Total Probability Theorem - Cornell University
† Example A coin is flipped 10 times ¢ Ω is the space of all sequences of H and T of length 10 ¢ Let X count the number of heads ¢ For example X(HHTHHTTHTH) = 6 † Can you think of an analogous X for the other prob-lems mentioned above? 6 †
WORKED EXAMPLES 1 TOTAL PROBABILITY AND BAYES’ THEOREM
TOTAL PROBABILITY AND BAYES’ THEOREM EXAMPLE 1 A biased coin (with probability of obtaining a Head equal to p > 0) is tossed repeatedly and independently until the first head is observed Compute the probability that the first head appears at an even numbered toss SOLUTION: Define:
MATH 323 - TOTAL PROBABILITY AND BAYES THEOREM: EXAMPLES
MATH 323 - TOTAL PROBABILITY AND BAYES THEOREM: EXAMPLES EXAMPLE 1 A biased coin (with probability of obtaining a Head equal to p > 0) is tossed repeatedly and independently until the first head is observed
Priors, Total Probability, Expectation, Multiple Trials
Estimating P(B) Total Probability Theorem: If A 1, A 2, A 3, is a (finite or countably infinite) partition of S (they are pairwise disjoint subsets and their union is S), and
Probability Theory 1 Sample spaces and events
For example, the sample space might be the outcomes of the roll of a die, or ips of a coin To each element xof the sample space, we assign a probability, which will be a non-negative number between 0 and 1, which we will denote by p(x) We require that X x2S p(x) = 1; so the total probability of the elements of our sample space is 1
Bayes Theorem Examples By Scott Hartshorn
change it would roll a 2, so the total probability that our friend would draw the 8 sided die, and roll a 2 is 1 / 24 Step 5 – Normalize the Results The total probability of the picking one of the 3 dice, and rolling a 2 is 1/12 + 1/18 + 1/24 = 13 / 72 So we know that the odds that we selected any of the dice and rolled a 2 are 13 / 72
Worked examples — Basic Concepts of Probability Theory
Worked examples — Basic Concepts of Probability Theory Example 1 A regular tetrahedron is a body that has four faces and, if is tossed, the probability that it lands on any face is 1/4 Suppose that one face of a regular tetrahedron has three colors: red, green, and blue The three faces each have only one color: red, blue, and green
GCSE TOPIC BOOKLET PROBABILITY: SAMPLE SPACE DIAGRAMS
The table below shows some of the possible total scores (a) (b) (c) 6 4 Second dice 6 4 10 First dice Complete the table to show all the possible total scores What is the probability of getting a total score of 20 or more? If the two dice are thrown 720 times, how many times would you expect to get a total score of 20 or more?
Probabilit´es - Université Paris-Saclay
Groupe 3 Groupe 4 TOTAL Filles 3 10 13 Garc¸ons 25 19 44 TOTAL 28 29 57 Quelle est la probabilit´e que j’aie tir´e 1 ´etudiant(e) de chaque genre et 1 ´etudiant(e) de chaque groupe Au total, il y a 57×56 = 3192 arrangements de 2 ´etudiant(e)s parmi 57 On consid`ere que tous ces arrangements sont ´equiprobables
[PDF] formule des probabilités totales démonstration
[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
Chapitre 1Probabilit´es1.1 D´enombrement : motivation1.1.1 Calculer une probabilit´e par d´enombrementExemple 1Je tire au hasard 2 ´etudiants parmi les 57 pr´esents dans la salle. Il y a
Groupe 3Groupe 4TOTAL
Filles31013
Gar¸cons251944
TOTAL282957
Quelle est la probabilit´e que j"aie tir´e 1 ´etudiant(e) dechaque genre et 1 ´etudiant(e) de chaque
groupe. Au total, il y a 57×56 = 3192arrangementsde 2 ´etudiant(e)s parmi 57. On consid`ere que tous ces arrangements sont ´equiprobables. Les arrangements favorables sont de la forme (F3,G4), (F4,G3), (G3,F4) et (G4,F3). Donc l"ensembleEdes arrangements favorables est la r´eunion de 4 sous-ensembles disjointsA,B,Cet D. cardA= card{filles du groupe 3} ×card{gar¸cons du groupe 4}= 3×19 = 357, cardB= card{filles du groupe 4} ×card{gar¸cons du groupe 3}= 10×25 = 250, cardC= card{gar¸cons du groupe 3} ×card{filles du groupe 4}= 25×10 = 250, cardD= card{gar¸cons du groupe 4} ×card{filles du groupe 3}= 19×3 = 357. D"o`u cardE= 357+250+250+357 = 1214. La probabilit´e de tirer 1 ´etudiant(e) de chaque genre et 1 ´etudiant(e) de chaque groupe vautP(E) =nombre de cas favorables
nombre de cas possibles=12143192= 0.38.Remarque 2Autre m´ethode.
