Chapitre 1

Quest-ce quune probabilit ?

1
1.1

Modliser une exprience dont on ne peut prdire le rsultat

Ensemble fondamental dune exprience alatoire

Une exprience alatoire est une exprience dont on ne peut pas prdire le rsultat. Lensemble fondamental dune exprience alatoire est lensemble de tous les rsultats possibles de lexprience. Cet ensemble est en gnral not . Il peut tre ni, dnombrable, ou inni non dnombrable. Un point est une ralisation de lexprience. Exemple 1.1 1. On lance un d, on sintresse au chire obtenu. Lensemble fondamentale est alors ni, plus prcisment = {1, 2, 3, 4, 5, 6}. 2. On jette une pice autant de fois que ncessaire pour obtenir une fois "face". Lensemble fondamentale est alors inni dnombrable. Si on note F pour "face" et P pour "pile", on a = {F, P F, P P F, P P P F, . . . , P P P P P F, . . .}. 3. On sintresse la dure de vie dune bactrie. Lensemble fondamental est alors inni, non dnombrable : = [0, +[. Remarque 1.2 Une exprience doit tre dcrite de faon prcise an son ensemble fondamentale soit dni de faon claire. Lorsquon lance un d il peut se passer beaucoup de choses, il peut attrir sur une face, sur la tranche, dans un trou...

1.2

vnement dune exprience alatoire

Dnition 1.3 Un vnement dune exprience alatoire est une combinaison de rsultats possibles. Exemple 1.4 On lance deux ds et on regarde les chires obtenus. Lensemble fondamental est = {(1, 1), (1, 2), (1, 3) . . . , (2, 1), (2, 2), . . . , (6, 5), (6, 6)}.

On peut considrer les vnements suivants : - la somme des points est 6 : A = {(1, 5), (5, 1), (2, 4), (4, 2), (3, 3)}, 7

CHAPITRE 1. QUEST-CE QUUNE PROBABILIT ?

- la somme des points est un multiple de 3 : B = {(1, 2), (2, 1), (1, 5), (5, 1), (2, 4), (4, 2), (3, 3), (3, 6), (6, 3), (4, 5), (5, 4), (6, 6)}. Toute exprience alatoire comprend un vnement certain et un vnement impossible. Lvnement impossible, not , est le sous-ensemble qui ne contient pas dlments. Lvnement certain est le sous-ensemble qui contient tous les lments, cest lensemble fondamental lui-mme. Exemple 1.5 On lance un d. Si A1 est lvnement "le nombre de points est suprieur 7", alors A1 = . Si A2 est lvnement "le nombre de points est infrieur 7", alors A2 = {1, 2, 3, 4, 5, 6} = . On appelle vnement simple un vnement qui ne contient quun seul lment.

1.3

Oprations sur les vnements

Soit A et B deux vnements. - Ngation : A est lvnement contraire de A, ou complmentaire de A par rapport : A = \A. A est lvnement qui se ralise lorsque A ne se ralise pas. - Intersection : Lvnement C = AB combin partir des vnements A et B est ralis lorsque A et B sont raliss simultanment. - Union : Lvnement D = A B combin partir des vnements A et B est ralis lorsque lun des vnements A ou B est ralis. Deux vnements A et B sont dits incompatibles ou disjoints si A B = . La relation "lvnement A implique lvnement B" signie que si A se ralise alors B se ralise aussi. On a A B. Exemple 1.6 On jette deux ds. On considre les vnements suivants : A ="la somme des points vaut 6", B ="la somme des points est un multiple de 3", C ="avoir au moins un 6". On a alors B = {(1, 2), (2, 1), (1, 5), (5, 1), (2, 4), (4, 2), (3, 3), (3, 6), (6, 3), (4, 5), (5, 4), (6, 6)} C = {(1, 6), (6, 1), (2, 6), (6, 2), (3, 6), (6, 3), (4, 6), (6, 4), (5, 6), (6, 5), (6, 6)} On a A B, A C = et C ="navoir aucun 6". Extension des dnitions : On considre une suite innie dvnements A1 , A2 , . . . . - Lunion Ai est lvnement qui regroupe tous les points des vnements A1 , A2 , . . . : i=1 on a "a Ai " ssi "il existe un entier i 1 tel que a Ai ". i=1 - Lintersection Ai est lvnement compos des points communs tous les vnements i=1 A1 , A2 , . . . : on a "a Ai " ssi "pour tous les entiers i 1 on a a Ai ". i=1 A = {(1, 5), (5, 1), (2, 4), (4, 2), (3, 3)}

Notion de probabilit

Considrons une exprience dont lensemble fondamental est . On dnit sur lensemble des vnements une fontion qui chaque vnement associe un poids, appel probabilit, compris entre 0 et 1 : plus le poids est proche de 0 moins lvnement risque de se raliser, plus le poids est proche de 1 plus lvnement se ralisera souvent.

