TS – Cours – Probabilités conditionnelles

Probabilités conditionnelles

I Rappels

On considère deux événements $A$ et $B$ d’un même univers $\Omega$.

Définition 1 :
On appelle événement contraire de $A$, l’événement constitué des issues n’appartenant pas à $A$. On le note $\overline{A}$.

ts-cours-probabilites-conditionnelles-fig1

 

Exemple : Dans un lancé de dé, on considère l’événement $A$ “Obtenir un $1$ ou un $2$”.

L’événement contraire est $\overline{A}$ “Obtenir un $3$, $4$, $5$ ou $6$”.

Définition 2 :
L’événement “$A$ ou $B$”, noté $A \cup B$ et se lit “$A$ union $B$”, contient les issues appartenant à $A$ ou à $B$.

ts-cours-probabilites-conditionnelles-fig2

 

Remarque : Les éléments de $A \cup B$ peuvent appartenir à la fois à $A$ et à $B$.

Exemple : Dans un lancé de dé, on appelle $A$ l’événement “Obtenir $1$,$2$ ou $3$” et $B$ l’événement “Obtenir $3$ ou $5$”.

L’événement $A \cup B$ est “Obtenir $1$, $2$, $3$ ou $5$”.

Définition 3 :
L’événement “$A$ et $B$”, noté $A \cap B$ et se lit “$A$ inter $B$”, contient les issues communes à $A$ et $B$.

ts-cours-probabilites-conditionnelles-fig3

 

Exemple : Dans un lancé de dé, on appelle $A$ l’événement “Obtenir $1$,$2$ ou $3$” et $B$ l’événement “Obtenir $3$ ou $5$”.

L’événement $A \cap B$ est “Obtenir $3$”.

Définition 4 :
Les événements $A$ et $B$ sont dits disjoints ou incompatibles si l’événement $A \cap B$ est impossible.

ts-cours-probabilites-conditionnelles-fig4

Exemple : Dans un lancé de dé, les événements “Obtenir $1$ ou $2$” et “Obtenir $4$ ou $5$” sont incompatibles.

Remarques : 

  • Lorsque deux événements $A$ et $B$ sont disjoints on note $A \cap B = \varnothing$ où $\varnothing$ signifie “ensemble vide”.
  • Pour tout événement $A$, $A$ et $\overline{A}$ sont disjoints.
Propriété 1 :
 Dans une situation d’équiprobabilité on a :
$$p(A) = \dfrac{\text{nombre d’issues de }A}{\text{nombre total d’issues}}$$

Exemple : Dans un jeu de $32$ cartes, on considère l’événement $A$ “tirer un roi”, on a $p(A) = \dfrac{4}{32} = \dfrac{1}{8}$.

Propriété 2 :
 Soit $A$ un événement d’une expérience aléatoire d’univers $\Omega$.

  1. $0 \le p(A) \le 1$
  2. $p\left(\Omega\right) = 1$
  3. $p\left(\varnothing\right) = 0$
  4. $p\left(\overline{A}\right) = 1 – p(A)$

$\quad$

Propriété 3 :
 On considère deux événements $A$ et $B$ d’un univers $\Omega$.
$$p\left(A \cup B\right) = p(A)+p(B)-p\left(A \cap B\right)$$

 

II Probabilités conditionnelles

 Définition 5 :
On considère deux événements $A$, tel que $p(A)\neq 0$, et $B$.
On appelle probabilité conditionnelle de $\boldsymbol{B}$ sachant $\boldsymbol{A}$ le nombre $$p_A(B) = \dfrac{p(A\cap B)}{p(A)}$$

Exemple : On tire une carte noire d’un jeu de $32$ cartes. On veut déterminer la probabilité que cette carte soit un roi.

On considère alors les événements :

  • $N$ : “la carte tirée est noire”;
  • $R$ : “la carte tirée est un roi”.

On veut donc calculer $p_N(R) = \dfrac{p(N\cap R)}{p(N)}$

Or $p(N \cap R)=\dfrac{2}{32}=\dfrac{1}{16}$ et $p(N)=\dfrac{1}{2}$

Donc $p_N(R)=\dfrac{\dfrac{1}{16}}{\dfrac{1}{2}} = \dfrac{1}{16} \times 2 = \dfrac{1}{8}$.

 

Les probabilités conditionnelles suivent les mêmes règles que les probabilités en général, c’est-à-dire :

 Propriété 4 :
On considère deux événements $A$, tel que $p(A)\neq 0$, et $B$.

