Introduction aux Probabilités
2020/2021
1
Plan
1. Rappels d’analyse combinatoire
2. Fondements de la Théorie des Probabilités
3. Variables aléatoires réelles
3.1. discrètes
3.2. continues
4. Moments d’une variable aléatoire
5. Couple de variables aléatoires réelles et Indépendance
6. Vecterus aléatoires
7. Théorèmes limites
8. Chaînes de Markov discrètes
2
Probabilités conditionnelles et Indépendance
3
Probabilités
conditionnelles Théorème
et bayésienne
indépendance
4
Probabilité conditionnelle
Les deux événements 𝐴 et 𝐵
𝐴∩𝐵 ≠∅ doivent se réaliser 𝐴 ∩ 𝐵
Ω Ω
𝐴 𝐵 𝐴 𝐵
ℙ 𝐴∪𝐵 = ℙ 𝐴 +ℙ 𝐵 −ℙ 𝐴∩𝐵 ℙ 𝐴∩𝐵 =?
𝐴 ou 𝐵 𝐴 et 𝐵
ℙ 𝐴∪𝐵 ≥ ℙ 𝐴 ℙ 𝐴∩𝐵 <ℙ 𝐴
ℙ 𝐴∪𝐵 ≥ℙ 𝐵 ℙ 𝐴∩𝐵 <ℙ 𝐵
5
Probabilité conditionnelle
Les deux événements 𝐴 et 𝐵
𝐴∩𝐵 ≠∅ doivent se réaliser 𝐴 ∩ 𝐵
Ω Ω
𝐴 𝐵 𝐴 𝐵
≤1 ≤1
ℙ 𝐴∪𝐵 = ℙ 𝐴 +ℙ 𝐵 −ℙ 𝐴∩𝐵 ℙ 𝐴 ∩ 𝐵 = ℙ 𝐴 ∙ ℙ 𝐵|𝐴
𝐴 ou 𝐵 𝐴 et 𝐵
ℙ 𝐴∪𝐵 ≥ ℙ 𝐴 ℙ 𝐴∩𝐵 < ℙ 𝐴
ℙ 𝐴∪𝐵 ≥ℙ 𝐵 ℙ 𝐴∩𝐵 <ℙ 𝐵
6
Probabilité conditionnelle
Les deux événements 𝐴 et 𝐵
𝐴∩𝐵 ≠∅ doivent se réaliser 𝐴 ∩ 𝐵
Ω Ω
𝐴 𝐵 𝐴 𝐵
≤1 ≤1
ℙ 𝐴∪𝐵 = ℙ 𝐴 +ℙ 𝐵 −ℙ 𝐴∩𝐵 ℙ 𝐴 ∩ 𝐵 = ℙ 𝐴 ∙ ℙ 𝐵|𝐴
𝐴 ou 𝐵 𝐴 et 𝐵
« probabilité de
ℙ 𝐴∪𝐵 ≥ ℙ 𝐴
ℙ 𝐴∪𝐵 ≥ℙ 𝐵 𝐵 sachant 𝐴 »
7
Probabilité conditionnelle
Les deux événements 𝐴 et 𝐵
𝐴∩𝐵 ≠∅ doivent se réaliser 𝐴 ∩ 𝐵
Ω Ω
𝐴 𝐵 𝐴 𝐵
≤1 ≤1
ℙ 𝐴∪𝐵 = ℙ 𝐴 +ℙ 𝐵 −ℙ 𝐴∩𝐵 ℙ 𝐴 ∩ 𝐵 = ℙ 𝐴 ∙ ℙ 𝐵|𝐴
𝐴 ou 𝐵 𝐴 et 𝐵
« probabilité de
ℙ 𝐴∪𝐵 ≥ ℙ 𝐴
ℙ 𝐴∪𝐵 ≥ℙ 𝐵 𝐵 sachant 𝐴 »
La réalisation de 𝐴
influence la
8 probabilité de 𝐵
Probabilité conditionnelle
Les deux événements 𝐴 et 𝐵
doivent se réaliser 𝐴 ∩ 𝐵
