Arbre de probabilité 96405 29979873 2008-05-25T14:49:49Z Sherbrooke 18624 /* Voir aussi */ Mettre en page. {{MathématiquesÉlémentaires}} En [[probabilité (mathématiques élémentaires)|probabilité élémentaire]], un '''arbre de probabilité''' est un schéma permettant de résumer une expérience aléatoire connaissant des [[Probabilité conditionnelle|probabilités conditionnelles]]. Ces arbres sont abondamment utilisés en [[théorie de la décision]], en particulier appliquée à la détection et au forage [[pétrole|pétroliers]] ==Exemple de problème réel == Soit un endroit où l'on suppute la présence de pétrole avec une probabilité p connue. Si l'on effectue un test, cette probabilité pourra être rectifiée à une valeur q encore inconnue; le test est coûteux, mais peut éviter de forer un puits sec; en revanche, la réussite du test n'implique pas avec certitude que le puits ne sera pas sec. Doit-on effectuer le test ? Doit-on forer sans effectuer le test ? Voir [[plan d'expérience]], [[Bandit manchot (mathématiques)]]. == Le même exemple, ramené à sa partie essentielle == On cherche à résumer l'expérience aléatoire suivante : :''On lance un dé'' *''Si le numéro obtenu est un multiple de 3, on extrait au hasard une boule dans l'urne 1 qui contient 3 boules noires, 4 boules blanches et 3 boules rouges'' *''Si le numéro obtenu n'est pas un multiple de 3, on extrait une boule dans l'urne 2 qui contient 3 boules noires et 2 boules blanches''. La première étape permet de définir un [[univers (mathématiques)|univers]] Ω = {1 ; 2 ; 3 ; 4 ; 5 ; 6} sur lequel on applique une équiprobabilité (on estime le dé parfaitement équilibré). On considère alors les deux évènements complémentaires * U1 = « le lancer conduit à tirer dans l'urne 1 » * U2 = « le lancer conduit à tirer dans l'urne 2 » On a donc U1 = { 3 ; 6 } et p(U1) = 1/3 puis p(U2) = 2/3. Pour étudier la seconde étape, il faut étudier ce qui se passe quand on tire dans l'urne 1 ou l'urne 2. * Le tirage dans l'urne 1 permet de définir un univers Ω<sub>1</sub>={N ; B ; R} sur lequel on applique la probabilité suivante **p(N) = 3/10 **p(B) = 4/10 **p(R) = 3/10. :Il s'agit en réalité du transfert à Ω<sub>1</sub> d'une équiprobabilité définie sur Ω1'={N, N, N, B, B, B, B, R, R, R}. * De même, le tirage dans l'urne 2 permet de définir un univers Ω<sub>2</sub>={N, B} de probabilités 3/5 et 2/5. L'expérience se résume alors dans l'arbre suivant: <center>[[Image:arbre_proba.png]]</center> La lecture des probabilités se fait alors aisément: * Probabilité de tirer dans l'urne 1 et d'obtenir une noire : ::<math>p(U1\cap N)=1/3 \times 3/10 = 1/10</math> * Probabilité de tirer dans l'urne 2 et d'obtenir une noire : ::<math>p(U2\cap N)=2/3 \times 3/5= 2/5 </math> La probabilité de tirer une boule noire est alors : :<math>p(N) = p(U1\cap N)+ p(U2\cap N)=1/2</math> == Définitions et propriétés== On nomme '''arbre de probabilité''' un [[graphe (théorie des graphes)|graphe]] orienté et pondéré obéissant aux règles suivantes * La somme des pondérations (ou probabilités) des branches issues d'un même sommet donne 1. * La probabilité d'un chemin est le produit des probabilités des branches qui le composent. * La pondération de la branche allant du sommet A vers le sommet B est la probabilité conditionnelle de B sachant que A est déjà réalisé <math>p_A(B)</math>. On retrouve alors la propriété de la [[probabilité conditionnelle]] : :<math>p(A \cap B)=p(A)\times p_A(B)</math> (produit des chemins). Ainsi que la formule des '''probabilités totales''': :si <math>\Omega_1</math>, <math>\Omega_2</math>, ..., <math>\Omega_n</math> définit une partition de Ω (ensembles deux à deux disjoints dont l'union donne Ω), si les <math>\Omega_i</math> sont de probabilité non nulle, et si A est un évènement de Ω, :<math>p(A) = \sum_{i=1}^np(A\cap \Omega_i) = \sum_{i=1}^np(\Omega_i) \times p_{\Omega_i}(A)</math> Que l'on a exploitée dans l'exemple pour calculer p(N) :<math>p(N) = p(U1)\times p_{U1}(N)+p(U2)\times p_{U2}(N)</math> :<math>p(N) = 1/3 \times 3/10+ 2/3 \times 3/5 = 1/2</math> L'arbre de probabilité facilite aussi l'inversion des probabilités conditionnelles ou [[théorème de Bayes]] : : <math>p_{B}(A) = \frac{p_{A}(B).p(A) }{p(B)}</math> Dans l'illustration précédente, cela revient à poser la question : « Sachant que l'on a tiré une noire, quelle est la probabilité que l'on ait tiré dans l'urne 1? » : <math>p_{N}(U1) = \frac{p_{U1}(N).p(U1) }{p(N)} = \frac{1/10}{1/10+2/5}=1/5</math> == Voir aussi == === Articles connexes === *[[Probabilité]] *[[Probabilité (mathématiques élémentaires)]] === Liens externes === * [http://www.cmath.fr/0ter/probabilites/exercices.php 3 exercices interactifs progressifs corrigés sur les arbres de probabilites] {{Portail probabilités et statistiques}} [[Catégorie:Probabilités]]