On aurait pu ´ecrireE=H?Io`uH={la fille tir´ee est du groupe 3}etI={la fille tir´ee est du groupe 4}. Il y a deux ordres possibles (fille en premier, gar¸con en premier). On compte les arrangements qui commencent avec la fille en premier (il y en a357 dansH, 250 dansI) donc le nombre total est cardH= 2×357, cardI= 2×250Exemple 3G´en´eralisation. Probabilit´e pour qu"en tirant 3 ´etudiants au hasard, on tire exactement
1 fille et exactement 1 ´etudiant(e) du groupe 3.
12CHAPITRE 1. PROBABILIT´ES
Le nombre d"arrangementsde 3´etudiant(e)s parmi 57 est 57×56×55 = 175560.SoitE={tirages avec exactement 1 fille et exactement 1 ´etudiant(e) du groupe 3}. SoitHle sous-ensemble deEform´e des tirages dans lesquels la fille est du groupe 3. Former un ´el´ement deH, c"est choisir
d"abord la fille dans le groupe 3, puis choisir un gar¸con dansle groupe 4, puis choisir un autregar¸con (distinct du premier) dans le groupe 4, puis choisirl"ordre dans lequel ils vont sortir (il y
en a autant que depermutationsde 3 personnes, soit 6). Par cons´equent,P(H) = 3×19×18×6 = 6156.
SoitIle sous-ensemble deEform´e des tirages dans lesquels la fille est du groupe 4. Former un´el´ement deI, c"est choisir d"abord la fille dans le groupe 4, puis choisirun gar¸con dans le groupe
3, puis choisir un gar¸con dans le groupe 4, puis choisir l"ordre dans lequel ils vont sortir (il y en a
autant que depermutationsde 3 personnes, soit 6). Par cons´equent,P(I) = 10×25×19×6 = 28500.
CommeHetIsont disjoints etE=H?I,
cardE= cardH+ cardI= 6156 + 28500 = 34656. D"o`uP(E) =nombre de cas favorables
nombre de cas possibles=34656175560= 0.197.Remarque 4Autre m´ethode.
