Chapitre1 : Fondements 1. Expériences aléatoires, événements, probabilité d’un événement. 2. Principales propriétés des probabilités. 3. Analyse combinatoire. 4. Probabilités conditionnelles. 5. Probabilités totales et formule de BAYES. Probabilités– A. YAACOUBI – Octobre 2011 – p. 1/?? I-Expériences Aléatoires I.1 : Exemples : Exemple 1 : On lance une pièce de monnaie bien équilibrée. 1. Quel est l’ensemble des résultats possibles pour cette expérience aléatoire ? Ω = {P, F } 2. Quelle est la probabilité d’obtenir Pile ? L’événement “Obtenir Pile” est représenté par A = {P } et on a P(A) = 1/2 Probabilités– A. YAACOUBI – Octobre 2011 – p. 2/?? Exemple 2 On lance un Dé bien équilibré. 1. Quel est l’ensemble des résultats possibles Ω Ω = {1, 2, 3, 4, 5, 6} 2. Quelle est la probabilité d’obtenir 3 ? A = {3} et P(A) = 1/6 3. Quelle est la probabilité d’obtenir un nombre impair ? B = {1, 2, 3} et P(B) = 3/6 4. Quelle est la probabilité d’obtenir un nombre entier entre un 1 et 6 ? C = Ω et P(C) = 1 5. Quelle est la probabilité d’obtenir un nombre plus grand strictement que 6 ? D = ∅ et P(D) = 0 Probabilités– A. YAACOUBI – Octobre 2011 – p. 3/?? Exemple 3 On lance un dé bien balancé à deux reprises. Quel est l’ensemble des résultats possibles Ω (1, 1) (1, 2) (2, 1) (2, 2) (3, 1) (3, 2) Ω= (4, 1) (4, 2) (5, 1) (5, 2) (6, 1) (6, 2) (1, 3) (2, 3) (3, 3) (4, 3) (5, 3) (6, 3) (1, 4) (2, 4) (3, 4) (4, 4) (5, 4) (6, 4) (1, 5) (1, 6) (2, 5) (2, 6) (3, 5) (3, 6) (4, 5) (4, 6) (5, 5) (5, 6) (6, 5) (6, 6) Probabilités– A. YAACOUBI – Octobre 2011 – p. 4/?? Exemple 3 1. Quelle est la probabilité que la somme des deux lancers soit égale à 10 ? A = {(4, 6), (5, 5), (6, 4)} et P(A) = 3/36 2. Quelle est la probabilité pour que le plus grand des deux lancers soit égale à 4 ? B = {(1, 4), (2, 4), (3, 4), (4, 4), (4, 3), (4, 2), (4, 3)} et P(B) = 7/36 Probabilités– A. YAACOUBI – Octobre 2011 – p. 5/?? Exemple 4 Pierre, Paul et Marie lancent une piéce de monnaie à tour de rôle jusqu’à ce que l’un d’entre eux obtienne une face. Le premier qui obtient une face gagne le jeu. Pierre lance en premier, puis c’est au tour de Paul, puis c’est Marie, puis Pierre, puis Paul, etc. 1. Quel est l’ensemble des résultats possibles pour cette expérience ? 2. Quelles sont leurs chances respectives de gagner ? Ω = {F, P F, P P F, P P P F, P P P P F, P P P P P F, P P P P P P F, ...} On constate que Ω est un ensemble dénombrable. Il y a une bijection entre Ω et N. Probabilités– A. YAACOUBI – Octobre 2011 – p. 6/?? Exemple 4 1. Pierre gagne si l’événement suivant est réalisé : A = {F, P P P F, P P P P P P F, P P P P P P P P P F, ...} et P(A) = 1 2 + 1 24 + 1 27 + 1 210 + ... 2. Paul gagne si l’événement suivant est réalisé : B = {P F, , P P P P F, P P P P P P P F, P P P P P P P P P P F...} et P(B) = 1 22 + 1 25 + 1 28 + 1 211 + ... 3. Marie gagne si l’événement suivant est réalisé : C = {P P F, P P P P P F, P P P P P P P P F, P P P P P P P P P P P F, ...