Vous êtes sur la page 1sur 32
> Probabilités conditionnelles Séquence 4 – MA01 97 © Cned – Académie en ligne

> Probabilités conditionnelles

Séquence 4 – MA01

97
97

© Cned – Académie en ligne

Chapitre 1 > Cours 101 AA Un peu d’histoire BBA Probabilité sur un ensemble fini

Chapitre 1

>

Cours

101
101
AA
AA

Un peu d’histoire

BBA
BBA

Probabilité sur un ensemble fini

CA
CA

Probabilités conditionnelles

D
D

Applications aux tests de dépistage

E
E

Exercices d’apprentissage

Chapitre 2

>

Synthèse

124
124

Chapitre 3

>

Exercices d’entraînement

126
126

Chapitre 4

>

Aide aux exercices d’entraînement

129
129
 

Sommaire séquence 4 – MA01

99
99

© Cned – Académie en ligne

Cours
Cours
A
A

Un peu d’histoire

C’est au XVII e siècle que débute véritablement le calcul des probabilités lorsque s’établit une corres- pondance entre PASCAL (1623-1662) et FERMAT (1601-1665) à propos de problèmes posés par le chevalier de MÉRÉ concernant les jeux de hasard.

Voici un extrait de la première lettre de Pascal à Fermat, datée du 29 juillet 1654.

Cet extrait de lettre est tiré d’un livre intitulé « Œuvres complètes de Blaise Pascal », édité en 1880.

ŒUVRES COMPLÈTES

DE

BLAISE PASCAL

T O ME T R O I S I È ME
T O ME T R O I S I È ME

PARIS

LIBRAIRIE HACHETTE ET C ie

79, BOULEVARD SAINT-GERMAIN, 79

1880

Première lettre de Pascal à Fermat.

Si on entreprend de faire un 6 avec un dé, il y a avantage de l’entreprendre en 4, comme de 671 à 625. Si on entreprend de faire sonnez avec deux dés, il y a désavantage de l’entreprendre en 24. Et néanmoins 24 est à 36, qui est le nombre des faces de deux dés, comme 4 à 6, qui est le nombre des faces d’un dé.

Pascal.

Le 29 juillet 1654.

C’est HUYGHENS (1596-1687) qui publia en 1657 le premier traité sur les probabilités. Mais c’est aux XVIII e et XIX e siècles que le calcul des probabilités connu un grand essor sous l’impulsion, entre autres, de LAPLACE (1749-1827), POINCARÉ (1854-1912) et BOREL (1871-1956).

Séquence 4 – MA01

101
101

© Cned – Académie en ligne

Voici ce que disait Henri POINCARÉ, à propos du calcul des probabilités, dans le chapitre XI de son ouvrage « La Science et l’Hypothèse » dont la première édition date de 1902.

Bibliothèque de Philosophie scientifique

H. POINCARÉ

MEMBRE DE L'INSTITUT

La Science et l'hypothèse

M EMBRE DE L' I NSTITUT La Science et l'hypothèse ERNEST FLAMMARION, ÉDITEUR 26, RUE RACINE,

ERNEST FLAMMARION, ÉDITEUR

26, RUE RACINE, PARIS

1927

Droits de traduction et de reproduction réservés pour les pays, y compris la Suède et la Norvège.

Le nom seul de calcul des probabilités est un paradoxe : la probabilité, opposée à la certi- tude, c’est ce qu’on ne sait pas, et comment peut-on calculer ce que l’on ne connaît pas ? Cependant, beaucoup de savants éminents se sont occupés de ce calcul, et l’on ne saurait nier que la science n’en ait tiré quelque profit. Com- ment expliquer cette apparente contradiction ? La probabilité a-t-elle été définie ? Peut-elle même être définie ? Et, si elle ne peut l’être, comment ose-t-on en raisonner ? La définition, dira-t-on, est bien simple : la probabilité d’un événement est le rapport du nombre de cas favorables à cet événement au nombre total des cas possibles. Un exemple simple va faire comprendre com- bien cette définition est incomplète. Je jette

deux dés ; quelle est la probabilité pour que l’un des deux dés au moins amène un six ? Chaque dé peut amener six points différents : le nombre

; le nombre

des cas possibles est

----- .

des cas favorables est 11 ; la probabilité est

C’est la solution correcte. Mais ne pourrais-je

pas dire tout aussi bien : les points amenés par 6 × 7

6 × 6

=

36

11

36

21

les deux dés peuvent former combinaisons différentes ? Parmi ces combinaisons, 6 sont favorables ; la probabilité est

Pourquoi la première manière d’énumérer les cas possibles est-elle plus légitime que la seconde ? En tout cas,

ce n’est pas notre définition qui nous l’apprend. On est donc réduit à compléter cette définition en disant : «

au nombre total des cas possibles, pourvu que

ces cas soient également probables ». Nous voilà donc réduits à définir le probable par le probable.