𝐴 = "𝑎𝑣𝑜𝑖𝑟 𝑢𝑛 𝑎𝑠 𝑝𝑎𝑟𝑚𝑖 52 𝑐𝑎𝑟𝑡𝑒𝑠"
Ω
51 cartes dans le jeu 𝐴 𝐵
𝐵 = "𝑎𝑣𝑜𝑖𝑟 𝑢𝑛 𝑟𝑜𝑖 𝑝𝑎𝑟𝑚𝑖 𝟓𝟏 𝑐𝑎𝑟𝑡𝑒𝑠" ≤1 ≤1
ℙ 𝐴 ∩ 𝐵 = ℙ 𝐴 ∙ ℙ 𝐵|𝐴
𝐴 et 𝐵
La réalisation de 𝐴 « probabilité de
à influencé la 𝐵 sachant 𝐴 »
probabilité de 𝐵 La réalisation de 𝐴
influence la
9 probabilité de 𝐵
Probabilité conditionnelle
Les deux événements 𝐴 et 𝐵
doivent se réaliser 𝐴 ∩ 𝐵
𝐴 = "𝑎𝑣𝑜𝑖𝑟 𝑢𝑛 𝑎𝑠 𝑝𝑎𝑟𝑚𝑖 52 𝑐𝑎𝑟𝑡𝑒𝑠"
4 1
ℙ 𝐴 = = Ω
52 13
51 cartes dans le jeu 𝐴 𝐵
𝐵 = "𝑎𝑣𝑜𝑖𝑟 𝑢𝑛 𝑟𝑜𝑖 𝑝𝑎𝑟𝑚𝑖 𝟓𝟏 𝑐𝑎𝑟𝑡𝑒𝑠" ≤1 ≤1
4 ℙ 𝐴 ∩ 𝐵 = ℙ 𝐴 ∙ ℙ 𝐵|𝐴
ℙ 𝐵|𝐴 =
51
𝐴 et 𝐵
La réalisation de 𝐴 « probabilité de
à influencé la 𝐵 sachant 𝐴 »
probabilité de 𝐵 La réalisation de 𝐴
influence la
10 probabilité de 𝐵
Probabilité conditionnelle
Les deux événements 𝐴 et 𝐵
doivent se réaliser 𝐴 ∩ 𝐵
𝐴 = "𝑎𝑣𝑜𝑖𝑟 𝑢𝑛 𝑎𝑠 𝑝𝑎𝑟𝑚𝑖 52 𝑐𝑎𝑟𝑡𝑒𝑠"
4 1
ℙ 𝐴 = = Ω
52 13
51 cartes dans le jeu 𝐴 𝐵
𝐵 = "𝑎𝑣𝑜𝑖𝑟 𝑢𝑛 𝑟𝑜𝑖 𝑝𝑎𝑟𝑚𝑖 𝟓𝟏 𝑐𝑎𝑟𝑡𝑒𝑠" ≤1 ≤1
4 ℙ 𝐴 ∩ 𝐵 = ℙ 𝐴 ∙ ℙ 𝐵|𝐴
ℙ 𝐵|𝐴 =
51
𝐴 et 𝐵
Les événements 𝐴 et 𝐵 « probabilité de
sont dépendants 𝐵 sachant 𝐴 »
(dependent events) La réalisation de 𝐴
influence la
11 probabilité de 𝐵
Probabilité conditionnelle
Les deux événements 𝐴 et 𝐵
doivent se réaliser 𝐴 ∩ 𝐵
𝐴 = "𝑜𝑏𝑡𝑒𝑛𝑖𝑟 𝑝𝑖𝑙𝑒 𝑒𝑛 𝑙𝑎𝑛ç𝑎𝑛𝑡 𝑢𝑛𝑒 𝑝𝑖è𝑐𝑒"
1
ℙ 𝐴 = Ω
2
𝐴 𝐵
𝐵 = "𝑜𝑏𝑡𝑒𝑛𝑖𝑟 𝑓𝑎𝑐𝑒 𝑒𝑛 𝑙𝑎𝑛ç𝑎𝑛𝑡 𝑢𝑛𝑒 𝑝𝑖è𝑐𝑒"
1
ℙ 𝐵|𝐴 = ℙ 𝐵 =
2
≤1 ≤1
ℙ 𝐴∩𝐵 =ℙ 𝐴 ∙ℙ 𝐵
Les événements 𝐴 et 𝐵 sont
indépendants (independent 𝐴 et 𝐵
events) si 𝐴 n’influence pas 𝐵
12
Probabilité conditionnelle
Si votre anniversaire est le 2 février, quelle est la probabilité que vos 2 amis
ont leur anniversaire le même jour ?