} et P(C) = 1 23 + 1 26 + 1 29 + 1 212 + ... Probabilités– A. YAACOUBI – Octobre 2011 – p. 7/?? Exemple 5 Choisir, au hasard et de façon uniforme, un point sur le disque de rayon R centré à l’origine. Probabilités– A. YAACOUBI – Octobre 2011 – p. 8/?? Exemple 5 Quelle est la probabilité que le point choisi soit à l’intérieur de l’anneau A de rayons R/4 et R/3 centré à l’origine ? Probabilités– A. YAACOUBI – Octobre 2011 – p. 9/?? Exemple 5 p Ω = D(O, R) = {(x, y) ∈ R2 | x2 + y 2 ≤ R} L’anneau A est un sous ensemble de Ω : et p A = {(x, y) ∈ R2 |R/4 ≤ x2 + y 2 ≤ R/3} Surface de A π((R/3)2 − (R/4)2 ) P(A) = = = 7/144 2 Surface de D πR Probabilités– A. YAACOUBI – Octobre 2011 – p. 10/?? I.2 : Evénement Tout événement est représenté par une partie de Ω On note en particulier : ω =événement élémentaire Probabilités– A. YAACOUBI – Octobre 2011 – p. 11/?? I.3 : Opérations sur les événements 1. Intersection A ∩ B = {ω ∈ Ω|ω ∈ A etω ∈ B} Probabilités– A. YAACOUBI – Octobre 2011 – p. 12/?? Opération sur les événements 2 Union : A ∪ B = {ω ∈ Ω|ω ∈ A ou ω ∈ B} Probabilités– A. YAACOUBI – Octobre 2011 – p. 13/?? Opérations sur les événements 3 Différence symetrique : A∆B = (A − B) ∪ (B − A) Probabilités– A. YAACOUBI – Octobre 2011 – p. 14/?? Opérations sur les événements 4 Complémentation : Ac = Ω − A Probabilités– A. YAACOUBI – Octobre 2011 – p. 15/?? I.4 : Réalisation des événements 1. ω ∈ A =⇒ L’événement A est réalisé 2. ω ∈ A ∩ B =⇒ A réalisé et B réalisé 3. ω ∈ A ∪ B =⇒ A réalisé ou B réalisé 4. ω ∈ Ac =⇒ A n’est pas réalisé 5. ω ∈ A∆B =⇒ [A réalisé et B non réalisé] ou [A non réalisé et B réalisé] Probabilités– A. YAACOUBI – Octobre 2011 – p. 16/?? I.5 : Tribu des événements On note F l’ensemble des événements. F doit vérifier : 1. Ω ∈ F 2. A ∈ F =⇒ Ac ∈ F 3. Si A1 ∈ F , A2 ∈ F , ..., An ∈ F , ... alors A1 ∪ A2 ∪ A3 ∪ .... ∪ An ∪ .... ∈ F F s’appelle tribu des événements Probabilités– A. YAACOUBI – Octobre 2011 – p. 17/?? I.6 : Probabilité A tout événement A ∈ F on associe un nombre P(A) ∈ [0, 1]. P(A) mesure les chance de réalisation de l’événement A. L’application P : F −→ [0, 1] A 7−→ P(A) est une probabilité si elle vérifie les axiomes de Kolmogorov. Probabilités– A. YAACOUBI – Octobre 2011 – p. 18/?? Axiomes de Kolmogorov 1. ∀A ∈ F, 0 ≤ P(A) ≤ 1 2. P(φ) = 0 et P(Ω) = 1 3. Si n ∈ N et si A1 , ..., An sont d mutuellements exclusifs, P( n [ Ai ) = n X P(Ai ) i=1 i=1 4. si A1 , ..., An , ... sont mutuellements exclusifs, P( ∞ [ i=1 Ai ) = ∞ X P(Ai ) i=1 Probabilités– A. YAACOUBI – Octobre 2011 – p. 19/?? II- : Principales propriétés Propriété 1 : Le cas équiprobable ⇒ Ω est fini : Ω = {ω1 , ω1 , . . . , ωn } ⇒ Tous les résultas de l’expérience aléatoire ont la même chance d’étre réalisé : P{ω1 } = P{ω2 } = . . . = P{ωn } = 1/n ∀ A ⊂ Ω on a : card(A) P(A) = card(Ω) Probabilités– A. YAACOUBI – Octobre 2011 – p. 20/?? Principale propriétés Exemple 1 On tire au hasard une main de poker (5 carte)à partir d’un jeu ordinaire de 52 cartes. Calculez la probabilité d’obtenir un full c-à-d une main comprenant une paire et un triplet. Probabilités– A. YAACOUBI – Octobre 2011 – p. 21/?? Principales propriétés Propriété 2 : Complémentation Pour tout événement A, on a P(A) = 1 − P(Ac ) Exemple 2 Combien de fois faut-il lancer un dé bien balancé pour que la probabilité d’obtenir au moins un 6 soit supérieur à 