Vous êtes sur la page 1sur 71

STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 1/46

STT 1900
Méthodes statistiques pour ingénieurs

Chapitre 1

Introduction aux probabilités

Automne 
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 2/46

Plan

1 Introduction

2 Expérience et espace échantillonnal

3 Événements

4 Probabilités

5 Les probabilités conditionnelles

6 Loi des probabilités totales, théorème de Bayes


STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 3/46
Introduction

Sommaire de la section

1 Introduction
Importance de la statistique

2 Expérience et espace échantillonnal

3 Événements

4 Probabilités

5 Les probabilités conditionnelles

6 Loi des probabilités totales, théorème de Bayes


STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 4/46
Introduction
Importance de la statistique

Pourquoi un cours de statistique ?

En génie et en sciences appliquées, on doit souvent concevoir


ou analyser des systèmes dont toutes les caractéristiques ne
sont pas déterministes, mais plutôt aléatoires.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 4/46
Introduction
Importance de la statistique

Pourquoi un cours de statistique ?

En génie et en sciences appliquées, on doit souvent concevoir


ou analyser des systèmes dont toutes les caractéristiques ne
sont pas déterministes, mais plutôt aléatoires.

Exemples :
fiabilité d’une machine industrielle
quantité de pluie reçue dans un bassin versant
demande en électricité d’un grand édifice à bureau
durée des périodes sans emploi
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 5/46
Introduction
Importance de la statistique

Les probabilités

Définition
Les probabilités sont l’outil mathématique formel servant à
décrire et modéliser les comportements aléatoires.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 5/46
Introduction
Importance de la statistique

Les probabilités

Définition
Les probabilités sont l’outil mathématique formel servant à
décrire et modéliser les comportements aléatoires.

Exemple : Pour décrire de façon mathématique le


comportement d’un dé régulier à 6 faces, on peut dire que
l’ensemble des résultats possibles est U = {1, 2, 3, 4, 5, 6} et
que la probabilité d’obtenir chacun de ces résultats lorsqu’on
lance le dé est 1/6.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 6/46
Introduction
Importance de la statistique

La statistique

Définition
La statistique est la science ayant pour objet l’étude quantitative
des attributs d’une “population” à partir d’observations.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 6/46
Introduction
Importance de la statistique

La statistique

Définition
La statistique est la science ayant pour objet l’étude quantitative
des attributs d’une “population” à partir d’observations.

⇒ Le caractère incertain (non déterministe, aléatoire) qui


découle de l’échantillonnage fait que la statistique est basée,
en grande partie, sur la théorie des probabilités.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 7/46
Introduction
Importance de la statistique

Exemples

Plusieurs véhicules d’un même modèle d’une même


année sont impliqués dans des accidents similaires dans
une courte prériode de temps. ⇒ Doit-on procéder à un
rappel ou pas ?
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 7/46
Introduction
Importance de la statistique

Exemples

Plusieurs véhicules d’un même modèle d’une même


année sont impliqués dans des accidents similaires dans
une courte prériode de temps. ⇒ Doit-on procéder à un
rappel ou pas ?
Un ponceau doit être construit sur une route enjambant
une rivière. Il doit pouvoir résister à une crue de 100 ans.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 7/46
Introduction
Importance de la statistique

Exemples

Plusieurs véhicules d’un même modèle d’une même


année sont impliqués dans des accidents similaires dans
une courte prériode de temps. ⇒ Doit-on procéder à un
rappel ou pas ?
Un ponceau doit être construit sur une route enjambant
une rivière. Il doit pouvoir résister à une crue de 100 ans.
On réalise une expérience où trois types d’apprêt sont
appliqués à des échantillons de surfaces en aluminium à
l’aide de l’une de deux méthodes différentes. Y a-t-il une
combinaison type d’apprêt-méthode d’application qui se
démarque ?
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 7/46
Introduction
Importance de la statistique

Exemples

Plusieurs véhicules d’un même modèle d’une même


année sont impliqués dans des accidents similaires dans
une courte prériode de temps. ⇒ Doit-on procéder à un
rappel ou pas ?
Un ponceau doit être construit sur une route enjambant
une rivière. Il doit pouvoir résister à une crue de 100 ans.
On réalise une expérience où trois types d’apprêt sont
appliqués à des échantillons de surfaces en aluminium à
l’aide de l’une de deux méthodes différentes. Y a-t-il une
combinaison type d’apprêt-méthode d’application qui se
démarque ?
⇒ Une bonne compréhension des probabilités et de la
statistique est indispensable à la prise de décision en présence
d’incertitude !
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 8/46
Expérience et espace échantillonnal

