Fiche de révision : Maîtrise des probabilités conditionnelles

📋 Plan du Cours

1. Probabilités conditionnelles
2. Calculs de probabilités
3. Tableaux de répartition
4. Probabilité d'événements conjoints
5. Probabilité d'événements conditionnels
6. Arbres de probabilités
7. Probabilités dans urnes
8. Probabilités en tests médicaux
9. Probabilités et clés

📖 1. Probabilités conditionnelles

🔑 Notions clés & Définitions

• Probabilité conditionnelle : La probabilité qu’un événement A se produise sachant qu’un événement B est déjà réalisé. Notée $P(A|B)$.
  Formule : $P(A|B) = \frac{P(A \cap B)}{P(B)}$, à condition que $P(B) > 0$.

• Événement : Un résultat ou un ensemble de résultats possibles dans un espace probabiliste.
  Exemple : Tirer un stagiaire étudiant l’espagnol.

• Indépendance : Deux événements A et B sont indépendants si la réalisation de l’un n’affecte pas la probabilité de l’autre, c’est-à-dire $P(A|B) = P(A)$.

• Loi de probabilité conditionnelle : La règle permettant de calculer la probabilité d’un événement en tenant compte d’une condition préalable, souvent représentée par un événement B.

• Arbre de probabilités : Un outil graphique permettant de représenter les différentes branches d’événements successifs et leurs probabilités conditionnelles.

📝 Points essentiels

• La probabilité conditionnelle modifie la probabilité d’un événement en fonction d’une information préalable.
• La formule $P(A|B) = \frac{P(A \cap B)}{P(B)}$ est fondamentale pour le calcul.
• La connaissance de $P(A)$ et $P(B)$, ainsi que $P(A \cap B)$, permet de déterminer $P(A|B)$.
• La règle de multiplication : $P(A \cap B) = P(B) \times P(A|B)$, relie la probabilité conjointe à la conditionnelle.
• Lorsqu’un événement B est certain (probabilité 1), $P(A|B) = P(A)$.

💡 À retenir

La probabilité conditionnelle permet d’évaluer la chance qu’un événement se produise en tenant compte d’une information préalable, en utilisant la formule $P(A|B) = \frac{P(A \cap B)}{P(B)}$.

📖 2. Calculs de probabilités

🔑 Notions clés & Définitions

• Probabilité : Mesure numérique de la chance qu’un événement se produise, comprise entre 0 (impossibilité) et 1 (certitude).
  Exemple : La probabilité de tirer une boule rouge dans une urne contient 3 boules rouges sur 10 total, est 3/10.

• Univers (Ω) : Ensemble de tous les résultats possibles d’une expérience aléatoire.
  Exemple : L’ensemble des dossiers de stagiaires dans un tableau.

• Événement : Sous-ensemble de l’univers, représentant un résultat ou un ensemble de résultats possibles.
  Exemple : Tirer un dossier d’un stagiaire faisant du tennis.

• Probabilité conditionnelle : Probabilité qu’un événement A se produise sachant qu’un autre événement B est réalisé, notée P(A|B).
  Formule :
  $P(A|B) = \frac{P(A \cap B)}{P(B)}$ Exemple : La probabilité qu’un stagiaire fasse du tennis sachant qu’il étudie l’espagnol.

• Indépendance : Deux événements A et B sont indépendants si la réalisation de l’un n’affecte pas la probabilité de l’autre, c’est-à-dire :
  $P(A \cap B) = P(A) \times P(B)$

📝 Points essentiels

• La probabilité d’un événement se calcule souvent par la formule :
  $P(A) = \frac{\text{nombre de cas favorables à A}}{\text{nombre total de cas possibles}}$
• Lorsqu’on connaît la répartition dans un tableau, on peut déterminer des probabilités en utilisant les proportions de chaque sous-ensemble.
• La probabilité conditionnelle permet d’affiner la probabilité d’un événement en tenant compte d’un contexte ou d’une information supplémentaire.
• La règle de probabilités jointes : pour deux événements A et B, la probabilité qu’ils se produisent tous les deux est donnée par $P(A \cap B)$.