13
Probabilité conditionnelle
Si votre anniversaire est le 2 février, quelle est la probabilité que vos 2 amis
ont leur anniversaire le même jour ?
𝐴 = "𝑙′𝑎𝑛𝑛𝑖𝑣𝑒𝑟𝑠𝑎𝑖𝑟𝑒 𝑑′𝑢𝑛 𝑎𝑚𝑖 𝑒𝑠𝑡 𝑙𝑒 2 𝑓é𝑣𝑟𝑖𝑒𝑟"
et
𝐵 = "𝑙′𝑎𝑛𝑛𝑖𝑣𝑒𝑟𝑠𝑎𝑖𝑟𝑒 𝑑′𝑢𝑛 𝑎𝑢𝑡𝑟𝑒 𝑎𝑚𝑖 𝑒𝑠𝑡 𝑙𝑒 2 𝑓é𝑣𝑟𝑖𝑒𝑟"
ℙ 𝐴∩𝐵 =?
14
Probabilité conditionnelle
Si votre anniversaire est le 2 février, quelle est la probabilité que vos 2 amis
ont leur anniversaire le même jour ?
𝐴 = "𝑙′𝑎𝑛𝑛𝑖𝑣𝑒𝑟𝑠𝑎𝑖𝑟𝑒 𝑑′𝑢𝑛 𝑎𝑚𝑖 𝑒𝑠𝑡 𝑙𝑒 2 𝑓é𝑣𝑟𝑖𝑒𝑟" ℙ 𝐴 = 1/365
𝐵 = "𝑙′𝑎𝑛𝑛𝑖𝑣𝑒𝑟𝑠𝑎𝑖𝑟𝑒 𝑑′𝑢𝑛 𝑎𝑢𝑡𝑟𝑒 𝑎𝑚𝑖 𝑒𝑠𝑡 𝑙𝑒 2 𝑓é𝑣𝑟𝑖𝑒𝑟" ℙ 𝐵 = 1/365
ℙ 𝐴 ∩ 𝐵 = ℙ 𝐴 ∙ ℙ 𝐵|𝐴
Est-ce que 𝐴
influence 𝐵?
15
Probabilité conditionnelle
Si votre anniversaire est le 2 février, quelle est la probabilité que vos 2 amis
ont leur anniversaire le même jour ?
𝐴 = "𝑙′𝑎𝑛𝑛𝑖𝑣𝑒𝑟𝑠𝑎𝑖𝑟𝑒 𝑑′𝑢𝑛 𝑎𝑚𝑖 𝑒𝑠𝑡 𝑙𝑒 2 𝑓é𝑣𝑟𝑖𝑒𝑟" ℙ 𝐴 = 1/365
𝐵 = "𝑙′𝑎𝑛𝑛𝑖𝑣𝑒𝑟𝑠𝑎𝑖𝑟𝑒 𝑑′𝑢𝑛 𝑎𝑢𝑡𝑟𝑒 𝑎𝑚𝑖 𝑒𝑠𝑡 𝑙𝑒 2 𝑓é𝑣𝑟𝑖𝑒𝑟" ℙ 𝐵 = 1/365
ℙ 𝐴 ∩ 𝐵 = ℙ 𝐴 ∙ ℙ 𝐵|𝐴 = ℙ 𝐴 ∙ ℙ 𝐵 = Est-ce que 𝐴
1 1 1 influence 𝐵?
