.pdf
MbarkiIsraa
 
correctionTD-1-vhdl2947.pptx
correctionTD-1-vhdl2947.pptxcorrectionTD-1-vhdl2947.pptx
correctionTD-1-vhdl2947.pptx
MbarkiIsraa
 
PCD YasBas.pptx
PCD YasBas.pptxPCD YasBas.pptx
PCD YasBas.pptx
MbarkiIsraa
 
PLNE.pptx
PLNE.pptxPLNE.pptx
PLNE.pptx
MbarkiIsraa
 
Chapitre3_Partie1.pdf
Chapitre3_Partie1.pdfChapitre3_Partie1.pdf
Chapitre3_Partie1.pdf
MbarkiIsraa
 
Chapitre2_Partie1.pdf
Chapitre2_Partie1.pdfChapitre2_Partie1.pdf
Chapitre2_Partie1.pdf
MbarkiIsraa
 
(GLII-Spécification, vérification et qualité-chapitres 1 et 2-2013-2014.pdf
(GLII-Spécification, vérification et qualité-chapitres 1 et 2-2013-2014.pdf(GLII-Spécification, vérification et qualité-chapitres 1 et 2-2013-2014.pdf
(GLII-Spécification, vérification et qualité-chapitres 1 et 2-2013-2014.pdf
MbarkiIsraa
 
support_cours.pdf
support_cours.pdfsupport_cours.pdf
support_cours.pdf
MbarkiIsraa
 
Ordonnanc-Proc_Threads (1).pdf
Ordonnanc-Proc_Threads (1).pdfOrdonnanc-Proc_Threads (1).pdf
Ordonnanc-Proc_Threads (1).pdf
MbarkiIsraa
 
prog_reg.pptx
prog_reg.pptxprog_reg.pptx
prog_reg.pptx
MbarkiIsraa
 
correctionTD-2-vhdl2949.pptx
correctionTD-2-vhdl2949.pptxcorrectionTD-2-vhdl2949.pptx
correctionTD-2-vhdl2949.pptx
MbarkiIsraa
 
Chapitre 3 _Conception et analyse d’algorithme-DPR.pdf
Chapitre 3 _Conception et analyse d’algorithme-DPR.pdfChapitre 3 _Conception et analyse d’algorithme-DPR.pdf
Chapitre 3 _Conception et analyse d’algorithme-DPR.pdf
MbarkiIsraa
 
Chapitre 2 -Complexité des problèmes avec correction.pdf
Chapitre 2 -Complexité des problèmes avec correction.pdfChapitre 2 -Complexité des problèmes avec correction.pdf
Chapitre 2 -Complexité des problèmes avec correction.pdf
MbarkiIsraa
 
Complexité_ENSI_2011.ppt
Complexité_ENSI_2011.pptComplexité_ENSI_2011.ppt
Complexité_ENSI_2011.ppt
MbarkiIsraa
 
DiagrammeSequence&DiagrammaEtatTransition&DiagrammeActivité.pdf
DiagrammeSequence&DiagrammaEtatTransition&DiagrammeActivité.pdfDiagrammeSequence&DiagrammaEtatTransition&DiagrammeActivité.pdf
DiagrammeSequence&DiagrammaEtatTransition&DiagrammeActivité.pdf
MbarkiIsraa
 
Correction-TD1.pdf
Correction-TD1.pdfCorrection-TD1.pdf
Correction-TD1.pdf
MbarkiIsraa
 
UML.Objet.4pp.pdf
UML.Objet.4pp.pdfUML.Objet.4pp.pdf
UML.Objet.4pp.pdf
MbarkiIsraa
 

Plus de MbarkiIsraa (19)

NP-complet.ppt
NP-complet.pptNP-complet.ppt
NP-complet.ppt
 
Format.pptx
Format.pptxFormat.pptx
Format.pptx
 
correctionTD2JAVA.pdf
correctionTD2JAVA.pdfcorrectionTD2JAVA.pdf
correctionTD2JAVA.pdf
 
correctionTD-1-vhdl2947.pptx
correctionTD-1-vhdl2947.pptxcorrectionTD-1-vhdl2947.pptx
correctionTD-1-vhdl2947.pptx
 
PCD YasBas.pptx
PCD YasBas.pptxPCD YasBas.pptx
PCD YasBas.pptx
 
PLNE.pptx
PLNE.pptxPLNE.pptx
PLNE.pptx
 
Chapitre3_Partie1.pdf
Chapitre3_Partie1.pdfChapitre3_Partie1.pdf
Chapitre3_Partie1.pdf
 
Chapitre2_Partie1.pdf
Chapitre2_Partie1.pdfChapitre2_Partie1.pdf
Chapitre2_Partie1.pdf
 
(GLII-Spécification, vérification et qualité-chapitres 1 et 2-2013-2014.pdf
(GLII-Spécification, vérification et qualité-chapitres 1 et 2-2013-2014.pdf(GLII-Spécification, vérification et qualité-chapitres 1 et 2-2013-2014.pdf
(GLII-Spécification, vérification et qualité-chapitres 1 et 2-2013-2014.pdf
 
support_cours.pdf
support_cours.pdfsupport_cours.pdf
support_cours.pdf
 
Ordonnanc-Proc_Threads (1).pdf
Ordonnanc-Proc_Threads (1).pdfOrdonnanc-Proc_Threads (1).pdf
Ordonnanc-Proc_Threads (1).pdf
 
prog_reg.pptx
prog_reg.pptxprog_reg.pptx
prog_reg.pptx
 
correctionTD-2-vhdl2949.pptx
correctionTD-2-vhdl2949.pptxcorrectionTD-2-vhdl2949.pptx
correctionTD-2-vhdl2949.pptx
 
Chapitre 3 _Conception et analyse d’algorithme-DPR.pdf
Chapitre 3 _Conception et analyse d’algorithme-DPR.pdfChapitre 3 _Conception et analyse d’algorithme-DPR.pdf
Chapitre 3 _Conception et analyse d’algorithme-DPR.pdf
 
Chapitre 2 -Complexité des problèmes avec correction.pdf
Chapitre 2 -Complexité des problèmes avec correction.pdfChapitre 2 -Complexité des problèmes avec correction.pdf
Chapitre 2 -Complexité des problèmes avec correction.pdf
 
Complexité_ENSI_2011.ppt
Complexité_ENSI_2011.pptComplexité_ENSI_2011.ppt
Complexité_ENSI_2011.ppt
 
DiagrammeSequence&DiagrammaEtatTransition&DiagrammeActivité.pdf
DiagrammeSequence&DiagrammaEtatTransition&DiagrammeActivité.pdfDiagrammeSequence&DiagrammaEtatTransition&DiagrammeActivité.pdf
DiagrammeSequence&DiagrammaEtatTransition&DiagrammeActivité.pdf
 