Au lieu des compter des arrangements, on compte des paires oudes triplets non ordonn´es (on parleplus g´en´eralement decombinaisons), puisque l"ordre dans lequel les individus sont tir´es n"apas
d"importance. PosonsO?={combinaisons de 3 individus parmi 57}, i.e. cardO?=57×56×556= 29260. L"en-
semble qui nous int´eresse estE?={combinaisons de 3 individus parmi 57 comportant exactement1 fille et 1 groupe 3}. AlorsH?={combinaisons de 3 individus dont 1 fille du groupe 3 et 2 gar¸cons
du groupe 4}a 3×19×18 = 1026 ´el´ements. De mˆeme,I?={combinaisons de 3 individus dont 1
fille du groupe 4 et 1 gar¸con de chaque groupe}a 10×25×19 = 4750 ´el´ements. Il vient
cardE?= cardH?+ cardI?= 1026+ 4750 = 5776,P(E) =nombre de cas favorables
nombre de cas possibles=577629260= 0.197.1.2 Techniques de d´enombrement
1.2.1 Diagrammes arborescents ou arbres
Exemple 5On consid`ere une urne qui contient deux boules rouges, deuxnoires et une verte. Ontire deux boules sans remise. Il s"agit d"une exp´erience `adeux ´etapes o`u les diff´erentes possibilit´es
qui peuvent survenir sont repr´esent´ees par un arbre horizontal.On obtient trois branches principales et trois branches secondaires pour chaque ´etape sauf pour le
cas o`u une verte a ´et´e tir´ee en premier. Le nombre de branches terminales de cet arbre donne le nombred"´el´ements de l"univers. V R N VR N V R N V N1.2. TECHNIQUES DE D´ENOMBREMENT3
Lorsqu"on rencontre beaucoup d"´etapes dans une exp´erience et de nombreuses possibilit´es `a
chaque ´etape, l"arbre associ´e `a l"exp´erience devient trop complexe pour ˆetre analys´e. Ces probl`emes
se simplifient `a l"aide de formules alg´ebriques, comme on va le voir. La d´emonstration de ces formules repose sur le fait que dansle cas d"une exp´erience `a deux ´etapes, par exemple, un arbre qui auraitrbranches principales etsbranches secondaires com- men¸cant `a partir desrbranches principales aurarsbranches terminales.1.2.2 Arrangements et permutations
Envisageons un ensemble denobjets diff´erents. Choisissons maintenantrde cesnobjets et ordonnons les.D´efinition 6Une disposition ordonn´ee derobjets distincts pris parminest appel´eearrangement
Combien y en a-t-il?
Pour compter le nombre total d"arrangements derobjets pris parmin, il suffit de consid´ererlesrpositions comme fix´ees et de compter le nombre de fa¸cons dont on peut choisir les objets pour
les placer dans cesrpositions. C"est une exp´erience `ar´etapes o`u l"on applique la technique du
paragraphe pr´ec´edent. Pour la premi`ere position, on anchoix possibles. Pour la deuxi`eme position,
on an-1 choix possibles... Pour lar-i`eme position, on an-r+ 1 choix possibles. Si on d´esigne parArnle nombre total d"arrangements cherch´es, l"arbre auraArnbranches terminales. On conclutProposition 7
A r n=n(n-1)(n-2)···(n-r+ 1) =n! (n-r)!. Rappel 8n!(lire "factoriellen") est le produit de tous les entiers jusqu"`an,n! =n(n-1)(n-2)···3.2.1. Par convention,0! = 1.
Exemple 9Les arrangements de deux lettres prises parmi 4 lettres{a,b,c,d}sont au nombre de A 2 4=4!2!= 12. Ce sont :(a,b),(a,c),(a,d),(b,a),(b,c),(b,d),(c,a),(c,b),(c,d),(d,a),(d,b),(d,c).
Cas particulier:r=nIl s"agit d"ordonnernobjets entre eux, c"est-`a-dire d"effectuer une permutation de ces n objets.D´efinition 10Une permutation den´el´ements est une disposition ordonn´ee de cesn´el´ements.
Proposition 11Les permutations den´el´ements sont au nombre deAnn=n!.1.2.3 Combinaisons
D´efinition 12Un choix derobjets distincts pris parminsans tenir compte de leur ordre est appel´e combinaison derobjets pris parmin. Dans l"exemple pr´ec´edent correspondant `a l"ensemble des quatre lettres{a,b,c,d}, la combi- naison{a,b}est la mˆeme que la combinaison{b,a}alors que l"arrangement (a,b) est diff´erent de l"arrangement (b,a). Combien y en a-t-il? Le nombre total de combinaisons derobjets pris parminest not´eCrnou?r n? . Pour trouver l"expression de?r n? , comparons le nombre d"arrangements et de combinaisons possibles derobjets pris parmin. - Dans un arrangement on choisitrobjets, puis on tient compte de leur ordre. - Dans une combinaison seul le choix desrobjets compte. Comme le nombre de fa¸cons d"or- donner lesrobjets choisis estr!, on conclut qu"`a chaque combinaison derobjets pris parmi n, on peut associerr! arrangements et donc qu"il y ar! fois plus d"arrangements que de combinaisons.4CHAPITRE 1. PROBABILIT´ES
On conclut
Proposition 13
?r n? =Arn r!=n(n-1)(n-2)···(n-r+ 1)r!=n!r!(n-r)!. Exemple 14Le nombre de combinaisons de deux lettres prises parmi quatre{a,b,c,d}est?24? 4!2!2!= 6. Ce sont :{a,b},{a,c},{a,d},{b,c},{b,d},{c,d}.
