Introduction aux probabilites

RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
CHAP 1: Introduction aux probabilites
Abdelmoutalib METRANE
ENSA Khouribga
Semestre 1 Cycle dingenieur 2009
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
1 RAPPELS
Les ensembles
Quelques lois importantes
2 D

EFINITIONS DE BASE
3 PROBABILIT

ES
Denitions
Quelques theor`emes
4 ANALYSE COMBINATOIRE
Diagramme en arbre
Principe de multiplication
Permutations
Combinaisons
5 PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
Probabilites conditionnelles
Independance des evenements
6 AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Les ensembles
Quelques lois importantes
Soit trois ensembles, A, B et C. Soit U lensemble universel
Relation entre les ensembles
- A B (A est un sous ensemble de B): chaque element de A appartient aussi
`a B.
- Lensemble vide est inclus dans tout ensemble A.
- Tout ensemble A est inclus dans lui meme.
- Si A B et B C, alors A C (la transitivite)
Operations sur les ensembles
- Le complementaire de lensemble A (dans U) est lensemble de tous les
elements de U qui nappartiennent pas `a A. On le note A = {x : x / A}
- Lintersection des ensembles A et B est lensemble des elements qui
appartiennent `a la fois `a A et `a B. On le note A B = {x : x A et x B}
- Lunion des ensembles A et B est lensemble des elements qui appartiennent `a
A OU `a B. On le note A B = {x : x A ou x B}
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Les ensembles
Quelques lois importantes
Quelques lois `a connatre:
Lois didentite
A = A, A U = A
A U = U, A =
Lois De Morgan
A B = A B
A B = A B
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Les ensembles
Quelques lois importantes
Quelques lois `a connatre (suite):
Lois associatives
A (B C) = (A B) C
A (B C) = (A B) C
Lois distributives
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
Exemple: Soit U = {1,2,3,4,5,6,7}. Soit A = {1,2,3} et B={2,4,6}
Trouver A, B, A B et A B
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Les ensembles
Quelques lois importantes
Quelques lois `a connatre (suite):
Lois associatives
A (B C) = (A B) C
A (B C) = (A B) C
Lois distributives
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
Exemple: Soit U = {1,2,3,4,5,6,7}. Soit A = {1,2,3} et B={2,4,6}
Trouver A, B, A B et A B
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Denition
Une experience aleatoire est une epreuve que lon peut repeter plusieurs fois et
telle que:
lensemble des resultats possibles est connu;
on ne peut prevoir avec certitude lequel des resultats sera obtenu.
Denition
Lensemble de tous les resultats possibles dune experience aleatoire constitue
lespace echantillon de lexperience; on le note S ou .
Remarque importante Un espace echantillon peut etre ni, inni denombrable,
inni non denombrable.
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Denition
Tout sous ensemble dun espace echantillon est un evenement.
Quelques exemples devenements :
Lespace echantillon S est un evenement quon appelle evenement certain.
Lensemble vide est un evenement quon appelle evenement impossible.
Si A est un evenement, alors A est un evenement aussi.
Si A et B sont deux evenements, alors A B est un evenement aussi.
Si A et B sont deux evenements, alors A B est un evenement aussi.
Exemple:
Supposons quon a une experience qui consiste `a lancer un de `a six faces.
On peut considerer les sous ensemble A = {1,2,3} et B={2,4,6} comme
evenements de S = {1,2,3,4,5,6}.
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Denition
Tout sous ensemble dun espace echantillon est un evenement.
Quelques exemples devenements :
Lespace echantillon S est un evenement quon appelle evenement certain.
Lensemble vide est un evenement quon appelle evenement impossible.
Si A est un evenement, alors A est un evenement aussi.
Si A et B sont deux evenements, alors A B est un evenement aussi.
Si A et B sont deux evenements, alors A B est un evenement aussi.
Exemple:
Supposons quon a une experience qui consiste `a lancer un de `a six faces.
On peut considerer les sous ensemble A = {1,2,3} et B={2,4,6} comme
evenements de S = {1,2,3,4,5,6}.
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Denitions
Quelques theor`emes
Denition
Soit S un espace echantillon. Une probabilite (sur S) est une fonction
densembles P(.), qui `a tout evenement A de S associe un nombre reel P(A)
veriant:
0 P(A) 1 pour tout A S;
P(S) = 1
Si A
1
, A
2
, ....sont des evenements disjoints deux `a deux (A
i
A
j
= pour
i = j ), alors
P(
i
A
i
) =

