Vous êtes sur la page 1sur 22

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

Chapitre 2

Probabilits
Sommaire 1. Introduction3 2. Espace fondamental et vnements.3
2.1. Dfinition3 2.2. Evnements remarquables..5 2.3. Oprations sur les vnements.6

2.3.1. Lintersection de deux vnements 6 2.3.2. La runion de deux vnements.7 2.3.3. Linclusion dun vnement8
2.4. Systme complet dvnements9 2.5. Espace probabilisable9

3. Probabilits..9
3.1. Dfinitions10

3.1.1. Concept mathmatique..10 3.1.2. Probabilits combinatoires..10 3.1.3. Loi des grands nombres11 3.1.4. Espace probabilis.12
3.2. Proprits des probabilits12

3.2.1. Additivit.12 3.2.2. Evnement contraire13 3.2.3. Evnement impossible.14

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

3.2.4. Inclusion14
3.3. Indpendance statistique.15

3.3.1.Dfinition.15 3.3.2. Proprits.16 3.3.3. Gnralisation n vnements16


4. Probabilits conditionnelles..17 4.1. Dfinition..17 4.2. Probabilits composes.18 4.3. Probabilits totales..20 4.4. Le thorme de Bayes20

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

1.

Introduction

Les premires personnes stre intresses aux problmes des probabilits furent des mathmaticiens franais, Blaise Pascal et Pierre de Fermat qui rpondaient aux questions souleves par un adepte des jeux de hasard, le chevalier de Mr. A cette poque, la thorie des probabilits se dveloppa uniquement en relation avec les jeux de hasard. Mais avec Pierre Simon Laplace et Karl Friedrich Gauss , les bases de la thorie furent tendues dautres applications et phnomnes. Le calcul des probabilits fournit une modlisation efficace des situations non dterministes cest--dire des phnomnes alatoires ou stochastiques. En ce qui concerne les premiers, le rsultat dune exprience suit une loi rigoureuse connue (taux de croissance dune population bactrienne). On peut donc ainsi prvoir le rsultat pour un vnement donn. En revanche dans le cas des phnomnes alatoires, le rsultat de lexprience nest pas connu avec certitude mais fluctue autour dun rsultat moyen qui est rgit par une loi (transmission des caractres selon la loi de Mendel). Il existe deux manires dintroduire la notion de probabilit : La probabilit a priori, subjective dun vnement est un nombre qui caractrise la croyance que lon a que cet vnement est ralis avec plus ou moins de certitude avant lexcution de lexprience : lvnement est ralis (probabilit 1) et lvnement nest pas ralis (probabilit 0). La probabilit empirique assimile une frquence est dfinie partir dexpriences indfiniment renouvelables. La probabilit dun vnement est alors la frquence dapparition de cet vnement. Enfin le calcul des probabilits utilise lanalyse combinatoire ainsi que la thorie des ensembles.

2.

Espace fondamental et vnements

La thorie des ensembles qui est succinctement prsente dans ce chapitre constitue un outil puissant dans plusieurs branches des mathmatiques, notamment en probabilits. 2.1 Dfinitions

En face de situations dont lissue est incertaine, on a bien souvent envie dattribuer chacune des ventualits possibles une vraisemblance plus ou moins grande. Afin de donner une rigueur mathmatique ce concept, il est ncessaire tout dabord de donner quelques dfinitions. Une exprience ou une preuve est qualifie dalatoire si on ne peut pas prvoir son rsultat et si, rpte dans des conditions identiques, elle peut donner des rsultats diffrents. Le rsultat dune exprience not constitue une ventualit ou un vnement lmentaire. 3

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

lensemble des vnements lmentaires possibles pour une exprience alatoire donne constitue lespace fondamental appel univers ou univers des possibles not . Exemple : Lors dun contrle sanguin, lensemble des rsultats possibles si lon sintresse (1) au groupe sanguin et au facteur rhsus dun individu est = A+, A-, B+, B-, AB+, AB-, O+, O- (2) au nombre de globules blancs = N = 1,2,..n, (3) au taux de glycmie tat de subir une prise de sang. = [0 ;15] au-del de 15, lindividu nest plus en
*

Ainsi pour une mme preuve, lunivers peut tre fini (toutes les ventualits sont connues : cas 1) ou infini (toutes les ventualits ne sont pas connues : cas 2 et 3). Dans ces deux derniers cas, lunivers peut tre dnombrable si on peut numroter les ventualits connues (cas 2) ou bien continu comme dans le cas du taux de glycmie (cas 3).

