Calcul Proba

C a lc u l d e p r o b a b ilit é s E v é n e m e n t s P r o b a b ilit é s u r u n e s p a c e …n i P r o b a b ilit é u n ifo r m e P r o b a b ilit é c o n d it io n n e lle Fo
Introduction au calcul de probabilités
Dr. Meriem Bouhadjar
2017/2018
(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 1/32

1 Calcul de probabilités
2 Evénements
3 Probabilité sur un espace …ni
4 Probabilité uniforme

2 Evénements

2 Evénements

2 Evénements

Calcul de probabilités
De…nition
Toute expérience dont on ne connait pas son issue s’appelle expérience
aléatoire.
Lancer un dé une ou plusieurs fois

Tirer une boule d’une urne
Tirer sur une cible,...
De…nition
L’ensemble de tous les résultats possibles d’une expérience aléatoire
s’appelle espace d’épreuves ou ensemble fondamental et on le note .
Lors du lancer d’un dé = f1; 2; 3; 4; 5; 6g

Lors du lancer de deux dés
= f(1; 1); (1; 2); (1; 3); :::; (4; 6); (5; 6); (6; 6)g
Evénements
Si on considère l’ensemble des cas possibles observables à l’issue d’une

expérience aléatoire, un événement lié à cette épreuve peut être représenté
par un sous ensemble A de . D’où A 2 P( ).
De…nition
Tout sous ensemble de s’apelle événement.
Il existe di¤érents types d’événements

est appelé ensemble fondamental.
Un événement élémentaire est un événement qui ne sera réalisé que par
un seul résultat de l’épreuve aléatoire, on le notera f!g et ! est appelé
éventualité.
A 2 P( ) avec card(A) 2 s’appelle événement composé.

Evénements
Alors dans le cas d’événements on pourra utiliser le langage ensembliste.

Si A et B sont deux événements liés à un expérience aléatoire.
L’événement contraire de A noté A se produit si et seulement si A ne se
réalise pas.
L’événement "A ou B" noté A [ B se produit si et seulement si A ou
B ou les deux se réalisent.
L’événement "A et B" noté A \ B se produit si et seulement si A et
B se réalisent ensemble.
Si A \ B = ? on dit que les deux événements sont incompatibles.

Evénements
L’événement "A non B" noté A B signi…e que A est réalisé mais B
ne l’est pas.
est l’événement certain car il se réalise toujours.
? est l’événement impossible car il ne se réalise jamais.
La relation A B signi…e que la réalisation de B entraine la
réalisation de A.

Probabilité sur un espace …ni
De…nition
Soit un espace …ni et non vide, une probabilité P est une application de
P( ) sur [0; 1] telle que
1 P( ) = 1:
2 8A 2 P( ) , 8B 2 P( ) tels que A \ B = ? on a P(A [ B) = P(A) + P(B):
3 Si A1 ; A2 ; :::; An ; est une suite dénombrable d’événements incompatibles
deux à deux alors
1
X
1
P [ Ai = P(Ai )
i=1
i=1


On appelle espace probabilisé …ni le triplet ( ; P( ); P) .
Propriété
8A 2 P( ); P(A) = 1 P(A)
Preuve. Nous avons = A [ A et A \ A = ?

Ainsi : P( ) = 1 = P A [ A = P(A) + P(A) =) 1 = P(A) + P(A)
donc P(A) = 1 P(A)
Remarque
P(?) = 0
Preuve. En e¤et, [ ? = et
\ ? = ? =) 1 = P( ) = P ( [ ?) = P( ) + P(?) = 1 + P(?)
donc P(?) = 0

Théorème
8A 2 P( ); 8B 2 P( )on a P(A [ B) = P(A) + P(B) P(A \ B):
Preuve. Nous avons A [ B = A [ A \ B et A \ A \ B = ? ainsi

P (A [ B) = P A [ A \ B = P(A) + P(A \ B):::: (1)
Mais B = (A \ B) [ (A \ B)
avec (A \ B) \ (A \ B) = ? ainsi
P (B) = P(A \ B) + P(A \ B) =) P(A \ B) = P (B) P(A \ B) on applique
dans (1)
P(A [ B) = P(A) + P(B) P(A \ B)

