Académique Documents
Professionnel Documents
Culture Documents
Probabilités
Probabilités discrètes
Univers discret I But : Analyser rigoureusement des phénomènes aléatoires.
Probabilités discrètes
Conditionnement I Probabilité d’un évènement : quantification de sa
Indépendance vraisemblance.
I Analyse d’une expérience aléatoire
Ex : Défaut d’un client, nombre de clics sur une page,
volume d’achat d’un produit . . .résultat incertain
Anne Sabourin
c Télécom ParisTech
Fondamentaux pour le Big Data
1/15
Objectifs du cours
Anne Sabourin
c Télécom ParisTech
Fondamentaux pour le Big Data
2/15
Plan du cours de probabilités
Semaine 3
I Probabilités discrètes
Probabilités I Variables et vecteurs aléatoires discrets
I Espérance, espérance conditionnelle
Probabilités discrètes
Univers discret
Probabilités discrètes Semaine 4
Conditionnement
Indépendance
I Indépendance, variance, covariance
I Variables aléatoires continues
I Vecteurs aléatoires continus
Anne Sabourin
c Télécom ParisTech
Fondamentaux pour le Big Data
3/15
Univers ou Ensemble fondamental Ω :
Ensemble de toutes les issues possibles de l’expérience
A
Anne Sabourin
c Télécom ParisTech
Fondamentaux pour le Big Data
4/15
Opérations sur les ensembles
I Union : A ∪ B = {ω ∈ Ω : ω ∈ A ou ω ∈ B}
I Intersection : A ∩ B = {ω ∈ Ω : ω ∈ A et ω ∈ B}
I Complémentaire : Ac = {ω ∈ Ω : ω ∈A}
/ (non A)
Probabilités I Complémentaire de A dans B : B \ A = B ∩ (Ac ).
Probabilités discrètes
Univers discret
Probabilités discrètes
Conditionnement
Indépendance
I A ∩ B ∪ C = A ∩ B ∪ (A ∩ C .
I lois de Morgan :
(A ∪ B)c = Ac ∩ B c ; (A ∩ B)c = Ac ∪ B c
Anne Sabourin
c Télécom ParisTech
Fondamentaux pour le Big Data
5/15
Univers discret
I Ω dénombrable :indexable par une partie de N,
Ω = {ωi : i ∈ I }, I ⊂ N, ωi 6= ωj si i 6= j.
A = P(Ω)
Anne Sabourin
c Télécom ParisTech
Fondamentaux pour le Big Data
6/15
P S
Notations i∈N , i∈N
X n
X
ai = a0 + a1 + · · · = lim ai
n→∞
Probabilités i∈N i=1
Anne Sabourin
c Télécom ParisTech
Fondamentaux pour le Big Data
7/15
Probabilité discrète (Ω discret)
Ω un univers dénombrable, A = P(Ω).
Probabilité : définition
Probabilités
Une probabilité P sur A est une fonction P : A → [0, 1],
Probabilités discrètes
(définie sur les évènements), vérifiant
Univers discret 1. P(Ω) = 1
Probabilités discrètes
Conditionnement
2. Pour toute suite d’évènements disjoints, (Ai ∩ Aj = ∅),
Indépendance [ X
P Ai = P(Ai )
i∈N i∈N
Card B
I Ex : Ω fini, P : B 7→ P(B) = Card Ω (probabilité uniforme)
I Espace probabilisé : données du triplet (Ω, A, P).
Anne Sabourin
c Télécom ParisTech
Fondamentaux pour le Big Data
8/15
Propriétés d’une probabilité
P(∅) = 0.
car ∅ ∩ ∅ = ∅
? P(∅) = P(∅ ∪ ∅) = P(∅) + P(∅).
Anne Sabourin
c Télécom ParisTech
Fondamentaux pour le Big Data
10/15
Exemple : Pile ou face. temps du 1er succès
Probabilités P
I On a i≥1 pi = 1.
Probabilités discrètes I On peut calculer P(A), pour tout évént A, grâce aux pi ,
Univers discret
Probabilités discrètes ex :
Conditionnement
Indépendance
I A : évènement « premier ’pile’ avant le 3ème coup inclus ».
Anne Sabourin
c Télécom ParisTech
Fondamentaux pour le Big Data
11/15
Conditionnement
Anne Sabourin
c Télécom ParisTech
Fondamentaux pour le Big Data
12/15
Probabilité conditionnelle
B ⊂ Ω, P(B) 6= 0, fixé.
I Nouvelle probabilité « sachant B » : « P ( · | B) »
I Décrit la vraisemblance de A ∩ B , sachant B.
I P (B | B) = 1.
Anne Sabourin
c Télécom ParisTech
Fondamentaux pour le Big Data
13/15
Évènements indépendants
idée : B ne ‘dit’ rien sur A : P (A | B) = P(A)
Anne Sabourin
c Télécom ParisTech
Fondamentaux pour le Big Data
15/15