95% ? Probabilités– A. YAACOUBI – Octobre 2011 – p. 22/?? Principales propriétés Propriété 3 : L’identité de POINCARÉ Si E1 et E2 sont deux événements alors P(E1 ∪ E2 ) = P(E1 ) + P(E2 ) − P(E1 ∩ E2 ) Exemple 3 On lance un dé bien balancé trois fois. Calculer la probabilité d’obtenir au moins une fois un 6. Probabilités– A. YAACOUBI – Octobre 2011 – p. 23/?? Principales propriétés Propriété 4 : MONOTONOCITÉ Si A et B sont des vévénements alors, A ⊂ B ⇒ P(A) ≤ P(B) Exemple 4 Considérons l’expérience aléatoire qui consiste à lancer un dé, bien équilibré, dix fois. Considérons les événements : A="la somme des dix lancers est plus petite que 14" B="chacun des dix lancers est plus petit que 5" Montrer que A ⊂ B et calculer P(B). Probabilités– A. YAACOUBI – Octobre 2011 – p. 24/?? Principales propriétés Propriété 5 : Iégalité de BOOLE Si A1 , ..., An sont des événements, alors n Sn P P(Ak ) P( k=1 Ak ) ≤ k=1 Propriété 6 : Propriété de BONFERRONI Si A1 , ..., An sont des événements, alors n Tn P P(Ack ) P( k=1 Ak ) ≥ 1 − k=1 Probabilités– A. YAACOUBI – Octobre 2011 – p. 25/?? Principales propriétés Propriété 7 : Continuité pour les suites croissantes Si A1 ⊂ A2S⊂ A3 ⊂ ... ⊂ An ⊂ .... alors P( ∞ k=1 Ak ) = lim P(An ) n→∞ Propriété 8 : Continuité pour les suites décroissantes Si T A1 ⊃ A2 ⊃ A3 ⊃ ... ⊃ An ⊃ .... P( ∞ k=1 Ak ) = lim P(An ) n→∞ Probabilités– A. YAACOUBI – Octobre 2011 – p. 26/?? III- : Analyse combinatoire III.1 : Introduction On suppose que Card(Ω) = n et tous les résultats sont equiprobables Alors pour tout événement A on a : card(A) nombre de cas favorables P(A) = = card(Ω) nombre total de cas possibles Définition 5 L’ensemble des techniques de dénombrement s’appelle l’analyse combinatoire Probabilités– A. YAACOUBI – Octobre 2011 – p. 27/?? Exemple 6 Les codes régionaux de téléphones d’Amérique du nord étaient tous de de la forme (a, b, c)avec a ∈ {2, 3, 4, 5, 6, 7, 8, 9}, b ∈ {0, 1},c ∈ {1, 2, 3, 4, 5, 6, 7, 8, 9} Combien de codes régionaux étaient possibles. Probabilités– A. YAACOUBI – Octobre 2011 – p. 28/?? Probabilités– A. YAACOUBI – Octobre 2011 – p. 29/?? Analyse combinatoire III.2- Le principe fondamentale du dénombrement Une procédure donnée comporte k étapes. Supposons que : 1. Il y a n1 façons différentes de réaliser la première étape 2. Peu importe la façon choisie pour réaliser la première étape, il y a n2 façons différentes de réaliser la deuxième étape . . . 3. Peu importe la façon choisie pour réaliser les premières k − 1 étapes,il y a nk façons différentes de réaliser l’étape k Alors il y a en tout n = n1 × n2 × ... × nk façons différentes de réaliser la procédure. Probabilités– A. YAACOUBI – Octobre 2011 – p. 30/?? Analyse combinatoire Exemple 7 Sur les plaques d’immatriculation des véhicules automobiles d’un pays, il y a 3 lettres suivies de 3 chiffres. 1. il y a en tout combien de numéros de plaque possibles au pays ? 2. il y a en tout combien de numéros de plaque comprenant 3 lettres différentes et 3 chiffres différents ? 