Un vnement quelconque A est un ensemble dvnements lmentaires et constitue une partie de lunivers des possibles dont on sait dire lissue de lpreuve sil est ralis ou non. Si A, alors A est ralis. Mais si A alors A nest pas ralis et cest A , lvnement contraire qui est ralis. Un vnement est donc une assertion relative aux rsultats dune exprience. Il est possible quun vnement ne soit constitu que dun seul vnement lmentaire. Les vnements sont reprsents par des lettres majuscules, A, B, C, A1, A2, etc. Exemple : Dans lexemple concernant les groupes sanguins, - lvnement A lindividu est de rhsus positif est reprsent par : A = A+, B+, AB+, O+ avec A - lvnement B lindividu est donneur universel est reprsent par : B = {O-} un seul vnement lmentaire Dans le cadre de cet exemple, lvnement A est ralis si le rsultat du typage donne lun des 4 groupes sanguins A+,B+,AB+,O+. Remarque : Pour ce mme exemple, le rsultat la glycmie vaut 2 ne constitue pas un vnement car il est impossible de savoir sil est ralis ou non. Toute partie de nest pas forcment un vnement. Ainsi il faut toujours dfinir aprs avoir dtermin lunivers , lensemble des vnements (). 4

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

Si est fini, chaque partie A de lunivers (A ) est constitue dun nombre fini dventualits et dans ce cas lensemble des vnements est tel que :

() = P () lunivers des possibles


Dans le cadre de ce cours, nous nous placerons dans le cas o lensemble des vnements de lunivers est clairement dfini.

2.2.

Evnements remarquables

Lvnement impossible not est lvnement qui ne peut tre ralis quelle que soit lissue de lpreuve. Bien que constitu daucune ventualit, est considr comme un vnement : () Lvnement certain, not est toujours ralis quelle que soit lissue de lpreuve. Il est constitu de toutes les ventualits et lon impose que ce soit un vnement : ()

Lvnement contraire ou complmentaire dun vnement A, not

CA

ou A est

lvnement qui est ralis si et seulement si A ne lest pas. Il est donc constitu des vnements lmentaires qui ne sont pas dans A.

A A
Le complmentaire CA ou A correspond la ngation logique non A.

Exemple : Dans lexemple concernant les groupes sanguins, lvnement contraire de A lindividu est de rhsus positif est constitu des vnements lmentaires suivant : A = A-, B-, AB-, O- Par dfinition, on obtient les relations suivantes : A=A = =

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

2.3.

Oprations sur les vnements

Si lon considre simultanment la ralisation de deux vnements A et B, il est possible deffectuer des oprations sur ces ensembles.

2.3.1.

Lintersection de deux vnements

On appelle intersection de deux vnements A et B, lvnement qui est ralis si et seulement si A et B le sont. Il est donc constitu des ventualits appartenant la fois A et B. Cest un vnement not A B tel que : A, B (), A B () avec A B ( A et B)

Lintersection A B correspond la conjonction logique A et B .

Lintersection des deux vnements A et B figure en vert sur le graphe ci-contre. Remarque : Lunivers des possibles ntant pas limit uniquement aux vnements A (parties rouge et verte) et

B (parties bleu et verte), lvnement


complmentaire A , est form des parties bleu et blanche. Exemple : Dans lexemple concernant les groupes sanguins, si lvnement A lindividu est de rhsus positif , on ajoute lvnement B lindividu possde lallle B , lintersection de ces deux vnements donne : A B = B+, AB+

Deux vnements A et B sont incompatibles ou disjoints, sils ne peuvent tre raliss simultanment. On a alors : AB=

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

Quelques proprits de lintersection ( ) : A A = A=A A= AB=BA A (B C) = (A B) C A (B C) = (A B) (A C)


vnements incompatibles lment neutre () lment absorbant () commutativit associativit distributivit avec la runion ()

2.3.2. La runion de deux vnements

On appelle runion de deux vnements A et B, lvnement qui est ralis si et seulement si A ou B est ralis. Il est donc constitu des ventualits appartenant A ou B. Cest un vnement not A B tel que : A,B (), A B () avec A B ( A ou B ) La runion A B correspond la disjonction logique A ou B .