------------

2

=

6

----- .

21

Ce n’est qu’en 1933 que le mathématicien russe KOLMOGOROV (1903-1987) écrivit les axiomes per- mettant de définir rigoureusement une probabilité.

B Probabilité sur un ensemble fini L’étude d’un exemple va nous permettre de revoir les
B
Probabilité sur un ensemble fini
L’étude d’un exemple va nous permettre de revoir les notions acquises en première et de préciser le
vocabulaire des probabilités.
Étude d’un exemple
Exemple
Énoncé

On lance deux dés cubiques non pipés dont l’un est bleu et l’autre vert. Les faces de chacun des dés sont numérotées de 1 à 6. On note b le nombre marqué sur la face supérieure du dé bleu et v le nom- bre marqué sur la face supérieure du dé vert.

Trouver une représentation qui permette de visualiser toutes les éventualités. On appelle Ω l’ensemble de toutes les éventualités.

102
102

Séquence 4 – MA01

© Cned – Académie en ligne

On désigne par A, B, C, D, E et F les événements suivants :

A « obtenir deux numéros 6 » ;

B « obtenir deux numéros identiques » ;

C « la somme des deux numéros est égale à 8 » ;

D « la somme des deux numéros est strictement inférieure à 8 » ;

E « la somme des deux numéros est supérieure ou égale à 8 » ;

F « la somme des deux numéros est divisible par 3 ».

a) Calculer la probabilité de chacun des 6 événements précédents.

b)

c)

d)

Comparer

Comparer

Calculer

pB(

pC(

C)

F)

et

et

p(B) + p(C) p(C) + p(F)

.

.

. Que peut-on dire de D et de E ?

p(D) + p(E)

Solution

où b et v sont des entiers compris

entre 1 et 6. On peut écrire tous les couples possibles dans un tableau à double entrée (voir figure 1).

Une éventualité peut être représentée par un couple

(b, v)

b v
b
v
   

123456

     

1

(1, 1)

(2, 1)

(3, 1)

(4, 1)

(5, 1)

(6, 1)

 

2 (1, 2)

(2, 2)

(3, 2)

(4, 2)

(5, 2)

(6, 2)

 

3 (1, 3)

(2, 3)

(3, 3)

(4, 3)

(5, 3)

(6, 3)

 

4 (1, 4)

(2, 4)

(3, 4)

(4, 4)

(5, 4)

(6, 4)

 

5 (1, 5)

(2, 5)

(3, 5)

(4, 5)

(5, 5)

(6, 5)

 

6 (1, 6)

(2, 6)

(3, 6)

(4, 6)

(5, 6)

(6, 6)

Fig. 1

L’univers Ω est donc formé de 36 couples

Ω

= {(1, 1), (2, 1),, (5, 6), (6, 6)} .

a) Chacun des 36 couples a la même probabilité d’apparaître sur les dés. On dit qu’il y a équipro- babilité. On sait que dans ce cas la probabilité d’un événement K est égale à :

p(K)

= ------------------------------------------------------------------- nombre nombre de de « « cas cas favorables possibles » »

Pour A : il y a un seul événement élémentaire inclus dans A, d’où

p(B)

=

p(A)

6

=

=

1

-----

36

1

--

6

.

.

Pour B : il y a 6 couples avec des numéros identiques, d’où

-----

36

Pour C : il y a 5 couples dont la somme des numéros est égale à 8, d’où

Pour

p(D)

Pour

p(E)

p(C)

=

5

-----

36 .

=

=

D :

il

y

a 21 couples dont la somme

des numéros est strictement inférieure à

8, d’où

21

7

-----

=

36

----- .

12

E :

il

y

a 15 couples dont la somme des numéros est supérieure ou égale

à

8, d’où

15

5

-----

=

36

----- .