Sommaire de la section

1 Introduction

2 Expérience et espace échantillonnal


Définitions et notation

3 Événements

4 Probabilités

5 Les probabilités conditionnelles

6 Loi des probabilités totales, théorème de Bayes


STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 9/46
Expérience et espace échantillonnal
Définitions et notation

Expérience aléatoire, espace échantillonnal

La théorie des probabilités a été inspirée par des situations où


l’on réalise une expérience pour en observer le résultat, ce
résultat ne pouvant être prédit avec certitude ⇒ expérience
aléatoire.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 9/46
Expérience et espace échantillonnal
Définitions et notation

Expérience aléatoire, espace échantillonnal

La théorie des probabilités a été inspirée par des situations où


l’on réalise une expérience pour en observer le résultat, ce
résultat ne pouvant être prédit avec certitude ⇒ expérience
aléatoire.

E : expérience aléatoire
S : espace échantillonnal, l’ensemble de tous les résultats
possibles de l’expérience E
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 10/46
Expérience et espace échantillonnal
Définitions et notation

Quelques exemples

E1 : On roule un dé ordinaire et on note le chiffre sur la


face du dessus.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 10/46
Expérience et espace échantillonnal
Définitions et notation

Quelques exemples

E1 : On roule un dé ordinaire et on note le chiffre sur la


face du dessus. ⇒ S1 = {1, 2, 3, 4, 5, 6}.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 10/46
Expérience et espace échantillonnal
Définitions et notation

Quelques exemples

E1 : On roule un dé ordinaire et on note le chiffre sur la


face du dessus. ⇒ S1 = {1, 2, 3, 4, 5, 6}.
E2 : On pige un des quatre rois d’un jeu de carte.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 10/46
Expérience et espace échantillonnal
Définitions et notation

Quelques exemples

E1 : On roule un dé ordinaire et on note le chiffre sur la


face du dessus. ⇒ S1 = {1, 2, 3, 4, 5, 6}.
E2 : On pige un des quatre rois d’un jeu de carte.
⇒ S2 = {R♠, R♥, R♦, R♣}.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 10/46
Expérience et espace échantillonnal
Définitions et notation

Quelques exemples

E1 : On roule un dé ordinaire et on note le chiffre sur la


face du dessus. ⇒ S1 = {1, 2, 3, 4, 5, 6}.
E2 : On pige un des quatre rois d’un jeu de carte.
⇒ S2 = {R♠, R♥, R♦, R♣}.
E3 : On compte le nombre de véhicules traversant un pont
durant une période donnée.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 10/46
Expérience et espace échantillonnal
Définitions et notation

Quelques exemples

E1 : On roule un dé ordinaire et on note le chiffre sur la


face du dessus. ⇒ S1 = {1, 2, 3, 4, 5, 6}.
E2 : On pige un des quatre rois d’un jeu de carte.
⇒ S2 = {R♠, R♥, R♦, R♣}.
E3 : On compte le nombre de véhicules traversant un pont
durant une période donnée. ⇒ S3 = {0, 1, 2, . . .}.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 10/46
Expérience et espace échantillonnal
Définitions et notation

Quelques exemples

E1 : On roule un dé ordinaire et on note le chiffre sur la


face du dessus. ⇒ S1 = {1, 2, 3, 4, 5, 6}.
E2 : On pige un des quatre rois d’un jeu de carte.
⇒ S2 = {R♠, R♥, R♦, R♣}.
E3 : On compte le nombre de véhicules traversant un pont
durant une période donnée. ⇒ S3 = {0, 1, 2, . . .}.
E4 : On mesure la quantité de pluie (en mm) reçue à une
station météo au cours de l’automne.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 10/46
Expérience et espace échantillonnal
Définitions et notation

