PROBABILITÉS Chapitre II Notion de Probabilité I. Introduction Générale La théorie des probabilités s’intéresse à l’étude de l’aspect aléatoire de certains phénomènes aléatoires. Son but est alors de fournir des outils mathématiques pouvant servir à cette étude. Une fois que le phénomène aléatoire observé, l’ensemble des résultats possibles est dit : Ensemble fondamental, ou encore Espace échantillonnal, il est dénoté S. A un espace échantillonnal correspond un ensemble d’événements aléatoires. Un événement aléatoire E est un sous-ensemble de l’espace échantillonnal. Il contient un ou plusieurs résultats de l’expérience aléatoire. II. Axiomes du calcul des probabilités Définition : Notion de probabilité La probabilité d’un événement A correspond au rapport entre le nombre de résultats favorables à l’événement A et le nombre de résultats de l’espace échantillonnal. Elle est dénotée : Card(A) N A P(A) = = Card(S) N Propriétés :
1°) P(S) = 1 2°) P(Æ) = 0 3°) Soient A et B deux événe- ments de S. P(AÈB) = P(A) + P(B) – P(AÇB) Card(AÈB) P(AÈB) = Card(S) Card(A) + Card(B) – Card(AÇB) = Card(S) Card(A) Card(B) Card(AÇB) = + – Card(S) Card(S) Card(S) P(AÈB) = P(A) + P(B) – P(AÇB) 4°) P(A) = 1 – P(A) S = AÈA donc P(S) = P(AÈA) P(S) = P(A) + P(A) – P(AÇA) or P(S) = 1 et P(AÇA) = P(Æ) = 0 donc 1 = P(A)+P(A) - 0 = P(A)+P(A) d’où P(A) = 1 – P(A) 5°) " A événement, 0 £ P(A) £ 1 Card(A) • P(A) = Card(S) Card(A) ³ 0 ; Card(S) >0
Card(A) Donc ³ 0 ; P(A) ³ 0 Card(S) • Si " A P(A) ³ 0, alors P(A) ³ 0,
or P(A) = 1 – P(A) ³ 0
donc P(A) £ 1 d’où 0 £ P(A) £ 1
III. Probabilité Conditionnelle et Indépendante III.1. Probabilité Conditionnelle Soient A et B deux événements. La probabilité conditionnelle de B sachant que A est réalisée, est donnée par : P(BÇA) P(B/A) = , où P(A) > 0 P(A)
III.2. Evénements indépendants
L’événement A est dit indépendant de l’événement B, si P(A/B) = P(A). Remarque : La relation d’indépendance est symétrique. On dit que les deux événements sont indépendants. Conséquences : • Si A et B sont indépendants, alors : P(AÇB) = P(A)xP(B) • L’indépendance entre A et B entraîne l’indépendance entre A et B, entre A et B, entre A et B. Exemple : Dans un jeu de cartes, on tire au hasard une carte. Soit A : « la carte tirée est un Roi », et soit B : « la carte est un cœur ». Est-ce que A et B sont indépendants ? IV. Formule de Bayes La formule de Bayes ne peut être appliquée que pour un schéma probabiliste qui comporte deux niveaux d’aléatoire. On illustrera cela à travers un exemple. On considère deux urnes U1 et U2, comprenant chacune des boules noires et des boules rouges dans les proportions suivantes : • Dans U1 : p1 : proportion de boules rouges. q1 = 1 – p1 : proportion de boules noires. • Dans U2 : p2 : proportion de boules rouges. q2 = 1 – p2 : proportion de boules noires. Ici le schéma probabiliste comporte deux niveaux d’aléatoire : 1erniveau : Choix aléatoire de l’urne. P1 : probabilité de l’urne U1. P2 = 1 - P1 : probabilité de l’urne U2. 2 èmeniveau : Une fois que l’urne est choisie, on procède à un tirage au hasard d’une boule à partir de cette urne. Le problème de Bayes est le suivant : Sachant par exemple que la boule tirée est noire, Quelle est la probabilité qu’elle provienne de l’urne U1 ? Pour répondre à cette question, on va définir un certain nombre d’événements, soient : A1 : « l’urne choisie est U1 » A2 : « l’urne choisie est U2 » R : « la boule tirée est rouge » N : « la boule tirée est noire » La problématique de Bayes est alors de déterminer la A1 probabilité P N A partir des événements déjà définis, on aura les probabilités suivantes :
P(A1) = P1, P R = p , A1 1
N P A = q1 1 P(A2) = P2, P R = p , A2 2
N P A = q2 2 A1 Pour déterminer P N On va utiliser la formule de probabilité conditionnelle : P N x P(A1) A1 A 1 P N = P(N)
on a P N = q1 A1 P(A1) = P1 P(N) = P[N Ç A1] + P[N Ç A2] = P1 q1 + P2 q2 A1 P q 1 1 P N = P1 q1 + P2 q2 Théorème de Bayes : Soient B1, B2, …, Bn n événements formant une partition de S, avec P(Bi) > 0, "i. P(Bi) x P A B Bi P i = n A A Σ P(Bk) x P k=1 Bk Avec P(Bi) : probabilité à priori. A P B : probabilité à posteriori. i Application : Dans une population, la proportion de fumeurs est de 30%. Une enquête a été menée et sur la base de cette enquête, on a constaté que parmi les fumeurs, 20% sont atteints de maladies pulmonaires, alors qu’uniquement 1% des non fumeurs sont atteints de maladies pulmonaires. On prélève au hasard une personne, sachant qu’elle est malade, quelle est la probabilité qu’elle soit fumeur ?