💡 À retenir

Les calculs de probabilités s’appuient sur la connaissance de l’univers et l’analyse des sous-ensembles, en utilisant notamment la probabilité conditionnelle pour gérer des situations où des événements sont liés ou dépendants.

📖 3. Tableaux de répartition

🔑 Notions clés & Définitions

• Tableau de répartition : Représentation tabulaire qui indique la distribution d'une population selon plusieurs critères (ex : langue et sport). Il permet d'analyser la fréquence ou la probabilité d'événements combinés.

• Probabilité conditionnelle : Probabilité qu’un événement A se produise sachant qu’un événement B est réalisé. Notée P(A|B), elle se calcule par :
  $P(A|B) = \frac{P(A \cap B)}{P(B)}$ où $P(A \cap B)$ est la probabilité que A et B se produisent simultanément.

• Probabilité d’un événement : Mesure de la chance que cet événement se produise, comprise entre 0 (impossible) et 1 (certain). Calculée à partir des fréquences ou des données du tableau.

• Arbre de probabilités : Représentation graphique permettant de visualiser et calculer les probabilités d’événements successifs ou combinés, en utilisant les branches et leurs probabilités associées.

• Événements indépendants : Deux événements A et B sont indépendants si la réalisation de l’un n’affecte pas la probabilité de l’autre, c’est-à-dire :
  $P(A \cap B) = P(A) \times P(B)$

📝 Points essentiels

• Le tableau permet de déterminer rapidement la probabilité d’un événement précis ou combiné en utilisant la formule :
  $P(\text{événement}) = \frac{\text{nombre de cas favorables}}{\text{nombre total de cas}}$

• La probabilité conditionnelle est essentielle pour analyser des événements dépendants, notamment dans des situations où l’on ne considère qu’une sous-population (ex : parmi les stagiaires ayant choisi l’espagnol).

• La construction d’un arbre de probabilités facilite la visualisation des événements successifs et le calcul des probabilités jointes ou conditionnelles.

• La répartition dans un tableau peut être utilisée pour répondre à des questions de probabilité en isolant des sous-ensembles précis (ex : stagiaires parlant espagnol et pratiquant le tennis).

• La compréhension des notions d’indépendance ou de dépendance entre événements permet d’éviter des erreurs dans le calcul des probabilités.

💡 À retenir

Les tableaux de répartition sont des outils essentiels pour analyser la probabilité d’événements combinés et conditionnels, en permettant une lecture claire des fréquences et une application aisée des formules de probabilité.

📖 4. Probabilité d'événements conjoints

🔑 Notions clés & Définitions

• Événement conjoint : Événement constitué de la réalisation simultanée de deux événements ou plus. Noté $A \cap B$, il représente la probabilité que les deux événements $A$ et $B$ se produisent ensemble.

• Probabilité conditionnelle : Probabilité qu’un événement $A$ se produise sachant que l’événement $B$ est déjà réalisé. Notée $P(A|B)$, elle est définie par $P(A|B) = \frac{P(A \cap B)}{P(B)}$ si $P(B) > 0$.

• Indépendance d’événements : Deux événements $A$ et $B$ sont indépendants si la réalisation de l’un n’influence pas la probabilité de l’autre, c’est-à-dire $P(A \cap B) = P(A) \times P(B)$.

• Tableau de contingence : Outil permettant de représenter la répartition conjointe de deux variables, facilitant le calcul des probabilités conjointes et conditionnelles.

• Loi de probabilité jointe : Fonction qui associe à chaque paire d’événements $A$ et $B$ la probabilité qu’ils se produisent simultanément, souvent représentée dans un tableau ou une matrice.

📝 Points essentiels

• La probabilité d’un événement conjoint est souvent calculée à partir de la probabilité conditionnelle : $P(A \cap B) = P(A|B) \times P(B)$.

• La connaissance de la probabilité conditionnelle permet de mettre en évidence la dépendance ou l’indépendance entre deux événements.

• En cas d’indépendance, la probabilité conjointe se simplifie : $P(A \cap B) = P(A) \times P(B)$.

