Probabilités conditionnelles, indépendance, arbres, tableaux croisés et algorithmes Monte Carlo

1. Probabilités conditionnelles

La probabilité conditionnelle de l'événement \(A\) sachant \(B\) est notée \(P(A|B)\) et se calcule ainsi :

P(A|B) = \frac{P(A \cap B)}{P(B)} \quad 	ext{si } P(B) 
eq 0

Elle représente la probabilité que \(A\) se produise, étant donné que l'événement \(B\) est réalisé.

2. Indépendance entre deux événements

Deux événements \(A\) et \(B\) sont indépendants si :

P(A \cap B) = P(A) \times P(B)

Autrement dit, la réalisation de l'un n'affecte pas la probabilité de réalisation de l'autre.

3. Arbres de probabilités

Les arbres permettent de représenter visuellement une suite d'événements et de calculer des probabilités composées. Chaque branche correspond à un événement et porte une probabilité.

Exemple : 
- Événement 1 : P(A1) = p_1
- Événement 2 après A1 : P(A2|A1) = p_2

Probabilité d'une branche : P(A1) \times P(A2|A1)

4. Tableaux croisés de probabilités

Les tableaux croisés permettent de représenter les probabilités jointes et conditionnelles. Exemple de tableau :

	Événement B1	Événement B2	Total
P(B|A1)	p_{11}\)	p_{12}\)	P(A1)
P(B|A2)	p_{21}\)	p_{22}\)	P(A2)
Total	P(B1)	P(B2)	1

5. Algorithme Monte Carlo

C'est une technique de simulation qui consiste à générer aléatoirement de nombreuses réalisations pour estimer une probabilité ou une donnée mathématique complexe.

Exemple d'utilisation : déterminer la valeur de \(\pi\) en simulant des points dans un carré et en comptant ceux qui tombent dans un quart de cercle :

Algorithme :
- Générer N points aléatoires (x, y) dans le carré \([-1,1]	imes[-1,1]\)
- Compter combien de points vérifient \(x^2 + y^2 \leq 1\)
- Estimer \(\pi\) par :
  \(\pi \approx 4 \times \frac{	ext{nombre de points dans le quart de cercle}}{N}\)