Fiche de révision : Maîtrise des probabilités conditionnelles

📋 Plan du Cours

1. Probabilité conditionnelle
2. Formules de calcul
3. Partition d'univers
4. Arbres de probabilité
5. Probabilités totales
6. Indépendance événements
7. Vérification indépendance
8. Événements contraires
9. Indépendance succession
10. Propriétés complémentaires

📖 1. Probabilité conditionnelle

🔑 Notions clés & Définitions

• Probabilité conditionnelle : La probabilité que l'événement A se réalise sachant que B est déjà réalisé. Elle restreint l'univers des possibles à B.
• Interprétation : La probabilité conditionnelle peut être vue comme une restriction de l'univers à B, c'est-à-dire qu'on considère uniquement les cas où B est vrai.
• Mots-clés d'identification : Dans un énoncé, des expressions telles que "sachant que", "parmi les", "si B est réalisé", "étant donné que B" indiquent une probabilité conditionnelle.
• Notation : La probabilité conditionnelle de A sachant B est notée P_B(A).

📝 Points essentiels

• La probabilité conditionnelle P_B(A) permet de mesurer la chance que A se produise dans l'univers réduit à B.
• Elle se calcule à partir de l'intersection des événements A et B, rapportée à la probabilité de B :
  $P_B(A) = \frac{P(A \cap B)}{P(B)}$
• La notation P_B(A) est spécifique à la probabilité de A sachant B, ce qui facilite la distinction avec d'autres concepts.
• La traduction d’un énoncé contenant "parmi les B" ou "sachant que B" en notation mathématique est essentielle pour appliquer les formules.

💡 À retenir

La probabilité conditionnelle est la probabilité de réaliser A dans l'univers où B est déjà réalisé, et elle se note P_B(A), permettant de modéliser l'effet de l'information B sur la probabilité de A.

📖 2. Formules de calcul

🔑 Notions clés & Définitions

• Formule fondamentale de la probabilité conditionnelle :
  P_B(A) = P(A ∩ B) / P(B)
  Elle permet de calculer la probabilité de A sachant B en rapportant l'intersection des deux événements à la probabilité de B.

• Formule du produit :
  P(A ∩ B) = P(B) × P_B(A)
  Elle exprime l'intersection de deux événements en fonction de la probabilité de B et de la probabilité conditionnelle de A sachant B.

• Méthode dans un tableau à double entrée :
  La probabilité de l'intersection est obtenue en divisant la case commune (A ∩ B) par la somme totale de la ligne ou colonne correspondant à la condition B, ce qui revient à appliquer la formule de la probabilité conditionnelle.

• Stratégie de résolution :
  Identifier si l'on cherche une probabilité conditionnelle ou une intersection, puis appliquer la formule appropriée en isolant l'inconnue, en vérifiant que la probabilité reste comprise entre 0 et 1.

📝 Points essentiels

• La formule P_B(A) = P(A ∩ B) / P(B) est la base pour relier probabilité conditionnelle et intersection. Elle permet de transformer une probabilité conditionnelle en une intersection si la probabilité de B est connue, et inversement.
• La formule du produit P(A ∩ B) = P(B) × P_B(A) est particulièrement utile pour calculer l'intersection lors de tirages successifs sans remise ou dans la modélisation par arbre de probabilité.
• Lors de l'utilisation d'un tableau à double entrée, la division de la case de l'intersection par la somme totale de la ligne ou colonne correspondant à la condition B permet de déterminer la probabilité conditionnelle.
• La stratégie consiste à distinguer clairement entre probabilité conditionnelle et intersection pour éviter toute confusion lors du calcul.

💡 À retenir

La formule fondamentale de la probabilité conditionnelle et la formule du produit sont deux outils essentiels pour décomposer et calculer des probabilités dans des situations complexes, notamment dans les tirages successifs ou la modélisation par arbre. Leur utilisation correcte repose sur une identification claire de l'événement conditionnel ou de l'intersection à traiter.

📖 3. Partition d'univers

🔑 Notions clés & Définitions

• Partition de l'univers : Ensemble d'événements disjoints (mutuellement incompatibles) dont la somme des probabilités est égale à 1. Autrement dit, ces événements couvrent toutes les possibilités sans chevauchement.
  Exemple : "Mineur" et "Majeur" forment une partition si P(Mineur) + P(Majeur) = 1.

• Événements incompatibles : Deux événements A et B sont incompatibles si leur intersection est vide, c’est-à-dire P(A ∩ B) = 0. Ils ne peuvent pas se produire simultanément.

