Chapitre 2. Probabilités. Sommaire. 1. Introduction Espace fondamental et évènements. 3

Documents pareils
Mesure avec une règle

Les jeunes économistes

Remboursement d un emprunt par annuités constantes

Montage émetteur commun

TD 1. Statistiques à une variable.

Q x2 = 1 2. est dans l ensemble plus grand des rationnels Q. Continuons ainsi, l équation x 2 = 1 2

ÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.

Assurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire

1.0 Probabilité vs statistique Expérience aléatoire et espace échantillonnal Événement...2

Contrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations

STATISTIQUE AVEC EXCEL

Exercices d Électrocinétique

Généralités sur les fonctions 1ES

Grandeur physique, chiffres significatifs

MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES

hal , version 1-14 Aug 2009

Editions ENI. Project Collection Référence Bureautique. Extrait

GEA I Mathématiques nancières Poly. de révision. Lionel Darondeau

CHAPITRE 14 : RAISONNEMENT DES SYSTÈMES DE COMMANDE

Dirigeant de SAS : Laisser le choix du statut social

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks

Chapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique

CREATION DE VALEUR EN ASSURANCE NON VIE : COMMENT FRANCHIR UNE NOUVELLE ETAPE?

Contact SCD Nancy 1 : theses.sciences@scd.uhp-nancy.fr

I. Présentation générale des méthodes d estimation des projets de type «unité industrielle»

UNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS

BUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises

COMPARAISON DE MÉTHODES POUR LA CORRECTION

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1

Prêt de groupe et sanction sociale Group lending and social fine

Chapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3.

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises

Projet de fin d études

Les prix quotidiens de clôture des échanges de quotas EUA et de crédits CER sont fournis par ICE Futures Europe

1 Introduction. 2 Définitions des sources de tension et de courant : Cours. Date : A2 Analyser le système Conversion statique de l énergie. 2 h.

Page 5 TABLE DES MATIÈRES

santé Les arrêts de travail des séniors en emploi

BTS GPN 2EME ANNEE-MATHEMATIQUES-MATHS FINANCIERES MATHEMATIQUES FINANCIERES

Calculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.

Une analyse économique et expérimentale de la fraude à l assurance et de l audit

Corrigé du problème de Mathématiques générales Partie I

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

IDEI Report # 18. Transport. December Elasticités de la demande de transport ferroviaire: définitions et mesures

Fiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage

Avez-vous vous aperçu cette drôle de trogne? Entre nature et histoire autour de Mondoubleau

Prise en compte des politiques de transport dans le choix des fournisseurs

THESE. Khalid LEKOUCH

UNIVERSITÉ DU QUÉBEC À MONTRÉAL L ASSURANCE AUTOMOBILE AU QUÉBEC : UNE PRIME SELON LE COÛT SOCIAL MARGINAL MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE

Le monde est mathématique

GENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)

Integral T 3 Compact. raccordé aux installations Integral 5. Notice d utilisation

En vue de l'obtention du. Présentée et soutenue par Elayeb Bilel Le 26 juin 2009

LA SURVIE DES ENTREPRISES DÉPEND-ELLE DU TERRITOIRE D'IMPLANTATION?

La théorie classique de l information. 1 ère partie : le point de vue de Kolmogorov.

Le Prêt Efficience Fioul

Pratique de la statistique avec SPSS

EH SmartView. Identifiez vos risques et vos opportunités. Pilotez votre assurance-crédit. Services en ligne Euler Hermes

Pourquoi LICIEL? Avec LICIEL passez à la vitesse supérieure EPROUVE TECHNICITE CONNECTE STABILITE SUIVIE COMMUNAUTE

Dynamique du point matériel

Calcul de tableaux d amortissement

Terminal numérique TM 13 raccordé aux installations Integral 33

Réseau RRFR pour la surveillance dynamique : application en e-maintenance.