• Les tableaux de contingence facilitent la visualisation et le calcul des probabilités conjointes dans des situations complexes.

• La formule de Bayes permet de recalculer la probabilité conditionnelle en utilisant la probabilité jointe : $P(A|B) = \frac{P(B|A) \times P(A)}{P(B)}$.

💡 À retenir

La probabilité d’événements conjoints permet d’évaluer la co-occurrence de deux événements, en utilisant notamment la probabilité conditionnelle et l’indépendance, essentielles pour analyser des situations où plusieurs variables interagissent.

📖 5. Probabilité d'événements conditionnels

🔑 Notions clés & Définitions

• Probabilité conditionnelle : La probabilité qu’un événement A se produise sachant qu’un événement B est déjà réalisé. Notée $P(A|B)$.
  $\boxed{P(A|B) = \frac{P(A \cap B)}{P(B)} \quad \text{si } P(B) > 0}$

• Événements indépendants : Deux événements A et B sont indépendants si la réalisation de l’un n’affecte pas la probabilité de l’autre. Formule : $P(A \cap B) = P(A) \times P(B)$.

• Règle de Bayes : Permet de calculer la probabilité conditionnelle inverse :
  $P(B|A) = \frac{P(A|B) \times P(B)}{P(A)}$

• Probabilité conjointe : La probabilité que deux événements A et B se produisent simultanément, notée $P(A \cap B)$.

• Loi des probabilités totales : Si $(B_i)_{i=1,\dots,n}$ est une partition de l’univers, alors :
  $P(A) = \sum_{i=1}^n P(A|B_i) \times P(B_i)$

📝 Points essentiels

• La probabilité conditionnelle modifie la perspective en se concentrant sur un sous-ensemble de l’univers où B est vrai.
• La formule $P(A|B) = \frac{P(A \cap B)}{P(B)}$ est fondamentale pour le calcul des probabilités conditionnelles.
• La règle de Bayes est essentielle pour inverser une condition et mettre en relation $P(A|B)$ et $P(B|A)$.
• La notion d’indépendance simplifie souvent les calculs en permettant de décomposer $P(A \cap B)$ en produit $P(A) \times P(B)$.

💡 À retenir

La probabilité conditionnelle permet d’évaluer la probabilité d’un événement en tenant compte d’une information préalable, et la règle de Bayes facilite l’inversion de cette condition pour des applications variées.

📖 6. Arbres de probabilités

🔑 Notions clés & Définitions

• Arbre de probabilités : Représentation graphique sous forme d’un arbre qui permet de modéliser et de calculer des probabilités conditionnelles et totales en décomposant un événement en plusieurs étapes successives.

• Probabilité conditionnelle : Probabilité qu’un événement A se produise sachant qu’un événement B est déjà réalisé, notée P(A | B). Elle se calcule par la formule :
  $P(A | B) = \frac{P(A \cap B)}{P(B)}$

• Probabilité totale : Probabilité qu’un événement A se produise en tenant compte de plusieurs sous-événements B₁, B₂, ..., Bₙ qui forment une partition de l’univers, calculée par la formule :
  $P(A) = \sum_{i} P(A | B_i) \times P(B_i)$

• Calcul de probabilités sur un arbre : La probabilité d’un chemin dans l’arbre est le produit des probabilités le long de ce chemin. La probabilité d’un événement est la somme des probabilités de tous les chemins menant à cet événement.

• Partition de l’univers : Ensemble d’événements mutuellement exclusifs et exhaustifs, dont la réunion couvre tout l’univers (ex : choix d’un sport ou d’une langue).

📝 Points essentiels

• L’arbre permet de visualiser facilement les différentes étapes d’un processus aléatoire et de calculer des probabilités complexes en décomposant en événements simples.
• La multiplication des probabilités le long d’un chemin donne la probabilité conjointe de cet événement.
• La somme des probabilités de tous les chemins menant à un même événement donne la probabilité totale de cet événement.
• Lorsqu’on utilise un arbre, il faut bien distinguer entre probabilités conditionnelles (sur chaque branche) et probabilités totales (en sommant les branches appropriées).
• La formule de la probabilité totale est essentielle pour calculer la probabilité d’un événement en fonction de différentes causes ou sous-événements.

