Eléments de probabilités

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Eléments de probabilités"

Transcription

1 .. Eléments de probabilités Michaël Genin Université de Lille 2 EA Santé Publique : Epidémiologie et Qualité des soins

2 Plan. 1 Introduction. 2 Expérience aléatoire. 3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

3 Plan. 1 Introduction. 2 Expérience aléatoire. 3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

4 Plan. 1 Introduction. 2 Expérience aléatoire. 3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

5 Introduction Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

6 Introduction Introduction Théorie des probabilités modélisation de l incertitude Premières notions de probabilités issues des jeux de hasard (16ème siècle) Gains moyens... Théorie mathématique, composée d axiomes, qui n a pas à être justifiée Intuitivement : une probabilité est une fréquence Exemple 1 : Echantillon de 100 personnes 10 malades Extrapolation à toute la population : % de malades = probabilité d être malade = 10% Exemple 2 : lancé d une pièce de monnaie Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

7 Expérience aléatoire Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

8 Expérience aléatoire Expérience aléatoire On appelle expérience aléatoire tous processus qui engendre des résultats ou des observations dont il est impossible de connaître à l avance l issue. Exemple Lancé de dé, d un pièce de monnaie, choix d une carte dans un jeu, temps de survie d un patient... Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

9 Expérience aléatoire Ensemble fondamental On appelle ensemble fondamental (ou univers des possibles) l ensemble de tous les résultats possibles d une expérience aléatoire. Il est noté Ω. Exemple : lancé d un dé Ω = {1, 2, 3, 4, 5, 6} Remarque : Tout résultat de l expérience aléatoire correspond à un élément et un seul de l ensemble fondamental Ω. Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

10 Expérience aléatoire Evénement Un évènement A est un ensemble d éléments de Ω (A Ω). L évènement A est dit réalisé si le résultat de l expérience aléatoire appartient à A. Evénement simple : si a Ω, l ensemble {a} réduit à l élément a est appelé événement élémentaire. Exemple : Le lancé du dé donne le chiffre 1 Evénement composé : notion générale d événement Exemple : Le lancé du dé donne un chiffre impair Evénement impossible : événement qui ne contient aucun élément de Ω. Il est noté. Exemple : Le lancé du dé donne un chiffre négatif Evénement certain : évènement qui contient tous les éléments de Ω. Par abus de langage il est noté Ω. Exemple : Le lancé du dé donne un chiffre compris entre 1 et 6 Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

11 Expérience aléatoire Opérations sur les événements - 1 Union : Soient A, B Ω A B Ω et A B = A ou B ou les deux Intersection : Soient A, B Ω A B Ω et A B = A et B en même temps Si A et B ne peuvent se réaliser en même temps (A B = ) alors A et B sont incompatibles Différence : Soient A, B Ω A B Ω et A B = A mais pas B Si A B = alors A B = A Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

12 Expérience aléatoire Opérations sur les événements - 2 Complémentaire Ā : Soient A Ω Ā Ω et Ā = Ω A, tout sauf A Union exclusive : : Soient A, B Ω A B Ω et A B = (A B) (B A) Rappel : Cardinal card : Soient A Ω card(a) correspond au nombre d éléments de Ω compris dans A Un événement élémentaire a un cardinal égal à 1 Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

13 Expérience aléatoire Quelques propriétés A Ā = Ω A Ā = A Ω = A A Ω = Ω A = A A = Règles de Morgan : A B = Ā B A B = Ā B Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

14 Expérience aléatoire Système complet d évènements Soient {A 1, A 2,..., A n } un ensemble d évènements de Ω. On dit que les {A 1, A 2,..., A n } forment un système complet d évènements si : { i j Ai A j = n i=1 A i = Ω Exemple du diagramme circulaire. A 1 A 2 A 3 A 4 A 5 Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

15 Expérience aléatoire Exercice - 1 On lance un dé non pipé. On observe le résultat obtenu. Décrire l ensemble Ω. Donner son cardinal Donner un exemple de résultat de l expérience aléatoire Donner un exemple d événement de cette expérience aléatoire Décrire l évènement A = On obtient un chiffre pair en extension Décrire l évènement B = {1, 3, 5} en compréhension Décrire l événement certain en extension et en compréhension Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

16 Expérience aléatoire Exercice - 2 Toujours sur l histoire du dé Soient A = {2, 4, 6}, B = {1, 3, 5} et C = {1, 2}. Exprimer en extension et de façon compréhensive les événements suivants : Ā C B C B C B C Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

17 Expérience aléatoire Exercice - 3 On lance une pièce de monnaie jusqu à ce qu elle tombe sur pile et on compte le nombre de lancés nécessaires. Quel est l univers des possibles associé à cette expérience aléatoire? On attend le métro et observe le temps d attente. Quel est l univers associé à cette expérience aléatoire? Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

18 Expérience aléatoire Ensemble discret d événements Un ensemble fondamental Ω est dit discret s il contient un nombre fini ou infini dénombrable d éléments. si Ω est fini et contient n éléments, on note Ω = {a 1, a 2,..., a n } Exemple : lancé de dé si Ω est infini dénombrable, ses éléments peuvent être écrits comme une suite infinie a 1, a 2,..., a n,... Exemple : nombre d enfants dans une famille Dans tous les cas, on notera Ω = {a i } i I avec I N Par la suite, nous nous restreindrons aux ensembles fondamentaux discrets Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

19 Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

20 Introduction La réalisation d un évènement est lié au résultat d un expérience aléatoire Sa réalisation est donc probable (pas déterministe) On cherche à évaluer les chances de réalisation de cet événement lors d un expérience aléatoire Notion de probabilité d un évènement Théorie des probabilités est basée sur un ensemble d axiomes. Le calcul d un probabilité peut être souvent réalisé en utilisant directement les axiomes Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

21 Approche fréquentiste Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

22 Approche fréquentiste Approche fréquentiste On se base sur l expérience pour approcher la probabilité d un évènement. Exemple : lancé d une pièce de monnaie Objectif : Estimer P( Pile ) On effectue N lancés de pièce et on note le nombre de Pile N P. Intuitivement, la proportion N P nous donne une idée de P( Pile ). N Que se passe-t-il si on augmente la valeur de N? Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

23 Approche fréquentiste Approche fréquentiste Pourcentage de Pile en fonction du nombre de lancés de pièce Pourcentage de Pile Nombre de lancés Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

24 Approche fréquentiste Approche fréquentiste A mesure que N augmente, nous constatons que N P N tend vers 1/2 On définit la probabilité de tomber sur Pile de la manière suivante : P( Pile ) = N P lim N + N Problème : Nécessité de réaliser plusieurs expérimentations Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

