1

2008/2009

PolytechMarseille

PROBABILITES

CHAPITRE I :

DEFINITION D'UNE PROBABILITE

CHAPITRE II :

DENOMBREMENTS

CHAPITRE III :

VARIABLES ALEATOIRES A UNE DIMENSION

CHAPITRE IV :

VARIABLES ALEATOIRES MULTIDIMENSIONNELLES

R . Hallegatte - PolytechMarseille

CHAPITRE I
DEFINITION D'UNE PROBABILITE

I ) Gnralits, Dfinitions. Exprience, Epreuve. Une exprience (ou preuve) est dfinie par l'ensemble des conditions exprimentales contrlables dans laquelle elle se droule et par les faits observs. Chaque paramtre dfinissant ces conditions est appel facteur et les valeurs prises par ces facteurs les modalits. On dira qu'une exprience est alatoire lorsqu'il est impossible d'en prvoir avec certitude le rsultat compte tenu des faits observs. Les faits observs: lorsque, par exemple, on tire au hasard un individu dans une population, on peut observer sa taille ou son poids ou les deux simultanment. Lorsque l'on lance deux ds, le rsultat de l'preuve peut tre le couple des rsultats de chaque d, leur produit, leur somme. Pendant longtemps, on a pens que le ct alatoire d'un preuve ne provenait que d'une matrise non parfaite de ses modalits, en autre l'existence de paramtres cachs, qui interviennent sans qu'on le sache. A l'heure actuelle et en particulier en mcanique quantique, il est admis qu' l'chelle atomique la nature un comportement fondamentalement probabiliste. Conditions exprimentales. Dans une exprience alatoire, l'analyse de la situation doit faire apparatre toutes les variables qui peuvent jouer un rle afin de maintenir constante leurs valeurs. Evnements lmentaires. Pour analyser une preuve, on commence par dresser la liste complte de tous les rsultats qui sont susceptibles de se raliser. Ces rsultats, appels vnements lmentaires (nots dans ce cours E.E) doivent avoir les proprits suivantes: un E.E. est soit ralis soit non ralis l'issue de l'preuve. La ralisation d'un E.E. exclut la ralisation de tous les autres.

L'ensemble de tous les E.E. est appel ensemble fondamental. Evnements. Les E.E. sont dots de proprits supplmentaires qui permettent de les ranger par classes. (sous ensemble de l'ensemble fondamental dont les lments sont dots d'une proprit particulire). - Par exemple dans un lancer de d, o l'on prend comme rsultat le n qui apparat sur la face suprieure, il y a 6 E.E: les entiers de 1 6. Parmi ces rsultats, il y a la classe de ceux qui sont pairs et celle de ceux qui sont impairs, il y a la classe de ceux qui sont strictement suprieurs 4, .

3 - Dans un jeu de cartes, il y a la classe des As, des Rois celles des couleurs.. On appelle vnement un sous-ensemble de dont les E.E. appartiennent une classe dote d'une proprit bien particulire. Tout comme les E.E., un vnement sera soit ralis soit non ralis l'issue d'une preuve. Lorsquune classe contient plusieurs E.E., il y a plusieurs faons de le raliser. Cela nous amne dfinir la notion d'vnements compatibles. Evnements compatibles ou incompatibles. Deux vnements sont compatibles lorsque la ralisation de l'un n'exclut pas automatiquement celle de l'autre. Cela signifie que les deux classes qui dfinissent ces vnements contiennent des E.E. communs. Dans le cas contraire, ils sont incompatibles. Ex. On lance un d. Soit A l'vnement: le rsultat est pair et B l'vnement : le rsultat est strictement suprieur 3. A et B ne sont pas incompatibles car ils ont en commun les E.E. 4 et 6. Par contre les vnements: le rsultat est pair et le rsultat est impair sont incompatibles car les deux classes n'ont aucun E.E. en commun. Evnement complmentaire. Le complmentaire d'un vnement A est l'ensemble des E.E. qui n'appartiennent pas la classe qui dfinit cet vnement. Il est not: A . Dans l'exemple prcdent, le complmentaire de A est la classe des rsultats impairs. Somme d'vnements. Par dfinition, la somme de deux vnements, note ici A B est l'ensemble des E.E. qui appartiennent soit la classe qui dfinit A, soit la classe qui dfinit B ou les deux simultanment. Dans le langage courant on dit A ou B. Produit d'vnements. Par dfinition, le produit de deux vnements not ici A B est l'ensemble des E.E. qui appartiennent simultanment la classe qui dfinit A, et la classe qui dfinit B. II ) Reprsentation d'vnements. La terminologie utilise prcdemment nous conduit appliquer aux vnements les concepts de la thorie des ensembles. Les E.E. sont reprsents par les points d'un ensemble abstrait . A partir de on construit un nouvel ensemble not P ( ) appel ensemble des parties de . Les lments de P ( ) sont dfinis par les lments de qu'ils contiennent. Ainsi, si est form par les trois lments 1 , 2 , 3 , P ( ) est form par les lments:

{ 1 }

{ 2 } ; { 3 } ; { 1 , 2 }

{ 1 , 3 }

{ 2 , 3 }

{ 1 , 2 , 3 } ; { }

Remarques - Il convient de distinguer 1 lment de avec { 1 } lment de P ( ).

R . Hallegatte - PolytechMarseille

4 - Un lment de P ( ) n'tant dfini que par les lments de qu'il contient, l'ordre d'criture n'intervient pas: { 1 , 2 } et { 2 , 1 } dsignent le mme lment de P (). - On montrera en analyse combinatoire qu'un ensemble form par n lments engendre un ensemble P ( ) form par 2n lments. III ) Structure de P () engendre par les oprations et

Sur P ( ). On dfinit les trois oprations -

( union) qui reprsente le ou non exclusif du langage ordinaire. ( intersection) qui reprsente le et du langage ordinaire. (complmentation) qui reprsente le non (contraire) d'une proposition.

Axiomes : Sur P (), on dfinit deux lois de composition interne, fermes sur P () : La runion note A B munies des proprits suivantes : 1 - Ces lois sont commutatives : Lintersection note A B

A B = B A;
2 - Ces lois sont associatives :

A B = B A

A ( B C ) = (A B ) C ;
3 - Chaque loi est distributive par rapport lautre :

A ( B C ) = (A B ) C

A ( B C ) = (A B ) ( A C ) ;
4 - Les lments chaque loi :

A ( B C ) = (A B ) ( A C )
() sont respectivement lments neutres de

et

de P

() : ;

A = A

A = A
() , on associe son complmentaire A dfini comme

5 - A chaque lment A P suit : A A =

et

A A =

5 6- Tout lment est idempotent pour chaque loi :

A A = A

et

A A = A

IV ) Dfinitions et proprits complmentaires.

1 ) Partitions. Une famille Aj d'lments de P ( ) constitue une partition de s.s.s. -

Ai A j = j Aj =

i et j avec i j

Les lments { i } de P ( ) constituent une partition de P ( ). A et A forment une partition de . 2) Formules de Morgan. On montre partir des axiomes les propositions suivantes: ( voir TD )

A B = A B =

A B A B

Attention au contraire d'une proposition: Le contraire de tous portent un chapeau est: un au moins ne porte pas de chapeau. Ces formules se gnralisent avec les axiomes un nombre quelconque d'vnements. 3 ) Inclusion. Par dfinition, on dira au sens large que A est inclus dans B lorsque:

A B =

4 ) Suites d'vnements. On a souvent considrer des vnements indexs par un indice. Exemple : On lance un d jusqu' ce qu'on obtienne un as. Soit ai lvnement: on obtient un as au jet numro i et An lvnement : on obtient un as pour la premire fois au jet numro n. On a :
An = a1 a 2 ...... a n 1 a n

An est une suite infinie dnombrable dvnements. En effet, mme si l'vnement A1000 parat peu probable (l'as a beaucoup de chances d'apparatre avant), rien n'autorise de s'arrter une valeur particulire de n, aussi grande soit-elle.

