Probabilités Conditionnelles Essentielles

1. 📌 L'essentiel

• La probabilité conditionnelle $P(B/A)$ mesure la probabilité de B sachant A.
• P(B/A) = \fracP(B \cap A)}{P(A)} avec $P(A) \neq 0$.
• La relation entre intersection et probabilité conditionnelle : P(B \cap A) = P(B/A) \times P(A) $.
• La différence entre $P(B/A)$ et $P(A/B)$ est cruciale.
• La formule de Bayes permet de réévaluer des probabilités à partir de nouvelles informations.
• Exemple : tirage d’une boule rouge dans un sac, calcul de $P(G/R)$.
• La probabilité conditionnelle est essentielle en statistique, modélisation et décision.
• La connaissance d’un événement modifie la probabilité d’un autre.
• La formule s’applique dans des contextes variés : diagnostic, tirages, échantillonnage.
• La compréhension des relations entre probabilités conditionnelles et intersections est clé.

2. 🧩 Structures & Composants clés

• Événement A — événement connu ou préalable.
• Événement B — événement dont on calcule la probabilité conditionnelle.
• $P(A)$ — probabilité de l’événement A.
• $P(B/A)$ — probabilité de B sachant A.
• $P(B \cap A)$ — intersection des événements A et B.
• Formule de Bayes — $P(A/B) = \frac{P(B/A) \times P(A)}{P(B)}$.
• Tableau de contingence — représentation des probabilités jointes.