25 Axiomatique de Kolmogorov Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

26 Axiomatique de Kolmogorov Axiomatique de Kolmogorov Probabilité théorique qui ne nécessite pas d expérimentation notion de connaissance a priori Exemple : lancé d un dé parfait Pas de lancer de dé P( Obtenir un 5 ) = 1 6 Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

27 Axiomatique de Kolmogorov Axiomatique de Kolmogorov Définition axiomatique d une probabilité Soient Ω un ensemble fondamental associé à une expérience aléatoire et I une classe de parties de Ω (ensemble de tous les évènements de Ω). On appelle probabilité sur {Ω, I} une application P de I dans [0, 1] (P [0, 1]), qui vérifie :.1 P(Ω) = 1.2 Soit (A i ) i I, I N, une famille d évènements de I deux à deux disjoints (si i j, A i A j = ), alors : ( ) P A i = i I i I P(A i ) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

28 Axiomatique de Kolmogorov Axiomatique de Kolmogorov Propriétés Soient A, B Ω.1 P( ) = 0.2 P(Ā) = 1 P(A).3 Si A B alors P(A B) = P(A) + P(B) P(A B).4 P(A B) = P(A) P(A B) Si B A alors P(A B) = P(B) et donc P(A B) = P(A) P(B).5 Si B A alors P(B) P(A) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

29 Axiomatique de Kolmogorov Axiomatique de Kolmogorov Théorème des probabilités totales Soit B i un système complet d évènements sur Ω. A Ω : P(A) = i P(A B i ) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

30 Calcul de la probabilité d un événement Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

31 Calcul de la probabilité d un événement Calcul de la probabilité d un événement Soit Ω = {a i } i I, I N un ensemble fondamental fini ou dénombrable. Soit A Ω. La probabilité de l événement A est définie par : P(A) = P({a i }) i:a i A Autrement dit, la probabilité de A est égale à la somme des probabilités de tous les évènements élémentaires {a i } qui composent A Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

32 Ensemble fondamental équiprobable Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

33 Ensemble fondamental équiprobable Ensemble fondamental équiprobable Définition Si tous les éléments de Ω ont la même probabilité d apparition alors l ensemble Ω est appelé ensemble fondamental équiprobable. Propriété Soit Ω équiprobable (card(ω) = n) et A Ω contenant n A éléments : P(A) = 1 n + 1 n = n A }{{ n } n = card(a) card(ω) n A P(A) = Nb de cas favorables Nb de cas total Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

34 Ensemble fondamental équiprobable Ensemble fondamental équiprobable Exemple On jette un dé parfait et on s intéresse à l évènement A = Obtenir un chiffre supérieur ou égal à 5. Intuitivement, la probabilité d obtenir un chiffre est égale à 1/6 (ensemble équiprobable) A = {5, 6} P(A) = = 2 6 = card(a) card(ω) = 1 3 Remarque : il est important de savoir dénombrer les évènements!! Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

35 Ensemble fondamental équiprobable Rappels sur le dénombrement Le calcul du nombre de cas favorables d un évènement peut devenir rapidement fastidieux. Exemple : Un jeu de 32 cartes. Combien de mains possibles contenant 5 cartes? Combien de mains possibles contenant 3 As? Nécessité de techniques mathématiques pour dénombrer. Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

36 Ensemble fondamental équiprobable Rappels sur le dénombrement Définition Soit E un ensemble à n éléments. On appelle combinaison de E à p éléments, tout ensemble de E à p éléments distincts. Le nombre de combinaisons possibles est donné par : C p n = Avec n! = n (n 1) (n 2) 1 n! p!(n p)! Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

37 Ensemble fondamental équiprobable Rappels sur le dénombrement Retour à l exemple Combien de mains possibles contenant 5 cartes? C 5 32 = 32! 5!(32 5)! = Combien de mains possibles contenant exactement 3 As? C 3 4 C 2 28 = 4! 3!(4 3)! 28! 2!(28 2)! = 1512 Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

38 Ensemble fondamental équiprobable Rappels sur le dénombrement Retour à l exemple On peut donc calculer la probabilité de tirer une main contenant 3 As : P = Nb de cas favorables Nb de cas total = 1512 = 7, Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

39 Probabilité conditionnelle Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

40 Probabilité conditionnelle Probabilité conditionnelle Exemple introductif Soit une population de 1000 individus (N=1000). Dans cette population, on dénombre 450 individus sont des hommes 150 individus sont atteints d un pathologie M. On tire au hasard un individu (expérience aléatoire) dans cette population. On définit les évènements suivants : H : L individu est un homme M : L individu est atteint par la pathologie Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

41 Probabilité conditionnelle Probabilité conditionnelle Chaque individu à la même probabilité d être tiré (1/1000) ensemble fondamental Ω équiprobable. On peut donc calculer les probabilités des deux évènements précités : P(H) = card(h) card(ω) = = 0.45 P(M) = card(m) card(ω) = = 0.15 Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

42 Probabilité conditionnelle Probabilité conditionnelle On tire un individu au hasard et on observe que c est un homme. Maintenant on s intéresse à la sous-population des hommes (450), dans laquelle 22 hommes sont atteints de la pathologie. On cherche à évaluer la probabilité qu un homme soit atteint de la pathologie. card(m H) card(h) = = On a donc calculé la probabilité d être atteint de la pathologie SACHANT qu on est un homme. On note cette probabilité P(M/H) = card(m H) card(h) = P(M H) P(H) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

43 Probabilité conditionnelle Probabilité conditionnelle Définition Soient B Ω un événement de probabilité non nulle (P(B) > 0) et A Ω. On appelle probabilité conditionnelle de A sachant B le rapport noté P(A/B) : P(A/B) = P(A B) P(B) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

44 Probabilité conditionnelle Probabilité conditionnelle Théorème de la multiplication P(A B) = P(A/B).P(B) = P(B/A).P(A) Autre propriété : P(Ā/B) = 1 P(A/B) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

45 Probabilité conditionnelle Probabilité conditionnelle Formules de Bayes : objectif exprimer P(B/A) en fonction de P(A/B) 1. Soient A, B Ω P(B/A) = P(A/B).P(B) P(A) 2. Soit B i un système complet d évènements. On peut écrire P(A B i ) = P(A/B i ).P(B i ) Le théorème des probabilités totales devient : P(A) = i P(A/B i ).P(B i ) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

46 Probabilité conditionnelle Probabilité conditionnelle On en déduit la deuxième formule de Bayes : P(B i /A) = P(A/B i).p(b i ) i P(A/B i).p(b i ) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

