Cours Statist Infer

:
Statistique inférentielle
Amir Aboubacar ∗
17 septembre 2022
∗. a.aboubacar@uliege.be
DE de Mathématique, Université de Liège
:
Plan du cours
1 Probabilité conditionnelle
Calcul des probabilités
Formule des probabilités totales
Expérience aléatoire et événement
Indépendance de deux événements
Mesure de probabilité

:
Plan du cours
1 Calcul des probabilités

Expérience aléatoire et événement
Probabilité conditionnelle

:
Définitions et vocabulaire
è Expérience (aléatoire) : phénomène aléatoire étudié. On ne
peut pas anticiper le résultat d’une telle expérience.
è Univers : ensemble des résultats possibles de l’expérience. On

le note Ω.
è Quoiqu’il arrive, à l’issue de l’expérience, le résultat doit

pouvoir être associé à un seul résultat possible (éventualité).
è Evénement : un ensemble de résultats possibles d’une

expérience aléatoire.
è Cet ensemble peut être vide ou contenir un ou plusieurs

résultats possibles.
:
Quelques événements particuliers
è L’événement impossible est noté ∅. Il représente toutes les

collections d’éventualités possibles et imaginables, mais qui ne
peuvent pas se produire dans le cadre de l’expérience
aléatoire.
è L’événement certain correspond à Ω.

Il contient toutes les éventualités de l’expérience aléatoire.
è Un événement élémentaire contient exactement une seule

éventualité.

:
Exemple : on se demande combien de personnes en

moyenne portent des lunettes.
è Observer une personne au hasard dans la rue pour voir si elle
porte des lunettes est une expérience aléatoire.
è L’univers de cette expérience est

Ω = {lunettes(L), pas de lunettes(PL)}.
è Les éventualités L et PL sont les seules qui peuvent se produire
dans cette expérience.
è Les événements de cette expérience sont

{L}, {PL}, {L, PL} = “porter des lunettes ou ne pas en porter”
et ∅ = “tout ce qui ne peut jamais se produire”.

:
Correspondance entre les événements et les ensembles.
è Comme les événements peuvent être vus comme des

ensembles, les opérations ensemblistes permettent alors de les
combiner pour en définir de nouveaux.
è Soient A et B deux événements d’un même univers Ω.

A ∩ B : A et B.
A ∪ B : A ou B (ou les deux).
A = Ω⧵A : non A (complémentaire de A, contraire de A).

:
è Si A et B sont deux événements telles que A ∩ B = ∅, on dit

qu’ils sont incompatibles (ils ne peuvent pas se réaliser
simultanément).
è Si la réalisation de A implique celle de B, on écrit A ⊂ B.

:
Exemple.
è Jet de 2 dés (un rouge et un bleu) à 6 faces :
Ω = {(i, j) avec i, j = 1, … , 6} = {1, … , 6}2 .
è Soient les événements :
A =“La somme des nombres affichés par les dés est 11”
B =“La somme des nombres affichés est divisible par 3” ;
C =“ La somme des nombres affichés est divisible par 4”.

:
En langage ensembliste
On a :
A = {(5, 6), (6, 5)},
{ }
(1, 2), (2, 1), (1, 5), (5, 1), (2, 4), (4, 2),
B= ,
(3, 3), (3, 6), (6, 3), (4, 5), (5, 4), (6, 6)
C = {(1, 3), (3, 1), (2, 2), (2, 6), (6, 2), (3, 5), (5, 3), (4, 4), (6, 6)} ,
{ }
(1, 2), (2, 1), (1, 3), (3, 1), (1, 5), (5, 1), (2, 4), (4, 2), (2, 6), (6, 2),
B∪C = ,
(3, 3), (3, 6), (6, 3), (3, 5), (5, 3), (4, 4), (4, 5), (5, 4), (6, 6)
et
B ∩ C = {(6, 6)} .

:
Exemple.
è Une urne contient 10 boules numérotées de 1 à 10. Les boules

portant les numéros 1, 4, 5 sont rouges, les autres sont blanches.
è On tire au hasard une boule de l’urne et on considère les
événements suivants :
B = “la boule est blanche” ; R = “la boule est rouge”

N1 = “la boule porte le numéro 1” ; P= “la boule porte un
numéro pair” ; I = la boule porte un numéro impair”.
1 Quel est le lien entre les événements P et I , N1 et I ?

