Expose 5 : Probabilité conditionnelle ; indépendance de deux événements (On se limitera au cas où l’ensemble d’épreuves est fini) Applications à des calculs de probabilité. Pré requis : - Notion de probabilité - Evénements - Ensembles incompatibles - Espace probabilisé Soit ( Ω,℘(Ω), P ) un espace probabilisé, Ω fini 1) Probabilité conditionnelle Définition : Soient A et B ∈ ℘(Ω) tel que P ( B ) > 0 On appelle probabilité conditionnelle de A sachant B P( A ∩ B) le nombre PB ( A) = P( B) Propriété : Si B ∈ ℘(Ω) tel que P ( B ) > 0 alors ℘(Ω) → + l’application P( B) : P( A ∩ B) est une probabilité A P( B) Preuve : P (Ω ∩ B ) P ( B ) = =1 P( B) P( B) si A1 et A2 ∈℘(Ω) tel que A1 ∩ A2 = ∅ P ( B ∩ ( A1 ∪ A2 )) P (( B ∩ A1 ) ∪ ( B ∩ A2 )) PB ( A1 ∪ A2 ) = = P( B) P( B) P ( B ∩ A1 ) + P ( B ∩ A2 ) PB ( A1 ∪ A2 ) = P( B) Car ( B ∩ A1 ) et ( B ∩ A2 ) sont incompatibles PB (Ω) = PB ( A1 ∪ A2 ) = PB ( A1 ) + PB ( A2 ) Conséquence : PB ( A) = 1 − PB ( A) ∀A1 , A2 ∈℘(Ω), PB ( A1 ∪ A2 ) = PB ( A1 ) + PB ( A2 ) − PB ( A1 ∩ A2 ) 2) Indépendance de deux événements Définition : si A et B sont deux événements de Ω , on dit que A et B sont indépendants si P ( A ∩ B ) = P ( A).P ( B) . Proposition : Si A et B sont indépendants, alors A et B , A et B , A et B le sont aussi. Preuve : nécessite la formule des probabilités totales (qui vient par la suite) 3) Applications a) Formule des probabilités composées Propriété : soient A1 ,..., An ∈℘(Ω). Avec ∀k , j : PA1 ∩...∩ Ak ( A j ) ≠ 0 Preuve : par récurrence sur n ≥ 2 n = 2 : P ( A ∩ B ) = P ( A).PA ( B ) = P ( B ).PB ( A). n → n + 1: P ( A1 ∩ ... ∩ An ) = P ( A1 ).PA1 ( A2 )....PA1 ∩ A2 ∩...∩ An−1 ( An ) P( A1 ∩ A2 ∩ ... ∩ An +1 ) = P(( A1 ∩ ... ∩ An ) ∩ An +1 ) P( A1 ∩ A2 ∩ ... ∩ An +1 ) = P( A1 ∩ ... ∩ An ).PA1 ∩ A2 ∩...∩ An ( An +1 ) .... Exercice : Dans une urne, il y a 5 boules noires et 8 rouges. On tire au hasard et sans remise, 2 boules R1 = la 1er boule tirée est rouge R2 =la 2e boule est rouge P ( P ( R1 ∩ R2 ) ? 8 P ( R1 ) = 13 8 5 10 ⇒ P ( R1 ∩ R2 ) = P ( R1 ).PR1 ( R2 ) = . = 13 12 39 P( R ) = 5 2 12 b) Formule des probabilités totales. RAPPEL : Soit n ∈ ∗ , un ensemble { A1 ,...., An } d’événements de Ω est un système complet si : n ∪A =Ω i i =1 ∀i ≠ j , Ai ∩ A j = ∅ ∀i, P ( Ai ) ≠ 0 Propriété : soit n ∈ ∗ Si { A1 ,...., An } est un système complet d’événements Ω et B ∈℘(Ω) , n Alors P ( B ) = ∑ P ( Ai ).PAi ( B ) i =1 Preuve : B = ( B ∩ A1 ) ∪ ( B ∩ A2 ) ∪ ... ∪ ( B ∩ An ) n P ( B ) = ∑ P ( B ∩ Ai ) i =1 car ( B ∩ Ai ) ∩ ( B ∩ A j ) = ∅, ∀i ≠ j n d’où P ( B ) = ∑ P ( Ai ).PAi ( B) i =1 Exemple : dans une usine, 3 machines A, B, C fabiquent le meme type de pièces A fabrique 30% de la production dont 90% sont de bonne qualité B fabrique 55% de la production donc 80% sont de bonne qualité C fabrique 15% de la production dont 95% sont de bonne qualité On prend une pièce au hasard. Quelle est la probabilité d’avoir une pièce de bonne qualité ? Q : avoir une pièce de bonne qualité P (Q) = PA (Q).P ( A) + PB (Q).P ( B ) + PC (Q).P(C ) = ... c) Formules de Bayes Elle découle de la précédente Propriété : On reprend les mêmes hypothèses. Si de plus P ( B ) ≠ 0 , Alors ∀j ∈ {1,..., n} , PB ( Aj ) = P( Aj ).PAj ( B) n ∑ P( A ).P i i =1 Ai ( B) Preuve : PB ( A j ) = P( Aj ∩ B) P( B) = P ( Aj ).PAj ( B ) n ∑ P( A ).P i i =1 Ai ( B) Application : Dans une population, 1 habitant sur 100 est atteint d’une maladie. PM (T ) = 0,8 (proba que le test soit positif sachant que l’individu est atteint) PM (T ) = 0, 01 Le test est-il fiable ? PT ( M ) = PM (T ).P( M ) 0, 45 PM (T ).P( M ) + PM (T ).P( M ) Retour sur la démonstration délaissée plus haut. On peut maintenant démontrer que Si A et B sont indépendants, alors A et B , A et B , A et B le sont aussi. P ( B ) = P ( B ∩ A) + P( B ∩ A) P ( B ∩ A) = P( B) − P( B ∩ A) = P( B) − P( B).P( A) P ( B ∩ A) = P( B).(1 − P( A)) P ( B ∩ A) = P( B).P( A)