47 Probabilité conditionnelle Exercice 4 Dans une population on sait que 40% des individus sont fumeurs, 25% sont atteints d une pathologie M et que 15% sont à la fois fumeurs et atteints de la pathologie. On tire un individu au hasard dans cette population..1 Décrire les informations de l énoncé en termes de probabilités.2 Quelle est la probabilité que l individu soit atteint de M sachant qu il est fumeur?.3 Quelle est la probabilité que l individu soit fumeur sachant qu il est malade?.4 Quelle est la probabilité qu un individu ne soit pas malade sachant qu il est fumeur?.5 Quelle est la probabilité qu un individu soit fumeur sachant qu il n est pas malade? Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

48 Probabilité conditionnelle Exercice 5 Dans un population de 100 patients, on sait que 40 ont reçu un médicament M A, 35 ont reçu un médicament M B et 25 ont reçu un médicament M C. On sait par ailleurs, que ces médicaments donne des effets indésirables : M A dans 20% des cas M B dans 30% des cas M C dans 50% des cas Quelle est la probabilité d avoir un effet indésirable? Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

49 Indépendance Point étudié.1 Introduction.2 Expérience aléatoire.3 Probabilité Approche fréquentiste Axiomatique de Kolmogorov Calcul de la probabilité d un événement Ensemble fondamental équiprobable Probabilité conditionnelle Indépendance Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

50 Indépendance Indépendance de deux événements Définition Soient A, B Ω. On dit que A est indépendant de B si P(A/B) = P(A) Autrement dit, la connaissance de B n apporte pas d information à la réalisation de A. Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

51 Indépendance Indépendance de deux événements Propriété importante Si P(A/B) = P(A) alors : Donc P(A) = P(A B) P(B) P(A B) = P(A) P(B) Si P(A B) = P(A) P(B) alors A et B sont indépendants. Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

52 Indépendance Indépendance mutuelle Définition Soient {A 1, A 2,..., A n } un ensemble d événements. Ceux-ci sont dit mutuellement indépendants si pour toute partie I de 1 l n [ ] P A i = P(A i ) I I Exemple : soient A, B et C des événements mutuellement indépendants, alors : P(A B C) = P(A).P(B).P(C) P(A B) = P(A).P(B) P(A C) = P(A).P(C) P(B C) = P(B).P(C) Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

53 Indépendance Indépendance mutuelle Remarques La condition d indépendance mutuelle est beaucoup plus forte que l indépendance deux à deux. En application, il est rare de démontrer cette indépendance mutuelle propriété de l expérience aléatoire Tirage avec remise dans une population : les événements relatifs aux différents tirages sont indépendants entre eux. Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

54 Indépendance Exercice 6 Une urne contient 12 boules numérotées de 1 à 12. On tire une boule au hasard et on considère les événements suivants : A = tirage d un nombre pair B = tirage d un multiple de 3 Les événements A et B sont-ils indépendants? Même question avec 13 boules. Michaël Genin (Université de Lille 2) Probabilités Version - 19 février / 51

Chapitre 2 : Axiomes du calcul des probabilités

Chapitre 2 : Axiomes du calcul des probabilités Chapitre 2 : Axiomes du calcul des probabilités L2 Eco-Gestion, option AEM (L2 Eco-Gestion, option AEM) Chapitre 2 : Axiomes du calcul des probabilités 1 / 19 Objectif But de la théorie des probabilités

Plus en détail

Sommaire. Théorie de l information Cours 1 - Evénements et probabilités dans un espace probabilisé discret. Expérience aléatoire et épreuve.

Sommaire. Théorie de l information Cours 1 - Evénements et probabilités dans un espace probabilisé discret. Expérience aléatoire et épreuve. Sommaire Théorie de l information Cours 1 - Evénements et probabilités dans un espace probabilisé discret Laurent Oudre laurent.oudre@univ-paris13.fr Université Paris 13, Institut Galilée Master Ingénierie

Plus en détail

MESURES ET ANALYSES STATISTIQUES DE DONNÉES Probabilités

MESURES ET ANALYSES STATISTIQUES DE DONNÉES Probabilités MESURES ET ANALYSES STATISTIQUES DE DONNÉES Probabilités Master Génie des Systèmes Industriels, mentions ACCIE et RIM Université du Littoral - Côte d Opale, La Citadelle Laurent SMOCH (smoch@lmpa.univ-littoral.fr)

Plus en détail

Expérience aléatoire - modélisation - langage des probabilités

Expérience aléatoire - modélisation - langage des probabilités I Expérience aléatoire - modélisation - langage des probabilités Une expérience aléatoire est une expérience liée au hasard. Les mathématiques interviennent pour apporter un modèle qui comporte un univers

Plus en détail

2 Expérience aléatoire, probabilité, probabilité conditionnelle

2 Expérience aléatoire, probabilité, probabilité conditionnelle Leçon n o 2 Expérience aléatoire, probabilité, probabilité conditionnelle 9 Niveau Lycée Prérequis théorie des ensembles Références [7], [8] 2.1 Expérience aléatoire, événements 2.1.1 Expérience aléatoire

Plus en détail

Espaces probabilisés

Espaces probabilisés Espaces probabilisés Dans ce chapitre vous retrouverez tous les résultats vus en première année sur les espaces probabilisés. Aucune démonstration ne sera faite ici, vous pouvez retrouver les démonstrations

Plus en détail

Introduction à la théorie des probabilités

Introduction à la théorie des probabilités CHAPITRE I Introduction à la théorie des probabilités 1. Rappels sur les espaces probabilisés Les éléments ci-dessous ne sont que brièvement rappelés car ils sont normalement traités dans un cours d intégration.

Plus en détail

4.1 Distribution de fréquences. Loi de probabilité

4.1 Distribution de fréquences. Loi de probabilité Chapitre 4 Probabilités conditionnelles 4.1 Distribution de fréquences. Loi de probabilité 4.1.1 Introduction. Premières définitions Vocabulaire L objet d une étude d un phénomène aléatoire est appelé

Plus en détail

Probabilités. () Probabilités 1 / 46

Probabilités. () Probabilités 1 / 46 Probabilités () Probabilités 1 / 46 1 Dénombrement 2 Probabilités sur un univers fini 3 Variable aléatoire réelle sur un univers fini 4 Variable aléatoire continue () Probabilités 2 / 46 Plan 1 Dénombrement

Plus en détail

DÉNOMBREMENT ET PROBABILITÉS

DÉNOMBREMENT ET PROBABILITÉS DÉNOMBREMENT ET PROBABILITÉS H. Hocquard HSE 2016-2017 Hervé Hocquard DÉNOMBREMENT ET PROBABILITÉS 1/36 Probabilités vs Statistiques Exemple introductif Un joueur parie sur le lancer d un dé, s il a raison

Plus en détail

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini.