i
P(A
i
)
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Denitions
Quelques theor`emes
Denition
La frequence relative dun evenement se denit comme f
A
= m
A
/m. m
A
est le
nombre de fois o` u levenement A se produit `a linterieur de m repetitions. Cette
frequence presente les proprietes suivantes:
0 f
A
1 pour tout A S;
f
A
= 1 si et seulement si levenement A se produit `a chaque repetition.
f
A
= 0 si et seulement si levenement A ne se produit jamais.
Si A, B sont mutuellement exclusifs (evenements disjoints),
alors f
AB
= f
A
+ f
B
Cas particulier
Dans le cas o` u S est un espace echantillon ni et les resultats sont
equiprobables, i.e., S = {o
1
,o
2
,...,o
N
} et P({o
i
}) =
1
N
,i = 1, 2, ..., N, pour tout
evenement A, on a:
P(A) =

o
i
A
P({o
i
}) =
nombre de resultats dans A
N
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Denitions
Quelques theor`emes
TH

EOR
`
EMES: R`egles de calcul des probabilites
Il sagit de trouver comment evaluer des probabilites de type P(A B),
P(A B), P(A),...
P(S) = 1, P(A) = 1 P(A) et P() = 0;
P(A B) = P(A) - P(A B) et P(A B) = P(B) - P(A B);
P(A B) = P(A) + P(B) - P(A B);
Si A B, alors P(A) P(B) ;
P(A B C) =
P(A) + P(B) + P(C) P(A B) P(A C) P(B C)+P(A B C)
Cas particulier tres frequent
Si A B = , alors P(A B) = P(A) + P(B).
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Diagramme en arbre
Principe de multiplication
Permutations
Combinaisons
On consid`ere ici un espace echantillon ni. Lobjectif est de presenter quelques
techniques de denombrements permettant de compter (rapidement) le nombre
de resultats dans S et dans tout evenement quelconque A de S.
Diagramme en arbre
Cest un arbre qui contient plusieurs niveaux o` u chaque niveau represente un
jeu dessai. On peut denir lensemble des resultats possibles de lexperience en
suivant chacun des trajets du diagramme en commencant par la racine jusqu`a
la derni`ere feuille de larbre.
Exemple:
On lance trois fois une pi`ece de monnaie.
Determiner lespace echantillon en utilisant le diagramme en arbre.
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Diagramme en arbre
Principe de multiplication
Permutations
Combinaisons
On consid`ere ici un espace echantillon ni. Lobjectif est de presenter quelques
techniques de denombrements permettant de compter (rapidement) le nombre
de resultats dans S et dans tout evenement quelconque A de S.
Diagramme en arbre
Cest un arbre qui contient plusieurs niveaux o` u chaque niveau represente un
jeu dessai. On peut denir lensemble des resultats possibles de lexperience en
suivant chacun des trajets du diagramme en commencant par la racine jusqu`a
la derni`ere feuille de larbre.
Exemple:
On lance trois fois une pi`ece de monnaie.
Determiner lespace echantillon en utilisant le diagramme en arbre.
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Diagramme en arbre
Principe de multiplication
Permutations
Combinaisons
Principe dutilisation
Sil existe n
1
facons de realiser levenement A
1
et si, lorsque A
1
est realise il
existe toujours n
2
facons de realiser levenement A
2
, alors il y a en tout n
1
.n
2
facons de realiser levenement A
1
A
2
Cas general
Si les ensembles A
1
, A
2
, ...,A
k
comptent respectivement n
1
, n
2
, ...,n
k
elements,
il existe n
1
.n
2
.n
3
....n
k
facons de choisir un element de A
1
, puis un element de
A
2
,..., et ainsi de suite jusqu`a un element de A
k
Cas particulier
Dans le cas o` u n
1
= n
2
= ...= n
k
= n, il y a n
k
choix possibles.
Exemple:
Une pi`ece de monnaie est lancee 4 fois. combien de resultats peut-on observer
en tout ?
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Diagramme en arbre
Principe de multiplication
Permutations
Combinaisons
Principe dutilisation
Sil existe n
1
facons de realiser levenement A
1
et si, lorsque A
1
est realise il
existe toujours n
2
facons de realiser levenement A
2
, alors il y a en tout n
1
.n
2
facons de realiser levenement A
1
A
2
Cas general
Si les ensembles A
1
, A
2
, ...,A
k
comptent respectivement n
1
, n
2
, ...,n
k
elements,
il existe n
1
.n
2
.n
3
....n
k
facons de choisir un element de A
1
, puis un element de
A
2
,..., et ainsi de suite jusqu`a un element de A
k
Cas particulier
Dans le cas o` u n
1
= n
2
= ...= n
k
= n, il y a n
k
choix possibles.
Exemple:
Une pi`ece de monnaie est lancee 4 fois. combien de resultats peut-on observer
en tout ?
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Diagramme en arbre
Principe de multiplication
Permutations
Combinaisons
Denition
Une permutation consiste en un arrangement ordonne dobjets distincts. Deux
permutations di`erent lune de lautre si leur contenu nest pas le meme ou si
leurs elements sont ordonnes dieremment.
Formule
Le nombre des permutations possibles est deni par
P
n
r
= A
n
r
=
n!
(n r )!
Ceci veut dire que le choix du premier objet est n resultats possibles, le choix
du deuxi`eme est n 1 resultats possibles, et ainsi de suite jusquau choix du
ri`eme, qui a n (r 1) resultats possibles.
Exemple:
Supposons quon a quatre jetons se distinguant chacun par une lettre dierente.
Determiner toutes les permutations possibles de ces jetons pris deux `a la fois.
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Diagramme en arbre
Principe de multiplication
Permutations
Combinaisons
Denition
Une permutation consiste en un arrangement ordonne dobjets distincts. Deux
permutations di`erent lune de lautre si leur contenu nest pas le meme ou si
leurs elements sont ordonnes dieremment.
Formule
Le nombre des permutations possibles est deni par
P
n
r
= A
n
r
=
n!
(n r )!
Ceci veut dire que le choix du premier objet est n resultats possibles, le choix
du deuxi`eme est n 1 resultats possibles, et ainsi de suite jusquau choix du
ri`eme, qui a n (r 1) resultats possibles.
Exemple:
Supposons quon a quatre jetons se distinguant chacun par une lettre dierente.
Determiner toutes les permutations possibles de ces jetons pris deux `a la fois.
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Diagramme en arbre
Principe de multiplication
Permutations
Combinaisons
Denition
Une combinaison consiste en un arrangement dobjets distincts et ne di`ere
dune autre que si son contenu nest pas le meme.
Lordre ici na aucune importance.
Formule
Le nombre des combinaisons possibles est deni par
C
n
r
=
n!
r !(n r )!
=
P
n
r
r !
Proprietes
- C
n
r
= C
n
nr
- C
n
r
= C
n1
r 1
+ C
n1
r
Exemple : Supposons quon a quatre jetons se distinguant chacun par une
lettre dierente.
Determiner toutes les combinaisons possibles de ces jetons pris deux `a la fois.
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Diagramme en arbre
Principe de multiplication
Permutations
Combinaisons
Denition
Une combinaison consiste en un arrangement dobjets distincts et ne di`ere
dune autre que si son contenu nest pas le meme.
Lordre ici na aucune importance.
Formule
Le nombre des combinaisons possibles est deni par
C
n
r
=
n!
r !(n r )!
=
P
n
r
r !
Proprietes
- C
n
r
= C
n
nr
- C
n
r
= C
n1
r 1
+ C
n1
r
Exemple : Supposons quon a quatre jetons se distinguant chacun par une
lettre dierente.
Determiner toutes les combinaisons possibles de ces jetons pris deux `a la fois.
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Probabilites conditionnelles
Independance des evenements
Denition
Soit A et B deux evenements dun espace echantillon S. On denit la
probabilite conditionnelle de A sachant (ou etant donne, ou encore si) B par:
P(A|B) =
P(A B)
P(B)
, si P(B) > 0
De mani`ere similaire, on a:
P(B|A) =
P(A B)
P(A)
, si P(A) > 0
Remarque:
P(A B) = P(A).P(B|A) = P(B).P(A|B)
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Probabilites conditionnelles
Independance des evenements
Denition
Soit A et B deux evenements dun espace echantillon S. On denit la
probabilite conditionnelle de A sachant (ou etant donne, ou encore si) B par:
P(A|B) =
P(A B)
P(B)
, si P(B) > 0
De mani`ere similaire, on a:
P(B|A) =
P(A B)
P(A)
, si P(A) > 0
Remarque:
P(A B) = P(A).P(B|A) = P(B).P(A|B)
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Probabilites conditionnelles
Independance des evenements
Denition
Soit A et B deux evenements dun espace echantillon S. On denit la
probabilite conditionnelle de A sachant (ou etant donne, ou encore si) B par:
P(A|B) =
P(A B)
P(B)
, si P(B) > 0
De mani`ere similaire, on a:
P(B|A) =
P(A B)
P(A)
, si P(A) > 0
Remarque:
P(A B) = P(A).P(B|A) = P(B).P(A|B)
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Probabilites conditionnelles
Independance des evenements
Proprietes
Soit S un espace echantillonnal. La probabilite conditionnelle P(.|.) verie:
0 P(A|B) 1
P(S|B) = 1
P(
k