  1. $0 \pp p_A(B) \pp 1$
  2. $p_A(\emptyset)=0$
  3. $p_A(B)+p_A\left(\overline{B}\right)=p_A(A)=1$

Preuve Propriété 4

  1. $p(A\cap B) \pg 0$ et $p(A)\pg 0$ donc $p_A(B)=\dfrac{p(A\cap B)}{p(A)} \pg 0$.
    De plus $A\cap B$ est inclus dans $A$. Par conséquent $p(A\cap B) \pp p(A)$ et $p_A(B) \pp 1$.
    $\quad$
  2. $p(A\cap \emptyset)=0$ donc $p_A(\emptyset)=0$
    $\quad$
  3. D’une part $p_A(A)=\dfrac{p(A\cap A)}{p(A)} = \dfrac{p(A)}{p(A)} = 1$
    D’autre part
    $\begin{align*}p_A(B)+p_A\left(\overline{B}\right) &= \dfrac{p(A\cap B)}{p(A)}+\dfrac{p\left(A\cap \overline{B}\right)}{p(A)} \\
    &= \dfrac{p(A\cap B)+p\left(A \cap \overline{B}\right)}{p(A)} \\
    &= \dfrac{p(A)}{p(A)} \\
    &=1
    \end{align*}$

[collapse]

$\quad$

 Propriété 5 :

On considère deux événements $A$ et $B$ de probabilités tous les deux non nulles.
$$p(A\cap B)=p_A(B)\times p(A)=p_B(A) \times p(B)$$

Preuve Propriété 5

Par définition $p_A(B)=\dfrac{p(A\cap B)}{p(A)}$ donc $p(A\cap B)=p_A(B) \times p(A)$.

 

De même $p_B(A)=\dfrac{p(A\cap B)}{p(B)}$ donc $p(A\cap B)=p_B(A) \times p(B)$.

[collapse]

 

 

III Du côté des arbres pondérés

On considère deux événements $A$, tel que $p(A)\neq 0$, et $B$.

On a alors un arbre pondéré de ce type qui se généralise aux situations dans lesquelles il y a plus de deux événements :

ts-cours-probabilites-conditionnelles-fig5

 

 Propriété 6 :

Dans un arbre pondéré, la somme des probabilités des branches issues d’un même nœud vaut $1$.

Remarque : On retrouve en effet la propriété $p_A(B)+p_A\left(\overline{B}\right)=1$

 

 Propriété 7 :

Dans un arbre pondéré, la probabilité d’un chemin est égale au produit des probabilités des branches qui le composent.

 

Remarque : On retrouve ainsi la propriété $p(A\cap B)=p_A(B) \times p(A)$

 

Exemple (D’après Liban 2015) : En prévision d’une élection entre deux candidats A et B, un institut de sondage recueille les intention de vote de futurs électeurs.
Parmi les $1~200$ personnes qui ont répondu au sondage, $47\%$ affirment vouloir voter pour le candidat A et les autres pour le candidat B.

Compte-tenu du profil des candidats, l’institut de sondage estime que $10\%$ des personnes déclarant vouloir voter pour le candidat A ne disent pas la vérité et votent en réalité pour le candidat B, tandis que $20\%$ des personnes déclarant vouloir voter pour le candidat B ne disent pas la vérité et votent en réalité pour le candidat A.

 

On choisit au hasard une personne ayant répondu au sondage et on note :

  • $A$ l’événement “La personne interrogée affirme vouloir voter pour le candidat A”;
  • $B$ l’événement “La personne interrogée affirme vouloir voter pour le candidat B”;
  • $V$ l’événement “La personne interrogée dit la vérité”.

Construire un arbre de probabilité traduisant la situation.

On sait que $p(A)=0,47$ donc $p(B)=1-p(A)=0,53$.
De plus $p_A\left(\overline{V}\right)=0,1$ donc $p_A(V)=0,9$ et $p_B\left(\overline{V}\right)=0,2$ donc $p_B(V)=0,8$
Ce qui nous donne l’arbre pondéré suivant :

ts-cours-probabilites-conditionnelles-fig6

 

D’après l’arbre pondéré, on peut dire que $p(A\cap V) = 0,47 \times 0,9 = 0,423$.

 

IV Les probabilités totales

 Définition 6 :

On considère un entier naturel $n$ non nul.
Les événements $A_1,A_2,\ldots,A_n$ forment une partition de l’univers $\Omega$ si :

  1. Pour tout $i\in\left\{1,2,\ldots,n\right\}$, $p\left(A_i\right)\neq 0$;
  2. Les événements $A_i$ sont disjoints deux à deux;
  3. $A_1\cup A_2 \cup \ldots \cup A_n=\Omega$

Exemple :

ts-cours-probabilites-conditionnelles-fig7

 

 

Remarque : On parle également parfois de partition de l’unité.