3. Si on choisit un numéro de plaque au hasard, quelle est la probabilité d’obtenir un numéro de plaque comprenant 3 lettres differentes et 3 chiffres différents ? Probabilités– A. YAACOUBI – Octobre 2011 – p. 31/?? Analyse combinatoire III.3 :Permutations Définition 8 Une permutation de n objets est un arrangements ordonné de ces n objets. Il y en a n! = n × (n − 1) × (n − 2) × ... × 3 × 2 × 1 Probabilités– A. YAACOUBI – Octobre 2011 – p. 32/?? Exemple 9 Sur un bureau il y a 12 livres : 4 livres de mathématiques, 3 livres d’économie générale, 3 livres de comptabilité et 2 livres de finance. Il faut ranger ces livres sur une tablette. 1. De combien de façons peut-on ranger ces 12 livres sur la tablette ? 2. Si les livres sont rangés au hasard, quelle est la probabilité que les livres se retrouvent groupés par matière ? Probabilités– A. YAACOUBI – Octobre 2011 – p. 33/?? Analyse combinatoire III.4 :Arrangements Définition 10 Le nombre de permutations de r objets choisis parmi un groupe de n objets est : Arn n! = (n − r)! Exemple 11 A la finale du 100 mètres, il y a 8 coureurs qui s’affrontent pour les médailles d’or, d’argent et de bronze. De combien de façons différentes ces médailles peuvent-elles être attribuées ? Probabilités– A. YAACOUBI – Octobre 2011 – p. 34/?? Analyse combinatoire III.5 :Combinaisons Définition 12 : Soit un groupe de n objets. Un ensemble de r objets choisis parmi ces n objets s’appelle une combinaison Le nombre de combinaisons de r objets choisies parmi un groupe de n objets est : n n! = r r!(n − r)! Probabilités– A. YAACOUBI – Octobre 2011 – p. 35/?? Analyse cobinatoire III.6-Quelques Identitée mathématiques 1. (a + b)n = n X n r=0 2. 2n = r ar bn−r n X n r=0 r 3. n n = r n−r Probabilités– A. YAACOUBI – Octobre 2011 – p. 36/?? IV- Probabilités conditionnelles IV.1 Introduction : Exemple 13 Je lance à deux reprises un dé bien équilibré. 1. Quelle est la probabilité que j’obtienne au moins une fois la valeur six ? 2. Maintenant, je lance le dé deux fois et je vous annonce que la somme des deux lancers est 8. Etant donné cette information, quelle est la probabilité que j’aie obtenu au moins un six ? Probabilités– A. YAACOUBI – Octobre 2011 – p. 37/?? IV.1 : Introduction (1, 1) (1, 2) (2, 1) (2, 2) (3, 1) (3, 2) Ω= (4, 1) (4, 2) (5, 1) (5, 2) (6, 1) (6, 2) (1, 3) (2, 3) (3, 3) (4, 3) (5, 3) (6, 3) (1, 4) (2, 4) (3, 4) (4, 4) (5, 4) (6, 4) (1, 5) (1, 6) (2, 5) (2, 6) (3, 5) (3, 6) (4, 5) (4, 6) (5, 5) (5, 6) (6, 5) (6, 6) Probabilités– A. YAACOUBI – Octobre 2011 – p. 38/?? IV.2 Définition Définition 14 Soit une expérience aléatoire décrite par (Ω, F, P) Soit A et B deux événements tel que P(B) > 0 La probabilité conditionnelle de A sachant B, dénotée P(A | B), est définie par : P(A ∩ B) P(A | B) = P(B) Probabilités– A. YAACOUBI – Octobre 2011 – p. 39/?? IV.2 Définition L’application PB : F −→ [0, 1] A 7−→ P(A | B) est une mesure de probabilité. Elle vérifie les axiomes de Kolmogorov : Axiome 1 : Pour tout événement A on a 0 ≤ P(A | B) ≤ 1 Axiome 2 : P(φ | B) = 0 et P(Ω | B) = 1 Probabilités– A. YAACOUBI – Octobre 2011 – p. 40/?? Axiome 3 : Si A1 et A2 sont des événements exclusifs, alors P(A1 ∪ A2 | B) = P(A1 | B) + P(A2 | B) si A1 , ..., An , ... sont des événements mutuellements exclusifs, alors Axiome 4 : P( ∞ [ i=1 Ai | B) = ∞ X P(Ai | B) i=1 Probabilités– A. YAACOUBI – Octobre 2011 – p. 41/?? IV.3 Formule des probabilités composées 1. A et B tels que P(A) > 0; P(B) > 0 Alors on a : P(A ∩ B) = P(A | B) × P(B) = P(B | A) × P(A) Exemple 15 Un panier contient cinq boules noires et trois boules blanches. On tire deux boules au hasard et sans remise à partir du panier. Quelle est la probabilité d’obtenir deux boules noires ? Probabilités– A. YAACOUBI – Octobre 2011 – p. 42/?? IV.4 Formule des probabilités totales Partition de Ω : E1 , ..., En forment une partition de Ω si : 1. ils sont mutuellements exclusifs Ei ∩ Ej = ∅ si i 6= j 2. Ils sont exhaustifs : E1 ∪ E2 ∪ . . . ∪ En = Ω Probabilités– A. YAACOUBI – Octobre 2011 – p. 43/?? Probabilités– A. YAACOUBI – Octobre 2011 – p. 44/?? La formule Soient E1 , ..., En des événements mutuellements exclusifs et exaustifs. Alors on a : Pour tout événement A ∈ F P(A) = Σnj=1 P(A | Ej )P(Ej ) Exemple 16 On lance une pièce de monnaie jusqu’à ce qu’on obtienne une face. Puis, on lance un dé un nombre de fois égal au nombre de fois qu’on a lancé la pièce de monnaie. Quelle est la probabilité d’obtenir au moins un six avec le dé ? Probabilités– A. YAACOUBI – Octobre 2011 – p. 45/?? Exemple 17 Dans l’entrepôt d’une certaine usine de fabrication de clous, 1. 50% des clous sont fabriqués par la machine I ; 2. 30% sont fabriqués par la machine II ; 3. 20% par la machine III. Probabilités– A. YAACOUBI – Octobre 2011 – p. 46/?? 1. Parmi les clous fabriqués par la machine I, 3% sont défectueux. 2. Parmi ceux fabriqués par la machine II, 5% sont défectueux 3. et parmi ceux fabriqués par la machine III, 8% sont défectueux. Si on obtient un clou choisi au hasard dans l’entrepôt de cette usine, quelle est la probabilité que ce clou soit défectueux ? Probabilités– A. YAACOUBI – Octobre 2011 – p. 47/?? Formule de Bayes Théorème 18 Soient E1 , ..., En des événements mutuellements exclusifs et exaustifs. Soit A un événement tel que P(A) > 0 Alors on a : P(A | Ei )P(Ei ) P(Ei | A) = n Σj=1 P(A | Ej )P(Ej ) Exemple 19 Considérons à nouveau l’exemple concernant les clous. On obtient un clou provenant de l’entrepôt de l’usine. On note que ce clou est défectueux. Sachant qu’il est défectueux, quelle est la probabilité qu’il ait été fabriqué par la machine I ? Probabilités– A. YAACOUBI – Octobre 2011 – p. 48/?? Exemple 20 Dans une certaine population, 1 individu sur 1000 est porteur d’un certain virus V. Les porteurs du virus ne présentent aucun symptôme perceptible. Un test sanguin a été développé pour détecter la présence du virus chez ces individus. Le test a les propriétés suivantes : 1. Sur les individus qui portent le virus, le test est positif avec probabilité 0.98 2. chez les individus qui ne portent pas le virus, le test est négatif avec probabilité 0.97. On choisit un individu au hasard dans cette population et on lui administre le test. Le résultat du test est positif. Quelle est la probabilité que cet individu soit porteur du virus ? Probabilités– A. YAACOUBI – Octobre 2011 – p. 49/?? V-Indépendance Définition 21 Deux événements A et B sont indépendants si on a : P(A ∩ B) = P(A) × P(B) Exemple 22 On