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. 1 Introduction Des actions comme lancer un dé, tirer une carte d un jeu, observer la durée de vie d une ampoule électrique, etc...sont

Plus en détail

Cours de Terminale S /Probabilités : conditionnement et indépendance. E. Dostal

Cours de Terminale S /Probabilités : conditionnement et indépendance. E. Dostal Cours de Terminale S /Probabilités : conditionnement et indépendance E. Dostal aout 2013 Table des matières 6 Probabilités : conditionnement et indépendance 2 6.1 Généralités............................................

Plus en détail

Probabilités. Denis Vekemans

Probabilités. Denis Vekemans Probabilités Denis Vekemans 1 Vocabulaire Une expérience aléatoire vérifie trois conditions : elle est reproductible dans les mêmes conditions ; on connaît tous ces résultats possibles ; on ne sait pas

Plus en détail

Probabilités. Chapitre Vocabulaire des ensembles. Sommaire

Probabilités. Chapitre Vocabulaire des ensembles. Sommaire Chapitre 7 Probabilités Sommaire 7.1 Vocabulaire des ensembles.............................................. 93 7.2 Expériences aléatoires................................................. 94 7.2.1 Issues,

Plus en détail

Informatique et aléatoire

Informatique et aléatoire Massih-Reza Amini Université Joseph Fourier (UJF) Laboratoire d Informatique de Grenoble (LIG) 2/20 A quoi nous servent les statistiques? Statistique d après E. Universalis Le mot statistique désinge à

Plus en détail

Chapitre 8 Probabilités

Chapitre 8 Probabilités 8.1 Notations Notations: E : Evénement E : Evénement contraire à E E F : E ou F (ou les deux), correspond à l union E F : E et F, correspond à l intersection U : L univers contient tous les événements

Plus en détail

Probabilité, variable aléatoire. Loi binomiale

Probabilité, variable aléatoire. Loi binomiale DERNIÈRE IMPRESSION LE 9 juin 05 à 9:0 Probabilité, variable aléatoire. Loi binomiale Table des matières Loi de probabilité. Conditions préalables............................ Définitions..................................

Plus en détail

Probabilités. Denis Vekemans

Probabilités. Denis Vekemans Probabilités Denis Vekemans Vocabulaire Une expérience aléatoire vérifie trois conditions : elle est reproductible dans les mêmes conditions ; on en connaît tous les résultats possibles ; on ne sait pas

Plus en détail

Chapitre III : Probabilités discrètes

Chapitre III : Probabilités discrètes Chapitre III : Probabilités discrètes Extrait du programme : I. Rappels a. Définitions Prop 1 : Une probabilité est toujours comprise entre 0 et 1. Prop 2 Si A est l événement certain, p(a) = 1. Si A est

Plus en détail

2 Expérience aléatoire, probabilité, probabilité conditionnelle

2 Expérience aléatoire, probabilité, probabilité conditionnelle Leçon n o 2 Expérience aléatoire, probabilité, probabilité conditionnelle 9 Niveau Lycée Prérequis théorie des ensembles Références [7], [8] 2.1 Expérience aléatoire, événements 2.1.1 Expérience aléatoire

Plus en détail

Probabilités. Exemple d application 1 : On effectue un lancé de dé à six faces, numérotées de 1 à 6. On définie les quatre événements suivants :

Probabilités. Exemple d application 1 : On effectue un lancé de dé à six faces, numérotées de 1 à 6. On définie les quatre événements suivants : I- Définitions et propriétés Probabilités Exemple d application 1 : On effectue un lancé de dé à six faces, numérotées de 1 à 6. On définie les quatre événements suivants : E 1 : Avoir un chiffre pair

Plus en détail

CHAPITRE 6 Les Probabilités

CHAPITRE 6 Les Probabilités A) Définitions et généralités 1) Définitions de base a) Expérience aléatoire CHAPITRE 6 Les Probabilités Une expérience aléatoire (du latin "alea", qui signifie dé) est une expérience dont le résultat

Plus en détail

TD N O 8 ESPACES PROBABILISÉS FINIS CORRIGÉ

TD N O 8 ESPACES PROBABILISÉS FINIS CORRIGÉ Lycée Dupuy de Lôme 0/07 Mathématiques ECS TD N O ESPACES PROBABILISÉS FINIS CORRIGÉ Un jeu de cartes comporte cartes. On en choisit au hasard qui forment une main.. Quelle est la probabilité d obtenir

Plus en détail

Mathématiques pour la finance

Mathématiques pour la finance Objectif du cours: Maîtriser les outils mathématiques nécessaires à la compréhension des modèles de mathématiques financières en temps discret Savoir actualiser et valoriser une obligation ; mesurer le

Plus en détail

TD 2 - Espaces probabilisés - probabilités - probabilités conditionnelles

TD 2 - Espaces probabilisés - probabilités - probabilités conditionnelles Université de Toulon M1 MEEF Mathématiques Le cours TD 2 - Espaces probabilisés - probabilités - probabilités conditionnelles Expériences aléatoires. Univers. Issues. Probabilité : Cas discret. Une expérience

Plus en détail

PROBABILITÉS. II Rappels : Calcul de probabilités 4

PROBABILITÉS. II Rappels : Calcul de probabilités 4 PROBABILITÉS Table des matières I Rappels : Vocabulaire des événements 2 I. Vocabulaire.............................................. 2 I.2 Intersection et réunion d événements................................

Plus en détail

Théorie des probabilités

Théorie des probabilités Théorie des probabilités La théorie discrète des probabilités s occupe d évènements dans le cadre d un univers dénombrable. Exemples: Lancer de dés, expériences avec des paquets de cartes, et marche aléatoire.

Plus en détail

Statistiques, pourcentages et probabilité

Statistiques, pourcentages et probabilité DERNIÈRE IMPRESSION LE 11 août 016 à 17:5 Statistiques, pourcentages et probabilité Table des matières 1 Statistiques 1.1 Objet.................................... 1. Paramètres de position..........................

Plus en détail

I. Vocabulaire des probabilités.(rappels)

I. Vocabulaire des probabilités.(rappels) Probabilités conditionnelles I. Vocabulaire des probabilités.(rappels) ) Expérience aléatoire. Eventualité On lance un dé ou une pièce de monnaie, on tire une carte dans un jeu Seul le hasard intervient.