12

Pour F : la somme des numéros peut être soit 3, soit 6, soit 9, soit 12. Il y a 2 couples ayant pour somme 3 ; 5 couples ayant pour somme 6 ; 4 couples ayant pour somme 9 et 1 couple ayant pour somme 12.

D’où

p(F)

=

2541+++

------------------------------

36

=

1

--

3

.

Séquence 4 – MA01

103
103

© Cned – Académie en ligne

Remarque

Remarque

Conclusion

 

événements

A

 

B

 

C

 

D

E

F

 

probabilités

1

 

1

 

5

 

7

5

1

------

---

------

------

------

---

 

36

6

36

12

12

3

b) L’événement

est formé de 10 couples :

(1, 1)

,

(2, 2)

,

(3, 3)

,

(4, 4)

,

(5, 5)

,

(6, 6)

,

(2, 6)

,

(3, 5)

,

B C (5, 3)

,

(6, 2)

.

D’où

pB(

C)

=

10

-----

36

=

5

----- .

18

Calculons

p(B) + p(C)

=

1

-- + -----

36

6

5

=

11

----- .

36

On a donc

Cette inégalité est due au fait que le couple

pour

pB( ∪ C) = p(B) + p(C) pB( ∩ C)

c)

à 8 elle ne peut pas être divisible par 3.

17

-----

D’où

pB(

C) < p(B) + p(C)

.

(4, 4)

.

, qui est dans B et dans C, ne compte qu’une fois

B C

.

On a

L’événement C F

pC(

est formé des 5 couples de C et des 12 couples de F car si la somme est égale

F)

=

5 + 12

---------------

36

=

36 .

Calculons

p(C) + p(F)

=

12

----- + -----

36

36

5

=

17

-----

36 .

On a donc

pC(

F)

= p(C) + p(F)

.

On a

pC( ∪ F) = p(C) + p(F)

car

C F =

et

d) Calculons

p(D) + p(E)

=

7

-----

12

5

+ -----

12

=

1

.

p(∅) = 0

.

On a

D

E

D E

=

=

Ω

.

On peut donc dire que D et E sont deux événements contraires.

104
104

Remarques

Vocabulaire des probabilités

L’ensemble de toutes les éventualités constitue l’univers.

Toute partie de l’univers est un événement.

Un événement comprenant une seule éventualité est un événement élémentaire.

L’événement contraire de A, noté pas dans A.

L’événement certain est l’univers Ω.

L’événement impossible est noté

Étant donné deux événements A et B d’un même univers Ω :

L’événement

L’événement

Les événements A et B sont incompatibles si

A , est constitué des événements élémentaires ne se trouvant

.

A est l’intersection des deux événements.

B

A est la réunion des deux événements.

B

A B

=

.

A et

Deux événements élémentaires sont toujours incompatibles.

A sont toujours incompatibles.

Séquence 4 – MA01

© Cned – Académie en ligne

Définition

Probabilité

.

Définir une probabilité p sur l’univers Ω c’est associer à chaque événement élémentaire

nombre

La probabilité d’un événement A est la somme des probabilités des événements élémentaires qui le composent.

Soit Ω un univers constitué de n éléments que l’on peut écrire sous la forme

un

Ω

=

{

ω

1

,

ω

2

,,

{

ω

ω

i

}

n

}

p i

, compris entre 0 et 1, tel que

p 1

+

p

2

++

p

n

=

1

.

Notation

p i

=

p

({

ω

i

})

pour

1in

.

Propriétés

Propriété p(∅) = 0 et p(Ω) = 1 . Propriété Soit A et B deux
Propriété
p(∅)
=
0
et
p(Ω)
=
1
.
Propriété
Soit A et B deux événements d’un même univers Ω.
pA(
∪ B)
= p(A) + p(B) – pA(
∩ B) .
Cas particulier
Propriété
Si A et B sont deux événements incompatibles alors :
pA(
∪ B)
= p(A) + p(B)
car
pA(
∩ B)
= p(∅)
=
0 .
Propriété
Soit A un événement et
A
son événement contraire.
p(A) + p(A)
=
1 .

Définition

Équiprobabilité

On se trouve en situation d’équiprobabilité lorsque tous les événements élémentaires ont la même probabilité.