lance un dé deux fois. Les événements suivants sont indépendants : A : "obtenir un 5 au premier lancer" Probabilités– A. YAACOUBI – Octobre 2011 – p. 50/?? V-Indépendance Définition 23 Deux événements A et B sont indépendants si on a : P(A ∩ B) = P(A) × P(B) Exemple 24 On lance un dé deux fois. Les événements suivants sont indépendants : A : "obtenir un 5 au premier lancer" B :" obtenir un 3 au deuxième lancer" Probabilités– A. YAACOUBI – Octobre 2011 – p. 50/?? Définition 25 Les événements A, B , C sont indépendants si : P(A ∩ B) = P(A) × P(B) P(A ∩ C) = P(A) × P(C) P(B ∩ C) = P(B) × P(C) P(A ∩ B ∩ C) = P(A) × P(B) × P(C) Probabilités– A. YAACOUBI – Octobre 2011 – p. 51/?? Contre exemple Exemple 26 On lance une pièce de monnaie à deux reprises. Considérons les événement suivants : A : "obtenir P au prmier lancer" Ces événements sont mutuellements indépendants mais ne sont pas indépendants. Probabilités– A. YAACOUBI – Octobre 2011 – p. 52/?? Contre exemple Exemple 27 On lance une pièce de monnaie à deux reprises. Considérons les événement suivants : A : "obtenir P au prmier lancer" B : "obtenir P au deuxième lancer" Ces événements sont mutuellements indépendants mais ne sont pas indépendants. Probabilités– A. YAACOUBI – Octobre 2011 – p. 52/?? Contre exemple Exemple 28 On lance une pièce de monnaie à deux reprises. Considérons les événement suivants : A : "obtenir P au prmier lancer" B : "obtenir P au deuxième lancer" C : "obtenir deux résultats identiques" Ces événements sont mutuellements indépendants mais ne sont pas indépendants. Probabilités– A. YAACOUBI – Octobre 2011 – p. 52/?? Préservation de l’indépendance A et B indépendants alors A et B c indépendants Probabilités– A. YAACOUBI – Octobre 2011 – p. 53/?? Préservation de l’indépendance A et B indépendants alors A et B c indépendants A et B indépendants alors Ac et B indépendants Probabilités– A. YAACOUBI – Octobre 2011 – p. 53/?? Préservation de l’indépendance A et B indépendants alors A et B c indépendants A et B indépendants alors Ac et B indépendants A et B indépendants alors Ac et B c indépendants Probabilités– A. YAACOUBI – Octobre 2011 – p. 53/?? Préservation de l’indépendance A et B indépendants alors A et B c indépendants A et B indépendants alors Ac et B indépendants A et B indépendants alors Ac et B c indépendants A,B,C indépendants alors A ∩ B et C sont indépendants Probabilités– A. YAACOUBI – Octobre 2011 – p. 53/?? Préservation de l’indépendance A et B indépendants alors A et B c indépendants A et B indépendants alors Ac et B indépendants A et B indépendants alors Ac et B c indépendants A,B,C indépendants alors A ∩ B et C sont indépendants A,B,C indépendants alors A ∪ B et C sont indépendants Probabilités– A. YAACOUBI – Octobre 2011 – p. 53/?? Préservation de l’indépendance A et B indépendants alors A et B c indépendants A et B indépendants alors Ac et B indépendants A et B indépendants alors Ac et B c indépendants A,B,C indépendants alors A ∩ B et C sont indépendants A,B,C indépendants alors A ∪ B et C sont indépendants A,B,C,D indépendants alors A ∩ B et C ∪ D sont indépendants Probabilités– A. YAACOUBI – Octobre 2011 – p. 53/??