Analyse descriptive des données

MBA5500 – Automne 2023

Introduction aux probabilités (1/2)

David Djadjaglo, PhD

École de gestion Telfer
Université d’Ottawa

4 octobre 2023

Automne 2023 MBA5500 Analyse Descriptive des données 1

Aperçu

• Notion d’experience d’aléatoire

• Probabilités conditionnelles
• Probabilités composées
• Probabilités marginales
• Évènements indépendants
• Théoréme de Bayes

Automne 2023 MBA5500 Analyse Descriptive des données 2

Introduction aux probabilités

Expérience aléatoire:
Une expérience aléatoire est une expérience dont le résultat
dépend entièrement du hasard et dont les résultats possibles
sont connus.
Exemples:
Illustration 1. Expérience: «Jeu de pile ou face»
Résultats: Pile ou Face
Illustration 2. Expérience: Les notes d’un test statistique (sur 100 points).
Résultats: Notes comprises entre 0 et 100
Illustration 3. Expérince: Notes finales au cours MBA5500.
Résultats: A, B, C, D et F

Automne 2023 MBA5500 Analyse Descriptive des données 3

Introduction aux probabilités

• L’épreuve (expérience aléatoire) est tout processus qui fait

intervenir le hasard et qui est susceptible d’aboutir à un ou
plusieurs résultats.
o on ne peut prévoir avec certitude les résultats de
l’expérience
o on peut décrire, avant toute expérimentation, l'ensemble
des résultats possibles de l’expérience
• L’espace échantionnal 𝑆 est l’ensemble de tous les
résultats qui peuvent se produire dans l’expérience
aléatoire.
• L’évènement est une partie de l’ensemble de résultats. Il
constitue un sous-ensemble de l’espace échantionnal.

Automne 2023 MBA5500 Analyse Descriptive des données 4

Introduction aux probabilités

Expérience Évènement Espace échantionnal

Je lance une pièce de « Tomber sur pile (P) ou S = {pile, face}
monnaie face (F) »

Nous choissons au hasard Taux d’occupation S = {0, …,100 %}

un hôtel à Gatineau et nous
déterminons son taux
d’occupation.
Nous jouons au dé. { 1 }, { 2 }, { 3 }, {4}, { 5 }, S = {1, 2, 3, 4, 5, 6}
{6}

Automne 2023 MBA5500 Analyse Descriptive des données 5

Introduction aux probabilités

La probabilité d’un évènement E est le rapport entre le

nombe de résultats favorables 𝑛𝐸 à cet évènement et le
nombre de résultats possibles 𝑁 contenus dans l’espace
échantionnal , tous également vraisemblables.
𝑛𝐸
𝑝 𝐸 =
𝑁

Remarques:
• La probabilité d’un évènement impossible est nulle.
• La probabilité d’un évènement certain est égal à 1.
• Entre les deux extremes se situe toute une série
d’évènements probables.
• La probabilité d’un évènement est donc toujours comprise
entre 0 et 1.

Automne 2023 MBA5500 Analyse Descriptive des données 6

Introduction aux probabilités

Soient A et B, des évènements quelconques. Alors, les

propriétés suivantes doivent être satisfaites:
1. 0 ≤ 𝑃 𝐴 ≤ 1
2. 𝑃 𝑆 = 1
3. 𝑃 𝐴ҧ = 1 − 𝑃 𝐴

Si A et B sont deux évènements incompatibles (ils ne peuvent se réaliser

simultanément), alors la probabilité de realisation de l’un ou l’autre est égale à:
4. 𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵
ou
▪ 𝑃 𝐴 𝑜𝑢 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃 𝐴 𝑒𝑡 𝐵