Propriété

En situation d’équiprobabilité, la probabilité d’un événement A est :

p(A)

= ------------------------------------------------------------------------------------------------------------------ nombre nombre dévénements total dévénements élémentaires élémentaires constituant A .

Remarque

On écrit parfois

p(A)

nombre de cas « favorables » nombre de cas « possibles »

= -------------------------------------------------------------------

.

Attention cependant à n’appliquer cette formule qu’en situation d’équiprobabilité.

Définition

Formule des probabilités totales

Soit

On dit que ces quatre événements forment une partition de Ω, ou encore un système complet d’événements de Ω, si les conditions suivantes sont vérifiées :

aucun événement n’est impossible.

B 1

,

B 2

,

B 3

,

B 4

quatre événements d’un même univers Ω.

Séquence 4 – MA01

105
105

© Cned – Académie en ligne

Remarque

l’intersection de deux événements distincts est vide.

la réunion des quatre événements est égale à Ω.

La définition d’une partition donnée pour 4 événements est valable pour un nombre quelconque d’événements (il en faut au moins deux).

une partition de Ω et A un événement quelconque de Ω.

L’événement A peut alors s’écrire comme la réunion de 4 événements (voir figure 2).

Soit {

B

1

B

B

,,,

2

3

B

4

}

Ω A B 1 B 2 B 3 B 4 Fig. 2 A = (
Ω
A
B 1
B 2
B 3
B 4
Fig. 2
A
= (
AB
∪∪∪ (
(
A
B
)
(
A
B
)
A
B
4 ) .
1 )
2
3
Remarque
L’un des événements (voire plusieurs événements) «
A
» peut être l’événement impossible.
B i
Propriété (dite formule des probabilités totales) Soit { B 1 ,,, B B B }
Propriété (dite formule des probabilités totales)
Soit
{
B 1 ,,,
B
B
B
}
un système complet d’événements de Ω et A un événement quelconque de Ω.
2
3
4
On a alors :
p(A)
=
pA (
B
+++
pA
(
B
)
pA
(
B
)
pA
(
B
.
1 )
2
3
4 )

Remarque

Cette propriété reste vraie pour une partition

On a alors :

p(A)

=

Cas particulier

n

i = 1

pA

(

B i

)

.

{

B 1 , B 2

,,

B

n

}

.

Un événement et son contraire forment toujours une partition de l’univers Ω (voir figure 3).

Ω A B B Fig. 3
Ω
A
B
B
Fig. 3

On obtient alors la propriété suivante qui est bien un cas particulier de la propriété .

Propriété

p(A) = pA(

B) + pA(

B) .

C Probabilités conditionnelles Étude de deux exemples Sondage sur Internet Exemple Énoncé
C
Probabilités conditionnelles
Étude de deux exemples
Sondage sur Internet
Exemple
Énoncé

Voici les résultats d’un sondage effectué auprès de 1 000 personnes, à propos d’Internet :

40 % des personnes interrogées déclarent être intéressées par Internet ;

106
106

Séquence 4 – MA01

© Cned – Académie en ligne

35 % des personnes interrogées ont moins de 25 ans et, parmi celles-ci, 80 % déclarent être inté- ressées par Internet ;

30 % des personnes interrogées ont plus de 50 ans et, parmi celles-ci, 85 % ne sont pas intéressées par Internet.

Reproduire et compléter le tableau suivant :

 

Intéressés par

Non intéressés par Internet

 

Internet

Total

Moins de 25 ans

     

De 25 à 50 ans

     

Plus de 50 ans

     

Total

   

1 000

On choisit au hasard une personne parmi les 1 000 interrogées.

On suppose que toutes les personnes ont la même probabilité d’être choisies.

On considère les événements suivants :

A : « la personne interrogée a moins de 25 ans » ;

B : « la personne interrogée a plus de 50 ans » ;

I : « la personne interrogée est intéressée par Internet ».

a) Calculer les probabilités

p(A)

,

p(B)

et

p(I)

.

b) Définir par une phrase l’événement

B

et calculer

p(B)

.

c) Calculer

pA(

I)

et en déduire

pA(

I)

.

On sait maintenant que la personne interrogée n’est pas intéressée par Internet. Quelle est la pro- babilité qu’elle ait plus de 50 ans ? Qu’elle ait 50 ans ou moins de 50 ans ?