2 Quel est l’événement contraire de N1 ?
3 Les événements B et R sont-ils incompatibles ?

:
Solution
1 P et I sont des événements incompatibles : P ∩ I = ∅;

P et I sont aussi des événements contraires : I = P ;
On dit que P et I constituent une partition de Ω ∶
P ∩ I = ∅ et P ∪ I = Ω.
La réalisation de N1 implique la réalisation de I : N1 ⊂ I .

2 N 1 =“La boule tirée ne porte le numéro 1.”
3 La boule tirée ne peut pas être blanche et rouge à la fois :
B ∩ R = ∅. Ainsi :
Les événements B et R sont incompatibles ;
Ils constituent également une partition de Ω.

:
è Pour modéliser un phénomène aléatoire, la définition des

événements ne suffit pas.
è Il faut aussi évaluer le poids que le hasard affecte à chaque

événement.
è C’est à dire comparer la chance qu’a un événement de se

produire.

:
Définition
Soit Ω un ensemble (supposé dénombrable) de résultats possibles
d’une expérience aléatoire.
Une mesure de probabilité sur Ω est une application (une sorte

de correspondance) entre les événements et les valeurs de [0, 1].
è Si on appelle ℙ une telle association, alors ℙ doit vérifier les

axiomes (de Kolmogorov) suivants :
ℙ(Ω) = 1
pour tout n ≥ 1, si A1 , … , An sont des événements mutuellement
incompatibles :
ℙ(A1 ∪ A2 ∪ ⋯ ∪ An ) = ℙ(A1 ) + ℙ(A2 ) + ⋯ + ℙ(An ).

:
è La (mesure de) probabilité d’un événement sert à quantifier le

degré d’incertitude associé à sa réalisation.
è Elle peut s’interpréter comme la fréquence relative de

réalisation d’un événement si l’expérience aléatoire est
répétée une infinité de fois.

:
Exemples : Lancement d’une pièce à deux faces.

è L’univers de cette expérience :
Ω = {P, F}.
è Si la pièce est équilibrée, alors la mesure de probabilité ℙ est

telle que
ℙ(Pile) = ℙ(Face) = 1/2.

è Attention : si la pièce est non équilibrée, la mesure de
probabilité ℙ n’est pas la même.
è D’une manière générale, on a :
ℙ(Pile) = p et ℙ(Face) = 1 − p avec p ∈ [0, 1].

è Résultat théorique exact (probabilité).
:
Lancement d’une pièce équilibrée de 0 à 300 fois

(statistique).
1.0
0.8
fréquence de piles
0.6
0.4
0.2
0.0
0 50 100 150 200 250 300
nombre de lancers
Figure – fréquence d’apparition de pile (nb de piles/ nb de lancers) en fonction du nombre de lancers d’une pièce à
deux faces.

:
Propriétés sur les probabilités
Propriétés
Soient A et B des événements d’un univers Ω et ℙ une mesure de
probabilité sur Ω. On a :
(i) ℙ(∅) = 0.
(ii) ℙ(A) = 1 − ℙ(A).
(iii) Si A ⊂ B alors :
ℙ(B⧵A) = ℙ(B) − ℙ(A), en particulier ℙ(A) ≤ ℙ(B).
(iv) ℙ(A ∪ B) = ℙ(A) + ℙ(B) − ℙ(A ∩ B).

:
Exemple : Lancement d’une pièce à deux faces
è Les évenments P=“Afficher Pile” et F=“Afficher Face”

constituent une partition de Ω :
P ∩ F = ∅ et P ∪ F = Ω
è Pour toute mesure de probabilité ℙ sur Ω on a :
0 = ℙ(∅) = ℙ(P ∩ F)
et
1 = ℙ(Ω) = ℙ(P ∪ F) = ℙ(P) + ℙ(F) − 0.