• Critère pour vérifier une partition : Vérifier que les événements sont incompatibles (mutuellement disjoints) et que la somme de leurs probabilités est égale à 1.
  Formellement :

  • ∀ i ≠ j, Bᵢ ∩ Bⱼ = ∅
  • ∑ P(Bᵢ) = 1

• Exemples concrets de partitions :

  • "Mineur" / "Majeur" avec P(Mineur) + P(Majeur) = 1
  • Intervalles de notes : [0-10[, [10-15[, [15-20[, etc., dont la somme des probabilités est 1.

• Critère de construction d’un arbre formant une partition : Le premier niveau doit représenter des événements incompatibles dont la somme des probabilités est 1, garantissant une couverture totale de l’univers.

📝 Points essentiels

• La partition de l'univers consiste en un ensemble d'événements disjoints couvrant tout l’espace probabiliste, avec une somme des probabilités égale à 1.
• La disjonction (incompatibilité) est essentielle : deux événements ne peuvent pas se produire simultanément pour faire partie d’une même partition.
• La vérification d’une partition repose sur deux conditions : l’incompatibilité entre événements et la somme des probabilités égale à 1.
• La construction d’un arbre de probabilité pour représenter une partition doit respecter ces principes, notamment en ce qui concerne la somme des probabilités au premier niveau.
• La formule des probabilités totales s’appuie sur une partition pour décomposer une probabilité en somme de contributions conditionnelles.

💡 À retenir

Une partition de l’univers est un ensemble d’événements disjoints dont la somme des probabilités est égale à 1, permettant de couvrir toutes les possibilités sans chevauchement.

📖 4. Arbres de probabilité

🔑 Notions clés & Définitions

• Construction d’un arbre de probabilité : Représentation graphique où chaque niveau correspond à un événement, avec des branches représentant des événements incompatibles, permettant de visualiser les probabilités conditionnelles et de calculer intersections (voir notions de niveaux et branches).
• Probabilités conditionnelles sur un arbre : Probabilités associées aux branches du deuxième niveau, qui représentent la probabilité d’un événement donné que l’événement préalable a eu lieu. Ces probabilités sont essentielles pour calculer des intersections ou des probabilités conditionnelles via l’arbre.
• Utilisation de l’arbre pour calculer intersections et probabilités conditionnelles : La lecture de l’arbre permet de déterminer P(A ∩ B) en multipliant la probabilité d’un événement sur un niveau par la probabilité conditionnelle sur la branche suivante (exemple : P(A ∩ B) = P(A) × P(B|A)).
• Exemple d’arbre pondéré : Un arbre où chaque branche porte une probabilité, par exemple avec deux machines A et B, et leurs défauts, illustrant comment modéliser des événements indépendants ou dépendants, et calculer des probabilités associées.

📝 Points essentiels

• La construction d’un arbre doit commencer par un premier niveau d’événements incompatibles dont la somme des probabilités est égale à 1, formant une partition de l’univers (voir notions de partition).
• Les probabilités sur les branches du second niveau sont des probabilités conditionnelles, permettant de représenter la dépendance ou l’indépendance entre événements successifs.
• La lecture de l’arbre permet de calculer facilement l’intersection de deux événements en multipliant la probabilité d’un événement par la probabilité conditionnelle de l’autre, selon la formule :
  $P(A \cap B) = P(A) \times P(B|A)$
• La formule de Bayes peut aussi être illustrée par l’arbre, en utilisant la relation :
  $P(B|A) = \frac{P(A \cap B)}{P(A)}$
• La règle du produit s’applique pour les épreuves indépendantes, où la probabilité d’une issue complète est le produit des probabilités sur chaque branche.

💡 À retenir

L’arbre de probabilité est un outil graphique permettant de représenter et de calculer facilement intersections et probabilités conditionnelles, en utilisant des branches pondérées correspondant à des événements incompatibles et leurs probabilités conditionnelles.

📖 5. Probabilités totales

🔑 Notions clés & Définitions

• Formule des probabilités totales pour deux branches :
  P(A) = P(A|B) × P(B) + P(A|B̅) × P(B̅)
  Elle permet de décomposer la probabilité d’un événement A en fonction de deux sous-événements disjoints B et B̅, en utilisant la probabilité conditionnelle.

• Formule généralisée des probabilités totales avec une partition complète :
  P(A) = ∑ P(A|B_i) × P(B_i)
  Elle étend la formule précédente à une partition de l’univers en plusieurs événements B_i, permettant de calculer P(A) en sommant les contributions de chaque branche.