1.2.4 Permutations lorsque certains ´el´ements sont semblables
Dans les paragraphes pr´ec´edents, on a suppos´e que lesnobjets ´etaient tous diff´erents. Il arrive
parfois que lesnobjets en contiennent un certain nombre qui sont indiscernables. Supposons qu"il n"y ait queksortes d"objets distincts sur lesnobjets. Il y a -n1objets de la 1-`ere sorte, -n2objets de la 2-`eme sorte.... -nkobjets de lak-`eme sorte.On a bien sˆurn1+n2+···+nk=n.
Pour d´eterminer le nombre total de permutations distinctes, comparons ce nombre cherch´ePavec le nombre obtenu si on supposait les objets diff´erenci´es. Pla¸cons nous dans le cas de l"exemple
suivant : On cherche le nombre d"anagrammes du motPROBABILITE. Choisissons un de ces anagrammes : le plus simple estPROBABILITE.- Si on diff´erencie les lettresB, cette disposition peut provenirdes deux permutationsPROB1AB2ILITE
ouPROB2AB1ILITE, soit 2! possibilit´es.- Si on diff´erencie les lettresI, cette disposition peut provenirdes deux permutationsPROBABI1LI2TE
ouPROBABI2LI1TE, soit encore 2! possibilit´es A un anagramme correspond donc 2!×2! = 4 permutations, ce qui signifie qu"il y a 4 fois plus de permutations que d"anagrammes. Le motPROBABILITEcomprend 11 lettres. Il y a 11! permutations possibles. On a donc 11!2!2!= 9979200 anagrammes possibles.
Cas g´en´eral. La diff´erenciation desn1premiers objets donneran1! fois plus d"´el´ements que
ce qu"on cherche, la diff´erenciation desn2premiers objets donneran2! fois plus d"´el´ements que
ce qu"on cherche, et finalement on trouve quen! estn1!n2!···nk! fois plus grand que le nombre
cherch´eP. On conclut Proposition 15Le nombre d"anagrammes d"un mot denlettres, comportant seulementk < n lettres distinctes, en nombresn1,...,nkest P=n! n1!n2!···nk!.1.2.5 Cas ou les ´el´ements ne sont pas obligatoirement distincts
Combien y a-t-il de mani`eres de choisirr´el´ements parminde fa¸con ordonn´ee en n"imposant
pas qu"ils soient tous distincts les uns des autres? En 1`ere position, il y anchoix possibles. En 2`eme position, il y a encorenchoix possibles... Enr`eme position, il y a toujoursnchoix possibles.Conclusion : Il y a doncnrchoix pour les r ´el´ements (rpeut ˆetre sup´erieur `andans ce cas).
1.3. PROBABILIT´ES : MOTIVATION5
1.2.6 R´ecapitulation
ConditionsLe nombre detirages possiblesest le nombre de :Un exemple usuelp≥nlesp´el´ements nesont pasn´ecessairementtous distincts maissont ordonn´esp-listes d"´el´ementsde E, soit :nptirages successifsavec remise depobjets parmin.
p < nlesp´el´ements sonttous distincts etordonn´esarrangements dep´el´ements deE,soit :Apntirages successifssans remise depobjets parmin.
p=nlesn´el´ements sonttous distincts etordonn´espermutations desn´el´ements deE,soit :n!anagrammes d"unmot form´e delettres toutesdistinctes.
p < nlesp´el´ements sonttous distincts etnon ordonn´escombinaisons dep´el´ements de E, soit?p
n?tirages simultan´esdepobjets parmin.1.3 Probabilit´es : motivation
1.3.1 Solution de l"exemple 1 par probabilit´es conditionnelles
On note Ω l"ensemble des arrangements de 2 ´etudiants parmi 57, muni de la probabilit´e uni-
forme. La probabilit´e de l"´ev`enementA, c"est la probabilit´e de tirer en premier une fille du groupe
3, soit 3/57, multipli´ee par la probabilit´e, sachant qu"on a dej`a tir´e une fille du groupe 3, de tirer
un gar¸con du groupe 4, soitP(A) =P(F3)×P(G4|F3) =3
57×P(G4|F3).
Or une fois qu"on a tir´e une fille du groupe 3, il reste `a tirerun ´etudiant dans un paquet de 56 qui
compte 19 gar¸cons du groupe 4, doncP(G4|F3) =1956. Il vientP(A) =3×1957×56=3573192. Idem pour
B,CetD. Donc
P(E) =357
3192+2503192+2503192+3573192=12143192= 0.38.
En fait, on a not´eF3 l"´ev`enement{le premier tirage est une fille du groupe 3}etG4 l"´ev`enement
{le second tirage est un gar¸con du groupe 4}. AlorsA=F3∩G4, et on a utilis´e le principeP(F3∩G4) =P(F3)×P(G4|F3).
Exemple 16Quelle est la probabilit´e que tous les ´etudiants dans la salle aient des dates d"anni-
versaires distinctes?On fait l"hypoth`ese que les dates d"anniversaires des 57 ´etudiants sont ind´ependantes et que
pour chaque ´etudiant, toutes les dates de 1 `a 365 sont ´equiprobables. Soit Ω ={listes de 57 dates d"anniversaire}. Alors cardΩ = 36557= 10146. SoitE={listes de57 dates d"anniversaires toutes distinctes}={arrangements de 57 dates parmi 365}. D"o`u
P(E) =A57365
36557= 0.00988.
On peut aussi raisonner par probabilit´es conditionnelles. SoitAnl"´ev`enement{lesnpremi`eresdates sont distinctes}etBnl"´ev`enement{lan-`eme est distincte desn-1 dates pr´ec´edentes}. Alors
6CHAPITRE 1. PROBABILIT´ES
A n=Bn∩An-1, etP(Bn|An-1) =365-n+1365, d"o`u
P(An) =P(Bn∩An-1)
=P(An-1)×P(Bn|An-1) =P(An-1)×365-n+ 1 365365-1
365···365-n+ 2365365-n+ 1365.
On conclut carE=A57= 0.00988.
1.4 Probabilit´e sur un ensemble fini
1.4.1 Ev`enement al´eatoire
Historiquement, la notion de probabilit´e s"est d´egag´ee`a partir d"exemples simples emprunt´es
aux jeux de hasard (le mot hasard vient de l"arabeaz-zahr: le d´e). Nous allons introduire cette notion en l"associant `a un exemple : le jeu de d´e.D´EFINITIONSEXEMPLE
Une exp´erience al´eatoire est uneexp´erience dont on ne peutpr´evoir le r´esultat.L"exp´erience est le jet d"un d´ecubique ordinaire. Le r´esultat del"exp´erience est le nombreindiqu´e sur la face sup´erieure dud´e.
On peut alors lui associer alorsun univers appel´e aussiensemble fondamental del"exp´erience qui est l"ensemblede tous les r´esultats possibles del"exp´erience al´eatoire. On lenote Ω.Ω ={1,2,3,4,5,6}.
Un ´ev´enement al´eatoire est unsous-ensemble de Ω.L"´ev´enementobtenir un nombrepairest le sous-ensembleA={2,4,5}de Ω.
