[PDF] Le théorème de Bayes, démonstration et exemple PDF bayes.pdf

Le théorème de Bayes est une conséquence immédiate des probabilités conditionnelles et des probabilités totales Probabilités conditionnelles Exemple Dans une bibliothèque comportant Pour la partition A, A , la formule de Bayes donne

3 1 Définition des probabilités conditionnelles 3 4 La formule des probabilités totales Démonstration Soit A ∈ P(Ω) A ∩ A = 0 et donc d'après l'axiome

[PDF] Chapitre 3 : Probabilités conditionnelles - Indépendance

2 Définition d'une probabilité conditionnelle 3 Conséquences Formule des probabilités composées Formule des probabilités totales Théorème de Bayes

[PDF] 1 Probabilité conditionnelle 2 Formule des probabilités totales 3

Théorème 1 L'application qui a tout évènement B associe le réel PA(B) définit une probabilité sur E appelée probabilité conditionnelle sachant A Démonstration

[PDF] Séance de soutien PCSI2 numéro 11 : probabilités conditionnelles

13 mai 2015 · Notons aussi Bi l'évè- nement : la boule du i-ème tirage est blanche, de sorte que B3 = B Par la formule des probabilités totales P(B) = P(BA0)P(

[PDF] Probabilités

3 3 Indépendance Statistique 4 Probabilités Conditionnelles 4 1 Définition 4 2 Probabilités Composées 4 3 Probabilités Totales 4 4 Le Théorème de Bayes

[PDF] LEÇON N˚ 5 : Probabilité conditionnelle - capes-de-maths

démonstration : Puisque pour toute partie B de Ω, B ∩ Ω = B, il est clair que Théorème 3 (formule des probabilités totales) : Soit (Bk)1妻k妻n une partition finie

[PDF] Probabilités conditionnelles

Probabilité Probabilités conditionnelles Formules des probabilités totales Loi de Bayes Sources : Initiation aux probabilit´es,Sheldon Ross, édité aux Presses

[PDF] Probabilité conditionnelle - Institut de Mathématiques de Bordeaux

13 mai 2009 · 4 1 Probabilités conditionnelles composées Proposition 4 1 Soient (Ω, P(Ω),P) un espace probabilisé, A et B deux événements avec P(A)

[PDF] Le théorème de Bayes, démonstration et exemple

[PDF] quand utiliser la formule des probabilités totales

[PDF] formule des probabilités totales terminale s

[PDF] probabilité totale terminale es

[PDF] recette du moyen age

[PDF] nom des repas au moyen age

[PDF] que buvait on au moyen age

[PDF] exercice corrigé propension marginale ? consommer

[PDF] propension marginale ? importer

[PDF] consommation incompressible

[PDF] j'accuse bonne réception de votre mail et vous en remercie

[PDF] formule puissance thermique physique

[PDF] formule de politesse

[PDF] p=qm cp dt unité

[PDF] exercices ponctuation dialogue 6ème

[PDF] identifier le temps des verbes

Le théorème de Bayes

Le théorème de Bayes est une conséquence immédiate des probabilités conditionnelles et

des probabilités totales.

Probabilités conditionnelles

Exemple

Dans une bibliothèque comportant 100 ouvrages, il y en a 40 qui sont écrits en anglais dont

8 portent sur la biologie. Considérons les événements suivants :

A="le livre est écrit en anglais" ;P(A) =40100

B="le livre porte sur la biologie" ;

A\B="le livre est écrit en anglaisetporte sur la biologie" ;P(A\B) =8100

Probabilité conditionnelle

BjA= "le livre porte sur la biologiesachant qu" il est écrit en anglais" ;P(BjA) =840 Il s"agit de la fréquence des livres de biologie parmi les livres en langue anglaise.