💡 À retenir

L’arbre de probabilités est un outil graphique et méthodologique permettant de décomposer et de calculer efficacement des probabilités conditionnelles et totales dans des processus successifs.

📖 7. Probabilités dans urnes

🔑 Notions clés & Définitions

• Univers (Ω) : Ensemble de tous les résultats possibles d'une expérience aléatoire. Exemple : l'ensemble des dossiers de stagiaires.
• Événement (A, B, ...) : Sous-ensemble de l'univers, constitué d'issues favorables à une situation donnée. Exemple : choisir un stagiaire parlant espagnol.
• Probabilité (P) : Mesure numérique de la chance qu’un événement se réalise, avec 0 ≤ P(A) ≤ 1. P(Ω) = 1.
• Probabilité conditionnelle (P(A | B)) : Probabilité que l’événement A se produise sachant que B est réalisé, calculée par P(A ∩ B) / P(B).
• Indépendance : Deux événements A et B sont indépendants si P(A ∩ B) = P(A) × P(B). La réalisation de l’un n’influence pas l’autre.
• Loi de probabilité dans une urne : Probabilité de tirer un élément favorable dans une urne, calculée par le rapport du nombre d’éléments favorables au total d’éléments.

📝 Points essentiels

• La probabilité d’un événement dans une urne est souvent calculée par le rapport entre le nombre d’issues favorables et le nombre total d’issues possibles.
• Lorsqu’on tire un élément sans remise, les probabilités se modifient (probabilités conditionnelles), nécessitant souvent l’utilisation de l’arbre de probabilités.
• La loi des probabilités conditionnelles permet de mettre à jour la probabilité d’un événement en fonction d’une information préalable.
• La formule de Bayes est utilisée pour inverser une probabilité conditionnelle, notamment dans le contexte de tests ou de diagnostics.
• La notion d’indépendance est cruciale pour simplifier le calcul de probabilités conjointes.

💡 À retenir

Les probabilités dans une urne se calculent principalement par le rapport du nombre d’issues favorables au total, en tenant compte des modifications de l’univers lors de tirages successifs ou d’événements conditionnels.

📖 8. Probabilités en tests médicaux

🔑 Notions clés & Définitions

• Probabilité conditionnelle : La probabilité qu’un événement A se produise sachant qu’un autre événement B est déjà réalisé, notée P(A|B).
  Exemple : La probabilité qu’un patient soit malade sachant que le test est positif.

• Probabilité inconditionnelle : La probabilité qu’un événement se produise sans condition préalable, notée P(A).
  Exemple : La probabilité qu’un patient soit malade dans la population.

• Vérité d’un test médical : La capacité du test à identifier correctement les malades ou les non-malades.
  Exemples : Sensibilité (vrai positif), Spécificité (vrai négatif).

• Vraisemblance (ou valeur prédictive) : La probabilité qu’un résultat de test soit correct, notamment la valeur prédictive positive (VPP) et négative (VPN).
  Exemple : La VPP d’un test positif est la probabilité que le patient soit réellement malade si le test est positif.

• Loi de probabilité : La règle qui permet de calculer la probabilité d’un événement en utilisant la somme ou le produit des probabilités d’événements élémentaires ou conditionnels.

• Arbre de probabilités : Un outil graphique permettant de représenter et calculer des probabilités composées ou conditionnelles en décomposant un événement en plusieurs étapes.

📝 Points essentiels

• La compréhension des probabilités conditionnelles est fondamentale pour interpréter les résultats des tests médicaux, notamment pour calculer la vraisemblance qu’un patient soit réellement malade si le test est positif.
• La formule de Bayes est souvent utilisée pour inverser une probabilité conditionnelle, permettant d’évaluer la probabilité qu’un patient soit malade en fonction d’un résultat positif.
• La sensibilité et la spécificité d’un test influencent directement ses valeurs prédictives.
• La construction d’un arbre de probabilités facilite la visualisation et le calcul des probabilités composées ou conditionnelles dans un contexte médical.

