Cours de probabilités et statistiques PDF

LOI UNIFORME. EXERCICES CORRIGES. Exercice n°1 (correction). X est une variable aléatoire qui suit la loi uniforme sur l'intervalle I.

Exercices de probabilités avec éléments de correction Memento

Loi de Poisson P(?) ? ?]0 +?[. N p(k) = e?? ?k k! Lois continues. Nom. Paramètres. Support Définition : P(A) = ?. A f(x)dx. Loi uniforme U([a

Loi de probabilité continue

Exemple. La loi uniforme sur [ab] a pour densité la fonction On appelle loi uniforme sur l'intervalle [a

LES LOIS A DENSITES : loi uniforme.

On passe d'un modèle discret (par exemple la loi binomiale où les valeurs possibles pour la variable aléatoire sont des nombres entiers) à un modèle continu (il

Couples et vecteurs de variables aléatoires Préparation `a l

On trouve ici que X et Y suivent une loi uniforme sur {12

Cours de probabilités et statistiques

On peut considérer par exemple l'événement qui correspond `a Mis `a part le prestige dû `a son nom la loi uniforme est la loi de l'absence ...

UN EXEMPLE DINTRODUCTION DES LOIS A DENSITE EN

Mars 2020 - Avril 2020. UN EXEMPLE D'INTRODUCTION DE L'ESPERANCE. (LOI A DENSITE) ET DE LA LOI UNIFORME. EN TERMINALE S AU LYCEE DU COUDON (83).

Probabilités et variables aléatoires

miales géométrique

LOIS À DENSITÉ

Pour cela on utilise la fonction de densité f définissant la loi de probabilité. Dans l'exemple précédent

[PDF] Terminale S - Loi uniforme Loi exponentielle - Parfenoff org

Exemple 2 : Le temps d'attente exprimé en minutes au guichet d'une banque est une variable aléatoire T suivant la loi exponentielle de paramètre On sait que

[PDF] Loi uniforme - exercices corrigés - Maurimath

LOI UNIFORME EXERCICES CORRIGES Exercice n°1 (correction) X est une variable aléatoire qui suit la loi uniforme sur l'intervalle I

[PDF] Loi de probabilité continue

La loi uniforme est la version continue de la loi uniforme discrète Définition On appelle loi uniforme sur l'intervalle [ab] la variable aléatoire notée

[PDF] LES LOIS A DENSITES : loi uniforme

Pour comprendre la loi uniforme on peut penser à des exemples du type : • Prendre un nombre au hasard entre deux nombres (il y a une infinité de valeurs) • La

[PDF] Chapitre 4 : Lois de distribution continues

4 1 Loi uniforme Si toute valeur de X est équiprobable dans l'intervalle [ab] alors X suit une loi uniforme La fonction de densité est:

EMV de la loi uniforme - ENS Rennes

Exemples et applications Résultats : Soient X1 Xn des variables aléatoires de même loi uniforme U[0?] avec ? ? R? 4 vitesse et loi limite :

[PDF] loi-uniforme-exercicepdf - Jaicompris

Loi uniforme : Exercices Corrigés en vidéo avec le cours sur jaicompris com Loi uniforme et probl`eme de rendez-vous Anissa doit retrouver Manon au café

[PDF] Loi continue : Partie II Loi uniforme sur [a ; b]

Propriété : Soit X une variable aléatoire qui suit une loi uniforme sur [a ; b] Exemple 1 : Caroline a dit qu'elle passerait voir Julien à un moment

[PDF] LOIS À DENSITÉ - maths et tiques

1) Loi uniforme sur [0 ; 1] Exemple : Des machines remplissent des bouteilles de lait de 1 litre L'une d'entre elles est défectueuse et au passage de