On a les relationsP(BjA) =840

=810040 100
=P(A\B)P(A)

Retenons

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

ou encore

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

Probabilités totales

Considérons une partitionA1,A2, ...,Ande l"ensemble des événementsE, c"est-à-dire

P(E) = 1,A1[A2[:::[An=EetAi\Aj=;pouri6=j. Alors

P(B) =P(A1)P(BjA1) +P(A2)P(BjA2) +:::+P(An)P(BjAn)

Démonstration

P(B) =P(B\E)

=P(B\A1) +P(B\A2) +:::+P(B\An) =P(A1)P(BjA1) +P(A2)P(BjA2) +:::+P(An)P(BjAn)

Problème

Une urne contient 5 boules rouges identiques et 3 boules noires identiques. On effectue des tirages de deux boules sans remise. a)Quelle est la probabilité que la première soit rouge et la deuxième noire? b)Quelle est la probabilité que l"une des deux boules au moins soit rouge? c)Sachant que l"une des deux boules au moins est rouge, quelle est la probabilité que l"autre soit noire?

Le théorème de Bayes 2

a)P(r;n) =58 37
=1556 avecA="la première boule est rouge" ;B="la deuxième boule est noire" ;A\B="la première est rouge et la deuxième est noire" ;BjA= "la deuxième est noire sachant que la première est rouge". On retiendra que, dans un arbre, les branches portent des probabilités conditionnelles. La probabilité d"un chemin est égale au produit des probabilités portées par les branches. b)

P(l" une des deux boules au moins est rouge)

=P(la première est rouge et la deuxième noire) +P(la première est noire et la deuxième rouge) +P(la première est rouge et la deuxième rouge) =P(la première est rouge)P(la deuxième est noirejla première est rouge) +P(la première est noire)P(la deuxième est rougejla première est noire) +P(la première est rouge)P(la deuxième est rougejla première est rouge) 58
37
+38
57
+58
47
=2528 c) P(l"autre boule est noirejl"une des deux au moins est rouge) P(une boule est rouge et l"autre est noire)P(l"une des deux boules au moins est rouge)

P(r;n) +P(n;r)P(r;n) +P(n;r) +P(r;r)=58

37
+38
57
5 8 37
+38
57
+58
47
=35

Préparation au théorème de Bayes

En intervertissant l"événement et la condition

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

La démonstration découle directement de la définition des probabilités conditionnelles

Le théorème de Bayes 3

Formule de Bayes

Considérons une partitionA1;A2;:::;Ande l"ensemble des événementsE. AlorsP(B) =P(A1)P(BjA1) +P(A2)P(BjA2) +:::+P(An)P(BjAn)

P(A1jB) =P(A1)P(BjA1)P(B)

P(A2jB) =P(A2)P(BjA2)P(B)

P(AnjB) =P(An)P(BjAn)P(B)La démonstration a été faite au préalable sous "Probabilités totales" et "Préparation au

théorème de Bayes". L"apport d"une nouvelle information permet de corriger les probabilités à priori Les nombres suivants sont applelés "Probabilité à priori deAk" :

P(A1);P(A2);:::;P(An)

Les nombres suivants, appelés "fonction de vraisemblance deAk" expriment des apports d"informations :

P(BjA1);P(BjA2);:::;P(BjAn)

Les nombres suivants, appelés "Probabilité à postériori deAk", expriment comment les probabilités à priori doivent être adaptées à la sous-populationB:

P(A1jB);P(A2jB);:::;P(AnjB)

Probabilités des causes

Si lesA1;A2;:::;Anexpriments les causes possibles deB, on peut maintenant établir la cause la plus probable (éventuellement les causes les plus probables)Ak: c" est celle oùP(AkjB) diffère le plus deP(Ak), ce qui indique que les événementsAketBne sont pas indépendants.

Exemple

Dans un laboratoire, on a fait les constats suivants : si une souris porte l"anticorpsA, alors 2 fois sur 5 elle porte aussi l"anticorpsB; si une souris ne porte pas l"anticorpsA, alors 4 fois sur 5 elle ne porte pas l"anticorpsB.

