Académique Documents
Professionnel Documents
Culture Documents
et loi de Bayes
Halim Boutayeb
halim.boutayeb@uqo.ca
Bureau B2004
819 595-3900, poste 2908
1
Plan
Rappel
Probabilité conditionnelle
Théorème de Bayes
Exercices
2
Rappel
Analyse combinatoire sans répétition
ordonné
𝑛 𝑛!
𝑄 𝑛
=𝑛 𝑞 𝐴𝑞 =
𝑞 ( 𝑛 −𝑞 ) !
Permutations Combinaisons
𝑛
𝑃𝑛 =𝑛 ! 𝑛 𝐴 𝑞 𝑛!
𝐶 𝑞= =
𝑃 𝑞 ( 𝑛− 𝑞 ) ! 𝑞 !
3
Rappel
Théorie des ensembles
(Associativité)
(Associativité)
(Distributivité)
(Distributivité)
= . (Loi de De Morgan)
= . (Loi de De Morgan)
4
Rappel
A et B sont des évènements
Phénomènes probabilistes
A et B sont incompatibles
Si
(ou disjoints):
5
Probabilité conditionnelle
Nous avons vu qu’un évènement associé à l’espace échantillon est
un sous-ensemble de ce dernier.
6
Probabilité conditionnelle
représente l’ensemble des diplômés universitaires
On a :
7
Probabilité conditionnelle
8
Probabilité conditionnelle
9
Probabilité conditionnelle
10
Probabilité conditionnelle
On a les propriétés suivantes :
.
, si
11
Probabilité conditionnelle
Les évènements et sont indépendants si et seulement si :
12
Probabilité conditionnelle
Exemple 1
13
Probabilité conditionnelle
Exemple 1
On a alors : et .
Il s’ensuit que :
14
Probabilité conditionnelle
Exemple 2
15
Probabilité conditionnelle
Exemple 2
Est-ce que les événements et sont indépendants ?
16
Théorème de Bayes
Soient événements dans . Ces événements forment une partition
de l’ensemble ssi :
17
Théorème de Bayes
Comme sont disjoints deux à deux, il en va de même pour les
événements: , .
Il s’ensuit que:
18
Théorème de Bayes
Théorème 5 :
Si événements forment une partition de l’espace échantillon , et
si représente un événement quelconque, alors :
Preuve:
Il suffit de constater que . Donc : , et ensuite remplacer dans
chaque terme de la somme par le produit pour obtenir la formule
complète du théorème
19
Théorème de Bayes
Théorème 6 : (Théorème de Bayes)
Si événements forment une partition de l’espace échantillon , et
si représente un événement quelconque, alors :
Preuve :
Il suffit de constater que . Comme et , alors :
20
Théorème de Bayes
21
Théorème de Bayes
probabilité a priori.
22
Théorème de Bayes
On peut utiliser une représentation graphique pour visualiser les
probabilités a priori et celles conditionnelles :
𝐵 𝐵 𝐵
𝐾
1 2 ⋯
𝐴 ´
𝐴 𝐴 ´ ⋯
𝐴 𝐴 ´
𝐴
23
Théorème de Bayes
Exemple 1
Une maladie donnée (ex. cancer) peut être causée par le tabagisme
ou bien d’autres facteurs inconnues. On suppose une expérience
aléatoire consistant à choisir (aléatoirement) un individu dans une
population. Soit les deux évènements :
: « l’individu a la maladie »
: « l’individu est un fumeur ».
Supposons que pour une personne qui fume, la probabilité de
développer la maladie est de , et pour une personne qui ne fume
pas, cette probabilité est de Supposons aussi que de la population
sont des fumeurs. Une personne (de manière anonyme) a été prise
par hasard et on observe qu’elle a la maladie. Quelle est la
probabilité que le tabac soit la cause de la maladie ?
24
Théorème de Bayes
Exemple 1
25
Théorème de Bayes
Exemple 2
26
Théorème de Bayes
Exemple 2
27
Théorème de Bayes
Exercice 1
Supposons que 5% des pièces fourni par , des pièces fournies par
et des pièces fournies par sont défectueuses, respectivement.
28
Théorème de Bayes
Exercice 1
29
Théorème de Bayes
30
Théorème de Bayes
Exercice 2
31
Théorème de Bayes
Exercice 2
On a d’après l’énoncé : , , .
32
Théorème de Bayes
Exercice 2
33