Scribd Logo
Importer

Bienvenue sur Scribd !

  • 2 vues

    Probabilités sur un espace d'état fini

    Transféré par

    Issa Housseini Fada

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    Probabilités sur un espace d'état fini

    Transféré par

    Issa Housseini Fada
    2 vues10 pages

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    2 vues10 pages

    Probabilités sur un espace d'état fini

    Transféré par

    Issa Housseini Fada

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 10

    ALEATOIRE - Cours 1 - séance 3

    Probabilité sur un espace d’état fini

    Probabilité sur un espace d’état fini () ALEATOIRE - Cours 1 - séance 3 1 / 26


    Fréquence empirique

    Jeu de Pile ou Face

    Comment savoir si la pièce est truquée?


    Probabilité sur un espace d’état fini () ALEATOIRE - Cours 1 - séance 3 2 / 26
    Fréquence empirique

    Un lancé: 1 Pile - on ne peut rien dire.


    3 lancés: 2 Pile, un Face - on ne peut rien dire.
    300 lancés: 200 Pile, 100 Face - on commence à se poser des
    questions · · ·
    3000 lancés: 2000 Pile et 1000 Face - il est presque certain que la
    pièce est truquée.

    C’est la répétition de l’expérience qui nous apporte l’information.


    2000
    Fréquence empirique de l’événement "Pile": 3000 = 23 .
    Cette fréquence nous donne un idée de la chance de réalisation de
    "Pile" car le nombre de lancés est grand.

    Probabilité sur un espace d’état fini () ALEATOIRE - Cours 1 - séance 3 3 / 26


    Fréquence empirique

    fréquence empirique

    Considérons une expérience aléatoire donnée E et un événement


    A pour cette expérience.
    Supposons que l’on répète n fois l’expérience E.

    On note nA le nombre de fois où A est réalisé.


    La fréquence empirique de A est la fréquence de réalisation de A
    sur ces n coups:
    nA
    fn (A) =
    n

    On a les propriétés suivantes:

    fn (A) ∈ [0, 1] ; fn (Ω) = 1 ;


    Si A ∩ B = ∅, on a fn (A ∪ B) = fn (A) + fn (B).

    Probabilité sur un espace d’état fini () ALEATOIRE - Cours 1 - séance 3 4 / 26


    Fréquence empirique

    fréquence empirique

    Considérons une expérience aléatoire donnée E et un événement


    A pour cette expérience.
    Supposons que l’on répète n fois l’expérience E.

    On note nA le nombre de fois où A est réalisé.


    La fréquence empirique de A est la fréquence de réalisation de A
    sur ces n coups:
    nA
    fn (A) =
    n

    On a les propriétés suivantes:

    fn (A) ∈ [0, 1] ; fn (Ω) = 1 ;


    Si A ∩ B = ∅, on a fn (A ∪ B) = fn (A) + fn (B).

    Probabilité sur un espace d’état fini () ALEATOIRE - Cours 1 - séance 3 4 / 26


    Approche intuitive d’une Probabilité

    Approche intuitive d’une Probabilité

    Notre but: associer à chaque événement A un nombre P(A) compris


    entre 0 et 1, qui représente la chance (a priori) que cet événement soit
    réalisé.

    Intuitivement,

    P(A) = limite de fn (A) quand n ↑ +∞.

    On en déduit immédiatement qu’une probabilité doit vérifier:

    • 0 ≤ P(A) ≤ 1,
    • P(Ω) = 1,
    • P(A ∪ B) = P(A) + P(B), si A ∩ B = ∅.

    Conditions suffisantes si Ω fini.


    Probabilité sur un espace d’état fini () ALEATOIRE - Cours 1 - séance 3 5 / 26
    Approche intuitive d’une Probabilité

    Conséquences

    • P(A) + P(Ac ) = 1,
    • P(∅) = 0,
    • P(A) ≤ P(B), si A ⊂ B,
    n
    X
    n
    • P(∪i=1 Ai ) = P(Ai ), pour des Ai deux-à-deux disjoints,
    i=1
    • P(A ∪ B) + P(A ∩ B) = P(A) + P(B).
    A

    U C B
    B A
    U C
    A B U
    A B

    Probabilité sur un espace d’état fini () ALEATOIRE - Cours 1 - séance 3 6 / 26


    Approche intuitive d’une Probabilité

    Probabilité Uniforme sur Ω fini1

    Chaque singleton de Ω a la même chance de réalisation.

    Définition
    On dit que la probabilité P sur l’espace fini Ω est uniforme si

    1
    pω = P({ω}) = .
    card(Ω)

    Si P est une probabilité uniforme, P(A) = card(A) .


    card(Ω)

    Le calcul des probabilités se ramène au calcul combinatoire.


    La difficulté: bien décrire et dénombrer Ω. Elle a engendré de
    nombreux paradoxes.
    1
    MAP 311, Chapitre 2, Section 2.2.2
    Probabilité sur un espace d’état fini () ALEATOIRE - Cours 1 - séance 3 7 / 26
    Approche intuitive d’une Probabilité

    Au tribunal

    Comment choisir les jurés?

    Population de taille N:
    N1 individus pensent qu’un
    certain suspect est coupable.
    N − N1 individus pensent le
    contraire.

    Le tribunal choisit n ≤ N jurés.


    Quelle est la probabilité que n1 individus parmi les n jurés choisis
    pensent que l’individu est coupable?

    Probabilité sur un espace d’état fini () ALEATOIRE - Cours 1 - séance 3 8 / 26


    Approche intuitive d’une Probabilité

    Choix des n jurés?


    N
    
    Choix simultané des jurés. Card(Ω) = n .
    N1 N−N1
     
    n1 n−n1
    P̂n1 = N
     .
    n

    Cette probabilité est appelée loi hypergéométrique.

    Choix avec remise. Card(Ω) = N n .


     n
    n N1 1 (N − N1 )n−n1
    
    Pn1 = .
    n1 Nn

    Cette probabilité est appelée loi binomiale.

    Probabilité sur un espace d’état fini () ALEATOIRE - Cours 1 - séance 3 9 / 26

    Vous aimerez peut-être aussi