Automne 2023 MBA5500 Analyse Descriptive des données 7

Introduction aux probabilités

Exercice d’application
Une experience conduit à cinq résultats élémentaires et incompatibles 𝐸1 , 𝐸2 ,
𝐸3 , 𝐸4 et 𝐸5 . On sait que 𝑃 𝐸3 = 0,30, 𝑃 𝐸4 = 2 𝑃 𝐸5 ,
𝑃 𝐸1 = 𝑃 𝐸2 = 0,15.
1. Quel est l’espace échantionnal ?
Réponse: On a S = {𝐸1 , 𝐸2 , 𝐸3 , 𝐸4 et 𝐸5 }
2. Quel est la valeur de 𝑃 s ?
Réponse: On sait que 𝑃 𝑆 = 1
𝑃 𝑆 = 𝑃 𝐸1 + 𝑃 𝐸2 + 𝑃 𝐸3 + 𝑃 𝐸4 + 𝑃 𝐸5 = 1
3. Déterminez 𝑃 𝐸4 et 𝑃 𝐸5
𝑃 𝑆 = 𝑃 𝐸1 + 𝑃 𝐸2 + 𝑃 𝐸3 + 𝑃 𝐸4 + 𝑃 𝐸5 = 1
= 0,15 + 0,15 + 0,30 +2 𝑃 𝐸5 + 𝑃 𝐸5 = 1
= 0,60 +2 𝑃 𝐸5 + 𝑃 𝐸5 = 1
0,40
= 3𝑃 𝐸5 = 0,40 𝑃 𝐸5 = = 0,133
3
𝑃 𝐸5 =0,133 et 𝑃 𝐸4 = 2 𝑃 𝐸5 =0,266 𝑃 𝐸4 =0,266
Automne 2023 MBA5500 Analyse Descriptive des données 8
Introduction aux probabilités

Calcul des probabilités totales: Évènements ne s’excluant pas.

La probabilité de se voir réaliser dans une épreuve l’un ou l’autre de
deux évènements ne s’excluant pas mutuellement est égale à :
• 𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵
ou
▪ 𝑃 𝐴 𝑜𝑢 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃 𝐴 𝑒𝑡 𝐵

Cette expression porte le nom de règle d’addition.

Automne 2023 MBA5500 Analyse Descriptive des données 9

Introduction aux probabilités

Exemple: Règle d’addition

Une enquête effectuée auprès de 1 500 Canadiens portant sur les jeux
d’argent indique:
• 1182 jouant à la loterie (A)
• 310 vont au casino (B)
• 190 jouent autant à la loterie qu’au casino (A et B)

Question: Si un Canadien est choisi au hasard, quelle est la probabilité

qu’il joue à la loterie ou au casino?

Solution:
1182 310 190
𝑃 𝐴 𝑜𝑢 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃 𝐴 𝑒𝑡 𝐵 = + − = 0,868
1500 1500 1500

Automne 2023 MBA5500 Analyse Descriptive des données 10

Introduction aux probabilités

Probabilités conditionnelles
Soit A et B deux évènements de S. On appelle probabilité conditionnelle
de B par rapport à A, la probabilité de réalisation de l’évènement B,
sachant que l’évènement A s’est réalisé et se note 𝑃 𝐵\A .

𝑃 𝐵\A = 𝑃𝑃𝐴∩𝐵
𝐴
, de même 𝑃 𝐴\B = 𝑃 𝐴∩𝐵
𝑃 𝐵

Automne 2023 MBA5500 Analyse Descriptive des données 11

Introduction aux probabilités

Probabilités composées
Soit A et B deux évènements de probabilité non nulle. La
probabilité de se voir réaliser à la fois (simultanément) deux
évènements A et B est:
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 . 𝑃 𝐵\A
ou
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵 . 𝑃 𝐴\B

Cette expression porte le nom de règle de multiplication

Automne 2023 MBA5500 Analyse Descriptive des données 12

Introduction aux probabilités

Exemple: Probabilité composée et probabilité conditionelle

Une étude auprès de 1 000 individus concernant l’efficacité d’un est
pour dépister une maladie contagieuse conduit aux résultats suivants:

Test positif ( C ) Test négatif ( D)

Pas de maladie ( A ) 40 860
Maladie contagieuse (B) 80 30

On choisit au hasard un individu de cette population:

a) Quelle est la probabilité qu’il présente la maladie contagieuse?
𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑠 𝑝𝑟é𝑠𝑒𝑛𝑡𝑎𝑛𝑡 𝑙𝑎 𝑚𝑎𝑙𝑎𝑑𝑖𝑒 𝑐𝑜𝑛𝑡𝑎𝑔𝑖𝑒𝑢𝑠𝑒 100
𝑃 𝐵 = = = 0.10
𝑁𝑜𝑚𝑏𝑟𝑒 𝑡𝑜𝑡𝑎𝑙 𝑑 ′ 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢𝑠 1000
b) Quelle est la probabilité que l’individu ait un test positif?
𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑠 𝑎𝑦𝑎𝑛𝑡 𝑢𝑛 𝑡𝑒𝑠𝑡 𝑝𝑜𝑠𝑖𝑡𝑖𝑓 120
𝑃 𝐶 = = = 0.12
𝑁𝑜𝑚𝑏𝑟𝑒 𝑡𝑜𝑡𝑎𝑙 𝑑 ′ 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢𝑠 1000

Automne 2023 MBA5500 Analyse Descriptive des données 13

Introduction aux probabilités

Exemple: Probabilité composée et probabilité conditionelle (suite)

c) Quelle est la probabilité que l’individu avec un test négatif présente
la maladie contagieuse?
𝑃 𝐵∩𝐷 20Τ1000
𝑃 𝐵\D = = = 0,0227
𝑃 𝐷 880Τ1000

d) Quelle est la probabilité que l’individu avec un test positif ne

présente pas de maladie contagieuse ?
𝑃 𝐴∩𝐶 40Τ1000
𝑃 𝐴\C = = = 0,333
𝑃 𝐶 120Τ1000

Automne 2023 MBA5500 Analyse Descriptive des données 14

Introduction aux probabilités

Règle de calcul des probabiliés

Règle d’addition Règle de multiplication

𝑃 𝐴∪𝐵 𝑃 𝐴∩𝐵

Est-ce que A et B sont Est-ce que A et B sont

mutuellement exclusifs? dépendants?

Oui Non Oui Non

𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 ∗ P B − 𝑃 𝐵\A 𝑃 𝐴∩𝐵 =𝑃 𝐴 +𝑃 𝐵 𝑃 𝐴∩𝐵 =𝑃 𝐴 ∗𝑃 𝐵

Automne 2023 MBA5500 Analyse Descriptive des données 15

Introduction aux probabilités

Évènements indépendants
• Deux évènements A et B sont indépendants si:

𝑃 𝐵\A = 𝑃 𝐵 𝑜𝑢 𝑃 𝐴\B = 𝑃 𝐴

• Dans le cas d’indépendance , la formule des probabilités

composée devient:
𝑃 A∩𝐵 = 𝑃 𝐴 .𝑃 𝐵

Automne 2023 MBA5500 Analyse Descriptive des données 16

Introduction aux probabilités

Exercice d’application (1/2)

Dans une grande ville, deux journaux sont publiés, le Sun et
le Post.
Les services de diffusion indiquent que 22 % des ménages
de la ville sont abonnés au Sun et 35 % au Post. Une
enquête révèle que 6 % de tous les ménages sont abonnés
aux deux journaux.
Quelle est la proportion des ménages de la ville qui sont
abonnés à au moins un journal ?

Automne 2023 MBA5500 Analyse Descriptive des données 17

Introduction aux probabilités

Solution:
Nous pouvons reformuler la question comme suit : "Quelle
est la probabilité de choisir au hasard un ménage abonné
au Sun ou au Post ou aux deux ?

𝑃(𝑆𝑢𝑛 ou 𝑃𝑜𝑠𝑡)=𝑃(𝑆𝑢𝑛)+𝑃(𝑃𝑜𝑠𝑡)−𝑃(𝑆𝑢𝑛 et 𝑃𝑜𝑠𝑡)

𝑃(𝑆𝑢𝑛 ou 𝑃𝑜𝑠𝑡)=.22+.35−.06=.51

Interprétation:
Il y a une probabilité de 51 % qu'un ménage sélectionné
au hasard soit abonné à l'un ou l'autre ou aux deux
journaux.
Automne 2023 MBA5500 Analyse Descriptive des données 18
Introduction aux probabilités

Probabilités marginales
Supposons qu'un investisseur potentiel examine la relation entre la
performance d'un fonds commun de placement et l'université qui a délivré le
MBA au gestionnaire. Après l'analyse, le tableau des probabilités conjointes
suivant a été élaboré

Analysez et interprétez les résultats.