= × =
365 365 3652 non
16
Probabilité conditionnelle
Karine, Michel, Kevin, Amélie, Pierre se connecte sur la session ZOOM de la
Théorie des Probabilités aux moments différents et d’une manière aléatoire.
Quelle est la probabilité que Karine se connecte la première et Kevin le
dernier ?
17
Probabilité conditionnelle
Karine, Michel, Kevin, Amélie, Pierre se connecte sur la session ZOOM de la
Théorie des Probabilités aux moments différents et d’une manière aléatoire.
Quelle est la probabilité que Karine se connecte la première et Kevin le
dernier ?
L’ordre de connexion compte et une
fois qu’une personne soit
connectée, le nombre de
possibilités pour les autres devient
différent ⇒ les événements
dépendants
18
Probabilité conditionnelle
Karine, Michel, Kevin, Amélie, Pierre se connecte sur la session ZOOM de la
Théorie des Probabilités aux moments différents et d’une manière aléatoire.
Quelle est la probabilité que Karine se connecte la première et Kevin le
dernier ?
L’ordre de connexion compte et une
𝐴 = "𝐾𝑎𝑟𝑖𝑛𝑒 𝑠𝑒 𝑐𝑜𝑛𝑛𝑒𝑐𝑡𝑒 𝑙𝑎 1è𝑟𝑒"
fois qu’une personne soit
et
connectée, le nombre de
𝐵 = "𝐾𝑒𝑣𝑖𝑛 𝑠𝑒 𝑐𝑜𝑛𝑛𝑒𝑐𝑡𝑒 𝑙𝑒 𝑑𝑒𝑟𝑛𝑖𝑒𝑟"
possibilités pour les autres devient
différent ⇒ les événements
ℙ 𝐴 ∩ 𝐵 = ℙ 𝐴 ∙ ℙ 𝐵|𝐴 = ? dépendants
19
Probabilité conditionnelle
Karine, Michel, Kevin, Amélie, Pierre se connecte sur la session ZOOM de la
Théorie des Probabilités aux moments différents et d’une manière aléatoire.
Quelle est la probabilité que Karine se connecte la première et Kevin le
dernier ?
𝐴 = "𝐾𝑎𝑟𝑖𝑛𝑒 𝑠𝑒 𝑐𝑜𝑛𝑛𝑒𝑐𝑡𝑒 𝑙𝑎 1è𝑟𝑒" ℙ 𝐴 = 1/5
et
𝐵 = "𝐾𝑒𝑣𝑖𝑛 𝑠𝑒 𝑐𝑜𝑛𝑛𝑒𝑐𝑡𝑒 𝑙𝑒 𝑑𝑒𝑟𝑛𝑖𝑒𝑟" ℙ 𝐵|𝐴 = 1/4
ℙ 𝐴 ∩ 𝐵 = ℙ 𝐴 ∙ ℙ 𝐵|𝐴 = ?
20
Probabilité conditionnelle
Karine, Michel, Kevin, Amélie, Pierre se connecte sur la session ZOOM de la
Théorie des Probabilités aux moments différents et d’une manière aléatoire.
Quelle est la probabilité que Karine se connecte la première et Kevin le
dernier ?