Correction-TD1.pdf
Correction-TD1.pdfCorrection-TD1.pdf
Correction-TD1.pdf
 
UML.Objet.4pp.pdf
UML.Objet.4pp.pdfUML.Objet.4pp.pdf
UML.Objet.4pp.pdf
 

c h02EspaceProbTr.pdf

  • 1. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Processus Stochastiques & Applications Financières Chapitre 2 Espace Probabilisé OUESLATI Amor Université de la Manouba École Nationale des Sciences de L’Informatique 2 février 2022 Omar OUESLATI 1 / 69 Processus Stochastiques & Applications Financières
  • 2. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Sommaire 1 Introduction 2 Tribu 3 Variable aléatoire 4 Mesure de Probabilité 5 Distribution ou loi Omar OUESLATI 2 / 69 Processus Stochastiques & Applications Financières
  • 3. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Définition On appelle expérience aléatoire ou épreuve aléatoire toute sorte d’opération dont le résultat ne peut pas être prévu d’avance avec certitude. Omar OUESLATI 3 / 69 Processus Stochastiques & Applications Financières
  • 4. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple L’opération qui consiste : à jeter un dé, à jeter une pièce de monnaie, de prendre une carte parmi un jeu de 32 cartes, ... chacune d’elles représente une expérience aléatoire. Omar OUESLATI 4 / 69 Processus Stochastiques & Applications Financières
  • 5. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Définition L’ensemble fondamental ou l’espace fondamental ou univers des possibles ou états du monde = {wi : i ∈ I} est l’ensemble de tous les résultats possibles associés à une expérience aléatoire. Omar OUESLATI 5 / 69 Processus Stochastiques & Applications Financières
  • 6. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Remarque I représente un ensemble d’indices. Par exemple, I = {0, 1, 2, ..., T}, I = N, I = Z, I = [0, ∞), etc. On constate que selon les cas, est fini, infini, dénombrable ou non dénombrable. Omar OUESLATI 6 / 69 Processus Stochastiques & Applications Financières
  • 7. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple On jette un dé une fois : = {1, 2, 3, 4, 5, 6} Deux tirages successifs à Pile ou Face : = {(P, P) , (P, F) , (F, P) , (F, F)} ou = {(x1, x2) /x1 = P ou F; x2 = P ou F} Omar OUESLATI 7 / 69 Processus Stochastiques & Applications Financières
  • 8. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple (Suite) Tirage de deux dés : = {(i, j) |1 ≤ i ≤ 6; 1 ≤ j ≤ 6} Durée de vie d’une ampoule électrique : = R+ Nombre de pannes d’une machine : = N Omar OUESLATI 8 / 69 Processus Stochastiques & Applications Financières
  • 9. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Définition Un évènement est une propriété dont on peut dire si elle est vraie ou non, une fois l’expérience est réalisée. En terme mathématique, un évènement E est un sous-ensemble ou une partie de . Omar OUESLATI 9 / 69 Processus Stochastiques & Applications Financières
  • 10. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi L’évènement certain : L’évènement impossible : ∅ Un évènement est dit élémentaire s’il est composé d’un seul élément : {w}. L’évènement "A et B" : A ∩ B L’évènement "A ou B" : A ∪ B L’évènement contraire ou complémentaire de A : Ac ou A Deux évènements A et B sont dits distincts ou disjoints si leurs éléments sont tous différents : A ∩ B = ∅ Omar OUESLATI 10 / 69 Processus Stochastiques & Applications Financières
  • 11. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple Soit l’espace fondamental = {1, 2, 3, 4, 5, 6}. Chacun des ensembles associées aux évènements suivants : Obtenir le nombre 1 : A = {1} Obtenir un nombre pair : B = {2, 4, 6} Obtenir un nombre premier : C = {1, 3, 5} Omar OUESLATI 11 / 69 Processus Stochastiques & Applications Financières