i =1
A
i
|B) =
k

i =1
P(A
i
|B) si A
i
A
j
= pour i = j
P(

i =1
A
i
|B) =

i =1
P(A
i
|B) pour A
1
, A
2
, A
3
, ..., une suite denombrable
devenements disjoints.
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Probabilites conditionnelles
Independance des evenements
Exemple :
Une bote contient 10 composants dont 7 sont conformes et 3 sont defectueux
(non confromes). On prel`eve (tour `a tour et sans remise) 4 composants de la
bote. Calculer la probabilite de chacun des evenements suivants:
Le troisi`eme composant est defectueux etant donne que les deux premiers
sont conformes;
Les deux premiers composants sont conformes;
Le premier composant est defectueux, le deuxi`eme est conforme. le
troisi`eme est defectueux et le quatri`eme est conforme
Le deuxi`eme composant est defectueux
Exactement deux des quatre composants obtenus sont defectueux.
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Probabilites conditionnelles
Independance des evenements
Denition
Deux evenements A et B, dun espace echantillon S, sont dits independants
si et seulement si
P(A B) = P(A).P(B)
De mani`ere similaire, on a:
P(A|B) = P(A) et P(B|A) = P(B)
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Probabilites conditionnelles
Independance des evenements
Theor`eme
Si A et B sont des evenements independants, alors:
A et B sont des evenements independants;
A et B sont des evenements independants;
A et B sont des evenements independants.
Cas general
Les evenements A
1
, A
2
,..., A
k
sont dits independants si et seulement si:
P(
k

i =1
A
i
) =
k

i =1
P(A
i
)
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Probabilites conditionnelles
Independance des evenements
Theor`eme
Si A et B sont des evenements independants, alors:
A et B sont des evenements independants;
A et B sont des evenements independants;
A et B sont des evenements independants.
Cas general
Les evenements A
1
, A
2
,..., A
k
sont dits independants si et seulement si:
P(
k

i =1
A
i
) =
k

i =1
P(A
i
)
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Denition
Des evenements B
1
, B
2
,...,B
n
forment une partition dun espace echantillon S
si:
B
i
B
j
= pour i = j ;
B
1
B
2
.... B
n
= S
Exemple: Soit S = {1,2,3,4,5,6}. Le quel forme une partition?
- B
1
= {2,4}, B
2
= {1,3,6}, B
3
= {5} = Oui.
- B
1
= {2,4}, B
2
= {2,3,6}, B
3
= {5} = Non.
Theor`eme
Si B
1
, B
2
,...,B
n
forment une partition dun espace echantillon S, et si A denote
un evenement quelconque dans S, alors la probabilite totale de A se traduit par:
P(A) = P(B
1
).P(A|B
1
) + P(B
2
).P(A|B
2
) + ... + P(B
n
).P(A|B
n
)
=
n