Comment savoir si une loi est uniforme ?
Comment savoir si une loi est uniforme ? Il s'agit d'une loi uniforme si chaque issue a une probabilité égale d'arriver.
Pourquoi utiliser loi uniforme ?
D'après le théorème cité plus haut, la loi uniforme permet en théorie d'obtenir des tirages de toute loi continue à densité. Il suffit pour cela d'inverser la Fonction de répartition de cette loi, et de l'appliquer à des tirages de la loi uniforme standard.
C'est quoi une probabilité uniforme ?
En théorie des probabilités, une loi discrète uniforme est une loi de probabilité discrète pour laquelle la probabilité de réalisation est identique (équiprobabilité) pour chaque modalité d'un ensemble fini de modalités possibles.
La loi du couple (X, Y ) est définie par l'ensemble des probabilités : IP(X = x, Y = y) pour toutes valeurs possibles x et y. De même, pour y ? DY , on a IP(Y = y) = ?x?DX IP(X = x, Y = y).

Stage ATSM - Ao^ut 2010

Cours de probabilit

´es et statistiques

A. Perrut

contact : Anne.Perrut@univ-lyon1.fr 2

Table des matiµeres

1 Le modµele probabiliste 5

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.4 Trois autres lois discrµetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2.4.2 Loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.4.3 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

3.1 Loi d'une v.a. continue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

3.2 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

3.3 La loi normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

3.4 La loi exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

3.5 Fonction d'une v.a. continue . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

3.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

4.1 Loi des grands nombres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

4.3 Intervalles de con¯ance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

4.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

4TABLE DES MATIµERES

5 Tests statistiques 47

5.1 Tests d'hypothµeses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

5.2 Test d'ajustement du chi-deux . . . . . . . . . . . . . . . . . . . . . . . . . 49

5.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

B Tables statistiques 61

C.1 Variable quantitative discrµete . . . . . . . . . . . . . . . . . . . . . . . . . . 65 C.2 Variable quantitative continue . . . . . . . . . . . . . . . . . . . . . . . . . . 68 C.3 Variable qualitative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

Chapitre 1

Le modµele probabiliste

1.1 Introduction

Exemples :

- l'enfant µa na^³tre sera une ¯lle, - Proportion :

P(A) =3

6 = 1=2. Alors

P(¯lle) = limn!+1k

n n mais cette limite a-t-elle un sens? - Opinion : pour que l'OL soit championne de France? Dans ce cas, on ne peut pas rejouer le m^eme subjectif. 5

6CHAPITRE 1. LE MODµELE PROBABILISTE

Exemples :

\Lyon ne gagne pas". chi®re pair", ieA=f2;4;6g. jcelui du second.

B: \on obtient pile au deuxiµeme lancer" est

B=f(f;p;f);(f;p;p);(p;p;f);(p;p;p)g

le nombre de \face" obtenus. Alors, =f0;1;2;3g. Le modµele est beaucoup plus simple, notations vocabulaire ensembliste vocabulaire probabiliste ensemble plein ensemble vide A sous-ensemble de !2A !appartient µaA

A½B

Ainclus dansB

AimpliqueB

A[B AouB A\B intersection deAetB AetB A cou A A\B=;

AetBdisjoints

AetBincompatibles

Exemple : soit =f0;1;2g. ConstruisonsP().

P() =n

;;f0g;f1g;f2g;f0;1g;f0;2g;f1;2g;o telle que : -P(A) =X -P() =X !2P(!) = 1

0.95 :Ava trµes probablement se produire.

4.0 : incorrect.

-2 : incorrect.

0.5 : une chance sur deux.

8CHAPITRE 1. LE MODµELE PROBABILISTE

faire quelques calculs :

1) SiAetBsont incompatibles,P(A[B) =P(A) +P(B).

2)P(Ac) = 1¡P(A).

3)P(;) = 0.

5)P(A[B) =P(A) +P(B)¡P(A\B).

2) CommeAetAcsont incompatibles,1 =P() =P(A[Ac) =P(A) +P(Ac).

3)P(;) = 1¡P(;c) = 1¡P() = 0.