Quelques exemples

E1 : On roule un dé ordinaire et on note le chiffre sur la


face du dessus. ⇒ S1 = {1, 2, 3, 4, 5, 6}.
E2 : On pige un des quatre rois d’un jeu de carte.
⇒ S2 = {R♠, R♥, R♦, R♣}.
E3 : On compte le nombre de véhicules traversant un pont
durant une période donnée. ⇒ S3 = {0, 1, 2, . . .}.
E4 : On mesure la quantité de pluie (en mm) reçue à une
station météo au cours de l’automne. ⇒ S4 = {x : x ≥ 0}.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 11/46
Événements

Sommaire de la section

1 Introduction

2 Expérience et espace échantillonnal

3 Événements

4 Probabilités

5 Les probabilités conditionnelles

6 Loi des probabilités totales, théorème de Bayes


STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 12/46
Événements

Définition et exemples

Définition
Un événement est un sous-ensemble de l’espace
échantillonnal S. [Si S est un ensemble fini, alors l’ensemble de
tous les événements possibles est l’ensemble puissance
{0, 1}S .]
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 12/46
Événements

Définition et exemples

Définition
Un événement est un sous-ensemble de l’espace
échantillonnal S. [Si S est un ensemble fini, alors l’ensemble de
tous les événements possibles est l’ensemble puissance
{0, 1}S .]

Retour aux exemples :


E1 : A =“Le dé affiche un nombre pair”={2, 4, 6}
E2 : B =“On pige un roi noir”={R♠, R♣}
E3 : C =“Moins de 100 véhicules traversent le
pont”={0, 1, 2, . . . , 99}
E4 : D =“La station reçoit plus de 150 mm de
pluie”=(150, ∞)
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 13/46
Événements

Événements mutuellement exclusifs

Définition
On dit que des événements sont mutuellement exclusifs si
toutes leurs combinaisons possibles d’intersections sont vides,
c’est-à-dire lorsqu’au plus un de ces événements ne peut se
produire à la fois.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 13/46
Événements

Événements mutuellement exclusifs

Définition
On dit que des événements sont mutuellement exclusifs si
toutes leurs combinaisons possibles d’intersections sont vides,
c’est-à-dire lorsqu’au plus un de ces événements ne peut se
produire à la fois.

Retour aux exemples :


E1 : Soient A =“nombre pair”, B = {5} et C = {1}. Comme
A ∩ B = A ∩C = B ∩C = A ∩ B ∩C = 0,/ ces trois événements sont
mutuellement exclusifs.
E4 : Soient A =“La station reçoit plus de 150 mm”, B =“La station
reçoit moins de 175 mm” et C =“La station reçoit plus de 300
mm”. Comme A ∩ B = (150, 175) 6= 0, / A, B,C ne sont pas
mutuellement exclusifs. (On aurait aussi pu utiliser
A ∩C = (300, ∞) 6= 0/ . . .)
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 14/46
Probabilités

Sommaire de la section

1 Introduction

2 Expérience et espace échantillonnal

3 Événements

4 Probabilités
Définitions et notation
Propriétés

5 Les probabilités conditionnelles

6 Loi des probabilités totales, théorème de Bayes


STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 15/46
Probabilités
Définitions et notation

Définition mathématique

Définition axiomatique
Soit une expérience aléatoire E et son espace échantillonnal S. Si un
événement A est défini dans S, alors la probabilité de A, dénotée
P(A), est un nombre réel respectant les axiomes suivants :
1 0 ≤ P(A) ≤ 1
2 P(S) = 1
3 Pour toute suite d’événements mutuellement exclusifs
A1 , A2 , . . . , Ak définis dans S, on a
k
[ k
P( Ai ) = P(A1 ∪ A2 ∪ · · · ∪ Ak ) = ∑ P(Ai )
i=1 i=1

S∞ ∞
4 L’axiome 3 est vrai quand k → ∞ ( P( i=1 Ai ) = ∑i=1 P(Ai )).
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 16/46
Probabilités
Définitions et notation

Spécification des probabilités

Comment peut-on déterminer des probabilités ?


estimations basées sur des observations
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 16/46
Probabilités
Définitions et notation

Spécification des probabilités

Comment peut-on déterminer des probabilités ?


estimations basées sur des observations
analyses des conditions expérimentales
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 16/46
Probabilités
Définitions et notation

Spécification des probabilités

Comment peut-on déterminer des probabilités ?


estimations basées sur des observations
analyses des conditions expérimentales
modèles et/ou hypothèses
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 17/46
Probabilités
Définitions et notation

Interprétation en termes de fréquences


d’observation

Intuitivement, on peut voir la probabilité d’un événement A


comme la proportion des fois où il surviendrait si on répétait la
même expérience un très grand nombre de fois.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 17/46
Probabilités
Définitions et notation

Interprétation en termes de fréquences


d’observation

Intuitivement, on peut voir la probabilité d’un événement A


comme la proportion des fois où il surviendrait si on répétait la
même expérience un très grand nombre de fois.

