Esp Prob - Esp Cond

Espace Probabilisé
Probabilité conditionnelle
Indépendance stochastique
Espace Probabilisé -Probabilité conditionnelle
Présenté par: Sonia Chaari
Faculté des sciences de Bizerte
AU 2022-2023
Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

1 Espace Probabilisé
Théorie des Ensembles et Analyse Combinatoire
Premiers éléments de Théorie des Probabilités
2 Probabilité conditionnelle
3 Indépendance stochastique

Théorie des ensembles
Définitions
1 Un ensemble est une collection d’objets appelés éléments.
2 ∅ ensemble vide : il ne contient aucun élément.

3 Soit Ω un ensemble:
Un ensemble A est un sous ensemble de Ω si tous les éléments
de A sont éléments de Ω.
On dit aussi que A est une partie de Ω.
L’ensembles de tous les parties de Ω est noté P(Ω).
4 Exemple: Donner l’ensemble des parties de Ω avec
Ω = {a, b, c}.
P(Ω) = {{a, b, c}, {a, b}, {a, c}, {b, c}, {a}, {b}, {c}, ∅}.

Définitions

Ω = {a, b, c}.
P(Ω) = {{a, b, c}, {a, b}, {a, c}, {b, c}, {a}, {b}, {c}, ∅}.

Définitions

Ω = {a, b, c}.
P(Ω) = {{a, b, c}, {a, b}, {a, c}, {b, c}, {a}, {b}, {c}, ∅}.

Définitions

Ω = {a, b, c}.
P(Ω) = {{a, b, c}, {a, b}, {a, c}, {b, c}, {a}, {b}, {c}, ∅}.


Suite Définitions
Soient Ω, A, B ∈ P(Ω):
Appartenance:
x ∈ A signifie que l’élément x est un élément de A.
x ̸∈ A signifie que l’élément x n’est pas un élément de A.
Inclusion:
A ⊂ B signifie que tous les éléments de A sont dans B.
A ̸⊂ B signifie qu’il existe au moin un élément x ∈ A mais
x ̸∈ B.
Complémentaire:
A ou Ac ensemble des éléments de Ω qui n’appartiennent pas
à A.
Union:
A ∪ B: x ∈ A ∪ B ⇐⇒ x ∈ A ou x ∈ B.
Suite Définitions
Intersection:
A ∩ B: x ∈ A ∩ B ⇐⇒ x ∈ A et x ∈ B.
Différence:
A\B = A ∩ B.
Application:
Une application d’un ensemble E dans un ensemble F est une
correspondance qui chaque élément X ∈ E associe au moins
un élément y de F .

Remarque
1 A ∪ A = A, A ∪ ∅ = A.
2 A ∩ A = A, A ∩ ∅ = ∅.
3 Si A ⊂ B alors A ∪ B = B.
4 Si A ⊂ B alors A ∩ B = A.
Définition
A et B sont disjoints si et seulement si A ∩ B = ∅.

Propriétés
1 A ∩ B = B ∩ A et A ∪ B = B ∪ A.
2 A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C).
3 A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C).
4 A ∩ B = A ∪ B.
5 A ∪ B = A ∩ B.

Notion de cardinal
Si Ω a un nombre fini d’éléments, alors pour tout A ∈ P(Ω), A a
également un nombre fini d’éléments. Le nombre des éléments de
A est le cardinal de A, on le note card(A).
1 card(A) = card(Ω) − card(A).
2 card(A ∪ B) = card(A) + card(b) − card(A ∩ B).
3 card(A\B) = card(A) − card(A ∩ B).
4 card(∅) = 0.

Analyse combinatoire
Introduction
L’analyse combinatoire a pour but de dénombrer les différents
choix de p éléments parmi n, avec p ∈ N∗ et n ∈ N∗ dans les cas
suivants:
↗ avec répétition.
* Choix avec ordre :
↘ sans répétition.
* Choix sans ordre = avoir un sous ensemble.