Analyse des Performances et Modélisation d un Serveur Web

Impôt sur la fortune et investissement dans les PME Professeur Didier MAILLARD

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités

GATE Groupe d Analyse et de Théorie Économique DOCUMENTS DE TRAVAIL - WORKING PAPERS W.P Préférences temporelles et recherche d emploi

Stéganographie Adaptative par Oracle (ASO)

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR

VIELLE Marc. CEA-IDEI Janvier La nomenclature retenue 3. 2 Vue d ensemble du modèle 4

DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS

INTRODUCTION. Jean-Pierre MAGNAN Chef de la section des ouvrages en terre Département des sols et fondations Laboratoire central

MEMOIRE. Présenté au département des sciences de la matière Faculté des sciences

La Quantification du Risque Opérationnel des Institutions Bancaires

Documents de travail. «La taxe Tobin : une synthèse des travaux basés sur la théorie des jeux et l économétrie» Auteurs

ACTE DE PRÊT HYPOTHÉCAIRE

1. Les enjeux de la prévision du risque de défaut de paiement

Corrections adiabatiques et nonadiabatiques dans les systèmes diatomiques par calculs ab-initio

Thermodynamique statistique Master Chimie Université d Aix-Marseille. Bogdan Kuchta

Étranglement du crédit, prêts bancaires et politique monétaire : un modèle d intermédiation financière à projets hétérogènes

INTERNET. Initiation à

GUIDE D ÉLABORATION D UN PLAN D INTERVENTION POUR LE RENOUVELLEMENT DES CONDUITES D EAU POTABLE, D ÉGOUTS ET DES CHAUSSÉES

CHAPITRE DEUX : FORMALISME GEOMETRIQUE

CONDITIONS GENERALES D UTILISATION CARTAVENUE

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

METHODE AUTOMATIQUE POUR CORRIGER LA VARIATION LINGUISTIQUE LORS DE L INTERROGATION DE DOCUMENTS XML DE STRUCTURES HETEROGENES

Mes Objectifs. De, par, avec Sandrine le Métayer Lumières de Philippe Férat. spectacle produit par la Cie DORE

ErP : éco-conception et étiquetage énergétique. Les solutions Vaillant. Pour dépasser la performance. La satisfaction de faire le bon choix.

Fluctuation d une fréquence selon les échantillons - Probabilités

Pro2030 GUIDE D UTILISATION. Français

TABLE DES MATIERES CONTROLE D INTEGRITE AU SEIN DE LA RECHERCHE LOCALE DE LA POLICE LOCALE DE BRUXELLES-CAPITALE/IXELLES (DEUXIEME DISTRICT) 1

CONSERVATOIRE NATIONAL DES ARTS ET METIERS

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)

I. Cas de l équiprobabilité

Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles

Version provisoire Ne pas citer sans l accord des auteurs

LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régime») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF

Économétrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University

Ecole Polytechnique de Montréal C.P. 6079, succ. Centre-ville Montréal (QC), Canada H3C3A7

Coefficient de partage

Transcription:

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 Chaptre 2 robabltés Sommare 1. Introducton 3 2. Espace fondamental et évènements. 3 2.1. Défnton 3 2.2. Evènements remarquables.. 5 2.3. Opératons sur les évènements.6 2.3.1. L ntersecton de deux évènements 6 2.3.2. La réunon de deux évènements.7 2.3.3. L ncluson d un événement 8 2.4. Système complet d évènements 9 2.5. Espace probablsable 9 3. robabltés..9 3.1. Défntons 10 3.1.1. Concept mathématque.. 10 3.1.2. robabltés combnatores.. 10 3.1.3. Lo des grands nombres 11 3.1.4. Espace probablsé. 12 3.2. roprétés des probabltés 12 3.2.1. ddtvté. 12 3.2.2. Evènement contrare 13 3.2.3. Evènement mpossble. 14 1

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 3.2.4. Incluson 14 3.3. Indépendance statstque. 15 3.3.1.Défnton.15 3.3.2. roprétés. 16 3.3.3. Généralsaton à n évènements 16 4. robabltés condtonnelles.. 17 4.1. Défnton..17 4.2. robabltés composées. 18 4.3. robabltés totales..20 4.4. Le théorème de ayes 20 2

