0% ont trouvé ce document utile (0 vote)
4 vues7 pages

Introduction au calcul de probabilités

Cours

Transféré par

Papa Moussa Nar Gueye
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
0% ont trouvé ce document utile (0 vote)
4 vues7 pages

Introduction au calcul de probabilités

Cours

Transféré par

Papa Moussa Nar Gueye
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Probabilités

La théorie de probabilité a été introduite par Kolmogorov.

Site: Université Alioune DIOP de Bambey


Cours: Calcul de Probabilités (Année 2015)
Livre: Probabilités
Imprimé par: Visiteur anonyme
Date: mardi 5 novembre 2024, 00:34
Table des matières
1 Calcul de probabilité
1.1 Espace d'évènements
1.2 Espace probabilisé
1.3 Probabilité conditionnelle
1.4 Formales de probabilités totales
1 Calcul de probabilité
Description du calcul de probabilité
1.1 Espace d'évènements
Dans ce paragraphe, nous allons donner la définition d'expérience aléatoire, d'évènement et d'espace
d'évènements.
1.1.1 Expérience aléatoire

Définition: On appelle expérience aléatoire, une expérience qui conduit selon le hasard à plusieurs
résultats possibles.
L'ensemble des résultats possibles noté Ω d'une expérience aléatoire s'appelle l'univers.

On appelle épreuve ou évènement élémentaire toute sortie d'une expérience aléatoire.


L'univers peut être fini ou infini dénombrable ou infini non dénombrable.
Exemple1: Lancer d'un dé à 6 faces numérotées de 1 à 6. L'univers Ω={1,2,3,4,5,6} est fini de cardinal
CardΩ=6.
Exemple2: Lancer d'un dé à 6 faces numérotées de 1 à 6 jusqu'à l'obtention du numéro "5". L'univers Ω=
{1,2,...} est infini dénombrable.
Exemple3: Choisir un nombre au hasard dans [0,1]. L'univers Ω=[0,1] est infini non dénombrable.
1.1.2 Evènement :

On appelle évènement toute partie qui vérifie une propriété donnée de l'univers Ω. C'est donc une partie A
de Ω.
Ex1: Dans l'exemple1, on considère l'évènement on obtient un nombre pair : A={2,4,6}
Ex2: Dans l'exemple2, on considère l'évènement on obtient le 1er "5" entre le premier coup et le septième
coup inclus.
Ex3: Dans l'exemple3, on considère l'évènement on choisit un nombre strictement compris entre 0 et 1/2
: ]0,1/2[.
Remarque: l'ensemble des évènements noté Ζ est appelé tribu. Le couple (Ω,Z) est appelé espace
d'évènements ou espace probabilisable.
1.2 Espace probabilisé
1.2.1 Probabilité :
Définition:
Soit (Ω,Z) un espace probabilisable .On appelle probabilité une application P de Ω à valeurs dans [0,1]
telle que :
1. P(Ω)=1
2. Pour tous évènements A et B disjoints, P(AUB)=P(A)+p(B)
Le triplet (Ω,Z,P) est appelé espace probabilisé.
1.2.2 Propriétés :
Soit (Ω,Z) un espace probabilisalbe. Soient A et B deux évènements, CA le complémentaire de A dans Ω.
Alors, nous avons les propriétés suivantes :
1. P(CA)=1-P(A)
2. Si A c B alors P(A) < P(B)
3. P(AUB)=P(A)+P(B)-P(A∩B)
Exercice d'application : Dans l'exemple1, montrer que l'application P : (Ω,Z) →[0,1] définie par :
P(A)=cardA/6 définit une probabilité sur (Ω,Z) où Z est l'ensemble des parties de Ω.
1.2.3 Probabilité sur un univers fini :
Soit (Ω,Z,P) un espace probabilisé. Si Ω est un univers fini et si tous les évènements élémentaires sont
équiprobables alors la probabilité P est uniforme sur (Ω,Z). Dans ce cas, pour tout évènement A,
P(A)=CardA / CardΩ.
1.3 Probabilité conditionnelle
1.3.1 Définition
Soient (Ω,Z) un espace probabilisable, A et B deux évènements tels que P(B)≠0. La probabilité
conditionnelle de A sachant B notée P(A/B) est définie par : P(A/B)= P(A∩B)/p(B)
1.3.2 Propriétés
Soient (Ω,Z) un espace probabilisable, A et B deux évènements tels que P(B)≠0 et P(A)≠0. Alors on a les
propriétés suivantes :
1. P(CA/B)=1-P(A/B).
2. P(A∩B)=P(B)P(A/B)=P(A)P(B/A)
3. Plus généralement si

A1 , A2 , ⋯ , An

sont des évènements tels que

P (A1 ∩ A2 ∩, ⋯ , Ak ) > 0

k = 1, ⋯ , n − 1

. La formule de probabilités composées s'écrit :

P (A1 ∩ A2 ∩, ⋯ , An ) = P (A1 )P (A2 /A1 )P (A3 /A1 ∩ A2 ) ⋯ P (An /A1 ∩ A2 ∩ ⋯ ∩ An )


1.4 Formales de probabilités totales
Définition : On appelle système complet d'évènements toute famille

{A1 ∩ A2 ∩, ⋯ , ∩An }

d'évènements deux à deux incompatibles tels que

P (A i ) > 0

et
n

∑ P (Ai ).

i=1

Pour tout évènement B on a :


n n

P (B) = ∑ P (Ai ∩ B) = ∑ P (Ai )P (B/Ai )

i=1 i=1

Théorème de Bayes : Soit B un évènement tel que

P (B) > 0

et

{A1 ∩ A2 ∩, ⋯ , ∩An }

un système complet d'évènements. La formule de Bayes s'écrit :

P (Ak )P (B/Ak )
P (Ak /B) =
n

∑ P (Ai )P (B/Ai )
i=1

Vous aimerez peut-être aussi