Indépendance Probabilités Conditionnelles
Short Description
Download Indépendance Probabilités Conditionnelles...
Description
Exemple.
Soit Ω = {1, 2, 3, 4, 5, 6, 7, 8} l'espa e asso ié au tirage d'un dé à 8 fa es 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 lan é et nous savons que le point
point soit au moins 4 (événement B ) ?
1 =P r(A2)P r(A3) 4 2
Indépendan e
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
pré ède né essairement 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'indépendan e 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 ae tée à un autre. La notion de probabilité onditionnelle est introduite an de formaliser le on ept de la probabilité de l'o
urren e d'un événement B sa hant 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
ee tué un onditionnement par A.
Dans le as où P r(A) 6= 0, l'indépendan e de A et B est équivalente à P r(B/A) = P r(B) ; e qui est en a
ord 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 sa hant que B s'est produit, i.e. les probabilités P r(Ai /B) ?
Proposition. Le ouple (A, P r(./A)) est un espa e probabilisé dis ret. Proposition.
Soit A1, ..., An une partition de Ω. Si ha un 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 espa e ( 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 espa e probabilisé dis ret et soit A un
événement de probabilité non nulle. On dénit sur P(Ω), l'appli ation
P r(./A) à valeurs dans [0, 1] par : P r(B/A) =
Exemple.
On lan e deux dés uniformes.
• Quelle est la probabilité d'avoir obtenu un double sa hant que la somme des points vaut 8 ? • Quelle est la probabilité d'avoir obtenu un double sa hant que la somme des points vaut au moins 10 ?
Solution : Cha une de es probabilités onditionnelles est dénie par une fra tion dont le numérateur est la probabilité de l'interse tion et
∀B ∈ P(Ω).
probabilité onditionnelle de sa hant A).
On appelle P r(B/A)
probabilité de B
P r(A ∩ B) , P r(A)
8
B
sa hant
A (ou 5
le dénominateur elle de la ondition. On trouve fa ilement : 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 repê hage en tirant au hasard parmi 3 papiers. Il y a : une question fa ile ave 3 han es sur 4 de donner la réponse
orre te, une question moyenne ave 2 han es sur 5 de donner la réponse
orre te, et une question di ile ave 1 han e sur 5 de donner la réponse
Dans la suite, nous onsidérons un ouple de v.a., mais l'étude s'étend à un nombre quel onque de v.a.
Dénitions.
Soient X et Y deux v.a. réelles sur le même espa e Ω. Le ouple (X, Y ) peut être onsidéré omme un ve teur aléatoire sur Ω. Sa loi est appelée loi onjointe de (X, Y ). La onnaissan e 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) :
orre te. Sa hant que le andidat a donné la réponse orre te, quelle est la probabilité pour qu'il s'agisse de la question fa ile ?
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 fa ile, de la question moyenne et de la question di ile resEn parti ulier, 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
pe tivement. Soit, par ailleurs, l'événement réponse orre te 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 piè e et on la repose sur la même fa e. On la relan e indépendamment du premier lan er.
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 distin tes
A. B.
Soit X la v.a. asso iée au lan er du dé. L'événement A
asso ié à la ondition est l'ensemble {1, 2, 3}. La probabilité de la
ondition A est 1 2 . L'espéran e onditionnelle re her hée 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 distin tes, 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
Espéran e Conditionnelle Soit X une v.a. et soit A un événement de probabilité non nulle.
espéran e de X sa hant 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 ve teur (X, Y ). Dans la suite, nous supprimons les indi es de P r lorsqu'il n'y a pas le danger de onfusion. La onnaissan e des lois marginales ne
E(X/A) = EP r(./A)X ou :
E(X/A) =
permet pas de re onstruire la loi onjointe.
Exemple.
On lan e une piè e authentique une première fois. Pour
le 2e lan er, on onsidère deux possibilités :
Exemple.
X 1 X(ω)P r({ω}). P r(A) ω∈A
Quelle est l'espéran e d'un dé uniforme sa hant que le
nombre sorti est inférieur ou égal à 3 ?
13
15
View more...
Comments