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 1. Introducton Les premères personnes à s être ntéressées aux problèmes des probabltés furent des mathématcens franças, lase ascal et erre de Fermat qu répondaent aux questons soulevées par un adepte des jeux de hasard, le chevaler de Méré. cette époque, la théore des probabltés se développa unquement en relaton avec les jeux de hasard. Mas avec erre Smon Laplace et Karl Fredrch Gauss, les bases de la théore furent étendues à d autres applcatons et phénomènes. Le calcul des probabltés fournt une modélsaton effcace des stuatons non détermnstes c est-à-dre des phénomènes aléatores ou stochastques. En ce qu concerne les premers, le résultat d une expérence sut une lo rgoureuse connue taux de crossance d une populaton bactérenne. On peut donc ans prévor le résultat pour un événement donné. En revanche dans le cas des phénomènes aléatores, le résultat de l expérence n est pas connu avec certtude mas fluctue autour d un résultat moyen qu est régt par une lo transmsson des caractères selon la lo de Mendel. Il exste deux manères d ntrodure la noton de probablté : La probablté a pror, «subjectve» d un événement est un nombre qu caractérse la croyance que l on a que cet événement est réalsé avec plus ou mons de certtude avant l exécuton de l expérence : l événement est réalsé probablté 1 et l événement n est pas réalsé probablté 0. La probablté emprque assmlée à une fréquence est défne à partr d expérences ndéfnment renouvelables. La probablté d un événement est alors la fréquence d apparton de cet événement. Enfn le calcul des probabltés utlse l analyse combnatore ans que la théore des ensembles. 2. Espace fondamental et évènements La théore des ensembles qu est succnctement présentée dans ce chaptre consttue un outl pussant dans pluseurs branches des mathématques, notamment en probabltés. 2.1 Défntons En face de stuatons dont l ssue est ncertane, on a ben souvent enve d attrbuer à chacune des éventualtés possbles une vrasemblance plus ou mons grande. fn de donner une rgueur mathématque à ce concept, l est nécessare tout d abord de donner quelques défntons. Une expérence ou une épreuve est qualfée d aléatore s on ne peut pas prévor son résultat et s, répétée dans des condtons dentques, elle peut donner des résultats dfférents. Le résultat d une expérence noté ω consttue une éventualté ou un événement élémentare. 3

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 l ensemble des évènements élémentares possbles pour une expérence aléatore donnée consttue l espace fondamental appelé unvers ou unvers des possbles noté Ω. Lors d un contrôle sangun, l ensemble des résultats possbles s l on s ntéresse 1 au groupe sangun et au facteur rhésus d un ndvdu est Ω = +, -, +, -, +, -, O+, O- 2 au nombre de globules blancs Ω = N * = 1,2,..n, 3 au taux de glycéme Ω = [0 ;15] au-delà de 15, l ndvdu n est plus en état de subr une prse de sang. ns pour une même épreuve, l unvers Ω peut être fn toutes les éventualtés sont connues : cas 1 ou nfn toutes les éventualtés ne sont pas connues : cas 2 et 3. Dans ces deux derners cas, l unvers peut être dénombrable s on peut numéroter les éventualtés connues cas 2 ou ben contnu comme dans le cas du taux de glycéme cas 3. Un événement quelconque est un ensemble d évènements élémentares et consttue une parte de l unvers des possbles Ω dont on sat dre à l ssue de l épreuve s l est réalsé ou non. S ω, alors est réalsé. Mas s ω alors n est pas réalsé et c est, l événement contrare qu est réalsé. Un événement est donc une asserton relatve aux résultats d une expérence. Il est possble qu un événement ne sot consttué que d un seul événement élémentare. Les évènements sont représentés par des lettres majuscules,,, C, 1, 2, etc. Dans l exemple concernant les groupes sanguns, - l événement «l ndvdu est de rhésus postf» est représenté par : = +, +, +, O+ avec Ω - l événement «l ndvdu est donneur unversel» est représenté par : = {O-} un seul événement élémentare Dans le cadre de cet exemple, l événement est réalsé s le résultat du typage donne l un des 4 groupes sanguns +,+,+,O+. Remarque : our ce même exemple, le résultat «la glycéme vaut 2» ne consttue pas un événement car l est mpossble de savor s l est réalsé ou non. Toute parte de Ω n est pas forcément un événement. ns l faut toujours défnr après avor détermné l unvers Ω, l ensemble des évènements εω. 4