𝐴 = "𝐾𝑎𝑟𝑖𝑛𝑒 𝑠𝑒 𝑐𝑜𝑛𝑛𝑒𝑐𝑡𝑒 𝑙𝑎 1è𝑟𝑒" ℙ 𝐴 = 1/5
et
𝐵 = "𝐾𝑒𝑣𝑖𝑛 𝑠𝑒 𝑐𝑜𝑛𝑛𝑒𝑐𝑡𝑒 𝑙𝑒 𝑑𝑒𝑟𝑛𝑖𝑒𝑟" ℙ 𝐵|𝐴 = 1/4
1 1 1
ℙ 𝐴 ∩ 𝐵 = ℙ 𝐴 ∙ ℙ 𝐵|𝐴 = ∙ =
5 4 20
21
Probabilité conditionnelle
La probabilité de l’événement 𝐴 est ℙ 𝐴 = 0.8, la probabilité de
l’événement 𝐶 est ℙ 𝐶 = 0.35 et la probabilité ℙ 𝐴 ∪ 𝐶 = 0.28. Est-ce
que les événements 𝐴 et 𝐶 sont indépendants ?
22
Probabilité conditionnelle
La probabilité de l’événement 𝐴 est ℙ 𝐴 = 0.8, la probabilité de
l’événement 𝐶 est ℙ 𝐶 = 0.35 et la probabilité ℙ 𝐴 ∪ 𝐶 = 0.28. Est-ce
que les événements 𝐴 et 𝐶 sont indépendants ?
Si les événements sont indépendants :
ℙ 𝐴∩𝐶 =ℙ 𝐴 ∙ℙ 𝐶
23
Probabilité conditionnelle
La probabilité de l’événement 𝐴 est ℙ 𝐴 = 0.8, la probabilité de
l’événement 𝐶 est ℙ 𝐶 = 0.35 et la probabilité ℙ 𝐴 ∪ 𝐶 = 0.28. Est-ce
que les événements 𝐴 et 𝐶 sont indépendants ?
Si les événements sont indépendants :
ℙ 𝐴∩𝐶 =ℙ 𝐴 ∙ℙ 𝐶
0.28 ? 0.8 × 0.35
0.28 = 0.28
24
Probabilité conditionnelle
La probabilité de l’événement 𝐴 est ℙ 𝐴 = 0.8, la probabilité de
l’événement 𝐶 est ℙ 𝐶 = 0.35 et la probabilité ℙ 𝐴 ∪ 𝐶 = 0.28. Est-ce
que les événements 𝐴 et 𝐶 sont indépendants ?
Si les événements sont indépendants :
ℙ 𝐴∩𝐶 =ℙ 𝐴 ∙ℙ 𝐶
0.28 ? 0.8 × 0.35
0.28 = 0.28
𝐴 et 𝐶 sont indépendants
25
Probabilités
conditionnelles Théorème
et bayésienne
indépendance
26
Théorème bayésienne (Bayes Rule)
La production de l’énergie d’un pays se base sur 3 sources principales. Le
nucléaire produit 60% de l’énergie, les énergies fossiles 30% et les énergies
renouvelables constituent 10%. Dans le premier cas, le processus de la
production est complétement fonctionnelle dans 95% de temps, dans le 2ème