R . Hallegatte - PolytechMarseille

6 est donc engendr par la suite infinie dnombrable dE.E. An pour n variant de un linfini. Il contient lvnement limite : on nobtient jamais las en lanant une infinit de fois le d. Dans cet espace, on pourra par exemple tre amen, par la suite, a considrer des vnements du type : on obtient las pour la premire fois aprs un nombre pair de jets . Le problme de la limite dune suite dvnements va donc se poser. a) Suite monotone croissante. A n C'est une suite telle que:
A1 A 2 ..... An

A An

A2

Ex. An: obtenir l'as au moins une fois en n jets. Si An est ralis, An' l'est aussi pour tout n' tel que n < n' On dfinit alors la limite suprieure de la suite:

A1

lim n A n = n =1 A n
C'est donc l'ensemble des qui ralisent au moins un vnement Ai de la suite: il y a ceux qui ralisent seulement A1, puis ceux qui ralisent A2 mais alors ceux de A1 ralisent aussi A2 . b ) Suite monotone dcroissante. A n C'est une suite telle que:
A n A n 1 ... A1

A1 A2 An A

Ex: An : ne jamais obtenir l'as en n jets. Si An est ralis, tous les An' avec n' < n sont raliss (tous les prcdents sont raliss) On dfinit la limite d'une telle suite:

lim n A n = n =1 A n
C'est donc l'ensemble des qui ralisent tous les vnements Ai c ) Limite suprieure d'une suite quelconque A n. Soit une suite An q.q. d'vnements. Dfinissons la suite: Bn = k = n A k = k n A k 6

Au fur et mesure que n augmente, l'union se fait sur un nombre de plus en plus restreint d'vnements. Bn= U k=n Bn+1 perd par rapport Bn la surface noircie sur le schma ci-contre. La suite Bn est donc dcroissante. An En appliquant la dfinition sur la limite des suites monotones dcroissantes, nous dfinissons la limite suprieure d'une suite An, note: l im = An ou lim Sup An
B

lim A n = n kn Ak =1 Bn = n =1

On en dduit qu'un de ralise ( appartient ) lim A n si et seulement si il ralise tous les Bn. Donc, quelque soit n aussi grand que l'on veut, il existe au moins un entier n' n tel que ralise A n'. Comme n prend toutes les valeurs entires, cela signifie qu'il existe une infinit d'indices k tels que ralise Ak.

lim = A n une infinit de k tels que A k

d ) Limite infrieure d'une suite quelconque An. Dfinissons la suite: C n = k n Ak A1 A 2 A 3 A2 A1 A3 A3 A2 A3

A2 A1

Lorsque n augmente, l'intersection se fait sur un nombre de plus en plus restreint de Ai et la suite Cn est croissante. C1 est l'intersection de tous les Ai et peut tre vide. Si, partir d'un certain rang n0, il existe un ralisant Cn0, alors il ralise tous les suivants. On dfinit maintenant:
lim A n = lim Inf A n = n =1 C n = n =1 kn Ak

R . Hallegatte - PolytechMarseille

Un de ralise lim A n s'il ralise au moins un Cn. Mais s'il ralise un Cn alors il ralise tous les suivants. Par consquent un ralise lim A n s'il existe n0 tel que Cn0 est ralis et comme Cn0 = k n 0 A k , ralise Ak pour tout k > n0. En d'autres termes, lim A n est l'ensemble des de qui ralisent tous les Ai sauf un nombre fini ( de 1 n0 - 1). Donc: lim A n k 0 tel que k > k 0 implique A k Remarquons que si lim A n alors il existe une infinit de k (tous les entiers suprieurs k0) qui ralisent Ak donc lim A n et: lim A n lim A n Lorsque lim A n = lim A n , la suite An est dite convergente et la limite commune A est appele limite de la suite. V ) Dfinition d'une probabilit. Nous souhaitons construire maintenant une mesure des vnements Ai de P ( ). Cette mesure sera sense reprsenter le degr de confiance que l'on accordera la ralisation ou non d'un vnement Ai. Plus prcisment lorsqu'on modlisera une preuve, on souhaite que cette mesure s'approche de la frquence de la ralisation de cet vnement. Tant que est form par des E.E. dnombrables ( ils peuvent tre indexs par un entier ), cette dfinition reste simple. 1) Probabilit sur un ensemble fini d'E.E. Soit construit partir de n E.E. i. On montre que P () contient 2n lments (voir cours dnombrement). On dfinit sur P () une application qui, tout lment de P () associe un nombre avec les proprits suivantes: i) Pr (A) 0 ii) Pr ( ) = 1 iii) A1 et A2 P () ; A1 A2 = Pr ( A1 A2) = Pr (A1) + Pr (A2) Premires consquences: a) Dmontrer: A P ( ) ; Pr ( A ) [ 0, 1 ]

