Mesure de Probabilité Mesure de Probabilité Mesure de Probabilité sous l’hypothèse d’équiprobabilité Mesure de Probabilité dans le cas général On suppose que Ω est fini, et que tous les éventualités ont la même chance d’être réalisé :hypothèse d’équiprobabilité Définition axiomatisée des probabilités Soit un espace d’expérience, une application numérique P définie sur P(Ω) est appelée mesure de probabilité si elle satisfait les trois conditions: (i) P(A) ≥ 0, ∀A ∈ P(Ω); (ii) P(Ω) = 1; (iii) ∀ {Ai }1≤i≤m classe d’événements incompatibles ona X [ A ) = P(Ai ). P( i Définition. S,. Laplace(1749) La probabilité d’un événement A est la proportion des éventualités favorables parmi toutes les éventualités possibles: P(A) = card(A) nbr d’éléments deA = card(Ω) nbr d’éléments deΩ Remarque En général tous Ω y compris les infinis. Si Ω est un ensemble avec une mesure bien définie (en m, m2 , m3 , Dh) alors P(A) = i i L’espace (Ω, P(Ω), P) est dit espace probabilisé mesure(A) mesure(Ω) Donc la probabilité est une mesure normée (parmi d’autres) définie sur des ensembles S., El Melhaoui (FSJESO) Éléments de Probabilités 02/2017 19 / 32 S., El Melhaoui (FSJESO) Éléments de Probabilités 02/2017 20 / 32 Mesure de Probabilité Mesure de Probabilité Cas particulier : Probabilité sous l’hypothèse d’équiprobabilité Multiplicités des Mesures de Probabilité card(A) En particulier si A = {w1 , . . . , wm } alors P(A) = l’hypothèse d’équiprobabilité on retrouve X i=1 card(A) P(A) = X Remarque: On peut munir un espace d’échantillonnage de plusieurs probabilités: équiprobabilité,.... ⇒ existence de multitude de modèles de probabilité Question: Quelle est le modèle le plus adéquat? celui le plus proche de la réalité? Exemple Jet d’un dé Modèle 1: sous l’hypothèse qu’il est non pipé (truqué) on a P(1) = ... = P(6) = 1/6 Modèle 2: Sous l’hypothèse qu’il est pipé tel que les nombres pairs ont des chances double d’apparaître: P(wi ) Sous P(wi ) = card(A) ∗ P(w1 ) = i=1 card(A) card(Ω) card(Ω) En effet P(Ω) = X P(wi ) = card(Ω) ∗ P(w1 ) = 1 i=1 ⇒ P(w1 ) = 1/card(Ω) P(2) = P(4) = P(6) = 2P(1) = 2P(3) = 2P(5) ⇒ P(2) = P(4) = P(6) = 2/9 et P(1) = P(3) = P(5) = 1/9 «Il faut utiliser les modèles, non y croire.» Henri Theil S., El Melhaoui (FSJESO) Éléments de Probabilités 02/2017 21 / 32 S., El Melhaoui (FSJESO) Éléments de Probabilités 02/2017 22 / 32 Mesure de Probabilité Mesure de Probabilité Propriétés d’une mesure de probabilité Propriétés d’une mesure de probabilité Propriété 1 Propriété 2 La mesure de probabilité est monotone est soustractive 1 Si A et B sont incompatibles alors Si B ⊂ A alors P(B) ≤ P(A) et P(A − B) = P(A) − P(B) P(A ∪ B) = P(A) + P(B) 2 Corollaire 1 1 ∀A, P(A) ≤ 1 (car A ⊂ Ω) 2 ∀A, P(A) = 1 − P(A) (car A = Ω − A) 3 P(∅) = 0 (car ∅ = Ω − Ω) Si A et B sont deux événements alors P(A ∪ B) = P(A) + P(B) − P(A ∩ B)(car A ∪ B = A ∪ (B − A ∩ B)) Corollaire 2 La mesure de probabilité est sous additive Remarque. Si Ω est continu alors P(A) = 0 ; A = ∅. Exemple: Ω = [0, 100], ∀x ∈ Ω, P(x) = 0: en effet, La largeur (mesure) d’un point dans un segment est nulle. S., El Melhaoui (FSJESO) Éléments de Probabilités 02/2017 P(A ∪ B) ≤ P(A) + P(B) 23 / 32 S., El Melhaoui (FSJESO) Éléments de Probabilités 02/2017 24 / 32 Règles de comptage Règles de comptage Règles de comptage: Définition Règles de comptage: tirages successifs avec remise A. Tirages successifs avec remise (au hasard) de n unités d’une population contenant N unités: : Après chaque tirage on observe l’unité puis on la remet à ça place Chaque résultat est une sélection ordonnée et avec répétition de n unités Dénombrer=calculer le nombre=compter Comptage= dénombrement= ou analyse combinatoire But: dénombrer les résultats d’une expérience aléatoire ou les éventualités d’un événement (les éléments d’un ensemble) Exemples: Nombre de