2. NOTION DE PROBABILIT

Dnition 2.1 Une probabilit (ou mesure de probabilit) IP sur est une application sur lensemble des vnements telle que (i) IP() = 1 (iii) pour toute suite A1 , A2 , . . . dvnements disjoints (i.e., pour tout i = j, Ai Aj = ), on a IP(

(ii) pour tout vnement A, 0 IP(A) 1,

Ai ) =

IP(Ai ).

i=1

i=1

Une probabilit est une mesure dans le sens o plus un vnement est grand plus sa probabilit est importante. Proprits 2.2 On a alors 1. IP() = 0. 2. Si A et B sont deux vnements disjoints alors IP(A B) = IP(A) + IP(B). De mme, si A1 , A2 , . . . , An est une suite nie dvnements disjoints, on a
n n

IP(
i=1

Ai ) =
i=1

IP(Ai ).

4. Si A B, alors IP(A) IP(B) et IP(B\A) = IP(B) IP(A).

Preuve. 1. On pose A1 = et Ai = pour i 2. Alors daprs (iii), on a P () = P () + I P() = 0. 2. On pose Ai = pour i n + 1, alors daprs (iii) I P(
[ X i=1 X X i=2

3. Pour tout vnement A, IP(A) = 1 IP(A)

I P() et donc

Ai ) =

I P(Ai ) = Ai =

i=1

On conclut en remarquant que

4. Si A B, les vnements A1 = A et A2 = B\A sont disjoints et A1 A2 = B , alors I P(B) = I P(B\A) + I P(A).

3. Les vnements A1 = A et A2 = A sont disjoints et A1 A2 = , donc I P() = 1 = I P(A) + I P(A).

i=1

Sn

n X i=1

I P(Ai ) + Ai .

I P() =

i=n+1

n X i=1

I P(Ai ).

i=1

Proposition 2.3 Soit A et B deux vnements quelconques, alors IP(A B) = IP(A) + IP(B) IP(A B). De plus si (An )n0 est une suite dvnements quelconque, on a
+ +

IP(
i=1

Ai )

IP(Ai ).
i=1

10

CHAPITRE 1. QUEST-CE QUUNE PROBABILIT ?

Preuve. Il sut dcrire A B comme lunion disjointe (A\(A B)) (B\(A B)) (A B) pour la Bi = Ai \(A1 . . . Ai ). Les vnements Bi sont disjoints avec Bi Ai et premire relation et de gnraliser cela pour la seconde en posant B1 = A1 , B2 = A2 \(A1 A2 ), . . ., S+ S+ i=1 Ai = i=1 Bi .

Cas particulier dun ensemble fondamental discret Considrons une exprience alatoire dont lensemble fondamental est ni ou dnombrable : = {1 , . . . , n , . . .} o les points i sont distincts. Une probabilit P sur cet espace est entirement dtermine par les probabilits IP({i }), pour i 1. En eet, si A est un vnement on a IP(A) =
i A

IP({i }).

On a forcment que la somme totale des probabilits est gale 1 :

+

IP() =
i=1

IP({i }) = 1

Exemple important : lquiprobabilit Si = {1 , . . . , n } est un espace ni o les points i sont distincts, on dnit la probabilit uniforme comme la probabilit qui associe chaque singleton {i } la mme valeur, cest dire IP({i }) = IP({j }) pour tout i, j. Comme IP() = 1 = n IP({i }), on a forcment i=1 1 1 . On dit alors quon est dans une situation dquiprobabilit. IP({i }) = = n card() Exemple 2.4 On jette un d : = {1, 2, . . . , 6}. On dnit la probabilit de tomber sur une face du d. On suppose que le d est bien quilibr (non truqu), cest dire que chaque face la mme chance dapparatre. On est en situation dquiprobabilit et donc IP({i}) = 1/6 pour i {1, 2, . . . , 6}. Soit A lvnement "obtenir un chire pair", on a alors IP(A) = IP({2, 4, 6}) = IP({2}) + IP({4}) + IP({6}) = 1/2. Soit B lvnement "obtenir au moins deux". On remarque que B ="tomber sur 1", do IP(B) = 1 IP(B) = 1 1/6 = 5/6