P i2NA i´ =X i2NP(Ai) - axiome 3 :P() = 1

1 =P() =X

!2P(!) =X !2p=p£card()

D'oµup=P(!) =1

card()

P(A) =X

!2AP(!) =card(A) card() dire : - choisir, par

P(BjA) =P(A\B)

P(A) Utilisation 2 : QuandP(BjA)etP(A)sont faciles µa trouver, on peut obtenirP(A\B). Exemple 6Une urne contientrboules rouges etvboules vertes. On en tire deux, l'une =frouge;verteg £ frouge;verteg rouge".

P(A\B) =P(BjA)P(A) =r¡1

r+v¡1¢r r+v

P(B) =P(BjA)P(A) +P(BjAc)P(Ac)

10CHAPITRE 1. LE MODµELE PROBABILISTE

preuve : CommeA[Ac= ,P(B) =P(B\(A[Ac)) =P((B\A)[(B\Ac)). OrB\A

P(B) =P(B\A) +P(B\Ac)

On garde le m^eme formalisme.

P(B) =P(BjA)P(A) +P(BjAc)P(Ac)

r¡1 r+v¡1¢r r+v+r r+v¡1¢v r+v =r r+v (i)[i2IAi= (ii) lesAisont deux µa deux incompatibles : pour tousi6=j,Ai\Aj=;.

P(B) =X

i2IP(BjAi)P(Ai) dans l'ordre chronologique. Nous allons maintenant voir une formule µa remonter le temps...

1etP(B)>0. Alors,

P(AjB) =P(BjA)P(A)

P(BjA)P(A) +P(BjAc)P(Ac)

preuve :

P(AjB) =P(A\B)

P(B)=P(BjA)P(A)

P(B) i2I,

P(AijB) =P(BjAi)P(Ai)

P j2IP(BjAj)P(Aj) bleaux sur informatique. Les tableaux deAcomportent des fautes dans 5,2% des cas et ceux deBdans 6,7% des cas. On prend un tableau au hasard. Il comporte des fautes. T T

F=\ le tableau comporte des fautes".

P(TAjF) =P(FjTA)P(TA)

P(FjTA)P(TA) +P(FjTB)P(TB)

P(A\B) =P(A)P(B)

P(BjA) =P(B)()P(AjB) =P(A)()P(A\B) =P(A)P(B)

Proposition 14Soit =E£FoµuEest de cardinalnetFde cardinalp. Supposons que

P(!) =P((x;y)) =1

card() =1 np =PE(fxg)PF(fyg) =fP;Fg £ f1;:::;6g

12CHAPITRE 1. LE MODµELE PROBABILISTE

8!2; P(!) =1

card() = 1=12 P N³ (!1;:::;!N)´ =P(!1)¢¢¢P(!N) surN. Pourtant, le nombre de combinaisons dont la somme fait 12 est le m^eme que le nombre de combinaisons dont la somme fait 11. Alors?

1.6 Exercices

3) On tire trois cartes dans un jeu .

suppose que

P(A[B) = 7=8; P(A\B) = 1=4; P(A) = 3=8:

CalculerP(B),P(A\Bc),P(B\Ac).

ros impairs ont chacun la m^eme chance d'appara^³tre, chance qui est deux fois plus grande hasard, et l'on observe que les quatre places libres se suivent. Est-ce surprenant?