Arrangement (sans répétition)
Définition
Etant donné un ensemble de n objets, (n ∈ N), distincts. On
appelle arrangements de p objets parmi n, (p ∈ N∗ , p ≤ n) toute
suite de p de ces objets, c’est à dire, une disposition ordonnée sans
répétition de p objets distincts.
Exemple
On a 3 lettres a,b,c. Combien y-a-t-ils de mots de 2 lettres
différents?
Solution
Le nombre de mots de 2 lettres différents parmi les lettres a.b,c est
le nombre d’arrangements de 2 objets parmi 3.

Arrangement (sans répétition)
Dénombrer les cas

En utilisant le principe multiplicatif on peut déterminer ce nombre.
En effet:
Principe Multiplicatif
Soit E une expérience qui comporte deux étapes: la 1iere a p
résultats possibles et chacun de ces résultats donne lieu à q
résultats lors de la 2ieme étape. Alors a p.q résultats possibles.

Proposition
Soit n ∈ N∗ et 1 ≤ p ≤ n; p ∈ N. Si une expérience E comporte p
étapes:
La 1iere a n résultats possibles.
La 2ieme a n − 1 résultats possibles.
..
.
La pieme a n − p + 1 résultats possibles.
Alors le nombre de résultats possibles pour l’expérience E est
n(n − 1)(n − 2) . . . (n − p + 1). De plus, le nombre de résultats
possibles pour l’expérience E est le nombre d’arrangements de p
objets parmi n.

notation
On note par Apn le nombre d’arrangements de p objets parmi n .
Alors on
Apn = n(n − 1)(n − 2) . . . (n − p + 1).
En particulier si n = p
Def
Ann = n(n − 1)(n − 2) . . . (n − p + 1) = n!.
Par convention: 0! = 1.
Propriétés
1 Apn = n!
(n−p)! .
2 Apn = Apn−1 + pAp−1
n−1 .

Permutations
Définition
On appelle permutation des n objets distincts toute suite de ces n
objets. C’est a dire, une façon de ranger côté à côté ces n objets.
Proposition
Une permutation de n objets distincts est un arrangement de ces n
objets, par suite:
le nombre de permutation de n objets distincts est Ann = n!.
Exemple
De combien de manière peut-on classer 4 individus?
solution: 4! = 24.
Arrangement avec répétition

Définition
Un arrangement avec répétition de p objets parmi n ( p ≤ n ou
p ≥ n) est une application d’un ensemble E tq card(E) = p dans
ensemble F tq card(F ) = n.
En utilisant le principe multiplicatif on a :

Proposition
Le nombre d’arrangement avec répétition de p objets parmi n est
np = card(F )card(E)
Exemple
On a 3 lettres a, b, c. Combien y-a-t-ils de mots de 2 lettres?
solution: Il y a 32 = 9 mots.

Combinaison
Définition
Etant donné un ensemble de n objets distincts. On appelle
combinaison de p de ces n objets tout sous ensemble de p de ces
objets.
Remarque:
La notion d’ordre a maintenant complètement disparu.
Notation: On note par Cnp le nombre de combinaison de p de n
objets distincts, avec (p, n) ∈ N × N∗ et p ≤ n.

Combinaison
Proposition
Pour tout (p, n) ∈ N × N et p ≤ n, on a :
n!
Cnp = .
(n − p)!p!
En particulier: Cn0 = 1 et Cnn = 1.
Preuve
Deux arrangements comportant les mêmes éléments définissent
une seule combinaison. Alors, a partir d’une combinaison de p
objets distincts on peut faire p! parrangements. C’est à dire:
Apn = p!Cnp et par suite Cnp = Ap!n = (n−p)!p!
n!
.

Combinaison
Proposition
Pour tout (p, n) ∈ N × N et p ≤ n, on a :
1 Cnp = Cnn−p .
p
2 Cn+1 = Cnp−1 + Cnp .
n
X
3 Formule du binôme: (a + b)n = ckn ak bn−k .
k=0
Exemple
Pour passer l’oral d’un examen la personne doit choisir deux
questions parmi quatre. Combien y-a-t-il de possibilités?