La runion des deux vnements A et B figure


B A

en vert sur le graphe ci-contre. Remarque : La runion de deux vnements nest pas la somme algbrique des

AB

vnements dans la mesure o la zone de recouvrement nest pas comptabilise deux fois.

Exemple : Dans lexemple concernant les groupes sanguins, si lvnement A lindividu est de rhsus positif , on ajoute lvnement B lindividu possde lallle B , la runion de ces deux vnements donne : A B = A+, B+, B-, AB+, AB-, O+ 7

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

Quelques proprits de la runion () : A A = A=A A= AB=BA A (B C) = (A B) C A (B C) = (A B) (A C)


vnements complmentaires lment neutre () lment absorbant () commutativit associativit distributivit avec lintersection ()

Selon les lois de Morgan, nous avons :

A B= AB ce qui correspond la partie hachure sur ce graphe. A B= AB ce qui correspond lensemble vide lorsque lunivers des possibles nest constitu que des vnements A et B (graphe).
2.3.3. Linclusion dun vnement

Un vnement A entrane un vnement B si la ralisation de A implique celle de B. On dit que lvnement A est inclus dans lvnement B. AB

Limplication logique A B se traduit par linclusion A B . Exemple de linclusion de lvnement A en rouge dans lvnement B en bleu.

Exemple : Soit une urne contenant des billes rouges unies et des billes vertes unies et stries. Si lon note A lvnement obtention dune bille strie et B lvnement obtention dune bille verte , la ralisation de A implique la ralisation de B car A est inclus dans B.

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

2.4.

Systme complet dvnements

A1 , A2 ,....., An forment un systme complet dvnements si les parties A1 , A2 ,....., An de i Ai constituent une partition de telle que : i j Ai A j = U Ai =
i

Un systme complet dvnements est form de toutes les parties de , cest--dire des familles dvnements 2 2 incompatibles dont la runion constitue lvnement certain .

Le nombre de partitions possibles dans un ensemble fini de n vnements est : n si Card () = n alors Card (P()) = 2 Illustration

2.5. Espace probabilisable Supposons que lensemble des vnements constitue une classe C de P() , telle que : C P() On appelle espace probabilisable (, C), un objet form de deux lments :

3. .
avec :

un espace dventualits un espace dvnements C P()

(P1) (P2) (P3)

AC

A C

Ai C (i N*)
C

UA
i

Ces trois axiomes ou proprits suffisent dfinir un espace probabilisable et on pourrait montrer quil implique que C et I Ai C
i

3.

Probabilits

Le passage dune description de type ensembliste des phnomnes alatoires llaboration dun vritable modle mathmatique se fait en introduisant les mesures de probabilit. 9

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

3.1

Dfinitions

3.1.1 Concept mathmatique

On appelle probabilit P toute application de lensemble des vnements dans lintervalle [0,1], tel que : P : () [0,1]

A a P( A)
satisfaisant les proprits (ou axiomes) suivantes (P1) (P2) (P3) A () P(A) 0 P() = 1 A, B () si AB = alors P(AB)=P(A) + P(B)

Remarque : Le concept mathmatique de probabilit modlise les notions intuitives de proportion et de frquence. Si lon avance que la probabilit dtre immunis contre la tuberculose est de 0,8, on modlise le fait quenviron 80 % de la population est immunis contre la tuberculose.

3.1.2.

Probabilits combinatoires

Soit un espace fondamental fini constitu de N vnements lmentaires sur lequel on fait lhypothse dquiprobabilit de ralisation des N vnements lmentaires. On suppose ainsi que tous les vnements lmentaires ont la mme chance de se raliser. Dans ce cas la probabilit pi dun vnement lmentaire quelconque I est telle que :

pi =
satisfaisant (P1) (P2)

1 avec pi = P(I ) N

avec I pi 0

p
i

=1

Soit A un vnement quelconque constitu de k vnements lmentaires de , on en dduit :

P(A) =

k N

avec P(A) =

iA

pi

Cette formule snonce souvent comme :

P (A ) =

card A nombre de cas favorables = nombre de cas possibles card

10

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

Cette formule permet de ramener les calculs de probabilits des dcomptes dvnements lmentaires effectus par des techniques danalyse combinatoire qui ne sont pas des probabilits.