💡 À retenir

Les probabilités en tests médicaux permettent d’évaluer la fiabilité d’un test en tenant compte de la prévalence de la maladie, de la sensibilité et de la spécificité, grâce notamment à la formule de Bayes.

📖 9. Probabilités et clés

🔑 Notions clés & Définitions

• Probabilité : Mesure numérique de la chance qu’un événement se produise, comprise entre 0 (impossibilité) et 1 (certitude).
  Exemple : La probabilité de tirer une balle orange dans une urne est le rapport du nombre de balles oranges sur le total de balles.

• Événement : Résultat ou ensemble de résultats possibles d’une expérience aléatoire.
  Exemple : Tirer un stagiaire étudiant l’espagnol et pratiquant le tennis.

• Univers (Ω) : Ensemble de tous les résultats possibles d’une expérience aléatoire.
  Exemple : L’ensemble des dossiers de 150 stagiaires.

• Probabilité conditionnelle : Probabilité qu’un événement A se produise sachant qu’un autre événement B est réalisé, notée P(A|B).
  Exemple : Probabilité qu’un stagiaire fasse du tennis sachant qu’il étudie l’espagnol.

• Arbre de probabilités : Représentation graphique des événements successifs avec leurs probabilités, permettant de calculer des probabilités composées.
  Exemple : Probabilités de choisir un sport ou une langue, puis de continuer selon le choix.

📝 Points essentiels

• La probabilité d’un événement est calculée par le rapport du nombre de cas favorables sur le total, si l’échantillon est uniformément réparti.
• La probabilité conditionnelle permet de mettre à jour la probabilité d’un événement en tenant compte d’une information préalable.
• La règle du produit pour deux événements indépendants : P(A ∩ B) = P(A) × P(B).
• La règle de l’arbre facilite le calcul des probabilités composées en décomposant l’expérience en étapes successives.
• La formule de Bayes permet de calculer la probabilité conditionnelle inversée :
  $P(A|B) = \frac{P(B|A) \times P(A)}{P(B)}$

💡 À retenir

Les probabilités permettent d’évaluer les chances d’événements dans des situations d’incertitude, en utilisant des outils comme la règle du produit, la probabilité conditionnelle et la représentation par arbre pour simplifier les calculs.

📊 Tableaux de synthèse

⚠️ Pièges & Confusions fréquentes

1. Confondre $P(A|B)$ avec $P(B|A)$.
2. Oublier que $P(B) > 0$ pour appliquer la formule conditionnelle.
3. Supposer l’indépendance sans vérification, mener à des erreurs dans le calcul de $P(A \cap B)$.
4. Confondre probabilité conjointe $P(A \cap B)$ et probabilité conditionnelle $P(A|B)$.
5. Utiliser la formule de probabilité conditionnelle lorsque les événements sont indépendants sans ajuster.
6. Négliger la différence entre probabilité d’un événement seul et dans un contexte conditionnel.
7. Mal interpréter un tableau de répartition ou de contingence, notamment en ne normalisant pas correctement.

✅ Checklist examen

• Vérifier la définition de la probabilité conditionnelle et sa formule.
• Savoir calculer $P(A|B)$ à partir de $P(A \cap B)$ et $P(B)$.
• Identifier si deux événements sont indépendants ou dépendants.
• Utiliser la règle de multiplication pour retrouver $P(A \cap B)$.
• Savoir construire et interpréter un arbre de probabilités.
• Calculer une probabilité dans un tableau de répartition ou de contingence.
• Appliquer la formule de Bayes pour recalculer une probabilité conditionnelle.
• Reconnaître et éviter les faux-amis comme $P(A|B) \neq P(B|A)$.
• Vérifier que $P(B) > 0$ avant de calculer $P(A|B)$.
• Différencier probabilité conjointe, conditionnelle et simple.
• Utiliser la formule $P(A \cap B) = P(B) \times P(A|B)$.
• Savoir distinguer événements indépendants et dépendants dans un contexte donné.