Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
1 CHF dans chaque tourné de la roulette. C’est à dire P k (X q ≤ 0) ≥ (1 − p) k . On en déduit<br />
que<br />
P k ((A q ) c ) ≥ (1 − p) k ≥ (1 − p) K<br />
Alors, P k (A q ) ≤ 1 − (1 − p) K et r = max k P k (A q ) ≤ 1 − (1 −p) K < 1 (parce que p < 1/2). En<br />
employant ce fait dans (8) et (9) on obtient que<br />
P k (∩ ∞ m=1A m ) ≤ r n<br />
où n > 0 est arbitraire. Prenant la limite n → ∞, la preuve est finie.<br />
Corrigé 33 Soient RR, NN et RN respectivement les événements, “la carte choisie est entièrement<br />
rouge”, “entièrement noire” et “bicolore”. Soit encore R l’événement, “la face apparente de la carte tirée<br />
est rouge”. On aura<br />
P(RN|R) =<br />
=<br />
= 1 3<br />
P(R|RN)P(RN)<br />
P(R|RR)P(RR) + P(R|RN)P(RN) + P(R|NN)P(NN)<br />
1 · 1<br />
1 1<br />
2 3<br />
3 + 1 1<br />
2<br />
3 + 0 · 1<br />
3<br />
Corrigé 34 Soit M l’événement “le patient est atteint”, B l’événement “le patient est en bonne santé”,<br />
et + l’événement “le résultat du test est positif”. De la formule de Bayes on a<br />
P(M|+) =<br />
=<br />
=<br />
P(+|M)P(M)<br />
P(+|M)P(M) + P(+|B)P(B)<br />
99<br />
100<br />
99 1<br />
100 1000<br />
1<br />
1000 + 2<br />
100<br />
99<br />
2097 ≈ 0.0472<br />
Ceci n’est pas un très bon résultat. Pour essayer de l’améliorer il faut répéter le test. Pour m ≤ n soit<br />
(+) n−m (−) m l’événement “lors de n tests, n − m ont donné un résultat positif et m un résultat négatif”.<br />
Alors, la probabilité qu’un client soit atteint sachant que son test a été fait n fois et que n −m ont donné<br />
un résultat positif et m un résultat négatif, est<br />
P(M|(+) n−m (−) m ) =<br />
=<br />
=<br />
=<br />
=<br />
999<br />
1000<br />
P((+) n−m (−) m |M)P(M)<br />
P((+) n−m (−) m |M)P(M) + P((+) n−m (−) m |B)P(B)<br />
( 99<br />
) n−m ( 1<br />
( 99<br />
100<br />
) n−m ( 1<br />
100<br />
100<br />
99 n−m<br />
) m 1<br />
100 1000<br />
) m 1<br />
1000 + ( 2<br />
100<br />
99 n−m + 2 n−m 98 m · 999<br />
1<br />
1 + 999 · 98 m (2/99) n−m<br />
1<br />
1 + 999 · (49 · 99) m (2/99) n<br />
) n−m ( 98<br />
100<br />
) m 999<br />
1000<br />
De cette formule on peut conclure que par exemple P(M|(+) 2 ) ≈ 0.710 et P(M|(+) 3 ) ≈ 0.992.<br />
Corrigé 35 Le prisonnier a demandé un nom de condamné, mais on ne sait pas quel nom le geôlier va<br />
choisir si les deux autres prisonniers, B et C son condamnés. Si l’on veut décrire complètement la situation<br />
en termes probabilistes, il faut dire comment s’effectue le choix du nom. En l’absence de toute autre<br />
information le prisonnier doit faire une hypothèse, la plus plausible étant celle qui tient compte de son<br />
ignorance totale: Si B et C sont condamnés, le geôlier choisira de nommer B avec la probabilité 1/2 et par<br />
conséquent il nommera C avec la probabilité 1/2. La formalisation du problème est maintenant possible.<br />
L’ensemble fondamental est Ω = {(x, y)} où x prend ses valeurs dans l’ensemble {(AB, BC, CA} (la paire<br />
de prisonniers condamnés) et y prend ses valeurs dans {B, C} (le prisonnier nommé par le gardien). On<br />
définit les variables aléatoires X et Y comme les applications coordonnées de Ω:<br />
{<br />
X(w) = x<br />
Y (w)<br />
= y<br />
7