Introduction
Introduction
Le but de la théorie des probabilités est de dégager des méthodes
permettant de faire des prédictions, qualitatives ou quantifiées, sur
le déroulement des phénomènes qui sont régis par le hasard.
Dans chaque cas, le phénomène étudié peut etre concu comme une
expérience dont le résultat est aléatoire : lorsqu’on reproduit l’
expérience (dans des conditions précisées) le résultat de
l’expérience varie et semble dépendre du hasard. On dit qu’il s’agit
d’une expérience aléatoire ; on la représentera par la lettre E.

Espace probabilisable
Espace fondamental
Toute Expérience aléatoire E se traduit par la donnée de l’ensemble
des résultats possibles. Pour la définir, il s’agit de recenser
l’ensemble de ses résultats possibles appelés éventualités ou
événements élémentaires
Définition
On appelle ensemble fondamental ou univers associé à l’expérience
aléatoire E, tout ensemble Ω dont les éléments représentent toutes
les issues (ou résultats) possibles de E.

Espace fondamental
Exemple
a) On jette un dé dont les faces sont numérotées 1,2,3,4,5,6 et
note le numéro de la face supérieure. Ω = {1, 2, 3, 4, 5, 6}.
b) Si E consiste à jouer 2 fois à pile ou face.
Ω = {P P, P F, F P, F F }.
c) On note la taille d’un individu pris au hasard dans une
population donnée, le nombre consiste en un nombre réel
(l’unité de longueur ayant été choisie). Ω = R+ = [0, +∞[.
On pourra en pratique se restreindre à un intervalle plus petit.

Evénement aléatoire
Définition
Un évévenement aléatoire se traduit par un sous ensemble de
l’espace fondamental Ω. La réalisation d’un événement est liée au
résultat de l’expérience aléatoire.
Exemple
On jette un dé une fois et soit A : l’événement obtenir un nombre
pair. On a Ω = {1, 2, 3, 4, 5, 6} et A = {2, 4, 6}.

Résumé
Ainsi à une expérience aléatoire E on associe un espace
fondamental (univers) Ω et un ensemble de partie P(Ω) de Ω qui
traduit l’ensemble des événements. Dans la suite on établit un
tableau qui nous donne la correspendance entre le langage
ensembliste et celui des événements:

Résumé (Suite)
Notation ensembliste probabiliste
Ω espace total univers , événements certain
{ω}; ω ∈ Ω Singleton événements élémentaires
∅ ensemble vide événement impossible
A∩B intersection de A et B événement A et B
A∪B réunion de A et B événement A ou B
A complémentaire de A événement contraire de A
A∩B =∅ A et B sont disjoints A et B sont incompatible
A⊂B A contenu dans B l’événement A entraine
l’événement B

Définition
On appelle système complet d’événement ou partition toute suite
A1 , ..., An d’événements deux à deux incompatibles, telle que
A1 ∪ A2 ∪ ... ∪ An = Ω.
( Les ensembles A1 , A2 , ..., An , forment alors une partition de Ω.)

Définition
Soit A un ensemble de parties de Ω qui possède les propriétés
suivantes:
1 Ω∈A
2 Si A ∈ A alors A ∈ A.
[
3 Si (Ai )i∈N est une suite d’éléments de A alors Ai ∈ A.
i∈N
A est une tribu ou σ-algèbre sur Ω. Le couple (Ω, A) est dit
espace mesurable ou espace probabilisable.