Automne 2023 MBA5500 Analyse Descriptive des données 19

Introduction aux probabilités
Probabilités marginales
Solution:
Représentons les événements comme suit :
• A1 = Le gestionnaire de fonds est diplômé d'un programme MBA du top 20
• A2 = Le gestionnaire de fonds n'est pas diplômé d'un programme MBA
du top 20
• B1 = Les fonds mutuels surpassent le marché
• B2 = Les fonds mutuels ne surpassent pas le marché
Par conséquent, les probabilities conjointes sont:
• 𝑃 𝐴1 𝑒𝑡 𝐵1 = .11
• 𝑃 𝐴2 𝑒𝑡 𝐵1 = .06
• 𝑃 𝐴1 𝑒𝑡 𝐵2 = .29
• 𝑃 𝐴2 𝑒𝑡 𝐵2 = .54

Automne 2023 MBA5500 Analyse Descriptive des données 20

 Introduction aux probabilités

Les probabilités marginales apparaissent en marge du tableau (total de

chaque ligne divisée par le total du tableau).
• Prémière ligne: 𝑃 𝐴1 = 𝑃 𝐴1 𝑒𝑡 𝐵1 + 𝑃 𝐴1 𝑒𝑡 𝐵2 = .11 + .29 = .40
• Deuxième ligne: 𝑃 𝐴2 = 𝑃 𝐴2 𝑒𝑡 𝐵1 + 𝑃 𝐴2 𝑒𝑡 𝐵2 = .06 + .54 = .60
• Prémière colomne: 𝑃 𝐵1 = 𝑃 𝐴1 𝑒𝑡 𝐵1 + 𝑃 𝐴2 𝑒𝑡 𝐵1 = .11 + .06 = .17
• Deuxième colomne: 𝑃 𝐵2 = 𝑃 𝐴1 𝑒𝑡 𝐵2 + 𝑃 𝐴2 𝑒𝑡 𝐵2 = .29 + .54 = .83
Programme de Les fonds mutuels ont Les fonds mutuels ont Totaux
MBA enrégisté des enrégisté des rendements
rendements dépassant dépassant ceux du
ceux du marché marché

Les 20 meilleures 𝑃 𝐴1 𝑒𝑡 𝐵1 = .11 𝑃 𝐴1 𝑒𝑡 𝐵2 = .29 𝑃 𝐴1 = .40

universités
N’appurtenant 𝑃 𝐴2 𝑒𝑡 𝐵1 = .06 𝑃 𝐴2 𝑒𝑡 𝐵2 = .54 𝑃 𝐴2 = .60
aux 20 meilleures
universités
Totauz 𝑃 𝐵1 = .17 𝑃 𝐵2 = .83 1.00

Automne 2023 MBA5500 Analyse Descriptive des données 21

Exercice (Probabilité conditionnelle)
Déterminants de la réussite des gestionnaires de fonds mutuels
Supposons que, dans l'exemple ci-dessous, nous choisissions un fonds
mutuel au hasard et que nous découvrions qu'il n'a pas surperformé le
marché.
Quelle est la probabilité qu'un diplômé d'un programme de MBA du top
20 le gère ?

Automne 2023 MBA5500 Analyse Descriptive des données 22

Exercice (Probabilité conditionnelle)

Solution de l’exercice précédent:

Nous pouvons reformuler la probabilité conditionnelle que nous devons
calculer comme suit :

La probabilité qu'un fonds commun de placement choisi au hasard soit

géré par un diplômé d'un programme MBA du top 20 (événement A1),
compte tenu du fait que le fonds n'a pas surclasse le marché
(événement B2).
𝑃(𝐴1 et 𝐵2 ) .29
𝑃 𝐴1 𝐵2 = = = .349
𝑃(𝐵2 ) .83

Automne 2023 MBA5500 Analyse Descriptive des données 23

Exercice (Événements indépendants)

Supposons que, dans l'exemple ci-dessous, on vous

demande de déterminer si le fait que le gestionnaire soit
diplômé d'un programme de MBA parmi les 20 meilleurs et
le fait que le fonds surpasse le marché sont des
événements indépendants.