On sait maintenant que la personne interrogée n’a pas plus de 50 ans. Quelle est la probabilité qu’elle soit intéressée par Internet ?

Solution

On peut remplir le tableau dans l’ordre des numéros inscrits dans les .

Pour

Pour

Pour

Pour

Pour

Pour

Pour

1

1

40

000 × --------

100

000

400

1

35

000 × --------

100

350

350

80

× --------

100

280

=

=

30

1 000 × --------

100

300

85

× --------

100

=

=

=

=

400 .

600 .

350 .

280 .

70 .

=

300 .

255 .

Séquence 4 – MA01

107
107

© Cned – Académie en ligne

Pour , , et on obtient les résultats par différences.

 

Intéressés par

Non intéressés par Internet

 

Internet

Total

 

280

70

350

Moins de 25 ans

 

 

 

 

75

275

350

De 25 à 50 ans

 

 

 

Plus de 50 ans

45

255

300

 

 

 

 

400

600

 

Total

 

 

1 000

a) Les probabilités demandées sont données dans l’énoncé sous forme de pourcentage.

pA(

)

=

0,35 ;

p(B) ==0,30 ;

p(I)

0,40

.

b)

L’événement

B

peut se définir ainsi :

B

: « la personne interrogée a 50 ans ou moins de 50 ans ».

Calculons

p(B)

=

1 pB(

)

.

pB( ) = 0,70 .
pB(
)
= 0,70
.

c)

L’événement

A I

peut se définir ainsi :

A

I

: « la personne interrogée a moins de 25 ans et est intéressée par Internet ».

Le

tableau nous montre qu’il y a 280 personnes qui ont moins de 25 ans et qui sont intéressées par

Remarques

Exemple

Internet.

Ainsi

pA(

I)

= 0,28

.

On en déduit :

pA(

I)

=

p(A) + p(I) pA(

I) .

pA(

I)

= 0,35 + 0,40 0,28 .

pA(

I)

= 0,47

.

La personne interrogée n’est pas intéressée par Internet. Parmi les 600 personnes non intéressées par Internet, il y en a 255 qui ont plus de 50 ans.

On calcule alors la probabilité de B sachant que

I est réalisé.

On écrit

600

p(B sachant )

I

255

= --------

= 0,425

.

Sur les 600 personnes non intéressées par Internet il y en a 345 qui ont 50 ans ou moins de 50 ans.

On calcule la probabilité de

B

sachant que

I

est réalisé.

p(B sachant

 

345

= 0,575

I )

= --------

600

.

Dans cette question, on a été amené à changer d’univers. Au lieu de prendre l’ensemble des 1 000 personnes, on a seulement considéré l’ensemble des 600 « non internautes ».

« B sachant

I

» et «

B

sachant

I

» sont deux événements contraires.

Enquête sur le cinéma

Énoncé

Une enquête faite auprès d’une population comprenant 51 % de femmes et 49 % d’hommes montre que 20 % des femmes et 15 % des hommes de cette population ne vont jamais au cinéma.

108
108

Séquence 4 – MA01

© Cned – Académie en ligne

On choisit un individu au hasard dans cette population, tous les choix étant équiprobables.

On note : F l’événement « l’individu choisi est une femme » ;

C l’événement « l’individu choisi va au cinéma ».

Construire un arbre pondéré décrivant cette enquête.

Donner

, puis

a) Calculer

p(F)

,

p(C sachant F)

,

pF(

C)

pF(

p(C sachant F)

C)

.

.

b)

En écrivant

C = (FC

) ∪ (F C)

, calculer

p(C)

.

En déduire

p(C)

.

Solution

L’arbre pondéré est construit sur la figure 4.

C p(F ∩ C) = 0,80 0,51 = 0,80 F 0,51 C p(F ∩ C)
C
p(F ∩ C) = 0,80 0,51 =
0,80
F
0,51
C
p(F ∩ C) = 0,20 0,51 =
0,20
0,85
C
p(F ∩ C) = 0,85 0,49 =
0,49
F
C
p(F ∩ C) = 0,15 0,49 =
0,15

Fig. 4

0,408

0,102

0,4165

0,0735

somme = 1

Les quatre probabilités qui sont entourées sont données dans l’énoncé. Les deux autres probabilités ont été déduites en considérant que la somme des probabilités affectées aux branches issues d’un même « nœud » est égale à 1.