Propriétés
1 ∅∈A
\
2 Si (Ai )i∈N est une suite d’éléments de A alors Ai ∈ A.
i∈N
3 Si A, B ∈ A alors A\B et A△B = (A\B) ∪ (B\A) sont
dans A.
4 {Ω, ∅}est la tribu grossière.
5 P(Ω) est la tribu discrète
Exemple
1 Si Ω est fini ou infini dénombrable, P(Ω) est une tribu sur Ω.
2 Si par exemple Ω = R, l’ensemble des intervalles ouverts,
fermés, semi-ouvert à droite à gauche et les singletons forme
une tribu sur R.
Espace probabilisé
Définir une probabilité c’est associer à chaque événement A un
poid P (A) représentant ” La chance qu’il se réalise.”
Définition
Soit (Ω, A) un espace probabilisable. On appelle mesure de
probabilité ou, tout simplement, probabilité sur (Ω, A), une
application P : A −→ [0, 1], telle que:
1 P (Ω) = 1.
2 Pour toute suite (Ai )i≥1 d’éléments de A telle que
Ai ∩ Aj = ∅ pour tout i ̸= j, on a
[ X
P( An ) = P (An ).
n≥1 n≥1
Le triplet (Ω, A, P ) s’appelle espace de probabilité ou espace

probabilisé. Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle
Propriétés
Soit (Ω, A, P ) un espace de probabilité, on a les propriétés
suivantes:
1 pour tout A ∈ A, on a : P (A) = 1 − P (A).
2 P (∅) = 0
3 Pour tout A, B ∈ A telle que A ⊂ B alors
P (B\A) = P (B) − P (A),
et P est Croissante.
4 Pour tout A, B ∈ A, on a :
P (A ∪ B) = P (A) + P (B) − P (A ∩ B).

P
5 Pour toute suite (An ) ⊂ A, on a : P (∪n An ) ≤ n P (An ).
Exemple
On lance une piéce de monnaie truquee. Sachant que la probabilté
d’avoir pile est le triple d’avoir face, calculer P (pile) et P (f ace).
Ex
Une urne contient cinq boules: trois rouges numérotées 1, 2, 3 et
deux boules noires numérotées 1, 2. On tire au hasard et
simultanément deux boules de cette urne. Quelle est la probabilité
de chacun des événements suivants:
A= les deux boules tirées ont la même couleur.
B= La somme des numéros portés sur les boules tirées est égale à
trois.
C= B sachant que A est réalisée.
Ex
On truque un déPrésenté
de telle sorte
par: Sonia que la
Chaari probabilité
Espace du résultat
Probabilisé -Probabilité obtenu
conditionnelle
Probabilité sur une ensemble fini
équiprobabilité
Soit (Ω, A, P ) un espace probabilisé. On suppose que Ω est fini et
card(Ω) = n. P est une probabilité uniforme ou équiprobabilité si
et seulement si toutes les éventualités ont la même probabilité,
c’est à dire : Ω = {ω1 , ω2 , ..., ωn } et
P (ω1 ) = P (ω2 ) = ... = P (ωn ).
Proposition
Soit Ω = {ω1 , ω2 , ..., ωn } un ensemble fini et P une probabilité
uniforme sur (Ω, P(Ω)), alors
a) P (ωi ) = n1 , pour tout i ∈ {1, 2, ..., n}.
card(A) card(A)
b) Pour tout A ∈ P(Ω), P (A) = card(Ω) = n .

Probabilité sur une ensemble fini
Ex
On tire une carte au hasard d’un jeu de 32 cartes dont 16 cartes
sont rouges et 16 sont noires. Déterminer la probabilité d’avoir une
carte noire.
Ex
On lance un dé cubique parfait deux fois de suite et on marque la
somme des nomdres obtenu. Calculer la probabilité des événement
suivants:
A:” avoir une somme = 13.”
B:” ” avoir une somme < 13.”
C: ” avoir une somme = 5.”
D:” avoir un nombre pair lors du premier lancer.”

Définition
Définition
Soit (Ω, A, P ) un espace probabilisé.
A et B deux événements tel que P (B) ̸= 0.
On appelle probabilité conditionnelle de A sachant que B
s’est réalisé, la probabilité :
P (A∩B)
PB (A) = P (A | B) = P (B) .
PB est une probabilité sur l’espace probabilisable
(Ω ∩ B, A ∩ B).