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 S Ω est fn, chaque parte de l unvers Ω Ω est consttuée d un nombre fn d éventualtés et dans ce cas l ensemble des évènements est tel que : εω = Ω l unvers des possbles Dans le cadre de ce cours, nous nous placerons dans le cas où l ensemble des évènements de l unvers Ω est clarement défn. 2.2. Evènements remarquables L événement mpossble noté ø est l événement qu ne peut être réalsé quelle que sot l ssue de l épreuve. en que consttué d aucune éventualté, ø est consdéré comme un événement : ø εω L événement certan, noté Ω est toujours réalsé quelle que sot l ssue de l épreuve. Il est consttué de toutes les éventualtés et l on mpose que ce sot un événement : Ω εω L événement contrare ou complémentare d un événement, noté C ou est l événement qu est réalsé s et seulement s ne l est pas. Il est donc consttué des évènements élémentares ω qu ne sont pas dans. ω ω Le complémentare C ou correspond à la négaton logque non. Dans l exemple concernant les groupes sanguns, l événement contrare de «l ndvdu est de rhésus postf» est consttué des évènements élémentares suvant : = -, -, -, O- ar défnton, on obtent les relatons suvantes : = =Ω Ω = 5

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 2.3. Opératons sur les évènements S l on consdère smultanément la réalsaton de deux évènements et, l est possble d effectuer des opératons sur ces ensembles. 2.3.1. L ntersecton de deux évènements On appelle ntersecton de deux évènements et, l événement qu est réalsé s et seulement s et le sont. Il est donc consttué des éventualtés appartenant à la fos à et. C est un événement noté tel que :, εω, εω avec ω ω etω L ntersecton correspond à la conjoncton logque «et». L ntersecton des deux évènements et fgure en vert sur le graphe c-contre. Remarque : L unvers des possbles Ω n étant pas lmté unquement aux évènements partes rouge et verte et partes bleu et verte, l événement complémentare, est formé des partes bleu et blanche. Dans l exemple concernant les groupes sanguns, s à l événement «l ndvdu est de rhésus postf», on ajoute l événement «l ndvdu possède l allèle», l ntersecton de ces deux évènements donne : = +, + Deux évènements et sont ncompatbles ou dsjonts, s ls ne peuvent être réalsés smultanément. On a alors : = 6

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 Quelques proprétés de l ntersecton : = évènements ncompatbles Ω = élément neutre Ω = élément absorbant = commutatvté C = C assocatvté C = C dstrbutvté avec la réunon 2.3.2. La réunon de deux évènements On appelle réunon de deux évènements et, l événement qu est réalsé s et seulement s ou est réalsé. Il est donc consttué des éventualtés appartenant à ou. C est un événement noté tel que :, εω, εω avec ω ω ouω La réunon correspond à la dsjoncton logque «ou». La réunon des deux évènements et fgure en vert sur le graphe c-contre. Remarque : La réunon de deux évènements n est pas la somme algébrque des évènements dans la mesure où la zone de recouvrement n est pas comptablsée deux fos. Dans l exemple concernant les groupes sanguns, s à l événement «l ndvdu est de rhésus postf», on ajoute l événement «l ndvdu possède l allèle», la réunon de ces deux évènements donne : = +, +, -, +, -, O+ 7

