Exemple. Soit Ω = {1, 2, 3, 4, 5, 6, 7, 8} l'espae assoié au tirage d'un dé à 8 faes ave la probabilité uniforme 1 8 . Soient : A1 = {1, 2, 3, 4} Notons tout de suite que B onditionné par A A2 = {1, 2, 5, 6} A3 = {3, 4, 5, 6} On a : P r(A1 ∩ A2) = P r({1, 2}) = 1 =P r(A1)P r(A2) 4 Exemple. Un dé uniforme est lané et nous savons que le point point soit au moins 4 (événement B ) ? 1 =P r(A2)P r(A3) 4 2 Indépendane Dénitions • Deux événements A et B sont dit P r(A1 ∩ A2 ∩ A3) = P r(∅) = 0 6=P r(A1)P r(A2)P r(A3 ) = indépendants, si : • Une famille Ai, i = 1, ..., n, d'événements est dite indépendante son ensemble, si pour tout sous-ensemble J ⊂ {1, ..., n} : Pr \ i∈J Ai = Y 4 Or : P r(A ∩ B) = P r(A)P r(B). que A obtenu est pair (événement A). Quelle est la probabilité pour que le 1 P r(A1 ∩ A3) = P r({3, 4}) = =P r(A1)P r(A3) 4 P r(A2 ∩ A3) = P r({5, 6}) = n'implique pas préède néessairement B (dans l'ordre hronologique). 1 . 8 *************************************************************** dans Probabilités Conditionnelles P r(Ai ). Il arrive que la donnée d'un événement modie la probabilité initiale- i∈J Remarque. Pour démontrer l'indépendane d'une famille Ai, i = 1, ..., n, il ne sut pas de prouver que les Ai sont 2-à-2 indépendants, omme le montre l'exemple suivant. 1 ment aetée à un autre. La notion de probabilité onditionnelle est introduite an de formaliser le onept de la probabilité de l'ourrene d'un événement B sahant qu'un autre A s'est produit. 3 Probabilité des Causes Nous avons alors : P r(A ∩ B) = P r(B/A)P r(A). Nous disons alors que l'on a eetué un onditionnement par A. Dans le as où P r(A) 6= 0, l'indépendane de A et B est équivalente à P r(B/A) = P r(B) ; e qui est en aord ave sa dénition intuitive. Soit l'événement B ausé par l'un des événements A1, A2, ..., An , tous de probabilité non nulle. On onnaît les probabilités P r(Ai ) de es derniers événements et aussi les probabilités onditionnelles P r(B/Ai ). Comment trouver les probabilités des auses sahant que B s'est produit, i.e. les probabilités P r(Ai /B) ? Proposition. Le ouple (A, P r(./A)) est un espae probabilisé disret. Proposition. Soit A1, ..., An une partition de Ω. Si haun de es ensembles est de probabilité non nulle, alors : P r(B) = n X Théorème (Formule de Bayes). Soit A1, ..., An une partition de Ω telle que P r(Ai ) = 6 0, ∀i = 1, ..., n. Soit B un événement de probabilité non nulle. Nous avons : P r(Ai )P r(B/Ai ) , j=1 P r(Aj )P r(B/Aj ) P r(Ai /B) = Pn P r(Ai )P r(B/Ai ), ∀B ∈ P(Ω). i=1 i = 1, 2, ..., n 6 Il est lair que le nouvel espae (onditionné par l'événement A) sur lequel les événements élémentaires sont à dénir est Ω′ = A, qui ontient 3 éléments. Or, la portion de A qui est en même temps favorable à B en ontient 2. Il est don raisonnable de dénir la probabilité 1 de B onditionné par A par le ratio 2 3 (à omparer ave P r(B) = 2 ). Dénitions. Soit (Ω, P r) un espae probabilisé disret et soit A un événement de probabilité non nulle. On dénit sur P(Ω), l'appliation P r(./A) à valeurs dans [0, 1] par : P r(B/A) = Exemple. On lane deux dés uniformes. • Quelle est la probabilité d'avoir obtenu un double sahant que la somme des points vaut 8 ? • Quelle est la probabilité d'avoir obtenu un double sahant que la somme des points vaut au moins 10 ? Solution : Chaune de es probabilités onditionnelles est dénie par une fration dont le numérateur est la probabilité de l'intersetion et ∀B ∈ P(Ω). probabilité onditionnelle de sahant A). On appelle P r(B/A) probabilité de B P r(A ∩ B) , P r(A) 8 B sahant A (ou 5 le dénominateur elle de la ondition. On trouve failement : 1/36 • P r(double/S = 8) = 5/36 = 1 5. 