:
Définition
Soit A un événement d’un univers Ω muni d’une probabilité ℙ.
è On dit que A est presque-impossible si ℙ(A) = 0.
è On dit que A est presque sûre si son complémentaire est

presque-impossible.

:
è Attention à la nuance :
impossible : ne se réalise jamais (indépendamment de ℙ)
presque-impossible : n’a aucune chance de se réaliser (en
fonction de ℙ)
è L’événement impossible ∅ est aussi un événement
presque-impossible.

:
Exemple
è Lancement d’une pièce à deux faces :
ℙ(Pile) = p et ℙ(Face) = 1 − p avec p ∈ [0, 1].
è Si p = 0, alors afficher Pile est un événement

presque-impossible pour cette mesure de probabilité.
è Afficher autre chose que Pile ou Face ou bien afficher à la fois

Pile et Face est impossible, quelle que soit la valeur de p.

:
Probabilité classique
è Soit Ω un ensemble fini de cardinal N , et soit (Ω) l’ensemble

de toutes les parties de Ω.
è L’application
ℙ ∶ (Ω) → [0, 1]
Card(A)
A ↦ ℙ(A) =
N
définit une mesure de probabilité sur Ω appelée probabilité
classique ou probabilité uniforme.

:
è Card(A) est le nombre d’éventualités contenues dans A

(nombre de cas favorables à A) et N est le nombre de cas
possibles.
è On dit alors que toutes les éventualités de Ω sont

équiprobables (même probabilité égale à 1/N ).
è Attention au fait qu’il n’existe pas de probabilité uniforme

sur un ensemble infini même dénombrable !

:
Exemple.
è Lancer un dé à 6 faces se modélise par :
Ω = {1, … , 6}.
è Soit ℙ la mesure de probabilité uniforme sur Ω.

Alors pour tout 𝜔 ∈ Ω, on a :
ℙ({𝜔}) = 1/6.
è Ainsi, si A = “nombre pair obtenu”, on a
ℙ(A) = ℙ({2, 4, 6}) = 1/2.

:
è On considère l’événement :
B = “multiple de 3 obtenu”.
On a :
ℙ(A) = 1/2 et ℙ(B) = ℙ({3, 6}) = 1/3.
ℙ(A) = 1 − 1/2 = 1/2
et
ℙ(A ∪ B) = 1/2 + 1/3 − ℙ({6}) = 2/3.
A∪B=?

:
Exemple.
On tire au sort une boule parmi 37 numérotés de 1 à 37.

1 Calculer les probabilités des événements suivants :
T =“le numéro de la boule tirée est un multiple de 3.”

Q=“le numéro de la boule tirée est un multiple de 4.”
S=“le numéro de la boule tirée est un multiple de 6.”
2 Exprimer en mots ce que représentent les événements suivants,

puis calculer leurs probabilités :
T ∩ Q; T ∪ Q; Q ∩ S; Q ∪ S; T ∩ S ∩ Q; T ∪ S ∪ Q.

:
Solution
è L’univers est :
Ω = {1, 2, … , 37}.
è Il est muni de la probabilité uniforme ℙ car toutes les boules
ont la même chance d’être tirées.
Card(T ) 12 Card(Q) 9 Card(S) 6
ℙ(T ) = = ; ℙ(Q) = = et ℙ(S) = = .
37 37 37 37 37 37

:
è Problème principal : calculer Card(A) dans des situations

complexes.
è Le plus souvent on est amené à calculer Card(A) sans être

capable d’écrire A !
è C’est l’objet du dénombrement.

:
Probabilité conditionnelle
Définition
Soit Ω un univers discret muni d’une probabilité ℙ. On considère deux
événements A et B tels que ℙ(A) ≠ 0.
La probabilité conditionnelle de B sachant A est définie par
ℙ(A ∩ B)
ℙA (B) = ℙ(B|A) = .
ℙ(A)

:
è On définit ainsi une nouvelle mesure de probabilité sur Ω qui

s’annule sur les événements incompatibles avec l’événement A.
è Si (Ω, ℙ) modélise une certaine expérience aléatoire, alors

(Ω, ℙA ) modélise cette même expérience à laquelle on a rajouté
la connaissance supplémentaire de la réalisation de A.
è Le réalisation de l’événement A étant presque certaine, cela

rend presque impossible tout autre événement incompatible
avec A.