Proposition.
P(A[B[C) = P(A)+P(B)+P(C) P(A\B) P(A\C) P(B\C)+P(A\B\C)
Preuve. Posons E = B [ C alors
P(A [ B [ C) = P(A [ E) = P(A) + P(E) P(A \ E) =
P(A) + P(B [ C) P(A \ (B [ C)) =
P(A) + P(B) + P(C) P(B \ C) P ((A \ B) [ (A \ C))
donc
P(A[B[C) = P(A)+P(B)+P(C) P(A\B) P(A\C) P(B\C)+P(A\B\C)

Propriété
Si A B alors P(A) P(B)

Examples
Exemple 1. On suppose que

P(A) = 0:10
P(B) = 0:30
P(A [ B) = 0:35
Calculer
P(A \ B)
P(A [ B)
P(A \ B)

Examples
P(A[B) = P(A)+P(B) P(A\B) =) P(A\B) = P(A)+P(B) P(A[B)

P(A \ B) = 0:10 + 0:30 0:35 =) P(A \ B) = 0:05
A [ B = (A \ B)
h i
P(A [ B) = P (A \ B) = 1 P(A \ B) = 1 0:05 =) P(A [ B) = 0:95

Examples
B = (A \ B) [ (A \ B)
P(B) = P(A \ B) + P(A \ B) =) P(A \ B) = P(B) P(A \ B) = 0:30 0:05
P(A \ B) = 0:25

Probabilité uniforme
Soit un espace …ni = f! 1 ; ! 2 ; :::; ! n g : ( ; P( )) un espace sur lequel on
peut dé…nir une probabilité P en donnant les nombres P(! i ) = pi telle que
n
X
8i = 1; :::; n; pi 0 et pi = 1
i=1
De…nition
On appelle probabilité uniforme l’application
P : P( ) ! [0; 1]
1
!i !
n
Plus généralement on dé…nit la probabilité P sous la forme suivante
Card (A)
8A 2 P( ); P(A) =
Card ( )
Remarque
Card (A) est le cardinal de A et Card ( ) est le cardinal de . On écrit
aussi :
Card (A) Nombre de cas favorables

P(A) = =
Card ( ) Nombre de cas possibles
On parle alors d’équiprobabilité ou de probabilité uniforme sur ( ; P( )) :
Exemple 2. Soit l’expérience aléatoire "jeter un Dé " = f1; 2; 3; 4; 5; 6g et
P(f1g) = P(f2g) = ::: = P(f6g) = 16 (sont dits équiprobables) donc

P(obtenir un numéro pair) = P (f2; 4; 6g) = P(A) = 36

Exemple 3. Si deux dés non truqués ont été lancés, trouver la probabilité que
la somme des valeurs observées sur les faces supérieures soit égale à 7.
Solution. Les déférentes possibilités pour avoir un 7 sont ;
A = f(1; 6) ; (2; 5) ; (3; 4) ; (4; 3) ; (5; 2) ; (6; 1)g ; Card (A) = 6
Card ( ) = 6:6 =) Card ( ) = 36
P(A) = Card(A) 6 1
Card( ) = 36 = 6 =) P(A) = 6
1

Exemple 3. Si deux dés non truqués ont été lancés, trouver la probabilité que
la somme des valeurs observées sur les faces supérieures soit égale à 7.
Solution. Les déférentes possibilités pour avoir un 7 sont ;
A = f(1; 6) ; (2; 5) ; (3; 4) ; (4; 3) ; (5; 2) ; (6; 1)g ; Card (A) = 6
Card ( ) = 6:6 =) Card ( ) = 36
P(A) = Card(A) 6 1
Card( ) = 36 = 6 =) P(A) = 6
1

Exemple 4. On tire une carte dans un jeu de 52 cartes. Soit les événements
C =“la carte tirée est un cœur ”, F =“la carte tirée est une …gure” quelque
soit la couleur.
Calculer P(C) ,P(F ) ,P(C \ F ) et P(C [ F ).