Définition
Supposons une expérience E répétée m fois et un événement
A. Soit mA le nombre de fois où A se produit. Alors fA = mA /m
est la fréquence relative de l’événement A.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 18/46
Probabilités
Définitions et notation

Propritétés des fréquences relatives

1 0 ≤ fA ≤ 1
2 fA = 0 ⇔ A ne se produit jamais et fA = 1 ⇔ A se produit à
tout coup
3 Si A et B sont mutuellement exclusifs, alors fA∪B = fA + fB
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 18/46
Probabilités
Définitions et notation

Propritétés des fréquences relatives

1 0 ≤ fA ≤ 1
2 fA = 0 ⇔ A ne se produit jamais et fA = 1 ⇔ A se produit à
tout coup
3 Si A et B sont mutuellement exclusifs, alors fA∪B = fA + fB

Très près des axiomes qui définissent P(A) ...

En fait comme fA tend à se stabiliser quand m devient très


grand, on pourrait définir P(A) = limm→∞ mA /m.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 19/46
Probabilités
Propriétés

Résultats découlant des axiomes

Les résultats qui suivent sont des conséquences des 4


axiomes définissant une probabilité.
Théorème 1.1 : P(0) / =0
[S et 0/ sont mutuellement exclusifs, S ∪ 0/ = S et P(S) = 1 ...]
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 19/46
Probabilités
Propriétés

Résultats découlant des axiomes

Les résultats qui suivent sont des conséquences des 4


axiomes définissant une probabilité.
Théorème 1.1 : P(0) / =0
[S et 0/ sont mutuellement exclusifs, S ∪ 0/ = S et P(S) = 1 ...]
Théorème 1.2 : P(Ā) = 1 − P(A)
[A et Ā sont mutuellement exclusifs et S = A ∪ Ā ...]
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 19/46
Probabilités
Propriétés

Résultats découlant des axiomes

Les résultats qui suivent sont des conséquences des 4


axiomes définissant une probabilité.
Théorème 1.1 : P(0) / =0
[S et 0/ sont mutuellement exclusifs, S ∪ 0/ = S et P(S) = 1 ...]
Théorème 1.2 : P(Ā) = 1 − P(A)
[A et Ā sont mutuellement exclusifs et S = A ∪ Ā ...]
Théorème 1.3 : P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 19/46
Probabilités
Propriétés

Résultats découlant des axiomes

Les résultats qui suivent sont des conséquences des 4


axiomes définissant une probabilité.
Théorème 1.1 : P(0) / =0
[S et 0/ sont mutuellement exclusifs, S ∪ 0/ = S et P(S) = 1 ...]
Théorème 1.2 : P(Ā) = 1 − P(A)
[A et Ā sont mutuellement exclusifs et S = A ∪ Ā ...]
Théorème 1.3 : P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
Théorème 1.4 : P(A ∪ B ∪C) = P(A) + P(B) + P(C) − P(A ∩
B) − P(A ∩C) − P(B ∩C) + P(A ∩ B ∩C)
[Un peu long, mais se démontre en appliquant le théorème
1.3 à D ∪C, où D = A ∪ B, et en réalisant que
A ∪ B ∪C = D ∪C ...]
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 20/46
Probabilités
Propriétés

Résultats découlant des axiomes (suite)


S 
k
Théorème 1.5 : P i=1 Ai =
T 
k
∑ki=1 P(Ai ) − ∑ki=1 ∑kj=i+1 P(Ai ∩ A j ) + · · · + (−1)k P i=1 Ai
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 20/46
Probabilités
Propriétés

Résultats découlant des axiomes (suite)