On dit que l"´ev´enementAestr´ealis´e si le r´esultat del"exp´erience appartient `aA.Si la face sup´erieure du d´eindique 5,An"est pas r´ealis´e. Sielle indique 4,Aest r´ealis´e.
Si un ´ev´enement ne contientqu"un seul ´el´ement, on dit quec"est un ´ev´enement ´el´ementaire.B={1}est un des 5´ev´enements ´el´ementaires de Ω.
1.4.2 De la fr´equence `a la probabilit´e de r´ealisation d"un ´ev`enement
al´eatoireLa fr´equence th´eorique d"un ´ev´enement est la limite de la fr´equence de r´ealisation de cet
´ev´enement lorsque le nombre de r´ep´etitions d"une mˆemeexp´erience tend vers l"infini (c"est ce
qu"exprime une des lois de la th´eorie des probabilit´es appel´ee la loi faible des grands nombres).
Cela signifie que si l"on veut connaˆıtre la fr´equence th´eorique d"apparition du nombre 6 dans
notre jet de d´e, il suffit de le lancer un grand nombre de fois, 10000 par exemple. La fr´equence
th´eorique cherch´ee, que l"on appellera probabilit´e de r´ealisation de l"´ev´enement ´el´ementaire{6},
sera tr`es voisine de la fr´equence exp´erimentale d"apparition du nombre 6 au cours de nos 10000
lancers. Elle sera encore plus voisine de la fr´equence exp´erimentale obtenue lors de 100000 lancers.
Le grand nombre de r´ep´etitions de l"exp´erience al´eatoire efface la notion de "chance".
La notion de fr´equence th´eorique ou de probabilit´e va permettre d"indiquer si, lors d"une
exp´erience al´eatoire, un ´ev´enement donn´e est plus ou moins susceptible d"ˆetre r´ealis´e.
Les probabilit´es peuvent ˆetre class´ees suivant trois crit`eres :- Une probabilit´e `a priori est une probabilit´e d´etermin´ee `a l"avance, sans effectuer aucune
exp´erience.1.4. PROBABILIT´E SUR UN ENSEMBLE FINI7
Exemple. On peut `a priori accorder une probabilit´e de 0.5 `a ´ev´enement qui consiste `a obtenir
le cˆot´e face d"une pi`ece de monnaie non truqu´ee.- La probabilit´e empirique d"un ´ev´enement est d´etermin´ee `a l"aide de l"observation et de
l"exp´erimentation. C"est la valeur limite de la fr´equence de r´ealisation de ´ev´enement lorsque
l"exp´erience est r´ealis´ee un tr`es grand nombre de fois. Exemple. Si lorsqu"on a lanc´e la pi`ece de monnaie 10000 fois on constate que la fr´equencedu cˆot´e face se stabilise autour de 0.65, il faut envisagerde r´eviser notre probabilit´e `a priori
et conclure que la pi`ece est truqu´ee. Ce type de probabilit´e joue un rˆole important pour les
pr´evisions d"articles en stock chez un d´etaillant, pour le calcul des primes des compagnies d"assurances, etc...- La probabilit´e subjective est le dernier type de probabilit´e. Elle intervient lorsqu"il est im-
possible d"´etablir une probabilit´e `a priori ou une probabilit´e empirique. Exemple. Le directeur d"une entreprise peut en se fiant `a son exp´erience affirmer qu"il y a une probabilit´e de 0.6 que ses employ´es d´eclenchent une gr`eve. Nous nous int´eresserons principalement aux deux premierstypes de probabilit´e.Vu qu"une probabilit´e peut ˆetre consid´er´ee comme une fr´equence id´eale, on lui connaˆıt d"avance
