Fiche de révision : Introduction aux probabilités et variables aléatoires

📋 Plan du Cours

1. Notions fondamentales des probabilités
2. Événements indépendants et dépendants en probabilités
3. Théorème de Bayes
4. Variables aléatoires et distributions de probabilités

📖 1. Notions fondamentales des probabilités

🔑 Notions clés & Définitions

• Probabilité : mesure numérique de la chance qu’un événement se réalise, comprise entre 0 et 1. Elle indique la fréquence relative attendue de cet événement dans un grand nombre de répétitions.

• Espace échantillon : ensemble de tous les résultats possibles d’une expérience aléatoire. Il rassemble l’ensemble des issues qui peuvent survenir.

• Somme des probabilités : la somme des probabilités de tous les événements élémentaires de l’univers est toujours égale à 1, ce qui reflète la certitude que l’un de ces résultats se produira.

📝 Points essentiels

• La probabilité d’un événement est un nombre compris entre 0 et 1, représentant la chance que cet événement se réalise. Un nombre proche de 0 indique une faible chance, tandis qu’un nombre proche de 1 indique une forte probabilité de survenue.

• L’univers ou espace échantillon est l’ensemble de tous les résultats possibles d’une expérience aléatoire. Il sert de référence pour déterminer la probabilité de chaque événement.

• La somme des probabilités de tous les événements élémentaires de l’univers est égale à 1, ce qui garantit que l’ensemble des résultats possibles couvre toutes les issues possibles de l’expérience.

💡 À retenir

La probabilité est un nombre entre 0 et 1 qui quantifie la chance qu’un événement se produise, dans un cadre où tous les résultats possibles forment un espace échantillon dont la somme des probabilités est toujours égale à 1.

📖 2. Événements indépendants et dépendants en probabilités

🔑 Notions clés & Définitions

• Événements indépendants : événements dont la réalisation ou non n’affecte pas la probabilité de l’autre.
• Événements dépendants : événements pour lesquels la probabilité de l’un dépend de la réalisation ou non de l’autre.

📝 Points essentiels

• Deux événements sont indépendants si la réalisation de l’un n’affecte pas la probabilité de l’autre, ce qui se traduit par la formule : P(A ∩ B) = P(A) × P(B).
• Pour des événements dépendants, la probabilité conjointe s’obtient en utilisant la probabilité conditionnelle : P(A ∩ B) = P(A) × P(B|A).

💡 À retenir

La distinction entre événements indépendants et dépendants repose sur l’impact de la réalisation d’un événement sur la probabilité de l’autre, et leur calcul se fait à l’aide des formules adaptées.

📖 3. Théorème de Bayes

🔑 Notions clés & Définitions

• Probabilité conditionnelle : mesure la probabilité qu’un événement A se produise en tenant compte du fait qu’un autre événement B est déjà réalisé, notée P(A|B). Elle inverse la relation de dépendance entre deux événements en se concentrant sur la réalisation de B pour estimer celle de A.

• Théorème de Bayes : règle mathématique permettant de calculer la probabilité de l’événement A sachant B, en utilisant la probabilité de B sachant A, la probabilité initiale de A, et la probabilité de B. Il s’écrit : P(A|B) = [P(B|A) × P(A)] / P(B).

📝 Points essentiels

• Le théorème de Bayes facilite la mise à jour des probabilités initiales à la lumière de nouvelles informations. En inversant la condition, il permet d’évaluer la probabilité qu’un événement A soit vrai après avoir observé B, en utilisant la probabilité que B se réalise si A est vrai, et la probabilité initiale de A. La formule repose sur la connaissance de P(B|A), P(A), et P(B), cette dernière étant la probabilité totale de B, calculée en intégrant toutes les causes possibles.

💡 À retenir

Le théorème de Bayes est un outil essentiel pour ajuster les probabilités en fonction de nouvelles données, en inversant la condition initiale pour mieux comprendre la relation entre deux événements.

📖 4. Variables aléatoires et distributions de probabilités

🔑 Notions clés & Définitions

• Variable aléatoire : variable numérique qui associe un nombre réel à chaque issue d'une expérience aléatoire, permettant de modéliser des résultats incertains par des valeurs chiffrées.

• Distribution de probabilité : description de la manière dont les probabilités sont réparties sur les différentes valeurs possibles d'une variable aléatoire, indiquant la probabilité de chaque résultat.

• Espérance mathématique : moyenne pondérée des valeurs possibles d'une variable aléatoire, calculée en multipliant chaque valeur par sa probabilité, représentant la valeur moyenne attendue.

📝 Points essentiels

• Une variable aléatoire associe un nombre réel à chaque issue d'une expérience aléatoire, ce qui permet de représenter numériquement des résultats incertains.

• La distribution de probabilité précise comment les probabilités sont réparties parmi les différentes valeurs que peut prendre la variable aléatoire, en indiquant la probabilité de chaque valeur.

• La somme des probabilités attribuées à toutes les valeurs possibles d'une distribution de probabilité est toujours égale à 1, garantissant que l'ensemble des résultats possibles couvre l'intégralité de l'espace probabiliste.

• L'espérance mathématique correspond à la moyenne pondérée des valeurs possibles, en tenant compte de leurs probabilités respectives, ce qui donne une mesure centrale du comportement de la variable aléatoire.

💡 À retenir

Les variables aléatoires permettent de modéliser et de quantifier les résultats incertains par des nombres, tandis que la distribution de probabilité décrit comment ces résultats sont répartis, avec une moyenne pondérée appelée espérance.

📊 Tableaux de Synthèse

Comparaison des événements indépendants et dépendants

⚠️ Pièges & Confusions Fréquentes

1. Confondre la formule de la probabilité conjointe pour événements indépendants et dépendants.
2. Supposer que deux événements sont indépendants sans vérifier si P(A ∩ B) = P(A) × P(B).
3. Utiliser la formule de probabilité conditionnelle sans vérifier si l’événement est dépendant.
4. Confondre la probabilité conditionnelle P(A|B) avec P(B|A).
5. Oublier que la somme des probabilités de l’espace échantillon est toujours 1.
6. Confondre la notion de variable aléatoire avec celle d’un événement simple.
7. Mélanger la distribution de probabilité avec la notion d’espérance.

✅ Checklist Examen

1. Vérifier si deux événements sont indépendants en utilisant P(A ∩ B) = P(A) × P(B).
2. Calculer la probabilité conditionnelle P(A|B) en utilisant P(A ∩ B) / P(B).
3. Utiliser le théorème de Bayes pour mettre à jour une probabilité avec de nouvelles données.
4. Identifier une variable aléatoire et sa distribution de probabilité.
5. Calculer l’espérance d’une variable aléatoire.
6. Vérifier que la somme des probabilités d’une distribution est égale à 1.
7. Différencier entre événements indépendants et dépendants.
8. Utiliser la formule P(A ∩ B) = P(A) × P(B|A) pour événements dépendants.
9. Comprendre la différence entre distribution de probabilité et espérance.
10. Représenter graphiquement une distribution de probabilité si nécessaire.