1.6. EXERCICES13

Exercice 6 {SoientM1,M2,M3trois personnes. La premiµereM1dispose d'une infor- la transmet µaM3. Malheureusement, µa chaque fois que l'information est transmise, il y a le bon message? Et siM3transmet l'information dont il dispose µa une quatriµeme personneM4, quelle est elle re»coit un vaccin? daire? Exercice 8 |Dans une usine, la machine A fabrique 60% des piµeces, dont 2% sont C? Exercice 9 |Dans une jardinerie : 25% des plantes ont moins d'un an, 60% ont de 1 µa 2 ans, 25% ont des °eurs jaunes, 60% ont des °eurs roses, 15% ont des °eurs jaunes et moins d'un an, 3% ont plus de 2 ans et n'ont ni °eurs jaunes, ni °eurs roses. 15% de celles qui ont de 1 µa 2 ans, ont des °eurs jaunes, 15% de celles qui ont de 1 µa 2 ans, n'ont ni

°eurs jaunes ni °eurs roses. On suppose que les °eurs ne peuvent pas ^etre µa la fois jaunes

et roses. On choisit une plante au hasard dans cette jardinerie.

14CHAPITRE 1. LE MODµELE PROBABILISTE

Exercice 10 |Deux chau®eurs de bus se relaient sur la m^eme ligne. Lors d'une grµeve, le premier a60%de chances de faire grµeve et le second80%. Pendant la prochaine grµeve, Exercice 11 |Une loterie comporte 500 billets dont deux seulement sont gagnants.

Chapitre 2

PPP PPF PFP FPP FFP FPF PFF FFF

valeur deX

3 2 2 2 1 1 1 0

k(valeur prise parX)

3 2 1 0

fPPPg fPPF,PFP,FPPg fPFF,FPF,FFPg fFFFg k(X=k) = 15 elle est ditecontinue(exemples : hauteur d'un arbre, distance de freinage d'une voiture souvent une formule, plut^ot qu'une liste. [X= 3] [X= 2] [X= 1] [X= 0] fPPPg fPPF,PFP,FPPg fPFF,FPF,FFPg fFFFg

1/8 3/8 3/8 1/8

F(x) =P[X·x]

Exemple :Xest le nombre de Face quand on lance trois fois une piµece. On a vu que la loi deXest P[X= 0] = 1=8; P[X= 1] =P[X= 2] = 3=8; P[X= 3] = 1=8

D'oµu,

F(x) =8

>>>>>:0six <0;

1=8si0·x <1;

4=8si1·x <2;

7=8si2·x <3;

1six¸3

1)Fest croissante,

3) lim x! ¡1F(x) = 0;limx!+1F(x) = 1

E[X] =X

kkP[X=k] oµu on somme sur toutes les valeurskque peut prendreX.

E[g(X)] =X

kg(k)P[X=k] preuve : observons queg(X) =yssiX=xavecg(x) =y. Ainsi,

P(g(X) =y) =X

x:g(x)=yP(X=x)

E(Y) =X

yyP(Y=y) =X yX x:g(x)=yg(x)P(X=x) =X xg(x)P(X=x)

Var(X) =Eh

(X¡E[X])2i =X k(k¡E[X])2P[X=k] =E[X2]¡E[X]2 k2X()jkjP(X=k)<1 sa valeur moyenneE[X]. Exemple 18: nous avons la loi du nombreXde PILE quand on lance trois fois une piµece.

E[X] =3X

k=0kP[X=k] = 3¢1 8 + 2¢3 8 + 1¢3 8 + 0¢1 8 =12 8 =3 2

Var(X) =E[X2]¡E[X]2=3X

k=0k

2P[X=k]¡E[X]2

= 3

2¢1

8 + 22¢3 8 + 12¢3 8 + 02¢1 8

¡µ3

2 2 3 4 nbr de PILE [X= 3] [X= 2] [X= 1] [X= 0]

0.125 0.375 0.375 0.125

0.2 0.6 0.1 0.1

partir de quelques observations.