certaines propri´et´es. - Une probabilit´e est une quantit´e sans dimension. - Elle est toujours comprise entre 0 et 1.- L"univers Ω a la probabilit´e maximum d"ˆetre r´ealis´e, car c"est l"´ev´enement certain. Sa proba-
bilit´e de r´ealisation est donc ´egale `a 1.- SiAetBsontincompatibles(ensembles disjoints), la fr´equence de r´ealisation de l"´ev´enement
AouBest la somme de la fr´equence de r´ealisation deAet de la fr´equence de r´ealisation de
B.1.4.3 Propri´et´es des probabilit´es d"un ´ev`enement al´eatoire
D´efinition 17Si l"universΩest constitu´e den´ev´enements ´el´ementaires{ei}, unemesure de
probabilit´esurΩconsiste `a se donnernnombrespi?[0,1], les probabilit´es des ´ev´enements
´el´ementaires, tels que
n i=1p i= 1.Si l"´ev´enementAest la r´eunion disjointe dek´ev´enements ´el´ementaires{ei}, avec0< k < n, la
probabilit´e deAvaut, par d´efinition, p(A) =p(k? i=1{ei}) =k? i=1p(ei) =k? i=1p i.La signification concr`ete de la probabilit´e d"un ´ev´enementAest la suivante. Dans une exp´erience
al´eatoire, plusp(A) est proche de 1, plusAa de chances d"ˆetre r´ealis´e; plusp(A) est proche de 0,
moins il a de chances d"ˆetre r´ealis´e.Exemple 18Probabilit´euniformeou´equiprobabilit´e: tous lesPivalent1/n. La probabilit´e d"un
sous-ensemble `ak´el´ements vaut alorsp(A) =k n=cardAcardΩ. On exprime aussi cette propri´et´e par la formule p(A) =Nombre de cas favorablesNombre de cas possibles.
Les propri´et´es suivantes d´ecoulent de la d´efinition.8CHAPITRE 1. PROBABILIT´ES
Propri´et´e 19SiAetBsont incompatibles, i.e., si leur intersectionA∩Best vide, alors p(A?B) =p(A) +p(B).Propri´et´e 20SiBest un sous-ensemble deA,
En effet,B=A?(B\A). OrAetB\Asont incompatibles (B\Aest l"ensemble des ´el´ements deBqui ne sont pas ´el´ements deA). Doncp(B) =p(A)+p(B\A). Commep(B\A) est positive, on obtient le r´esultat annonc´e.Propri´et´e 21On appelle∅l"´ev`enement impossible, puisqu"il n"est jamais r´ealis´e. Sa probabilit´e
vautp(∅) = 0.Propri´et´e 22On note¯Al"´ev`enement contraire deA. C"est le compl´ementaire deAdansΩ. Sa
probabilit´e vaut p(¯A) = 1-p(A).ΑΩ_
Propri´et´e 23(Th´eor`eme des probabilit´es totales). SiAetBsont deux sous-ensembles deΩ,
p(A?B) =p(A) +p(B)-p(A∩B). Preuve.p(A) =p(A\B) +p(A∩B) carA\BetA∩Bsont incompatibles. De mˆeme p(B) =p(B\A) +p(A∩B) carB\AetA∩Bsont incompatibles. De plus,p(A?B) = p(A\B) +p(B\A) +p(A∩B), carA\B,B\AetA∩Bsont incompatibles. En additionnant, il vientp(A?B) =p(A) +p(B)-p(A∩B).1.5. PROBABILIT´E CONJOINTE9
Propri´et´e 24(G´en´eralisation du th´eor`eme des probabilit´es totales ou r`egle de l"addition). Si
A1,...,Akforment unepartitiondeΩ, i.e. ils sont deux `a deux disjoints (i?=j?Ai∩Aj=∅),
etΩ =k? j=1A j, alors k j=1p(Aj) = 1. Dans cette situation, on dit parfois que lesAjforment unsyst`eme complet d"´ev`enements.4ΩΑΑ
ΑΑΑ513
21.5 Probabilit´e conjointe
La probabilit´e que deux ´ev´enementsAetBse r´ealisent est appel´ee probabilit´e conjointe deA
