Académique Documents
Professionnel Documents
Culture Documents
Probabilités
1. Introduction.
Les probabilités sont nées des jeux du hasard sans se douter qu’elles vont jouer un rôle
important dans domaines divers allant du génie aux sciences sociales. Les modèles probabilistes
sont un pont entre les statistiques descriptives et l’inférence statistique qui conduit à des prises
de décision.
2. Terminologie.
Une expérience aléatoire est un processus dont le résultat ne peut être prédit à l’avance avec
certitude. Par exemple, le lancer d’un dé, la durée de vie d’un téléviseur ou la résistance d’un
contenant.
Chaque résultat possible d’une expérience aléatoire est dit événement élémentaire. L’ensemble
des éléments élémentaires sera noté S.
Exemples.
Par exemple si une machine produit des pièces, leurs longueurs fluctuent à cause de certains
facteurs. On peut considérer l’événement : la longueur de la pièce reste dans un intervalle
spécifié.
Comme les événements sont des sous-ensembles, on peut leur appliquer les opérations sur les
ensembles pour former d’autres événements.
17
Union. L’union de deux événements A et B notée A B est l’événement formé des
événements élémentaires qui sont dans A ou dans B ou dans les deux.
Intersection. L’intersection de deux événements A et B notée A B est l’événement
formé des événements élémentaires qui sont dans A et dans B.
Les deux formules suivantes sont dites lois de Morgan comme en logique.
A B A B et A B A B
Événements incompatibles.
Deux événements A et B sont dits incompatibles ou mutuellement exclusifs si A B . Dans
ce cas la réalisation de l’un empêche la réalisation de l’autre.
3. Probabilités.
La probabilité d’un événement est une mesure quantitative des chances qu’a cet événement de
se réaliser.
En général, on peut attribuer des probabilités à des événements de façon à respecter certaines
règles qui seront énoncés après. Cependant, il y a deux manières qu’on rencontre le plus
souvent. La première est l’approche classique qui s’applique lorsque tous les événements
élémentaires ont les mêmes chances de réalisation comme par exemple les jeux de hasard ou
dans des situations présentant des symétries. La deuxième que l’on rencontre est l’approche
fréquentielle et qui attribue comme probabilité à un événement, la proportion de fois que cet
événement se réalise dans un certain nombre de répétitions de l’expérience, ce qui rejoint la
notion de fréquence en statistiques descriptives.
Axiomes de probabilités.
On notera la probabilité d’un événement A par P( A) .
P( S ) 1
Pout tout événement, P( A) 0
P( A1 A2 ..........) P( A1 ) P( A2 ) ..............
18
De ces axiomes, découlent les propriétés suivantes :
P() 0
P( A) 1 P( A)
P( A B ) P( A) P( A B)
Si A B alors P( A) P( B)
Remarque. Dans le cas où tous les événements élémentaires ont la même probabilité, on a
n
P( A) où N est le nombre d’éléments de S et n le nombre d’éléments de A.
N
Exemple.
Un générateur de chiffres aléatoires est activé deux fois pour simuler un nombre à deux chiffres.
Tous les chiffres entre 0 et 9 ont la même chance d’apparaître.
L’espace de tous les résultats possibles est l’ensemble de nombres ab où a et b sont des
Il y’a 10 nombres qui finissent par 2 et 10 qui commencent par 2. Mais le nombre 22 doit être
compté une seule fois. La probabilité d’obtenir un nombre contenant le chiffre 2 est 19
100 .
événements : “Le nombre finit par 2” et “Le nombre commence par 2”. A B est alors formé
d’un seul événement élémentaire qui est le nombre 22 et
p( A B) 10 10 1 19 .
100 100 100 100
19
Exemple.
dépasser p( M I ) .
Exemple.
20
b) Quelle est a probabilité qu’un ordinateur n’a ni un virus ni un ver?
On calcule P( A B ) P( A B) 1 P( A B) 0.75
On calcule P( A B ) P( A) P( A B) 0.10
Dans certaines situations, la connaissance d’une certaine information limite les possibilités de
réalisation à une certaine partie de S. Dans ces cas, la probabilité d’un événement est basée sur
la réalisation des événements élémentaires le composant qui sont dans cette partie de S
seulement. Ce genre de probabilité s’appelle probabilité conditionnelle.