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 Quelques proprétés de la réunon : = Ω = Ω = Ω = C = C C = C évènements complémentares élément neutre élément absorbant Ω commutatvté assocatvté dstrbutvté avec l ntersecton Selon les los de Morgan, nous avons : = ce qu correspond à la parte hachurée sur ce graphe. = ce qu correspond à l ensemble vde lorsque l unvers des possbles Ω n est consttué que des évènements et graphe. 2.3.3. L ncluson d un événement Un événement entraîne un événement s la réalsaton de mplque celle de. On dt que l événement est nclus dans l événement. L mplcaton logque se tradut par l ncluson. Exemple de l ncluson de l événement en rouge dans l événement en bleu. Sot une urne contenant des blles rouges unes et des blles vertes unes et strées. S l on note l événement «obtenton d une blle strée» et l événement «obtenton d une blle verte», la réalsaton de mplque la réalsaton de car est nclus dans. 8

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 2.4. Système complet d évènements 1, 2,..., n forment un système complet d évènements s les partes 1, 2,..., n de Ω consttuent une partton de Ω telle que : j j = = Ω U Un système complet d évènements est formé de toutes les partes de Ω, c est-à-dre des famlles d évènements 2 à 2 ncompatbles dont la réunon consttue l événement certan Ω. Le nombre de parttons possbles dans un ensemble fn de n évènements est : s Card Ω = n alors Card Ω = 2 n Illustraton 2.5. Espace probablsable Supposons que l ensemble des évènements consttue une classe C de Ω, telle que : C Ω On appelle espace probablsable Ω, C, un objet formé de deux éléments : - un espace d éventualtés Ω 3.. un espace d évènements C Ω avec : 1 C C 2 C N * U C 3 Ω C Ces tros axomes ou proprétés suffsent à défnr un espace probablsable et on pourrat montrer qu l mplque que C et I C 3. robabltés Le passage d une descrpton de type ensemblste des phénomènes aléatores à l élaboraton d un vértable modèle mathématque se fat en ntrodusant les mesures de probablté. 9

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 3.1 Défntons 3.1.1 Concept mathématque On appelle probablté toute applcaton de l ensemble des évènements Ω dans l ntervalle [0,1], tel que : : ε Ω [0,1] a satsfasant les proprétés ou axomes suvantes 1 εω 0 2 Ω = 1 3, εω s = alors = + Remarque : Le concept mathématque de probablté modélse les notons ntutves de proporton et de fréquence. S l on avance que la probablté d être mmunsé contre la tuberculose est de 0,8, on modélse le fat qu envron 80 % de la populaton est mmunsé contre la tuberculose. 3.1.2. robabltés combnatores Sot Ω un espace fondamental fn consttué de N évènements élémentares sur lequel on fat l hypothèse d équprobablté de réalsaton des N évènements élémentares. On suppose ans que tous les évènements élémentares ont «la même chance» de se réalser. Dans ce cas la probablté p d un événement élémentare quelconque ω I est telle que : p = 1 N avec p = ω I satsfasant 1 avec I p 0 2 p = 1 Sot un événement quelconque consttué de k évènements élémentares de Ω, on en dédut : = k N avec = p ω Cette formule s énonce souvent comme : = card card Ω = nombre de cas favorables nombre de cas possbles 10

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 Cette formule permet de ramener les calculs de probabltés à des décomptes d évènements élémentares effectués par des technques d analyse combnatore qu ne sont pas des probabltés. Exemples : 1 En tapant 5 lettres au hasard sur une machne à écrre possblté de taper pluseurs fos sur la même touche, la probablté d obtenr le mot «lutte» est d une chance sur 12 mllons. En effet l y a exactement 11 881 376 mots de 5 lettres possbles Vor rrangement avec répétton. 2 La probablté d obtenr un multple de tros lors du lancé d un dé à 6 faces, non ppé est : = {3,6} d où = 26 = 13 avec k =2 et p =16 3.1.3. Lo des grands nombres S l on répète N fos une expérence dans laquelle la probablté d apparton d un événement est, la fréquence de cet événement au cours des N expérences, k N tend vers lorsque N tend vers l nfn. N k N Lorsque le nombre d épreuves augmente ndéfnment, les fréquences observées tendent vers les probabltés et les dstrbutons observées vers les los de probablté. Lors d un crosement entre plantes hétérozygotes a pour un caractère à domnance strcte allèle, forme sauvage et allèle a, forme mutée, on examne successvement deux échantllons de plantes résultant de ce crosement. N=40 fleurs N=1000 fleurs Effectfs Fréquences Effectfs Fréquences robabltés attendues hénotype sauvage 29 0,725 754 0,754 0,750 hénotype mutant 11 0,275 246 0,246 0,25 11