Automne 2023 MBA5500 Analyse Descriptive des données 24

Exercice (Événements indépendants)

Solution de l’exercice précédent:

A1 = Le gestionnaire de fonds diplômé d'un programme MBA du top 20

B1 = Le fonds mutuel qui surclasse le marché
Pour determiner si A1 et B1 are deux évènements indépendants, nous
devons calculer la la probabilité de réalisation de l’évènement A1,
sachant que l’évènement B1 s’est réalisé :
𝑃(𝐴1 et 𝐵1 ) .11
𝑃 𝐴1 𝐵1 = = = .647
𝑃(𝐵1 ) .17
La probabilité marginale qu'un manager soit diplômé d'un programme
MBA du top 20 est ::
𝑃 𝐴1 = .40
Les deux probabilités n'étant pas égales, on en conclut que les deux
événements sont dépendants.

Automne 2023 MBA5500 Analyse Descriptive des données 25

Introduction aux probabilités

Exemple A (Sans remplacement)

Un cours de statistiques de deuxième cycle compte sept étudiants et
trois étudiantes. Le professeur souhaite choisir deux étudiants au
hasard.
Quelle est la probabilité que les deux étudiants choisis soient des
femmes ?
Solution:
Soit:
A. la première participante choisie au cours est une femme
B. la deuxième participante choisie au cours est une femme

Nous avons besoin de: 𝑃 𝐴 et 𝐵 = 𝑃 𝐴 𝑃(𝐵|𝐴)

3 2
Avec: 𝑃 𝐴 = 10 et 𝑃 𝐵 𝐴 = 9
3 2 6
Par conséquent: 𝑃 𝐴 et 𝐵 = 10 9 = 90 = .067

Automne 2023 MBA5500 Analyse Descriptive des données 26

Introduction aux probabilités

Exemple B (Avec remplacement)

Un cours de statistiques de deuxième cycle compte sept étudiants et trois
étudiantes. Le professeur souhaite choisir deux étudiants au hasard.
Le professeur doit choisir au hasard un étudiant comme remplaçant pour les
deux prochains cours.
Quelle est la probabilité que les étudiants sélectionnés pour les deux cours
soient tous deux des femmes ?
Solution:
Cette fois, le même participant peut être sélectionné pour les deux classes.
Par conséquent, A et B sont désormais des événements indépendants.
Nous avons besoin de: 𝑃(𝐴 et 𝐵)=𝑃(𝐴)𝑃(𝐵)
Avec: 𝑃(𝐴)=3/10 et 𝑃(𝐵)=3/10
Par conséquent: 𝑃(𝐴 et 𝐵)=3/10 3/10=9/100=.09

Automne 2023 MBA5500 Analyse Descriptive des données 27

Diagramme en arbre

Dans un diagramme en arbre, les événements d'une

expérience sont représentés par des branches, qui sont des
lignes reliées entre elles. Nous calculons ensuite les
probabilités conjointes en multipliant les probabilités sur les
branches liées. Les branches parallèles issues d'un même
nœud s'excluent mutuellement et peuvent être
additionnées.

Automne 2023 MBA5500 Analyse Descriptive des données 28

Diagramme en arbre

Considérons à nouveau les exemples précédents (A et B)

de la probabilité de sélectionner au hasard deux étudiantes
dans un cours de statistiques de troisième cycle qui compte
sept étudiants et trois étudiantes, avec ou sans
remplacement.
Exercice A

Automne 2023 MBA5500 Analyse Descriptive des données 29

Diagramme en arbre
Exercice B

Notez qu'il y a deux événements possibles pour la sélection d'un étudiant et d'une étudiante. Dans ce cas, la forme spéciale de
la règle d'addition pour les événements mutuellement exclusifs peut être appliquée aux probabilités conjointes.
.Dans les deux diagrammes de probabilité, nous pouvons calculer la probabilité que l'un des étudiants choisis soit une femme et
l'autre un homme en additionnant simplement les probabilités conjointes.
Pour l’exemple A, nous avons:
P(F et M) + P(M et F) = 21/90 + 21/90 = 42/90