Exemples : (1) En tapant 5 lettres au hasard sur une machine crire (possibilit de taper plusieurs fois sur la mme touche), la probabilit dobtenir le mot lutte est dune chance sur 12 millions. En effet il y a exactement 11 881 376 mots de 5 lettres possibles (Voir Arrangement avec rptition). (2) La probabilit dobtenir un multiple de trois lors du lanc dun d 6 faces, non pip est : A = {3,6} do P(A) = 2/6 = 1/3 avec k =2 et pi =1/6

3.1.3.

Loi des grands nombres

Si lon rpte N fois une exprience dans laquelle la probabilit dapparition dun vnement A est P, la frquence de cet vnement au cours des N expriences, vers P lorsque N tend vers linfini.

k P N

k tend N

Lorsque le nombre dpreuves augmente indfiniment, les frquences observes tendent vers les probabilits et les distributions observes vers les lois de probabilit. Exemple : Lors dun croisement entre plantes htrozygotes Aa pour un caractre dominance stricte (allle A, forme sauvage et allle a, forme mute), on examine successivement deux chantillons de plantes rsultant de ce croisement.
N=40 fleurs Effectifs Phnotype sauvage Phnotype mutant 29 11 Frquences 0,725 0,275 N=1000 fleurs Effectifs 754 246 Frquences 0,754 0,246 Probabilits attendues 0,750 0,25

11

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

Il est ais de vrifier que les frquences pour les deux phnotypes possibles sont plus proches des probabilits attendues sous le modle de croisement mendlien pour lchantillon de trs grande taille. Lcart entre les frquences observes et les probabilits attendues peut tre tester laide du test du khi-deux.

3.1.4. Espace probabilis

Nous dfinirons un espace probabilis en utilisant laxiomatique de Kolmogorov, Dfinition 1 : On appelle probabilit sur (,C) une application P de C dans lintervalle [0,1] telle que : P()=1 pour tout ensemble dnombrable dvnements incompatibles 2 2, on a :

P(U Ai ) = P(Ai )
i i =1

Dfinition 2 : On appelle espace probabilis, le triplet (,C,P) Ainsi un espace probabilis dsigne un espace fondamental et ses vnements, muni dune mesure de probabilits.

3.2

Proprits des probabilits

Des axiomes prcdents dcoulent les proprits additives des probabilits, dusage permanent.

3.2.1.

Additivit
Cas dvnements incompatibles

Si A1,A2 ,,Ai,.., An sont n vnements incompatibles deux deux (Ai Aj = si i j ) alors : P(A1 A2 Ai .. An ) =

P(A1) + P(A2) + + P(Ai) +.+ P(An)


La probabilit de la runion dun ensemble fini ou dnombrable dvnements 2 2 incompatibles est gale la somme de leur probabilit do :
n

P (U Ai ) = P ( Ai )
i
i =1

12

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

voir Dmonstration

Cas de deux vnements quelconques Si A et B sont deux vnements quelconques, alors :

P(A B) = P(A) + P(B) P(A B)

Voici pourquoi :

Alors : -

A et B tant deux vnements quelconques,


(AB) ,

A = A (A B) avec A (A B) = P(A) = P(A) P(A B)

ces vnements peuvent se alors P(A) = P(A) + P(A B)

dcomposer comme la runion de deux et vnements incompatibles :

2. B = B (A B) avec B (A B) = do P(B) = P(B) P(A B) 3. P(A B) = P(A) + P(A B) +P(B) do

P(A B) = P(A) + P(B) P(A B)

Exemple : Dans lexemple du lancer dun d 6 faces, non pip, on considre lvnement A le rsultat est pair et lvnement B le rsultat est un multiple de trois . On a alors : A = {2,4,6} et B = {3,6} donc A B = {2,3,4,6} et A B = {6} avec P(A) = 3/6 P(B) = 2/6 P(A B) = 4/6 P(A B) = 1/6 on vrifie alors que : P(A B) = P(A) + P(B) P(A B) = 3/6 + 2/6 1/6 = 4/6

3.2.2

Evnement contraire

Si A est un vnement quelconque, alors P ( A ) = 1 P ( A)

13

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

Voici pourquoi : Nous avons vu prcdemment que A A = et A A = Proprits de la runion et de lintersection P( A A ) = P(A) + P( A ) Proprits dadditivit des probabilits do P() = 1 = P(A) + P( A ) ainsi P( A ) = 1 P(A) Exemple : La probabilit lors du lancer dun d non pip dobtenir plus de 2 se traduit par A = {3,4,5,6} et A = {1,2} do P(A) = 1 P( A ) = 1 2/6 = 4/6 = 2/3 Remarque : Lapplication de cette proprit est trs utile lorsque le nombre dvnements lmentaires de A, k, est important et que le calcul des probabilits pi est fastidieux (cas de la loi de Poisson).

