Université M’hamed Bougara de Boumerdes
Faculté des Sciences
Département Informatique
Spécialités : ILTI, SIR, TI
Module
Processus Stochastiques
Objectifs de l’enseignement
Ce cours a pour objectif d’approfondir les connaissances de l’étudiant dans la
modélisation mathématique de phénomènes aléatoires où la dépendance de temps (ou
un autre paramètre) joue un rôle important.
Connaissances préalables recommandées Connaissances de bases de statistiques et
probabilités,
Pr. A. BERRICHI, Département d'Informatique, FS, UMBB, [email protected]
Chapitre 02
Probabilité conditionnelle et Indépendance
Pour une situation aléatoire donnée, la probabilité d’un événement dépend de tous les
renseignements dont on dispose sur cette situation. Si on nous donne un
renseignement (information supplémentaire), la probabilité de l’événement s’en trouve
modifiée.
Pr. A. BERRICHI, Département d'Informatique, FS, UMBB, [email protected]
Chap. 02 : Probabilité conditionnelle et Indépendance
La probabilité conditionnelle nous fournit un moyen de raisonner sur le résultat d'une
expérience, sur la base d'informations partielles. Voici quelques exemples :
a) Dans une expérience impliquant deux lancers successifs d'un dé, on sait que la somme des deux
lancers est 9. Quelle est la probabilité que le premier lancer soit un 6?
b) Dans un jeu de devinettes, la première lettre du mot est un · t ". Quelle est la probabilité que la
deuxième lettre soit un" h "?
c) Quelle est la probabilité qu'une personne souffre d'une certaine maladie étant donné qu'un test
médical a été négatif?
d) Une tache apparaît sur un écran radar. Quelle est la probabilité de correspondre à un avion?
3
Chap. 02 : Probabilité conditionnelle et Indépendance
1. Probabilité conditionnelle
Etant donné un événement B, avec 𝑃 𝐵 > 0.
La probabilité conditionnelle que A se produise sachant B réalisé, est
définie par :
𝐴 𝑃(𝐴 ∩ 𝐵)
𝑃 𝐵 = 𝑃(𝐵)
N.B: Dans cette formule, le nouvel univers est B puisque B est réalisé.
Autrement dit, on opère un changement d’univers en passant de à Ω à B.
Exemple :
Une urne contient 10 billes blanches, 5 jaunes et 10 noires. Une bille est
tirée au hasard de l’urne et l’on constate qu’elle n’est pas noire .Quelle est
la Probabilité pour qu’elle soit jaune?
4
Chap. 02 : Probabilité conditionnelle et Indépendance
Réponse :
J : « la bille tirée est jaune »
N : « la bille tirée est noire »
𝑃(𝐽 ∩ 𝑁) 𝑃(𝐽) 5 1
𝐽 25
𝑃 = = = =
𝑁 𝑃(𝑁) 𝑃(𝑁) 15 3
25
5
Chap. 02 : Probabilité conditionnelle et Indépendance
2. Formule des probabilités composées
Les formules de probabilités conditionnelles peuvent s’écrire :
𝑃 𝐴∩𝐵 =𝑃 𝐴 ∗𝑃 𝐵 𝐴
𝑃 𝐴∩𝐵 =𝑃 𝐵 ∗𝑃 𝐴 𝐵
𝐴 𝑃 𝐴 ∗𝑃 𝐵 𝐴
Donc, 𝑃 𝐵 = (1ère Formule de BAYES).
𝑃 𝐵
Cette formule peut être généralisée.
Exercice:
Montrer que 𝑃 𝐴 ∩ 𝐵/𝐶 = 𝑃 𝐴/𝐵 ∩ 𝐶 . 𝑃 𝐵/𝐶 ; 𝑃 𝐶 ≠ 0.
6
Chap. 02 : Probabilité conditionnelle et Indépendance
Théorème (de la multiplication):
Soient 𝐴1, 𝐴2, … . 𝐴𝑛 n évènements,
𝐴2 𝐴3 𝐴𝑛
𝑃(𝐴1 ∩ 𝐴2 ∩ ⋯ ∩ 𝐴𝑛 ) = P(𝐴1 ) ∗ P( 𝐴1 ) ∗ P( 𝐴1 ∩ 𝐴2 ) ∗ ⋯ ∗ P( 𝐴1 ∩ … ∩ 𝐴𝑛−1 )
Exemple
Une urne contient R boules rouges et B boules blanches. On tire une
boule, on la garde puis on en tire une autre sans remise, au hasard.
Quelle est la probabilité d’avoir deux billes rouges au cours de 2
expériences ?
Réponse
Soit 𝑅𝑖 : "𝑂𝑛 𝑡𝑖𝑟𝑒 𝑢𝑛𝑒 𝑟𝑜𝑢𝑔𝑒 à 𝑙𝑎 𝑖è𝑚𝑒 𝑒𝑥𝑝é𝑟𝑖𝑒𝑛𝑐𝑒".
𝑅2 𝑅 𝑅−1
𝑃(𝑅1 ∩ 𝑅2 ) = P(𝑅1 ) ∗ P( 𝑅 ) = .
1 𝑅+𝐵 𝑅+𝐵−1 7
Chap. 02 : Probabilité conditionnelle et Indépendance
3. Indépendance d’événements
Définition : Deux événements A et B (𝑃 𝐵 ≠ 0) sont dits indépendants si
𝑃 𝐴 𝐵 = 𝑃(𝐴).