Plus en détail

Chapitre 3 : Probabilités conditionnelles - Indépendance

Chapitre 3 : Probabilités conditionnelles - Indépendance Chapitre 3 : Probabilités conditionnelles - Indépendance L2 Eco-Gestion, option AEM (L2 Eco-Gestion, option AEM) Chapitre 3 : Probabilités conditionnelles - Indépendance 1 / 18 Motivation de ce chapitre

Plus en détail

Cours 4 ème Sci et inf

Cours 4 ème Sci et inf Mathématiques aux élèves Probabilité sur un ensemble fini Site web : http://www.matheleve.net/ Email :contact @matheleve.com Cours ème Sci et inf I) Rappel ctivité Première situation : ) Quels sont les

Plus en détail

Rappels. Probabilités et Variables Aléatoires. Pr Roch Giorgi.

Rappels. Probabilités et Variables Aléatoires. Pr Roch Giorgi. Rappels Probabilités et Variables Aléatoires Pr Roch Giorgi roch.giorgi@univ-amu.fr SESSTIM, Faculté de Médecine, Aix-Marseille Université, Marseille, France http://sesstim.univ-amu.fr Introduction Probabilité

Plus en détail

Les probabilités Le cours

Les probabilités Le cours Chapitre Les probabilités Le cours Avant-propos a) Le mot hasard vient de l arabe az-zahr «le dé». Le mot aléa signifie en latin «jeu de dés, hasard». b) Dans son Essai philosophique sur les probabilités

Plus en détail

PROBABILITÉS CONDITIONNELLES

PROBABILITÉS CONDITIONNELLES PROILITÉS CONITIONNELLES Ph EPRESLE 1 er juillet 2015 Table des matières 1 Rappel : Probabilité d un événement 2 1.1 Ensemble des issues................................... 2 1.2 Événement.......................................

Plus en détail

1 Probabilités-Rappel

1 Probabilités-Rappel Chapitre Probabilités sur un ensemble fini - Probabilités conditionnelles 1 Probabilités-Rappel On lance un dé non truqué à six faces numérotées de 1 à 6 et on note le nombre figurant sur la face supérieure

Plus en détail

Ch. 2 : Notions de théorie des probabilités

Ch. 2 : Notions de théorie des probabilités U.P.S. I.U.T. A, Département d Informatique Année 2008-2009 Probabilités et Statistiques Ch. 2 : Notions de théorie des probabilités 1 Rappels de combinatoire. Le but de la combinatoire est de dénombrer

Plus en détail

Correction TD de probabilités

Correction TD de probabilités Correction TD de probabilités Exercice 1 On lance deux fois une pièce considérée comme bien équilibrée. Quelle est la probabilité d'obtenir au moins un face? On décrit l univers des possibles Ω associé

Plus en détail

PROBABILITÉS. I Langage des événements :

PROBABILITÉS. I Langage des événements : PROAILITÉS Activité de recherche : Arnaque à la foire? Un forain organise des jeux basés sur le tirage simultané de trois boules, dans une urne qui contient cinq boules numérotées 0; 1; 2; 3 et 5. Le joueur

Plus en détail

1. Espaces probabilisés dénombrables

1. Espaces probabilisés dénombrables Probabilités sur un univers dénombrable 12-1 Sommaire 1. Espaces probabilisés dénombrables 1 1.1. Ensemble dénombrables......... 1 1.2. Suite infinie d événements........ 1 1.3. Probabilité sur un univers

Plus en détail

Table des matières. 1 re partie : Calcul des probabilités, variables aléatoires, lois usuelles... 7

Table des matières. 1 re partie : Calcul des probabilités, variables aléatoires, lois usuelles... 7 Table des matières 1 re partie : Calcul des probabilités, variables aléatoires, lois usuelles... 7 Chapitre I : Généralités sur le calcul des probabilités... 9 Section I : Introduction à la notion de probabilité...

Plus en détail

Exercices supplémentaires : Probabilités

Exercices supplémentaires : Probabilités Exercices supplémentaires : Probabilités Partie A : Probabilités simples et variables aléatoires On lance trois dés : un rouge, un bleu et un vert. On écrit un nombre de trois chiffres : le chiffre des

Plus en détail

Notions de probabilités discrètes finies

Notions de probabilités discrètes finies Notions de probabilités discrètes finies 1) Définitions... 2 Une expérience est dite aléatoire discrète finie si :...2 Événement...2 Réunion d événements :...2 Intersection d événements...2 Événements

Plus en détail

Probabilités. I Probabilités élementaires. Définition. Définition. Exemple. Exemple. Remarque. Exercice 01

Probabilités. I Probabilités élementaires. Définition. Définition. Exemple. Exemple. Remarque. Exercice 01 Probabilités I Probabilités élementaires Une urne contient trois boules : une bleue, une rouge, une verte. On tire une boule de l'urne et on note sa couleur. L'ensemble des résultats possibles (éventualités)

Plus en détail

Plan. Ensemble fondamental et événements Probabilité Probabilités conditionnelles Formules des probabilités totales Loi de Bayes.

Plan. Ensemble fondamental et événements Probabilité Probabilités conditionnelles Formules des probabilités totales Loi de Bayes. Plan Ensemble fondamental et événements Probabilité Probabilités conditionnelles Formules des probabilités totales Loi de Bayes Sources : Initiation aux probabilités,sheldon Ross, édité aux Presses Polytechniques

Plus en détail

PROBABILITÉS. II Rappels : Calcul de probabilités 4

PROBABILITÉS. II Rappels : Calcul de probabilités 4 PROBABILITÉS Table des matières I Rappels : Vocabulaire des événements 2 I. Vocabulaire.............................................. 2 I.2 Intersection et réunion d événements................................

Plus en détail

Seconde Chapitre 5 «Probabilités» Page 1

Seconde Chapitre 5 «Probabilités» Page 1 Seconde Chapitre 5 «Probabilités» Page 1 I) Expériences aléatoires et probabilités 1) Expériences aléatoires Une expérience est dite aléatoire lorsque le hasard rend le résultat incertain. On appelle issue

Plus en détail

Sommaire. Prérequis. Probabilités conditionnelles

Sommaire. Prérequis. Probabilités conditionnelles Probabilités conditionnelles Stéphane PASQUET, 22 mars 2015 C Sommaire Probabilités conditionnelles.................................. 2 Probabilité d une intersection................................. 2

Plus en détail

Chapitre 10. Probabilités conditionnelles. Objectifs du chapitre : item références auto évaluation. modéliser une situation (par un arbre par exemple)

Chapitre 10. Probabilités conditionnelles. Objectifs du chapitre : item références auto évaluation. modéliser une situation (par un arbre par exemple) Chapitre 10 Probabilités conditionnelles Objectifs du chapitre : item références auto évaluation modéliser une situation (par un arbre par exemple) utiliser la formule des probabilités totales indépendance