3.2.3 Evnement impossible

P() = 0
Voici pourquoi : Nous avons vu prcdemment que = lment neutre P( ) = P() + P() Proprits dadditivit des probabilits do P() = P() + P() ainsi P() = 0

3.2.4 Inclusion

Si A B alors P(A) P(B) Voici pourquoi : si B = B A avec B A = alors P(B)= P(B A) = P(B) + P(A) do P(A) P(B) avec P(A) = P(B) lorsque P(B) = 0

14

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

3.3

Indpendance statistique

3.3.1 Dfinition
Lhypothse dindpendance entre vnements et plus gnralement entre preuves successives est un pralable lors de ltablissement des lois de probabilits

On dit que deux vnements A et B sont indpendants si lon a : P(A B) = P(A) P(B)

Ainsi si A et B sont deux vnements statistiquement indpendants, la probabilit de la ralisation conjointe de ces deux vnements est le produit de leur probabilit respective. Remarque : Il ne faut pas confondre vnements indpendants et vnements incompatibles. Supposons A et B la fois indpendants et incompatibles. On a alors : P(A B) = P(A)P(B) indpendants P(A B) = P() = 0 incompatibles do ncessairement P(A) = 0 ou P(B) = 0

Exemples : (1) Dans lexemple du lancer dun d 6 faces, non pip, les deux vnements : A le rsultat est pair et B le rsultat est un multiple de trois sont statistiquement indpendants. En effet, soit A = {2,4,6} B = {3,6} A B ={6} ainsi P(A) = 3/6 P(B) = 2/6 P(A B) = 1/6 on vrifie alors que : P(A B) = P(A) P(B) = 3/6 X 2/6 = 6/36 = 1/6 (2) Si lon considre une famille de deux enfants, les deux vnements : A enfants de sexe diffrent et B au plus une fille ne sont pas statistiquement indpendants. En effet, lespace probabilis , contient 4 vnements lmentaires (si lon considre une famille ordonne), = A B = {GG, GF, FG, FF} avec A = {GF, FG}, B = {GG, GF, FG} et A B = {GF, FG} do sous lhypothse dquiprobabilit : P(A) = 1/2, P(B) = 3/4 et P(A B) = 1/2 On vrifie alors que : P(A B) P(A) P(B) = 1/2 X 3/4 = 3/8 1/2

15

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

3.3.2 Proprits

Les proprits associes lindpendance sont : (1) si A est un vnement quelconque, A et sont indpendants : A = A lment neutre P(A ) = P(A)P() = P(A) car P() = 1 A et sont indpendants : A = lment absorbant P(A ) = P(A)P() = P() car P() = 0 (2) si A et B sont deux vnements quelconques, A et B sont indpendants si et seulement si A et B ( A et B) ou sont indpendants (dmonstration). A et B sont indpendants si et seulement si A et B le sont.

3.3.3 Gnralisation n vnements

n vnements (n 2) , A1,A2 ,,Ai,.., An sont dit indpendants dans leur ensemble (ou mutuellement indpendants) si on a : P(A1 A2 Ai An ) = P(A1) x P(A2) x x P(Ai) x.x P(An)

P (I Ai ) = Ai
i i =1

Remarque : n vnements peuvent tre indpendants deux deux, [P(Ai Aj) = P(Ai) x P(Aj)] avec i j sans tre indpendants au sens de la dfinition ci-dessus. Exemple : On jette deux ds non pips et on considre les vnements suivants : A1 le premier d donne un nombre pair A2 le deuxime d donne un nombre pair A3 la somme des deux lancers est paire Le nombre dvnements lmentaires est : card ( )= 36 (voir arrangements avec rptitions avec p = 2 et n = 6) Les 3 vnements A1, A2 et A3 sont 2 2 indpendants mais ne sont pas indpendants dans leur ensemble. En effet :