L’énoncé nous donne :

 

pF(

)

=

0,51 ;

p(C sachant F) = 0,20

.

On en déduit :

p(C sachant F) = 1 0,20 = 0,80 . Ainsi

p(C sachant F) = 0,80

.

a) L’événement

Pour calculer la probabilité de cette intersection, on fait le produit des probabilités portées par les branches qui mènent à F puis à C.

F C

est « l’individu choisi est une femme qui va au cinéma ».

D’où

pF(

C)

=

0,80 × 0,51 = 0,408

. Ainsi

p(F C) = 0,408

.

De même

b) On peut faire un schéma donnant une partition de la population (voir figure 5).

pF(

C)

=

0,49 × 0,85 = 0,416 5

. Ainsi

pF(

C)

=

0,416 5

.

F ∩ C F ∩ C C F F
F ∩ C
F ∩ C
C
F
F

On a bien :

C = (FC

Fig. 5

) ∪ (F C) .

Les événements

F C

et

F C

sont incompatibles.

On a donc :

p(C)

=

pF(

C) + pF(

C)

.

p(C)

=

0,408 + 0,416 5 .

pC( ) = 0,824 5
pC(
)
= 0,824 5

.

On en déduit :

p(C)

=

1 pC(

)

=

1 0,824 5

.

pC( ) = 0,175 5 .
pC(
)
=
0,175 5
.

Séquence 4 – MA01

109
109

© Cned – Académie en ligne

Définition

Remarque

Définition – Propriété

Comparons dans l’exemple les probabilités

On a :

p(C sachant F)

p(C sachant F) = 0,80

C)

---------------------

p(F)

pF(

.

= --------------------------- 0,80 0,51 × 0,51 = 0,80 .

et

pF(

---------------------

p(F)

C)

.

On remarque que l’on a :

p(C sachant F)

=

C)

pF(

--------------------- .

p(F)

Soit A et B deux événements d’un même univers tels que

 

p(A) ≠ 0

.

p A (B)

A)

= ----------------------

pB(

 
 

p(A)

.

à condition que

p(B) ≠ 0

p(B sachant A)

A)

= ----------------------

pB(

 
 

p(A)

.

.

La probabilité conditionnelle de B sachant A est définie par :

Notation

Il existe une autre notation :

p(B sachant A)

=

p A

(B) = pB(

On peut de même définir

A) .

p(A sachant B)

p(A sachant B)

=

p

B

(A)

pA(

B)

= ---------------------- .

p(B)

On sait que

B A

=

D’où

pB(

A)

A B .

=

p

A

(B) × p(A)

=

p

B

(A) × p(B) .

On peut énoncer la propriété suivante :

Propriété Si p(A) ≠ 0 et p(B) ≠ 0 on a : pA( ∩ B)
Propriété
Si
p(A) ≠ 0
et
p(B) ≠ 0
on a :
pA(
∩ B)
= p
A (B) × p(A)
=
p
B (A) × p(B) .

Arbre pondéré

Un arbre pondéré peut se présenter de la manière suivante :

B p A (B) p(A) = p(B∩A) p A (B) A p(A) p A (B)
B
p A (B)
p(A) =
p(B∩A)
p
A (B)
A
p(A)
p
A (B)
B
p A (B)
p(A) =
p(B∩A)
B
p A (B)
p(A) =
p(B∩A)
p
A (B)
p(A)
A
p
A (B)
B
p A (B)
p(A) =
p(B∩A)
somme = 1
probabilités
conditionnelles
p(A) + p(A) = 1
p A (B) + p A (B) = 1
p(B) = p(B∩A) + p(B∩A)
p A (B) + p A (B) = 1
p(B) = p(B∩A) + p(B∩A)
110
Séquence 4 – MA01

© Cned – Académie en ligne

Quelques règles concernant les arbres pondérés.

Les branches de la « seconde colonne » sont pondérées par des probabilités conditionnelles.

La somme des probabilités portées par les branches issues d’un même nœud est égale à 1.

La probabilité d’un événement correspondant à un chemin, qui est la probabilité d’une intersection, est égale au produit des probabilités inscrites sur chaque branche de ce chemin.

Exemple

Événements indépendants

Énoncé

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

On considère les événements suivants :

A : « la carte tirée est un cœur » ;

B : « la carte tirée est un roi ».