Définition
Définition
P (A∩B)
PB (A) = P (A | B) = P (B) .
(Ω ∩ B, A ∩ B).

Définition
Définition
P (A∩B)
PB (A) = P (A | B) = P (B) .
(Ω ∩ B, A ∩ B).

Définition
Définition
P (A∩B)
PB (A) = P (A | B) = P (B) .
(Ω ∩ B, A ∩ B).

Définition
Définition
P (A∩B)
PB (A) = P (A | B) = P (B) .
(Ω ∩ B, A ∩ B).

Propriétés
Propriétés
1 Pour tout A ∈ A et B ∈ A tel que P (B) ̸= 0, on a (formule
des probabilités composées):
P (A ∩ B) = P (B)P (A | B).
2 Pour tout A ∈ A et B ∈ A tel que P (B) ̸= 0 et P (A) ̸= 0,

on a
P (B)P (A | B) = P (A)P (B | A).
3 Pour toute suite finie (Bi )i∈{1,2,...,n} d’événements on a :
P (B1 ∩ B2 ∩ ... ∩ Bn ) =
P (B1 )P (B2 | B1 )P (B3 | B1 ∩B2 )...P (Bn | B1 ∩B2 ∩...∩Bn−1 ).

Propriétés
Propriétés
P (A ∩ B) = P (B)P (A | B).

on a
P (B)P (A | B) = P (A)P (B | A).
P (B1 ∩ B2 ∩ ... ∩ Bn ) =

Propriétés
Propriétés
P (A ∩ B) = P (B)P (A | B).

on a
P (B)P (A | B) = P (A)P (B | A).
P (B1 ∩ B2 ∩ ... ∩ Bn ) =

Théorème
Théorème :Des probabilités totales

Si les événements A1 , A2 , ..., An forment une partition de Ω,
on a pour tout B ∈ A :
P (B) = P (A1 ∩ B) + P (A2 ∩ B) + ... + P (An ∩ B).
Si de plus, P (Ai ) ̸= 0 pour tout i ∈ {1, 2, ..., n}, on a :

n
X
P (B) = P (Ai )P (B | Ai ).
i=1

Théorème

P (B) = P (A1 ∩ B) + P (A2 ∩ B) + ... + P (An ∩ B).

n
X
P (B) = P (Ai )P (B | Ai ).
i=1

Théorème

P (B) = P (A1 ∩ B) + P (A2 ∩ B) + ... + P (An ∩ B).

n
X
P (B) = P (Ai )P (B | Ai ).
i=1

Théorème

P (B) = P (A1 ∩ B) + P (A2 ∩ B) + ... + P (An ∩ B).

n
X
P (B) = P (Ai )P (B | Ai ).
i=1

Probabilités totales
Exemple
Soit un sac contenant 6 jetons: 5 numérotés 1 et 1 numéroté 2.
Soit 2 urnes : U1 contenant 6 boules Blanches et 4 Noires et U2
contenant 8 boules Blanches et 2 boules Noires. L’expérience
aléatoire comporte deux étapes.On pioche au hasard dans le sac,
on regarde le numéro et on pioche dans l’urne correspondante.
Calculer la probabilité que la boule soit blanche?

Formule de Bayes
Théorème
Soit (Ω, A, P ) un espace probabilisé. Soit A1 , A2 , ..., An une
partition (un système complet) de Ω, tel que, P (Ai ) ̸= 0 pour tout
i ∈ {1, 2, ..., n}. Pour tout B ∈ A :
P (Ai )P (B | Ai )
P (Ai | B) = Pn .
i=1 P (Ai )P (B | Ai )

Formule de Bayes
Exemple
Une Population est constituée de 10 Français: 7 sont bruns et 3
sont blonds, et 10 allemands : 1 Brun et 9 blonds. On rencontre
un blond, qu’elle est la probabilité qu’il soit Allemend?