  • 12. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Remarque L’èvènement A est appelée évènement élémentaire car cet ensemble est réduit à un seul élément. Les ensembles B et C sont des évènements distincts (A et C le sont aussi) car B ∩ C = ∅ et A ∩ B = ∅. Omar OUESLATI 12 / 69 Processus Stochastiques & Applications Financières
  • 13. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple On jette deux dés, un rouge et un noir. L’espace fondamental associé à cette expérience aléatoire est : = {(x1, x2) /x1 = 1, 2, ..., 6; x2 = 1, 2, ..., 6} Omar OUESLATI 13 / 69 Processus Stochastiques & Applications Financières
  • 14. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple (Suite) Considérons les évènements suivants : A : la somme des chiffres obtenus sur les deux dés est égale à 3 A = {(1, 2) , (2, 1)} B : la somme des chiffres obtenus sur les deux dés est égale à 7 B = {(1, 6) , (6, 1) , (2, 5) , (5, 2) , (4, 3) , (3, 4)} C : les deux dés présentent le même nombre. C = {(1, 1) , (2, 2) , (3, 3) , (4, 4) , (5, 5) , (6, 6)} Omar OUESLATI 14 / 69 Processus Stochastiques & Applications Financières
  • 15. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Sommaire 1 Introduction 2 Tribu 3 Variable aléatoire 4 Mesure de Probabilité 5 Distribution ou loi Omar OUESLATI 15 / 69 Processus Stochastiques & Applications Financières
  • 16. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Question Si Card( ) = n < ∞ Combien y a-t-il d’évènements distincts? Réponse 2n . Un évènement est un sous-ensemble de = {ω1, ..., ωn}. Lorsque nous créons un évènement A ⊆ , nous avons, pour chacun des ωi , deux choix possibles : soit ωi ∈ A où bien ωi / ∈ A. Omar OUESLATI 16 / 69 Processus Stochastiques & Applications Financières
  • 17. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple Si n = 3, alors : F = {∅, {ω1} , {ω2} , {ω3} , {ω1, ω2} , {ω1, ω3} , {ω2, ω3} , } Omar OUESLATI 17 / 69 Processus Stochastiques & Applications Financières
  • 18. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Remarque Généralement, nous n’avons pas besoin de connaitre les probabilités associées à chacun des évènements de . Cela est particulièrement fréquent lorsque Card( ) est grand ou infini. Omar OUESLATI 18 / 69 Processus Stochastiques & Applications Financières
  • 19. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple Soit = {1, 2, 3, 4, 5, 6}. Supposons qu’on s’intéresse uniquement à la variable aléatoire X définie par : ω 1 2 3 4 5 6 X (ω) 0 0 1 1 2 2 Omar OUESLATI 19 / 69 Processus Stochastiques & Applications Financières
  • 20. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Alors, les évènements qui caractérisent la distribution de X sont : {X = 0} = {1, 2} {X = 1} = {3, 4} {X = 2} = {5, 6} . Omar OUESLATI 20 / 69 Processus Stochastiques & Applications Financières
  • 21. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Par conséquent, pour déterminer la distribution de X, nous avons besoin seulement que des probabilités associées aux évènements {1, 2}, {3, 4} et {5, 6}. Omar OUESLATI 21 / 69 Processus Stochastiques & Applications Financières
  • 22. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Ainsi, la connaissance de la probabilité de l’évènement {1} ne nous apporte aucune information supplémentaire sur la distribution de la variable aléatoire X. Omar OUESLATI 22 / 69 Processus Stochastiques & Applications Financières
  • 23. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Les propriétés d’une mesure de probabilité font en sorte que si on connait la probabilité d’un évènement A, alors on connait aussi celle associée à son complément Ac car P(Ac ) = 1 − P(A). On est aussi capable de déterminer la probabilité associée à l’union d’un certain nombre d’évènements caractérisant la distribution de X à cause des propriétés de la mesure de probabilité. Omar OUESLATI 23 / 69 Processus Stochastiques & Applications Financières