S 
k
Théorème 1.5 : P i=1 Ai =
T 
k
∑ki=1 P(Ai ) − ∑ki=1 ∑kj=i+1 P(Ai ∩ A j ) + · · · + (−1)k P i=1 Ai

Théorème 1.6 : Si A ⊂ B, alors P(A) ≤ P(B)


[B = (Ā ∩ B) ∪ A, et (Ā ∩ B) et A sont mutuellement exclusifs
...]
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 21/46
Probabilités
Propriétés

Exemple

À l’Université ABC, 53% des étudiants sont des filles, 67% des étudiants
possèdent un portable et 44% des étudiants sont satisfaits de leurs études.
On vous dit que 8% des étudiants sont des garçons satisfaits de leurs études
qui ne possèdent pas de portable, 4% des étudiants sont des garçons qui ne
sont pas satisfaits de leurs études et qui ne possèdent pas de portable et 5%
sont des garçons satisfaits de leurs études qui possèdent un portable.
Finalement, 20% des étudiants sont des filles satisfaites de leurs études qui
possèdent un portable, 10% sont des filles non satisfaites de leurs études qui
ne possèdent pas de portable et 12% des étudiants sont des filles qui
possèdent un portable et ne sont pas satisfaites de leurs études. Si on choisit
un étudiant au hasard dans cette université, quelle est la probabilité qu’il
s’agisse (i) d’un garçon possédant un portable qui n’est pas satisfait de ses
études ? (ii) d’une fille qui ne possède pas de portable et qui est satisfaite de
ses études ?
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 22/46
Probabilités
Propriétés

Exemple : solution

Soit F =“l’étudiant est une fille”, P =“l’étudiant possède un portable” et


S =“l’étudiant est satisfait des ses études”. On cherche (i) P(F̄ ∩ P ∩ S̄) et (ii)
P(F ∩ P̄ ∩ S). La façon la plus simple de procéder est de remplir toutes les
zones mutuellement exclusives d’un diagramme de Venn et d’en déduire les
réponses ...
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 23/46
Les probabilités conditionnelles

Sommaire de la section

1 Introduction

2 Expérience et espace échantillonnal

3 Événements

4 Probabilités

5 Les probabilités conditionnelles


Définition et interprétation
Indépendance

6 Loi des probabilités totales, théorème de Bayes


STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 24/46
Les probabilités conditionnelles
Définition et interprétation

Réduction de l’espace échantillonnal

Toutes les probabilités vues jusqu’à maintenant sont


calculées par rapport à l’espace échantillonnal S. Nous
aurions donc pu utiliser une notation du type P(A|S).
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 24/46
Les probabilités conditionnelles
Définition et interprétation

Réduction de l’espace échantillonnal

Toutes les probabilités vues jusqu’à maintenant sont


calculées par rapport à l’espace échantillonnal S. Nous
aurions donc pu utiliser une notation du type P(A|S).
Il arrive parfois que nous possédions de l’information
partielle qui élimine la possibilité que certains éléments de
l’espace échantillonnal ne se produisent. ⇒ Comment
calculer les probabilités d’événements en présence de
telle information ?
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 25/46
Les probabilités conditionnelles
Définition et interprétation

Exemple illustratif

On vous dit que 70% des pièces électroniques que vous


utilisez viennent de l’usine A et que 30% viennent de l’usine B.
On vous dit aussi que 25% des pièces sont défectueuses et
que 10% des pièces viennent de l’usine A et sont
défectueuses. On vous donne une pièce qui vient de l’usine A.
Quelle est la probabilité qu’elle soit défectueuse ?
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 26/46
Les probabilités conditionnelles
Définition et interprétation

Définition formelle

Définition
Soient A et B deux événements dans S avec P(B) > 0. Alors la
probabilité conditionnelle de A étant donné (ou sachant) B est

P(A ∩ B)
P(A|B) = .
P(B)
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 27/46
Les probabilités conditionnelles
Définition et interprétation

Propriétés

Des 4 axiomes définissant une probabilité et de la définition


d’une probabilité conditionnelle, on peut facilement déduire les
propriétés suivantes.
1 0 ≤ P(A|B) ≤ 1
2 P(S|B) = P(B|B) = 1
3 Soit A1 , . . . , Ak unesuite d’événements
 mutuellement
Sk k
exclusifs. Alors P i=1 Ai B = ∑i=1 P(Ai |B).