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 Il est asé de vérfer que les fréquences pour les deux phénotypes possbles sont plus proches des probabltés attendues sous le modèle de crosement mendélen pour l échantllon de très grande talle. L écart entre les fréquences observées et les probabltés attendues peut être tester à l ade du test du kh-deux. 3.1.4. Espace probablsé Nous défnrons un espace probablsé en utlsant l axomatque de Kolmogorov, Défnton 1 : On appelle probablté sur Ω,C une applcaton de C dans l ntervalle [0,1] telle que : Défnton 2 : Ω=1 pour tout ensemble dénombrable d évènements ncompatbles 2 à 2, on a : U = On appelle espace probablsé, le trplet Ω,C, n =1 ns un espace probablsé désgne un espace fondamental et ses évènements, mun d une mesure de probabltés. 3.2 roprétés des probabltés Des axomes précédents découlent les proprétés addtves des probabltés, d usage permanent. 3.2.1. ddtvté Cas d évènements ncompatbles S 1, 2,,,.., n sont n évènements ncompatbles deux à deux j = s j alors : 1 2.. n = 1 + 2 + + +.+ n La probablté de la réunon d un ensemble fn ou dénombrable d évènements 2 à 2 ncompatbles est égale à la somme de leur probablté d où : U = =1 n 12

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 vor Démonstraton Cas de deux évènements quelconques S et sont deux évènements quelconques, alors : = + Voc pourquo : et étant deux évènements quelconques,, ces évènements peuvent se décomposer comme la réunon de deux évènements ncompatbles : lors : - = avec = alors = + et = 2. = avec = d où = 3. = + + d où = + Dans l exemple du lancer d un dé à 6 faces, non ppé, on consdère l événement «le résultat est par» et l événement «le résultat est un multple de tros». On a alors : = {2,4,6} et = {3,6} donc = {2,3,4,6} et = {6} avec = 36 = 26 = 46 = 16 on vérfe alors que : = + = 36 + 26 16 = 46 3.2.2 Evènement contrare S est un événement quelconque, alors = 1 13

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 Voc pourquo : Nous avons vu précédemment que = Ω et = roprétés de la réunon et de l ntersecton = + roprétés d addtvté des probabltés d où Ω = 1 = + ans = 1 La probablté lors du lancer d un dé non ppé d obtenr «plus de 2» se tradut par = {3,4,5,6} et = {1,2} d où = 1 = 1 26 = 46 = 23 Remarque : L applcaton de cette proprété est très utle lorsque le nombre d évènements élémentares de, k, est mportant et que le calcul des probabltés p est fastdeux cas de la lo de osson. 3.2.3 Evènement mpossble = 0 Voc pourquo : Nous avons vu précédemment que Ω = Ω élément neutre Ω = + Ω roprétés d addtvté des probabltés d où Ω = + Ω ans = 0 3.2.4 Incluson S alors Voc pourquo : s = avec = alors = = + d où avec = lorsque = 0 14