9 On a A A = donc Pr [ A A

]=1 ] = Pr[A] + Pr[A ]

D'autre part, A A = donc Soit: Pr [ A ] + Pr [ A ] = 1 Comme A P (), Pr [ A

Pr [ A A

0 donc Pr [A ] 1

Pr est donc une application de P () dans [0, 1] b) Dmontrer Pr [ = 0] On a Donc

= et =
Pr [ ] = 1 = Pr [ ] = Pr [ ] + Pr [ ] = Pr [ ] + 1

Donc Pr [

]=

c) Dmontrer

A et B ;

Pr [ A B ] = Pr [ A ] + Pr [ B ] Pr [ A B ]

Si A B = , la relation est vrifie. Examinons le cas A B .

On a montr (exo 5 srie 1) A B = A ( A B ) avec A ( A B ) = Donc: Pr [A B] = Pr [A ( A B)] = Pr [A] + Pr [A B] D'autre part, on a galement montr (exo 6 srie 1): B = ( A B) ( A B) avec ( A B) ( A B) =

Donc: Pr[B ] = Pr[ A B ] + Pr A B Donc:

Pr A B = Pr[B ] Pr[A B ]

Que l'on porte dans l'expression prcdente qui donne alors:

Pr [A B] = Pr [A ] + Pr [B] Pr [A B]

R . Hallegatte - PolytechMarseille

10 Algbre d'vnements. Choix de Nous avons dfini jusqu' prsent l'application Pr sur P (). Si contient n lments, cette application est compltement dfinie par la donne de n nombres positifs pi tels que

p
i =1

= 1 o pi = Pr [ {i} ]

Soit un lment quelconque

A k = { k1 , k 2 ,..... kp } de P (), l'application fera

correspondre le nombre: Pr [A k ] =

i =1

ki

En fait, rien n'impose P () comme ensemble de dfinition de la probabilit. On peut extraire de P () une famille et dfinir la probabilit sur cette famille particulire plus restreinte que P (). Ex: La roulette. La boule s'arrte au hasard dans l'un des trous cods de 0 32. P () contient 233 8.6 milliard d'vnements. A ce jeu il est possible galement de miser sur trois couleurs: une couleur est affecte aux numros pairs, une autre aux numros impairs et la troisime au zro. Ces trois vnements engendrent une famille d'vnements extraite de P () et beaucoup plus rduite. Pour celui qui joue les couleurs, la dfinition d'une probabilit sur cette famille est suffisante. Pour la cohrence de la thorie, il convient que cette famille F possde certaines proprits. En particulier, il faut que quels que soient deux lments de cette famille, toute opration assembliste les concernant donne un lment appartenant cette famille afin qu'il soit possible d'affecter au rsultat de manire unique une probabilit. Il faut : F A et B F , ( A B ) F AF , F Cette famille F est alors appele une - algbre ou une tribu. Cette dmarche, qui semble ne prsenter aucun intrt pour des ensembles finis sera incontournable lorsque est infini non dnombrable. A l'inverse de ce que nous venons de faire, il est souvent souhaitable, lorsque l'on modlise une preuve, de choisir le plus vaste possible afin de mettre en vidence d'ventuelles symtries. Exemple: on lance deux ds et on considre comme rsultat la somme des deux points obtenus. L'ensemble fondamental est donc l'ensemble des entiers {2, 3, 412} soit 11 E.E.. Quelle probabilit va-t-on affecter aux E.E ? Si on ralise l'exprience, on constatera que certains rsultats apparaissent plus souvent que d'autres et il serait inexact de leur affecter la mme probabilit. Il est alors prfrable de prendre pour l'ensemble des 36 couples { a, b } o a et b sont les entiers de 1 6. Par raison de symtrie, tous les couples sont considrs comme quiprobables ce qui amne affecter chacun une probabilit de 1/36. On construit ensuite les vnements en question partir de ces couples.