4 La propriété 3 demeure vraie quand k → ∞.


STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 28/46
Les probabilités conditionnelles
Définition et interprétation

Règle de multiplication

Dans bien des problèmes pratiques, on nous donne (ou il est


facile d’identifier) P(A|B) et P(B), mais on nous demande de
calculer P(A ∩ B). On peut utiliser la définition de probabilité
conditionnelle pour déduire cette valeur :

P(A ∩ B)
P(A|B) = ⇔ P(A ∩ B) = P(A|B)P(B).
P(B)

On appelle parfois cette formule “règle de multiplication”.


STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 29/46
Les probabilités conditionnelles
Définition et interprétation

Exemple

Je suis de bonne humeur 75% du temps. Quand je suis de bonne


humeur, j’enseigne bien 90% du temps. Quand je ne suis pas de
bonne humeur, j’enseigne bien 20% du temps.
Quelle est la probabilité que je ne sois pas de bonne humeur et que
je n’enseigne pas bien ?
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 30/46
Les probabilités conditionnelles
Définition et interprétation

Remarque

Si A et B sont mutuellement exclusifs, alors P(A|B) = 0 puisque


dans ce cas, A ∩ B = 0,
/ donc P(A ∩ B) = 0.

Par exemple la probabilité que le dé indiquera 6 sachant qu’il


indiquera 5 est clairement nulle !
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 31/46
Les probabilités conditionnelles
Indépendance

Indépendance de deux événements

Dans plusieurs situations, le fait que l’événement B se réalise


n’a aucun effet sur la probabilité que l’événement A se
produise. Par exemple je roule un dé et je lance une pièce de
monnaie. Soit A =“le dé indique 6” et B =“la pièce indique face”.
Alors clairement, le fait que A se réalise ou non ne devrait avoir
aucun impact sur la probabilité d’obtenir pile ou face !
Définition
Soient A et B deux événements de S. On dit que A et B sont
indépendants, dénoté A ⊥ B, si, et seulement si,

P(A ∩ B) = P(A)P(B).
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 32/46
Les probabilités conditionnelles
Indépendance

Conséquences de la définition

Impact sur les probabilités conditionnelles


Supposons que P(B) > 0, de sorte que P(A|B) est bien définie.
Si A ⊥ B, alors P(A|B) = P(A).
Si P(A) > 0 aussi, alors P(A|B) = P(A) ⇔ A ⊥ B.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 33/46
Les probabilités conditionnelles
Indépendance

Généralisation à k événements

Définition
On dit de k événements qu’ils sont (mutuellement)
indépendants si, et seulement si, les probabilités de toutes les
intersections de 2, 3, . . . , k d’entre eux sont égales aux produits
de leurs probabilités respectives.

Par exemple, A, B,C sont indépendants ssi P(A ∩ B) = P(A)P(B)


ET P(A ∩C) = P(A)P(C) ET P(B ∩C) = P(B)P(C) ET
P(A ∩ B ∩C) = P(A)P(B)P(C).
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 34/46
Les probabilités conditionnelles
Indépendance

Exemple

A et B sont-ils indépendants ?
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 35/46
Les probabilités conditionnelles
Indépendance

Exemple

Il est possible que A ⊥ B, A ⊥ C et B ⊥ C, mais que A, B,C ne


soient pas indṕendants. Par exemple
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 36/46
Loi des probabilités totales, théorème de Bayes

Sommaire de la section

1 Introduction

2 Expérience et espace échantillonnal

3 Événements

4 Probabilités

5 Les probabilités conditionnelles

6 Loi des probabilités totales, théorème de Bayes


Loi des probabilités totales
Théorème de Bayes
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 37/46
Loi des probabilités totales, théorème de Bayes
Loi des probabilités totales

Partitionner l’espace échantillonal

Une grande proportion des problèmes de calcul de probabilités en


pratique sont plus simples si on les divise en plusieurs morceaux. À
cette fin, nous voudrons partitionner l’espace échantillonnal.