Probabilits conditionnelles

En 2005, en France, le nombre de porteurs du virus de lhpatite C (VHC+ ) est denviron 300 000 personnes 1 . Un mdecin avant de recevoir un patient inconnu en consultation peut donc estimer que ce patient a une probabilit de 0.5% dtre VHC+ en supposant que sa clientle ressemble globalement lensemble de la population franaise (qui comporte environ 60 millions de personnes). Si en consultant le dossier du patient, il saperoit que son patient a 10 ans, alors la probabilit que ce patient soit VHC+ chute pour devenir infrieur 104 (vu le mode de transmission du virus). Par contre si en consultant le dossier, il saperoit que le patient est toxicomane par voie intraveineuse depuis 10 ans, les donnes pidmiologiques
1. Voir travaux de C. Mere and al. de lInstitut de veille sanitaire prsents en 2005.

3. PROBABILITS CONDITIONNELLES

11

montrent que la probabilit que ce patient soit VHC+ est alors suprieure 50%. Si dans le dossier, il est seulement indiqu que le patient est asthmatique, alors le mdecin naura aucune information supplmentaire vu quil ny a aucun lien entre lasthme et le fait dtre porteur de VHC. Le mdecin estimera donc que son patient a toujours une probabilit de 0.5% dtre VHC+ . Le fait davoir lasthme inue pas sur la probabilit dtre VHC+ , on dit que ces vnements sont indpendants. On voit bien dans cet exemple quune information complmentaire peut inuer ou non la probabilit dtre VHC+ . La notion de probabilit conditionnelle permet de prendre en compte des information complmentaires dans le calcul des probabilits. Dans lexemple suivant, on quantie exactement de le rle dune information complmentaire. Exemple 3.1 On jette deux ds distincts. On a = {(1, 1), (1, 2), . . . , (5, 6), (6, 6)}. On a donc 36 vnements lmentaires qui ont chacun la mme probabilit dapparatre, soit 1/36. On veut connaitre la probabilit de lvnement A : "la somme des ds vaut 8". On remarque que A = {(2, 6), (6, 2), (3, 5), (5, 3), (4, 4)}, do IP(A) = 5/36. Maintenant on cherche toujours la mme probabilit, mais on sait dj que le premier d donne un 3. On note B lvnement : "le premier d vaut 3". Que vaut alors la probabilit que la somme vaut 8 sachant que le premier d vaut 3 ? La probabilit recherche est appele probabilit conditionnelle de A sachant B et est note PB (A). Sachant que le premier d vaut 3, on ne regarde plus la mme exprience, on nest plus sur le mme espace car on ne considre plus que le deuxime d (cest comme-ci on ne lancait plus quun d). Il y a alors 6 rsultats dans cette exprience : {1, 2, 3, 4, 5, 6} et chacune a la mme probabilit dapparatre, soit 1/6. Par consquent la probabilit que la somme des deux ds soit gale 8 sachant que le premier d vaut 3 est PB (A) = 1/6 (il ny a quune possibilit, le deuxime d doit valoir 5). On remarque que lvnement A B est lvnement "le premier d donne 3 et la somme des chires vaut 8 lorsquon lance deux ds", on a alors A B = {(3, 5)} dans lensemble = {(1, 1), (1, 2), . . . , (5, 6), (6, 6)} de cardinal 36. Dautre part, on a B = {(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6)}. Do IP(A B) = 1/36 et IP(B) = 6/36 = 1/6. On remarque que IPB (A) = IP(A B) . IP(B)

Dnition 3.2 Soient A et B deux vnements avec IP(B) = 0. La probabilit conditionnelle PB (A), not aussi IP(A|B), de A sachant B est dnie par : IPB (A) = IP(A B) IP(B)

3.1

Formule de Bayes

On considre deux vnements A et B quelconques. On peut A crire comme lunion de deux vnements disjoints : A = (A B) (A B), do IP(A) = IP(A B) + IP(A B) = IPB (A)IP(B) + IPB (A)IP(B) (1.1)

12

CHAPITRE 1. QUEST-CE QUUNE PROBABILIT ?