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 3.3 Indépendance statstque 3.3.1 Défnton L hypothèse d ndépendance entre évènements et plus généralement entre épreuves successves est un préalable lors de l établssement des los de probabltés On dt que deux évènements et sont ndépendants s l on a : = ns s et sont deux évènements statstquement ndépendants, la probablté de la réalsaton conjonte de ces deux évènements est le produt de leur probablté respectve. Remarque : Il ne faut pas confondre évènements ndépendants et évènements ncompatbles. Supposons et à la fos ndépendants et ncompatbles. On a alors : = ndépendants = = 0 ncompatbles d où nécessarement = 0 ou = 0 Exemples : 1 Dans l exemple du lancer d un dé à 6 faces, non ppé, les deux évènements : «le résultat est par» et «le résultat est un multple de tros» sont statstquement ndépendants. En effet, sot = {2,4,6} = {3,6} ={6} ans = 36 = 26 = 16 on vérfe alors que : = = 36 X 26 = 636 = 16 2 S l on consdère une famlle de deux enfants, les deux évènements : «enfants de sexe dfférent» et «au plus une flle» ne sont pas statstquement ndépendants. En effet, l espace probablsé Ω, content 4 évènements élémentares s l on consdère une famlle ordonnée, Ω = = {GG, GF, FG, FF} avec = {GF, FG}, = {GG, GF, FG} et = {GF, FG} d où sous l hypothèse d équprobablté : = 12, = 34 et = 12 On vérfe alors que : = 12 X 34 = 38 12 15

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 3.3.2 roprétés Les proprétés assocées à l ndépendance sont : 1 s est un évènement quelconque, et Ω sont ndépendants : Ω = élément neutre Ω = Ω = car Ω = 1 et ø sont ndépendants : = élément absorbant = = car = 0 2 s et sont deux évènements quelconques, et sont ndépendants s et seulement s et et ou sont ndépendants démonstraton. et sont ndépendants s et seulement s et le sont. 3.3.3 Généralsaton à n évènements n évènements n 2, 1, 2,,,.., n sont dt ndépendants dans leur ensemble ou mutuellement ndépendants s on a : 1 2 n = 1 x 2 x x x.x n n I = =1 Remarque : n évènements peuvent être ndépendants deux à deux, [ j = x j ] avec j sans être ndépendants au sens de la défnton c-dessus. On jette deux dés non ppés et on consdère les évènements suvants : 1 «le premer dé donne un nombre par» 2 «le deuxème dé donne un nombre par» 3 «la somme des deux lancers est pare» Le nombre d événements élémentares est : card Ω = 36 vor arrangements avec répéttons avec p = 2 et n = 6 Les 3 évènements 1, 2 et 3 sont 2 à 2 ndépendants mas ne sont pas ndépendants dans leur ensemble. En effet : 16

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 1 2 3 4 5 6 1 2 3 4 5 6 7 2 3 4 5 6 7 8 3 4 5 6 7 8 9 4 5 6 7 8 9 10 5 6 7 8 9 10 11 6 7 8 9 10 11 12 Les probabltés assocées aux 3 évènements sont : 1 = 12 ; 2 =12 ; 3 =12 1 2 = 936 = 14 = 1 2 1 3 = 936 = 14 = 1 3 2 3 = 936 = 14 = 2 3 1 2 3 = 936 = 14 1 2 3 = 18 Les cases grsées représentent les évènements élémentares réalsés dans le cadre sot 1 2 ou 1 3 ou 2 3 ou 1 2 3. 4. robabltés condtonnelles 4.1. Défnton Sot deux évènements et d un espace probablsé Ω avec 0, on appelle probablté condtonnelle de l évènement «s» ou «sachant», le quotent = notée On défnt ans une probablté sur Ω au sens de la défnton donnée précédemment. Théorème : Sot un évènement de probablté non nulle, alors : : ε Ω [0,1] a = est une probablté sur Ω 17

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 Voc pourquo : 1 εω 0 quotent de deux réels postfs Ω 2 Ω = = =1 car Ω = car Ω élément neutre 3 s 1 2 =, 1 2 = [ 1 2 ] [ 1 + 2 ] = 1 + 2 addtvté = [ 1 2 ] = Remarque : La probablté est appelée la probablté a pror et ou la probablté a posteror car sa réalsaton dépend de la réalsaton de. On observe les relatons suvantes : =1 S, alors = et donc = Sot un crosement entre hétérozygotes a pour un caractère à domnance strcte, quelle est la probablté d obtenr à la génératon suvante parm les ndvdus de phénotype, un ndvdu homozygote? L ensemble des évènements élémentares est : Ω = {,a,a,aa} S h = homozygote et h = hétérozygote h 1 4 h = = = 13 probablté a posteror 3 4 La probablté a pror d obtenr un homozygote est 14. 4.2. robabltés composées Théorème : Sot deux évènements et d un espace probablsé Ω. lors, = = Formule des probabltés composées 18