10

11 Cet exemple montre que le choix de pour une preuve n'est pas unique. 2 ) Probabilit sur un ensemble infini dnombrable d'E.E.. Il y a une infinit d'vnements mais ils peuvent tre indexs par un entier de N. Exemple 1: on jette un d jusqu' ce que l'on obtienne un as. Exemple 2: Un systme peut occuper 4 tats diffrents E1, E2, E3, E4. Aux temps tn= n t ce systme est susceptible de changer d'tat. Soit E n k l'vnement: le systme se trouve dans l'tat Ek l'instant tn. On se donne les probabilits de transition d'un tat l'autre:
E n +1 j Pr j n = i ( n ) i, j [ 1,4 ] E i

Sachant que le systme se trouve l'instant initial dans l'tat E 0 k , on se demande quelle sera la probabilit pour qu'il occupe un tat particulier l'instant tn. En fonction des valeurs des probabilits de transition, le systme peut voluer vers un tat particulier ou non lorsque n . Lorsque ij ( n ) est indpendant de n, l'tude de ce type de suite d'vnements s'appelle Processus de Markof. 3 ) Probabilit sur un ensemble infini non dnombrable d'E.E.. Exemple: on tire un rel sur [ 0, 1 ]. Il y a une infinit non dnombrable d'E.E.. Une application de P () respectant les proprits imposes prcdemment Pr est impossible tablir : somme infinie non dnombrable restant finie. On est alors amen grouper ces E.E. en "paquets" dnombrables et dfinir la probabilit sur ces paquets. Ce regroupement doit cependant respecter une structure dans la mesure o l'on sera amen effectuer sur ces paquets les oprations assemblistes. En particulier, tant donn une suite infinie d'vnements Ai, on doit pouvoir quel que soit B obtenu par les oprations assemblistes sur les Ai, affecter une probabilit unique B. Pour que cela soit possible, il faut que la famille F extraite de P () ait une structure de -algbre: F A F Ai F alors F alors i=1 A i F

Tribu de Borel. Supposons que l'ensemble des rsultats d'une preuve soit R. Dfinissons une loi de probabilit sur la famille des intervalles semi-ouverts du type:

R . Hallegatte - PolytechMarseille

12 ] - , a ]. Un vnement sera ralis lorsque le rsultat particulier de l'preuve appartient cet intervalle. Nous sommes ensuite amens effectuer sur ces intervalles les oprations assemblistes. Pour que la thorie soit cohrente, il convient que nous sachions, quel que soit le rsultat d'une opration affecter de manire unique une probabilit cet vnement. Or ces oprations gnrent des intervalles d'un autre type. Par exemple:

] , a ] =
Avec a < b :

a ,

] , a] ] , b ] = ] a , [ ] , b ] = ] a , b

Les oprations assemblistes engendrent donc de nouveaux types d'intervalles pour lesquels, priori nous ne sommes pas en mesure de calculer la probabilit. L'ide est alors de faire apparatre ces lments nouveaux comme des limites de suites des intervalles semi-ouverts prcdents. Exemple: l'intervalle : ] - a [ est la limite dune suite :

] , a [ = n =1 ] , a

h ] avec 0 < h n

Quand n crot, h/n tend vers zro autant que l'on veut sans jamais l'atteindre. Cette suite est une suite croissante. Dmontrons alors la proposition: Si An est une suite croissante d'vnements, ( A n A n+1 ), alors:
Pr ( n = 1 A n ) = lim
n

Pr ( A n )

Soit la suite : B 1 = A 1 .. B n = A n A n 1

pour n 2

(voir figure ci-dessous)

A n est donc B n est une suite d'vnements deux deux incompatibles et l'on a :
n =1 A n = n =1 Bn