Plus en détail

Chapitre 4 PROBABILITES TES

Chapitre 4 PROBABILITES TES Chapitre 4 PROBABILITES TES «En augmentant le nombre d observations, nous augmentons continuellement la probabilité d atteindre le rapport réel entre les nombres des cas qui font qu un événement peut arriver

Plus en détail

PROBABILITES CONDITIONNELLES

PROBABILITES CONDITIONNELLES I- Probabilté conditionnellle POAILITES CODITIOELLES Soit A et deux événements d un univers Ω muni d une loi de probabilité tels que P (A) 0. La probabilité de l événement sachant que l événement A est

Plus en détail

Combinatoire : rappels

Combinatoire : rappels Combinatoire : rappels 1 Savoir utiliser des arbres, des tableaux, des diagrammes pour des exemples simples de dénombrement Exemple 1 : Un arbre... Un enfant joue à «pile ou face» en lançant trois fois

Plus en détail

Probabilités (rappels de 1 ère )

Probabilités (rappels de 1 ère ) I Description d une expérience aléatoire Probabilités (rappels de ère ) Lorsque l on effectue une expérience aléatoire (qui dépend du hasard), rien ne peut nous laisser prévoir le résultat. Exemple : on

Plus en détail

Chapitre VIII : Variable aléatoire et loi de probabilité Extrait du programme :

Chapitre VIII : Variable aléatoire et loi de probabilité Extrait du programme : Chapitre VIII : Variable aléatoire et loi de probabilité Extrait du programme : I. Vocabulaire et propriétés des probabilités 1. Vocabulaire sur les événements Vocabulaire Définition Exemples Expérience

Plus en détail

Exemples : 1) Lancer un dé 3) Choisir au hasard une carte 2) Lancer une pièce 4) Choisir un élève au hasard

Exemples : 1) Lancer un dé 3) Choisir au hasard une carte 2) Lancer une pièce 4) Choisir un élève au hasard FICHE METHODE sur les PROBABILITES I) A quoi servent les probabilités a). On lance une pièce de un euro! Quelle est la probabilité de faire Pile? = 0,5 = 50% 2 2. On jette un dé à 8 faces numérotées de

Plus en détail

Rappels. Notions de Bases en Biostatistiques. Dr Roch Giorgi.

Rappels. Notions de Bases en Biostatistiques. Dr Roch Giorgi. Rappels Notions de Bases en Biostatistiques Dr Roch Giorgi roch.giorgi@ap-hm.fr Laboratoire d Enseignement et de Recherche sur le Traitement de l Information Médicale Faculté de Médecine de Marseille,

Plus en détail

MAPSI cours 1 : Rappels de probabilités et statistiques

MAPSI cours 1 : Rappels de probabilités et statistiques MAPSI cours 1 : Rappels de probabilités et statistiques Vincent Guigue LIP6 Université Paris 6, France Buts de l UE MAPSI cours 1 : Rappels de probabilités et statistiques 2/39 Fonctionnement de l UE Rappels

Plus en détail

Probabilités. maths-cfm.fr

Probabilités. maths-cfm.fr 3e Table des matières 1 I. Vocabulaire 2 3 4 5 I. Vocabulaire Définitions et exemples Une expérience est dite aléatoire lorsqu on ne peut pas en prévoir avec certitude le résultat. On appelle issue d une

Plus en détail

Probabilité. On lance un dé à 6 faces, quelles sont les valeurs possibles que l on peut obtenir?

Probabilité. On lance un dé à 6 faces, quelles sont les valeurs possibles que l on peut obtenir? Probabilité I) Vocabulaire : On réalise une expérience aléatoire qui consiste à lancer deux fois de suite une pièce de monnaie. Combien de fois pensez-vous obtenir «FACE»? 0 fois 1 fois 2 fois Je ne sais

Plus en détail

Probabilités et statistiques pour la gestion et l économie

Probabilités et statistiques pour la gestion et l économie nne-marie Spalanzani Sylvie Fréreau Probabilités et statistiques pour la gestion et l économie Exercices et corrigés ------- Collection «Gestion en +» Presses universitaires de Grenoble BP 47 38040 Grenoble

Plus en détail

Chapitre 10 : Conditionnement et indépendance.

Chapitre 10 : Conditionnement et indépendance. Chapitre 10 : Conditionnement et indépendance. Dans ce chapitre, nous allons donner un sens mathématique au mot «indépendance». Nous pourrons alors modéliser les répétitions indépendantes d expériences

Plus en détail

Cours de probabilités pour les professeurs stagiaires

Cours de probabilités pour les professeurs stagiaires Centre Régional des Métiers de l Education et de la Formation, Derb Ghalef, Casablanca, Maroc Filière : Secondaire qualifiant Specialité : Mathématiques Cours de probabilités pour les professeurs stagiaires

Plus en détail

Probabilités - Alternance Gea

Probabilités - Alternance Gea Probabilités - Alternance Gea Anne Fredet, Jean-Marie Gourdon 6 avril 2006 1 Probabilités liant deux événements On s intéresse parfois à une probabilité portant sur deux événements, qu ils soient indépendants

Plus en détail

1 Probabilités-Rappel

1 Probabilités-Rappel Chapitre Probabilités sur un ensemble fini-variable aléatoire 1 Probabilités-Rappel On lance un dé non truqué à six faces numérotées de 1 à 6 et on note le nombre figurant sur la face supérieure du dé.

Plus en détail

Travaux Dirigés 1 Introduction aux probabilités

Travaux Dirigés 1 Introduction aux probabilités Université Pierre et Marie Curie LM231 Année 2010-2011 Semestre 2 Travaux Dirigés 1 Introduction aux probabilités Dans la suite, pour tout entier naturel n, nous notons N n = {0,...,n} et N n = N n \{0}

Plus en détail

Tut Rentrée. Evènements et probabilités élémentaires

Tut Rentrée. Evènements et probabilités élémentaires Tut Rentrée Evènements et probabilités élémentaires La théorie des probabilités est une branche des mathématiques qui permet de modéliser les phénomènes où le hasard intervient. On sélectionne un échantillon

Plus en détail

Introduction. Lois classiques (probabilité discrètes et continues)

Introduction. Lois classiques (probabilité discrètes et continues) Bibliographie: Introduction - Lecoutre J.P. (2003) Statistiques et probabilités, Manuel et exercices corrigés, Dunod 2nd édition - Lombardot E. (2007) Probabilités, cours et exercices corrigés, archétype

Plus en détail

1 ère S Exercices sur les probabilités

1 ère S Exercices sur les probabilités ère S Exercices sur les probabilités On donne dans le tableau ci-dessous les probabilités d apparition de chacune des s d un dé truqué. Face N 4 6 Probabilité d apparition 0, 0, 0, 0, 0, 0, Ce tableau

Plus en détail

LES PROBABILITES. 1) Expérience aléatoire: Une expérience est dite aléatoire lorsqu on ne peut pas prévoir avec certitude le résultat.

