Académique Documents
Professionnel Documents
Culture Documents
Constantine 1
Faculté des Sciences de la Nature et de la Vie
Département de Biologie Appliquée
Master en Bio-informatique
Septembre 2018
Dr. Habiba BOUHALLOUF 2
Table des matières
1 Probabilités 5
1.1 Définition classique des probabilités . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Définition statistique des probabilités . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Fréquence d’un événement . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2 Complémentaire ou contraire d’un événement . . . . . . . . . . . . . 6
1.2.3 Réunion ou somme de deux événements . . . . . . . . . . . . . . . . . 6
1.2.4 Intersection ou produit de deux événements . . . . . . . . . . . . . . 6
1.2.5 événements incompatibles . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.1 Evénements dépendants . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.2 Evénements indépendants . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 Espérance mathématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.6 Théorème de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.7 Lexique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2 Matrices 9
2.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3 Addition de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.1 Somme de deux matrices . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.2 Multiplication d’une matrice par un scalaire . . . . . . . . . . . . . . 10
2.3.3 Propriés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4 Produit de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4.1 Produit de deux matrices . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4.2 Produit d’un vecteur colonne et un vecteur ligne . . . . . . . . . . . . 11
2.4.3 Matrice identité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4.4 Formule de binôme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5 Inverse d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5.1 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5.2 Calcul de l’inverse d’une matrice (2 x 2) . . . . . . . . . . . . . . . . 13
2.5.3 Calcul de l’inverse d’une matrice (n x n) . . . . . . . . . . . . . . . . 13
2.6 Matrices particulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.6.1 Matrice triangulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.6.2 Matrice diagonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.6.3 Matrice transposée . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.6.4 Matrice symétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3
3 Processus stochastique 17
3.1 Un espace des temps T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2 Un espace des états E . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.3 Une famille de variables aléatoires (Xt )t2T . . . . . . . . . . . . . . . . . . . 17
3.4 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.5 Quelques relations de dépendance . . . . . . . . . . . . . . . . . . . . . . . . 18
3.5.1 Processus de comptage . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.5.2 Processus homogène dans le temps . . . . . . . . . . . . . . . . . . . 18
3.5.3 Processus de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4 Modèle de Markov 19
4.1 Définition d’une chaîne de Markov . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2 Propriété de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.3 Chaîne de Markov homogène . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.4 Matrice de transition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.4.1 Loi de Xn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.4.2 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.5 Représentation graphique d’une chaîne de Markov . . . . . . . . . . . . . . 21
4.6 Théorème de Perron-Frobenius . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.6.1 Etat stable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.6.2 Chaîne de Markov stationnaire . . . . . . . . . . . . . . . . . . . . . 22
4.7 Chaîne de Markov irréductible . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.8 Etat récurrent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.8.1 Remarque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.9 Etat absorbant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.10 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.10.1 Exemple 01 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.10.2 Exemple 02 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.10.3 Exemple 03 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Bibliographie 35
Probabilités
Tous les résultats d’une expérience aléatoire constituent un ensemble S appelé l’unvers
des résultats possibles. Les éléments de S sont appelés événements élémentaires.
Propriétés
1. La probabilité est une valeur positive ne dépassant pas 1,
0 P (A) 1 (1.2)
5
1.2 Définition statistique des probabilités
1.2.1 Fréquence d’un événement
Si on répète N fois une expérience et on suppose qu’on a obtenu k fois la réalisation d’un
événement A, on appelle la fréquence de l’événement A, le rapport :
k
f= (1.4)
N
La probabilité d’un événement A est donc la limite des fréquences quant le nombre de
répétitions de l’expérience tend vers 1.
1.4 Propriétés
1. soit Ā l’événement contraire de l’événement A, on a :
5. Si A dépend de B, alors
P (A[B [C) = P (A)+P (B)+P (C) P (A\B) P (A\C) P (B \C)+P (A\B \C)
(1.16)
1.7 Lexique
A ⌘ L’événement associé à A s’est réalisé.