  • 24. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Définition Une tribu (ou σ−algèbre) F est une famille de sous-ensemble d’évènements de , tel que : 1 ∈ F. 2 A ∈ F =⇒ Ac ∈ F. 3 Si (Ai )∞ i=1 ∈ F =⇒ ∪∞ i=1Ai ∈ F. Dans le cas où Card( ) < ∞, (Ai )n i=1 ∈ F =⇒ ∪n i=1Ai ∈ F Intuitivement, la tribu est l’ensemble des évènements auxquels on s’intéresse toujours. Omar OUESLATI 24 / 69 Processus Stochastiques & Applications Financières
  • 25. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Remarque En particulier : A, B ∈ F =⇒ A ∪ B ∈ F A ∩ B ∈ F . Omar OUESLATI 25 / 69 Processus Stochastiques Applications Financières
  • 26. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple La tribu complète, c’est la plus grande tribu : F = P( ) = {∅, {1} , {2} , ..., } Omar OUESLATI 26 / 69 Processus Stochastiques Applications Financières
  • 27. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple (Suite) La tribu triviale : {∅, } Omar OUESLATI 27 / 69 Processus Stochastiques Applications Financières
  • 28. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple (Suite) La plus petite tribu contenant l’évènement A est : ∅, A, Ac , . Omar OUESLATI 28 / 69 Processus Stochastiques Applications Financières
  • 29. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple (Suite) Soit = {1, 2, 3, 4, 5, 6}. La plus petite tribu contenant les évènements {1, 2}, {3, 4} et {5, 6} est : F = {∅, {1, 2} , {3, 4} , {5, 6} , {1, 2, 3, 4} , {1, 2, 5, 6} , {3, 4, 5, 6} , } Omar OUESLATI 29 / 69 Processus Stochastiques Applications Financières
  • 30. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple (Suite) Soit = [0, 1] et I1, ..., In une famille d’intervalles formant une partition de . La famille des sous-ensembles définie par : G = {∅, I1, I2, ..., I1 ∪ I2, ..., I1 ∪ I2 ∪ I3, ..., } est une tribu sur . Omar OUESLATI 30 / 69 Processus Stochastiques Applications Financières
  • 31. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Définition Soit A = {Ai ; i ∈ I} une famille de sous-ensembles de . Alors la tribu engendrée par A est la plus petite tribu sur qui contient tous les sous-ensembles Ai ; i ∈ I. Elle est notée σ(A) ou A. Les éléments de A sont appelés les atomes de A. N.B. : l’ensemble I n’est pas forcément dénombrable. Omar OUESLATI 31 / 69 Processus Stochastiques Applications Financières
  • 32. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple Soit = {1, 2, 3, 4, 5, 6}. La plus petite tribu engendrée par l’évènement A = {{1, 2} , {3, 4} , {5, 6}} est donnée par : σ(A) = {∅, {1, 2} , {3, 4} , {5, 6} , {1, 2, 3, 4} , {1, 2, 5, 6} , {3, 4, 5, 6} , } Omar OUESLATI 32 / 69 Processus Stochastiques Applications Financières
  • 33. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Définition Une famille P = {A1, ..., An} d’évènements de est appelée une partition finie de si : 1 ∀i ∈ {1, ..., n}, Ai 6= ∅ 2 ∀i ∈ {1, ..., n} tels que : i 6= j, Ai ∩ Aj = ∅ 3 ∪n i≥1Ai = . Omar OUESLATI 33 / 69 Processus Stochastiques Applications Financières
  • 34. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi On note par P ( ), l’ensemble de toutes les parties de . Définition Une tribu F est dite engendrée par la partition finie P si elle est la plus petite tribu contenant les éléments de P. On la dénote aussi par σ(P). Omar OUESLATI 34 / 69 Processus Stochastiques Applications Financières
  • 35. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple Soit = {1, ..., 6}. Si A1 = {{1}}, alors : σ(A1) = {∅, {1} , {2, ..., 6} , } Si A2 = {1, 3, 5}, alors : σ(A2) = {∅, {1, 3, 5} , {2, 4, 6} , } Soit = [0, 1]. Si A = {I1, ..., In}, alors : σ(A) = G Omar OUESLATI 35 / 69 Processus Stochastiques Applications Financières