Définition
On dit que B1 , B2 , . . . , Bk forment une partition de S ssi
1 ils sont mutuellement exclusifs, i.e., Bi ∩ B j = 0,
/ ∀i 6= j et
Sk
2 leur union est S, i.e., i=1 Bi = S.
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 38/46
Loi des probabilités totales, théorème de Bayes
Loi des probabilités totales

Exemple d’une partition de S


STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 39/46
Loi des probabilités totales, théorème de Bayes
Loi des probabilités totales

Utilité de partitionner S

Lemme
Si B1 , . . . , Bk forment une partition de S et A est un événement
dans S, alors

A = (A ∩ B1 ) ∪ (A ∩ B2 ) ∪ · · · ∪ (A ∩ Bk ).

Puisque (A ∩ Bi ) ∩ (A ∩ B j ) = 0,
/ ∀i 6= j, on a que

P(A) = P(A ∩ B1 ) + P(A ∩ B2 ) + · · · + P(A ∩ Bk )


k
= ∑ P(A ∩ Bi ).
i=1
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 40/46
Loi des probabilités totales, théorème de Bayes
Loi des probabilités totales

Exemple d’une partition de S


STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 41/46
Loi des probabilités totales, théorème de Bayes
Loi des probabilités totales

Conditionner sur une partition pour trouver P(A)

Théorème 1.8 : Loi des probabilités totales


Soit A un événement dans S et B1 , . . . , Bk une partition de S.
Alors
k
P(A) = ∑ P(A|Bi )P(Bi ).
i=1

Preuve : Partir du lemme précédent et se souvenir que


P(A ∩ Bi ) = P(A|Bi )P(Bi ) de la règle de multiplication ...

Cas particulier : Comme B et B̄ forment une partition de S, on a


P(A) = P(A|B)P(B) + P(A|B̄)P(B̄).
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 42/46
Loi des probabilités totales, théorème de Bayes
Loi des probabilités totales

Exemple

On utilise la loi des probabilités totales lorsqu’avoir de


l’information plus précise nous permettrait de résoudre le
problème.

Si on retourne à l’exemple de mon humeur vs la qualité de mon


enseignement, quelle est la probabilité que j’enseigne bien ?

Il serait tellement plus simple de répondre à cette question si


on savait mon humeur ... ⇒ On conditionne sur mon humeur à
l’aide de la loi des probabilités totales ! !
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 43/46
Loi des probabilités totales, théorème de Bayes
Loi des probabilités totales

Exemple

Dans un certain pays, 50% des viaducs sont faits en béton de type A, 30%
des viaducs sont faits en béton de type B et 20% des viaducs sont faits avec
des matériaux autres que le béton. On sait aussi que 90% des viaducs faits
de béton de type A vont résister sans travaux majeurs pendant plus de 10
ans, alors que cette proportion est de 80% chez les viaducs faits de béton de
type B et 70% chez les viaducs faits en des matériaux autres que le béton.
Quelle est la probabilité qu’un viaduc pris au hasard dans ce pays résiste
plus de 10 ans sans travaux majeurs ?
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 44/46
Loi des probabilités totales, théorème de Bayes
Théorème de Bayes

Quand l’information est donnée “à l’envers” ...

Pour plusieurs problème, on donne l’information sous la forme


P(A|Bi ), mais on nous demande de calculer P(Bi |A).
Dans l’exemple de mon humeur, quelle est la probabilité
que je sois de bonne humeur si j’enseigne bien ?
Dans l’exemple des viaducs, si un viaduc a résisté plus de
10 ans sans travaux majeurs, quelle est la probabilité qu’il
soit fait de béton de type B ?
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 45/46
Loi des probabilités totales, théorème de Bayes
Théorème de Bayes

La formule magique ...

Théorème de Bayes
Soient A un événement dans S et B1 , . . . , Bk , une partition de S.
Alors
P(A|B j )P(B j )
P(B j |A) = k , ∀ j = 1, . . . , k.
∑i=1 P(A|Bi )P(Bi )

Preuve :
STT-1900 / Méthodes statistiques pour ingénieurs / Automne 2017 / 46/46
Loi des probabilités totales, théorème de Bayes
Théorème de Bayes

Retour aux exemples

Dans l’exemple de mon humeur, quelle est la probabilité que je


sois de bonne humeur si j’enseigne bien ?

Dans l’exemple des viaducs, si un viaduc a résisté moins de 10


ans sans travaux majeurs, quelle est la probabilité qu’il soit fait
de béton de type B ?

Vous aimerez peut-être aussi