etB, not´eep(A∩B) et s"´enon¸cant probabilit´e deAetB. Le calcul de cette probabilit´e s"effectue
de mani`ere diff´erente selon queAetBsont d´ependants ou ind´ependants, c"est-`a-dire selon que la
r´ealisation de l"un influence ou non celle de l"autre.1.5.1 Ev´enements ind´ependants
Exemple 25Je lance un d´e rouge et un d´e vert et je cherche la probabilit´e d"obtenir un total de
2. Je dois donc obtenir 1 avec chacun des deux d´es. La probabilit´e d"obtenir 1 avec le d´e rouge est
1/6et demeurera1/6quelque soit le r´esultat du d´e vert. Les deux ´ev´enements"obtenir 1 avec le
d´e rouge" et "obtenir 1 avec le d´e vert" sont ind´ependants.Propri´et´e 26Si deux ´ev´enements sont ind´ependants, la probabilit´e qu"ils se r´ealisent tous les deux
est ´egale au produit de leurs probabilit´es respectives. On peut donc ´ecrire : p(A∩B) =p(A)×p(B). Dans notre exemple :p(total = 2) =p(d´e vert = 1)×p(d´e rouge = 1) = 1/36.Remarque 27Les tirages avec remise constituent une bonne illustrationd"´ev´enements ind´ependants.
1.5.2 Ev´enements d´ependants - probabilit´e conditionnelle
Si deux ´ev´enements sont d´ependants plutˆot qu"ind´ependants, comment calculer la probabilit´e
que les deux se r´ealisent, puisque la probabilit´e de r´ealisation de l"un d´epend de la r´ealisation
de l"autre? Il nous faut connaˆıtre pour cela le degr´e de d´ependance des deux ´ev´enements qui est
indiqu´e par la notion de probabilit´e conditionnelle.D´efinition 28SoientAetBdeux ´ev´enements,A´etant suppos´e de probabilit´e non nulle. On
appelleprobabilit´e conditionnelledeBpar rapport `aA, la probabilit´e de r´ealisation de l"´ev´enement
Bsachant queAest r´ealis´e. On la note
p(B|A) =p(A∩B) p(A).10CHAPITRE 1. PROBABILIT´ES
p(B|A) se litpdeBsiAoupdeBsachantA.Remarque 29L"application :pB:A?→pB(A) =p(A|B),Ω→[0,1], est une probabilit´e surΩet
v´erifie toutes les propri´et´es d"une probabilit´e. Th´eor`eme 1(Th´eor`eme des probabilit´es compos´ees ou r`egle de la multiplication). p(A∩B) =p(B|A)p(A) =p(A|B)p(B). En voici une g´en´eralisation. SoitA1,...,Akun syst`eme complet d"´ev`enements. Alors p(B) =k? j=1p(B∩Aj) =k? j=1p(Aj)p(B|Aj). Th´eor`eme 2(Formule de Bayes). SoitA1,...,Akun syst`eme complet d"´ev`enements. SoitEun ´ev`enement de probabilit´e non nulle. Alors p(Aj|E) =p(Aj∩E) p(E)=p(Aj)p(E|Aj)?ki=1p(Ai)p(E|Ai).Remarque 30Les tirages sans remise constituent une bonne illustrationd"´ev´enements d´ependants.
Exercice 31Une urne contient 5 boules noires et 3 boules blanches. Quelle est la probabilit´e d"extraire 2 boules blanches en 2 tirages?Solution de l"exercice 31.Tirage sans remise.
AppelonsB1, l"´ev´enement : obtenir une boule blanche au premier tirage. AppelonsB2, l"´ev´enement : obtenir une boule blanche au deuxi`eme tirage.La probabilit´e cherch´eep(B1∩B2) est ´egale `ap(B1)×p(B2|B1). Orp(B1) vaut 3/8 etp(B2|B1)
est ´egale `a 2/7 puisque lorsqu"une boule blanche est sortie au premier tirage, il ne reste plus que
quotesdbs_dbs41.pdfusesText_41