• Application pratique :
  La formule est utilisée pour calculer une probabilité en décomposant selon une partition, par exemple en utilisant des fournisseurs ou des trajets, afin d’évaluer la probabilité globale d’un événement en tenant compte de différentes sources ou chemins.

📝 Points essentiels

• La formule des probabilités totales à deux branches est un cas particulier de la formule généralisée, qui s’applique lorsque l’univers est divisé en deux événements disjoints B et B̅.
• La formule généralisée s’applique à toute partition complète de l’univers, c’est-à-dire un ensemble d’événements mutuellement incompatibles dont la somme des probabilités vaut 1.
• Elle permet de simplifier le calcul de probabilités complexes en les décomposant selon des événements plus simples ou plus facilement accessibles.
• Exemple d’utilisation : pour calculer la probabilité qu’un produit soit défectueux en tenant compte de la provenance (fournisseurs F1, F2, F3) ou pour évaluer la probabilité qu’un trajet soit retardé en fonction de différentes routes.

💡 À retenir

La formule des probabilités totales, qu’elle soit pour deux branches ou généralisée, est un outil fondamental pour décomposer et calculer des probabilités en fonction de partitions de l’univers, facilitant ainsi l’analyse de situations complexes.

📖 6. Indépendance événements

🔑 Notions clés & Définitions

• Indépendance entre deux événements : Deux événements A et B sont indépendants si la réalisation de l’un n’influence pas la probabilité de l’autre. Formellement, P(A ∩ B) = P(A) × P(B).
• Équivalence avec probabilité conditionnelle : Si P(B) > 0, alors A et B sont indépendants si et seulement si P_B(A) = P(A), où P_B(A) est la probabilité de A sachant B (voir section 1).
• Interprétation intuitive : La réalisation de l’un des événements n’a pas d’effet sur la probabilité de réalisation de l’autre, ce qui traduit une absence d’influence causale ou statistique.
• Exemple classique : Lancer un dé (A : obtenir 6) et lancer une pièce (B : obtenir pile). Ces événements sont indépendants car la probabilité de chaque événement ne dépend pas de l’autre, vérifiée par P(A) = 1/6, P(B) = 1/2, et P(A ∩ B) = 1/12 = P(A) × P(B).

📝 Points essentiels

• La condition fondamentale pour l’indépendance est P(A ∩ B) = P(A) × P(B). Si cette égalité est vérifiée, alors la probabilité conditionnelle P_B(A) est égale à la probabilité marginale P(A), ce qui confirme l’indépendance.
• La distinction entre événements indépendants et incompatibles (ou disjoints) est cruciale :
  • Incompatibles : P(A ∩ B) = 0 (ne peuvent pas se produire ensemble).
  • Indépendants : P(A ∩ B) = P(A) × P(B), et la réalisation de l’un n’apporte aucune information sur l’autre.
• La propriété se transmet aux événements contraires : si A et B sont indépendants, alors leurs complémentaires Ā et B̅ le sont aussi (voir section 8).
• Lorsqu’on répète une expérience dans des conditions identiques (ex : tirages avec remise), les résultats successifs sont indépendants. La règle du produit stipule que la probabilité d’une issue complète est le produit des probabilités sur chaque étape.

💡 À retenir

Deux événements sont indépendants si la probabilité de leur intersection est égale au produit de leurs probabilités individuelles, ce qui signifie que la réalisation de l’un n’influence pas la probabilité de l’autre.

📖 7. Vérification indépendance

🔑 Notions clés & Définitions

• Méthode de vérification par calcul direct : Comparer la probabilité de l'intersection P(A ∩ B) avec le produit P(A) × P(B). Si ces deux valeurs sont égales, alors A et B sont indépendants.
• Utilisation d'un tableau à double entrée : Outil permettant de tester l'indépendance en comparant les proportions dans les lignes et colonnes. La proportion d'un événement dans une sous-population doit être égale à la proportion dans la population totale pour que l'indépendance soit vérifiée.
• Exemple d'application : Tirage de cartes ou de classes (sport et musique). Par exemple, dans un jeu de 52 cartes, vérifier si "tirer un cœur" et "tirer une figure" sont indépendants en comparant P(A ∩ B) et P(A) × P(B).