i =1
P(B
i
).P(A|B
i
)
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Denition
Des evenements B
1
, B
2
,...,B
n
forment une partition dun espace echantillon S
si:
B
i
B
j
= pour i = j ;
B
1
B
2
.... B
n
= S
Exemple: Soit S = {1,2,3,4,5,6}. Le quel forme une partition?
- B
1
= {2,4}, B
2
= {1,3,6}, B
3
= {5} =
Oui.
- B
1
= {2,4}, B
2
= {2,3,6}, B
3
= {5} = Non.
Theor`eme
Si B
1
, B
2
,...,B
n
forment une partition dun espace echantillon S, et si A denote
un evenement quelconque dans S, alors la probabilite totale de A se traduit par:
P(A) = P(B
1
).P(A|B
1
) + P(B
2
).P(A|B
2
) + ... + P(B
n
).P(A|B
n
)
=
n

i =1
P(B
i
).P(A|B
i
)
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Denition
Des evenements B
1
, B
2
,...,B
n
forment une partition dun espace echantillon S
si:
B
i
B
j
= pour i = j ;
B
1
B
2
.... B
n
= S
Exemple: Soit S = {1,2,3,4,5,6}. Le quel forme une partition?
- B
1
= {2,4}, B
2
= {1,3,6}, B
3
= {5} = Oui.
- B
1
= {2,4}, B
2
= {2,3,6}, B
3
= {5} =
Non.
Theor`eme
Si B
1
, B
2
,...,B
n
forment une partition dun espace echantillon S, et si A denote
un evenement quelconque dans S, alors la probabilite totale de A se traduit par:
P(A) = P(B
1
).P(A|B
1
) + P(B
2
).P(A|B
2
) + ... + P(B
n
).P(A|B
n
)
=
n

i =1
P(B
i
).P(A|B
i
)
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Denition
Des evenements B
1
, B
2
,...,B
n
forment une partition dun espace echantillon S
si:
B
i
B
j
= pour i = j ;
B
1
B
2
.... B
n
= S
Exemple: Soit S = {1,2,3,4,5,6}. Le quel forme une partition?
- B
1
= {2,4}, B
2
= {1,3,6}, B
3
= {5} = Oui.
- B
1
= {2,4}, B
2
= {2,3,6}, B
3
= {5} = Non.
Theor`eme
Si B
1
, B
2
,...,B
n
forment une partition dun espace echantillon S, et si A denote
un evenement quelconque dans S, alors la probabilite totale de A se traduit par:
P(A) = P(B
1
).P(A|B
1
) + P(B
2
).P(A|B
2
) + ... + P(B
n
).P(A|B
n
)
=
n

i =1
P(B
i
).P(A|B
i
)
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
Denition
Des evenements B
1
, B
2
,...,B
n
forment une partition dun espace echantillon S
si:
B
i
B
j
= pour i = j ;
B
1
B
2
.... B
n
= S
Exemple: Soit S = {1,2,3,4,5,6}. Le quel forme une partition?
- B
1
= {2,4}, B
2
= {1,3,6}, B
3
= {5} = Oui.
- B
1
= {2,4}, B
2
= {2,3,6}, B
3
= {5} = Non.
Theor`eme
Si B
1
, B
2
,...,B
n
forment une partition dun espace echantillon S, et si A denote
un evenement quelconque dans S, alors la probabilite totale de A se traduit par:
P(A) = P(B
1
).P(A|B
1
) + P(B
2
).P(A|B
2
) + ... + P(B
n
).P(A|B
n
)
=
n

i =1
P(B
i
).P(A|B
i
)
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites
Introduction aux probabilites
RAPPELS
D

EFINITIONS DE BASE
PROBABILIT

ES
ANALYSE COMBINATOIRE
PROBABILIT

E CONDITIONNELLE ET IND

EPENDANCE
AXIOME DES PROBABILIT

ES TOTALES ET TH

EOR
`
EME DE BAYES
LE TH

EOR
`
EME DE BAYES
Si B
1
, B
2
,...,B
n
forment une partition dun espace echantillon S, alors, pour
tout evenement A de S, on a:
P(B
k
|A) =
P(B
k
).P(A|B
k
)
n

i =1
P(B
i
).P(A|B
i
)
, k = 1, 2, ..., n
Abdelmoutalib METRANE CHAP 1: Introduction aux probabilites