:
Exemple
è On lance deux dés un rouge et un bleu. On modélise cette
expérience par l’univers
Ω = {1, … , 6}2 ,
muni de la probabilité uniforme ℙ.
è L’élément 𝜔 = (i, j) ∈ Ω représente l’éventualité : “le dé rouge a
donné i et le dé bleu a donné j”.
1 2 3 4 5 6
1 1/36 1/36 1/36 1/36 1/36 1/36
2 1/36 1/36 1/36 1/36 1/36 1/36
3 1/36 1/36 1/36 1/36 1/36 1/36
4 1/36 1/36 1/36 1/36 1/36 1/36
5 1/36 1/36 1/36 1/36 1/36 1/36
6 1/36 1/36 1/36 1/36 1/36 1/36
è On sait en plus que la somme des deux dés est 4 ou 5.
Comment modéliser l’expérience avec cette nouvelle
information ?
:
è Si l’on note ℙA la nouvelle probabilité, on peut remarquer que

chaque couple (i, j) a sa probabilité qui change et on a :
{ 1/36
1/7 = 7/36 si i + j ∈ {4, 5}
ℙA ({(i, j)}) = ℙ ({(i, j)} |A) = 0 .
0 = 7/36 sinon
è En effet, la fraction 7/36 correspond à ℙ(A), la probabilité

d’avoir une somme égale à 4 ou 5,
alors que :
{
1/36 si i + j ∈ {4, 5}
ℙ ({(i, j)} ∩ A) = .
0 sinon

:

Soient n ∈ ℕ∗ et A1 , … , An des événements de Ω de probabilités non
nulles. Si pour tous i ≠ j, Ai ∩ Aj = ∅ et si A1 ∪ A2 ∪ … An = Ω, alors
pour tout événement B de Ω, on a :
n n
ℙ(B) = ∑ ℙ(B ∩ Ai ) = ∑ ℙ(B|Ai )ℙ(Ai ).
i=1 i=1

:
Exemple
è Un service météorologique a établi qu’au cours d’une journée
d’avril :
il pleut avec une probabilité de 0.35 ;
il neige avec une probabilité de 0.08 ;
la probabilité qu’il fasse au moins 20 degrés est de 0.52 ;
il pleut et il y a une temperature inférieure à 20 degrés avec une
probabilité 0.2.
è On sait que la pluie et la neige sont des événements
incompatibles. Et que la neige est incompatible avec une
température d’au moins 20 degrés.
è Quelle est la probabilité que lors d’une journée d’avril :
1 il pleuve ou il neige ?
2 il n’y ait ni plus ni neige ?
3 il neige et il fasse moins de 20 degrés ?
4 il pleuve ou il fasse moins de 20 degrés ?

:
Exemple
Une urne contient 5 boules noires et 3 boules blanches.
Quelle est la probabilité d’obtenir 2 boules blanches en 2 tirages

(sans remise) ?

:
è Soit :
B1 ∶ “une boule blanche au premier tirage”
et
B2 ∶ “une boule blanche au deuxième tirage”.
è On doit calculer :
ℙ(B1 ∩ B2 ) = ℙ(B1 )ℙ(B2 |B1 ).

è Or
ℙ(B1 ) = 3/8 et ℙ(B2 |B1 ) = 2/7.
è D’où :
3 2 3
ℙ(B1 ∩ B2 ) = × = .
8 7 28

:
Théorème de Bayes : Lecture personnelle

:

On dit que deux événements A et B d’un même univers Ω muni
d’une probabilité ℙ sont indépendants si :
ℙ(A ∩ B) = ℙ(A)ℙ(B).
Si A et B sont des événements indépendants alors la connaissance

ou non de la réalisation de l’un des événements n’affecte pas la
probabilité que l’autre se réalise.
ℙ(A|B) = ℙ(A) et ℙ(B|A) = ℙ(B).

:
Exercices
Une vaste étude menée dans une population donnée montre que
dans cette population :
è 30% des femmes zappent la douche quotidienne ;
è les hommes ne sont que 40% à se laver quotidiennement.
è parmi les personnes interrogées, aucune n’est sans avis.
On sait de plus qu’il y a 55% de femmes dans la population
concernée par cette étude.
1 On choisit une personne au hasard. Quelle est la probabilité
qu’elle ne se lave pas tous les jours ?
2 Sachant que la personne choisie se lave tous les jours, quelle
est la probabilité que ce soit une femme ?
3 Se laver quotidiennement est-il indépendants du sexe ?


Cours Statist Infer

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours Statist Infer

Transféré par

Droits d'auteur :

Formats disponibles

:

DE de Mathématique, Université de Liège

1 Calcul des probabilités

DE de Mathématique, Université de Liège

è Univers : ensemble des résultats possibles de l’expérience. On

è Quoiqu’il arrive, à l’issue de l’expérience, le résultat doit

è Evénement : un ensemble de résultats possibles d’une

è Cet ensemble peut être vide ou contenir un ou plusieurs

Quelques événements particuliers

è L’événement impossible est noté ∅. Il représente toutes les

è L’événement certain correspond à Ω.

è Un événement élémentaire contient exactement une seule

DE de Mathématique, Université de Liège

Exemple : on se demande combien de personnes en

è L’univers de cette expérience est

è Les événements de cette expérience sont

DE de Mathématique, Université de Liège

Correspondance entre les événements et les ensembles.

è Comme les événements peuvent être vus comme des

è Soient A et B deux événements d’un même univers Ω.

A ∪ B : A ou B (ou les deux).

A = Ω⧵A : non A (complémentaire de A, contraire de A).

DE de Mathématique, Université de Liège

è Si A et B sont deux événements telles que A ∩ B = ∅, on dit

è Si la réalisation de A implique celle de B, on écrit A ⊂ B.

DE de Mathématique, Université de Liège

è Jet de 2 dés (un rouge et un bleu) à 6 faces :

Ω = {(i, j) avec i, j = 1, … , 6} = {1, … , 6}2 .

è Soient les événements :

B =“La somme des nombres affichés est divisible par 3” ;

C =“ La somme des nombres affichés est divisible par 4”.

DE de Mathématique, Université de Liège

DE de Mathématique, Université de Liège

è Une urne contient 10 boules numérotées de 1 à 10. Les boules

B = “la boule est blanche” ; R = “la boule est rouge”

1 Quel est le lien entre les événements P et I , N1 et I ?

DE de Mathématique, Université de Liège

1 P et I sont des événements incompatibles : P ∩ I = ∅;

La réalisation de N1 implique la réalisation de I : N1 ⊂ I .

DE de Mathématique, Université de Liège

è Pour modéliser un phénomène aléatoire, la définition des

è Il faut aussi évaluer le poids que le hasard affecte à chaque

è C’est à dire comparer la chance qu’a un événement de se

DE de Mathématique, Université de Liège

Une mesure de probabilité sur Ω est une application (une sorte

è Si on appelle ℙ une telle association, alors ℙ doit vérifier les

ℙ(A1 ∪ A2 ∪ ⋯ ∪ An ) = ℙ(A1 ) + ℙ(A2 ) + ⋯ + ℙ(An ).

DE de Mathématique, Université de Liège

è La (mesure de) probabilité d’un événement sert à quantifier le

è Elle peut s’interpréter comme la fréquence relative de

DE de Mathématique, Université de Liège

Exemples : Lancement d’une pièce à deux faces.

è Si la pièce est équilibrée, alors la mesure de probabilité ℙ est

ℙ(Pile) = ℙ(Face) = 1/2.

è D’une manière générale, on a :

ℙ(Pile) = p et ℙ(Face) = 1 − p avec p ∈ [0, 1].

Lancement d’une pièce équilibrée de 0 à 300 fois

0 50 100 150 200 250 300

DE de Mathématique, Université de Liège

Propriétés sur les probabilités

ℙ(B⧵A) = ℙ(B) − ℙ(A), en particulier ℙ(A) ≤ ℙ(B).

(iv) ℙ(A ∪ B) = ℙ(A) + ℙ(B) − ℙ(A ∩ B).

DE de Mathématique, Université de Liège