  • 36. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exercice Si A = {{1, 3, 5} , {1, 2, 3}}. Déterminer σ(A) =?. Omar OUESLATI 36 / 69 Processus Stochastiques Applications Financières
  • 37. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Définition Soit = R. La tribu borélienne sur R est la tribu engendrée par la famille des sous-ensembles A = {]a; b[: 0 ≤ a b ≤ 1} = {intervalles ouverts dans R} Elle est notée par B(R). Elle contient un très grand nombre de sous-ensembles. Omar OUESLATI 37 / 69 Processus Stochastiques Applications Financières
  • 38. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Remarque Pour un ensemble fini, on choisit souvent F = P( ). Pour ⊂ R ou ⊂ Rn , on choisit souvent F = B( ) Omar OUESLATI 38 / 69 Processus Stochastiques Applications Financières
  • 39. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Définition Une sous-tribu de F est une tribu G telle que si A ∈ G alors A ∈ F. On note G ⊂ F. Omar OUESLATI 39 / 69 Processus Stochastiques Applications Financières
  • 40. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Définition Le couple ( , F), formé d’un ensemble fondamental et d’une tribu est appelé Espace Probabilisable. Omar OUESLATI 40 / 69 Processus Stochastiques Applications Financières
  • 41. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Sommaire 1 Introduction 2 Tribu 3 Variable aléatoire 4 Mesure de Probabilité 5 Distribution ou loi Omar OUESLATI 41 / 69 Processus Stochastiques Applications Financières
  • 42. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Définition Une variable aléatoire X, construite sur l’espace probabilisable ( , F), est une fonction à valeurs réelles ayant comme domaine l’ensemble fondamental telle que : X : → A ⊆ R ∀x ∈ A, {ω ∈ |X(ω) ≤ x} ∈ F (1) Omar OUESLATI 42 / 69 Processus Stochastiques Applications Financières
  • 43. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Attention! Il ne faut pas confondre les concepts d”ensemble fondamental’ et de ’variable aléatoire’ Omar OUESLATI 43 / 69 Processus Stochastiques Applications Financières
  • 44. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Remarque Contrairement à ce qu’on pense, l’appellation variable aléatoire n’est pas : une variable, mais c’est une application de −→ A aléatoire, mais c’est un élément déterminé de ( , F) Omar OUESLATI 44 / 69 Processus Stochastiques Applications Financières
  • 45. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple Si l’expérience aléatoire consiste à choisir une carte au hasard parmi un jeu de 52 cartes, Alors, l’évènement tirer un roi de coeur n’est pas une variable aléatoire car, entre autres, roi de coeur n’est pas un nombre réel. Cependant, si l’on associe 10 points au fait de tirer une figure et la valeur de la carte autrement, alors cette relation est une variable aléatoire. Omar OUESLATI 45 / 69 Processus Stochastiques Applications Financières
  • 46. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple Soient X, Y, Z et W des variables aléatoires : ω X(ω) Y(ω) Z(ω) W(ω) 1 0 0 0 5 2 0 5 0 5 3 5 5 0 5 4 5 5 5 5 5 10 5 10 0 6 10 10 10 10 Omar OUESLATI 46 / 69 Processus Stochastiques Applications Financières
  • 47. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Remarque Si Card( ) ∞, alors la condition [1] est équivalente à : ∀x ∈ A, {ω ∈ |X(ω) = x} ∈ F Il s’en suit alors que : X : → A est une variable aléatoire sur l’espace probabilisable ( , F) si et seulement si : les évènements qui caractérisent sa distribution sont des éléments de F Omar OUESLATI 47 / 69 Processus Stochastiques Applications Financières