Autrement dit, la connaissance de B ne change pas les « chances » de réalisation de A.
Proposition : Deux événements A et B sont indépendants ssi:
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 ∗ 𝑃 𝐵 ou bien
𝑃 𝐴 𝐵 = 𝑃 𝐴 et 𝑃 𝐵 𝐴 = 𝑃(𝐵)
Exemple
On lance un dé honnête. Soient A et B les événements :
A : ‘On obtient un nombre pair’
B :’On obtient un nombre multiple de 3’
A et B sont-ils indépendants ?
8
Chap. 02 : Probabilité conditionnelle et Indépendance
4. Formule des probabilités totales
Elle permet de calculer la probabilité d’un événement B en le décomposant suivant un S.C.E.
Soient 𝐴 et 𝐴 avec 𝑃 𝐴 > 0 et 𝑃 𝐴 > 0, alors pour tout événement B,
on a :
𝑃 𝐵 = 𝑃 𝐴 ∗ 𝑃 𝐵 𝐴 + 𝑃 𝐴 ∗ 𝑃(𝐵 )
𝐴
9
Chap. 02 : Probabilité conditionnelle et Indépendance
Exemple
Un importateur reçoit sa marchandise (smartphones) de
deux pays (Finlande : 40%) et (Chine : 60%). 1% qui
proviennent de Finlande sont défectueux (Contre 3% de
Chine).
On prélève un smartphone au hasard de la marchandise.
Quelle est la probabilité qu’il soit défectueux ?
Réponse :
𝑃 𝐷 =𝑃 𝐹 ∗𝑃 𝐷 𝐹 +𝑃 𝐶 ∗𝑃 𝐷 𝐶
𝑃 𝐷 = 0.4 ∗ 0.0.1 + 0.6 ∗ 0.03
4 18 22
= + = = 0.022
1000 1000 1000
10
Chap. 02 : Probabilité conditionnelle et Indépendance
Exemple Un importateur reçoit sa marchandise (smartphones) de deux pays (Finlande :
40%) et (Chine : 60%). 1% qui proviennent de Finlande sont défectueux (Contre 3% de
Chine). On prélève un smartphone au hasard de la marchandise. Quelle est la probabilité
qu’il soit défectueux ?
Réponse :
𝑃 𝐷 =𝑃 𝐹 ∗𝑃 𝐷 𝐹 +𝑃 𝐶 ∗𝑃 𝐷 𝐶
𝑃 𝐷 = 0.4 ∗ 0.0.1 + 0.6 ∗ 0.03
4 18 22
= + = = 0.022
1000 1000 1000
Théorème (Généralisation) :
Soit {𝐴𝑖 }𝑖∈𝐸 un S.C.E de Ω. La probabilité d’un événement B quelconque peut se
décomposer de la façon suivante :
𝑃 𝐵 = 𝑃(𝐵 ∩ 𝐴𝑖 ) = 𝑃 𝐴𝑖 ∗ 𝑃 𝐵 𝐴
𝑖∈𝐸 𝑖∈𝐸 𝑖
11
Chap. 02 : Probabilité conditionnelle et Indépendance
5. Théorème de Bayes (2ième Formule de Bayes)
Supposons qu’un événement B puisse être influencé par de multiples
facteurs 𝐴1, 𝐴2, … . 𝐴𝑛 incompatibles entre eux (S.C.E). On connaît :
1. La probabilités d’apparition des facteurs 𝐴𝑖 : 𝑃 𝐴𝑖 . Ce sont des
probabilités a priori, en l’absence de toute autre information.
2. La probabilité d’apparition de l’événement B sachant la cause 𝐴𝑖 :
𝑃 𝐵 𝐴𝑖
Alors les probabilités (a posteriori) d’apparition de la cause𝐴𝑖 , sachant
que l’évènement B est réalisé, 𝑃 𝐴𝑖 𝐵 est égale à :
𝑃 𝐴𝑖 ∗ 𝑃(𝐵 𝐴 ) 𝑃 𝐴𝑖 ∗ 𝑃(𝐵 𝐴 )
𝐴𝑖 𝑖 𝑖
𝑃 𝐵 = =
𝑃(𝐵) 𝑛
𝑃 𝐴 ∗ 𝑃(𝐵 )
𝑖=1 𝑖 𝐴𝑖
12
Chap. 02 : Probabilité conditionnelle et Indépendance
Exemple
L’exemple de l’importateur de smartphones.
𝑃 𝐹 𝐷 =?
𝑃 𝐶 𝐷 =?
Réponse:
𝑃 (𝐹 ∩𝐷) 𝑃 𝐹 ∗𝑃(𝐷 𝐹) 𝑃 𝐹 ∗𝑃(𝐷 𝐹)
𝑃 𝐹 = = =
𝐷 𝑃(𝐷) 𝑃(𝐷) 𝑃 𝐹 ∗𝑃(𝐷 𝐹)+𝑃 𝐶 ∗𝑃(𝐷 𝐶)
𝐹 0.4 × 0.01
𝑃 𝐷 = 04 × 0.01 + 0.6 × 0.03
De même,
𝑃 𝐶 𝐷 =?
13