Longueur
Trop mince 15 5 4
Trop épais 5 20 10
941
Avec ces données, on peut par exemple attribuer comme probabilité que la tige a un
1000
diamètre dans les normes.
Supposons maintenant que la tige sélectionnée a un diamètre dans les normes. Quelle est alors
la probabilité que la tige ait une longueur dans les normes ?
La connaissance de cette information réduit l’espace des éventualités car on sait que la tige est
sélectionnée parmi les 941 qui ont un diamètre dans les normes. Comme parmi ces 941, 910 ont
910
une longueur dans les normes, la réponse à la question est .
941
21
910
910 1000 , on voit que le numérateur est la probabilité que la tige a une
Si on écrit
941 941
1000
longueur et un diamètre dans les normes et le dénominateur est la probabilité que la tige a un
diamètre dans les normes.
Si on note par L : la tige a une longueur dans les normes et par D : la tige a un diamètre dans les
normes on a donc :
P( L D)
P( L se réalise sachant D est réalisé)
P ( D)
P( A B)
est P( A / B) .
P( B)
P(B) 0 on obtient
P( B / A) P( A)
P( A / B)
P( B)
On dit que deux événements sont indépendants si la réalisation de l’un n’a aucune influence sur
la réalisation de l’autre. Ce qui se traduit par
P( A / B) P( A) ou P( B / A) P( B)
22
Loi de multiplication.
Si A et B sont indépendants, on a P( A B) P( A) P( B) .
Exemple.
Un modèle probabiliste donne la probabilité qu’une batterie soit en vie après un temps t
t
comme étant égale à e
, où 0 est donné.
Un lot de 5 batteries identiques est testé. On suppose que les durées de vie des batteries sont
indépendantes. On veut calculer la probabilité qu’au moins une des batteries soit en vie après
t0 heures .
Soit Ei , l’événement : la i ème batterie dure plus de t0 heures. Il est plus facile de calculer la
P( E1 E2 E3 E4 E5 ) P( E1 ) P( E2 ) P( E3 ) P( E4 ) P( E5 )
t
0
(1 e 5
)
t
0
La probabilité cherchée est alors 1 (1 e 5
)
Exemple.
La probabilité de pannes d’électricité sur une ligne d’assemblage pendant un mois donné est de
10%. On suppose que les pannes dans des mois successifs sont indépendantes. Quelle est la
probabilité d’avoir une période de trois mois sans pannes ?
P( A1 A2 A3 ) P( A1 ) P( A2 ) P( A3 ) 0.93 0.729 .
23
Exemple.
A B
La probabilité de défaillance de chaque lien dans le réseau est p. On suppose les liens
indépendants. Quelle est la probabilité d’établir une connexion entre les deux villes ?
La probabilité d’une connexion par le chemin supérieur est (1 p)2 par conséquent la
La probabilité d’une connexion par le chemin inférieur est (1 p)3 par conséquent la probabilité
Enfin, La probabilité d’établir une connexion entre les deux villes est :
Soient A1 , A2 ,........, An des événements qui forment une partition de S, c'est-à-dire que les
P( B) P( B A1 ) P( B A2 ) ........ P( B An ) .
24
P( B) P( B / A1 ) P( A1 ) P( B / A2 ) P( A2 ) ........ P( B / An ) P( An ) i 1 P( B / Ai ) P( Ai )
n
P( Ak B) P( B / Ak ) P( Ak ) P( B / Ak ) P( Ak )
Si P( B) 0 , On obtient P( Ak / B) n
P( B) p( B) P( B / Ai ) P( Ai )
i 1
Formule de Bayes :
P( B / Ak ) P( Ak )
P( Ak / B)
n
i 1
P( B / Ai ) P( Ai )
Exemple.
Notons par C l’événement : la corrosion est présente dans la conduite et par P : le test indique la
présence de la corrosion. On a le diagramme suivant :
0.9 P
0.2 C 0.1 P
0.8 0.05 P
C 0.95 P
P( P / C ) P(C )
P(C / P)
P( P / C ) P(C ) P( P / C ) P(C )
02*0.9
81.81%
02*0.9 0.8*0.05
25
Cette probabilité à postériori se calcule en divisant le chemin allant de C à P (0.2*0.9) sur la
somme des chemins qui arrivent à P.
P( P / C ) P(C )
P(C / P )
P( P / C ) P(C ) P( P / C ) P(C )
02*0.1
2.56%
02*0.1 0.8*0.95
26