Lquation (1.1) sappelle formule des probabilits totales. Exemple 3.3 Une compagnie dassurance rpartit ses clients en deux classes : ceux qui sont enclins aux risques cardio-vasculaires (ie., haut risque) et ceux qui ne le sont pas (i.e., risque modr). Elle constate que ceux haut risque ont une probabilit de 0.4 davoir un accident dans lanne, tandis que ceux risque modr ont une probabilit de 0.2. On suppose que 30% de la population est haut risque. Quelle est alors la probabilit quun nouvel assur ait un accident cario-vasculaire durant lanne qui suit le signature de son contrat ? On note A lvnement "lassur a un accident pendant lanne" et B lvnement "lindividu est haut risque". Alors daprs la formule des probabilits totales (1.1), on a IP(A) = 0.4 0.3 + 0.2 0.7 = 0.26.

La formule de Bayes permet de calculer les probabilits a postriori dun vnement en fonction des probabilits a priori de cet vnement, i.e. connaitre IPA (B) quand on connait IPB (A) et IPB (A). Proposition 3.4 Soient A et B deux vnements. La formule de Bayes scrit : IPA (B) =
Preuve. Il sut dcrire I A (B) = P

IPB (A)IP(B) IPB (A)IP(B) + IPB (A)IP(B)

I P(A B) I B (A)I P P(B) = et dutiliser la formule des probabilits totales. I P(A) I P(A)

Attention ! IPB (A) = 1 IPB (A). Par contre, on a bien IPB (A) = 1 IPB (A). La fonction
A IPB (A) est une probabilit. Exemple 3.5 On reprend lexemple 3.3 sur la compagnie dassurance. On veut connaitre la probabilit quun assur bas risque ait un accident cadio-vasculaire, i.e. la probabilit IPA (C), o C est lvnement "lassur nest pas enclin aux accidents". On remarque que C = B. Do IPC (A)IP(C) 0.2 0.7 IPA (C) = = = 0.54. IP(A) 0.26

Indpendance entre deux vnements

Dans le langage courant, on dit de deux vnements qui ne sont pas lis entre eux quils sont indpendants. Par consquent, on a tendance dire que si A et B sont indpendants, la connaissance de B ne donne aucune information utile pour la connaissance de lvnement A et donc de manire naturelle IPB (A) doit tre gale IP(A). On va donner partir de cette constatation la dnition mathmatique de lindpendance : Dnition 4.1 Deux vnements A et B sont indpendants si IP(A B) = IP(A)IP(B).

Attention ! Les notions dvnements indpendants et dvnements disjoints nont aucun rapport. Par exemple, si on jette deux ds et on considre les vnements A ="le premier d vaut 3" et B ="le deuxime d vaut 1". Les vnements sont indpendants car on jette les ds de faon indpendante, mais les vnements ne sont pas disjoints car lvnement A B = {le premier d vaut 3 et le deuxime vaut 1} est possible.

5. PETITS RAPPELS DANALYSE COMBINATOIRE

13

Proposition 4.2 Si A et B sont deux vnements indpendants, alors A et B le sont aussi.

Preuve. On crit A comme lunion de deux vnements disjoints : A = (AB)(AB). Do I P(A) = I P(A et donc A et B sont indpendants. B) + I P(A B) = I P(A)I P(B) + I P(A B). Ce qui implique que I P(A B) = I P(A) I P(A)I P(B) = I P(A)I P(B)

4.1

Indpendance entre plusieurs vnements

Dnition 4.3 On considre n vnements A1 , . . . , An . Les vnements sont mutuellements indpendants si pour tout k n, pour tout i1 , . . . , ik {1, . . . , n} distincts on a IP(Ai1 Ai2 Aik ) = IP(Ai1 )IP(Ai2 ) . . . IP(Aik ). Remarque 4.4 Si des vnements sont mutuellements indpendants, alors ils sont indpendants deux deux, mais la rciproque est fausse. Par exemple, on jette deux ds, lun rouge lautre bleu et on considre les vnements suivants : B = {le d bleu donne un chire impair} A = {le d rouge donne un chire impair}

C = {la somme des deux ds est un chire impair}.

A, B et C sont deux deux indpendants mais pas mutuellement indpendants.

Petits rappels danalyse combinatoire

Dans le cas ni, lorsque les vnements lmentaires sont quiprobables (par exemple, lorsque lon lance des ds non truqus), on peut calculer la probabilit dun vnement A par : nombre de cas favorables IP(A) = . nombre de cas possibles Lanalyse combinatoire est ltude des dirents manires de "ranger" des objets.

5.1

Permutations

On appelle permutation un rangement ordonn de n objets. Le nombre de permutations est alors gal n!. Par exemple, si on considre trois objets a, b, c, il y a 3! = 6 faons de les ordonner : abc , acb , bac , bca , cab , cba.

