P ROBABILITÉS I GSEM, Université de Genève

Semestre de printemps 2018 Prof. Dr. Diego Kuonen, CStat PStat CSci
Travaux pratiques TP 4 — Corrigé

TP 4 — Corrigé
Probabilité conditionnelle et indépendance — 2ème partie

1
Nommons les événements:
A = {‘Amanda traite un appel’};
D = {‘Deborah traite un appel’};
R = {‘Rebecca traite un appel’};
E = {‘Une erreur est commise’}.

Connu: P (A) = 0.5; P (D) = 0.3; P (R) = 0.2; P (E|A) = 0.02; P (E|D) = 0.03 et P (E|R) = 0.05.

P (A∩E)
1. P (A|E) = P (E)
avec P (E) = P (E|A) · P (A) + P (E|D) · P (D) + P (E|R) · P (R) = 0.029
et P (A ∩ E) = P (E|A) · P (A) = 0.01.
0.01
Donc P (A|E) = 0.029 = 0.3448.

2. P (Ē) = 1 − P (E) = 0.971.

3. M = {‘Deborah est malade’ };

AM = {‘Amanda traite un appel quand Deborah est malade’};
RM = {‘Rebecca traite un appel quand Deborah est malade’}.

Connu: P (AM ) = 0.65; P (RM ) = 0.35; P (M ) = 0.1; P (E|AM ) = 0.04 et P (E|RM ) = 0.06.
On cherche P (M |E).
∩E)
P (M |E) = P (M
P (E)
avec P (E) = P (E|M )P (M ) + P (E|M̄ )P (M̄ ),
P (E|M ) = P (E|AM )P (AM ) + P (E|RM )P (RM ) = 0.047
et P (E|M̄ ) = 0.029.
Donc P (E) = 0.047 · 0.1 + 0.029 · 0.9 = 0.0308.
Et P (M ∩ E) = P (E|M )P (M ) = 0.0047.
Donc P (M |E) = 0.0047
0.0308 ≈ 0.153.

2
Ce que l’on sait:

1
P ROBABILITÉS I GSEM, Université de Genève
Semestre de printemps 2018 Prof. Dr. Diego Kuonen, CStat PStat CSci
Travaux pratiques TP 4 — Corrigé

• P (M ) = 0.2; • P (+|M ) = 0.6;

• P (S) = 1 − P (M ) = 0.8; • P (+|S) = 0.1.

1. On cherche P (+). Par le théorème des probabilités totales, on obtient:

P (+) = P (+|M )P (M ) + P (+|S)P (S) = 0.2.

2. On cherche P (M |+). Par le théorème de Bayes, on obtient:

P (+|M )P (M )
P (M |+) = P (+) = 0.6.

3
En utilisant le théorème des probabilités totales, on considère le système complet d’événements
S = {A1 , A2 , A3 } avec
A1 : ‘Toujours’ et P (A1 ) = 0.5;
A2 : ‘Parfois’ et P (A2 ) = 1 − 0.3 − 0.5 = 0.2;
A3 : ‘Jamais’ et P (A3 ) = 0.3.

1. La probabilité de l’événement B = {‘Pas emporté du shampoing’} est

P (B) = P (B|A1 )P (A1 ) + P (B|A2 )P (A2 ) + P (B|A3 )P (A3 )
= 0 · 0.5 + (1 − 3/4) · 0.2 + 1 · 0.3
= 0.35.

2. Il faut calculer la probabilité P (A3 |B):

P (B|A3 )P (A3 )
P (A3 |B) =
P (B)
1 · 0.3 0.3 6
= = = ≈ 0.8571429
0.35 0.35 7
3. On considère C = {‘Avoir une opération de chirurgie esthétique’}. Pour savoir si C et A1 sont
indépendants:
P (C)P (A1 ) = 0.3 · 0.5 = 0.15 6= P (C ∩ A1 ) = 0.21.
Donc C et A1 ne sont pas indépendants.
4. On cherche
P (A1 ∩ C)
P (A1 |C) =
P (C)
P (C ∩ A1 )
=
P (C)
0.21
= = 0.7.
0.3

2
P ROBABILITÉS I GSEM, Université de Genève
Semestre de printemps 2018 Prof. Dr. Diego Kuonen, CStat PStat CSci
Travaux pratiques TP 4 — Corrigé

4
En utilisant le théorème des probabilités totales, on considère le système complet d’événements
S = {A1 , A2 , A3 } avec
A1 : ‘Bas risque’ et P (A1 ) = 0.2;
A2 : ‘Risque moyen’ et P (A2 ) = 0.5;
A3 : ‘Haut risque’ et P (A3 ) = 0.3.

1. Si on considére l’événement C = {‘Avoir un accident ou plus’}, on a

P (C|A1 ) = 0.05;
P (C|A2 ) = 0.15;
P (C|A3 ) = 0.3.
Donc

P (C) = P (C|A1 )P (A1 ) + P (C|A2 )P (A2 ) + P (C|A3 )P (A3 )

= 0.05 · 0.2 + 0.15 · 0.5 + 0.3 · 0.3
= 0.175.

2. L’événement complémentaire de C est C = {‘Ne pas avoir un accident’}.

On a pour Alfred la probabilité qu’il fasse partie de la classe à bas risque, si il n’a pas eu
d’accident en 2015:

P (C|A1 )P (A1 )
P (A1 |C) =
P (C)
avec
P (C|A1 ) = 1 − P (C|A1 ) = 1 − 0.05 = 0.95 et
P (C) = 1 − P (C) = 1 − 0.175 = 0.825.
Donc

P (C|A1 )P (A1 ) 0.95 · 0.2

P (A1 |C) = = ≈ 0.230.
P (C) 0.825
Et la probabilité qu’il fasse partie de la classe à risque moyen est

P (C|A2 )P (A2 ) 0.85 · 0.5

P (A2 |C) = = ≈ 0.515.
P (C) 0.825