cas dans 80% de temps, et dans le 3ème cas dans 65% de temps. Quelle est la
probabilité qu’en vous inscrivant au contrat, vous n’allez pas avoir de fail ?*
_____
[Link] 27 * Les chiffres sont imaginaires
Théorème bayésienne (Bayes Rule)
𝐵1 𝐵2 𝐵3 les options de sources de l’énergie pour un contrat
28
Théorème bayésienne (Bayes Rule)
0.6 0.1
0.3
𝐵1 𝐵2 𝐵3 les options de sources de l’énergie pour un contrat
29
Théorème bayésienne (Bayes Rule)
0.6 0.1
0.3
𝐵1 𝐵2 𝐵3 les options de sources de l’énergie pour un contrat
0.95 0.8 0.65
𝐴 𝐴 𝐴 les contrats sans interruption
30
Théorème bayésienne (Bayes Rule)
0.6 0.1
0.3
𝐵1 𝐵2 𝐵3 les options de sources de l’énergie pour un contrat
0.95 0.8 0.65
𝐴 𝐴 𝐴 les contrats sans interruption
𝐴 = "𝑐𝑜𝑛𝑡𝑟𝑎𝑡 𝑎𝑣𝑒𝑐 𝑙𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑒 𝑠𝑎𝑛𝑠 𝑖𝑛𝑡𝑒𝑟𝑟𝑢𝑝𝑡𝑖𝑜𝑛"
𝐵1 = "𝑙𝑎 𝑝𝑟𝑜𝑣𝑒𝑛𝑎𝑛𝑐𝑒 𝑑𝑒 𝑙′é𝑛𝑒𝑟𝑔𝑖𝑒: 𝑛𝑢𝑐𝑙é𝑎𝑖𝑟𝑒“
𝐵2 = "𝑙𝑎 𝑝𝑟𝑜𝑣𝑒𝑛𝑎𝑛𝑐𝑒 𝑑𝑒 𝑙′é𝑛𝑒𝑟𝑔𝑖𝑒: 𝑓𝑜𝑠𝑠𝑖𝑙𝑒“
𝐵3 = "𝑙𝑎 𝑝𝑟𝑜𝑣𝑒𝑛𝑎𝑛𝑐𝑒 𝑑𝑒 𝑙′é𝑛𝑒𝑟𝑔𝑖𝑒: 𝑟𝑒𝑛𝑜𝑢𝑣𝑒𝑙𝑎𝑏𝑙𝑒 “
31
Théorème bayésienne (Bayes Rule)
0.6 0.1
0.3
𝐵1 𝐵2 𝐵3 les options de sources de l’énergie pour un contrat
0.95 0.8 0.65 La probabilité de 𝐴 en sachant 𝐵𝑖
𝐴 𝐴 𝐴 les contrats sans interruption
𝐴 = "𝑐𝑜𝑛𝑡𝑟𝑎𝑡 𝑎𝑣𝑒𝑐 𝑙𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑒 𝑠𝑎𝑛𝑠 𝑖𝑛𝑡𝑒𝑟𝑟𝑢𝑝𝑡𝑖𝑜𝑛"
𝐵1 = "𝑙𝑎 𝑝𝑟𝑜𝑣𝑒𝑛𝑎𝑛𝑐𝑒 𝑑𝑒 𝑙′é𝑛𝑒𝑟𝑔𝑖𝑒: 𝑛𝑢𝑐𝑙é𝑎𝑖𝑟𝑒“
𝐵2 = "𝑙𝑎 𝑝𝑟𝑜𝑣𝑒𝑛𝑎𝑛𝑐𝑒 𝑑𝑒 𝑙′é𝑛𝑒𝑟𝑔𝑖𝑒: 𝑓𝑜𝑠𝑠𝑖𝑙𝑒“
𝐵3 = "𝑙𝑎 𝑝𝑟𝑜𝑣𝑒𝑛𝑎𝑛𝑐𝑒 𝑑𝑒 𝑙′é𝑛𝑒𝑟𝑔𝑖𝑒: 𝑟𝑒𝑛𝑜𝑢𝑣𝑒𝑙𝑎𝑏𝑙𝑒 “
32
Théorème bayésienne (Bayes Rule)
0.6 0.1
0.3
𝐵1 𝐵2 𝐵3 les options de sources de l’énergie pour un contrat
0.95 0.8 0.65 La probabilité de 𝐴 en sachant 𝐵𝑖
𝐴 𝐴 𝐴 les contrats sans interruption
3 chemins (façons) d’arriver à 𝐴
ℙ 𝐴 =?