Par consquent:

Pr (

n =1

A n ) = Pr (

n =1

Bn ) =

Pr ( B
n =1

Or A n = A n 1 B n o A n-1 et B n sont incompatibles. Donc : Pr [ B n ] = Pr [ A n ] - Pr [ A n-1 ] soit : 12

13

Pr [ B1 ] = Pr [ A 1 ] Pr [ B2 ] = Pr [ A 2 ] - Pr [ A 1 ] Pr [ B3 ] = Pr [ A 3 ] - Pr [ A 2 ] Pr [ Bn ] = Pr [ A n ] - Pr [ A n-1 ] Si bien qu'en ajoutant termes termes: A n-1 An Bn

Pr [ B ] = Pr [ A
n n =1

On fait tendre k vers l'infini:

Pr [ n = 1 A n ] = lim n Pr [ A n ]
Si le suite An est prcisment la suite monotone croissante: h A n = ] , a ] , comme: n

= n =1 A n n =1 ] , a Pr { ] , a [

h ] = n

] , a [ h ] n

}=

lim n Pr { ] , a

Cette relation donne une signification Pr { ] - , a [ } bien que l'intervalle en question ne fasse pas partie des intervalles sur lesquels la probabilit a t initialement dfinie. On utilise la mme mthode pour tous les types d'intervalles qui sont susceptibles d'apparatre lors des oprations assemblistes [ a, [ , ] a , [ , [ a , b ], [a ] La famille F de tous ces intervalles engendrs par les intervalles de type ] - , a ] forme un espace probabilisable appel tribu de Borel.
VI ) Axiome des probabilits conditionnelles.

Introduisons ce concept l'aide d'un exemple:

R . Hallegatte - PolytechMarseille

14 On colle des tiquettes rouges sur les n pairs d'un d et vertes sur les autres. Ces tiquettes cachent les n inscrits sur les faces. On lance le d. Et on note la couleur qui apparat. Connaissant cette couleur, on sinterroge ensuite sur la probabilit pour quun numro particulier apparaisse lorsque lon dcollera ltiquette. Plus gnralement soient A et B deux vnements de F. Sachant que B est dj ralis, quelle probabilit doit-on affecter maintenant A compte tenu des valeurs de Pr [A], Pr [B], Pr [ A B ]. AB A A/B B B B est ralis donc il devient certain. A ce stade, lvnement certain nest donc plus mais B. constitu par les seuls de qui ralisent B.

Il faut bien noter que A B et A / B dsignent en fait le mme vnement.

Ce qui les diffrentient, c'est leurs ensembles fondamentaux : pour A B et B pour A / B.

1 ) Axiome des probabilits conditionnelles:

Pr ( A / B) =

Pr ( A B) Pr ( B )

On visualise intuitivement cet axiome en attribuant chaque vnement une surface proportionnelle sa probabilit

Pr ( B ) =

Surface B Surface

et

Pr ( A / B ) =

Surface [ A B ] Pr ( A B ) = Surface B Pr ( B )

On montre que Pr ( A / B ) possde toutes les proprits imposes pour une probabilit. 2 ) Premire consquence: En permutant A et B, cet axiome implique: Pr ( B / A) = Puis en rapprochant ces deux formes:

Pr ( A B) Pr ( A )

Pr ( A / B) =

Pr ( B / A) . Pr ( A ) Pr ( B )
14

15

3 ) Exercice type. Deux usines produisent des articles identiques mais de qualit diffrente. Un lot d'articles est constitu par n1 articles provenant de l'usine U1 et de n2 articles provenant de l'usine U2. Les articles ne comportent aucun signe distinctif indiquant leur origine. La probabilit pour qu'un article sortant de l'usine U1 soit dfectueux est p1, celle de U2 est p2. - Calculer la probabilit pour qu'un article tir au hasard dans le lot soit dfectueux - Sachant qu'un article est dfectueux, calculer la probabilit que son origine soit l'usine U1. a ) Dfinissons les vnements: D: l'article tir est dfectueux. Ui : l'article tir provient de l'usine Ui. Donnes de l'nonc: Pr ( Ui ) = ni / n o n = n1 + n2