LES PROBABILITES. 1) Expérience aléatoire: Une expérience est dite aléatoire lorsqu on ne peut pas prévoir avec certitude le résultat. LES PROBABILITES I) Définitions : 1) Expérience aléatoire: Une expérience est dite aléatoire lorsqu on ne peut pas prévoir avec certitude le résultat. Exemple : On lance une pièce de 1 et on observe le

Plus en détail

PROBABILITES. Classe : 3 éme 1 Mr Naifar Med Yassine 1 ) EXPERIENCES ALEATOIRES A ) EXPERIENCE ALEATOIRE, EVENTUALITE, UNIVERS B ) EVENEMENT

PROBABILITES. Classe : 3 éme 1 Mr Naifar Med Yassine 1 ) EXPERIENCES ALEATOIRES A ) EXPERIENCE ALEATOIRE, EVENTUALITE, UNIVERS B ) EVENEMENT 1 ) EXPERIENCES LETOIRES ) EXPERIENCE LETOIRE, EVENTULITE, UNIVERS Un exemple bien connu : ( On considère cet exemple jusqu à la fin du chapitre ) On lance un dé non truqué à six faces numérotées de 1

Plus en détail

NOTES DE COURS MODULE 7 : LES PROBABILITÉS CONDITIONNELLES

NOTES DE COURS MODULE 7 : LES PROBABILITÉS CONDITIONNELLES NOM : NOTES DE COURS MODULE 7 : LES PROBABILITÉS CONDITIONNELLES 7.1 Rappel Probabilité d un événement : P (A) = Nombre de résultats favorables Nombre de résultats possibles Ex : Sur un dé à 6 faces, Dans

Plus en détail

Ce polycopié résume les bases essentielles pour aborder le programme de terminale.

Ce polycopié résume les bases essentielles pour aborder le programme de terminale. PROBABILITE ere S Ce polycopié résume les bases essentielles pour aborder le programme de terminale..simulation d'une expérience aléatoire : Lorsque le résultat d'une expérience est imprévisible, c'est

Plus en détail

Probabilités. Expérience 1 Les issues possibles de cette expérience aléatoire sont : pile, face.

Probabilités. Expérience 1 Les issues possibles de cette expérience aléatoire sont : pile, face. Probabilités La théorie des hasards consiste à réduire tous les événements du même genre à un certain nombre de cas également possibles et à déterminer le nombre de cas favorables à l événement dont on

Plus en détail

Probabilités conditionnelles et indépendance

Probabilités conditionnelles et indépendance Probabilités conditionnelles et indépendance I) Conditionnement par un événement 1) Probabilité de B sachant A a) Définition On considère un univers U d une expérience aléatoire et P une loi de probabilité

Plus en détail

Probablilités et Statistiques pour l Informatique.

Probablilités et Statistiques pour l Informatique. UNIVERSITÉ PARIS DESCARTES Licence Informatique 2e année Notes du cours Probablilités et Statistiques pour l Informatique. Version du 5 octobre 2015. La version la plus récente de ces notes de cours se

Plus en détail

Chapitre V : Probabilité : conditionnement et indépendance

Chapitre V : Probabilité : conditionnement et indépendance Chapitre V : Probabilité : conditionnement et indépendance A- Variables aléatoires et lois de probabilités I Loi d une variable aléatoire 1) Définition d une variable aléatoire Exemple : Un jeu de hasard

Plus en détail

Remarque : Dans la suite, on ne traitera que des expériences dont les univers sont finis.

Remarque : Dans la suite, on ne traitera que des expériences dont les univers sont finis. Chapitre 5 Probabilités 5.1 Rappels 5.1.1 Vocabulaire Expérience aléatoire Définition 5.1 Une expérience dont on connaît les issues (les résultats) est appelée expérience aléatoire si on ne peut pas prévoir

Plus en détail

Chapitre 2: Les généralités du calcul des probabilités.

Chapitre 2: Les généralités du calcul des probabilités. Chapitre 2: Les généralités du calcul des probabilités. 1 Introduction Le modèle du chapitre un (univers fini) n est pas suffisant. Ainsi par exemple, dans l expérience aléatoire "jouer à pile où face

Plus en détail

STATISTIQUE. somme des produits des nombres de la serie par leur coefficients effectif total de la série

STATISTIQUE. somme des produits des nombres de la serie par leur coefficients effectif total de la série STATISTIQUE ) - Vocabulaire La statistique étudie certaines caractéristiques ou variables d'un ensemble fini appelé population. Les éléments de cette population étudiée sont des individus. 2 ) Moyenne

Plus en détail

Probabilités Cours Terminale S Rappels Généralités Vocabulaire

Probabilités Cours Terminale S Rappels Généralités Vocabulaire Page d accueil Terminale S Cours Calculatrices ROC ROC Probabilités Probabilités Cours Terminale S Rappels Généralités Vocabulaire Sommaire 1 Vocabulaire 11 Expérience aléatoire 3eme 12 Evénement 13 Exercices

Plus en détail

Chapitre 8 : Probabilités Terminale ES 1, , Y. Angeli

Chapitre 8 : Probabilités Terminale ES 1, , Y. Angeli Chapitre 8 : Probabilités -0-03-- Terminale ES, 200-20, Y. Angeli. Vocabulaire Définition. Une expérience aléatoire est processus dont l issue est incertaine. L univers d une expérience aléatoire est l

Plus en détail

Chantal Menini 7 mai 2009

Chantal Menini 7 mai 2009 Description mathématique d une expérience aléatoire : événements élémentaires, événements, probabilité (on se limitera au cas où l ensemble d événements élémentaires est fini. Chantal Menini 7 mai 2009

Plus en détail

TD2. Probabilité sur un ensemble dénombrable.

TD2. Probabilité sur un ensemble dénombrable. Université Pierre & Marie Curie Licence de Mathématiques L3 UE LM345 Probabilités élémentaires Année 2014 15 TD2 Probabilité sur un ensemble dénombrable 1 a Soit (Ω, F, P) un espace de probabilités Soit

Plus en détail

Feuille d exercices n 16 : corrigé

Feuille d exercices n 16 : corrigé Feuille d exercices n 16 : corrigé ECE Lycée Carnot 1 er février Exercice 1 * Il existe plusieurs façons raisonnables de décrire l univers des résultats possibles, mais le plus simple ici est de considérer,

Plus en détail

Leçon 5 Les probabilités

Leçon 5 Les probabilités Leçon 5 Les probabilités Les champs d application des probabilités sont très larges. Sciences et économie les utilisent beaucoup et l étude des jeux comme l exemple de la leçon précédente le montre bien.