Solution. Card ( ) = 52; Card (C) = 13; Card (F ) = 12

Card(C) 13 1
1 P(C) = Card( ) = 52 = 4
Card(F ) 12 3
2 P(F ) = Card( ) = 52 = 13
Card(C\F ) 3
3 P(C \ F ) = Card( ) = 52
13+12 3 22 11
4 P(C [ F ) = P(C) + P(F ) P(C \ F ) = 52 = 52 = 26


Card(C) 13 1
1 P(C) = Card( ) = 52 = 4
Card(F ) 12 3
2 P(F ) = Card( ) = 52 = 13
Card(C\F ) 3
3 P(C \ F ) = Card( ) = 52
13+12 3 22 11
4 P(C [ F ) = P(C) + P(F ) P(C \ F ) = 52 = 52 = 26


Card(C) 13 1
1 P(C) = Card( ) = 52 = 4
Card(F ) 12 3
2 P(F ) = Card( ) = 52 = 13
Card(C\F ) 3
3 P(C \ F ) = Card( ) = 52
13+12 3 22 11
4 P(C [ F ) = P(C) + P(F ) P(C \ F ) = 52 = 52 = 26


Card(C) 13 1
1 P(C) = Card( ) = 52 = 4
Card(F ) 12 3
2 P(F ) = Card( ) = 52 = 13
Card(C\F ) 3
3 P(C \ F ) = Card( ) = 52
13+12 3 22 11
4 P(C [ F ) = P(C) + P(F ) P(C \ F ) = 52 = 52 = 26


Card(C) 13 1
1 P(C) = Card( ) = 52 = 4
Card(F ) 12 3
2 P(F ) = Card( ) = 52 = 13
Card(C\F ) 3
3 P(C \ F ) = Card( ) = 52
13+12 3 22 11
4 P(C [ F ) = P(C) + P(F ) P(C \ F ) = 52 = 52 = 26

Probabilité conditionnelle
Soit H un événement tel que P(H) 6= 0. Pour tout événement A, on dé…nit
P(A \ H)
P(A=H) =
P(H)
appelée probabilité conditionnelle de l’événement A sachant H

De…nition
Soit ( ; P( ); P)un espace probabilisé et H un événement …xé tel que
P(H) 6= 0: Alors l’application P(:=H) dé…nie par
P(:=H) : P( ) ! [0; 1]
A ! P(A=H)
est une nouvelle probabilité sur ( ; P( ))

L’application P(:=H) véri…e

1 P(?=H) = 0; P( =H) = 1;et si A H, P(A=H) = 1:
2 Soit A1 ; :::; Ai ; :::une suite d’événements sont deux à deux disjoints,alors
1
X
1
P( [ Ai =H) = P(Ai =H)
i=1
i=1
3 Pour tout A 2 P( ); P(A=H) = 1 P(A=H):

4 Pour tous A 2 P( ) et B 2 P( );si A B; P(A=H) P(B=H):
5 Pour tous A 2 P( ) et B 2 P( );
P(A [ B=H) = P(A=H) + P(B=H) P(A \ B=H)


1 P(?=H) = 0; P( =H) = 1;et si A H, P(A=H) = 1:
1
X
1
P( [ Ai =H) = P(Ai =H)
i=1
i=1

P(A [ B=H) = P(A=H) + P(B=H) P(A \ B=H)


1 P(?=H) = 0; P( =H) = 1;et si A H, P(A=H) = 1:
1
X
1
P( [ Ai =H) = P(Ai =H)
i=1
i=1

P(A [ B=H) = P(A=H) + P(B=H) P(A \ B=H)


1 P(?=H) = 0; P( =H) = 1;et si A H, P(A=H) = 1:
1
X
1
P( [ Ai =H) = P(Ai =H)
i=1
i=1

P(A [ B=H) = P(A=H) + P(B=H) P(A \ B=H)


1 P(?=H) = 0; P( =H) = 1;et si A H, P(A=H) = 1:
1
X
1
P( [ Ai =H) = P(Ai =H)
i=1
i=1

P(A [ B=H) = P(A=H) + P(B=H) P(A \ B=H)

Formule des probabilités totales
1 Si H est tel que P(H) 6= 0; P(H) 6= 0; on a
8A 2 P( ); P (A) = P(A=H)P(H) + P(A=H)P(H)
2 Si H1 ; ::; Hn est une partition …nie d’événements de de probabilités non

nulles,alors
Xn
8A 2 P( ); P (A) = P(A=Hi )P(Hi )
i=1

Formule des probabilités totales
1 Si H est tel que P(H) 6= 0; P(H) 6= 0; on a
8A 2 P( ); P (A) = P(A=H)P(H) + P(A=H)P(H)
2 Si H1 ; ::; Hn est une partition …nie d’événements de de probabilités non

nulles,alors
Xn
8A 2 P( ); P (A) = P(A=Hi )P(Hi )
i=1

Formule de Bayes
Soit A un événement de probabilité non nulle.Si les événements Hi (1 i n)

forment une partition de et aucun P(Hi ) n’est nul,on a pour tout j = 1; ::; n :
P(A=Hj )P(Hj )
P(Hj =A) = Pn
i=1 P(A=Hi )P(Hi )

