vignette|Illustration des probabilités conditionnelles avec un diagramme d'Euler. On a la probabilité a priori et les probabilités conditionnelles , et .|320x320px
En théorie des probabilités, une probabilité conditionnelle est la probabilité d'un événement sachant qu'un autre événement a eu lieu. Par exemple, si une carte d'un jeu est tirée au hasard, on estime qu'il y a une chance sur quatre d'obtenir un cœur ; mais si on aperçoit un reflet rouge sur la table, il y a maintenant une chance sur deux d'obtenir un cœur. Cette seconde estimation correspond à la probabilité conditionnelle d'obtenir un cœur sachant que la carte est rouge.
Les probabilités conditionnelles font l'objet de paradoxes tels que le paradoxe des deux enfants, le paradoxe des deux enveloppes, le paradoxe des trois pièces de monnaie et le paradoxe des prisonniers.
Considérons un dé équilibré à six faces, où les faces paires sont coloriées en blanc et les faces impaires sont coloriées en noir. Sur un lancer de dé, la probabilité d'obtenir un 6 est 1/6. Mais, loin du dé, on perçoit que la face est blanche. La probabilité d'obtenir 6 est de 1/3 car il faut prendre la nouvelle information « il est apparu un nombre pair » en compte.
On décide de lancer une pièce de monnaie deux fois de suite. La probabilité que le premier lancer donne pile est de 1/2. Supposons maintenant qu'une personne nous informe que l'un des lancers au moins a donné Pile. Parmi les quatre scénarios possibles, à savoir Face puis Face, Face puis Pile, Pile puis Face, Pile puis Pile, le scénario Face puis Face n'est plus à considérer. Le premier lancer est Pile dans deux des trois scénarios restants (Face puis Pile, Pile puis Face, Pile puis Pile). Ainsi, la probabilité que le premier lancer donne Pile, sachant qu'au moins l'un des deux lancers donne Pile est de 2/3. Le tableau résume la situation, les probabilités que le premier lancer donne pile (1/2 ou 2/3, respectivement) s'obtiennent en faisant la somme des deux dernières lignes.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Discrete mathematics is a discipline with applications to almost all areas of study. It provides a set of indispensable tools to computer science in particular. This course reviews (familiar) topics a
The course is based on Durrett's text book
Probability: Theory and Examples.
It takes the measure theory approach to probability theory, wherein expectations are simply abstract integrals.
Beliefs depend on the available information. This idea is formalized in probability theory by conditioning. Conditional probabilities, conditional expectations, and conditional probability distributions are treated on three levels: discrete probabilities, probability density functions, and measure theory. Conditioning leads to a non-random result if the condition is completely specified; otherwise, if the condition is left random, the result of conditioning is also random.
In probability theory and statistics, given two jointly distributed random variables and , the conditional probability distribution of given is the probability distribution of when is known to be a particular value; in some cases the conditional probabilities may be expressed as functions containing the unspecified value of as a parameter. When both and are categorical variables, a conditional probability table is typically used to represent the conditional probability.
Bayesian epistemology is a formal approach to various topics in epistemology that has its roots in Thomas Bayes' work in the field of probability theory. One advantage of its formal method in contrast to traditional epistemology is that its concepts and theorems can be defined with a high degree of precision. It is based on the idea that beliefs can be interpreted as subjective probabilities. As such, they are subject to the laws of probability theory, which act as the norms of rationality.
Discrete choice models are used extensively in many disciplines where it is important to predict human behavior at a disaggregate level. This course is a follow up of the online course “Introduction t
Explore la théorie des probabilités à travers des exemples comme les cordes bit, les essais Bernoulli, le problème Monty Hall, ainsi que le théorème généralisé des Bayes et les distributions aléatoires variables.
Introduit le théorème de Bayes pour le calcul des probabilités conditionnelles dans les scénarios de tests de maladies.
, ,
Diffusion models generating images conditionally on text, such as Dall-E 2 [51] and Stable Diffusion[53], have recently made a splash far beyond the computer vision com- munity. Here, we tackle the related problem of generating point clouds, both unconditi ...
2023
Thin-laminate composites with thicknesses below 200 mu m hold significant promise for future, larger, and lighter deployable structures. This paper presents a study of the time-dependent failure behavior of thin carbon-fiber laminates under bending, focusi ...
The probability of detecting technosignatures (i.e., evidence of technological activity beyond Earth) increases with their longevity, or the time interval over which they manifest. Therefore, the assumed distribution of longevities has some bearing on the ...