La moitié de la population porte l"anticorpsA.

Le théorème de Bayes 4

a)Calculez la probabilité que, si une souris porte l"anticorpsB, alors elle porte aussi l"an- ticorpsA.

Pour la partition(A;A), la formule de Bayes donne

P(B) =P(A)P(BjA) +P(A)P(BjA) =12

25
+12 15 =310

P(AjB) =P(A)P(BjA)P(B)=12

253
10 =23

P(AjB) =P(A)P(BjA)P(B)=12

153
10 =13

Interprétation :

probabilités à priori :P(A) =12 ,P(A) =12 apports d"informations :P(BjA) =25 ,P(BjA) =15 probabilités à postériori pour les porteuses de l"anticorpsB:

P(AjB) =23

,P(AjB) =13

Probabilité des causes :

Les23 des souris porteuses de l"anticorpsBportent aussi l"anticorpsA, ce qui dénote une nette incidence deAsurB. b)Calculez la probabilité que, si une souris ne porte pas l"anticorpsB, alors elle ne porte pas l"anticorpsA.

Pour la partition(A;A), la formule de Bayes donne

P(B) =P(A)P(BjA) +P(A)P(BjA) =12

35
+12 45
=710

P(AjB) =P(A)P(BjA)P(B)=12

357
10 =37

P(AjB) =P(A)P(BjA)P(B)=12

457
10 =47

Interprétation :

probabilités à priori :P(A) =12 ,P(A) =12 apports d"informations :P(BjA) =35 ,P(BjA) =45 probabilités à postériori pour les non porteuses de l"anticorpsB:

P(AjB) =37

,P(AjB) =47

Probabilité des causes :

Les47 des souris qui ne portent pas l"anticorpsBne portent pas non plus l"anticorps A, ce qui dénote peut-être une légère incidence deAsurB.

[PDF] [PDF] Le théorème de Bayes, démonstration et exemple

Le théorème de Bayes

Probabilités conditionnelles

Exemple

8 portent sur la biologie. Considérons les événements suivants :

A="le livre est écrit en anglais" ;P(A) =40100

B="le livre porte sur la biologie" ;

Probabilité conditionnelle

On a les relationsP(BjA) =840

Retenons

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

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

Probabilités totales

P(E) = 1,A1[A2[:::[An=EetAi\Aj=;pouri6=j. Alors

Démonstration

P(B) =P(B\E)

Problème

Le théorème de Bayes 2

P(l" une des deux boules au moins est rouge)

P(r;n) +P(n;r)P(r;n) +P(n;r) +P(r;r)=58

Préparation au théorème de Bayes

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

Le théorème de Bayes 3

Formule de Bayes

P(A1jB) =P(A1)P(BjA1)P(B)

P(A2jB) =P(A2)P(BjA2)P(B)

P(A1);P(A2);:::;P(An)

P(BjA1);P(BjA2);:::;P(BjAn)

P(A1jB);P(A2jB);:::;P(AnjB)

Probabilités des causes

Exemple

La moitié de la population porte l"anticorpsA.

Le théorème de Bayes 4

Pour la partition(A;A), la formule de Bayes donne

P(B) =P(A)P(BjA) +P(A)P(BjA) =12

P(AjB) =P(A)P(BjA)P(B)=12

P(AjB) =P(A)P(BjA)P(B)=12

Interprétation :

P(AjB) =23

Probabilité des causes :

Pour la partition(A;A), la formule de Bayes donne

P(B) =P(A)P(BjA) +P(A)P(BjA) =12

P(AjB) =P(A)P(BjA)P(B)=12

P(AjB) =P(A)P(BjA)P(B)=12

Interprétation :

P(AjB) =37

Probabilité des causes :

Le théorème de Bayes 5

Lien hypertexte vers la page mère

Marcel Délèze