Indépendance
De…nition
Soit ( ; P( ); P)un espace probabilisé. Deux événements A et B de cet espace
sont dits indépendants lorsque
P(A \ B) = P(A)P(B)
Proposition. Si A et B sont indépendants, il en est de même pour les paires

d’événements A et B, A et B, A et B.
Remarque
Ne pas confondre avec incompatible. A et B sont incompatibles
A \ B = ? () P(A \ B) = 0:

Exemples
Exemple 5. Dans une population de nouveau-nés, la probabilité de naissance

d’un garçon est de 0; 52. Dans cette population, 3% des …lles et 2% de garçons
présentent un ictère du nourrisson.
1 Calculer la probabilité qu’un nourrisson présente un ictère.
2 Quelle est la probabilité qu’un nouveau-né présentant un ictère soit une
…lle ?

Exemples
Exemple 5. Dans une population de nouveau-nés, la probabilité de naissance

d’un garçon est de 0; 52. Dans cette population, 3% des …lles et 2% de garçons
présentent un ictère du nourrisson.
1 Calculer la probabilité qu’un nourrisson présente un ictère.
2 Quelle est la probabilité qu’un nouveau-né présentant un ictère soit une
…lle ?

Exemples
Solution. G : garçons , F :…lle , I : ictère

Le choix du nourrisson se faisant au hasard, on est dans le cas d
équiprobabilité et ainsi
P(G) = 0:52
P(F ) = 0:48
P(I=F ) = 0:03
P(I=G) = 0:02
La probabilité totale :
I = I \ = I \ (F [ G) = (F \ I) [ (G \ I)
P(I) = P(F \ I) + P(G \ I) = P(F )P(I=F ) + P(G)P(I=G)
= (0; 48:0; 03) + (0; 52:0; 02) = 0; 0248 ' 2%
P(I) = 2%

Exemples
La probabilité qu’un nouveau-né présentant un ictère soit une

…lle est :
P(F \I) P(F )P(I=F ) (0;48:0;03)
P(F=I) = P(I) = P(I) = 0;0248 = 0; 5806 ' 58%
P(F=I) = 58%

Exemples
Exemple 6. Dans une population 40% des individus ont les yeux bruns, 25%
des individus ont les cheveux blonds, 15% des individus ont les yeux bruns et
les cheveux blonds.
On choisit un individu au hasard. Calculez :
1 La probabilité de l’événement : d’avoir les cheveux blonds si un individu a
les yeux bruns.
2 La probabilité de l’événement : d’avoir les yeux bruns si un individu a les
cheveux blonds.
3 La probabilité de l’événement : de ne pas avoir les yeux bruns si un
individu a les cheveux blonds.

Exemples
les cheveux blonds.
les yeux bruns.
cheveux blonds.

Exemples
les cheveux blonds.
les yeux bruns.
cheveux blonds.

Exemples
Solution.
P(CB\Y B) 0:15
1 P(CB=Y B) = P(Y B) = 0:4 = 0:375 ' 38%
P(Y B\CB) 0:15
2 P(Y B=CB) = P(CB) = 0:25 = 0:6 ' 60%
3 P(Y B=CB) = 1 P(Y B=CB) = 1 0:6 = 0:4 ' 40%

Exemples
Solution.
P(CB\Y B) 0:15
1 P(CB=Y B) = P(Y B) = 0:4 = 0:375 ' 38%
P(Y B\CB) 0:15
2 P(Y B=CB) = P(CB) = 0:25 = 0:6 ' 60%
3 P(Y B=CB) = 1 P(Y B=CB) = 1 0:6 = 0:4 ' 40%

Exemples
Solution.
P(CB\Y B) 0:15
1 P(CB=Y B) = P(Y B) = 0:4 = 0:375 ' 38%
P(Y B\CB) 0:15
2 P(Y B=CB) = P(CB) = 0:25 = 0:6 ' 60%
3 P(Y B=CB) = 1 P(Y B=CB) = 1 0:6 = 0:4 ' 40%