Dans l’exemple B, nous avons:

P(F et M) + P(M et F) = 21/100 + 21/100 = 42/100

Automne 2023 MBA5500 Analyse Descriptive des données 30

Le théorème de Bayes

Il existe parfois qu’une épreuve puisse être décomposée en

deux étapes successives:
• Dans un premier temps, on obtient un groupe
d’évènements incompatibles 𝐸1 , 𝐸2 … 𝐸𝑛 . À chacun de
ces évènements correspond une information initiale
permettant d’évaluer les probabilités 𝑃 𝐸1 , 𝑃 𝐸2 … 𝑃 𝐸3

• Dans un second temps, on obtient un événement A issu

du groupe précédent pour lequel on connaît les
probabilités condtionnelles 𝑃 𝐴 𝐸1 , 𝑃 𝐴 𝐸2 ,… 𝑃 𝐴 𝐸1 .
On demande alors de calculer 𝑃 𝐸𝑖 𝐴 c’est à dire d’évaluer
les probabilités de divers causes de A, sachant que A s’est
produit.
Automne 2023 MBA5500 Analyse Descriptive des données 31
Le théorème de Bayes

Le théorème de Bayes est une conséquence immédiate des

probabilités conditionelles et des probabilités totales.
1. Probabilités composées

P(A B)
P(A/ B)=
P(B)
2. Théoréme de Bayes

P(B/ A)P(A)
P(A/ B)=
P(B)

P(B/ Ai)P(Ai)
P(Ai / B)=
P(B/ Ak)P(Ak)
k

Automne 2023 MBA5500 Analyse Descriptive des données 32

Le théorème de Bayes

Exercice d’application (1/3)

Un candidat au MBA doit-il suivre un cours préparatoire ?
Supposons qu'une enquête menée auprès d'étudiants en
MBA révèle que parmi les étudiants ayant obtenu un score
d'au moins 650 au GMAT, 52 % ont suivi un cours
préparatoire, alors que parmi les étudiants ayant obtenu un
score inférieur à 650 au GMAT, seuls 23 % ont suivi un
cours préparatoire.
Un candidat à un programme de MBA sait que la probabilité
d'obtenir un score d'au moins 650 est de 10 %, et il est
disposé à suivre un cours de préparation si la probabilité
d'obtenir un score d'au moins 650 est au moins doublée,
soit 20 %.
Automne 2023 MBA5500 Analyse Descriptive des données 33
Le théorème de Bayes

Exercice d’application (2/3)

Un candidat au MBA doit-il suivre un cours préparatoire ?
Nous pouvons commencer par définir les événements A et
B comme suit :
A = score au GMAT égal ou supérieur à 650B
B= suivre un cours préparatoire
Ensuite, nous pouvons définir les probabilités fournies
comme suit :
P(Ac) = .10
P(B|A) = .52
P(B|Ac) = .23
En utilisant les règles de complément et de multiplication,
nous pouvons calculer le diagramme en arbre.
Automne 2023 MBA5500 Analyse Descriptive des données 34
Le théorème de Bayes

Exercice d’application (3/3)

Un candidat au MBA doit-il suivre un cours préparatoire ?
GMAT Cours préparatoire Probabilité composée

Automne 2023 MBA5500 Analyse Descriptive des données 35

Le théorème de Bayes

Exercice d’application (2/3)

Un candidat au MBA doit-il suivre un cours préparatoire ?
Nous devons calculer la probabilité qu'un candidat au MBA obtienne au moins 650 points
(événement A), étant donné qu'il a suivi un cours préparatoire (événement B).
En utilisant la formule de la probabilité conditionnelle, nous pouvons écrire : 𝑃 𝐴 𝐵 =
𝑃(𝐴 et𝐵)
𝑃(𝐵)

