Академический Документы
Профессиональный Документы
Культура Документы
Probabilits
Calcul de probabilits
Enseignant : Ragbi Aziz
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Notion dexclusivit
Evnements exclusifs
Evnements mutuellement exclusifs
Evnements complmentaires
Notion dindpendance
Probabilit conditionnelle
Evnements indpendants
Thorme de bayes
Universit Mohammed V- Agdal - FSJES -Rabat
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Introduction
Dnir :
1
Le thorme de bayes.
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
1- Dnitions
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Notion dalatoire
Denition
La dnition de la probabilit est lie aux notions dexprience alatoire et
dvnement alatoire.
Une exprience est dite alatoire lorsquon ne peut en prvoir exactement
le rsultat, du fait que tous les facteurs qui dterminent ce rsultat ne
sont pas matriss.
Un vnement alatoire est un vnement qui peut se raliser ou ne pas se
raliser au cours dune exprience alatoire.
Example
Le jet dun d numrot de 1 6 est une exprience alatoire car le
rsultat du jet est imprvisible. Lvnement avoir une face paire du d est
un vnement alatoire car le rsultat du jet peut tre impair comme il
peut tre pair.
Universit Mohammed V- Agdal - FSJES -Rabat
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Notion dalatoire
Example
Le choix dune personne dans un groupe dindividus contenant des hommes et
des femmes est une exprience alatoire car le rsultat du choix est
imprvisible. Lvnement choisir une femme est un vnement alatoire car la
personne choisie peut tre une femme comme elle peut tre un homme.
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
p (A) =
(1)
0 6 p 6 1
Universit Mohammed V- Agdal - FSJES -Rabat
(2)
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Denitions
La probabilit de tout vnement qui doit ncessairement se raliser au
cours dune exprience alatoire est gale 1, il sagit dun vnement
certain.
P (e v e nement certain) = 1
La probabilit de tout vnement qui ne peut pas se raliser au cours
dune exprience alatoire est nulle, il sagit dun vnement impossible.
P (e v e nement impossible ) = 0
(3)
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
2- Notion dexclusivit
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Evnements exclusifs
Denition
Deux vnements alatoires associs une mme exprience alatoire sont
dits exclusifs ou incompatibles sils ne peuvent pas se raliser
simultanment.
Si deux vnements alatoires A et B sont exclusifs alors :
p (A ou B ) = p (A) + p (B )
et
p (A et B ) = 0
(4)
p (A ou B ) = p (A) + p (B )
p (A et B )
(5)
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
p (A ou B ou C ) = p (A) + p (B ) + p (C ) p (A et B )
p (A et C ) p (B et C ) + p (A et B et C )
(7)
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
p (A1 ou A2 ou . . . ou Ak ) =
p ( Ai )
p ( Ai )
p (Ai et Aj )+ p (Ai et Aj et Ak )
k =0
Dans cette galit les dirents S qui gurent portent sur toutes les
combinaisons possibles des indices dirant les uns des autres.
(8)
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Evnements complmentaires
Denition
Plusieurs vnements alatoires associs une mme exprience alatoire
sont dits totalement exclusifs ou complmentaires sils sont exclusifs deux
deux et si lun deux doit ncessairement se raliser.
Si k vnements A1 , A2 , . . . , Ak sont complmentaires alors :
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
3- Notion dindpendance
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Probabilit conditionnelle
Denition
Soient deux vnements alatoires A et B non ncessairement exclusifs.
La probabilit conditionnelle de lvnement A sous la condition B, est la
probabilit de ralisation de lvnement A sachant que lvnement B est
dj ralis. Elle est dsigne par :
p (A/B ) =
p (A et B )
p (B )
(9)
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Probabilit conditionnelle
Denition
Soient deux vnements alatoires A et B non ncessairement exclusifs.
La probabilit conditionnelle de lvnement B sous la condition A, est la
probabilit de ralisation de lvnement B sachant que lvnement A est
dj ralis. Elle est dsigne par :
p (B/A) =
p (A et B )
p (A)
(10)
P (A et B ) = p (A)
p (B/A) = p (B )
p (A/B )
(11)
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Probabilit conditionnelle
Denition
On peut gnraliser cette formule plusieurs vnements. Ainsi pour trois
vnements A, B, et C :
P (A et B et C ) = p (A)
p (B/A)
p (C /A et B )
(12)
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Evnements indpendants
Denition
Deux vnements A et B sont indpendants si la probabilit de voir se
raliser lvnement A ne dpend pas de la ralisation ou de la non
ralisation de lvnement B.
La probabilit de voir se raliser lvnement B ne dpend pas de la
ralisation ou de la non ralisation de lvnement A.
p (A)
p (B )
(13)
(14)
p (A et B ) = p (A)
p (B )
(15)
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Evnements indpendants
Denition
Plusieurs vnements A1, A2, . . . , Ak sont indpendants si :
p (A1 et A2 et . . . et Ak ) = p (A1 )
p ( A2 )
...
p ( Ak )
(16)
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
4- Thorme de bayes
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Thorme de bayes
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Thorme de bayes
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Thorme de bayes
Soient E1 , E2 , . . . , Ek , une srie de k vnements alatoires totalement
exclusifs.
chacun de ces vnements correspond une information initiale qui
permet dvaluer priori les probabilits p (E1 ), p (E2 ), . . . , p (Ek ).
p ( E 1 ) + p ( E 2 ) + . . . + p ( Ek ) = 1
(17)
p (A) = p [(A et E 1 ) ou (A et E 2 ) ou . . . ou (A et E k )]
p (A) = p (A et E 1 ) + p (A et E 2 ) + . . . + p (A et E k )
(18)
(19)
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Thorme de bayes
Par dnition de la probabilit conditionnelle :
p (A et E i ) = p (E i )
p (A/E i ) (i = 1 a` k )
(20)
P (A) = p (E 1 )
p (A/E 1 ) + p (E 2 ) p (A/E 2 ) + . . .
+ p (E k ) p (A/E k )
(21)
p (A) =
p (E i )
p (A/Ei )
i =1
Introduction
Dnitions
Notion dexclusivit
Notion dindpendance
Thorme de bayes
Thorme de bayes
p (Ei /A)
p (Ei /A)
p (A/Ei )
p (A)
p (E i )
ki=1
p (E i )
(22)
p (A/Ei )
p (A/Ei )
(23)