  • 48. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Remarque 1 X est aussi dite une fonction (ou v.a.) F−mesurable 2 Si F = P( ), alors X est toujours F−mesurable. 3 Si = R et F = B(R), alors X est dite une fonction Borélienne. Omar OUESLATI 48 / 69 Processus Stochastiques Applications Financières
  • 49. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Si F et G sont deux tribus de alors : Il est possible que X soit une variable aléatoire sur l’espace probabilisable ( , F) Mais qu’elle n’en soit pas une sur l’espace ( , G). Pour bien exprimer que la tribu F contient les évènements caractérisant la distribution de X, on dit que X est F−mesurable. Omar OUESLATI 49 / 69 Processus Stochastiques Applications Financières
  • 50. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple Soient = {1, 2, 3, 4, 5, 6} et F = {∅, {1, 3, 5} , {2, 4, 6} , } La fonction X : → R ω 7→ 1 si le résultat est pair 0 sinon est une variable aléatoire sur ( , F). En effet, {ω ∈ |X (ω) = x} = ( {1, 3, 5} ∈ F si x = 0 {2, 4, 6} ∈ F si x = 1 ∅ ∈ F sinon Omar OUESLATI 50 / 69 Processus Stochastiques Applications Financières
  • 51. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Tandis que la fonction Y : → R ω 7→ 1 si le résultat est inférieur à 4 0 sinon n’est est pas une variable aléatoire sur ( , F). En effet, {w ∈ |Y (w) = y} = ( {4, 5, 6} / ∈ F si y = 0 {1, 2, 3} / ∈ F si y = 1 ∅ ∈ F sinon On dit que X est F−mesurable tandis que Y ne l’est pas. Omar OUESLATI 51 / 69 Processus Stochastiques Applications Financières
  • 52. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Par contre X et Y sont G− mesurables où : G = σ {{2} , {5} , {1, 3} , {4, 6}} =      ∅, {2} , {5} , {1, 3} , {4, 6} , {2, 5} , {1, 2, 3} , {1, 3, 5} , {2, 4, 6} , {4, 5, 6} , {1, 2, 3, 5} , {1, 3, 4, 6} , {2, 4, 5, 6} , {1, 3, 4, 5, 6} , {1, 2, 3, 4, 6} ,      Omar OUESLATI 52 / 69 Processus Stochastiques Applications Financières
  • 53. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Les prochains résultats nous permettront de déterminer la plus petite tribu qui permet à une ou plusieurs variables aléatoires d’être mesurables. Omar OUESLATI 53 / 69 Processus Stochastiques Applications Financières
  • 54. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Théorème Soient, ( , F), Card( ) ∞, un espace probabilisable et P = {A1, ..., An} , la partition finie de engendrant F. La fonction X : → R est une variable aléatoire sur cet espace (X est F−mesurable) si et seulement si X est constante sur les atomes de F. Omar OUESLATI 54 / 69 Processus Stochastiques Applications Financières
  • 55. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Corollaire 1 Toute variable aléatoire sur un espace probabilisable muni de la tribu triviale est constante. 2 Si F = P( ) alors toute fonction à valeurs réelles sur (X : → R) est F−mesurable. Omar OUESLATI 55 / 69 Processus Stochastiques Applications Financières
  • 56. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Définition Soit X : → R. La plus petite tribu F qui fait en sorte que X soit une variable aléatoire sur l’espace probabilisable ( , F), est appelée la tribu engendrée par X et notée σ(X). Omar OUESLATI 56 / 69 Processus Stochastiques Applications Financières
  • 57. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Remarque Si Card( ) ∞ alors X ne peut prendre qu’un nombre fini de valeurs, soient x1, ..., xm ; ∀i ∈ {1, ..., m} Posons Ai = {ω ∈ |X(ω) = xi }. Alors, P = {A1, ..., Am} est une partition finie de et σ {X} = σ {P}. Omar OUESLATI 57 / 69 Processus Stochastiques Applications Financières
  • 58. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Théorème Supposons que Card( ) ∞. Si X : → R et Y : → R sont F−mesurables alors : ∀a, b ∈ R, aX + bY est aussi F−mesurable Omar OUESLATI 58 / 69 Processus Stochastiques Applications Financières