P[X=i;Y=j] =P[X=i]P[Y=j]

P[(X;Y) = (i;j)] =P[X=i;Y=j].

touti2X(),

P[X=i] =X

j2Y()P[X=ijY=j]P[Y=j]

SoitZ=X+Y. Quelle est la loi deZ?

valeur que prendX, la valeur que prendYet la valeur deZ. XnY

1 2 3 4 5 6

2 3 4 5 6 7

3 4 5 6 7 8

4 5 6 7 8 9

5 6 7 8 9 10

6 7 8 9 10 11

7 8 9 10 11 12

pour tous1·i;j·6; P[X=i;Y=j] =P[X=i]P[Y=j] = 1=36

2] =P[Z= 12] = 1=36,P[Z= 3] =P[Z= 11] = 2=36,P[Z= 4] =P[Z= 10] = 3=36,

1·j·12.

P[Z=j] =6X

i=1P[Z=jjX=i]P[X=i] 1 6 6 X i=1P[X+Y=jjX=i] 1 6 6 X i=1P[Y=j¡ijX=i] 1 6 6 X i=1P[Y=j¡i] rappeler queP[Y=k] = 1=6seulement sikest dansf1;:::;6g. preuve : pour le premier point, il faut observer que X yP(X=x;Y=y) =P³ (X=x)\([y(Y=y))´ =P³ (X=x)\´ =P(X=x) et il vient

E[X+Y] =X

x;y(x+y)P(X=x;Y=y) X x;yxP(X=x;Y=y) +X x;yyP(X=x;Y=y) X xxP(X=x) +X yyP(Y=y) =E[X] +E[Y] Pour le second point, on montre tout d'abord queE(XY) =E(X)E(Y), la suite venant facilement. Ainsi,

E[XY] =X

x;yxyP(X=x;Y=y) X x;yxyP(X=x)P(Y=y) µX =E(X)E(Y)

P[Y= 1] =p; P[Y= 0] =q= 1¡p

Var(Y) =E[Y2]¡E[Y]2=E[Y]¡E[Y]2=p(1¡p).

conditions.

P(E) =q= 1¡p.

P(X=k) =µn

p k(1¡p)n¡kpour tout0·k·n oµu ¡n k¢=n! k!(n¡k)!.

P(!) =pk(1¡p)n¡k

Il en existe¡n

P(X=k) =X

!:X(!)=kP(!) = card(f!:X(!) =kg)pk(1¡p)n¡k µn p k(1¡p)n¡k np(1¡p). (preuve) AouB. Puis on le remet dans le lot et on recommence : on choisit µa nouveau un individu binomialeB(n;NA=N). loi binomialeB(4;p).

P(X= 0) =¡4

0¢q4=q4,

P(X= 1) =¡4

1¢p1q3= 4pq3,

P(X= 2) =¡4

2¢p2q2= 6p2q2,

P(X= 3) =¡4

3¢p3q1= 4p3q,

P(X= 4) =¡4

4¢p4=p4.

Pourp= 1=5, on obtient les va-

leurs :0 1 2 3 4

0.0 0.1 0.2 0.3 0.4

Loi binomiale pour n=4, p=1/5

valeurs de X probabilites

Voici d'autres exemples.

0 1 2 3 4 5

0.05 0.15 0.25

Loi binomiale pour n=5, p=0.5

valeurs de X probabilites

0 2 4 6 8 10

0.00 0.10 0.20

Loi binomiale pour n=10, p=0.5

valeurs de X probabilites

0 2 4 6 8 10

0.00 0.10 0.20 0.30

Loi binomiale pour n=10, p=0.2

valeurs de X probabilites

0 2 4 6 8 10

0.00 0.10 0.20 0.30

Loi binomiale pour n=10, p=0.8

valeurs de X probabilites X=nX i=1Y i

2.4. TROIS AUTRES LOIS DISCRµETES23

par le traitement?

