Formule de Bayes.
Formule de Bayes
Exemple :
Un examen se compose de questions auxquelles il faut
répondre par oui ou non. Si un étudiant connaît la
réponse, il répond correctement; s’il l’ignore, il tire à pile ou
face la réponse qu’il inscrira.
Un étudiant donné connaît 60% du programme : Quelle est
la probabilité pour qu’une réponse juste soit due à ses
connaissances plutôt qu’au hasard ?
Evénements indépendants
Soient 2 événements A et B. Ils sont indépendants
si la réalisation de A n’affecte pas la réalisation de
B, et inversement.
Evénements indépendants
Soient A et B deux événements de probabilité non nulle.
Il arrive que la connaissance de la réalisation de A ne modifie pas notre
information sur celle de B, autrement dit que P(B | A) = P(B).
C’est le cas par exemple lorsque l’on fait un tirage avec remise et que
la réalisation de A ne dépend que du résultat du premier tirage, celle
de B que du deuxième. Symétriquement on aura dans cet exemple
P(A | B) = P(A).
Cette remarque se généralise :
Proposition
Si A et B sont des événements de probabilité non nulle, les
trois égalités suivantes sont équivalentes :
i) P(B | A) = P(B),
ii) P(A | B) = P(A),
iii) P(A ∩ B) = P(A)P(B).
Preuve:
Comme P(A) # 0 et P(B) # 0, on a la chaîne d’équivalences:
D’autre part la relation (iii) est toujours vérifiée dans le cas dégénéré où
P(A) = 0 ou P(B) = 0. En effet, on a alors à la fois P(A)P(B) = 0 et
0 ≤ P(A∩B) ≤ min (P(A), P(B)) = 0
d’où P(A∩B) = 0. Ainsi la relation (iii) est un peu plus générale que (i)
et (ii). Elle a aussi sur les deux autres l’avantage
de la symétrie d’écriture. C’est elle que l’on retient pour définir
l’indépendance.
Définition
Soit (Ω, F, P) un espace probabilisé. Deux événements A et B
de cet espace sont dits indépendants lorsque:
P(A ∩ B) = P(A)P(B).
Exemple: On jette deux fois le même dé. Les événements
A = {obtention d’un chiffre pair au premier lancer},
B = {obtention du 1 au deuxième lancer},
sont indépendants.
En effet, en prenant Ω = {1, 2, . . . , 6}^2 , F = P(Ω) et P
l’équiprobabilité, on vérifie que:
Remarques:
– Si A est un événement tel que P(A) = 0 ou P(A) = 1, alors il est
indépendant de tout événement, y compris de lui même (c’est le cas en
particulier pour Ω et ∅).
– Deux événements incompatibles A et B avec P(A) > 0 et P(B) > 0
ne sont jamais indépendants. En effet A ∩ B = ∅ implique P(A ∩ B) = 0
or P(A)P(B) # 0.
Remarquons que si la réalisation de l’événement B (p(B) # 0) n’agit
pas sur la probabilité de la réalisation de l’événement A (p(A) #0), c’est
à dire p(A/B) = p(A),
Exemple:
Une urne contient 12 boules numérotées de 1 à 12. On en tire
une au hasard et on considère les événements:
A = {tirage d’un nombre pair},
B = {tirage d’un multiple de 3}.
L’espace probabilisé qui s’impose naturellement ici est Ω = {1, . . . , 12}
muni de l’équiprobabilité P. Les événements A et B s’écrivent:
A = {2, 4, 6, 8, 10, 12}, B = {3, 6, 9, 12}, A ∩ B = {6, 12}.
donc A et B sont indépendants.
On rajoute maintenant dans l’urne une boule numérotée treize et on
recommence l’expérience.
Les événements A et B restent les mêmes, mais le modèle a
changé. On a maintenant l’équiprobabilité P’ sur Ω’= {1, . . . , 13} et :
Mais
donc A et B ne sont plus indépendants.
Variables aléatoires
réelles
Variables aléatoires
Définition
On appelle variable aléatoire réelle (en abrégé v.a.r ) toute
application de Ω dans IR.
Exemples
1. On lance une pièce de monnaie, l’univers associé à
cette expérience est Ω = {P, F},
soit X la variable définie par X({P}) = 1 et X({F}) = 0, alors
p(X = 0) = p(X = 1) =0,5
2. Soit une urne à deux catégories contenant des boules
blanches en proportion p et des boules noires en
proportion 1 − p. On tire de cette urne n boules avec
remise, à chaque tirage ω de n boules on peut faire
correspondre le nombre X(ω) des boules blanches
obtenues. Dans ce cas on a X(Ω) = I[0, n]I.
3- Un tournoi de football se joue entre quatre équipes.
Chaque équipe doit rencontrer une fois et une fois
seulement les trois autres.
À chaque match, on attribue 2 points à l’équipe gagnante,
0 point à l’équipe perdante et 1 point à chaque équipe s’il y
a match nul.
Soit X le nombre de points marqués par une équipe
donnée à la fin du tournoi. Ici
X(Ω) = {0, 1, 2, 3, 4, 5, 6}.
Variables aléatoires discrètes
Définition 1:
Une variable aléatoire (v.a.) X est une fonction définie sur l’espace
fondamental Ω, qui associe une valeur numérique à chaque résultat de
l’expérience aléatoire étudiée. Ainsi, à chaque événement élémentaire
ω, on associe un nombre X(ω).
Support d'une variable aléatoire :
Définition: Une variable aléatoire discrète est une
variable aléatoire dont le support est un ensemble fini ou
infini dénombrable.
Exemple :
On lance trois fois une pièce et on s’intéresse au nombre X de fois ou
PILE apparaît. Il y a deux manières de formaliser cette phrase. Tout
d’abord, à chaque événement élémentaire ω, on associe X(ω). Ainsi,
Ensuite, comme on observe que plusieurs événements élémentaires
donnent la même valeur, on peut les regrouper et obtenir des
événements (événement = réunion d’événements élémentaires) qui
correspondent à des valeurs distinctes de X :
On peut d’emblée observer que les événements (X = 0), (X = 1), (X =2)
et (X = 3) sont deux à deux disjoints. De plus, la réunion de ces
événements est Ω.
Loi d’une variable aléatoire
Définition
La loi d’une variable aléatoire discrète X est la liste de
toutes les valeurs différentes que peut prendre X avec les
probabilités qui leur sont associées.
Exemple :
nous avons déjà la liste de tous les événements élémentaires et ils
sont équiprobables, de probabilité 1/8. D’après la composition des
événements [X = k], pour k = 0, ..., 3, on peut déduire facilement la loi
de X.
Un autre outil permet de caractériser la loi d’une v.a. : il s’agit de la
fonction de répartition empirique.
Caractéristiques d’une
variable aléatoire
Fonction de répartition d'une variable aléatoire
Définition
Démonstration :
Variables aléatoires discrètes:
Une variable aléatoire discrète est une variable aléatoire dont le support
est un ensemble fini ou infini dénombrable.
Fonction de répartition
Espérance mathématiques
Variance et Écart-type
La variance permet de mesurer l’écart des valeurs de la variable par
rapport à l’espérance:
