Ce chapitre introduit les concepts fondamentaux de la probabilité, notamment la définition d'une probabilité, la probabilité conditionnelle, la formule de probabilité totale et l'indépendance.
0 évaluation0% ont trouvé ce document utile (0 vote)
19 vues4 pages
Ce chapitre introduit les concepts fondamentaux de la probabilité, notamment la définition d'une probabilité, la probabilité conditionnelle, la formule de probabilité totale et l'indépendance.
Ce chapitre introduit les concepts fondamentaux de la probabilité, notamment la définition d'une probabilité, la probabilité conditionnelle, la formule de probabilité totale et l'indépendance.
Ce chapitre introduit les concepts fondamentaux de la probabilité, notamment la définition d'une probabilité, la probabilité conditionnelle, la formule de probabilité totale et l'indépendance.
1.1 Généralité — L’expérience aléatoire : c’est toute expérience dont le résultat dépend du hasard. — Univers Ω : l’ensemble de tous les résultats possibles. — Evénement : toute partie A ⊂ Ω. — Ω : dénombrable ou continu. — Evénement A : réalisable si w ∈ A ou non réalisable si w ∈/ A. — ∅ : événement impossible. — Ω : événement certain. — Ā : événement contraire à A. — A ∩ Ā = ∅ : événement incompatible. — A ∪ B : A ou B. — A ∩ B : A et B.
1.2 Probabilité Définition 1.2.1. On appelle probabilité toute application
1 2 CHAPITRE 1. PROBABILITÉ : THÉORÈMES GÉNÉRAUX
P : P (Ω) → [0, 1] A �→ P( A) Vérifiant : 1. P(Ω) = 1 2. P(∪i Ai ) = ∑i P( Ai ) ; ∀{ Ai } deux à deux disjoints. Proposition 1.2.1. Soit P une probabilité sur Ω. 1. P( Ā) = 1 − P( A) 2. P(∅) = 0 3. ∀ A, B; P( A ∪ B) + P( A ∩ B) = P( A) + P( B) 4. A ⊂ B ⇒ P( A) ≤ P( B) Exemple 1.2.1. "Probabilité uniforme“ Soit Ω un univers fini ; Ω = {w1 , · · · , wn } alors il existe un unique probabilité sur Ω vérifiant 1 P ( wi ) = , ∀ i n Cette probabilité est appelée probabilité uniforme et dans ce cas
card( A) | A| P( A) = = n n Remarque 1.2.1. : — On ne peut pas définir la probabilité uniforme sur un univers Ω infini. — Dans le cas où Ω est dénombrable Ω = {w1 , w2 , · · · }. La connaissance de P(wi ) suffit pour connaître P. Car ∀ A, P( A) = P(∪i {wi }) = ∑wi ∈ A P(wi ).
1.3 Probabilité conditionnelle
Définition 1.3.1. Soit P une probabilité définie sur Ω et soit A tel que P( A) �= 0. On appelle probabilité conditionnelle à A la probabilité
PA = P(./A) : P (Ω) → [0, 1]
P( A ∩ B) B �→ PA ( B) = P( B/A) = P( A)
Exemple 1.3.1. Vérifiant que PA est une probabilité
P(Ω ∩ A) P( A) — PA (Ω) = = =1 P( A) P( A) — Soit { Bi } une famille d’événement deux à deux disjoints
P((∪i Bi ) ∩ A) P( Bi ∩ A) PA (∪i Bi ) = P( A) = ∑ P( A) = ∑ PA ( Bi ) i i
1.4 Indépendance Définition 1.4.1. Soit P une probabilité sur Ω, on dit que A et B sont indépendants si :
P( A ∩ B) = P( A) P( B)
Remarque 1.4.1. : — ∅ et A sont indépendants ∀ A. — Ω et A sont indépendants ∀ A. — A et B sont indépendants ⇔ P( A/B) = P( A) ⇔ P( B/A) = P( B). — Si A et B sont indépendants alors ( Ā, B), ( A, B̄)et ( Ā, B̄) sont indépendants.
Définition 1.4.2. Soit P une probabilité sur Ω, et soit ( A1 , · · · , An ) n-événements.
— On dit que les Ai sont deux à deux indépendants si
Remarque 1.4.2. : — globalement indépendants implique deux à deux indépendants. — Deux à deux indépendants n’implique pas en général globalement indépendants.