2/36 • P r(double/S ≥ 10) = 6/36 = 1 3. 7 Loi Conjointe Exemple (F. Dress). Dans un jeu télévisé, un andidat doit hoi- sir une question de repêhage en tirant au hasard parmi 3 papiers. Il y a : une question faile ave 3 hanes sur 4 de donner la réponse orrete, une question moyenne ave 2 hanes sur 5 de donner la réponse orrete, et une question diile ave 1 hane sur 5 de donner la réponse Dans la suite, nous onsidérons un ouple de v.a., mais l'étude s'étend à un nombre quelonque de v.a. Dénitions. Soient X et Y deux v.a. réelles sur le même espae Ω. Le ouple (X, Y ) peut être onsidéré omme un veteur aléatoire sur Ω. Sa loi est appelée loi onjointe de (X, Y ). La onnaissane de ette dernière permet de retrouver la loi de X et elle de Y individuellement. En eet, pour tout ensemble A ⊂ X(Ω) et tout ensemble B ⊂ Y (Ω) : orrete. Sahant que le andidat a donné la réponse orrete, quelle est la probabilité pour qu'il s'agisse de la question faile ? P r1(X ∈ A) = P r(X ∈ A, Y ∈ R) et P r2(Y ∈ B) = P r(X ∈ R, Y ∈ B). 10 12 Solution : Désignons par F , M et D les événements tirage de la question faile, de la question moyenne et de la question diile resEn partiulier, pour deux événements A et B de probabilité non nulle, nous avons : P r(A/B) = P r(A)P r(B/A) . P r(B) • P r(A) : probabilité a priori de A • P r(A/B) : probabilité a posteriori petivement. Soit, par ailleurs, l'événement réponse orrete noté par C . D'après la formule de Bayes, nous avons : P r(F /C) = de A P r(F )P r(C/F ) , P r(C/F )P r(F ) + P r(C/M )P r(M ) + P r(C/D)P r(D) e qui vaut : 1.3 5 3 4 = . 1.3 + 1.2 + 1.1 9 3 4 3 5 3 5 9 11 A. B. On reprend la pièe et on la repose sur la même fae. On la relane indépendamment du premier laner. Solution : Les lois onjointes sont données par : P r({F, F }) = P r({P, P }) = 1 2 et P r({F, P }) = P r({P, F }) =0. P r({F, F }) = P r({P, F }) = P r({F, P }) = P r({P, P }) = 1 4. Il s'agit don de deux lois distintes A. B. Soit X la v.a. assoiée au laner du dé. L'événement A assoié à la ondition est l'ensemble {1, 2, 3}. La probabilité de la ondition A est 1 2 . L'espérane onditionnelle reherhée vaut : E(X/A) = Les lois marginales dans les deux as sont données par : P r({P }) = P r({F }) = 1 1 2 3 [ + + ] = 2. 1 6 6 6 2 1 . 2 Pour deux lois onjointes distintes, on a les mêmes lois marginales. 14 X et Y sont dites indépendantes, si pour tout ensemble A ⊂ X(Ω) et tout ensemble B ⊂ Y (Ω) : 16 Espérane Conditionnelle Soit X une v.a. et soit A un événement de probabilité non nulle. espérane de X sahant A est dénie par : L' P r(X ∈ A, Y ∈ B) = P r1(X ∈ A)P r2 (Y ∈ B). lois marginales Les distributions P r1 et P r2 sont appelées du veteur (X, Y ). Dans la suite, nous supprimons les indies de P r lorsqu'il n'y a pas le danger de onfusion. La onnaissane des lois marginales ne E(X/A) = EP r(./A)X ou : E(X/A) = permet pas de reonstruire la loi onjointe. Exemple. On lane une pièe authentique une première fois. Pour le 2e laner, on onsidère deux possibilités : Exemple. X 1 X(ω)P r({ω}). P r(A) ω∈A Quelle est l'espérane d'un dé uniforme sahant que le nombre sorti est inférieur ou égal à 3 ? 13 15