Calculer

,

,

p(A)

,

p(B)

p A (B)

p B (A)

.

Comparer

p A (B)

et

p(B)

puis

p B (A)

et

p(A)

.

Comparer

pA(

B)

et

p(A) × p(B)

.

Solution

Il y a 8 cœurs et 4 rois dans un jeu de 32 cartes.

D’où

Pour calculer

p

p(A)

=

8

-----

32

=

1

--

4

;

p(B)

=

4

-----

32

=

1

--

8

.

A (B)

, on peut soit changer d’univers, soit appliquer la définition.

Prenons comme nouvel univers l’ensemble des 8 cœurs car on sait que la carte tirée est un cœur.

Parmi ces 8 cœurs, il y a un seul roi.

D’où

p A (B)

=

1

--

8

.

Pour calculer

Calculons d’abord

p B (A)

pA(

appliquons la définition.

B)

.

L’événement A ∩ B est « la carte tirée est le roi de cœur ».
L’événement
A ∩ B
est « la carte tirée est le roi de cœur ».
1
D’où
pA(
∩ B)
=
-----
32 .
1
-----
pA(
∩ B)
32
1
Ainsi
p
B (A)
=
----------------------
== --
------
.
p(B)
4
4
-----
32
Conclusion
1
1
1
1
pA(
)
==
-- ;
pB(
)
-- ;
p
(B)
=
--
;
p B (A)
=
--
.
A
4
8
8
4

On note que :

p A (B) = p(B)

p B (A)

= p(A)

.

On dit dans ce cas que A et B sont indépendants.

Calculons

D’où

p(A) × p(B)

=

1

-- × --

4

8

1

=

1

----- .

32

pA(

) × p(B)

= pA(

B)

.

Séquence 4 – MA01

111
111

© Cned – Académie en ligne

Exemple

Énoncé

On reprend l’énoncé de l’exemple .

 

Comparer

p F (C)

et

p(C)

.

Comparer

pF(

C)

et

p(F) × p(C)

.

Solution

On a calculé

p F (C)

= 0,80

;

p(C) = 0,824 5

.

 

On a :

p F (C) ≠ p(C)

 

.

On dit dans ce cas que C et F sont dépendants.

 

On a calculé

pF(

C)

= 0,408

.

 

Calculons

p(F) × p(C) =

 

0,51 × 0,824 5 = 0,420 495

.

On a :

pF(

C) ≠ p(F) × p(C)

.

Définition

Deux événements A et B sont dits indépendants lorsque

pA(

B)

= p(A) × p(B)

.

Conséquence

Supposons A et B indépendants.

On a alors

p A (B)

== ----------------------------- = p(B)

----------------------

p(A)

p(A)

pA(

B)

p(A) × p(B)

.

p B (A)

== ----------------------------- = p(A) .

----------------------

p(B)

p(B)

pA(

B)

p(A) × p(B)

Réciproquement, supposons que l’on ait

On a alors

On a ainsi montré que si l’on a

p A (B)

=

p(B) .

.

pA(

B)

=

p

A (B) × p(A) = p(B) × p(A)

p A (B) = p(B)

alors les événements A et B sont indépendants.

Propriété

Deux événements A et B sont indépendants équivaut à dire que

p A (B) = p(B)

.

Remarque

à dire que p A ( B ) = p ( B ) . Remarque On

On peut aussi dire : A et B indépendants équivaut à

Attention

Il ne faut pas confondre événements indépendants et événements incompatibles.

Soit A et B deux événements incompatibles et de probabilités non nulles.

p B (A) = p(A)

.

On a alors

pA(

B)

= p(∅)

=

0

.

Comme

p(A) ≠ 0

et

p(B) ≠ 0

on a aussi

p(A) × p(B) ≠ 0

.

Ainsi deux événements incompatibles et de probabilités non nulles ne sont jamais indépendants.

D Application aux tests de dépistage Dans ce paragraphe, on va appliquer la formule des
D
Application aux tests de dépistage
Dans ce paragraphe, on va appliquer la formule des probabilités totales (voir propriétés et ).
Étude de deux exemples
Un test diagnostic
Exemple
Énoncé

Une grave maladie affecte le cheptel bovin d’un pays. On estime que 7 % des bovins sont atteints.