Exemples
Solution.
P(CB\Y B) 0:15
1 P(CB=Y B) = P(Y B) = 0:4 = 0:375 ' 38%
P(Y B\CB) 0:15
2 P(Y B=CB) = P(CB) = 0:25 = 0:6 ' 60%
3 P(Y B=CB) = 1 P(Y B=CB) = 1 0:6 = 0:4 ' 40%

Exemples
Solution.
P(CB\Y B) 0:15
1 P(CB=Y B) = P(Y B) = 0:4 = 0:375 ' 38%
P(Y B\CB) 0:15
2 P(Y B=CB) = P(CB) = 0:25 = 0:6 ' 60%
3 P(Y B=CB) = 1 P(Y B=CB) = 1 0:6 = 0:4 ' 40%

Examples
Exemple 7. Une étude de la population d’une grande ville a fait apparaitre

que pendant un mois.
1 35% des personnes sont allées au cinéma,
2 12% des personnes sont allées au Musée,
3 6% des personnes sont allées au cinéma et au
Musée.
Calculer la probabilité que pendant un mois une personne ait fait les choix
suivants :
1 aller au cinéma ou au Musée ;
2 ne pas aller au cinéma ;
3 n’aller ni au cinéma ni au Musée
4 aller au cinéma mais pas au Musée.

Examples

Musée.
suivants :

Examples

Musée.
suivants :

Examples

Musée.
suivants :

Examples
Solution. Si C ="aller au cinéma" et M ="aller au Musée" par hypothèse on

a:
P(C) = 0:35; P(M ) = 0:12; P(M \ C) = 0:06
Ainsi :
1 P(M [ C) = P(M ) + P(C) P(M \ C) = 0:35 + 0:12 0:06 = 0:41;
2 P(C) = 1 P(C) = 1 0:35 = 0:65;
3 P(M \ C) = P(M [ C) = 1 P(M [ C) = 1 0:41 = 0:59;
4 P C \ M =?
P(C) = P(M \ C) + P C \ M =) P C \ M =
P(C) P(M \ C) = 0:35 0:06 = 0:29:

Examples

a:
P(C) = 0:35; P(M ) = 0:12; P(M \ C) = 0:06
Ainsi :
1 P(M [ C) = P(M ) + P(C) P(M \ C) = 0:35 + 0:12 0:06 = 0:41;
2 P(C) = 1 P(C) = 1 0:35 = 0:65;
3 P(M \ C) = P(M [ C) = 1 P(M [ C) = 1 0:41 = 0:59;
4 P C \ M =?
P(C) = P(M \ C) + P C \ M =) P C \ M =
P(C) P(M \ C) = 0:35 0:06 = 0:29:

Examples

a:
P(C) = 0:35; P(M ) = 0:12; P(M \ C) = 0:06
Ainsi :
1 P(M [ C) = P(M ) + P(C) P(M \ C) = 0:35 + 0:12 0:06 = 0:41;
2 P(C) = 1 P(C) = 1 0:35 = 0:65;
3 P(M \ C) = P(M [ C) = 1 P(M [ C) = 1 0:41 = 0:59;
4 P C \ M =?
P(C) = P(M \ C) + P C \ M =) P C \ M =
P(C) P(M \ C) = 0:35 0:06 = 0:29:

Examples

a:
P(C) = 0:35; P(M ) = 0:12; P(M \ C) = 0:06
Ainsi :
1 P(M [ C) = P(M ) + P(C) P(M \ C) = 0:35 + 0:12 0:06 = 0:41;
2 P(C) = 1 P(C) = 1 0:35 = 0:65;
3 P(M \ C) = P(M [ C) = 1 P(M [ C) = 1 0:41 = 0:59;
4 P C \ M =?
P(C) = P(M \ C) + P C \ M =) P C \ M =
P(C) P(M \ C) = 0:35 0:06 = 0:29:

Examples

a:
P(C) = 0:35; P(M ) = 0:12; P(M \ C) = 0:06
Ainsi :
1 P(M [ C) = P(M ) + P(C) P(M \ C) = 0:35 + 0:12 0:06 = 0:41;
2 P(C) = 1 P(C) = 1 0:35 = 0:65;
3 P(M \ C) = P(M [ C) = 1 P(M [ C) = 1 0:41 = 0:59;
4 P C \ M =?
P(C) = P(M \ C) + P C \ M =) P C \ M =
P(C) P(M \ C) = 0:35 0:06 = 0:29:

Examples

a:
P(C) = 0:35; P(M ) = 0:12; P(M \ C) = 0:06
Ainsi :
1 P(M [ C) = P(M ) + P(C) P(M \ C) = 0:35 + 0:12 0:06 = 0:41;
2 P(C) = 1 P(C) = 1 0:35 = 0:65;
3 P(M \ C) = P(M [ C) = 1 P(M [ C) = 1 0:41 = 0:59;
4 P C \ M =?
P(C) = P(M \ C) + P C \ M =) P C \ M =
P(C) P(M \ C) = 0:35 0:06 = 0:29:

Examples

a:
P(C) = 0:35; P(M ) = 0:12; P(M \ C) = 0:06
Ainsi :
1 P(M [ C) = P(M ) + P(C) P(M \ C) = 0:35 + 0:12 0:06 = 0:41;
2 P(C) = 1 P(C) = 1 0:35 = 0:65;
3 P(M \ C) = P(M [ C) = 1 P(M [ C) = 1 0:41 = 0:59;
4 P C \ M =?
P(C) = P(M \ C) + P C \ M =) P C \ M =
P(C) P(M \ C) = 0:35 0:06 = 0:29:

Calcul Proba

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Calcul Proba

Enviado por

Direitos autorais:

Formatos disponíveis

C a lc u l d e p r o b a b ilit é s E v é n e m e n t s P r o b a b ilit é s u r u n e s p a c e …n i P r o b a b ilit é u n ifo r m e P r o b a b ilit é c o n d it io n n e lle Fo

Introduction au calcul de probabilités

Dr. Meriem Bouhadjar

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 1/32

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 2/32

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 2/32

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 2/32

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 2/32

Lancer un dé une ou plusieurs fois

Lors du lancer d’un dé = f1; 2; 3; 4; 5; 6g

Si on considère l’ensemble des cas possibles observables à l’issue d’une

Il existe di¤érents types d’événements

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 4/32

Alors dans le cas d’événements on pourra utiliser le langage ensembliste.

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 5/32

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 6/32

Probabilité sur un espace …ni

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 7/32

Probabilité sur un espace …ni

Preuve. Nous avons = A [ A et A \ A = ?

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 8/32

Probabilité sur un espace …ni

Preuve. Nous avons A [ B = A [ A \ B et A \ A \ B = ? ainsi

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 9/32

Probabilité sur un espace …ni

P(A[B[C) = P(A)+P(B)+P(C) P(A\B) P(A\C) P(B\C)+P(A\B\C)

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 10/32

Probabilité sur un espace …ni

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 11/32

Exemple 1. On suppose que

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 12/32

P(A[B) = P(A)+P(B) P(A\B) =) P(A\B) = P(A)+P(B) P(A[B)

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 13/32

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 14/32

Plus généralement on dé…nit la probabilité P sous la forme suivante

Card (A) Nombre de cas favorables

On parle alors d’équiprobabilité ou de probabilité uniforme sur ( ; P( )) :

Exemple 2. Soit l’expérience aléatoire "jeter un Dé " = f1; 2; 3; 4; 5; 6g et

P(f1g) = P(f2g) = ::: = P(f6g) = 16 (sont dits équiprobables) donc

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 16/32

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 17/32

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 17/32

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 18/32

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 19/32

Solution. Card ( ) = 52; Card (C) = 13; Card (F ) = 12

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 20/32

Solution. Card ( ) = 52; Card (C) = 13; Card (F ) = 12

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 20/32

Solution. Card ( ) = 52; Card (C) = 13; Card (F ) = 12

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 20/32

Solution. Card ( ) = 52; Card (C) = 13; Card (F ) = 12

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 20/32

Solution. Card ( ) = 52; Card (C) = 13; Card (F ) = 12

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 20/32

appelée probabilité conditionnelle de l’événement A sachant H

est une nouvelle probabilité sur ( ; P( ))

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 21/32

L’application P(:=H) véri…e

3 Pour tout A 2 P( ); P(A=H) = 1 P(A=H):

P(A [ B=H) = P(A=H) + P(B=H) P(A \ B=H)

(D é p a rte m e n t d e M é d e c in e ) B io sta tistiq u e s D r. M e rie m B o u h a d ja r 22/32

L’application P(:=H) véri…e

3 Pour tout A 2 P( ); P(A=H) = 1 P(A=H):