résultats possibles d’une course? Nombre d’affectations possibles des ouvriers aux différentes taches? Nombres de préférences (ordonnancement de marques) possibles d’un consommateur?... S., El Melhaoui (FSJESO) Éléments de Probabilités 02/2017 25 / 32 Les tirages successifs avec remise de n boules d’une caisse contenant N boules La sélection d’un Échantillon Simple Avec Remise (ESAR) de taille n d’une population de taille N Problème: Nombre des tirages possibles (card(Ω))? Nombre d’échantillons possibles (ordonnés avec répétition)? S., El Melhaoui (FSJESO) Éléments de Probabilités 02/2017 26 / 32 Règles de comptage Règles de comptage Règles de comptage: tirages successifs avec remise (suite) Règle de comptage: tirages successifs sans remise Solution Le premier tirage peut se faire de N façons différentes Pour chaque résultat du premier tirage, le 2ième tirage se fait à son tour de N façons différentes, donc les deux tirages se font de N ∗ N = N 2 façons différentes, Ainsi les n tirages se font donc de N n façons différentes B. Tirages successifs sans remise de n unités d’une population contenant N unités (n ≤ N): après chaque tirage on ne remet pas l’unité à ça place Chaque résultat est une sélection ordonnée et sans répétition de n unités: Arrangement La sélection d’un Échantillon Simple Sans Remise (ESSR) de taille n d’une population de taille N Résultat Le nombre des tirages successifs avec remise de n unités parmi N unités est card(Ω) = N n S., El Melhaoui (FSJESO) Éléments de Probabilités 02/2017 Problème: Nombre de tirages possibles (card(Ω))? Nombre d’échantillons possibles? 27 / 32 S., El Melhaoui (FSJESO) Éléments de Probabilités 02/2017 28 / 32 Règles de comptage Règles de comptage Règles de comptage: tirages successifs Sans remise (suite) Règle de comptage: tirages simultanés Solution Le premier tirage peut se faire de N façons différentes Pour chaque résultat du premier tirage, le 2ième tirage se fait à son tour de N − 1 façons différentes, donc les deux tirages se font de N ∗ (N − 1) = N!/(N − 2)! façons différentes, Ainsi les n tirages se font donc de N ∗ (N − 1) ∗ . . . ∗ (N − n + 1) = N!/(N − n)! façons différentes C. Tirages simultanés de n unités d’une population contenant N unités (n ≤ N): tirages em même temps des unités Chaque résultat est une sélection non ordonnée et sans répétition de n unités: combinaison Résultat Le nombre de tirages successifs sans remise de n unités parmi N est le nombre des arrangements: card(Ω) = AnN = Problème: Nombre de résultats possibles? Nombre d’échantillons possibles (non ordonnés sans répétition) N! (N − n)! N! = N!, c’est le nombre des permutations (N − N)! possibles de N unités N.B. AN N = S., El Melhaoui (FSJESO) Éléments de Probabilités 02/2017 29 / 32 S., El Melhaoui (FSJESO) Éléments de Probabilités 02/2017 30 / 32 Règles de comptage Règles de comptage Règle de comptage: tirages simultanés (suite) Règle de comptage: Exemple Solution: Chaque combinaison peut produire n! arrangements des n unités parmi N: AnN = n! ∗ CNn Exemple. Dans une population constitué de 10 enfants, 6 filles et 4 garçons. On sélectionne 3 personnes. Quelle est la probabilité d’avoir trois filles? 63 Tirages successifs avec remise P(A) = 3 = 9.6% 10 C63 Tirages simultané P(A) = 3 = 16.66% C10 A3 Tirages successifs sans remise P(A) = 36 = 16.66% A10 N.B. Pour le calcul de la probabilité d’un événements dont l’ordre n’est pa pris en considération le tirage successifs sans remise est équivalent au tirage simultané (utiliser les combinaisons) Résultat Le nombre des tirages simultanés de n unités parmi N est le nombre des combinaisons: card(Ω) = CNn = AnN N! = n! n!(N − n)! N. B. CN1 = N, CNN = 1, CNn = CNN−n S., El Melhaoui (FSJESO) Éléments de Probabilités 02/2017 31 / 32 S., El Melhaoui (FSJESO) Éléments de Probabilités 02/2017 32 / 32