P[X·6] =P[X= 0] +P[X= 1] +¢¢¢+P[X= 6]

1 2

15³

µ15

+µ15 +µ15 +µ15 +µ15 +µ15 +µ15 1 2

15(1 + 15 + 105 + 455 + 1365 + 3003 + 5005)

= 0:304 P[6·X·10] =P[X= 6] +P[X= 7] +P[X= 8] +P[X= 9] +P[X= 10] = 0:790quotesdbs_dbs35.pdfusesText_40

[PDF] variance loi uniforme démonstration

[PDF] fonction de répartition loi uniforme discrète

[PDF] variable statistique discrète

[PDF] la leçon (pièce de théâtre)

[PDF] ionesco la cantatrice chauve

[PDF] ionesco mouvement littéraire

[PDF] ionesco rhinocéros résumé

[PDF] fonction de service technologie 5ème

[PDF] fonction de service d'une maison

[PDF] fonction de contrainte

[PDF] différence entre fonction de service et fonction technique

[PDF] difference entre fonction de service et fonction d'usage

[PDF] fonction de service exemple

[PDF] fonction de service définition

[PDF] exercice multiplication 6ème ? imprimer

[PDF] Cours de probabilités et statistiques

Comment savoir si une loi est uniforme ?

Pourquoi utiliser loi uniforme ?

C'est quoi une probabilité uniforme ?

Stage ATSM - Ao^ut 2010

Cours de probabilit

´es et statistiques

A. Perrut

Table des matiµeres

1 Le modµele probabiliste 5

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.4 Trois autres lois discrµetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2.4.2 Loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.4.3 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

3.1 Loi d'une v.a. continue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

3.2 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

3.3 La loi normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

3.4 La loi exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

3.5 Fonction d'une v.a. continue . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

3.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

4.1 Loi des grands nombres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

4.3 Intervalles de con¯ance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

4.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

4TABLE DES MATIµERES

5 Tests statistiques 47

5.1 Tests d'hypothµeses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

5.2 Test d'ajustement du chi-deux . . . . . . . . . . . . . . . . . . . . . . . . . 49

5.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

B Tables statistiques 61

Chapitre 1

Le modµele probabiliste

1.1 Introduction

Exemples :

P(A) =3

P(¯lle) = limn!+1k

6CHAPITRE 1. LE MODµELE PROBABILISTE

Exemples :

B: \on obtient pile au deuxiµeme lancer" est

B=f(f;p;f);(f;p;p);(p;p;f);(p;p;p)g

A½B

Ainclus dansB

AimpliqueB

AetBdisjoints

AetBincompatibles

Exemple : soit =f0;1;2g. ConstruisonsP().

P() =n

0.95 :Ava trµes probablement se produire.

4.0 : incorrect.

0.5 : une chance sur deux.

8CHAPITRE 1. LE MODµELE PROBABILISTE

1) SiAetBsont incompatibles,P(A[B) =P(A) +P(B).

2)P(Ac) = 1¡P(A).

3)P(;) = 0.

5)P(A[B) =P(A) +P(B)¡P(A\B).

2) CommeAetAcsont incompatibles,1 =P() =P(A[Ac) =P(A) +P(Ac).

3)P(;) = 1¡P(;c) = 1¡P() = 0.

1 =P() =X

D'oµup=P(!) =1

P(A) =X

P(BjA) =P(A\B)

P(A\B) =P(BjA)P(A) =r¡1

P(B) =P(BjA)P(A) +P(BjAc)P(Ac)

10CHAPITRE 1. LE MODµELE PROBABILISTE

P(B) =P(B\A) +P(B\Ac)

On garde le m^eme formalisme.

P(B) =P(BjA)P(A) +P(BjAc)P(Ac)

P(B) =X

1etP(B)>0. Alors,

P(AjB) =P(BjA)P(A)

P(BjA)P(A) +P(BjAc)P(Ac)

P(AjB) =P(A\B)

P(B)=P(BjA)P(A)

P(AijB) =P(BjAi)P(Ai)

F=\ le tableau comporte des fautes".

P(TAjF) =P(FjTA)P(TA)

P(FjTA)P(TA) +P(FjTB)P(TB)

P(A\B) =P(A)P(B)

P(BjA) =P(B)()P(AjB) =P(A)()P(A\B) =P(A)P(B)