📝 Points essentiels

• La condition d’indépendance entre deux événements A et B est :
  $P(A ∩ B) = P(A) \times P(B)$ (voir section 6).
• La vérification par calcul direct consiste à calculer P(A ∩ B) à partir des données, puis à comparer cette valeur au produit P(A) × P(B). Si elles sont égales, A et B sont indépendants.
• La méthode avec un tableau à double entrée permet de visualiser cette indépendance en comparant les proportions : si P(Sport | Musique) = P(Sport), alors la pratique du sport est indépendante de celle de la musique.
• Lorsqu’on utilise un tableau, on vérifie si la proportion d’un événement dans une sous-population est la même que dans la population globale.
• La propriété des événements contraires : si A et B sont indépendants, alors leurs complémentaires Ā et B le sont aussi, ce qui peut être vérifié par la même méthode.
• La règle du produit pour des épreuves successives indépendantes : la probabilité d’une suite d’événements indépendants est le produit de leurs probabilités.
• La propriété fondamentale de l’indépendance stochastique : $P(A ∩ B) = P(A) \times P(B)$, et cela s’étend aux complémentaires.

💡 À retenir

L’indépendance entre deux événements se vérifie en comparant directement P(A ∩ B) avec P(A) × P(B). Si ces deux valeurs sont égales, les événements sont indépendants, ce qui peut aussi être confirmé par l’analyse des proportions dans un tableau à double entrée.

📖 8. Événements contraires

🔑 Notions clés & Définitions

• Événements contraires (complémentaires) : Deux événements A et Ā sont dits contraires si leur union couvre tout l'univers, c'est-à-dire P(A ∪ Ā) = 1, et P(A ∩ Ā) = 0. (voir aussi propriété de complémentarité)

• Propriétés de l'indépendance qui se transmettent aux événements contraires : Si deux événements A et B sont indépendants, alors leurs complémentaires Ā et B, ainsi que A et B̅, Ā et B̅, le sont aussi. (voir propriété des complémentaires)

• Relations entre P(A ∩ B), P(A ∩ B̅), P(Ā ∩ B), P(Ā ∩ B̅) en cas d'indépendance : Lorsqu'A et B sont indépendants, on a :

  • P(A ∩ B) = P(A) × P(B)
  • P(A ∩ B̅) = P(A) × P(B̅)
  • P(Ā ∩ B) = P(Ā) × P(B)
  • P(Ā ∩ B̅) = P(Ā) × P(B̅) Ces relations illustrent que l'indépendance se maintient même avec les événements complémentaires.

📝 Points essentiels

• La complémentarité implique que P(Ā) = 1 - P(A). Deux événements contraires ne peuvent pas se produire simultanément, donc P(A ∩ Ā) = 0, et leur union est certaine : P(A ∪ Ā) = 1.
• La propriété fondamentale d’indépendance, P(A ∩ B) = P(A) × P(B), se transmet aux événements contraires. Si A et B sont indépendants, alors Ā et B, ainsi que A et B̅, Ā et B̅, le sont aussi.
• En cas d’indépendance, les relations entre probabilités d’intersections impliquent que les événements complémentaires se comportent de manière similaire à A et B, ce qui facilite les calculs et la vérification de l’indépendance.

💡 À retenir

Si deux événements sont indépendants, leur complémentaire l’est aussi, et cette indépendance se traduit par des relations multiplicatives entre leurs probabilités d’intersection, même lorsqu’on considère leurs complémentaires.

📖 9. Indépendance succession

🔑 Notions clés & Définitions

• Indépendance dans une succession d’épreuves : Lorsqu’on répète une expérience aléatoire dans des conditions identiques (ex : tirages avec remise), les résultats successifs sont indépendants. La réalisation de l’un n’influence pas la probabilité de l’autre. (voir aussi "Règle du produit")

• Règle du produit : Sur un arbre représentant des épreuves indépendantes, la probabilité d’une issue (chemin complet) est le produit des probabilités rencontrées sur les branches de ce chemin. (ex : P(B ∩ N) = P(B) × P(N))

• Indépendance stochastique : Deux événements A et B sont indépendants si et seulement si P(A ∩ B) = P(A) × P(B). Cela équivaut à PB(A) = P(A) si P(B) > 0. (voir aussi "probabilité conditionnelle")

📝 Points essentiels

• Lorsqu’on répète une expérience dans des conditions identiques, les résultats successifs sont modélisés par un arbre pondéré, où chaque branche correspond à une étape indépendante avec une probabilité spécifique. La règle du produit s’applique alors pour calculer la probabilité d’une issue complète : la probabilité d’un chemin est le produit des probabilités sur ses branches.

• La définition formelle de l’indépendance entre deux événements A et B est donnée par P(A ∩ B) = P(A) × P(B). Si cette égalité est vérifiée, on dit que A et B sont indépendants.

• La propriété des complémentaires indique que si A et B sont indépendants, alors leurs complémentaires (ex : Ā et B) le sont aussi. Cela permet d’étendre la notion d’indépendance à des événements complémentaires.