Propriété 8 : (Probabilités totales – cas général)

On considère les événements $A_1,A_2,\ldots,A_n$ formant une partition de l’univers $\Omega$ et un événement B.

$$\begin{align*}
p(B)&=p\left(A_1\cap B\right)+p\left(A_2\cap B\right)+\ldots+p\left(A_n\cap B\right) \\
&=p_{A_1}(B)p\left(A_1\right)+p_{A_2}(B)p\left(A_2\right)+\ldots+p_{A_n}(B)p\left(A_n\right)
\end{align*}$$

Très souvent dans les exercices on utilisera cette propriété dans les cas suivants :

  • Si $n=2$ : La partition est alors constituée de $A$ et de $\overline{A}$. Par conséquent $0<p(A)<1$ et
    $$\begin{align*}
    p(B)&=p(A\cap B)+p\left(\overline{A}\cap B\right) \\
    &=p_A(B)p(A)+p_{\overline{A}}(B)p\left(\overline{A}\right)
    \end{align*}$$
    $\quad$
  • Si $n=3$
    $$\begin{align*}
    p(B)&=p\left(A_1\cap B\right)+p\left(A_2\cap B\right)+p\left(A_3\cap B\right) \\
    &=p_{A_1}(B)p\left(A_1\right)+p_{A_2}(B)p\left(A_2\right)+p_{A_3}(B)p\left(A_n\right)
    \end{align*}$$

Exemple : On reprend l’exemple de la partie sur les arbres pondérés.

D’après la formule des probabilités totales :
$$\begin{align*}
p(V)&=p(A \cap V)+p(B \cap V) \\
&= 0,47 \times 0,9+0,53 \times 0,8 \\
&=0,847
\end{align*}$$

Ainsi $84,7\%$ des personnes interrogées disent la vérité.

 

V Indépendance

 Définition 7 :

On dit que deux événements $A$ et $B$ sont indépendants si $p(A\cap B)=p(A) \times p(B)$.
Cela signifie que les deux événements peuvent se produire indépendamment l’un de l’autre.

Exemple : On tire au hasard une carte d’un jeu de $32$ cartes.

On considère les événements suivants :

  • $A$ “la carte tirée est un as”;
  • $C$ “la carte tirée est un cœur”.

$p(A)=\dfrac{4}{32}=\dfrac{1}{8}$ et $p(C)=\dfrac{1}{4}$ donc $p(A)\times p(C)=\dfrac{1}{32}$
Il n’y a qu’un seul as de cœur donc $p(A\cap C)=\dfrac{1}{32}$
Par conséquent $p(A)\times p(C)=p(A\cap C)$ et les événements $A$ et $C$ sont indépendants.

danger
Attention :

  • Ne pas confondre indépendant et incompatible;
  • $p(A\cap B)=p(A) \times p(B)$ que dans le cas des événements indépendants.
    $\qquad$ Dans les autres cas on a $p(A\cap B)=p(A) \times p_A(B)$.
 Propriété 9 :

On considère deux événements indépendants $A$ et $B$ alors $A$ et $\overline{B}$ sont également indépendants.

Preuve Propriété 9

On suppose que $0<p(B)<1$.
$A$ et $B$ sont indépendants donc $p(A\cap B)=p(A) \times p(B)$.
D’après la formule des probabilités totales on a :
$$\begin{align*}
p(A)&= p(A\cap B)+p\left(A\cap \overline{B}\right) \\
&=p(A) \times p(B) + p\left(A\cap \overline{B}\right)
\end{align*}$$

Par conséquent :
$$\begin{align*}
p\left(A\cap \overline{B}\right) &= p(A)-p(A)\times p(B) \\
&=\left(1-p(B)\right) \times p(A) \\
&=p\left(\overline{B}\right) \times p(A)
\end{align*}$$

$A$ et $\overline{B}$ sont donc indépendants.

[collapse]

$\quad$

 Propriété 10 :

On considère deux événements $A$ et $B$ de probabilités non nulles.

$$\begin{align*} A \text{ et } B \text{ sont indépendants } &\ssi p_A(B)=p(B) \\
& \ssi p_B(A)=p(A)
\end{align*}$$

Preuve Propriété 10

$$\begin{align*} A \text{ et } B \text{ sont indépendants } &\ssi p(A\cap B)=p(A) \times p(B) \\
&\ssi p_A(B) \times p(A)=p(A) \times p(B) \\
&\ssi p_A(B) = p(B)
\end{align*}$$

On procède de même pour montrer que $p_B(A)=p(A)$.

[collapse]

$\quad$

 Définition 8 :

On considère deux variables aléatoires $X$ et $Y$ définies sur un univers $\Omega$.
On appelle $x_1,x_2,\ldots,x_n$ et $y_1,y_,\ldots, y_p$ les valeurs prises respectivement par $X$ et $Y$.
Ces deux variables aléatoires sont dites indépendantes si, pour tout $i\in \left\{1,\ldots,n\right\}$ et $j\in\left\{1,\ldots,p\right\}$ les événements $\left(X=x_i\right)$ et $\left(Y=y_j\right)$ sont indépendants.