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 Voc pourquo : ar défnton, = d où = ar symétre, = = S et sont deux évènements ndépendants et que 0 alors cec équvaut à affrmer que = =. Lorsque deux évènements sont ndépendants, le fat que l un des évènements sot réalsé, n apporte aucune nformaton sur la réalsaton de l autre. Dans ce cas la probablté condtonnelle a posteror est égale à la probablté a pror. Voc pourquo : La formule des probabltés composées donne =. L ndépendance statstque entre et équvaut à = d où la relaton = S et sont deux évènements ndépendants alors cec équvaut à affrmer que = =. Lorsque deux évènements sont ndépendants, la probablté condtonnelle de est la même que ce sot ou qu est réalsé vor démonstraton. Dans l exemple du lancer d un dé à 6 faces, non ppé, les deux évènements : «le résultat est par» et «le résultat est un multple de tros» sont ndépendants vor exemple. ns la probablté que la face sot pare sachant que c est un multple de 3 est : s = {2,4,6} ={3,6} ={6} et =36 =26 =16 1 6 = = = 12 = d où la relaton = 1 3 19

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 4.3. robabltés totales Théorème : S { 1, 2,.,,.., n } est un système complet d évènements, quel que sot l évènement, alors : = 1 1 + 2 2 +..+ n n n = Formule des probabltés totales = 1 Voc pourquo : S j, alors j = j = Grâce à la dstrbutvté, on a : 1 2 n = 1 2. n = Ω = Grâce à l addtvté, on a : = 1 + 2 + + n Grâce à la formule des probabltés composées, on a : 1 = 1 1 d où = 1 1 + 2 2 +..+ n n Une populaton anmale comporte 13 de mâles et 23 de femelles. L albnsme frappe 6 % des mâles et 0,36 % des femelles. La probablté pour qu un ndvdu prs au hasard dont on gnore le sexe sot albnos est : S = {mâle} et = {femelle} consttue un système complet d évènements = {albnos} et = {non albnos} sachant que = + alors = 0,06 X 13 + 0,0036 X 23 = 0,0224 sot 2,24% d albnos dans cette populaton. 4.4. Le théorème de ayes Un corollare au théorème des probabltés totales est connu sous le nom de formule de ayes. 20

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 21 Théorème : S { 1, 2,.,,.., n } est un système complet d évènements, et quel que sot l évènement tel que 0, alors :...... 1 1 n n + + + + = = = n 1 Formule de ayes Voc pourquo : D après la formule des probabltés composées, = = D après la formule des probabltés totales, 1 n = = D après la formule des probabltés condtonnelles = d où = = n 1 Remarque : La formule de ayes est utlsée de façon classque pour calculer des probabltés de causes dans des dagnostcs malades, pannes, etc.. L applcaton du théorème de ayes est à la base de toute une branche de la statstque appelée statstque bayesenne. Dans une populaton pour laquelle 1 habtant sur 100 est attent d une malade génétque, on a ms au pont un test de dépstage. Le résultat du test est sot postf T sot négatf T. On sat que : 8 0, = T et 9 0, = T On soumet un patent au test. Celu-c est postf. Quelle est la probablté que ce patent sot attent de la malade sot T ou T? D après la formule de ayes : T T T T T T = = + d où 0, 01 0,8 0,8 0, 01 0,1 0, 99 T = = + 0,075 ns avant le test, la probablté d être malade état de = 0,01 probablté a pror

Mathématques : Outls pour la ologe Deug SV1 UCL D. Mouchroud 10102002 et après le test la probablté d être malade est de T = 0,075 probablté a posteror. ns le test apporte un supplément d nformaton. 22