5.2

Permutations avec rptition

Le nombre de permutations possible lorsque certains objets sont identiques est plus faible que lorsque tous les objets sont distincts. Si on considre n objets comprenant respectivement n! n1 , n2 , . . . , nk termes identiques, le nombre de permutations est gal . n1 !n2 ! . . . nk ! Si on veut ranger 3 boules vertes et 2 boules rouges, on a en tout 5 lments. Le nombre de 5! classements est alors = 10. 3!2!

14

CHAPITRE 1. QUEST-CE QUUNE PROBABILIT ?

5.3

Arrangements

On veut ranger k lments parmi n en tenant compte de lordre. On nautorise pas les rptitions dobjet (on ne peut pas utiliser plusieurs fois le mme lment). Le nombre de possibilits est alors : n! Ak = n (n k)!

Par exemple si on veut savoir combien de nombres 3 chires peuvent tre forms avec lensemble 1, 3, 5, 7, 9. On trouve dans ce cas A3 = 60. 5

5.4

Combinaisons

Ces coecients satisfont une relation bien utile (triangle de Pascal) : n k = n1 k1

n

On veut ranger k lments parmi n mais cette fois-ci lordre ne nous intresse pas. On nautorise toujours pas les rptitions (exprience sans remise). Le nombre de possibilits est alors : n! n . = k k!(n k)! n1 k

La formule du binme de Newton est donne par (a + b)n =

k=0

n k

ak bnk .

6. EXERCICES SUR LE CHAPITRE 1

15

Exercices sur le chapitre 1

Exercice 1.1. Soit IP une probabilit et A, B, C trois vnements. Exprimer en fonction de IP(A), IP(B), IP(C), IP(A B), IP(A C), IP(B C) et, IP(A B), IP(A B C) les probabilits des vnements suivants : 1. A seul se produit 2. A et B se produisent mas pas C 3. les trois vnements se produisent simultanment 4. au moins lun des vnements se produit 5. au moins deux vnements se produisent 6. deux vnements au plus se produisent 7. un seul vnement se produit 8. deux vnements seulement se produisent 9. aucun des trois vnement ne se produit Exercice 1.2. Le jeu du loto consiste deviner les 6 entiers qui vont tre tir au hasard parmi les entiers {1, . . . , 49}. 1. Comment modliser le tirage de 6 entiers parmi {1, . . . , 49} ? (Expliciter lunivers et la probabilit P sur .) 2. On considre les vnements suivants : Ak = avoir devin exactement k bon(x) numro(s), k {0, 1, . . . , 6}, P = perdre=avoir 0,1 ou 2 bon(s) numro(s), G = gagner=avoir au moins 3 bons numros. Calculer la probabilit de ces vnements. Exercice 1.3. Une boite I contient trois biles rouges et deux billes bleues et une boite II contient deux billes rouges et huit billes bleues. On lance une pice de monnaie. Si le rsultat est face, on tire une bille de la boite I et si le rsultat est pile, on tire une bille de la boite II. Quelle est la probabilit de tirer une bille rouge ? Si on a tir une bille rouge, quelle est la probabilit davoir eu face ? Exercice 1.4. Une maladie M aecte 0, 5% de la population. On observe que 80% des malades possdent un allle spcique du gne G, qui nest prsent que dans 12% de la population globale. On souhait utiliser la prsence de lallle du gne G an de conclure une prdisposition dvelopper la maldie M . 1. Quelle est la probabilit quun sujet dveloppe la maladie M sil a lallle du gne G ? 2. Quelle est la probabilit quun sujet dveloppe la maladie M sil na pas lallle du gne G ? 3. Quelle est la proportion de gens qui ont lallle du gne G et qui ne dveloppe pas M?

16

CHAPITRE 1. QUEST-CE QUUNE PROBABILIT ?

Exercice 1.5. Une maladie aecte 0.05% de la population. Un test T permet de dpister cette maladie avec la abilit suivante : T est positif pour 99% des personnes aectes par la maladie T est ngatif pour 95% des personnes non aectes par la maldie. 1. Calculer la probabilit quun individu ayant un test positif soit aect par la maladie. 2. Calculer la probabilit quun individu soit non malade quand le test est ngatif Exercice 1.6. Soit A et B deux vnements indpendants de probabilits respectives IP(A) = 0.3 et IP(B) = 0.7, calculer IP(A B), IP(A B) et IP(A B).