Le diagramme d’arbre donne: 𝑃 𝐴 et 𝐵 = .052

A partir du diagramme en arbre, nous pouvons également calculer la probabilité marginale
P(B) comme suit :
𝑃 𝐵 = 𝑃(𝐴 et 𝐵) + 𝑃(𝐴𝐶 et 𝐵) = .052 + .207 = .259

Ainsi, la probabilité qu'un candidat au MBA obtienne un score d'au moins 650, étant
donné qu'il a suivi un cours préparatoire, est la suivante :
𝑃(𝐴 et 𝐵) .052
𝑃 𝐴𝐵 = = = .201 ce qui est supéreur 20%.
𝑃(𝐵) .259

Automne 2023 MBA5500 Analyse Descriptive des données 36

Le théorème de Bayes

Exercice d’application (1/3)

Un candidat au MBA doit-il suivre un cours préparatoire ?
We define the events as follows:
• A1 = Le score au GMAT égal ou supérieur à 650
• A2 =Le score au GMAT est inférieur à 650
• B = L'étudiant a suivi un cours préparatoire
Les probabilités préalables fournies sont les suivantes :
• P(A1) = 0,10 (probabilité que l'étudiant obtienne 650 ou plus)
• P(A2) = 1 - 0,10 = 0,90
The provided conditional (likelihood) probabilities are:
• P(B|A1) = .52 (probabilité que l'étudiant ait suivi un cours de préparation parmi ceux qui ont obtenu 650 ou plus)
• P(B|A2) = .23 (probability student took prep course among those scoring less than 650)

La formule du théo rèkede Bayes donne la probabilité qu'un étudiant obtienne 650 ou plus après avoir
suivi le cours de préparation :
𝑃 𝐴1 𝑃 𝐵|𝐴1 .10(.52) .052
𝑃 𝐴1 |𝐵 = = = = .201
𝑃 𝐴1 𝑃 𝐵|𝐴1 + 𝑃 𝐴2 𝑃 𝐵|𝐴2 .10 .52 + .90(.23) .052 + .207

Automne 2023 MBA5500 Analyse Descriptive des données 37

Le théorème de Bayes
Pour ceux qui préfèrent une approche algébrique plutôt qu'un arbre de
probabilité, la loi de Bayes peut être exprimée sous la forme d'une
formule :
𝑃 𝐴𝑖 𝑃 𝐵|𝐴𝑖
𝑃 𝐴𝑖 |𝐵 =
𝑃 𝐴1 𝑃 𝐵|𝐴1 + 𝑃 𝐴2 𝑃 𝐵|𝐴2 + ⋯ + 𝑃 𝐴𝑘 𝑃 𝐵|𝐴𝑘

Où
B est l’évènement donné,
A1, A2,…, Ak sont les événements avec des probabilités
préalables connues P(A1), P(A2),…, P(Ak),
P(B|A1), P(B|A2),…, P(B|Ak) sont les probabilités de
vraisemblace,
P(Ai|B), with i = 1, 2,…, k sont les probabilités postérieures que
nous recherchons.
Automne 2023 MBA5500 Analyse Descriptive des données 38
Identifier la bonne méthode
La question clé est de déterminer si les probabilités conjointes sont fournies ou requises :
Les probabilités conjointes sont fournies
1. Calculer les probabilités marginales en additionnant les lignes et les colonnes.
2. Utilisez les probabilités conjointes et marginales pour calculer les probabilités
conditionnelles.
3. Déterminez si les événements décrits dans le tableau sont indépendants.
4. Appliquez la règle de l'addition pour calculer la probabilité que l'un ou l'autre des deux
événements se produise.
Les probabilités conjointes sont nécessaires
1. Appliquer les règles de probabilité ou construire un arbre de probabilité.
2. Utilisez la règle de multiplication pour calculer la probabilité des intersections.
3. Appliquer les règles d'addition et de complément pour les événements mutuellement
exclusifs.
4. Calculer la probabilité postérieure à l'aide de la loi de Bayes.

Automne 2023 MBA5500 Analyse Descriptive des données 39

 Analyse descriptive des données
MBA5500 – Automne 2023

Introduction aux probabilités (1/2)

Automne 2023 MBA5500 Analyse Descriptive des données 40