Définition
Soit (Ω, A, P ) un espace probabilisé. Deux événements A et B
sont dit stochastiquement indépendants ou tout simplement
indépendants si et seulement si P (A ∩ B) = P (A) ∩ P (B).

Propriétés
1 Si P (A) = 0 ou P (A) = 1 alors pour tout B ∈ A on a A et
B sont indépendants.
2 Si P (A) ̸= 0 ou P (B) ̸= 0, on a A et B sont indépendants si
et seulement si P (B | A) = P (B) ou P (A | B) = P (A).
3 A et B sont indépendants alors il en est de même pour A et
B, A et B, A et B.
4 Sioit A et B deux événements tel que P (A) ̸= 0 et P (B) ̸= 0.
Si A et B sont indépendants alors A et B ne sont pas
incompatibles.
5 Si A et B sont incompatibles alors A et B ne sont pas
indépendants.

Indépendance d’une suites d’événements
Définition
Soit (Ω, A, P ) un espace probabilisé. Les événements
A1 , A2 , ..., An sont mutuellements indépendants ou complètement
indépendants ou tout simplement indépendants si et seulement si
la probabilité d’une intersection quelconque est le ptoduit des
Q à dire pour toute partie J de {1, 2, ..., n}, on a :
probabilités, c’est
P (∩i∈J Ai ) = i∈J P (Ai ).

Indépendance d’une suites d’événements
Propriétés
1 A1 , A2 , ..., An sont indépendants si est seulement si pour tout
i, i1 , i2 , ..., ik ∈ {1, 2, ..., n} deux à deux distincts on a
P (Ai | Ai1 ∩ Ai2 ∩ ... ∩ Aik ) = P (Ai ).
2 Si A1 , A2 , ..., An sont indépendants alors les événements Ai ,

i ∈ {1, 2, ..., n} sont deux à deux indépendants.
Attention: la réciproque est fausse.

Exemple
Dans une entreprise, la probabilité q’un ouvrier A quitte
l’entreprise dans l’année est 15 , probabilité qu’un cadre B quitte
l’entreprise dans l’année est 18 et la probabilité que A et B quittent
1
l’entreprise est 40 .
1 Les événements A et B sont-ils indépendants?
2 Calculer la probabilité que l’un des deux quitte l’entreprise.
3 Calculer la probabilité que ni l’un ni l’autre quitte l’entreprise.


Esp Prob - Esp Cond

Transféré par

Droits d'auteur :

Formats disponibles

Esp Prob - Esp Cond

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Esp Prob - Esp Cond

Transféré par

Droits d'auteur :

Formats disponibles

Espace Probabilisé

Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari

Faculté des sciences de Bizerte

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Théorie des ensembles

2 ∅ ensemble vide : il ne contient aucun élément.

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Théorie des ensembles

2 ∅ ensemble vide : il ne contient aucun élément.

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Théorie des ensembles

2 ∅ ensemble vide : il ne contient aucun élément.

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Théorie des ensembles

2 ∅ ensemble vide : il ne contient aucun élément.

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Théorie des ensembles

Théorie des ensembles

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Théorie des ensembles

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Théorie des ensembles

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Théorie des ensembles

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Arrangement (sans répétition)

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Arrangement (sans répétition)

Dénombrer les cas

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

le nombre de permutation de n objets distincts est Ann = n!.

Arrangement avec répétition

En utilisant le principe multiplicatif on a :

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

En particulier: Cn0 = 1 et Cnn = 1.

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Le triplet (Ω, A, P ) s’appelle espace de probabilité ou espace

P (B\A) = P (B) − P (A),

P (A ∪ B) = P (A) + P (B) − P (A ∩ B).

Probabilité sur une ensemble fini

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Probabilité sur une ensemble fini

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle

Présenté par: Sonia Chaari Espace Probabilisé -Probabilité conditionnelle