33
Théorème bayésienne (Bayes Rule)
0.6 0.1
0.3
𝐵1 𝐵2 𝐵3 les options de sources de l’énergie pour un contrat
0.95 0.8 0.65 La probabilité de 𝐴 en sachant 𝐵𝑖
𝐴 𝐴 𝐴 les contrats sans interruption
3 chemins (façons) d’arriver à 𝐴
ℙ 𝐴 = ℙ 𝐵1 ∙ ℙ 𝐴|𝐵1 + ℙ 𝐵2 ∙ ℙ 𝐴|𝐵2 + ℙ 𝐵3 ∙ ℙ 𝐴|𝐵3
34
Théorème bayésienne (Bayes Rule)
0.6 0.1
0.3
𝐵1 𝐵2 𝐵3 les options de sources de l’énergie pour un contrat
0.95 0.8 0.65 La probabilité de 𝐴 en sachant 𝐵𝑖
𝐴 𝐴 𝐴 les contrats sans interruption
3 chemins (façons) d’arriver à 𝐴
ℙ 𝐴 = ℙ 𝐵1 ∙ ℙ 𝐴|𝐵1 + ℙ 𝐵2 ∙ ℙ 𝐴|𝐵2 + ℙ 𝐵3 ∙ ℙ 𝐴|𝐵3
= 0.6 × 0.95 + 0.3 × 0.8 + 0.1 × 0.65 = 0.57 + 0.24 + 0.065 = 0.875
35
Théorème bayésienne (Bayes Rule)
0.6 0.1
0.3 La formule des probabilités totales (law of total
probability / elimination rule) :
𝐵1 𝐵2 𝐵3 les options de sources de l’énergie pour un contrat
Si 𝐵1 , 𝐵2 , … , 𝐵𝑛 est un système exhaustif
0.95 0.8 0.65 d’événements
La probabilité 𝐵𝑖 ∀𝑖 = 1, 𝑛 ∶ ℙ(𝐵𝑖 ) ≠ 0, alors :
de 𝐴 en sachant et
𝐴 𝐴 𝐴 ℙ 𝐴
les contrats sans = σ𝑛𝑖=1 ℙ(𝐴|𝐵𝑖 ) ∙ ℙ 𝐵𝑖 = σ𝑛𝑖=1 ℙ 𝐴 ∩ 𝐵𝑖
interruption
3 chemins (façons) d’arriver à 𝐴
ℙ 𝐴 = ℙ 𝐵1 ∙ ℙ 𝐴|𝐵1 + ℙ 𝐵2 ∙ ℙ 𝐴|𝐵2 + ℙ 𝐵3 ∙ ℙ 𝐴|𝐵3
= 0.6 × 0.95 + 0.3 × 0.8 + 0.1 × 0.65 = 0.57 + 0.24 + 0.065 = 0.875
36
Théorème bayésienne (Bayes Rule)
0.6 0.1
0.3
𝐵1 𝐵2 𝐵3 Et si on voulait savoir
les options de sources de l’énergie pour un contrat
quelle est la probabilité
0.95 0.8 0.65 La probabilité de 𝐴 en sachant 𝐵𝑖
d’une source particulière
𝐴 𝐴 𝐴 les contrats sans interruption en sachant que A s’est
réalisé, i.e. ℙ 𝐵𝑖 𝐴 ?
3 chemins (façons) d’arriver à 𝐴
ℙ 𝐴 = ℙ 𝐵1 ∙ ℙ 𝐴|𝐵1 + ℙ 𝐵2 ∙ ℙ 𝐴|𝐵2 + ℙ 𝐵3 ∙ ℙ 𝐴|𝐵3
= 0.6 × 0.95 + 0.3 × 0.8 + 0.1 × 0.65 = 0.57 + 0.24 + 0.065 = 0.875
37
Théorème bayésienne (Bayes Rule)
Probabilité conditionnelle : ℙ 𝐴 ∩ 𝐵 = ℙ 𝐴 ∙ ℙ 𝐵|𝐴