  • 59. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Preuve. Comme Card( ) ∞, les variables aléatoires X et Y ne peuvent prendre qu’un nombre fini de valeurs, disons x1 ... xm et y1 ... yn respectivement. ∀z ∈ R, {ω ∈ |aX(ω) + bY(ω) z} = ∪ axi +byj z {ω ∈ |X(ω) = xi et Y(ω) = yj } = ∪ axi +byj z {ω ∈ |X(ω) = xi } | {z } ∈F ∩ {ω ∈ |Y(ω) = yj } | {z } ∈F ∈ F Omar OUESLATI 59 / 69 Processus Stochastiques Applications Financières
  • 60. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Remarque Ce théorème indique que toute combinaison linéaire de variables aléatoires construites sur le même espace probabilisable est une variable aléatoire de cet espace. Omar OUESLATI 60 / 69 Processus Stochastiques Applications Financières
  • 61. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Proposition Si g : R −→ R est Borélienne et X : −→ R est une v.a., alors g(X) est une v.a. Omar OUESLATI 61 / 69 Processus Stochastiques Applications Financières
  • 62. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Sommaire 1 Introduction 2 Tribu 3 Variable aléatoire 4 Mesure de Probabilité 5 Distribution ou loi Omar OUESLATI 62 / 69 Processus Stochastiques Applications Financières
  • 63. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Définition (Mesure de Probabilité) Soit l’espace probabilisable ( , F). La fonction P : F → [0, 1] est une mesure de probabilité sur ( , F) si : 1 P( ) = 1, P (∅) = 0. 2 ∀A ∈ F, 0 ≤ P(A) ≤ 1. 3 ∀A1, A2, ... ∈ F tels que Ai ∩ Aj = ∅ si i 6= j, alors P (∪i≥1Ai ) = X i≥1 P(Ai ) . Omar OUESLATI 63 / 69 Processus Stochastiques Applications Financières
  • 64. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi En particulier : A, B ∈ F et A ∩ B = ∅ alors : P(A ∪ B) = P(A) + P(B) De plus : Si (Ai )∞ i=1 ⊂ F ;Ai ⊂ Ai+1 et ∪∞ i=1Ai = A; alors : lim n− →∞ P(Ai ) = P(A) Si (Ai )∞ i=1 ⊂ F ;Ai ⊃ Ai+1 et ∩∞ i=1Ai = A; alors : lim n− →1 P(Ai ) = P(A) Omar OUESLATI 64 / 69 Processus Stochastiques Applications Financières
  • 65. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Exemple (dé) On considère le lancer d’un dé. La mesure de probabilité P représente la situation où le dé est bien balancé Tandis que la mesure de probabilité Q modélise un cas où le dé est pipé. ω P(ω) Q(ω) 1 1 6 1 12 2 1 6 1 12 3 1 6 4 12 4 1 6 1 12 5 1 6 1 12 6 1 6 4 12 Omar OUESLATI 65 / 69 Processus Stochastiques Applications Financières
  • 66. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Définition (Espace Probabilisé) Le triplet ( , F, P) composé d’un ensemble fondamental, d’une tribu sur et d’une mesure de probabilité construite sur ( , F) est appelé Espace Probabilisé. Omar OUESLATI 66 / 69 Processus Stochastiques Applications Financières
  • 67. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Sommaire 1 Introduction 2 Tribu 3 Variable aléatoire 4 Mesure de Probabilité 5 Distribution ou loi Omar OUESLATI 67 / 69 Processus Stochastiques Applications Financières
  • 68. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Définition (Distribution ou Loi) La distribution ou la loi d’une variable aléatoire X est caractérisée par sa fonction de répartition : probabilité que la v.a. X soit inférieure à x. Par conséquent, si P est la mesure de probabilité qui prévaut sur alors : FX : R → [0, 1] x → P [X x] ∀x ∈ R, FX (x) = P {ω ∈ |X(ω) x} Omar OUESLATI 68 / 69 Processus Stochastiques Applications Financières
  • 69. D R A F T e r s i o n Introduction Tribu Variable aléatoire Mesure de Probabilité Distribution ou loi Théorème Dans le cas où Card( ) ∞, la distribution d’une variable aléatoire est aussi caractérisée par sa fonction de masse :probabilité que la v.a. X égale à x,c’est-à-dire que : fX : R → [0, 1] x → P [X = x] ∀x ∈ R, fX (x) = P {ω ∈ |X(ω) = x} Omar OUESLATI 69 / 69 Processus Stochastiques Applications Financières