On vient de mettre au point un test pour diagnostiquer cette maladie.

112
112

Séquence 4 – MA01

© Cned – Académie en ligne

Quand un animal est malade, le test est positif dans 87 % des cas.

Quand un animal n’est pas malade, le test est négatif dans 98 % des cas.

Un animal prélevé au hasard passe le test.

On note M l’événement « l’animal est malade » ;

T l’événement « le test est positif ».

Donner les probabilités suivantes :

p(M)

;

p(M)

;

p M (T)

;

p M (T)

;

: p ( M ) ; p ( M ) ; p M ( T )

p M (T)

;

p M (T)

.

Construire un arbre pondéré représentant la situation. Déterminer, d’après une lecture de l’arbre,

pM(

T)

,

pM(

T )

,

pM(

T)

et

pM(

T )

.

En déduire la probabilité que l’animal ait un test positif.

Quelle est la probabilité pour qu’un animal ayant subi un test négatif soit malade (donner une valeur arrondie ayant 4 décimales) ?

Reproduire et compléter l’arbre pondéré suivant :

M T M M T M Solution
M
T
M
M
T
M
Solution

L’énoncé nous donne :

pM(

)

,

= 0 07 ;

p

M (T) = 0,87 ;

p

(T) = 0,98 M
(T) = 0,98
M

.

On en déduit :

Ainsi

p(M)

=

1 pM(

) ==1 0,07

0,93 .

 

p

M (T)

=

1

p

M

(T) ==1 0,87

0,13 .

p

 

=

1

p

(T) ==1 0,98

0,02 .

M (T)

 

M

 

pM(

)

=

0 93 ;

,

p

M

(T) = 0,13 ;

p

M

(T) = 0,02

.

Les résultats précédents nous permettent de construire l’arbre pondéré.

0,87 T p M 0,07 0,13 T p T p 0,02 0,93 M 0,98 T
0,87
T p
M
0,07
0,13
T
p
T
p
0,02
0,93
M
0,98
T
p

(TM) = 0,87 0,07 = 0,0609

(TM) = 0,13 0,07 = 0,0091

(TM) = 0,02 0,93 = 0,0186

(TM) = 0,98 0,93 = 0,9114

Les probabilités des « événements intersections » sont égales aux produits des probabilités inscrites sur chaque branche.

Séquence 4 – MA01

113
113

© Cned – Académie en ligne

Ainsi

pT(

M)

=

0,060 9 ;

p(T M) = 0,009 1 ;

pT(

M) = 0,018 6 ;

p(T M) = 0,911 4

On sait que

T = (TM

) ∪ (T M)

.

{M ; M}

Les événements

La formule des probabilités totales nous donne :

forme une partition de l’univers.

T M

et

T M

sont incompatibles.

p(T)

=

pT(

M) + pT(

M) .

p(T)

=

0,060 9 + 0,018 6 .

p(T)

= 0,079

5 .

La probabilité que l’animal ait un test positif est donc :

On veut calculer

p T (M)

.

On sait que :

p T (M)

D’où

p T (M)

pT(

)

=

0,079 5

.

=

T)

pM(

T)

pM(

-----------------------

p(T)

= ----------------------- .

1 pT(

)

= --------------------------- 1 0,009 0,079 1 5 = 0,009 88

En prenant une valeur arrondie ayant 4 décimales on obtient :

p T (M) ≈ 0,009 9 .

La probabilité qu’un animal ayant subi un test négatif soit malade est environ égale à 0,009 9.

Pour compléter l’arbre, il faut d’abord calculer certaines probabilités.

Calculons

Calculons

Calculons

On a déjà calculé

pM( ∩ T) p T (M) = ----------------------- p(T) pM( ∩ T) p T (M)
pM(
∩ T)
p T (M)
=
-----------------------
p(T)
pM(
∩ T)
p T (M)
=
-----------------------
p(T)

==------------------ 0,060 0,079 9 5

0,766

03

==------------------ 0,018 0,079 6 5

0,233

96

pM( ∩ T) -----------------------
pM(
∩ T)
-----------------------

p T (M)

== --------------------------- = 0,990 11

p(T)

1 0,079 5

0,911 4

p T (M) ≈ 0,009 9

.

On va arrondir les probabilités en prenant 4 décimales. Il faut bien vérifier que l’on ait :

p T (M)

+ p

T (M)