16

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

1 1 2 3 4 5 6 2 3 4 5 6 7

2 3 4 5 6 7 8

3 4 5 6 7 8 9

4 5 6 7 8 9 10

5 6 7 8 9 10 11

6 7 8 9 10 11 12

Les probabilits vnements sont :

associes

aux

P(A1)= 1/2 ; P(A2)=1/2 ; P(A3)=1/2 P(A1 A2) = 9/36 = 1/4 = P(A1)P(A2) P(A1 A3) = 9/36 = 1/4 = P(A1)P(A3) P(A2 A3) = 9/36 = 1/4 = P(A2)P(A3) P(A1 A2 A3) = 9/36 = 1/4 P(A1)P(A2)P(A3) = 1/8

Les cases grises reprsentent les vnements lmentaires raliss dans le cadre soit

A1 A2 ou A1 A3 ou A2 A3 ou A1 A2 A3.

4.
4.1.

Probabilits conditionnelles
Dfinition

Soit deux vnements A et B dun espace probabilis avec P(B) 0, on appelle probabilit conditionnelle de lvnement A si B (ou A sachant B), le quotient
P( A / B) = P( A B) note PB (A) P( B)

On dfinit ainsi une probabilit sur au sens de la dfinition donne prcdemment.

Thorme : Soit B un vnement de probabilit non nulle, alors : PB : () [0,1]


A a P( A / B) = P( A B) est une probabilit sur P( B)

17

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

Voici pourquoi : (P1) A () (P2) P( / B) =


P( B) P(B) = = 1 car B = B car lment neutre P(B) P(B)

P(A / B) 0

(quotient de deux rels positifs)

(P3) si (A1 A2)=), PB (A1A2) =

P[(A1 B) + (A2 B)] = PB (A1) + PB (A2) P(B)

P[(A1 A2 ) B] P[(A1 B) (A2 B)] = = P(B) P(B)


additivit

Remarque : La probabilit P(A) est appele la probabilit a priori et P(A / B) ou PB (A) la probabilit a posteriori car sa ralisation dpend de la ralisation de B. On observe les relations suivantes : P(A / A)=1 Si B A, alors A B = B et donc P( B / A) =
P( B) P ( A)

Exemple : Soit un croisement entre htrozygotes Aa pour un caractre dominance stricte, quelle est la probabilit dobtenir la gnration suivante parmi les individus de phnotype A, un individu homozygote ? Lensemble des vnements lmentaires est : = {AA,Aa,aA,aa} Si h = homozygote et h = htrozygote P(h A) 1 4 P(h / A) = = = 1/3 probabilit a posteriori P( A) 34

La probabilit a priori dobtenir un homozygote est 1/4.

4.2.

Probabilits composes

Thorme : Soit deux vnements A et B dun espace probabilis . Alors, P(A B) = P(B / A) P(A) = P(A / B) P(B) Formule des probabilits composes

18

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

Voici pourquoi :

Par dfinition, P( A / B) = P( A B) do
P( B)

P(A B) = P(A / B) P(B)

Par symtrie, P(A B) = P(A / B) P(B) = P(B / A) P(A)

Si A et B sont deux vnements indpendants et que P(B) 0 alors ceci quivaut affirmer que PB (A) = P(A / B) = P(A).

Lorsque deux vnements sont indpendants, le fait que lun des vnements soit ralis, napporte aucune information sur la ralisation de lautre. Dans ce cas la probabilit conditionnelle PB (A) (a posteriori ) est gale la probabilit P(A) (a priori).
Voici pourquoi : La formule des probabilits composes donne P(A B) = P(A / B) P(B). Lindpendance statistique entre A et B quivaut P(A B) = P(A) P(B) do la relation P(A / B) = P(A)

Si A et B sont deux vnements indpendants alors ceci quivaut affirmer que PB (A) = P B (A) = P(A).

Lorsque deux vnements sont indpendants, la probabilit conditionnelle de A est la mme que ce soit B ou B qui est ralis (voir dmonstration).
Exemple :

Dans lexemple du lancer dun d 6 faces, non pip, les deux vnements : A le rsultat est pair et B le rsultat est un multiple de trois sont indpendants (voir exemple). Ainsi la probabilit que la face soit paire sachant que cest un multiple de 3 est : si A = {2,4,6} B ={3,6} A B={6} et P(A)=3/6 P(B)=2/6 P(A B)=1/6 P( A B) 1 6 P( A / B) = = = 1/2 = P(A) do la relation P(A/B) = P(A) P( B) 13

19

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

4.3.