• La vérification de l’indépendance peut se faire par un calcul direct : comparer P(A ∩ B) avec P(A) × P(B). Si elles sont égales, A et B sont indépendants.

• Lors de tirages avec remise, les résultats successifs sont indépendants, ce qui justifie l’utilisation de la règle du produit pour calculer la probabilité d’une suite d’événements.

💡 À retenir

L’indépendance dans une succession d’épreuves répétées dans des conditions identiques se modélise par un arbre pondéré où la probabilité d’une issue complète est le produit des probabilités sur chaque étape. Deux événements sont indépendants si leur intersection vaut le produit de leurs probabilités.

📖 10. Propriétés complémentaires

🔑 Notions clés & Définitions

• Indépendance d'événements : Deux événements A et B sont indépendants si la réalisation de l’un ne modifie pas la probabilité de l’autre, ce qui se traduit par l’égalité P(A ∩ B) = P(A) × P(B) (voir section 6).
• Complémentaire : L’événement complémentaire de A, noté Ā, représente la réalisation de l’événement contraire à A. Si A est réalisé, Ā ne l’est pas, et vice versa.
• Propriété des complémentaires en indépendance : Si A et B sont indépendants, alors leurs complémentaires Ā et B le sont aussi, ce qui implique que P(Ā ∩ B) = P(Ā) × P(B) (voir section 8).
• Lien entre indépendance stochastique et égalité : La condition fondamentale de l’indépendance, P(A ∩ B) = P(A) × P(B), est aussi appelée indépendance stochastique, et elle est équivalente à P_B(A) = P(A) si P(B) > 0 (voir section 6).

📝 Points essentiels

• La propriété que si A et B sont indépendants, alors Ā et B le sont aussi, découle directement de la définition de l’indépendance et de la propriété des complémentaires (voir section 8).
• La transmission de l’indépendance aux événements complémentaires est une conséquence importante : si A et B sont indépendants, alors Ā et B le sont aussi, ce qui permet d’étendre la notion d’indépendance à des événements contraires.
• La relation P(Ā ∩ B) = P(Ā) × P(B) est une conséquence directe de l’indépendance de A et B, et elle montre que l’indépendance est conservée lorsque l’on considère l’événement complémentaire de A.
• La condition P(A ∩ B) = P(A) × P(B) est la définition de l’indépendance stochastique, qui est équivalente à P_B(A) = P(A), soulignant que la probabilité de A ne dépend pas de B (voir section 6).

💡 À retenir

Si deux événements A et B sont indépendants, alors leurs complémentaires Ā et B le sont aussi, et cette propriété s’étend à toutes leurs combinaisons, ce qui garantit que l’indépendance est une propriété robuste, conservée même lorsque l’on considère les événements contraires.

📊 Tableaux de Synthèse

⚠️ Pièges & Confusions Fréquentes

1. Confondre probabilité conditionnelle $P_B(A)$ avec la probabilité simple $P(A)$.
2. Omettre de vérifier que $P(B) \neq 0$ avant de calculer $P_B(A)$.
3. Confondre la formule du produit avec la formule de la probabilité conditionnelle.
4. Ne pas distinguer événements incompatibles et indépendants dans la construction d’une partition.
5. Mal appliquer la formule des probabilités totales en ne respectant pas la partition.
6. Interpréter à tort une probabilité conditionnelle comme une probabilité simple.
7. Oublier que la somme des probabilités d’une partition doit être égale à 1.

✅ Checklist Examen

• Connaître la définition de la probabilité conditionnelle selon Perroux.
• Maîtriser la formule $P_B(A) = \frac{P(A \cap B)}{P(B)}$.
• Savoir utiliser la formule du produit pour calculer $P(A \cap B)$.
• Identifier si un ensemble d’événements constitue une partition de l’univers.
• Vérifier que les événements d’une partition sont mutuellement incompatibles et que leur somme est 1.
• Savoir construire et interpréter un arbre de probabilité, en distinguant les probabilités conditionnelles et inconditionnelles.
• Appliquer la formule des probabilités totales dans le contexte d’une partition.
• Vérifier l’indépendance de deux événements à partir de $P(A \cap B)$ et $P(A)$, $P(B)$.
• Vérifier la dépendance ou indépendance successive en utilisant la formule $P(B|A)$.
• Connaître la propriété que la somme des probabilités complémentaires est 1.
• Savoir utiliser la formule de Bayes illustrée par un arbre de probabilité.
• Maîtriser la distinction entre événements contraires et complémentaires.