ℙ(𝐴 ∩ 𝐵)
ℙ 𝐴𝐵 =
ℙ(𝐵)
ℙ(𝐵 ∩ 𝐴)
ℙ 𝐵𝐴 =
ℙ(𝐴)
38
Théorème bayésienne (Bayes Rule)
Probabilité conditionnelle : ℙ 𝐴 ∩ 𝐵 = ℙ 𝐴 ∙ ℙ 𝐵|𝐴
ℙ(𝐴 ∩ 𝐵)
ℙ 𝐴𝐵 =
ℙ(𝐵)
ℙ(𝐵 ∩ 𝐴)
ℙ 𝐵𝐴 =
ℙ(𝐴)
ℙ(𝐵 ∩ 𝐴) = ℙ 𝐵 𝐴 ⋅ ℙ(𝐴)
39
Théorème bayésienne (Bayes Rule)
Probabilité conditionnelle : ℙ 𝐴 ∩ 𝐵 = ℙ 𝐴 ∙ ℙ 𝐵|𝐴
ℙ(𝐴 ∩ 𝐵)
ℙ 𝐴𝐵 =
ℙ(𝐵) ℙ 𝐵 𝐴 ⋅ ℙ(𝐴)
ℙ 𝐴𝐵 =
ℙ(𝐵 ∩ 𝐴) ℙ(𝐵)
ℙ 𝐵𝐴 =
ℙ(𝐴)
ℙ(𝐵 ∩ 𝐴) = ℙ 𝐵 𝐴 ⋅ ℙ(𝐴)
40
Théorème bayésienne (Bayes Rule)
0.6 0.1
0.3
𝐵1 𝐵2 𝐵3 Et si on voulait savoir
les options de sources de l’énergie pour un contrat
quelle est la probabilité
0.95 0.8 0.65 La probabilité de 𝐴 en sachant 𝐵𝑖
d’une source particulière
𝐴 𝐴 𝐴 les contrats sans interruption en sachant que A s’est
réalisé, i.e. ℙ 𝐵𝑖 𝐴 ?
3 chemins (façons) d’arriver à 𝐴
ℙ 𝐴 = ℙ 𝐵1 ∙ ℙ 𝐴|𝐵1 + ℙ 𝐵2 ∙ ℙ 𝐴|𝐵2 + ℙ 𝐵3 ∙ ℙ 𝐴|𝐵3
= 0.6 × 0.95 + 0.3 × 0.8 + 0.1 × 0.65 = 0.57 + 0.24 + 0.065 = 0.875
ℙ 𝐴 𝐵2 ⋅ ℙ(𝐵2 ) 0.8 ⋅ 0.3 0.24
ℙ 𝐵2 𝐴 = = = = 0.274
ℙ(𝐴) 0.875 0.0875
41
Théorème bayésienne (Bayes Rule)
Quelle est la probabilité que les deux enfants soient les filles, sachant
qu’au moins une est une fille ?
42
Théorème bayésienne (Bayes Rule)
Quelle est la probabilité que les deux enfants soient les filles, sachant
qu’au moins une est une fille ?
Options : 𝐹𝐹, 𝐹𝐺, 𝐺𝐹, 𝐺𝐺
43
Théorème bayésienne (Bayes Rule)
Quelle est la probabilité que les deux enfants soient les filles, sachant
qu’au moins une est une fille ?
Options : 𝐹𝐹, 𝐹𝐺, 𝐺𝐹, 𝐺𝐺
𝑃 1𝐹 2𝐹 ⋅ 𝑃(2𝐹)
𝑃 2𝐹 𝑎𝑢 𝑚𝑜𝑖𝑛𝑠 1𝐹 = = 𝑃 𝐹𝐹 = 1/4
𝑃(1𝐹)
1 ⋅ 1/4
=
𝑃(1𝐹)
44
Théorème bayésienne (Bayes Rule)
Quelle est la probabilité que les deux enfants soient les filles, sachant
qu’au moins une est une fille ? 𝑃 1𝐹 = 3/4
Options : 𝐹𝐹, 𝐹𝐺, 𝐺𝐹, 𝐺𝐺
𝑃 1𝐹 2𝐹 ⋅ 𝑃(2𝐹)
𝑃 2𝐹 𝑎𝑢 𝑚𝑜𝑖𝑛𝑠 1𝐹 = = 𝑃 𝐹𝐹 = 1/4
𝑃(1𝐹)
1 ⋅ 1/4 1 ⋅ 1/4 1
= =
𝑃(1𝐹) 3/4 3
45