Plus en détail

Feuille de TD n o 3 : Indépendance d événements, variables aléatoires, lois discrètes

Feuille de TD n o 3 : Indépendance d événements, variables aléatoires, lois discrètes Cogmaster, Probabilités discrètes Feuille de TD n o : Indépendance d événements, variables aléatoires, lois discrètes Exercice Une auto-école présente le même jour trois candidats au permis : André, Denis

Plus en détail

SY01 Test Correction A11 Durée : 1h sans document. est une probabilité sur (Ω, F).

SY01 Test Correction A11 Durée : 1h sans document. est une probabilité sur (Ω, F). SY01 Test Correction A11 Durée : 1h sans document Exercice 1. (Cours) Soit (Ω, F) un espace probabilisable. 1. Donner la définition d une probabilité IP définie sur (Ω, F). 2. Exemple de probabilité. Soit

Plus en détail

3. Une urne contient n boules numérotées de 1 à n. On tire simultanément k boules (k n) dans cette urne. Le nombre de tirages possibles est.

3. Une urne contient n boules numérotées de 1 à n. On tire simultanément k boules (k n) dans cette urne. Le nombre de tirages possibles est. Université des Sciences Sociales et de Gestion de Bamao (USSGB) Faculté des Sciences Economiques et Gestion (FSEG) Statistiques mathématiques Travaux dirigés fiche N 0 1 Exercice 1 Il ya au moins une réponse

Plus en détail

PROBABILITE 4 ème Sc Techniques. a) Définir l univers Ω et calculer son cardinal

PROBABILITE 4 ème Sc Techniques. a) Définir l univers Ω et calculer son cardinal PROBABILITE 4 ème Sc Techniques Exercice On considère une urne contenant 0 jetons identiques : 6 jetons noirs numérotés :,,,,, 4 jetons blancs numérotés :,,, ) On tire simultanément et au hasard jetons

Plus en détail

Eléments de calcul des probabilités

Eléments de calcul des probabilités Eléments de calcul des probabilités Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg décembre 2010 Plan 1 Généralité sur les probabilités

Plus en détail

ESPACES PROBABILISÉS CHAPITRE 7. 1 Dénombrement. 1.1 Cardinaux. Dans tout le chapitre, n désignera sauf mention contraire un entier naturel.

ESPACES PROBABILISÉS CHAPITRE 7. 1 Dénombrement. 1.1 Cardinaux. Dans tout le chapitre, n désignera sauf mention contraire un entier naturel. CHAPITRE 7 ESPACES PROBABILISÉS Dans tout le chapitre, n désignera sauf mention contraire un entier naturel. 1 Dénombrement 1.1 Cardinaux Définition 7.1 Soient E et F deux ensembles. On dit que E est en

Plus en détail

Correction des exercices du cours de Probabilités

Correction des exercices du cours de Probabilités Correction des exercices du cours de Probabilités Exercice n 1.1.1 : On jette 4 dés, l ensemble des tirages est donc Ω = {1,...,6} 4 qui est un ensemble fini, on choisit naturellement comme tribu la tribu

Plus en détail

EVENEMENT ET PROBABILITE ELEMENTAIRES

EVENEMENT ET PROBABILITE ELEMENTAIRES EVENEMENT ET PROILITE ELEMENTIRES La théorie des probabilités est une branche des mathématiques qui permet de modéliser les phénomènes où le hasard intervient. On sélectionne un échantillon de la population

Plus en détail

2016/2017 Première Année Médecine. Probabilités. Chapitre I. Analyse combinatoire. Stylo, livre, bureau, cahier. Liste formé de (k) éléments

2016/2017 Première Année Médecine. Probabilités. Chapitre I. Analyse combinatoire. Stylo, livre, bureau, cahier. Liste formé de (k) éléments 2016/2017 Première Année Médecine Département de Médecine Faculté de Constantine Probabilités Chapitre I. Analyse combinatoire Former des listes des éléments de (k) éléments à partir de (n) éléments suivant

Plus en détail

Chapitre M5 Statistique et probabilités 6 PROBABILITES 3

Chapitre M5 Statistique et probabilités 6 PROBABILITES 3 TBP Chapitre M5(SP6) Page 1/9 Chapitre M5 Statistique et probabilités 6 PROBABILITES 3 Capacités Passer du langage probabiliste d un événement au langage courant et réciproquement Calculer la probabilité

Plus en détail

Cours de Probabilité. 1. Rappels sur la théorie des ensembles

Cours de Probabilité. 1. Rappels sur la théorie des ensembles Cours de Probalité. Rappels sur la théorie des ensembles Définition Soit deux ensembles A et B. On note : A B leur union A B leur intersection A le complémentaire de l ensemble A A B signifie que l ensemble

Plus en détail

jean-pierre lecoutre statistique et probabilités QCM et exercices corrigés 10 sujets d examen corrigés Avec rappels de cours 6 e édition

jean-pierre lecoutre statistique et probabilités QCM et exercices corrigés 10 sujets d examen corrigés Avec rappels de cours 6 e édition jean-pierre lecoutre statistique et probabilités QCM et exercices corrigés 10 sujets d examen corrigés Avec rappels de cours 6 e édition Dunod, 2015 5, rue Laromiguière, 75005 Paris www.dunod.com ISBN

Plus en détail

Chapitre 15 : Probabilités.

Chapitre 15 : Probabilités. Chapitre 15 : Probabilités. On réalise les trois expériences suivantes. On lance une pièce de monnaie équilibrée et on regarde sa face supérieure. On lance un dé à 6 faces équilibré et on regarde le nombre

Plus en détail

Exercices sur le calcul de probabilités

Exercices sur le calcul de probabilités Exercices sur le calcul de probabilités Exercice 1 : Lançons simultanément 2 dés non pipés, l un noir et l autre blanc. Observons les points indiqués d abord par le dé noir, puis par le dé blanc. a) Déterminer

Plus en détail

Leçon 12 Les probabilités

Leçon 12 Les probabilités Leçon 12 Les probabilités Le champ d application des probabilités est très large. Sciences et économie les utilisent beaucoup. Cette leçon est nouvelle dans le programme de seconde. Il s agit de prendre

Plus en détail

Espaces probabilisés Introduction Événements

Espaces probabilisés Introduction Événements 21 Espaces probabilisés 21.1 Introduction De façon intuitive, une expérience aléatoire est une expérience dont le résultat ne peut être annoncé avec certitude a priori, c est-à-dire avant la réalisation

Plus en détail