Probabilits totales

Thorme : Si {A1, A2,.,Ai,..,An} est un systme complet dvnements, quel que soit lvnement B, alors : P(B) = P(B / A1)P(A1) + P(B /A2)P(A2)+..+ P(B /An)P(An)
P ( B ) = P ( B / Ai ) P ( Ai )
i =1 n

Formule des probabilits totales

Voici pourquoi : Si i j, alors (Ai B) (Aj B) = (Ai Aj) B = Grce la distributivit, on a : (A1 B) (A2 B) (An B) = (A1 A2 . An) B = B = B Grce ladditivit, on a : P(B) =P(A1 B) + P(A2 B) + + P(An B) Grce la formule des probabilits composes, on a : P(A1 B) = P(B/A1)P(A1) do P(B)= P(B / A1)P(A1) + P(B / A2)P(A2)+..+ P(B / An)P(An)

Exemple :

Une population animale comporte 1/3 de mles et 2/3 de femelles. Lalbinisme frappe 6 % des mles et 0,36 % des femelles. La probabilit pour quun individu pris au hasard (dont on ignore le sexe) soit albinos est : Si A = {mle} et A = {femelle} constitue un systme complet dvnements B = {albinos} et B = {non albinos} sachant que P( B ) = P( B / A) P( A ) + P( B / A) P ( A) alors P(B) = (0,06 X 1/3) + (0,0036 X 2/3) = 0,0224 soit 2,24% dalbinos dans cette population.

4.4.

Le thorme de Bayes

Un corollaire au thorme des probabilits totales est connu sous le nom de formule de Bayes.

20

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

Thorme : Si {A1, A2,.,Ai,..,An} est un systme complet dvnements, et quel que soit lvnement B tel que P(B) 0, alors : P( B / Ai ) P( Ai ) P( Ai / B) = P( B / A1 ) P( A1 ) + ... + P( B / Ai ) P( Ai ) + ... + P( B / An ) P( An ) P( B / Ai ) P( Ai ) P( Ai / B) = n Formule de Bayes P( B / Ai ) P( Ai )
i =1

Voici pourquoi : Daprs la formule des probabilits composes,


P ( Ai B ) = P ( Ai / B ) P ( B) = P( B / Ai ) P( Ai )

Daprs la formule des probabilits totales,


P ( B ) = P ( B / Ai ) P ( Ai )
i =1 n

Daprs la formule des probabilits conditionnelles


P ( Ai B) P( B) P ( B / Ai ) P( Ai ) do P( Ai / B) = n P( B / Ai ) P( Ai ) P( Ai / B) =
i =1

Remarque : La formule de Bayes est utilise de faon classique pour calculer des probabilits de causes dans des diagnostics (maladies, pannes, etc.). Lapplication du thorme de Bayes est la base de toute une branche de la statistique appele statistique bayesienne. Exemple : Dans une population pour laquelle 1 habitant sur 100 est atteint dune maladie gntique A, on a mis au point un test de dpistage. Le rsultat du test est soit positif (T) soit ngatif ( T ). On sait que : P(T / A) = 0,8 et P(T / A) = 0,9 On soumet un patient au test. Celui-ci est positif. Quelle est la probabilit que ce patient soit atteint de la maladie A soit PT(A) ou P(A/T) ?

Daprs la formule de Bayes :


P( A / T ) =

P( A T ) P(T / A) P( A) = P(T ) P(T / A) P( A) + P(T / A) P( A) 0, 01 0,8 do P( A / T ) = = 0,075 0,8 0, 01 + 0,1 0,99

Ainsi avant le test, la probabilit dtre malade tait de P(A) = 0 ,01 (probabilit a priori)

21

Mathmatiques : Outils pour la Biologie Deug SV1 UCBL

D. Mouchiroud (10/10/2002)

......................................................................................................................................................................................................

et aprs le test la probabilit dtre malade est de P(A/T) = 0,075 (probabilit a posteriori). Ainsi le test apporte un supplment dinformation.

22

Vous aimerez peut-être aussi