Lorsque l'on sait que l'origine de l'article est l'usine Ui, on connat la probabilit pour qu'il soit dfectueux ( par exemple, on dcolle une tiquette qui cachait son origine) soit: Pr ( D / Ui ) = pi On a : D = ( D U1 ) ( D U2 )

En d'autres termes, un article dfectueux est, soit fabriqu par U1 soit par U2. Ces deux vnements sont incompatibles donc: Pr ( D ) = Pr ( D U1 ) + Pr ( D U2 ) Appliquons l'axiome des probabilits conditionnelles chaque terme: Pr ( D Ui ) = Pr ( D / Ui ) Pr ( Ui ) = pi ( ni / n ) D'o: 1 Pr ( D ) = n

p n
i i =1

b ) Il s'agit maintenant de calculer : Pr ( U1 / D )

R . Hallegatte - PolytechMarseille

16

L'application de la formule Pr ( A / B) =

Pr ( B / A) . Pr ( A ) donne ici Pr ( B )
p1 1 n
2

Pr ( D / U1 ) . Pr ( U1 ) = Pr ( U1 / D) = Pr ( D )

n1 n
i i

p n
i =1

p1 n 1

p n
i i =1

4 ) Gnralisation formule de Bayes.

Pr ( B / A) . Pr ( A ) permet d'inverser les propositions. Dans Pr ( B ) l'exercice prcdent par exemple, nous connaissions Pr ( D / Ui ) et la question tait de calculer Pr ( Ui / D ).
La formule Pr ( A / B) = Il arrive souvent que l'on ne connaisse pas Pr (B ). C'tait le cas dans l'exercice prcdent o nous avons calcul Pr ( D ) en crant une partition de : D = ( D U1 ) ( D U2 ). Cette dmarche se gnralise: Soit { Ai } une partition de et un vnement B. Nous connaissons quel que soit i Pr ( Ai / B) et nous souhaitons calculer Pr ( B / Aj). On a = i A i donc B = B = B ( i A i ) = i ( B A i ) { B Ai } tant une partition de B donc tant incompatibles: Pr ( B ) =

Pr ( B A ) = Pr ( B / A ) Pr ( A )
i i i i i

Pr ( A j / B) =

Pr ( B / A ) Pr ( A )
i i i

Pr ( B / A j ) . Pr ( A j )

5 ) Indpendance de deux vnements. Par dfinition, deux vnements sont indpendants si et seulement si: Pr ( A / B ) = Pr ( A ) La consquence immdiate de cette relation porte dans l'axiome donne: Pr ( A B ) = Pr ( A ) Pr ( B ) 16

17

6 ) Indpendance totale entre vnements L'axiome des probabilits conditionnelles se gnralise: Pr [ A B C ] Plus gnralement: Pr ( A1 A2 . An ) = Pr ( A1 ). Pr ( A2 / A1 )..Pr (An / A1 A2 ..An-1) Indpendance totale: Les vnements A1, A2,.. An sont totalement indpendants lorsque chacune des probabilits lie est gale la probabilit non lie correspondante. Dfinition quivalente. Par dfinition, A1, A2, An sont totalement indpendants lorsque
I { 1,2,...n } , Pr ( iI A i ) = iI Pr ( A i )

= Pr [ A ( B C ) ] = Pr (A) . Pr [ (B C ) / A ] = Pr ( A ) . Pr [ ( B / A ) ( C /A ) ] = Pr ( A ) . Pr ( B / A ) . Pr [ C / ( A B ) ]

Attention, la notion d'indpendance est dlicate lorsqu'elle concerne plus de deux vnements. Par exemple pour trois vnements, l'indpendance exige les quatre relations: Pr (A B ) = Pr ( A ) . Pr ( B ) Pr (A C ) = Pr ( A ) . Pr ( C ) Pr (C B ) = Pr ( C ) . Pr ( B ) Pr (A B C ) = Pr ( A ) . Pr ( B ) . Pr ( C ) Un exercice de ce type est propos srie 2 n 8

R . Hallegatte - PolytechMarseille